波士顿咨询(BCG)预计,生成式人工智能在医疗保健领域的增长速度将超过任何其他领域。在医疗技术方面,该技术可以带来更高效的流程、个性化的客户互动、更大的创新和更高的价值。
(资料图)
为了帮助*理解各种选择,BCG在医疗技术领域确定了 60 多个生成人工智能的用例。
潜在应用跨越整个价值链,从研发和软件开发到运营、营销和销售、售后客户支持和企业职能。
从长远来看,公司可以开始将生成式人工智能纳入产品和服务,从而提高性能并带来更好的患者治疗效果。
为了利用生成式人工智能,公司应该确定并试点优先用例,将技术纳入更广泛的企业战略,并制定正确的政策和人员。
生成式 AI 为医疗技术公司提供了转变运营方式的明确机会。因此,领导人必须掌握主动权。
01 生成式AI的机会
在推出后的两个月内,ChatGPT 已经注册了 1 亿用户——创下了用户增长最快的记录,也让许多行业的人看到了生成式AI的应用潜力。
对于医疗技术公司而言,该技术可以提高流程效率,帮助公司个性化客户互动,通过非常规创造力开启创新,更好地访问企业数据和知识,以新方式创造价值。
预计生成式人工智能在医疗保健领域的增长速度将超过任何其他行业,到 2027 年复合年增长率将达到85%。
主要的挑战是知道如何以及从哪里开始。由于生成人工智能具有广泛的潜在应用,并且医疗技术是一个高度监管的行业,人们的生命受到威胁,一些公司可能会采取观望态度。
BCG认为,这种不作为可能会使公司长期处于劣势。预计生成式人工智能在医疗保健领域的增长速度将超过任何其他行业,到2027 年的复合年增长率为 85%,总市场规模将达到 220 亿美元。
02 生成式人工智能如何创造价值
传统人工智能通过筛选历史数据来识别模式和见解,生成式人工智能不止于此。尽管它仍然需要建立在大量数据之上的模型,但它使用这些信息来生成新的内容,例如文本、媒体(视频、图像、语音)、计算机辅助设计和软件代码。对于医疗科技公司而言,生成式人工智能的主要优势如下:
通过减少手动工作或提高流程来提高效率
前所未有的个性化客户互动
提高创造力以开发新颖的设计和产品
更全面地利用企业数据和知识
在短期内,公司可以采用商业化的生成人工智能产品(例如 GitHub Copilot X 或 Jasper),或者微调现有的生成人工智能模型。从长远来看,公司可以通过开发更高级的用例来释放更大的价值,这些用例需要对价值链上的内部流程进行更全面的改变,并最终开发出基于生成人工智能技术的新产品和服务。
整个价值链的用例
BCG已经开发了包含整个价值链中 60 多个用例的存储库,另外们还根据它们对医疗技术公司的影响和实施速度对这些进行了排名。
研发和软件开发
生成式 AI 模型可以支持软件开发,这是医疗技术公司经常面临成本高和人才不足的情况。生成式 AI 解决方案可以解决这两个挑战。例如,GitHub Copilot X 是一个经过数十亿行代码训练的生成模型,可以将自然语言输入转化为代码建议,从而为程序员节省大量时间。
除了软件之外,生成式 AI 还可以应用非传统的创造力来帮助公司发现新产品设计(使用 PTC、nTop 或 Autodesk 等公司提供的生成式设计工具)。进一步的价值可以通过简化将内部文件转换为监管提交(通常长达数百页)或临床试验报告的耗时过程来实现。几家初创公司正在研究监管解决方案,但目前还没有商业化的解决方案。
操作
生成式 AI 更值得注意的方面之一是,即使在训练数据不足的情况下,它也可以启用 AI 应用程序。例如,在没有重要数据的情况下,该工具可以通过创建合成数据从有限的信息中进行推断,然后将这些数据用于训练机器学习模型。在医疗技术运营中,这种方法可以通过更快地识别有缺陷的产品来提高生产过程的质量,而不是等待错误在现实世界中发生。
市场营销与销售
生成式 AI 可以整合来自内部和外部(媒体报道、公司网站)等广泛来源的信息,以生成针对特定客户的见解。它可以指导销售代表针对给定客户采取下一个*行动,并准备定制内容以支持该行动。在销售互动期间和之后,生成式 AI 解决方案可以自动记录访问、捕获和分析客户信息以生成支持下一次互动的洞察力。主要的 CRM 供应商开始提供此类功能的初始版本,包括 Salesforce 的 Einstein GPT、HubSpot 的 Chatspot.ai 和 Microsoft 的 Viva Sales Copilot。
售后客户支持
