Plasmare il futuro della salute con Boehringer Ingelheim [Integreat 2025]

Trascrizione:

Vorrei presentarvi il nostro prossimo relatore, Ralf Schundelmeier della Boehringer Ingelheim.

Adoro lavorare con questo team. Per chi non conoscesse Boehringer Ingelheim, si tratta della più grande azienda farmaceutica privata al mondo. Ralf ci fornirà maggiori dettagli sull'azienda, ma sono profondamente grato ogni volta che ho l'opportunità di lavorare con questo team perché ha salvato la vita a mio suocero.

Boehringer Ingelheim è uno dei principali innovatori nel campo dei farmaci per la prevenzione e la gestione dell'ictus. Mio suocero ha avuto un ictus ischemico ed è stato fortunatamente salvato al pronto soccorso, quindi sono grato ai ricercatori che lavorano in questo campo.

Ho anche un dobermann che è un cane molto esigente e sto usando i prodotti Boehringer per mantenerlo in salute. Ralf vi dirà di più al riguardo, ma personalmente sono molto grato per il lavoro che svolge questo team.

Date il benvenuto a Ralf sul palco.

Buon pomeriggio.

Stamattina mi è stato chiesto quale canzone mi sarebbe piaciuto suonare, e non mi è venuto in mente niente di meglio, perché a volte è anche il motto nel mondo dell'IT. Bisogna sempre guardare il lato positivo della vita, perché le cose non funzionano sempre così bene come le dimostriamo qui sul palco.

Ottimo. Di cosa parliamo oggi? Si tratta più che altro del percorso che abbiamo intrapreso.

Quindi sarà un po' meno incentrato sulla tecnologia e più su ciò che stiamo cercando di fare, perché lo stiamo facendo e poi alcune delle lezioni che abbiamo imparato. Quindi forse cose a cui dovrete prestare attenzione.

Ma la chiave qui è davvero il self-service. Sì.

E questo è davvero uno dei fattori chiave per noi. Sbloccare i dati e consentire alle persone di farlo da sole.

Sì, perché non possiamo espandere la nostra organizzazione. Jeremiah ha già fatto un ottimo lavoro di promozione per l'azienda.

In realtà, non ho molto da aggiungere. Ma come hai detto tu, siamo un'azienda farmaceutica a conduzione familiare fondata nel 1885 in una piccola città chiamata Ingelheim, in Germania.

L'attenzione è rivolta alla farmaceutica umana e alla salute animale. Penso che anche questo sia un po' un'eccezione, perché la maggior parte delle grandi aziende del settore delle scienze della vita ha ceduto la propria attività nel campo della salute animale.

Abbiamo circa 55.000 dipendenti in tutto il mondo. Siamo un'azienda di ricerca.

Penso che anche questo sia estremamente importante ed è per questo che investiamo circa 6.000.000.000 di dollari all'anno nella ricerca. Abbiamo 26 centri di ricerca e sviluppo e il nostro fatturato è di circa 27.000.000.000 di dollari all'anno.

Quindi, come ha detto lui, probabilmente è una delle aziende più grandi di cui non avete mai sentito parlare. Bene.

Cosa facciamo? Voglio dire, Jeremiah l'ha già descritto. Si tratta di una vasta gamma di malattie, dal cancro alle malattie respiratorie.

Recentemente è stato lanciato un nuovo prodotto. Si trattava del primo lancio di un prodotto per la fibrosi polmonare negli ultimi dieci anni.

È stato davvero un grande evento di lancio per noi, oltre che, ovviamente, per la salute degli animali. E come hai sottolineato, è destinato agli animali domestici, non solo ai cani ma anche ai gatti.

Uno dei prodotti più recenti era un trattamento per il diabete nei gatti che non prevedeva l'uso di iniezioni. Per chi di voi ha un gatto, provate a fare un'iniezione al vostro animale domestico.

Buona fortuna. Ma anche il bestiame, che è un altro settore fondamentale dell'attività.

Quindi mi sono trovato di fronte a una sfida. Come passare dalla transizione aziendale a ciò che ci aspetta? E ho una forte affinità con la cultura giapponese.

