Как ИИ поможет в управлении качеством в фармации

Эту возможность ИИ-системы получают в процессе подготовки, когда команда профессионалов определенной компетенции учит систему, как отвечать на те или иные вопросы, показывая массивы информации, откуда берутся ответы. Эти массивы и называются big data. Кроме того, ИИ используют интернет вещей — любое оборудование со встроенными датчиками, обменивающимися информацией, что необходимо для производственного процесса без участия человека.

Адекватные и правильные ответы зависят от образования и профессионализма «педагогов».  Вот почему некоторые уже внедренные сейчас системы ИИ в творчестве (рисунки, текст) разочаровывают пользователей — при их разработке «учителями» явно была не Большая Советская Энциклопедия, а молодой «продвинутый» коуч, не отличающий Гогена от Винсента ван Гога.

Фармбизнесу при выборе разработчика системы ИИ необходимо понимать отличие традиционных или даже передовых ИТ-решений от создания экспертных систем ИИ. 

Как правило, простые разработчики СУБД не работают с алгоритмами обработки big data и интернетом вещей, не умеют организовать команду «учителей» — компетентных экспертов самой фармкомпании.

Кейсы фармацевтических компаний, участвующих в проектах по внедрению ИИ, должны быть представлены на конкурсах независимых разработок с привлечением ведущих фирм или интеграции ИИ-решений, целесообразнее всего с помощью компетентного вендора. О вендорах и их роли в имплементации технологий ИИ в фармацевтическую практику — разговор отдельный, сегодня надо лишь помнить, что вендор — полноценный участник проекта, на котором в первую очередь лежит ответственность за внедрение программного продукта в бизнес-процессы организации. Фармзаказчик должен первоначально определить, для чего нужна система, какие цели и задачи она будет решать, какое развитие получит в перспективе. Он может воспользоваться услугами сторонних «учителей»-экспертов. Однако без взаимодействия с командой сотрудников компании не обойтись: только ее специалисты знают, как работают процессы в компании, какие особенности необходимо учитывать, какие цели должны быть достигнуты, на кого будет возложена ответственность.

Новое качество фармбизнеса

Сегодня фармацевтическая система менеджмента качества (СМК) объединяет следующие надлежащие практики: GLP — надлежащая лабораторная практика; GCP — надлежащая клиническая практика; GMP — надлежащая производственная практика; GDP — надлежащая практика дистрибуции лекарственных средств; GPP — надлежащая аптечная практика и GVP — надлежащая практика фармаконадзора. 

При менеджменте надлежащего ИИ (Good AI Practice) указанные системные практики, к которым мы, казалось бы, давно адаптировались и привыкли, приобретают новое качество в фармацевтическом бизнесе (в том числе под госуправлением) за счет:

• встраивания фармработника в пространство фармацевтического менеджмента в качестве лица, задающего системе параметры реализации технологий ИИ, контролирующего и оценивающего результат на выходе;
• эффективного планирования с минимумом риска, времени обоснования и необходимого инновационного ресурсного (материально-энерго-эколого-технологического) обеспечения;
• процедурного прослеживания исполнения (реализации) комплекса системных задач до момента (стадии) выхода;
• объективного контроля процессов, процедур, инструкций, операций и изменений с помощью интернета вещей;
• достижения заявленного результата (поставленной цели) при оптимуме затрат и минимуме риска;
• мониторинга результатов работы за пределами организации (в обществе) имплементацией перманентной системы обратной связи.

Ценность ИИ в том, что, прогнозируя, обнаруживая и устраняя возможные аномалии и отказы, предвидя отклонения и риски, система обеспечивает упреждающее управление качеством, что доступно лишь в сотрудничестве с обученным фармработником, несущим ответственность за заявленный итог личной и командной работы на выходе.