AI Cię nie zastąpi. Zastąpią Cię ci, którzy rozumieją AI.

Luka kompetencyjna, która po cichu decyduje o tym, kto zostaje, a kto aktualizuje LinkedIn na „Open to Work".

Jeśli pracujesz w farmacji w regionie DACH i nadal nie wiesz, co robi duży model językowy, delikatnie sugerowałbym, żebyś zmienił priorytety na to popołudnie. Bo rynek pracy prowadzi tę samą rozmowę znacznie mniej uprzejmie i Twoje uczucia zupełnie go nie obchodzą.

Spędziłem 16 lat w rekrutacji, w tym osiem w dużej niemieckiej firmie farmaceutycznej i pięć w CRO z globalnej Top 5, i widziałem, jak wymagania w ogłoszeniach ewoluują od „biegła obsługa Microsoft Office" do „doświadczenie z narzędziami AI/ML i prompt engineeringiem" szybciej, niż zdążysz powiedzieć digitale Transformation.

Liczby, które stoją za szumem

• Luka między popytem a podażą kompetencji AI: około 60%. Na każdych 10 potrzebnych kandydatów z kompetencjami AI istnieje tylko 4.
• Ponad 67% firm farmaceutycznych już zainwestowało w AI/ML
• Około 30% stanowisk jest zagrożonych automatyzacją w jakiejś formie
• 60% pracowników będzie potrzebować przekwalifikowania do 2027 roku (World Economic Forum)
• 254 mld USD, tyle wartości ma według prognoz wygenerować AI w farmacji do 2030 roku

Źródła: Eularis, Deloitte, PwC, World Economic Forum, Strategy&/PwC

Dlaczego to się dzieje i dlaczego teraz?

Zbiegają się trzy siły niczym idealny sztorm, tyle że ten sztorm składa się z aktualizacji algorytmów, pakietów odprawowych i postów na LinkedInie od ludzi, którzy właśnie odkryli ChatGPT i uważają się teraz za „AI Thought Leaders".

1. AI w osiemnaście miesięcy przeszła od „ciekawego slajdu w PowerPoincie" do „dlaczego jeszcze tego nie zrobiliście?".

Według McKinsey generatywna AI może rocznie wytwarzać 60–110 mld USD wartości ekonomicznej dla branży farmaceutycznej i producentów wyrobów medycznych. Funkcje, które przechodzą przemianę: odkrywanie leków (modele AI zastępujące klasyczny screening), zarządzanie danymi klinicznymi (automatyczne czyszczenie i analiza), pisanie dokumentacji regulacyjnej (pierwsze wersje generowane przez AI), informacja medyczna (chatboty obsługujące rutynowe zapytania), pharmacovigilance (przetwarzanie przypadków przez AI), sales operations (analityka predykcyjna).

2. Firmy chcą doświadczenia z AI, ale zadziwiająco nie są zainteresowane jego tworzeniem.

Niedawne badanie Deloitte pokazało, że 83% firm farmaceutycznych i life sciences ma trudność ze znalezieniem wykwalifikowanych pracowników, a 75% spodziewa się, że niedobór pogłębi się w ciągu najbliższych pięciu lat. Męczą się, żeby znaleźć ludzi, którzy mają jednocześnie wiedzę farmaceutyczną I kompetencje AI. Chcą dostać gotowy produkt. Ale fabryki, która go wytwarza, nie budują.

3. Pojawiła się nowa rola, do której nikogo nie przygotowano: „orkiestrator w kształcie litery T".

Organizacje coraz częściej szukają ludzi, którzy łączą głęboką wiedzę dziedzinową z umiejętnością nadzoru nad AI. Prompt engineering staje się umiejętnością oczekiwaną we wszystkich funkcjach. Nie mile widzianym dodatkiem. Wymogiem. Specjalista Regulatory Affairs, który potrafi poprowadzić zgodny z GxP proces oparty na AI, ma inną wartość rynkową niż ten, który nie potrafi. Manager pharmacovigilance, który rozumie, jak działają narzędzia AI do przetwarzania przypadków, i gdzie one zawodzą, jest dla CRO cenniejszy niż ten, który traktuje je jak czarną skrzynkę.

Pięć rzeczy, które naprawdę działają

1. Naucz się podstaw sam i za darmo, zanim w panice kupisz kurs.

Zacznij od darmowych wersji głównych asystentów AI. ChatGPT, Claude, Gemini, wszystkie dają darmowy dostęp. Poświęć dwa tygodnie na używanie ich do prawdziwych zadań w swojej pracy. Przez czternaście dni realnego korzystania nauczysz się więcej niż na jakimkolwiek weekendowym seminarium.