In realtà mia moglie è giapponese. E stavo pensando a questa bellissima stampa chiamata La grande onda di Kanagawa di un artista chiamato Hokusai.

È un'onda gigantesca e penso che sia una descrizione perfetta di ciò che stiamo vivendo, perché questa ondata di IA sta davvero cambiando radicalmente il nostro modo di lavorare, l'aspetto dei nostri lavori, il successo o il fallimento delle aziende. Mi piacciono anche i numeri e oggi ne abbiamo visti molti.

E una delle battute è: non fidarti delle statistiche o dei numeri che non hai falsificato tu stesso. Ma ci sono molti dati validi in giro, giusto? Questo proviene da McKinsey, che ha condotto uno studio principalmente per le aziende del settore delle scienze della vita.

E in realtà mi riferisco solo a tre cose. Innanzitutto, abbiamo già parlato molto di questi flussi di lavoro agentici e McKinsey ha previsto che circa il 75-85% di tutti i flussi di lavoro nella nostra vita quotidiana potrà essere potenziato o completamente automatizzato dall'IA di Adjendic.

Si tratta quindi di un cambiamento radicale nel modo di lavorare delle persone. A ciò si aggiunge naturalmente l'efficienza dei costi, pari a circa il 6-8% solo grazie all'aumento della produttività e all'ottimizzazione delle operazioni.

E naturalmente questo ha anche un impatto sui vostri profitti. Quindi, in un orizzonte temporale di tre-cinque anni, prevedono 3.

Aumento dei guadagni dal 4% al 5,4%.

Quindi c'è davvero molto da affrontare. Non credo quindi che esista un porto sicuro dove poter aspettare tranquillamente che tutto questo passi.

Bisogna davvero affrontare questa onda e procurarsi una grande tavola da surf per cavalcarla. Si capisce che ho vissuto in California per un po' di tempo.

Allora, come ci prepariamo? Ci sono molti aspetti da considerare e oggi abbiamo poco tempo a disposizione. Ma oggi mi concentrerò su una cosa che tendiamo sempre a dimenticare.

L'intelligenza artificiale ha bisogno di dati. Senza dati non c'è intelligenza artificiale.

Sì, e tieni presente che non esiste solo l'IA generativa, ma anche molto machine learning tradizionale che necessita di dati. Inoltre, molti dei casi d'uso di cui parliamo riguardano il dialogo con i dati, giusto?

Hai bisogno di dati affidabili con cui poter interagire. Devi preparare i tuoi dati per l'intelligenza artificiale.

E crediamo che l'integrazione self-service e i dati self-service siano davvero la chiave del nostro successo per raggiungere questo obiettivo. Ed è proprio questo che tiene occupati i miei team.

Siamo quindi un'azienda molto antica. Raccogliamo dati da molto tempo e, che ci crediate o no, molti di questi dati potrebbero essere ancora su carta o su alcuni sistemi legacy.

Sì. Sono molto difficili da raggiungere.

La maggior parte di essi non dispone di AI, API. I dati non sono catalogati.

Ma come possiamo sbloccare questo tesoro di dati in modo da poterlo utilizzare? È così che abbiamo ideato quello che chiamiamo Dataland o Dataland Vision. L'idea era quella di creare un archivio dati a livello aziendale in cui tutti i cosiddetti "gioielli della corona", ovvero tutti i dati che riteniamo abbiano un grande valore, sarebbero stati inseriti in questo ecosistema per renderli facilmente fruibili sia per casi d'uso analitici che per casi d'uso di IA o Gen IA.

E se ci pensate bene, ho pensato, parliamo di IA. Perché non genero alcuni dei miei voli? Con l'IA, è anche una prova del fatto che l'IA non è ancora del tutto pronta.

A volte mi sembra che si comporti come un adolescente. Ne ho due, perché non ascoltano mai quello che dicono e io lo ripeto cinque volte, ma non cambiano il colore o non correggono la formulazione.

Quindi, se guardate attentamente le diapositive, potreste trovare qualche piccolo errore di battitura. Perché l'integrazione è importante in questo caso? Ho trovato questa diapositiva da qualche parte, onestamente non ricordo esattamente dove, ma francamente questo è ancora il modo in cui si presentano molti dei nostri scenari di integrazione.

