- há 5 semanas
Categoria
🗞
NotíciasTranscrição
00:08Bem-vindo, bem-vindo a mais um Revolução IA, o programa do Nelfeed, que aborda o impacto
00:12da inteligência artificial no mundo dos negócios.
00:15Sou Letícia Cardoso e quem me acompanha é Rodrigo Elser, conselheiro de inteligência
00:19artificial em grandes empresas.
00:21Bem-vindo, Elser.
00:22Tudo jóia?
00:22Tudo ótimo.
00:23Animado para mais uma, Letícia.
00:25E agora a gente vai conhecer a nossa entrevistada de hoje, Luciana Bianchi, diretora para a
00:30América Latina da área de Digital para a Saúde Humana.
00:33Luciana Bianchi é Digital Human Health para a América Latina na MSD.
00:38Engenheira formada pela Unicamp, construiu uma trajetória sólida em empresas de bens de
00:43consumo e tecnologia.
00:45Desde 2024 na MSD, vem fortalecendo o papel da tecnologia como parceira estratégica do
00:52negócio.
00:53Bem-vinda, Luciana.
00:54Tudo jóia?
00:55Muito obrigada.
00:56Prazer em estar com vocês.
00:57Agradeço o convite.
00:58Em meu nome e nome da MSD.
01:00Luciana, é muito legal falar aqui da área farmacêutica, da indústria.
01:04Um assunto que a gente não tinha tratado ainda, né, Elser, no nosso programa.
01:08Eu queria saber em qual setor da MSD que a inteligência artificial vem sendo mais estratégica?
01:15Na área da pesquisa, na fábrica mesmo ou então na operação comercial?
01:20Obrigada pela pergunta.
01:21Antes de tudo, eu vou dar um primeiro contexto da nossa indústria.
01:26A MSD é uma empresa de mais de 135 anos e tem como um core realmente a inovação, né?
01:31Trazer novas moléculas, novos tratamentos para os nossos pacientes e focando muito em trazer
01:36isso da forma mais rápida possível, né?
01:38Através do acesso.
01:39E pra isso, a gente vem considerando, sim, a inteligência artificial como um grande pilar estratégico do nosso negócio, né?
01:47Em diversas áreas.
01:49Eu, particularmente, tenho um foco na área mais comercial e como a gente traz isso como produtividade para os nossos
01:54colaboradores em toda a empresa.
01:56Mas também a gente olha isso em outras áreas, né?
01:59Como a área da pesquisa.
02:00Como a gente tem muito foco em inovação, isso, de fato, é algo muito importante.
02:04A gente, como uma empresa multinacional, né?
02:06Que tem foco hoje em oncologia, vacinas.
02:09Estamos com um pipeline de inovação bastante interessante e diversificado.
02:13E acabamos de entrar também no mercado de doenças raras.
02:16Área de pesquisa é algo muito importante para nós.
02:18Em fevereiro, acabamos de fazer um pronunciamento de uma parceria muito bacana que nós fizemos a nível global com a
02:24Mayo Clinic,
02:25que é uma grande referência, né?
02:27No ponto de vista de centro médico global em termos de estudos científicos e dados.
02:31E o nosso interesse é cruzar essas informações através do uso de inteligência artificial
02:35para que possamos ter mais agilidade em conclusões importantes das nossas partes de pesquisa e desenvolvimento,
02:42como um exemplo global para compartilhar com vocês.
02:44E, Luciana, acho que todos nós queremos acelerar em inteligência artificial.
02:50Você está num setor super regulado.
02:54Os guardrails me parecem que são bem mais rígidos.
02:59Conta mais para a gente da tua experiência nesse enfoque comercial.
03:05Como é acelerar?
03:07Onde você tem essas paredes de concreto de Kevlar aí que a gente não pode encostar?
03:14É, realmente, acho que a nossa indústria tem essa grande particularidade, né?
03:18Por alguns motivos, né?
03:19Dentre elas, porque, de fato, nós temos informações muito sensíveis, né?
03:23De pacientes, dos nossos clientes.
03:25A gente está falando de medicamento.
03:27Assets extremamente valiosos, né?
03:28Para nós, mas especialmente para a gente efetivamente salvar e melhorar vidas,
03:32que é o grande lema da nossa empresa.
03:35E, dentro desse segmento, existem coisas muito importantes e sérias
03:40para a gente focar em termos de regulamentação.
03:43Então, de fato, essa é uma característica não somente da MSD, mas do setor.
03:47Quando a gente olha para isso, a gente, naturalmente, na nossa indústria,
03:51a gente tem muitos processos internos, né?
03:53Normas a serem seguidas, fluxos importantes, tanto do ponto de vista local, Brasil,
03:58regional, América Latina e global,
04:00que todos os nossos colaboradores precisam garantir que vão seguir.
04:03E, de fato, existem esses materiais de consulta.
04:06No passado, esses materiais, eles eram, literalmente, né?
04:10Arquivos para você buscar manualmente.
04:12E tinha, obviamente, temos pessoas super especialistas em clarificar as dúvidas,
04:17mas talvez não seja o melhor caminho.
04:19Então, no ano passado, um pouco mais de um ano, na verdade,
04:23nós fizemos a implementação de um projeto global chamado MSDORA,
04:26que faz o trocadilho com o nosso nome da empresa
04:28mas aí também como se fosse um mascote, né?
04:30Um bonequinho que aparece para a interface com os usuários.
04:33Onde nós utilizamos toda a nossa plataforma, né?
04:36De modelagem LLM, utilizando os melhores modelos que nós temos,
04:39mas de uma forma bastante segura.
04:41Então, colocamos todos os nossos procedimentos
04:46e regulamentos que nós temos de todos os níveis, né?
04:48Local, regional e global, que são importantes para os nossos colaboradores.
04:52E o que antes, talvez, tinha até a dúvida, né?
04:54Como acessar e como ter essa informação?
04:56Hoje, nós disponibilizamos esse link para todos os usuários
04:59para que eles consigam utilizar essas informações e mitigar risco.
05:03Então, acho que, além da camada importante de eficiência,
05:07que é algo que todas as empresas estão olhando, né?
