制药公司：如何利用生成式AI创造价值

生成式AI技术的迭代速度远超想象，但有一点已经越来越清晰：它正在重塑制药行业的底层逻辑。问题已经不是“要不要用”，而是“怎么用才能把价值真正抓在手里”。

基于BCG与微软联合开展的研究，我们提出了一个专门面向制药行业的

——涵盖潜力、平台、合作、流程、政策与人员。六个方面各有侧重，但要让企业尽快跑通、跑顺，最优先的三个切入点其实是潜力、平台与合作。这也是本文重点展开的方向。

• 潜力
  ：评估所有可能的选项，找出那些既有价值又能在现实中落地的业务场景。

• 平台
  ：搭建数据基础设施，包括大模型选型、AI工具链的建设，以及让“负责任的AI”成为管理机制的一部分。

• 合作
  ：主动结盟那些能快速补齐短板的伙伴——无论是技术平台、工具服务还是战略性的专业能力。

作为研究的一部分，BCG与微软对15家全球顶级跨国药企的数字化负责人进行了问卷调查。结果很说明问题：这些公司对GenAI用例的热情不是嘴上说说，但真正让人捏把汗的是——如果起步阶段不把路线图想清楚，后面很容易变成“什么都试了但什么都没成”。

数字化转型的历史已经反复提醒过我们：想要出成绩，必须全业务链路同步发力。想跑在别人前面，前期规划要快；想持续产生价值，企业上下要形成真正的推进势头。抓住了潜力、平台、合作这三个支点，制药企业才有机会负责任地把GenAI嵌入转型的每个阶段。

应对当前挑战的实用解决方案

制药企业在价值链上的痛点，每一个都不轻。研发阶段烧钱、耗时、高风险；市场和营销这块，团队绞尽脑汁想把对的信息推给对的人、让患者在最合适的时间拿到正确的治疗方案。GenAI的价值正在这里显现：它能帮助企业触达过去难以利用的数据池，并用全新的技术手段去分析、使用这些数据，最终更快地把新产品推向市场。

这个方向的市场增长势头也很猛。根据BCG的预测，医疗卫生领域的GenAI技术市场规模将从目前的大约10亿美元飙升至2027年的220亿美元，复合年增长率高达85%。

事实上，已经有90%的受访药企表示，他们已经启动了GenAI能力的建设。

释放GenAI价值，从三方面入手

对药企领导层来说，关键不在于“要不要做”，而在于“从哪里切入才能让价值最大化”。从我们与客户的实际合作经验来看，向潜力、平台和合作这三点发力，是最快出成果的路径。

潜力

企业的首要任务，是真正弄明白自己在价值链上遇到了什么核心挑战和机会。这不仅仅是“试试看”，而是要拿出具体的GenAI方案，从价值和技术可行性两个维度做系统评估。

怎么评估价值？几个常用的方法：

• A/B测试
  ：比如同样的结果，传统实验室实验和电脑数字模拟，成本差距有多大？

• 成本模拟
  ：用上GenAI，新药研发周期能缩短多少？日常行政流程能省下多少？生产质量管理这块又能减少多少损失？

• 协同效应评估
  ：比如有没有可能通过新视角把客户群或细分市场重新看透，让商业团队拿到更强的武器？

把潜在的GenAI方案放到“价值—可行性”矩阵里一摆，优先级就出来了。那些简单、可快速上手的用例——比如辅助职能部门或商业运营——最值得先做。一方面能快速看到效果，另一方面也能为后续更复杂的研发端应用积攒能力和转型势能。

在确定项目组合后，执行力就成了关键。领先企业的做法通常是成立一个核心团队来统筹所有GenAI工作，成员的背景覆盖数据科学、AI和制药等不同领域。内外部能力的平衡也极重要，有受访高管直言：“我们最大的成功，就是通过建立遍布多个国家的数字卓越中心，把员工技能拉上来了。”与此同时，创新的文化、减弱的内部阻力，再加上清晰的治理机制，能让项目团队在试验新概念时有充分的授权和空间。