Giusto? Tantissime integrazioni punto a punto. Abbiamo anche una vasta gamma di strumenti.

È proprio così che abbiamo iniziato a parlare con SnapLogic, perché abbiamo molti progetti di modernizzazione in corso. Sì, quindi abbiamo davvero sentito il bisogno di un nuovo approccio ed è così che siamo arrivati a questa conclusione. Non vi annoierò con troppi dettagli sull'architettura, ma vi darò solo una visione semplificata di come pensiamo di gestire questo ecosistema di dati.

Quindi le fonti dei dati non possono essere solo interne alla vostra azienda. Penso che questo sia estremamente importante, soprattutto nel campo delle scienze della vita.

Acquistiamo molti dati per potenziare la nostra ricerca e i dati di mercato. Anche questo è un aspetto fondamentale. Come ho già detto, disponiamo di tutti questi sistemi che contengono tali dati e la nostra idea è quella di sfruttare SnapLogic non solo per creare le iniezioni di dati che sviluppiamo, ma anche per fornirlo come strumento self-service.

Sì, perché non possiamo scalare. La domanda che abbiamo è troppo alta.

Abbiamo anche realizzato progetti IT più tradizionali, ma richiedono troppo tempo, soprattutto nella fase di ricerca. Non si tratta di settimane.

Vogliono i dati adesso. Eseguono gli esperimenti e poi determinano se il risultato è buono o cattivo e io vado avanti.

Quindi anche molti dei nostri processi cambiano, giusto? Siamo soggetti a una forte regolamentazione, quindi molti dei nostri processi sono piuttosto complessi.

Sì, ma è un equilibrio che dobbiamo trovare. Come possiamo dare alle persone gli strumenti per farlo da sole rapidamente?

Quindi i dati vengono inizialmente inseriti nella nostra area di archiviazione ed elaborazione, principalmente su AWS. Utilizziamo S3 e Apache Iceberg per conservare principalmente i dati grezzi originali puliti e curati, ma poi, sempre più spesso, per casi d'uso analitici abbiamo anche trasferito più materiale in database relazionali.

Questo è l'aspetto tecnico e, come potete vedere, ce ne sono molti altri, ma non voglio entrare necessariamente nei dettagli. C'è anche un secondo aspetto che chiamiamo "dati come prodotto".

E penso che quando abbiamo iniziato questo fosse davvero assolutamente valido perché i nostri primi casi d'uso erano principalmente casi d'uso analitici, giusto? Quindi si ha davvero una visione più a lungo termine dei dati.

Quindi ha davvero molto senso avere prodotti di dati ben definiti. Abbiamo domini di dati.

Ogni dominio ha un proprietario del dominio dati. Ora ogni dominio dati ha i propri team di prodotto dati.

Quindi questo è sicuramente ancora valido per i casi d'uso analitici e ci aiuta anche enormemente nella governance dei dati, perché è estremamente importante controllare l'uso dei dati, essere in grado di tracciarne la provenienza e anche di tracciare chi ha utilizzato i dati e per quali scopi. Per alcuni dei casi d'uso dell'IA stiamo attualmente ripensando un po' questo aspetto per renderlo più dinamico, perché la creazione di un prodotto dati richiede in genere tempo.

Abbiamo anche parlato un po' di chi e dove utilizziamo l'IA e abbiamo scoperto che è presente in tutti i settori. Questi sono solo alcuni esempi: nella produzione, ad esempio, si tratta di modelli predittivi per determinare se ci sono problemi o deviazioni nel processo produttivo prima che si verifichi un impatto effettivo.

Oppure, se pensiamo alle sperimentazioni cliniche, si tratta di dashboard visive, poi di modelli analitici per sconti e prezzi, e così via fino all'estrema destra, e questo sta diventando sempre più importante. Come possiamo utilizzare l'IA per trovare nuove molecole, nuovi farmaci per i pazienti e accelerare davvero questo processo?