05:09Inclusive a gente, eficiência e produtividade,
05:11eu colocaria aqui, de fato, também essa questão da mitigação de risco, né?
05:15Brasil, por exemplo, nós somos o quinto mercado em uso dessa ferramenta a nível global.
05:19Então, a gente está com uma adoção bastante interessante.
05:21E um dos componentes, além de informação real-time,
05:24é também mitigar informações mal interpretadas das nossas políticas.
05:28E como você está com essa lupa mais forte em risco?
05:32Quais são os riscos?
05:33Isso, obviamente, varia de setor para setor,
05:35mas que riscos você poderia compartilhar com a nossa audiência
05:38para aprender contigo, assim, nessa adoção de inteligência artificial?
05:43Sim.
05:44Acho que o primeiro ponto, né?
05:46Quando eu falo desses riscos do nosso segmento,
05:48a gente tem muita interação com diversas instituições
05:50e pessoas do ecossistema da saúde, né?
05:53Médicos, nossos clientes que compram efetivamente também os medicamentos.
05:57Então, existem vários dos e dons do que a gente pode ou não fazer, né?
06:01De forma ética e para garantir que, de fato,
06:03a gente está seguindo a melhor forma de compliance possível, né?
06:06Para ser bastante transparente com os nossos pacientes
06:09e com todo mundo desse ecossistema.
06:10Então, quando a gente fala de mitigação de risco nesse contexto,
06:13é, de fato, seguir aquela política
06:15para a gente não ter nenhum tipo de mal-interpretação, né?
06:18E a gente conseguir mitigar nesse contexto.
06:20A acuracidade dessa plataforma, por exemplo,
06:22é 94% que o usuário consegue falar
06:24com o dedinho para cima ou para baixo
06:26se está funcionando e se é aquela informação que ele espera.
06:31Obviamente, quando a gente fala do uso da inteligência artificial,
06:33não é somente pegar aquela informação e consumi-la diretamente, né?
06:38A gente acredita na MSD,
06:40e eu, particularmente, também defendo muito isso,
06:42o componente humano como fator crucial nessa história, né?
06:45Então, ao ver a informação,
06:47por mais que estejamos no ambiente controlado,
06:49que não vai alimentar plataformas externas
06:51nos modelagens que nós utilizamos,
06:54como que cada usuário também vai ter a diligência
06:56e pensamento crítico para avaliar
06:58se aquela informação faz ou não sentido.
06:59Por isso, também, a gente mede a acuracidade.
07:01Então, é como um exemplo que nós temos
07:03para conseguir controlar a acuracidade
07:05e também entender o feedback dos nossos usuários.
07:07Mas, quando falamos de adoção,
07:09a gente também fala da importância do pensamento crítico
07:11e do questionamento, né?
07:13Se não fizer sentido, não use.
07:14Acho que esse é um ponto super fundamental
07:16para escalar também a inteligência artificial como um todo.
07:19Luciana, você falou da MSDORA, né?
07:22E tem toda essa questão do risco, né?
07:24Da proteção dos dados que você respondeu agora para o Elser.
07:27Essa escolha de produzir dentro de casa, né?
07:31Desenvolver tecnologias, vem daí?
07:33É um bom ponto, né?
07:35De fato, nós temos dentro toda a governança
07:38de inteligência artificial,
07:39um dos pontos fundamentais que nós temos no nosso negócio
07:42é como a gente fala isso de forma ética e responsável, né?
07:46Então, como que a gente garante ambientes seguros
07:48para que a gente não utiliza espaços abertos
07:50que a gente pode colocar informações importantes
07:52do nosso negócio para alimentar os modelos, né?
07:55Então, vem nesse sentido.
07:56Como que a gente oferece para os nossos colaboradores
07:58as ferramentas que vão ajudar no dia a dia,
08:01mas no ambiente protegido, né?
08:03Ainda utilizando e fazendo parceria com as Big Techs,
08:05que são as donas dos grandes modelos, né?
08:07Então, a gente disponibiliza os diferentes modelos
08:10para diferentes casos de uso,
08:12a depender da persona que está utilizando, né?
08:15E para quê?
08:16Mas sim com esse ambiente controlado.
08:18Então, também a gente tem políticas muito claras
08:20de o que não utilizar no ambiente externo, né?
08:23Isso também conecta muito com outro pilar importante
08:26nessa conversa, que é a parte de digital safety, né?
08:29O cyber security, que também é um componente fundamental
08:31para a nossa indústria.
08:33E essa parte de inteligência artificial
08:34também entra muito forte neste contexto.
08:37E, obviamente, também a gente acaba olhando muito próximo
08:40como nós garantimos que estamos de acordo com o LGPD
08:42e como também a nível global, né?
08:45Que não é só o Brasil que tem também as suas leis e políticas.
08:50Globalmente também existem outras questões.
08:53E a MSD coloca a barra lá em cima, de fato,
08:55com muita restrição no bom sentido
08:57para que mitiguemos esses riscos
08:59de uma forma corporativa,
09:01ainda viabilizando a inovação dentro de casa.
09:04MSD é uma empresa gigante, né?
09:07Multinacional aí.
09:08O que vem sendo construído aqui no Brasil
09:11e o que vem do exterior?
09:13Você pode dar um panorama, assim,
09:14de como a empresa está dividida
09:16nesse campo de tecnologia, inteligência artificial?
09:20Letícia, obrigada pela pergunta.
09:21Então, globalmente, nós estamos estruturados
09:23para oferecer aos nossos colaboradores
09:26as ferramentas que são ferramentas mais corporativas, né?
09:30Então, por exemplo, nós temos internamente
09:31o nosso GPT, que é a ferramenta de interface LLM
09:35que disponibiliza para todos os usuários
09:38fazerem as suas conversas, né?
09:39Com um modelo de AI generativa
09:42ou utilizar até mesmo para a construção de códigos
09:44ou melhoria de códigos, por exemplo,
09:46tradução de documentos.
09:47Isso é a nível mais corporativo, né?
