Bài đăng này đã được đọc 394 lần!
Cách tránh những cạm bẫy phổ biến nhất khi triển khai AI và cách đảm bảo sáng kiến của bạn mang lại giá trị thực và quan trọng một cách nhanh chóng
Trí tuệ nhân tạo (AI), dưới mọi hình thức khác nhau rõ ràng mang lại giá trị tiềm năng to lớn cho các công ty chăm sóc sức khỏe và dược phẩm trong việc chuyển đổi chuỗi cung ứng của họ. Nhưng nếu không có chiến lược mạnh mẽ, triển khai phù hợp và ưu tiên nghiêm ngặt cho các trường hợp sử dụng có giá trị cao trong sản xuất thì phần lớn giá trị này sẽ bị mất.
Thông thường, việc triển khai AI thất bại và ít thể hiện được về mặt giá trị kinh doanh. Hoặc nếu họ thực sự mang lại giá trị trong một số lĩnh vực thích hợp, thì họ khó có thể mở rộng quy mô khắp doanh nghiệp và các đối tác thương mại để thực sự chuyển đổi chuỗi cung ứng.
Bài viết này khám phá những thách thức thực tế cần lưu ý khi triển khai AI trong chuỗi cung ứng dược phẩm. Trong báo cáo mà tôi liên kết đến ở cuối bài viết này, tôi chia sẻ chi tiết một chiến lược giúp tạo ra lợi nhuận cao một cách nhanh chóng, đồng thời giảm thiểu rủi ro và chi phí triển khai.
Do tính chất liên kết chặt chẽ của chuỗi cung ứng dược phẩm và chăm sóc sức khỏe, thành công phụ thuộc rất nhiều vào việc có nền tảng mạng cơ bản có tính đến tính phức tạp và tính chất đa tầng của các chuỗi cung ứng đó.
Những thách thức và cạm bẫy chung của AI trong chuỗi cung ứng dược phẩm
Hầu hết các công ty khoa học đời sống và sức khỏe đã sai ở đâu khi cố gắng triển khai AI trong chuỗi cung ứng của họ? Đã tham gia nhiều triển khai
1. Bối cảnh dữ liệu phức tạp và học hỏi từ cả dữ liệu cũ và dữ liệu mới
Đây là một vấn đề lớn: Cố gắng giải quyết vấn đề mà không có một mô hình tích hợp duy nhất, do đó không thể kết nối các điểm. Hay nói cách khác là chưa có hệ thống quản lý và dữ liệu tổng thể của cộng đồng. Chuỗi cung ứng là sự kết hợp không đồng nhất của các đối tác với vô số mô hình dữ liệu thường không tương tác với nhau. Điều này được kết hợp bởi các cơ cấu tích hợp phức tạp khiến việc theo dõi giao dịch trong suốt vòng đời của nó trở nên rất khó khăn. Khả năng truy cập dữ liệu bên ngoài doanh nghiệp hoặc quan trọng hơn là nhận được quyền xem dữ liệu có liên quan đến cộng đồng giao dịch của bạn, phải được cung cấp cho bất kỳ loại AI nào, ví dụ: thuật toán học sâu hoặc học máy. Các hệ thống AI hiệu suất cao phải có khả năng tiếp thu các xu hướng trong quá khứ và liên tục học hỏi từ dữ liệu mới cũng như “điều chỉnh dần dần” kết quả đầu ra. Các hệ thống AI trong chuỗi cung ứng không nên áp dụng mô hình “lô” trong đó với mỗi biến hoặc điểm dữ liệu mới, toàn bộ thuật toán cần có sự thay đổi nền tảng để đạt được chuỗi cung ứng linh hoạt.
2. Nguyên tắc tuân thủ GxP và bối cảnh pháp lý luôn thay đổi
Ngành khoa học đời sống và đặc biệt là dược phẩm được quản lý chặt chẽ và có các yêu cầu tuân thủ chặt chẽ, chẳng hạn như GCP (Tốt Lâm sàng Luyện tập) và GMP (Thực hành sản xuất tốt). Chúng dành riêng cho các công thức, lĩnh vực trị liệu và cụ thể theo địa lý về các quy tắc xét nghiệm và hướng dẫn của FDA. Tệ hơn nữa, những quy tắc này tiếp tục phát triển. Điều này đòi hỏi các thuật toán khai thác văn bản phức tạp để tìm ra ý nghĩa quy trình của các quy định luôn thay đổi này.
3. Các trường hợp sử dụng AI ngoài văn phòng hỗ trợ và tập trung cao độ vào hiệu quả
Trong khi nhiều công ty khoa học đời sống đã thử triển khai AI và RPA (tự động hóa quy trình bằng robot) trong các hoạt động hỗ trợ văn phòng của họ, thì giá trị thực sự của AI thể hiện ở việc thu hút người dùng ở giao diện người dùng. Ví dụ: tận dụng các thuật toán AI để dự đoán các phương pháp điều trị, dự đoán sự xuất hiện của bệnh và lập kế hoạch tự động cho bệnh nhân, trái ngược với việc hạn chế AI trong các trường hợp sử dụng liên quan đến dịch vụ khách hàng và năng suất. Nhiều công ty dược phẩm thất bại hoặc không thể nhắm mục tiêu vào các lĩnh vực khác như tăng trưởng doanh thu, sự tuân thủ của bệnh nhân, rủi ro, v.v. và thường gặp khó khăn trong việc thiết lập đề án kinh doanh cho các lĩnh vực đó.