Quindi, come ho già detto, abbiamo realizzato progetti tradizionali e a volte siamo stati molto veloci, mentre altre volte ci sono voluti nove mesi per creare il prodotto dati dall'inizio alla fine, dall'accesso al sistema sorgente allo svolgimento di tutto il lavoro end-to-end. Questo potrebbe essere ancora valido per alcuni casi d'uso, ma crediamo davvero che rendere disponibile l'integrazione self-service ci consentirà non solo di scalare, ma anche di accelerare l'innovazione.

Parliamo di sviluppatori cittadini, ma parliamo anche di ricercatori cittadini, giusto? In questo modo possiamo fornire tutti i dati necessari per convalidare rapidamente le ipotesi, testarle rapidamente e prendere decisioni in tempi rapidi.

Ci aiuta anche ad abbattere i silos. Sì, abbiamo dati di produzione, dati di vendita, dati di ricerca.

Come posso talvolta ricavare informazioni significative da tutti questi silos di dati? Quindi, utilizzando davvero questo ecosistema per riunire tutto, senza necessariamente richiedere l'aiuto dell'IT. Scalabilità e adozione dell'IA.

È fondamentale che l'IA disponga dei dati e, se facilito l'inserimento dei dati nel sistema, ottengo immediatamente l'adozione. Sì, molto spesso abbiamo già a disposizione i data scientist.

Vorrebbero agire, ma non possono perché non hanno accesso ai dati. Quindi, in questo caso, è fondamentale utilizzare l'integrazione self-service per scalare l'adozione dell'IA.

Abbiamo anche parlato molto di conformità e fiducia, soprattutto nell'UE con tutte le normative sull'intelligenza artificiale. Sì, voglio dire, non possiamo più limitarci a fare intelligenza artificiale.

Dobbiamo avere una traccia di controllo. Quali dati ho utilizzato? Da dove provengono? Sì, tutte queste cose e poi ovviamente anche altre normative come l'HIPAA e così via.

Ma non lo stiamo facendo solo per il gusto della tecnologia. Certo, lo stiamo facendo per cavalcare l'onda, ma alla fine c'è anche un valore commerciale fondamentale.

Francamente mi semplifica un po' la vita perché tutti dobbiamo chiedere il budget. Giusto? E improvvisamente passiamo da, scusate se lo dico, ma dall'idraulica.

Sì. Perché a volte veniamo considerati come degli idraulici quando realizziamo integrazioni e, finché l'impianto idraulico funziona, va tutto bene.

Ma ora stiamo davvero passando a un approccio strategico grazie a molte delle cose di cui abbiamo parlato oggi. Non sarebbero possibili senza un buon approccio integrativo.

Sì, questo riguarda anche le API, la gestione delle API ovviamente. Ma per noi è davvero una svolta epocale.

Abbiamo parlato di accelerazione del processo decisionale, giusto? A volte è difficile attribuirgli un valore monetario diretto, ma se pensiamo a un progetto di ricerca, prima riesco a determinare se si tratta della strada giusta o meno, prima potrei risparmiare un sacco di soldi perché non dovrei arrivare fino alla fine per capire che il risultato è negativo.

Agilità, sicurezza e conformità, giusto. L'architettura aziendale componibile ci aiuta davvero ad essere più agili garantendo la sicurezza aziendale.

È estremamente importante, soprattutto quando si parla di IA agenziale. Molti di questi agenti possono talvolta accedere a dati a cui probabilmente non dovrebbero accedere perché non si fingono te.

Potrebbero utilizzare un utente di integrazione generico che ha diritti su tutti i dati. Quindi riflettere attentamente su questo aspetto è fondamentale, ma in questo caso l'architettura è davvero d'aiuto.

Collaborazione interfunzionale. Anche questo è molto importante per noi perché cambia davvero il nostro ruolo.

Passiamo dal ruolo di gatekeeper a quello di facilitatori strategici. Sì, e direi che questo è molto gratificante anche per il nostro team, perché è un ruolo molto diverso.

Non ci vengono semplicemente consegnati degli ordini da eseguire, ora siamo davvero partner strategici e facilitatori strategici. Chi non apprezza la possibilità di ottimizzare i costi? Certo, non disponiamo ancora di cifre precise, ma è già abbastanza evidente che la riduzione degli interventi manuali, in particolare la riduzione dei doppioni, e l'automazione consentono un notevole risparmio sui costi.