09:49Quando a gente fala a nível local,
09:51o grande desafio é como que a gente utiliza
09:53as nossas plataformas globais
09:54com o caso de uso real, local,
09:56que a gente tem de oportunidade com o nosso negócio.
09:59Tudo começa do entendimento, né?
10:02Do que exatamente a gente precisa endereçar,
10:04qual que é a oportunidade de negócio existente
10:06e, através daí, pensarmos em conjunto
10:09em algumas mãos, como que podemos direcionar
10:11através de uma solução digital,
10:13de tecnologia, de dados.
10:14Um exemplo, acho que é bacana compartilhar com você,
10:17que foi um projeto, inclusive, premiado aqui
10:19no Brasil, no segmento,
10:20é o nosso projeto de uso do ThoughtSpot,
10:23que é uma plataforma, né,
10:24de Business Intelligence e Analytics,
10:26que tem dois componentes, né?
10:28Um de visualização de dados
10:30e o outro da parte conversacional,
10:31que tem o modelo LLM.
10:33Então, nós aplicamos essa plataforma, né,
10:36entendendo uma oportunidade que nós temos,
10:39estamos trabalhando nela,
10:40de melhorar os insights para o nosso time de vendas,
10:43o time que fica no campo,
10:44de fato, promovendo nossos produtos e tratamentos, né,
10:47para a comunidade da saúde
10:49que prescreve esses medicamentos.
10:53E, a partir disso, nós coletamos todos os dados relevantes
10:56para esses profissionais,
10:59colocamos nessas plataformas,
11:00e, além da parte da visualização em si,
11:02que é algo que outras plataformas também oferecem, né,
11:05eu acho que o grande diferencial
11:07é a possibilidade de você conversar,
11:09de fato, com uma ferramenta, né,
11:11por exemplo, quanto eu fiz de venda
11:12nos últimos seis meses, né,
11:14quanto que eu vendi para esse cliente,
11:16qual que foi a minha performance no último ano
11:19e assim por diante,
11:20de uma forma que não requer com que esse profissional
11:22tenha exatamente um entendimento super analítico,
11:25mas com as perguntas certas consiga extrair os insights corretos, né.
11:29Esse tipo de ferramenta
11:31vem sendo algo bem interessante em termos de adoção,
11:34duas vezes mais do que os dashboards tradicionais
11:36que nós tínhamos,
11:37e já gerou mais de 3 mil insights no último ano,
11:40e foi premiado pela Sindus Pharma
11:42com o programa Lupa de Ouro,
11:44justamente por se destacar
11:45como uma grande capability,
11:47uma grande solução
11:48para esse segmento da indústria farmacêutica,
11:50a gente tem muito orgulho,
11:51foram feitos com algumas mãos,
11:53e tem essa interface global, regional e local,
11:56utilizando plataformas globais, soluções locais,
11:58e sendo pioneiro o Brasil
12:00em algo que agora está sendo visto por outros mercados,
12:03acabamos de lançar no México, por exemplo.
12:05E você é diretora Latam de Digital Human Health,
12:12digital para a saúde humana.
12:14Isso.
12:15Você contou para a gente casos de uso de AI
12:17para esse processo comercial e de dados,
12:20o que é Digital Human Health,
12:22qual é o escopo,
12:23e o que mais em AI entra dentro desse guarda-chuva?
12:26Legal, obrigada pela pergunta.
12:28Acho que antes de entrar exatamente na resposta,
12:30vou dar um pouco do contexto,
12:31de onde estamos vindo como organização.
12:35Então, eu estou para completar dois anos de casa,
12:38entrei inicialmente como líder IT para a América Latina,
12:42e IT globalmente,
12:43acho que todos os setores vêm vendo isso,
12:46está evoluindo.
12:47E a nossa organização não foi diferente,
12:49até que chegou um dado momento
12:50que avaliamos e entendemos a nível global,
12:53de que faria sentido não nos estimar a de IT,
12:56onde existe um braço muito forte de sistema,
12:59otimização nesse contexto,
13:01mas pensamos como que a gente pode ser,
13:03de fato, business advisors.
13:04Então, sair de um conceito de dashboard para BI,
13:08conseguir extrair esses dados
13:09para suportar as oportunidades do negócio
13:11que estão acontecendo agora,
13:12e, obviamente, também aproveitando as grandes soluções
13:16a nível de empresa,
13:17que nós temos bastante coisa,
13:19para suportar toda essa trajetória
13:21de uma forma eficiente, sustentável,
13:23e que garante que, de fato,
13:24a gente vai extrair o melhor do valor.
13:26Então, essa mudança vem daí.
13:27Não é nem um rebranding de IT,
13:29é, de fato, uma criação de uma nova organização,
13:31é algo bastante recente,
13:32que foi no ano passado, em setembro.
13:35E estamos nessa jornada de pensar
13:37qual é o melhor modelo operacional
13:39quando se fala de inteligência artificial.
13:41Hoje, inteligência artificial,
13:44o que a gente entende como organização
13:46não é algo exclusivo
13:47das áreas de digital, data, tecnologia.
13:50É algo que todos devem olhar,
13:52porque isso faz parte do nosso dia a dia.
13:54Mas nós precisamos ter algumas governanças
13:56e pensarmos como que a gente consegue
13:58escalar soluções.
13:59Então, dentro do nosso escopo,
14:01entra toda a parte de trazer os treinamentos
14:03junto com as equipes responsáveis por treinamentos,
14:07de garantir que isso vai chegar
14:08para os nossos colaboradores.
14:10Pensarmos em como a gente fomenta
14:12o uso das ferramentas,
14:13como comentei com vocês,
14:14que já lançamos,
14:15que são ferramentas disponibilizadas para todos.
14:18E o terceiro elemento
14:19é como a gente pensa em soluções
14:20que, de fato, vão melhorar
14:22e simplificar os processos do nosso negócio.
14:24Acho que esse é o nosso grande desafio hoje.
14:27E sai daquele modo piloto
14:28para, de fato, o modo que vai extrair valor.
14:31E eu acho que todas as empresas
14:32estão nessa onda,
14:33testando qual é o MVP
14:35e como a gente escala.