在医疗技术公司中,客户支持是一项高度手动且耗时的任务。生成式 AI 可以大大减少订单管理和其他管理请求等领域所需的手动工作。因为它可以与客户互动并掌握所有必要的信息,所以它可以在没有员工参与的情况下提供更好的客户服务,提供有关产品可用性、交货时间和其他信息的实时详细信息。
查看对个别产品或服务的具体支持,经过微调的语音或聊天机器人可以结合过去的服务单和产品手册等信息,为客户提供故障排除建议,从库中确定正确的支持文档或资产,并升级更多对人工代理的复杂请求——与当前产品相比,所有这些都具有更高的复杂性和服务水平。该领域的潜在供应商包括 Forethought 和 Zendesk。
公司职能和协作
独立于医疗技术价值链中的具体步骤,生成人工智能可以提高生产力和协作工具的效率。这既适用于开箱即用的办公应用程序(例如 Microsoft 365 Copilot 或 Google Workspace),也适用于自定义应用程序——例如使用生成式 AI 模型来响应公司特定的内部问题。例如,摩根士丹利正在测试一个基于 OpenAI 的聊天机器人,该聊天机器人接受了大量内部和外部经纪人报告的训练,以支持其财务顾问。
生成式人工智能还有望通过将自然语言转换为机器请求来简化自定义报告和分析的创建。这将使数据更容易访问,并为业务*近乎实时地生成可操作的见解。
生成人工智能作为医疗技术产品或服务的一部分
除了用例中提到的沿价值链的好处之外,生成人工智能还可以从根本上改变医疗服务的提供方式。例如,它可以:
·提高图像质量——例如病理切片——并提高诊断的准确性(通过 Paige 和 Pictor Labs 的产品)。
·自动化患者与临床医生的互动,为医生腾出时间来治疗患者,或者通过链接到特定设备(Corti 和 Microsoft + Nuance)。
·在医疗工作流程中提供指导,例如在手术期间支持医生的移动(Activ Surgical 和 Kaliber Labs)。
·识别大脑健康异常并制定个性化治疗计划和干预措施 (DiagnaMed)。
除了用例中提到的沿价值链的好处之外,生成人工智能还可以从根本上改变医疗服务的提供方式。
将生成人工智能更全面地融入产品和服务将需要解决有关监管流程的问题——尤其是在欧洲,欧洲在有关医疗技术设备中人工智能使用的监管清晰度方面落后于美国。尽管如此,公司可以展望未来,思考他们的产品如何改变并使用生成人工智能以新的方式与患者互动。对于医疗软件企业来说尤其如此。
开始使用生成式 AI 的三个步骤
1. 确定、试点和扩展价值链中的优先用例。
根据我们与几家医疗技术公司和功能专家的讨论,我们认为以下用例在价值链中具有巨大的短期潜力:
·客户服务 支持想要下订单或有其他管理需求的客户,使用语言理解来增强或自动化对话以解决他们的问题(主要通过自助服务模型)。
·销售量分析过去的客户交互和外部数据,以确定针对单个客户的个性化次佳行动。自动准备相应的材料,例如电子邮件或销售简报。
·软件开发加快从代码创建到测试的软件开发,以解决医疗技术领域软件开发能力的瓶颈,并帮助更快地将差异化产品推向市场。
·知识管理通过将生成的 AI 功能集成到日常应用程序(包括 Microsoft Office 应用程序)中,提供更有效和高效的企业知识访问,增强员工的日常工作体验。
·操作通过在模型训练中利用合成数据增加制造和质量的自动化机会,并有可能加速部署和提高准确性。
2. 将生成式人工智能纳入企业整体战略,打造持久竞争优势。
公司需要清楚地了解通过将生成人工智能集成到医疗技术产品和服务或价值链活动中,他们可以在何处获得*的竞争优势。作为*步,组织可以审查生成人工智能对其现有产品和服务组合(可以改进的地方)的影响,并审查他们的客户/患者流程(可以添加新产品的地方)。请注意,价值链活动和运营模式可能会发生重大变化,公司应该清楚自己*的价值潜力在哪里。
3. 制定正确的政策和人员。
一旦用例证明了它们的影响,就必须在整个组织中扩大它们的规模,以充分发挥它们在政策和人才方面的价值。
一旦用例证明了它们的影响,就必须在整个组织中扩大它们的规模,以充分发挥它们在政策和人才方面的价值。
生成式 AI 为医疗技术公司提供了明确的机会来优化内部流程,并随后通过新产品和服务扰乱市场。出于这个原因,医疗技术*必须通过识别和试验高价值用例来掌握主动权;考虑技术的战略影响;并准备人员和政策以实现变革。