The post has been translated automatically. Original language: Russian
If we talk about artificial intelligence in the pharmaceutical industry, then the most high-profile topic will, of course, be a breakthrough in drug development: the generation of molecules and the modeling of clinical trials. However, along with this, there is great potential for industry transformation not in scientific laboratories, but in the operational activities of companies, for example, in manufacturing, logistics, and promotion, where AI can provide rapid efficiency and competitive advantage.
But to what extent are pharmaceutical companies in Russia ready for the widespread use of these technologies in their field? Now we see a big gap between the first experiments and the total introduction of AI into operational processes. Many people have already become familiar with the technology: they have tried out both free and top commercial foreign and domestic models for solving point—to-point tasks, from content generation to primary document analysis and knowledge search in them. Now a new stage has begun — automation of processes using AI agents, but it is here that the key problem becomes obvious — the lack of a systematic approach.
In addition to the current difficulties with data infrastructure and quality, the introduction of AI agents is based not only on the lack of in-house experience in developing AI pipelines, but also on the lack of methodological expertise. There are no dedicated teams capable of conducting a full cycle from auditing business processes and identifying "pain points" with maximum automation potential to calculating ROI and building an implementation roadmap.
In parallel, another, no less serious obstacle is visible — the lack of a massive internal request from below. Field staff — whether they are accountants, lawyers, human resources specialists, or line management of field services — often do not see exactly how an AI tool can become their "exoskeleton" that greatly enhances productivity. They are not used to formulating their routine operations as automation tasks, and IT departments, in turn, do not always proactively offer such solutions, leaving the potential unfulfilled.
Separately, it is worth noting the companies who, at the peak of HYPE, were in a hurry to introduce AI to themselves: they quickly agreed to conduct an audit on the implementation of AI from an external agency, but received a near-zero result corresponding to the number of real implementations at that time. At Sinimex, we are still faced with this negative experience from customers — they are categorically against conducting repeated research on their operational activities, although approaches and experience have long been at a completely different level.
Thus, the main challenge today is not technological, but managerial and cultural. The platforms are technologically ready, and the economic incentives are obvious. But the leap from point-to-point experiments to total application requires the strategic will of the leadership. It is necessary to create cross-functional teams at the intersection of business and Data Science, invest in employee training and, most importantly, make the optimization culture a part of the company. It is the ability to bridge this organizational gap that will become a key factor of competitive advantage in the coming years. The result is not just optimized costs, but a new operating model for the pharmaceutical business.
Now it is important to objectively assess the existing internal barriers to the development of AI and consider the possibility of attracting external expertise. This is due to the fact that integrator companies, including Sinimex, working with the pharmaceutical industry, are investing resources in developing solutions based on AI agent platforms and have already accumulated practical project experience in this area.
Если говорить об искусственном интеллекте в фармацевтической индустрии, то самой громкой темой будет, конечно, прорыв в разработке лекарств: генерации молекул и моделировании клинических исследований. Однако, наряду с этим существует большой потенциал для трансформации отрасли не в научных лабораториях, а в операционной деятельности компаний, например, в производстве, логистике, продвижении, где ИИ может дать быструю эффективность и конкурентное преимущество.
Но насколько фармкомпании в России готовы к повсеместному использованию этих технологий в своей сфере? Сейчас мы наблюдаем большой разрыв между первыми экспериментами и тотальным внедрением ИИ в операционные процессы. Многие уже познакомились с технологией: опробовали как бесплатные, так и топовые коммерческие зарубежные и отечественные модели для решения точечных задач — от генерации контента до первичного анализа документов и поиска знаний в них. Сейчас начался новый этап — автоматизация процессов с помощью ИИ-агентов, но именно здесь становится очевидной ключевая проблема — отсутствие системного подхода.
Помимо актуальных сложностей с инфраструктурой данных и их качеством внедрение ИИ-агентов упирается не только в отсутствие in-house опыта разработки ИИ pipeline-ов, но и в дефицит методологической экспертизы. Отсутствуют выделенные команды, способные провести полный цикл от аудита бизнес-процессов и выявления «точек боли» с максимальным потенциалом автоматизации до расчета ROI и построения дорожной карты внедрения.
Параллельно видна другая, не менее серьезная преграда — отсутствие массового внутреннего запроса «снизу». Сотрудники на местах — будь то бухгалтеры, юристы, специалисты по кадрам или линейный менеджмент полевых служб — часто не видят, как именно ИИ-инструмент может стать их «экзоскелетом», многократно усиливающим производительность. Они не привыкли формулировать свои рутинные операции как задачи для автоматизации, а ИТ-департаменты, в свою очередь, не всегда проактивно предлагают такие решения, оставляя потенциал не реализованным.
Отдельно стоит отметить компании, кто на пике хайпа торопился внедрить себе ИИ: быстро согласились на проведение аудита по внедрению ИИ от внешнего агентства, но получили околонулевой результат, соответствующий в тот момент количеству реальных внедрений. Мы в компании «Синимекс» все еще сталкиваемся с этим негативным опытом у заказчиков — они категорически против проведения повторных исследований своей операционной деятельности, хотя подходы и опыт давно уже на совершенно другом уровне.
Таким образом, главный вызов сегодня — не технологический, а управленческий и культурный. Технологическая готовность платформ есть, экономические стимулы очевидны. Но для скачка от точечных экспериментов к тотальному применению требуется стратегическая воля руководства. Необходимо создавать кросс-функциональные команды на стыке бизнеса и Data Science, инвестировать в обучение сотрудников и, главное, сделать культуру оптимизации частью компании. Именно способность преодолеть этот организационный разрыв станет ключевым коэффициентом конкурентного преимущества в ближайшие годы. Результат — не просто оптимизированные издержки, а новая операционная модель фарм-бизнеса.
Сейчас важно объективно оценить существующие внутренние преграды к развитию ИИ и рассмотреть возможность привлечения внешней экспертизы. Это связано с тем, что компании-интеграторы, в том числе компания «Синимекс», работающие с фармацевтической отраслью, инвестируют ресурсы в разработку решений на платформах ИИ-агентов и уже накопили практический проектный опыт в этом направлении.
Share