14:37A gente também está nessa pegada
14:39e de uma forma bastante intencional,
14:42que eu acho que é o grande diferencial também
14:43dessa história.
14:44E também com bastante apoio da liderança
14:46em todos os níveis,
14:47que na nossa visão,
14:48só assim a gente vai conseguir
14:49atingir o objetivo que a gente gostaria.
14:51Então, não é no bottom-up,
14:53um por um, obviamente,
14:54isso vai fazer parte,
14:55mas a gente precisa fazer com que isso
14:56seja parte da nossa estratégia.
14:59E, de fato, é.
15:00Quando a gente olha
15:00para a nossa estratégia global
15:01da nossa empresa, a MSD,
15:03uma delas é fomentar a inovação
15:05e a produtividade através de dados e digital.
15:08E aqui estamos para isso, né?
15:09Junto com os times locais,
15:11os times regionais,
15:12como que a gente trabalha com o business
15:14para conseguir trazer esse valor.
15:15Luciana, você falou sobre
15:17a inteligência artificial
15:19não ser uma coisa específica de uma área, né?
15:21Mas adotada pela vista como estratégica
15:24pela companhia como um todo.
15:26A empresa enfrentou alguma resistência, né?
15:28Na adoção da AI pelos funcionários.
15:31E como que você vê isso
15:32com outros setores, né?
15:34Porque eu sei que você antes
15:36não estava no setor farmacêutico, né?
15:38Você veio aí da indústria de tecnologia,
15:40não é isso?
15:42Antes de trabalhar na MSD,
15:43hoje eu estou para completar dois anos,
15:45eu vim em indústria de tecnologia, né?
15:47Trabalhei na Uber, na Amazon,
15:48onde o contexto de tecnologia
15:50era abordado de uma forma muito diferente, né?
15:51Do que o nosso setor coloca.
15:53Então, de fato, para mim, né?
15:55Vem sendo também um grande aprendizado
15:56profissional e pessoal
15:57de como que a gente olha esses dois mundos, né?
16:00Mas, primeiramente, eu acho que vale comentar, né?
16:02Até o meu próprio movimento da Amazon para a MSD,
16:05o quanto mostrou para mim
16:06que a MSD está extremamente aberta, né?
16:08A trazer profissionais
16:09que vêm com esse background, né?
16:11Mais específico de tecnologia,
16:13num setor da saúde, né?
16:16Da farmacêutica.
16:18Então, isso não só aconteceu comigo,
16:19aconteceu com outros colegas também
16:21que estão trabalhando próximos a mim.
16:23Então, também esse movimento
16:24para a gente trazer outra visão
16:26dentro do nosso ecossistema, né?
16:29Acho que esse é um primeiro ponto
16:30que eu queria comentar.
16:31Com relação à resistência em si,
16:33eu acho que como toda nova tecnologia,
16:34o novo processo,
16:36exige com que cada um de nós repensemos
16:37como estamos operando, né?
16:40Então, quando a gente fala
16:41que vem uma nova tecnologia,
16:43naturalmente vem a pergunta
16:44o que que isso afeta o meu trabalho, né?
16:46Como vai afetar a minha produtividade?
16:48Como que isso, efetivamente,
16:49vai afetar o meu trabalho?
16:51Então, essas perguntas surgem naturalmente,
16:53acho que faz parte
16:53de qualquer curva de aprendizado.
16:56A gente também vem falando muito sobre isso.
16:59Então, por exemplo,
17:00anualmente nós temos no Brasil
17:01o que nós chamamos de Digital Week.
17:03E no último ano,
17:04que foi no segundo semestre,
17:06nós abordamos AI,
17:07justamente para a gente conseguir aproveitar
17:09e ter conversas abertas
17:10com o nosso público,
17:12para conseguir esclarecer
17:13qualquer dúvida que existisse e tudo mais, né?
17:15E o que a gente vem observando
17:17é que a gente pode ter
17:18a melhor solução do mundo,
17:19mas se a gente não tiver
17:20pessoas conectadas,
17:22processos revisados,
17:23não funciona.
17:24Então, a gente entende
17:25que ter um componente humano
17:26é extremamente importante.
17:28Acho que é uma jornada,
17:29uns acabam adotando mais,
17:30outros menos,
17:31mas a gente entender bem
17:32o nosso usuário, né?
17:33Interno, por exemplo,
17:34nesse caso,
17:35é fundamental para a gente conseguir
17:36também ser mais assertivo.
17:38O que a gente fez também recentemente
17:40foi treinamentos específicos
17:41por persona.
17:43Então, a gente escolheu
17:44um determinado grupo de pessoas
17:45dentro da nossa empresa
17:46e fizemos um treinamento
17:47a nível ATAM,
17:48que surtiu um efeito bem positivo,
17:50porque a gente chamou
17:51uma das pessoas deste grupo
17:53para apresentar.
17:54Então, não foi somente nós
17:56da área de digital,
17:57mas nós trouxemos alguém deles
17:59para dividir um pouco
18:00de casos de uso interessante,
18:02como ele estava utilizando
18:03nesse contexto,
18:05para gerar um certo rapor
18:06e as pessoas, de fato,
18:07olharem isso com outros olhos.
18:09Então, como exemplo.
18:10E como que você vê,
18:12qual é a melhor forma
18:13de treinar o pessoal
18:16em AI
18:16e mudar essa cultura?
18:19É a pergunta do milhão, né?
18:21Sim.
18:22A gente vem testando
18:23diferentes modelos, né?
18:24Em 2024, logo quando eu entrei,
18:26nós tivemos o lançamento
18:27da nossa plataforma
18:28de interface LLM,
18:30o GPTU,
18:31e com isso também tivemos
18:33um movimento global
18:34de treinamento da liderança.
18:36No caso da América Latina,
18:37nós reunimos 80 líderes
18:39num bootcamp,
18:40chamamos assim,
18:41em uma imersão de três dias,
18:43para falar tecnicamente
18:44sobre o tema,
18:45porque ainda era um tema
18:47relativamente novo, né?
