Per oltre vent’anni il CRM è stato essenzialmente la memoria commerciale dell’industria farmaceutica. Registrava visite, contatti, preferenze degli HCP, attività e risultati. La nuova generazione di piattaforme punta a fare qualcosa di molto diverso: osservare i segnali provenienti dall’organizzazione, interpretarli e suggerire — o in alcuni casi avviare — l’azione successiva.
È questa, più dei singoli prodotti annunciati, la parte interessante della nuova strategia per le life sciences presentata da Salesforce l’8 settembre. La società ha annunciato Regulated Content Management, Command Center for Life Sciences e Life Sciences MCP, con l’obiettivo dichiarato di collegare compliance, contenuti, segnali commerciali, Medical Affairs, attività cliniche e patient service attraverso agenti AI.
Il primo tassello riguarda il content lifecycle. Regulated Content Management punta a collegare claim, supporting evidence, reference, obblighi specifici per mercato e canale e contenuti nei quali questi elementi vengono utilizzati. Gli agenti potrebbero così individuare claim, associarli alle evidenze governate, segnalare supporting data in scadenza o identificare materiali che richiedono un aggiornamento. L’obiettivo dichiarato è spostare una parte della compliance a monte della revisione MLR invece di ricostruire il contesto soltanto al momento dell’approvazione.
Il secondo elemento è ancora più significativo. Salesforce descrive il Command Center for Life Sciences come un “nerve center” in grado non soltanto di aggregare segnali provenienti da omnichannel engagement, mercato e altre attività, ma di identificare anomalie, ricercarne le possibili cause e trasformare le analisi in azioni. Tra gli scenari presentati figurano l’aumento delle ore degli MSL, l’invio di clinical specialist o la riallocazione della copertura dei field rep.
Nel Medical, la piattaforma ipotizza di intercettare cambiamenti nel sentiment dei KOL o knowledge gap e avvisare gli MSL affinché attivino uno scientific exchange mirato. Nel commerciale potrebbe individuare variazioni di formulary e attivare KAM. Il modello è quello di un continuum nel quale il segnale entra nel sistema, viene interpretato e produce una raccomandazione o un workflow operativo.
Il terzo tassello, Life Sciences MCP, punta a rendere questi workflow disponibili anche fuori dall’interfaccia Salesforce, portandoli in ambienti come Slack, Microsoft Teams, WhatsApp o altri agenti attraverso il Model Context Protocol.
È importante separare la visione dalla realtà attuale. Regulated Content Management entrerà in early access nell’ottobre 2026 e la disponibilità generale è indicata per il 2027. Command Center for Life Sciences e Life Sciences MCP sono anch’essi previsti nel 2027, salvo alcune capacità headless già disponibili. Non abbiamo quindi ancora evidenze indipendenti dell’effetto di questa architettura su produttività, qualità, engagement degli HCP o risultati commerciali.
Il valore dell’annuncio è un altro: mostra come i grandi vendor vedano evolvere l’architettura digitale del pharma.
“Il CRM tradizionale registrava una decisione già presa: chi abbiamo visitato, cosa abbiamo inviato, cosa è successo. L’AI porta la piattaforma un passo prima, nel momento in cui bisogna decidere cosa fare”, osserva Francesco Maria Avitto, Direttore editoriale Homnya, “Ed è qui che cambia il problema di governance. Se un algoritmo individua un segnale e suggerisce di aumentare la pressione su un determinato gruppo di HCP, non basta sapere se tecnicamente può farlo. Bisogna stabilire chi ha il diritto di trasformare quell’insight in un’azione e quali decisioni non devono mai essere delegate.”
È probabilmente il punto più importante per il pharma europeo. Finché l’AI genera una bozza, il confine delle responsabilità è relativamente semplice: una persona la verifica e decide se utilizzarla. Quando invece l’AI collega un calo nelle performance a uno specifico segmento, propone una diversa allocazione degli MSL e avvia un workflow, il sistema entra nel processo decisionale dell’organizzazione.
Diventano centrali i “decision rights”: quali azioni può eseguire autonomamente un agente, quali può soltanto suggerire e quali richiedono una approvazione formale. E il livello di autonomia potrebbe dover cambiare in funzione della natura della decisione, dell’audience e del mercato.
C’è poi un’altra trasformazione. Marketing, Medical, market access, patient services e field force sono stati storicamente sostenuti da piattaforme e dataset distinti. Un control plane agentico ha valore proprio se riesce a vedere segnali provenienti da più funzioni. Ma maggiore è la capacità di collegare quei dati, maggiore diventa la necessità di definire perché possano essere utilizzati insieme e per quale finalità.
Le logiche di governance dichiarate da Salesforce fanno forte riferimento al contesto statunitense, compresi HIPAA e 21 CFR Part 11. Nel mercato europeo il modello dovrà confrontarsi anche con GDPR, AI Act, regole nazionali sulla promozione e codici deontologici e di settore.
La vera notizia, quindi, non è che Salesforce abbia aggiunto nuovi strumenti AI al proprio portafoglio. È che il software enterprise per il pharma sta cambiando funzione.
Da sistema che documenta il lavoro a sistema che interpreta ciò che accade. E da sistema che interpreta a sistema che suggerisce l’azione successiva.
Il prossimo confronto competitivo tra piattaforme potrebbe giocarsi proprio lì: non su chi possiede più dati, ma su chi ottiene il diritto di trasformarli in decisioni.
