Dopo una prima fase dominata da chatbot e strumenti di generazione dei contenuti, alcune aziende farmaceutiche iniziano ad applicare l’intelligenza artificiale al funzionamento complessivo dell’organizzazione commerciale.
Il caso più recente arriva da Lundbeck, che lo scorso 25 agosto ha annunciato con EVERSANA l’estensione di una partnership sull’AI già avviata nei mesi precedenti. Il progetto coinvolge i settori del marketing, medical communications, market access e media operations dell’organizzazione commerciale negli Stati Uniti.
L’aspetto interessante non è tanto la piattaforma utilizzata quanto la scala del progetto. Lundbeck aveva già sperimentato workflow AI per strategic planning, content development e commercial execution. La nuova fase porta l’intelligenza artificiale dentro più processi contemporaneamente, con l’obiettivo dichiarato di creare un framework scalabile nel quale sistemi agentici, automazione ed expertise umana lavorino insieme.
Lundbeck parla di “bionic capabilities”, una combinazione tra persone e AI finalizzata a rafforzare il modo in cui l’organizzazione pensa, decide ed esegue.
È un passaggio rilevante perché segna la differenza tra adozione di strumenti e trasformazione del modello operativo. Generare un testo con l’AI significa automatizzare una singola attività. Collegare AI a strategia, medical communication, omnichannel, market access e media significa iniziare a ridisegnare il modo in cui il lavoro viene organizzato.
“Il passaggio decisivo avverrà quando smetteremo di chiedere quante licenze AI abbiamo distribuito e inizieremo a chiederci quali processi non ha più senso svolgere come li abbiamo svolti negli ultimi vent’anni”, osserva Francesco Maria Avitto, Direttore editoriale Homnya, “Automatizzare un processo inefficiente significa soltanto produrre inefficienza più velocemente.”
Il caso Lundbeck va comunque letto con cautela. Non sono stati ancora pubblicati dati indipendenti in grado di misurare l’impatto specifico del modello su produttività, costi, qualità o performance commerciale. Si tratta inoltre di un progetto sviluppato nell’ecosistema statunitense. Ma la direzione è chiara. La seconda fase dell’AI nel pharma potrebbe non essere caratterizzata da nuovi tool, bensì da un nuovo disegno dei workflow.
Il content lifecycle è un esempio evidente. Oggi insight, strategia, brief, medical writing, creatività, adattamenti, approvazione, distribuzione e measurement vengono spesso gestiti come passaggi sequenziali, con continui hand-off tra azienda, agenzie, Medical, Regulatory e Legal. Un sistema agentico può teoricamente ridurre questi passaggi, rendendo disponibili fin dall’inizio evidence, brand rules e vincoli regolatori.
Ma proprio qui compare un nuovo rischio. Se l’AI rende molto più facile produrre contenuti, può anche aumentare drasticamente il volume di materiali da revisionare. Il collo di bottiglia si sposta quindi dalla produzione alla validazione, alla governance e all’accountability.
Per questo la metrica più utile non sarà quanti contenuti produce l’AI, ma quanti contenuti utili arrivano realmente all’approvazione e all’utilizzo, in quanto tempo e con quante revisioni.
La stessa logica vale per il field force e per gli MSL. Il valore di un sistema che propone next best action, insight o raccomandazioni dipende dalla fiducia che gli utenti ripongono in quelle indicazioni.
Il vero salto dell’AI nel pharma potrebbe quindi essere meno visibile di quanto si immagini: non nuovi chatbot, ma la progressiva eliminazione di attività manuali, duplicazioni e passaggi a basso valore. E il caso Lundbeck-EVERSANA è interessante soprattutto perché sposta l’attenzione dal tool al processo.