18:48E diria que foi uma experiência
18:50muito interessante
18:50para a gente ter
18:51essa primeira abordagem
18:52mais intensa e imersiva
18:54com os nossos líderes.
18:55Fizemos para todas
18:56as divisões,
18:57saúde humana,
18:58saúde animal,
18:59equipe médica financeira,
19:00recursos humanos,
19:01enfim,
19:02tivemos diferentes representantes
19:04e foi um primeiro passo.
19:05A partir disso,
19:06nós estamos avançando
19:07em diferentes formatos, né?
19:08Acabei de comentar
19:09que testamos um formato
19:11específico
19:11para um grupo comercial,
19:14e a gente vai ver, né,
19:15os próximos passos
19:16isso daí em termos
19:17de adoção,
19:18mas o que nós temos
19:19também oferecendo
19:20para os nossos colaboradores
19:21são ferramentas também
19:22de self-learning.
19:23Então,
19:24desde cursos do LinkedIn,
19:26como também trilhas nossas
19:28que nós criamos
19:28para oferecer isso
19:30para quem quer ir mais
19:31ou quer ir talvez menos
19:32numa questão de tempo
19:33ou de skill mesmo, né?
19:35Mas o que a gente
19:36vem observando é
19:37a gente precisa focar
19:38também em personas, né?
19:40Para não ser treinamentos
19:41tão genéricos.
19:42Então, eventualmente,
19:43uma pessoa vai estar
19:44num nível,
19:44outra pessoa vai estar
19:45num outro nível,
19:45e a gente precisa entender
19:46melhor quem que está
19:47consumindo e como
19:48está consumindo.
19:49Acho que é a grande dúvida, né?
19:51Como que a gente melhor
19:52faz esse up-skill
19:53do nosso time.
19:54Porque tem essa questão
19:55de treinamento
19:57muito genérico
19:58e muito teórico,
19:59ele não cola, né,
20:00na prática.
20:03Vocês têm a ferramenta própria,
20:05estão treinando.
20:07O que está saindo
20:08de projetos
20:10interessantes na ponta
20:12pelo pessoal
20:12que está sendo treinado
20:13e mexendo nessa
20:14ferramenta própria?
20:16O que você está vendo
20:17de interessante
20:17e promissor?
20:19Legal.
20:19Acho que um exemplo
20:20que parece muito simples,
20:21mas tem um impacto
20:22gigante para nós,
20:23posso trazer um exemplo
20:25da equipe médica.
20:26Então, nós temos o GPT,
20:27como eu comentei,
20:28e oferece diferentes serviços
20:29de acordo com
20:30o uso
20:31que você quer colocar,
20:33que é a nossa ferramenta
20:33de interface LLM.
20:35E a equipe médica,
20:36ela tem um volume
20:38de estudos científicos gigante,
20:41que eles precisam
20:42consumir essa informação
20:43para conseguir fazer
20:44a interpretação médica,
20:45olhar como isso se aplica
20:46para a nossa questão local,
20:47questão de regulamentação
20:50e tudo mais.
20:51Antes,
20:52utilizávamos muito agências
20:53e agora,
20:54com essa ferramenta
20:55que nós temos internamente,
20:57no ambiente seguro
20:57e controlado,
20:59a gente consegue fazer
21:00essa tradução
21:00de uma forma
21:01praticamente, né,
21:03em tempo real,
21:04com custo muito inferior
21:06e já chegamos
21:07a mais de 55 mil
21:08documentos traduzidos
21:09neste tipo de situação
21:11nos últimos dois anos.
21:12que para a gente
21:12já é um baita marco
21:14do ponto de vista
21:15de que já envolveu
21:16uma adoção,
21:17tem um caso de uso real,
21:18as pessoas estão usando
21:19e compartilhando
21:20esse caso de uso
21:21e tem ainda uma questão
21:22de eficiência de tempo
21:23e de custo,
21:24como exemplo
21:24para compartilhar.
21:26E Luciana,
21:27você deu esse exemplo
21:28agora, né,
21:29de como isso ajuda
21:30a eficiência dos médicos,
21:32né,
21:33a gente falou um pouquinho
21:33de pesquisa no início
21:35e como a inteligência artificial
21:36tem sido benéfica
21:39aí para a área comercial,
21:40mas e na fábrica
21:42e na indústria, né,
21:43como que isso
21:44mexe o ponteiro?
21:45É,
21:45uma boa pergunta.
21:46Então,
21:47no geral,
21:47nós estamos olhando isso
21:49de uma forma bastante ampla,
21:50onde que tem
21:50as grandes oportunidades.
21:52Se fôssemos dividir
21:53em pilares,
21:54eu colocaria o primeiro pilar
21:55de fato a produtividade
21:56do colaborador em si.
21:58A gente não chegou
21:58na todo o potencial
21:59que nós temos, né,
22:01então hoje,
22:01Brasil, por exemplo,
22:02nós temos mais de mil usuários
22:04da nossa ferramenta interna
22:05de produtividade
22:08e 50% das pessoas,
22:10um pouco menos de 50%,
22:12são usuários recorrentes.
22:13Ou seja,
22:13a gente não chegou
22:14no nosso potencial, né,
22:15e nossa organização hoje,
22:16Brasil,
22:17são 1.300 funcionários.
22:19Então,
22:19a gente tem ainda
22:20um potencial aqui dentro.
22:21Esse é o primeiro ponto.
22:22O outro ponto
22:23é como que a gente olha
22:24a inteligência artificial
22:25em todas as camadas
22:26do nosso negócio, né?
22:27A gente falou um pouquinho
22:28sobre estudos clínicos,
22:29da parte comercial,
22:30a fábrica também
22:31não é diferente disso,
22:32cada área
22:33com seus respectivos
22:34business partners
22:35de tecnologia
22:36e disso para buscar, né?
22:38Então,
22:38isso é olhado
22:39a 360 da nossa indústria,
22:41não somente da nossa, né?
22:43Algo que o segmento
22:44está olhando
22:44com bastante cuidado
22:45e atenção justamente
22:46por entender
22:47que essa é a direção
22:48que a gente precisa tomar, né?
