AI i Life Science: Når forventninger møder virkeligheden

28. august 2025
kl. 08:38

Business Review

På ledelsesgangene i life science-virksomheder er der ingen tvivl: kunstig intelligens er højt på dagsordenen. Overskrifterne taler om “revolution”, “acceleration” og “mirakelløsninger”, men bag glansen ligger en mere jordnær virkelighed.

Af Nick Larsen, Director Data, AI & Migrations – Pharma IT

Mange virksomheder har erfaret, at AI ikke er en ventil, man blot kan åbne. Det kræver ledelsesstyring, datadisciplin og struktureret samarbejde ellers risikerer forventningerne at kollidere med virkeligheden.

Myndigheder og interne kvalitetssikrings afdelinger kræver en gennemsigtig og dokumenterbar proces for brugen af AI. Det er ikke nok at levere resultater, man skal kunne forklare, hvordan man nåede dem. I praksis betyder det, at AI-projekter skal udvikles på samme måde som andre projekter i life science, dvs. med transparens og sporbarhed eller ”compliance by design”. Det er ikke ekstraudgifter, men fundamentale forudsætninger.
Forventningspresset stammer imidlertid ofte fra topledelsen. De vil se AI i aktion, skabe innovation og fortælle historier om transformation over for investorer og samarbejdspartnere. På gulvet kæmper projektholdene mod ustruktureret og upræcis data, siloopdelte systemer og manglende standarder og metadata, som gør det vanskeligt at samle viden og skabe et konsistent grundlag for AI. På det grundlag bliver AI ikke værdifuldt. Tværtimod kan modeller trænes med bias og fejl, der underminerer værdien og øger risikoen.

Det er her datakvalitet bliver det usynlige, men nærmest afgørende fundament. Det handler ikke blot om mængder, men om struktur: hvis data er ufuldstændige, fragmenterede, eller mangler ejerskab og dokumentation, bliver AI-satsninger hurtigt til dyre eksperimenter, der ikke kan skaleres eller ender som regulatoriske blindgyder.

Men midt i kompleksiteten findes vejen frem, for de virksomheder, der går “fra hype til disciplin”, vil stå stærkere.

Det kræver tre klare elementer
• Data governance med præcise roller, standarder og kvalitetssikring.
•Compliance by design, hvor AI-løsninger fra begyndelsen, er udviklet med audit trail, validering og transparens.
•Fokus på realistiske use cases som små, målrettede projekter, der kan skaleres, fremfor store, komplekse visioner.

Al ny teknologi er udfordrende, især i en branche hvor compliance er afgørende. Mange spørger: Hvor starter vi? Hvad er vigtigt? Hvem har bolden? Et godt udgangspunkt er:

• Start med datagrundlaget
Uden styr på data og arkitektur kommer man ingen vegne. Det er her arbejdet begynder fra standardisering og ejerskab til sporbarhed og kvalitet.

• Kend jeres AI-fokus
Er formålet at styrke kerneforretningen, automatisere processer eller skabe værktøjer til medarbejdere? Klarhed her skiller støj fra strategi og giver projekterne retning.

• Tag ejerskab i ledelsen
AI er ikke en IT-opgave. Det er ledelsens ansvar og mulighed at skabe retning, momentum og beslutningskraft. Ikke hype, men ledelsesmæssige beslutninger der driver reelle resultater.

Fra hype til drift:
Det sværeste er ikke at komme i gang, men kontinuerlig drift af AI

Når AI løsningen først kører i produktion, er man kun lige begyndt. Nu handler det om at sikre, at kvaliteten af data, modeller og processer ikke falder fra hinanden, samtidig med at audit, performance, sikkerhed, GDPR og compliance opretholdes. Det kræver systemer, der kan overvåge drift og performance kontinuerligt. Det handler ikke om smartere modeller, men om smartere processer og systemer, der gør AI pålideligt i praksis.
Eksisterende processer, systemer og kompetencer kan hurtigt blive en barriere, hvis de ikke moderniseres. Derfor bør virksomheder kortlægge teknisk gæld, standardisere arbejdsgange og opbygge nye roller og governance-strukturer, der understøtter AI. Det handler om at skabe en organisation, hvor innovation og regulering går hånd i hånd, og hvor AI bliver en katalysator for helt nye forretningsmodeller.

At udnytte AI’s fulde potentiale kræver mere end teknologi, det kræver, at organisationen tør genopfinde sig selv. Eksisterende strukturer, processer og kompetencer er sjældent designet til den hastighed og kompleksitet, AI bringer.

For strategiske beslutningstagere betyder det, at AI-investeringer ikke handler om hast, men om fundament og grundighed. At være “first mover” er mindre vigtigt end at være “best mover” altså evnen til at validere, dokumentere og overbevise myndighederne. De virksomheder, der mestrer dette, kan realisere kortere time-to-market, mere robuste pipelines og en langt mere sikker rejse fra data til godkendt produkt.

En ny dansk undersøgelse viser, at syv ud af ti medarbejdere bruger AI-værktøjer, som arbejdsgiveren ikke har godkendt. Samtidig har kun 30 procent af virksomhederne klare retningslinjer for brugen af AI. Det skaber et tomrum, hvor kontrollen forsvinder, og hvor innovation risikerer at blive reduceret til enkeltstående initiativer frem for en samlet forretningsstrategi.
Hvis AI skal skabe reel værdi, kræver det tydelige rammer og en fælles retning. Uden governance og klare processer opstår risiko for datasikkerhedsbrud, compliance-problemer og tab af forretningsmæssig sammenhængskraft. Det er ikke et it-projekt, men en ledelsesopgave, der handler om at forankre AI i virksomhedens strategi, sikre kompetenceudvikling og skabe en kultur, hvor innovation og regulering går hånd i hånd.
Uden klare retningslinjer og en fælles forståelse risikerer organisationen at ende med en uoverskuelig blanding af værktøjer, der hverken er sikre eller skalerbare.

I sidste ende er det her, AI i life science industrien går fra flotte visioner til konkret forretningsværdi. Compliance og datakvalitet er ikke længere blot regulatoriske krav, men klare konkurrenceparametre. De organisationer, der bygger deres AI på disciplin, gennemsigtighed og målrettede eksperimenter, vil stå stærkest i fremtidens marked, hvor innovation og regulering mødes på det samme spor.

Når ledelsen tager styringen og samtidig formår at engagere medarbejderne, opstår synergien mellem innovation og disciplin. Det er her, AI går fra hype til reel forretningsværdi og forventninger til virkelighed.