Bedrijfsvoering
Microsoft laat zien hoe grote farmabedrijven AI inzetten om onderzoek te versnellen
Microsoft toont in eigen case studies hoe Novo Nordisk, Amgen en andere farmabedrijven AI verweven in onderzoek en productie, met cijfers die het bedrijf zelf aanlevert.
Op basis van Microsoft
Samengesteld met AI-assistentie uit de onderstaande bronnen, onder redactie van Frederiek Pascal. Hoe dit werkt
In het kort
- Microsoft beschrijft in een eigen blogpost hoe farmabedrijven AI verplaatsen van losse proefprojecten naar vaste werkprocessen.
- Novo Nordisk zegt de tijd tot inzicht in onderzoeksdata te hebben teruggebracht van weken naar minuten met een eigen AI-systeem op Azure.
- Amgen bouwde binnen zes weken een AI-hulpmiddel dat medewerkers laat zoeken in interne rapporten en documenten.
- Alle genoemde cijfers zijn afkomstig van Microsoft of de betrokken bedrijven zelf, onafhankelijke bevestiging ontbreekt.
- Voor Vlaamse bedrijven zonder farma-schaal is vooral de nadruk op datakwaliteit vóór AI-inzet een bruikbare les.
Microsoft heeft een uitgebreide blogpost gepubliceerd waarin het bedrijf toont hoe grote farmaceutische spelers AI inzetten in onderzoek, productie en klantcontact. Het gaat om een reeks case studies van klanten die met Microsoft-technologie werken, zoals Azure, Azure OpenAI en Copilot. De centrale boodschap van Microsoft: AI in de farma-industrie is niet langer een experiment, maar wordt stap voor stap ingebouwd in dagelijkse werkprocessen.
Wat zeggen de voorbeelden precies?
De voorbeelden gaan over versnelling van onderzoek, efficiëntere productie en beter klantcontact. Novo Nordisk bouwde volgens Microsoft een AI-systeem waarmee onderzoekers klinische data sneller kunnen analyseren. Het bedrijf zegt dat de tijd om tot inzicht te komen daalde van weken naar minuten, en dat onderzoekers per kwartaal veel meer ideeën konden evalueren dan voorheen.
Amgen bouwde in zes weken een hulpmiddel waarmee medewerkers via gewone taal kunnen zoeken in interne rapporten en presentaties. Almirall claimt dat onderzoekers nu binnen seconden informatie vinden in een archief van meer dan vijftig jaar aan onderzoeksdocumenten, waar dat vroeger uren tot dagen kostte. UCB bouwde een platform om AI-assistenten organisatiebreed te kunnen inzetten met bescherming van gevoelige patiëntgegevens.
Ook in productie en logistiek worden cijfers genoemd. Heathrow Scientific zegt de verwerkingstijd van bestellingen met een vijfde te hebben verkort. Körber claimt dat het beheer van productierecepten tot dertig procent sneller verloopt. Rohto Pharmaceutical en Astellas melden grote infrastructuurprojecten waarbij handmatig werk sterk verminderde. In de commerciële afdeling meldt Pierre Fabre dat meer dan de helft van de medewerkers een eigen AI-platform gebruikt, en CustomerInsights.AI claimt aanzienlijke kostenbesparingen bij het berekenen van verkoopcommissies.
Hoe betrouwbaar zijn die cijfers?
Alle genoemde percentages en tijdswinsten komen uit de mond van Microsoft of de betrokken bedrijven zelf, in een tekst die duidelijk bedoeld is om Microsofts eigen cloud- en AI-diensten te promoten. Er is geen onafhankelijke meting of externe audit die de cijfers bevestigt. Dat betekent niet dat de voorbeelden verzonnen zijn, maar wel dat het gaat om zorgvuldig geselecteerde succesverhalen, en niet om een representatief beeld van hoe AI-projecten in de praktijk verlopen. Mislukte of tegenvallende trajecten komen in dit soort marketingteksten per definitie niet aan bod.
De genoemde bedrijven zijn bovendien allemaal multinationals met budgetten en IT-afdelingen die niet te vergelijken zijn met een Vlaamse kmo. De schaal van de investeringen, van datacentermigraties tot organisatiebrede AI-platformen, ligt ver buiten wat een klein of middelgroot bedrijf realistisch kan opzetten.
Wat is de les onder de marketing?