E come abbiamo detto prima, grazie all'innovazione, possiamo muoverci molto più velocemente e per me questo è un risultato davvero importante. Di solito dico che dobbiamo toglierci di mezzo e lasciare spazio al business.

Sì. Quindi non ci vedono come un ostacolo che dice: "Aspettate, aspettate, aspettate, abbiamo una procedura operativa standard o abbiamo questi processi".

E guadagnare più velocità. Su questo ho riflettuto molto, pensando a quali fossero tutte le sfide.

E molti di essi non hanno nulla a che vedere con la tecnologia. Il primo è governance contro autonomia.

Non so quanti di voi abbiano avuto a che fare con i data scientist. Sono davvero abituati a fare tutto il necessario.

Usando quelle parole e tutto ciò che vogliono. Sì, quindi sono davvero abituati a caricare dati sui laptop, eseguire i loro modelli sul laptop e ora arriviamo noi e diciamo no no no no ora abbiamo questa bellissima visione dei dati, dobbiamo essere conformi, abbiamo questi processi di governance.

Quindi è davvero un equilibrio molto delicato e bisogna educare molto. E a volte bisogna anche cambiare approccio.

Ad esempio, dobbiamo cambiare la nostra definizione di prodotto dati per consentire un utilizzo più rapido dei dati. Perché la prossima sfida è velocità contro perfezione, giusto? Si possono impiegare mesi o anni per definire il prodotto dati perfetto, ma è sempre la strada giusta da seguire o è meglio dire semplicemente: inseriamo i dati.

Potrebbero essere dati quasi grezzi, soprattutto nella scienza dei dati i dati grezzi sono sufficienti, giusto? Quindi sii più flessibile. Qualità e affidabilità dei dati.

Sì, è vero, è self-service, ma dobbiamo assicurarci che utilizzino dati puliti, convalidati e coerenti. Sì.

Il che rappresenta una sfida anche quando si consente l'acquisizione self-service dei dati o il caricamento self-service dei file. Esatto.

Quindi anche in questo caso dobbiamo prestare molta attenzione. Per me è ovvio, ma a volte non si tratta dell'accesso al sistema sorgente.

A volte ci vuole molto tempo per ottenere l'accesso fisico al sistema sorgente perché il responsabile del sistema, per qualsiasi motivo, impiega un'eternità per ottenere l'approvazione per l'accesso. Sì.

Sicurezza e conformità, ne abbiamo già parlato brevemente. La conformità è fondamentale, soprattutto in un settore fortemente regolamentato come quello farmaceutico.

Dobbiamo davvero assicurarci di rispettare le regole. GDPR, HIPAA e tutte le altre normative, consentendo al contempo l'accesso ai dati.

E poi parliamo molto di sviluppo civico, ma in realtà è una sfida consentire agli utenti di farlo e assicurarsi che siano sufficientemente qualificati per farlo da soli. Punti chiave.

Il primo è in realtà il giusto seguito per lo sviluppo dei cittadini. Non pensate solo alla tecnologia, ok?

Per avere un modello operativo basato sui dati, sì, certo. È necessario riorganizzarsi, rifocalizzarsi, disporre di una tecnologia solida, ma anche pensare alle proprie risorse umane.

Che è necessario consentire all'organizzazione e alle persone di farlo da sole. Sì, perché self-service significa che la persona che lo fa deve essere in grado di farlo.

Anche il prossimo è interessante. La tecnologia non migliora i processi inefficienti.

Sì. I framework agentici non risolveranno i tuoi processi inefficienti.

Sì, a volte è necessario riprogettare i propri processi. Per avere successo è necessario cambiare le proprie regole.

E poi ovviamente parliamo molto di self-service. Anche di una strategia API first.

Sai, è una cosa che ho dato per scontata per 20 anni e ora improvvisamente devi convincere di nuovo le persone che forse dovrebbero iniziare con un'API. È una novità assoluta per me.