22:49E por isso também
22:50que isso veio
22:50de uma forma bastante
22:51estratégica para a gente
22:52como direcional
22:54para esse ano
22:55e para os próximos
22:55que virão.
22:56E esses business partners
22:57que você comentou
22:58de tecnologia,
23:00eles já existiam antes
23:01ou são uma nova profissão?
23:02É uma boa pergunta.
23:04Existíamos antes,
23:05eu acredito,
23:06como organização
23:07de uma forma
23:07um pouco bastante diferente, né?
23:09Eu acho que o que a gente traz
23:11agora que temos ferramentas
23:13que fomentam a rapidez,
23:15fomentam a entrega rápida,
23:16os pilotos,
23:17os MVPs e tudo mais,
23:18o grande diferencial agora
23:20como business partner
23:21não é entender
23:22a tecnologia em si.
23:24A tecnologia,
23:25obviamente,
23:25é algo necessário,
23:26é básico,
23:27mas é entender
23:28como que a gente entende
23:29a prioridade do negócio
23:31e como que isso se aplica
23:32na tecnologia
23:33do nosso lado, né?
23:34Como a gente faz
23:34essa tradução.
23:35Então, para mim,
23:36é muito mais o entendimento
23:36do negócio traduzido
23:38para a tecnologia,
23:38o que difere muito
23:39do passado,
23:40que era algo mais técnico, né?
23:42Que precisava entender
23:43qual era a melhor ferramenta,
23:45agora a gente tem
23:46mais facilidade para entender.
23:48Eu diria que a ferramenta,
23:49na verdade,
23:50é o de menos até,
23:51mas é muito mais entender
23:52qual o problema
23:53que a gente vai fazer,
23:54vai atuar.
23:55E um ponto interessante
23:56que eu penso
23:57com relação
23:57à inteligência artificial,
23:59da forma que gera eficiência
24:00em termos de
24:02otimização
24:02de processos manuais,
24:04enfim,
24:04coisas que todos
24:05estão falando, né?
24:07Gera, obviamente,
24:08um tempo maior dedicado
24:09que a gente pode implementar
24:11pensando na parte
24:12mais de pensamento crítico, né?
24:14Mas o que a gente também vê,
24:16e tem estudos recentes
24:17da Harvard também
24:17falando sobre isso,
24:18é que vai para uma
24:20amplificação de trabalho, né?
24:22Não é exatamente
24:22uma otimização.
24:24Então, para isso,
24:25como que a gente melhor
24:26faz esse balanço?
24:27E na minha visão
24:28é com a priorização.
24:29Então, esses business partners
24:30que é, né?
24:31Meu time agora
24:32de digital human health,
24:34que a gente está buscando isso,
24:35é trabalhar com os insights
24:36corretos,
24:37fomentando isso para o negócio
24:38de uma forma muito priorizada
24:40e focando naquilo
24:41que vai mexer o ponteiro
24:42efetivamente.
24:43Interessante.
24:44Tem muita gente que fala
24:45preciso colocar AI no centro,
24:48e não é no centro, né?
24:49É aí na base.
24:50No centro segue
24:51o que o negócio tem
24:52como objetivo, né?
24:53O cliente, o médico,
24:55mas para colocar
24:56o cliente na base
24:56precisa, muitas vezes,
24:58de alguém que vem
24:58e pega pela mão
25:00para fazer essa ponte
25:01entre AI e o valor.
25:03Exatamente.
25:04E aí você tem uma função
25:05que é o business partner,
25:07talvez um AI business partner.
25:09Como é o processo de trabalho?
25:11Vai entrar um pouquinho
25:11mais no tático,
25:12mas acho que tem muita gente
25:13que quer aprender como fazer.
25:14Como que é o processo
25:14de trabalho dele?
25:16Como que ele prioriza
25:17os cases?
25:18Como que ele faz
25:20esse vai e vem?
25:21Como que funciona
25:21esse processinho
25:23do AI business partner
25:24com as áreas de negócio?
25:25Legal.
25:26Bom, primeiro acho que
25:27vale dar um contexto, né?
25:29Que o que a gente vem
25:31trazendo muito de mindset
25:32é priorizar a oportunidade
25:33de negócio, né?
25:34Esse é o primeiro passo.
25:36E isso não necessariamente
25:37vai vir exatamente
25:37no bottom-up, né?
25:38A gente vai precisar
25:39fazer esses alinhamentos
25:40com a liderança mesmo, né?
25:42A gente está indo
25:42por esse caminho,
25:43faz sentido,
25:44é o que o business
25:44está priorizando.
25:45Então tudo bem, vamos lá.
25:47Então acho que esse é
25:47o primeiro passo.
25:48Como que a gente tem
25:48a priorização correta
25:50da oportunidade?
25:51E a partir dessa
25:51priorização correta,
25:52fazer uma imersão mesmo
25:54na oportunidade de negócio
25:55para entender
25:55aonde que está
25:56a questão.
25:58AI é uma forma,
25:59não necessariamente
26:00a única forma, né?
26:01Existe uma questão
26:02eventualmente de
26:03governança de dados,
26:04puramente falando,
26:05uma questão de fonte de dados,
26:07uma questão efetivamente
26:08de simplificação de processo.
26:10E como a gente olha
26:11esse processo end-to-end
26:12efetivamente para entender
26:13ah, legal,
26:15então AI pode ser
26:16uma solução,
26:16vamos testar?
26:17E a partir daí,
26:19como a gente é uma empresa
26:20bastante grande
26:22e robusta
26:22por ser uma empresa
26:23multinacional,
26:24a gente tem algumas
26:24governanças já estabelecidas,
26:26outras que estamos evoluindo
26:27também,
26:27assim como todas
26:28as outras indústrias também.
26:30Muitas coisas nós temos
26:31do global
26:31para a gente conseguir
26:32se autoalimentar
26:34e entender quais são
26:35as possibilidades
26:36que nós temos,
26:36como por exemplo
26:37o próprio Totspot,
26:38que é uma ferramenta
26:39que já estava disponível,
26:40a gente pôde utilizar isso
26:41como pioneiros no Brasil.