Achter de cijfers zit wel een patroon dat Microsoft zelf benoemt, en dat voor elk bedrijf herkenbaar is: het verschil tussen bedrijven die met AI vooruitgang boeken en bedrijven die dat niet doen, zit steeds minder in de toegang tot AI-modellen zelf. Die zijn inmiddels voor iedereen beschikbaar. Het verschil zit in hoe goed de eigen data georganiseerd, opgeschoond en beveiligd is voordat je er AI op loslaat.
Dat is meteen ook de meest bruikbare les voor een organisatie die niet over een farma-budget beschikt. Voor je een AI-tool inzet om documenten te doorzoeken of klantvragen te beantwoorden, moet die informatie wel ergens gestructureerd en actueel staan. Bedrijven die hun klantendata, offertes of interne kennis verspreid houden over mailboxen en losse mapjes, zullen van een AI-tool minder terugzien dan de voorbeelden in dit artikel suggereren.
De bronnen geven geen informatie over de kosten van deze trajecten, over hoelang de implementaties duurden voordat de resultaten zichtbaar werden, of over hoeveel vergelijkbare projecten bij andere bedrijven minder goed uitpakten. Wie op basis van dit soort case studies een eigen AI-project wil starten, doet er goed aan die ontbrekende cijfers zelf op te vragen bij een leverancier, in plaats van te vertrouwen op de succesverhalen alleen.
Wat betekent dit voor jou
Data-orde weegt zwaarder dan de keuze van je AI-tool
- Kmo's die AI overwegen De les uit deze farma-voorbeelden is dat resultaten vooral komen van goed georganiseerde data, niet van het duurste of nieuwste AI-model. Zonder opgeruimde documenten en klantdata levert een AI-tool weinig extra op.
- Marketeers en communicatieverantwoordelijken De genoemde succescijfers zijn marketingmateriaal van een leverancier over zijn eigen klanten. Gebruik ze als inspiratie, niet als benchmark om je eigen AI-project op af te rekenen.
- Bedrijven zonder grote IT-afdeling De beschreven trajecten vragen budget en technische ondersteuning die buiten bereik liggen van de meeste kmo's, dus kopieer niet de schaal, maar wel het principe van eerst data op orde brengen.
Veelgestelde vragen
Is dit nieuws relevant voor een kleine Vlaamse onderneming?
Rechtstreeks nauwelijks, want het gaat om multinationale farmabedrijven met budgetten die ver boven die van een kmo liggen. Onrechtstreeks wel: het patroon dat data-orde belangrijker wordt dan modelkeuze, geldt voor elk bedrijf dat met AI aan de slag wil, ongeacht de grootte.
Kloppen de cijfers die Microsoft en de bedrijven noemen?
Dat valt niet te controleren op basis van deze tekst. De cijfers komen rechtstreeks van Microsoft of de klanten zelf, in een tekst die bedoeld is om hun cloud- en AI-diensten te promoten. Onafhankelijke metingen of audits ontbreken, dus behandel de percentages als claims, niet als vaststaande feiten.
Welke AI-tools van Microsoft worden in de voorbeelden gebruikt?
De bedrijven gebruiken vooral Azure, Azure OpenAI, Copilot Studio en Microsoft Foundry. Dit zijn diensten waarmee organisaties eigen AI-toepassingen bouwen op hun eigen data, geen kant-en-klare apps die je als kmo zonder technische kennis meteen kunt installeren.
Wat kan ik als ondernemer nu al doen zonder een groot AI-project op te starten?
De les uit deze voorbeelden is dat je eigen informatie eerst overzichtelijk en actueel moet staan voordat AI daar iets nuttigs mee kan doen. Begin dus met je klantendata, documenten en interne kennis te ordenen, dat is haalbaar zonder groot budget en levert meteen voordeel op, met of zonder AI erbij.
Zegt dit artikel iets over de kosten van zulke AI-projecten?
Nee, de bronnen vermelden geen kosten, implementatietijd of terugverdientijd van de beschreven projecten. Dat is een belangrijk hiaat: wie overweegt om zelf te investeren, moet die informatie apart opvragen bij een leverancier voordat hij op basis van deze succesverhalen beslist.
Bronnen
Volg Kunstbrein in Google
Zet Kunstbrein bij je voorkeursbronnen. Dan zie je het vaker bij het nieuws bovenaan je zoekresultaten en in de AI-antwoorden van Google.
Voeg toe als voorkeursbron (opent Google in een nieuw tabblad)