Ho anche dovuto reimparare e responsabilizzare maggiormente le persone spiegando perché l'API first è così importante, specialmente in un'azienda come Genic Ai. Quando è stato lanciato MCP, sono stati pubblicati alcuni articoli che parlavano della morte delle API, sostenendo che non fossero più necessarie. Abbiamo discusso a lungo all'interno della nostra azienda e abbiamo concluso che in realtà è vero proprio il contrario.

Per garantire il successo dell'MCP sono necessarie più API. Gli ultimi tre punti sono in realtà ulteriori aspetti di cui non ho parlato oggi, ma che dovete tenere a mente.

Giusto? Credo che Jeremy abbia già accennato all'integrazione basata sugli eventi. Non è una novità.

In realtà esiste già da un po' di tempo, ma quando pensiamo al trasferimento dei dati, sì, non ho bisogno di un aggiornamento completo dei miei dati ogni settimana, ogni giorno o anche in modo incrementale. Forse dovrei utilizzare approcci basati su eventi o streaming di eventi, come l'acquisizione dei dati modificati, per avere sempre i dati più aggiornati, soprattutto in ambienti agentici.

È fondamentale che i dati siano sempre aggiornati. Pertanto, le architetture basate sugli eventi potrebbero diventare più rilevanti in questo ambito quando si tratta di aggiornamento dei dati.

Poi, naturalmente, MCP e Agenetic AI. In realtà stiamo lavorando attivamente su tutti questi aspetti, ma non c'era abbastanza tempo in questo breve spazio.

E poi sfruttate al massimo l'intelligenza artificiale ogni volta che potete. In tutti gli aspetti della creazione di API, con lo snap GBT, quando si tratta di qualità dei dati, quando si tratta di trasformazioni dei dati, sì.

Aiuta davvero le persone a muoversi più velocemente. Guarda sempre il lato positivo della vita.

Spero che non ci sostituisca. Spero che ci fornisca gli strumenti per muoverci rapidamente e avere più tempo per concentrarci sulle cose importanti.

E poi ho perso completamente la cognizione del tempo perché il timer è andato nella direzione opposta, ma penso che siamo a posto e abbiamo un po' di tempo per le domande.

Grazie mille. È stato affascinante e davvero interessante vedere l'ampia portata del lavoro che state svolgendo tutti voi.

Quindi, dopo aver considerato l'ampio spettro che va dalla modernizzazione dei sistemi ai processi di visualizzazione dei dati, eccetera, pensa alle tue domande difficili.

Hai un esperto a disposizione nel bel mezzo di uno di questi progetti, ma forse inizierò io. Innanzitutto, penso che uno degli aspetti di cui parliamo quando si tratta di modernizzazione legacy sia come costruire il business case per farlo.

E credo che, secondo i miei ultimi calcoli, il vostro team stia lavorando alla migrazione totale o parziale di almeno cinque soluzioni middleware legacy, modernizzando tali sistemi. Da quanto ho capito, questa scelta è stata dettata dal business case e dai vantaggi commerciali dei vostri obiettivi futuri, e non necessariamente dalla fine del ciclo di vita di uno qualsiasi di questi sistemi.

Ma potresti spiegarmi un po' come il team di Boehringer Ingelheim vede la modernizzazione, perché so che sei molto responsabile dal punto di vista finanziario anche per quanto riguarda la gestione dell'azienda. Come hai affrontato questa sfida?

In realtà è stato un approccio duplice. Non saprei dire cosa sia venuto prima, se l'uovo o la gallina.

Innanzitutto era necessario modernizzare perché anche noi, voglio dire, abbiamo esaminato alcune delle tempistiche qui. Abbiamo alcune cose molto vecchie che non sono più supportate.

Quindi qui si tratta di un calcolo basato sul rischio molto semplice, in cui le persone sono riluttanti ad accettare denaro in cambio. Ma se poi ci aggiungi questo aspetto, ed è proprio qui che direi che l'ondata JetGPT ha davvero aiutato, perché come ho detto improvvisamente diventa strategico e tu diventi un facilitatore strategico con la tua tecnologia per molti di questi casi d'uso.