投资模式也需要提前想清楚。GenAI的价值虽然显而易见，但推行起来往往要面对来自现有项目的竞争。明智的做法是走中长期的中心化建设路线，比如设立卓越中心，而不是让各业务部门自己花钱搭摊子。等项目真正跑出价值后，再逐步纳入部门预算。

平台

平台能力是第二根支柱，尤其要关注云计算、数据和AI基础设施。调查中的一个数据让人警觉：只有55%的受访药企认为自己具备足够的数据成熟度和专业知识，能在短期内做出切实可行的GenAI能力。模型训练的数据质量和数量直接影响模型的预测能力和内容生成水平，而这背后，是对技术栈各环节AI化的整体要求。

好消息是，端到端的统一数据分析平台已经不再是“未来概念”。比如芝加哥的西北医学中心，就在用一个集成平台把多种来源的临床数据整合到一起，既满足了监管对信息交换的要求，又能借助数据与AI产生更多洞察。制药企业完全可以走类似的路径——用统一架构的平台帮开发人员从数据中挖出更多价值，再呈现给商业用户。这样一来，从研发到商业，整条价值链都能借助GenAI创造价值。

当然，技术本身也在快速进化。检索增强生成（RAG）这样的新架构，已经可以让大模型通过信息检索系统获得更强的知识供给；提示词工程和模型微调的技巧也在一天一个样。持续评估和迭代，是必须的功课。

与此同时，数据安全、隐私保护、合规和负责任AI原则，应该始终嵌入治理机制。数据显示，那些在AI方面更成熟的制药企业，把负责任AI作为关键标准的概率，是其他企业的两倍。具体通行的原则包括公平性（避免训练数据带偏见）、可靠性与安全性（确保病历摘要等输出的准确）、隐私与安全性（防止患者数据泄露）、包容性（照顾不同人群的使用便利）、透明度（确保临床信息来源可追溯）和责任性（企业遵守法规）。

合作

这一点可能是把GenAI真正落地的最关键因素。起步阶段，借助外部力量是一种务实的选择。

数字和AI人才在任何行业都是“香饽饽”。不少制药企业在概念验证和试点阶段已经能自己上手，但真要训练模型、搭建端到端数据系统、全面整合用例，成本就会快速飙升。如果能尽早利用外部专业知识和资源，建立起战略伙伴关系，就能在能力建设和价值创造上都跑得更快。

过去数字化转型中，有不少企业试图靠内部团队凭一己之力解决问题，结果不但投入了宝贵资源，还跟不上技术迭代的速度。这些教训值得记取。通过与已经具备技术和方案的创新公司合作，可以大大缩短GenAI应用的启动时间。

更重要的是，借助战略合作，企业能跳过试点阶段，直接规模化那些已经验证过的AI用例。如果能在此基础上找到全新的商业模式和收入来源，就能用这项技术构建起长期的竞争壁垒。长远来看，合作伙伴网络还能持续扩大，产生网络效应，形成所有参与方都受益的生态体系。

一位高管讲得很直白：“制药企业在数据、专业知识和工具上，需要有人帮一把。”另一位也持类似观点：“全靠内部挖潜，风险高、成本大。我们意识到，既要发挥内部知识的价值，也要设计高效的合作伙伴网络战略，这才是成功的关键。”

● ● ●

回到BCG的六要素框架，每个要素都有其价值。但对制药企业来说，潜力、平台与合作这三点，是当务之急。把这三大要素抓好，把强大的技术能力与战略性的商业伙伴关系结合起来，企业才能在系统化地应用GenAI时，真正实现投资、风险与价值的平衡。说穿了，GenAI已经不是一道“多选题”，而是一道“必答题”。那些主动出击、善于借力的企业，注定会在新的竞争格局中占据明显优势。