4. Tập trung vào các kết quả quan trọng mà không xem xét tác động lan truyền của việc ra quyết định do AI dẫn dắt
Tốt nhất, hầu hết các công ty dược phẩm lớn đều có các phi công AI biệt lập hoạt động trên các lĩnh vực được chọn như lập kế hoạch nhu cầu, tối ưu hóa vận chuyển hàng hóa, sàng lọc nhà cung cấp. Điều này đã dẫn đến một loạt bằng chứng về các khái niệm trên các khía cạnh khác nhau của chuỗi cung ứng. Những dự án này gặp khó khăn trong việc mở rộng quy mô và không thể đạt được chén thánh của chuỗi cung ứng: khả năng phục hồi. Thách thức này đặc biệt khó khăn đối với ngành dược phẩm vì chuỗi cung ứng của ngành được kết nối chặt chẽ với nhau, từ đầu đến cuối và xuyên suốt các cấp, với các hướng dẫn sản xuất phức tạp và việc tập trung vào một tập hợp các chức năng mục tiêu trên toàn mạng là rất quan trọng để thực hiện. thành công.
Tập trung vào đâu để mang lại lợi nhuận tốt hơn cho AI
Đây là một chủ đề rộng và phức tạp mà tôi chỉ có thể đề cập ở đây nhưng tôi sẽ cung cấp thông tin chi tiết trong báo cáo được liệt kê ở cuối bài viết. Bây giờ, tôi muốn để lại cho bạn một mảnh ghép quan trọng mà chúng tôi thấy cực kỳ hữu ích.
Giữa tất cả những lời bàn tán và cường điệu xung quanh các ứng dụng AI trong chuỗi cung ứng, các thương hiệu khoa học đời sống cần phải cẩn thận trong việc ưu tiên các trường hợp sử dụng phù hợp và được hỗ trợ bằng kho dữ liệu và công nghệ phù hợp với mục đích để họ có thể thấy kết quả thực tế và quan trọng nhanh chóng.
Tại One Network Enterprises (ONE), chúng tôi tương tác với nhiều công ty khoa học đời sống, mỗi công ty ở một mức độ trưởng thành khác nhau. Tuy nhiên, tất cả họ đều muốn cùng một điều: Một tập hợp các trường hợp sử dụng mang lại lợi tức đầu tư lớn nhất.
Để đạt được điều đó, chúng tôi nhận thấy rằng cách tốt nhất để làm điều đó là thành lập “Văn phòng Giá trị”, một nhóm chuyên trách tập trung vào giá trị (một chức năng giao thoa giữa thành công của khách hàng và kỹ thuật tạo giá trị). Lý do điều này rất quan trọng là vì hầu hết các trường hợp sử dụng không được tập trung vào một bộ phận cụ thể trong chuỗi cung ứng. Thông thường, các trường hợp sử dụng được kết nối với nhau và có tác động đa cấp xung quanh mức độ chi phí, hàng tồn kho và dịch vụ. Nhóm Văn phòng Giá trị có thể giám sát các chức năng và kết nối các điểm theo những cách mà các nhóm bản địa hóa sẽ gặp khó khăn nếu không muốn nói là không thể.
AI có thể có tác động lớn nếu bạn nhận thức được những cạm bẫy và tiếp cận AI bằng một chiến lược đã được chứng minh
Tóm lại, việc triển khai AI trong chuỗi cung ứng dược phẩm đặt ra vô số thách thức, chẳng hạn như quản lý bối cảnh dữ liệu phức tạp, điều hướng bối cảnh pháp lý luôn thay đổi, mở rộng ứng dụng AI ngoài các hoạt động hỗ trợ văn phòng và tính đến các tác động rộng hơn của AI- dẫn dắt việc ra quyết định. Tuy nhiên, những thách thức này có thể được giải quyết bằng cách ưu tiên các trường hợp sử dụng phù hợp, được hỗ trợ bởi dữ liệu và công nghệ phù hợp với mục đích. Các công ty nên hướng tới các hệ thống AI có thể tích hợp và học hỏi từ dữ liệu mới và dữ liệu lịch sử, thích ứng với các quy định thay đổi và mang lại giá trị trong các lĩnh vực khác nhau. Một “Văn phòng Giá trị” chuyên dụng có thể là chìa khóa trong việc giám sát những vấn đề phức tạp này, vì nó có thể đảm bảo rằng việc triển khai AI có tính đến bản chất liên kết của chuỗi cung ứng và những ảnh hưởng của nó đối với chi phí, hàng tồn kho và mức độ dịch vụ. Bất chấp những cạm bẫy tiềm ẩn, với chiến lược và trọng tâm đúng đắn, các công ty khoa học đời sống có thể đạt được lợi nhuận đáng kể từ khoản đầu tư AI của họ.
Và báo cáo mà tôi đã đề cập, bạn có thể tải về tại đây.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://supplychainbeyond.com/4-pitfalls-of-a8-in-healthcare-and-pharmaceutical-supply-chains/