26:43Outras talvez não, né?
26:44E como que a gente
26:45chega nesse balanço?
26:46Acho que o nosso desafio
26:47como uma empresa
26:48bastante grande
26:48é chegar nesse balanço
26:50dessa autonomia local
26:51versus o que tem no global.
26:52E é isso que a gente
26:53vem debatendo
26:54e pensando na melhor
26:55forma de governança
26:56para a gente conseguir
26:57avançar,
26:58obviamente respeitando
26:59todos os guardrails
27:00e os best practices
27:01que temos da nossa indústria,
27:03mas também conseguindo
27:05fazer esse desafio
27:07do que é o status quo
27:08e como que a gente
27:08consegue mudar isso daí.
27:10Um exemplo
27:10que a gente está
27:11debatendo agora
27:12é nessa dificuldade
27:12de fazer o scale up
27:14das iniciativas.
27:15Então hoje tem vários casos
27:16de uso super interessantes
27:18a nível global
27:18que a gente está fazendo
27:19uma priorização
27:20do que faz sentido ou não,
27:22o que é viável ou não
27:24para a gente pensar
27:25em como a gente
27:25dá o próximo passo.
27:26E esse é um desafio
27:27porque a tecnologia
27:28talvez não seja tão complexa,
27:30mas quando a gente
27:31fala de uma empresa
27:32multinacional
27:32com tantas organizações,
27:34como que a gente
27:34deixa isso mais rápido?
27:36E todos esses movimentos
27:37que eu comentei
27:38anteriormente
27:38de deixar a organização
27:41mais clara,
27:43talvez em termos
27:44de responsabilidades
27:45e papéis
27:46vem também
27:46para suportar
27:47todo esse movimento.
27:48Estamos chegando
27:49naquele ponto
27:49que gostaríamos,
27:50ainda não estamos lá.
27:51E quando a gente
27:52olha para o que é viável,
27:53o que não é viável,
27:55quando que você percebe
27:57que uma tecnologia
27:58não é viável?
27:59Qual é a métrica
28:00para falar
28:01não, agora,
28:02daqui em diante,
28:02não vale a pena insistir
28:04porque é desperdício
28:05de dinheiro?
28:05É uma boa pergunta.
28:06Eu acho que tem um conceito
28:08que eu gosto bastante
28:09de pensar
28:10qual é o sucesso
28:12o critério de sucesso
28:13de um determinado
28:15POC, piloto, enfim.
28:16Para isso,
28:17e algo que a gente
28:18vem aprendendo,
28:19um por motivo de cultura,
28:21dois por motivos
28:21de fato ter essas informações
28:23na mão,
28:23que às vezes a gente não tem,
28:25qual é o nosso ponto
28:25de partida?
28:26Qual é esse baseline?
28:27Para a gente efetivamente
28:28conseguir medir o sucesso.
28:30E por vezes,
28:31eu acho que a inteligência
28:32artificial,
28:32ela vem muito rápida
28:35e permite com que a gente
28:36ataque aqui,
28:37aqui e aqui,
28:38mas se a gente olhar
28:39para dentro
28:39de fazer algo
28:40bastante estruturado,
28:41um piloto que tenha
28:43começo,
28:43meio e fim,
28:44a gente vai conseguir
28:44tomar uma decisão
28:45mais assertiva
28:46e mais informada.
28:48Então,
28:48tendo critérios claros
28:49do que significa
28:50sucesso por iniciativa,
28:52eu acredito que é onde
28:52vai fazer a diferença,
28:53porque a partir daí,
28:55eu não vou ter dúvida
28:55se eu vou escalar ou não.
28:56Eu vou ter o resultado
28:57para aprovar e mostrar
28:59para a liderança
28:59que faz sentido
29:00e é uma questão de recurso
29:01como que a gente vai fazer,
29:03quando,
29:03quais são os riscos
29:04eventualmente,
29:04para a gente conseguir
29:05fazer isso adiante.
29:06Mas hoje eu diria
29:07que eu acho que
29:08acabou ficando fácil
29:09de alguma forma
29:10a gente testar
29:11e a gente acaba
29:11perdendo um pouco isso.
29:13Então,
29:13como que a gente volta
29:14um pouquinho
29:14para esse conceito
29:16mesmo de experimentação
29:18para a gente ter um resultado
29:19e tomar decisão
29:20a partir daí?
29:21E você consegue
29:22abrir para a gente
29:23qual é o investimento
29:24que vocês estão fazendo
29:25aí em inteligência artificial?
29:27É possível separar isso?
29:29E qual o resultado
29:29que isso está gerando
29:31no caixa da companhia?
29:33Infelizmente,
29:33essa informação
29:34a gente não disponibiliza.
29:36É uma questão
29:36de política interna nossa,
29:38mas um exemplo
29:39que nós falamos
29:39sobre o Totspot,
29:40nós estimamos
29:41que anualmente
29:42a gente conseguiria chegar
29:43numa otimização
29:44de 700 mil dólares,
29:45por exemplo,
29:45com esse saving
29:46de geração de insights
29:48e rapidez
29:49de obtenção
29:51das informações
29:51que antes eram
29:52vários dashboards,
29:53Excel e tudo mais.
29:55Então,
29:55como um exemplo mensurável,
29:56que é mais por projeto
29:57que a gente consegue colocar
29:59no papel
30:00quando a gente fala
30:00de nível Brasil.
30:02E, Luciana,
30:03uma pergunta
30:04nessa linha
30:05de priorização.
30:07Vamos hipoteticamente
30:08supor que você
30:09vai ter que cancelar
30:10todas as suas iniciativas
30:12em AI,
30:13você só pode deixar uma.
30:16Qual é essa?
30:17Qual é a...
30:18Qual que seria
30:19o teu projeto preferido
30:20hoje em AI?
30:22Boa pergunta.