Penso che ci siano ancora delle sfide da affrontare, non necessariamente nella scelta di uno strumento e nella volontà di modernizzarsi, ma a volte le aziende procedono un po' più lentamente o non sentono la necessità di modernizzarsi. Quindi, ancora una volta, la fine del ciclo di vita aiuta e anche l'impatto strategico è davvero utile in questo senso.

Ottimo. Quindi una sorta di duplice approccio per chiarire che non si tratta semplicemente di un esercizio neutro dal punto di vista del valore commerciale.

C'è davvero un valore dall'altra parte dell'esercizio. Naturalmente, gli utenti aziendali devono partecipare ai test di accettazione da parte degli utenti e devono anche sostenere il progetto.

Beh, ho un sacco di domande. Potrei monopolizzare il tempo a disposizione, ma ci sono domande da parte dei partecipanti? Basta alzare la mano.

Abbiamo dei microfoni. Sembra che ne abbiamo uno qui.

So che nessuno di noi vuole parlarne, ma in sostanza l'intelligenza artificiale prima o poi porterà via dei posti di lavoro. E questo è ancora più rilevante per un'organizzazione come la vostra, che è piuttosto vecchia o forse anche all'interno piuttosto tradizionalista.

Come affrontate la questione? Come addolcite il messaggio?

Non credo nel mascherare la realtà. Penso che queste conversazioni difficili saranno una sfida per tutti noi.

In realtà credo che per un'azienda come Boehringer sia probabilmente più difficile, perché è molto antica. Nel corso della sua storia ha conosciuto solo crescita.

Sì. E ora queste sono alcune sfide difficili.

Al momento l'obiettivo principale è davvero quello di migliorare le competenze delle persone. Sì, prima abbiamo parlato ad esempio della formazione sull'intelligenza artificiale.

Abbiamo avviato quella che chiamiamo DataX Academy, che utilizziamo per formare il nostro personale in materia di analisi dei dati e argomenti relativi all'intelligenza artificiale. Credo che questo sia fondamentale.

Come ho detto, bisogna sempre guardare il lato positivo della vita. Anch'io spero che si raggiunga un equilibrio, ma voglio dire che già vediamo che almeno l'IA agentica viene utilizzata come motivo per licenziare le persone.

Non so, mi piace sempre parlare con le persone della linea di assistenza, se sanno quello che fanno, piuttosto che parlare con un chatbot. Ma ci sarà un impatto.

Penso che anche noi, come società, dobbiamo affrontarlo. È una sfida difficile e, secondo me, deve essere una conversazione aperta.

Dobbiamo rifletterci. Dobbiamo anche pensare alla riqualificazione professionale, quindi forse ci saranno altri lavori per le persone.

Voglio dire, solo nell'ingegneria, si parla molto anche di byte coding. Sostituirà gli ingegneri del software? Un mio amico ha realizzato un progetto interno in cui cinque ingegneri senior si sono concentrati sull'uso del byte coding.

E sì, è possibile ridurre lo sforzo. Ma sapete bene che c'è anche carenza di personale qualificato, quindi speriamo di poter raggiungere un equilibrio in questo senso.

Sono ancora ottimista. Da quanto vediamo nella comunità SnapLogic, il lavoro attualmente svolto per implementare questi sistemi è tipicamente incentrato su aree di dominio in cui le risorse sono già limitate. Quindi, almeno per ora, non assistiamo a un'automazione completa su larga scala di un'area di dominio.

Al contrario, stiamo vedendo che i casi d'uso principali sono tipicamente quelli di qualcuno che si fa avanti e dice: "Ehi, non dovrei fare questa cosa, ma la faccio continuamente". E in genere si tratta di un processo ad alto contesto che, come sapete, coinvolge dati sia non strutturati o semi-strutturati che strutturati, che richiede un essere umano che faccia da ponte tra questi due mondi e poi esegua il processo.

E quindi, la maggior parte dei casi che vediamo provengono da persone che dicono: "Sono l'esperto in questo settore. Dedico una quantità eccessiva del mio tempo a fare questa cosa".