Dla osób po pięćdziesiątce: macie kontekst. Wiecie, jak wygląda dobra dokumentacja regulacyjna, bo piszecie ją od dekad. Narzędzia AI wzmacniają posiadaną wiedzę, nie zastępują osądu, który bierze się z doświadczenia. Praktyczny punkt startu: zbuduj własny program nauki AI przy pomocy AI. Weź trzy różne systemy AI, wgraj każdemu swoje CV z rozbudowanym opisem pracy związanej z AI, opisz konkretnie swój cel zawodowy i poproś każdy z nich o analizę Twoich luk oraz o spersonalizowany plan nauki. Potem porównaj trzy wyniki. Nauczysz się z tego ćwiczenia więcej niż z większości płatnych kursów.

2. Dokumentuj naukę AI widocznie, ale autentycznie.

Kiedy naprawdę nauczysz się czegoś użytecznego, podziel się tym bez zadyszanego entuzjazmu. „Użyłem Claude'a do pierwszej wersji naszego PV narrative, a potem to zredagowałem. Oto co zadziałało, a co nie" brzmi wiarygodnie. „AI rewolucjonizuje wszystko, a ja jestem na czele tej ekscytującej transformacji" to post na LinkedInie, który rekruterzy przewijają dalej.

3. Bądź mostem, nie barierą.

W każdej organizacji są ludzie, którzy nowe narzędzia biorą od razu, i tacy, którzy instynktownie się bronią. Najcenniejsi są ci, którzy potrafią tłumaczyć między tymi grupami, nie obrażając żadnej z nich. Osoba, która wytłumaczy dyrektorowi QA, dlaczego wynik AI wciąż wymaga przeglądu przez człowieka, i równocześnie wytłumaczy zespołowi IT, dlaczego wymagania walidacyjne GxP nie podlegają negocjacji, jest dziś wyjątkowo trudna do zatrudnienia. Bądź tą osobą.

4. Skup się na tym, czego AI naprawdę nie potrafi. Na razie.

AI świetnie przetwarza informacje, wychwytuje wzorce i tworzy szkice. Nie potrafi: zbudować relacji z badaczami, poruszać się w niepisanej polityce wokół wniosku rejestracyjnego, przeprowadzić zespołu przez zmianę organizacyjną ani wiedzieć, którzy koledzy naprawdę podejmują decyzje, a którzy tylko chodzą na spotkania. Twoich 20 lat zarządzania interesariuszami nie da się zastąpić. Twoje 20 lat zarządzania interesariuszami w połączeniu ze swobodą w AI jest wyjątkowo cenne.

5. Bądź na bieżąco, ale bez obsesji.

Znajdź dwa albo trzy wiarygodne źródła branżowych wiadomości o AI. Zarezerwuj sobie godzinę tygodniowo na nadrobienie zaległości. Wszystko ponad to grozi zamianą użytecznej orientacji w przytłoczenie, które generuje niepokój. Krajobraz AI w farmacji zmienia się szybko, ale nie aż tak szybko, żeby przegapienie wiadomości z jednego tygodnia miało Cię zawodowo wykoleić.

Zderzenie z rzeczywistością: inwestycje w szkolenia z AI

Luka kompetencji AI wywołała prawdziwą gorączkę złota. Najpewniejsze pieniądze zarabiają nie poszukiwacze, tylko ci, którzy sprzedają im łopaty. Drogie, często zupełnie zbędne łopaty.

Warte rozważenia: certyfikaty do konkretnych narzędzi od samych producentów (OpenAI, Google, Microsoft), zwykle poniżej 500 €, często za darmo. Zastosowania branżowe od uznanych organizacji sektorowych. Kursy z prawdziwą pracą projektową.

Zwykle niewarte swojej ceny: cokolwiek, co sprzedaje się z licznikiem odliczającym czas do końca promocji. „Elitarne programy", w których głównym wymaganiem wstępnym jest posiadanie 3 000 €. Kursy prowadzone przez ludzi, których główną specjalnością jest „sprzedawanie kursów na LinkedInie". Certyfikaty od organizacji, które 18 miesięcy temu nie istniały.

Co dalej

Według World Economic Forum do 2030 roku około 59% pracowników na świecie będzie potrzebować jakiejś formy przekwalifikowania. Branża farmaceutyczna przechodziła już przez zmiany technologiczne, od papieru do elektronicznego zbierania danych, od faksu do eTMF, od rozmów telefonicznych do wideorozmów rekrutacyjnych. Zaadaptowaliśmy się. Zaadaptujemy się i tym razem. Ale adaptacja wymaga działania, nie nadziei.

Pytanie nie brzmi, czy AI zmieni Twoją rolę. Zmieni. Pytanie brzmi, czy będziesz wśród ludzi, którzy tę zmianę kształtowali, czy wśród tych, których ona ukształtowała.

Źródła: Eularis, AI Skills Gap in Pharma · Deloitte, Life Sciences AI Investment · PwC, Jobs at Risk of Automation · World Economic Forum, Future of Jobs Report · Strategy&/PwC, AI Value Creation in Pharma · McKinsey, Generative AI in Pharmaceuticals · pharmexec.com, Talent Shortages in Pharma