30:23Acho que a gente mesmo
30:24não fez essa reflexão
30:26internamente,
30:26mas eu diria que
30:27para a gente,
30:28a gente falou muito
30:29que AI não é
30:30de uma pessoa
30:31de uma área,
30:32mas eu realmente
30:32acredito que
30:33se nós tivermos
30:34a AI como cultura,
30:36qualquer iniciativa
30:36vai ficar muito mais fácil
30:38para a gente ter adoção,
30:39para a gente ter resultado.
30:39Então,
30:40eu continuaria investindo
30:41em garantir
30:42que as pessoas
30:44entendam e façam
30:44o uso dela
30:45hoje,
30:46como é.
30:47Esse é o passo fundamental.
30:48Se a pessoa sabe
30:48fazer um bom prompt,
30:49se a pessoa consegue entender
30:51ou desmistificar
30:52os pontos
30:52que hoje
30:53acabam sendo
30:53eventuais barreiras,
30:55a gente vai ter mais êxito
30:56nas iniciativas futuras
30:57quando chegar
30:58a priorização
30:59de fato.
31:00Então,
31:00eu colocaria isso.
31:02Dar a vara
31:02e ensinar a pescar.
31:03Exatamente.
31:04E não necessariamente
31:05só adotar,
31:06mas eventualmente
31:06outras criações.
31:07Eu acho que esse é o ponto também.
31:09Isso não pode ficar
31:10necessariamente
31:10restrito a uma área.
31:12A gente pode ter
31:12outros casos de uso
31:13como o caso da área médica,
31:15que é um caso simples
31:16que está gerando
31:16bastante valor para o time.
31:18Agora,
31:18olhando de uma forma
31:19mais ampla
31:20para o setor
31:21da indústria farmacêutica
31:22como um todo,
31:23tem estudos,
31:25levantamentos
31:25que mostram
31:26que a inteligência
31:27artificial generativa
31:28pode gerar
31:29até 110 bilhões
31:31de dólares
31:32por ano
31:32de resultado.
31:34Na sua visão,
31:35onde que a indústria
31:36farmacêutica
31:37pode capturar
31:38o maior valor
31:39utilizando
31:39inteligência artificial?
31:41Eu acho que tem
31:42essas duas grandes áreas
31:43da minha visão.
31:44A área,
31:44de fato,
31:45na parte de pesquisa
31:46e desenvolvimento,
31:47todas as indústrias
31:48farmacêuticas
31:49estão focadas
31:50em descobrir
31:51novas moléculas
31:52e tratamentos
31:53e acelerar isso
31:54para os nossos pacientes.
31:55nós temos isso
31:55muito forte
31:56no nosso DNA
31:56como MSD
31:57e é onde também
31:58estamos colocando
31:59bastante atenção
32:00e foi esse
32:01último release
32:02que colocamos
32:03na mídia também
32:04de parceria
32:05com a Mayo Clinic,
32:06por exemplo.
32:07No entanto,
32:07essa é uma grande área,
32:08mas para a gente
32:09viabilizar qualquer
32:09novo medicamento
32:10para os nossos pacientes,
32:12a gente tem
32:12uma série de processos
32:13internos
32:14para conseguir chegar
32:15a esse ponto.
32:16E para a gente
32:16fazer isso,
32:17a parte operacional,
32:19comercial,
32:20ela é fundamental.
32:21Sem isso,
32:21a gente não consegue
32:22acelerar a chegada
32:22desses tratamentos.
32:23Então,
32:24acho que as duas partes
32:24em paralelo,
32:26combinadas,
32:27a gente consegue
32:27acelerar esse processo
32:28e chegar com o nosso foco
32:30que é salvar vidas
32:31no caso da MSD.
32:32Luciana,
32:33hoje a MSD
32:33é bastante forte
32:35na parte de oncologia,
32:36de vacina
32:37e vocês estão
32:38ampliando o escopo.
32:39Como a inteligência
32:41artificial
32:41pode ser importante
32:43nesse novo momento
32:44da companhia?
32:44De fato,
32:45a gente está olhando
32:45muito para isso.
32:46Então,
32:47a gente tem
32:47um pipeline
32:48bastante otimista.
32:51Entramos recentemente,
32:52em maio do ano passado,
32:53no Brasil,
32:54com o lançamento
32:54de um ring-revere
32:55em doenças raras.
32:56Então,
32:56uma nova área
32:58para nós
32:58e vamos expandir
32:59ainda mais.
33:00Então,
33:00a complexidade
33:01do nosso negócio
33:02vai aumentar
33:02do ponto de vista
33:03de diferentes áreas
33:05de atuação,
33:05quando se trata
33:06de tratamentos.
33:08E também,
33:09a gente vai precisar
33:10repensar nossos processos.
33:11Já estamos fazendo isso.
33:13Então,
33:13como que a gente
33:14otimiza aquilo
33:15que pode ser otimizado,
33:17simplifica
33:17e consegue gerar
33:19mais tempo
33:20disponível
33:21de todos os colaboradores
33:22desde uma área
33:24comercial,
33:24de uma área
33:25mais operacional,
33:26de uma área,
33:26enfim,
33:27de finanças que seja
33:28para a gente conseguir
33:28olhar para esse pipeline
33:29futuro e fazer mais
33:31com o que nós temos
33:32hoje.
33:32Que, obviamente,
33:33também a gente vai ter
33:34investimentos relacionados
33:35a isso,
33:36mas não,
33:36obviamente,
33:37na velocidade
33:37que as coisas
33:37precisam acontecer.
33:38Então,
33:39como que a gente faz isso?
33:40E AI,
33:41para mim,
33:41é fundamental
33:42nesse contexto
33:42para a gente conseguir
33:43se auto-viabilizar
33:45nesse contexto
33:45de otimização
33:46e focar naquilo
33:47que importa,
33:48que é viabilizar
33:48tratamentos mais rápido
33:50para os nossos pacientes.
33:51Luciana,
33:52obrigada pela sua
33:53entrevista aqui com a gente.
33:54Eu agradeço.
33:54Obrigado, Luciana.
33:55Obrigada.
33:56E a você que nos acompanhou,
33:58obrigada pela sua audiência.
34:00Revolução E.A.
34:00volta em breve.
34:01Até lá.
Comentários