L’AI promette di trasformare migliaia di interazioni in insight utilizzabili quasi in tempo reale. È uno dei casi d’uso più citati nei Medical Affairs: trascrivere, aggregare, classificare, individuare pattern, sintetizzare bisogni emergenti e restituire alla direzione medica una lettura più rapida di ciò che arriva dal territorio. Ma c’è un punto in cui questa promessa si scontra con una realtà molto meno automatizzabile. Cosa succede quando dentro un insight compare un evento avverso?
È una delle questioni emerse con maggiore chiarezza da una recente analisi della Medical Affairs Professional Society, sviluppata insieme a Digital Science e alimentata dal confronto con professionisti di alcune delle principali aziende farmaceutiche internazionali. Il documento affronta governance, insight generation, automazione della letteratura e adozione dell’AI nei team Medical, ma il passaggio più concreto riguarda proprio la farmacovigilanza: un’informazione rilevante per la sicurezza non può essere semplicemente riassunta, aggregata o inserita in una dashboard. Deve essere riconosciuta e instradata secondo le procedure previste.
È un dettaglio solo in apparenza tecnico. In realtà cambia completamente il modo in cui devono essere progettati i sistemi di insight automation. Se un modello analizza note MSL, interazioni con HCP, advisory board, ricerche di mercato o conversazioni provenienti da altri touchpoint, non può limitarsi a cercare trend. Deve anche riconoscere quando una frase esce dal normale flusso informativo e richiede una gestione diversa. In altre parole, l’intelligenza non consiste soltanto nel capire cosa è interessante. Consiste anche nel capire cosa non può essere trattato come un normale insight.
Per le aziende farmaceutiche italiane è una questione destinata a diventare molto concreta. Più aumentano le fonti integrate nei sistemi omnichannel, più aumenta la probabilità che informazioni di natura diversa finiscano nello stesso flusso. Il vantaggio della centralizzazione è evidente. Ma se il sistema non distingue correttamente un bisogno informativo, un commento di mercato, un utilizzo off-label o una potenziale segnalazione di sicurezza, l’efficienza rischia di trasformarsi in vulnerabilità.
“La qualità di un sistema AI per Medical Affairs non si misura soltanto da quanti insight riesce a estrarre. Si misura anche da quante volte sa fermarsi e dire: questa informazione non è un insight, deve seguire un altro percorso. È lì che la governance smette di essere teoria e diventa processo”, osserva Francesco Maria Avitto, Direttore Editoriale Quotidiano Sanità
È probabilmente uno dei punti più sottovalutati nell’entusiasmo sull’AI applicata agli insight. Le aziende stanno investendo per ridurre il tempo che separa l’interazione dal dato utilizzabile. Ma più il sistema diventa veloce, più deve essere capace di classificare correttamente le eccezioni. Perché nell’automazione dei Medical Affairs il vero rischio non è soltanto perdere un insight utile. È trattare come insight qualcosa che non avrebbe mai dovuto esserlo.
