AI uden kontekst er som teknologi uden formål – det lover meget, men leverer begrænset værdi

Alle kan lave AI. Men det er de færreste, der kan lave AI, som leverer reel og brugbar impact – og som bliver ved med at gøre det på sigt” 

Nogenlunde sådan falder ordene, når man beder Christian Bjerrekær, Head of Strategy, Commercial & Marketing hos BASE life science, om at kommentere på den seneste opsigtsvækkende AI-rapport fra det amerikanske universitet MIT. 

Undersøgelsens nedslående konklusion er, at hele 95% af alle AI piloter ender som fiaskoer.

Frederik Sørensen, Head of AI & Automation i BASE life science, er ikke overrasket: 

"Én ting er jo at bygge en AI-løsning. Noget helt andet er at have en tilstrækkelig dybtgående forståelse for den branche, man arbejder med, herunder dataforståelse og kommerciel-, klinisk- og regulatorisk forståelse. Det er der ikke så mange, der har, og derfor ender det ofte galt", lyder det. 

Christian Bjerrekær peger på BASE’s egen tilgang: 

"Vi har mere end 10 års dyb erfaring med reguleret data i dansk og international farmaindustri. Men vi foretager os absolut intet, før vi er helt sikre på, at vi har identificeret kerneproblemet fuldt ud. Først når vi er der, kan vi begynde at skræddersy en AI-løsning, der spiller sammen med virksomhedens eksisterende it- og process setup, og som dermed både er brugervenlig, gør det let at migrere data, og løser et konkret problem", lyder det. 

Effektive og holdbare løsninger 

Det er til gengæld en tilgang, der ikke bare har båret frugt. Den har skabt resultater, der står i skarp kontrast til de MIT-evaluerede projekter, siger Frederik Sørensen: 

"Uden at prale alt for meget, så er vores erfaring faktisk den stik modsatte. Mere end 80% af de mange AI-løsninger, vi har bygget og implementeret over de sidste 1,5 år, kører stadig, og hjælper en lang række virksomheder med at speede deres processer op."  

Han nævner review af marketingmateriale som et af de mange steder, hvor Generativ AI allerede gør en stor forskel i mange danske og internationale life science virksomheder: 

"Det er jo en opgave, som højtuddannede – og dermed højtlønnede – fagpersoner traditionelt har varetaget. Men med AI kan 14 dages manuelt arbejde med medical- og legal reviews let reduceres til fem minutters ventetid. Så har AI tygget sig igennem stoffet og highlighted eventuelle fejl. Men igen - det forudsætter, at forarbejdet gjort, og at det er gjort godt", lyder det. 

Banebrydende resultat 

Det samme gør sig gældende, når man beder AI om hjælp til udformning af en studieprotokol, som BASE netop har gjort. 

Løsningen blev udviklet for en stor amerikansk biotech-virksomhed, der bevidst introducerede en række fejl i en studieprotokol for at teste hvor god løsningen var til at identificere fejl undervejs. Håbet var, at AI ville finde de fleste: 

"Vores AI fandt 96% af fejlene og skal nu bruges til at identificere virkelig fejl hos vores store amerikanske kunde, hvilket er helt exceptionelt", siger Frederik Sørensen.  

"Det vil ikke bare reducere virksomhedernes time to market, men forhåbentlig også åbne deres øjne for, at AI alene ikke gør det. Det er først når AI bygges ovenpå viden og dataforståelse, at der opstår reel og varig impact", lyder det.