Per favore, automatizzate questa cosa così posso lavorare su altre cose che voglio risolvere. E penso che l'altra cosa che non stiamo necessariamente apprezzando sia l'impatto e il guadagno nello spazio positivo.

E anche nelle aree in cui stiamo assistendo a questo aumento di produttività, hai citato ad esempio l'assistenza e la riduzione delle richieste di supporto. La maggior parte delle aziende con cui ho lavorato che stanno riscontrando un forte impatto nella riduzione delle richieste di supporto, uno dei membri del nostro comitato consultivo CIO ha affermato di aver riscontrato una riduzione dell'85% o un'automazione della riduzione delle richieste di assistenza HR.

Stanno assumendo ulteriori partner commerciali nel settore delle risorse umane per avvicinarsi al business, perché stanno dimostrando un maggiore impatto strategico lavorando in modo diverso. Quindi penso che il quadro sarà molto confuso e credo che le statistiche che vediamo... Ieri sera a cena ho parlato con un analista che mi ha detto: "Sai, quello che stiamo scoprendo è che molti licenziamenti vengono attribuiti all'intelligenza artificiale, ma nessuno di essi è dovuto all'intelligenza artificiale".

Quindi, al momento la situazione è piuttosto confusa. Non credo che dovremmo indorare la pillola, ma penso che dovremmo anteporre la verità all'ego e alle percezioni e cercare di capire con un po' di rigore cosa sta realmente accadendo.

Altre domande? In prima fila.

Ralf, hai detto che lavori principalmente per un'azienda di ricerca e sviluppo, giusto? In generale, ho lavorato con molte aziende farmaceutiche e ho notato che il processo dalla scoperta alla commercializzazione richiede molto tempo.

Ritiene che ci saranno effetti positivi in futuro? Assolutamente sì. O ha riscontrato qualche effetto negativo finora?

Direi che stiamo vedendo i primi risultati. Sì.

Intendo dire, AI o meno, ma per me il COVID è stato un grande punto di svolta, giusto? Quanto velocemente, improvvisamente, se tutti lo desiderano, è possibile fornire vaccinazioni alle persone. Sì, ci sono voluti dai sei ai dodici mesi, non dieci anni.

Penso che se si considerano anche alcuni sviluppi negli Stati Uniti, come l'aumento della pressione sui prezzi, ecc., potrebbe essere necessario compensare la perdita di entrate di alcuni dei vostri farmaci chiave con nuovi prodotti. Quindi dovete essere in grado di sviluppare prodotti in modo più rapido ed efficiente in termini di costi, giusto?

Voglio dire, oggi è ancora molto automatizzato, ma direi che è fatto a mano, giusto? Nei laboratori vediamo molta automazione, ma ora potrebbe essercene ancora di più, e non solo nella ricerca, ma anche nei processi normativi.

Sai, se presenti una richiesta alla FDA solo per creare tutta la documentazione necessaria per ottenere l'approvazione, passi dal lavoro manuale a quello generato dall'intelligenza artificiale. In questo modo puoi davvero velocizzare i processi.

Ma se si pensa anche a quanti tentativi ed errori, a quante molecole bisogna esaminare per ottenere un prodotto finale, sì, penso che ci sia un potenziale enorme, ma credo che al momento stiamo solo grattando la superficie. E solo per aggiungere qualcosa in relazione alla domanda precedente, sarà una sorta di compensazione, nel senso che si potranno fare più scoperte perché si dispone dell'automazione. Quindi non ci sarà una grande perdita di posti di lavoro anche sotto questo aspetto.

In questo modo è possibile utilizzare le risorse per fare di più con le stesse risorse e perché è possibile farlo più velocemente.

Va bene. Possiamo prenderne uno o due.

Sto decisamente andando oltre il tempo previsto perché questa è la mia parte preferita della sessione. Ci sono altre domande in sala? Qualcuno ha alzato la mano? Oh, cavolo.

Potrei semplicemente monopolizzare il tuo tempo più tardi da solo.

Va bene. Beh, se mi offri da bere.

Affare fatto. Beh, grazie mille.

Ti siamo davvero grati per aver condiviso il tuo tempo con noi e per aver condiviso questo lavoro. È davvero un onore.