AI w branży farmaceutycznej. 9 sygnałów, które warto mieć na radarze

AI dotarło do farmacji już nie jako temat na konferencjach ani prezentacja działu innowacji, tylko jako konkretne narzędzia. Tylko co z nimi zrobić? Jak do tego podejść systemowo? Szczególnie kiedy zmiana dzieje się w wielu miejscach jednocześnie (wszystko, wszędzie, naraz) a codziennie jesteśmy bombardowani nowinkami. Jak wiedzieć, co przemija, a gdzie realnie można budować przewagę konkurencyjną?

Zebrałem 9 sygnałów, które uważam za najmocniejsze dla branży farmaceutycznej. Podzieliłem je na trzy obszary: działania pośrednie wobec lekarzy, działania bezpośrednie wobec pacjenta, efektywność operacyjna. Plus na końcu jedna z najciekawszych rekomendacji praktycznych do wdrożenia od zaraz, jaką znam.

Wstęp: V rewolucja technologiczna

W ostatnich stuleciach mieliśmy aż pięć rewolucji technologicznych, które zmieniły społeczeństwo jako takie: maszyna parowa i mechanizacja w XVIII wieku, elektryfikacja i linia montażowa Henry’ego Forda w wieku XIX, komputeryzacja, internet i mobilność. A teraz w końcu: AI, big data, no-code.

Zwróćcie uwagę na jedną rzecz: między rewolucjami czas się skraca. Sto lat, osiemdziesiąt, czterdzieści, trzydzieści. Wyglądamy trochę jak chomiki w kołowrotku, który kręci się coraz szybciej.

Każda z tych rewolucji miała swoich zwycięzców. Stevensonowie wykorzystali maszynę parową do budowy kolei. Ford zmienił produkcję liniową. Trzecią rewolucję wygrali Intel, IBM i Microsoft. Czwartą – Amazon, Google i Apple. Pytanie brzmi: kto wygra piątą?

Moja teza: nie ci, którzy wierzą w magię algorytmów, ale ci, którzy z dyscypliną wdrożeniową będą rozwiązywać jeden kosztowny problem po drugim.

Część 1: Działania skierowane do lekarzy (HCP)

1. Skończyły się czasy ciężkiego oprogramowania

W kwietniu pojechaliśmy z zespołem na hackathon zorganizowany przez Open Mercato: open-source’owy framework, który sami wdrażamy u klientów. W cztery osoby, w 48 godzin, przy pomocy AI, zbudowaliśmy prototyp CRM-a dla Pharmy. Normalnej drogi wytwarzania oprogramowania, z testami, walidacją compliance i utrzymaniem, taki sprint nie zastąpi. Ale pokazuje, czym dziś jest AI-assisted engineering (budowanie oprogramowania z agentami AI jako pełnoprawnym członkiem zespołu), i jak bardzo zmienia ekonomię całego procesu.

W tych 48 godzinach zadziałały: ścieżki prowadzące lekarzy przez webinary, automatyczne generowanie landing page’y, agent AI weryfikujący komunikację pod kątem regulacji, warstwa autoryzacji komunikatów przez człowieka, dashboard kampanii. Wszystko na AI-native frameworku, czyli takim, w którym agenci AI są elementem fundamentalnym, a nie doklejonym na końcu. Jeszcze 2-3 lata temu coś takiego wymagałoby co najmniej tygodni pracy kilkunastoosobowego zespołu.

A teraz spójrzmy na giełdę. Salesforce od początku 2025 roku spadł o 35%. SAP o 30%. Veeva, której Pharma używa na co dzień, o 31%. Trzy największe nazwiska w segmencie ciężkiego oprogramowania, wszystkie w klubie minus 30%, w jednym kwartale. Oczywiście do takich spadków dokłada się makroekonomia i rotacja inwestorów. Ale analitycy zgodnie wskazują na jeden strukturalny lęk: era oprogramowania, w którym płaci się rocznie za licencje od głowy, kończy się szybciej niż przewidywano. Pojawił się nawet termin „SaaSpocalypse”.

Dla Pharmy oznacza to dwie rzeczy.

• To fundamentalna zmiana: z dużych, ryzykownych wdrożeń przechodzimy do modelu, w którym czas do wartości, time-to-value, liczony jest w tygodniach, a nie kwartałach. W praktyce oznacza to szybszą walidację hipotez, niższy koszt błędu i możliwość skalowania tylko tych inicjatyw, które realnie dowożą wynik. AI-assisted engineering może stać się dźwignią efektywności operacyjnej i przewagą konkurencyjną, jeśli jest dobrze kierowany.
• Compliance, security i ownership na wysokim poziomie nadal trzeba delegować. Ale branża farmaceutyczna może dziś oczekiwać lepszych cen, albo większej wartości za tę samą cenę, niż jeszcze rok temu. To czas, żeby budować.

2. Własna sztuczna inteligencja jako boost platform edukacyjnych

RAG – Retrieval Augmented Generation – to wasza własna AI, która działa wyłącznie na materiałach, które jej udostępnicie. Wyobraźcie sobie ChatGPT, który nie czytał całego internetu – czytał tylko wasze ulotki produktowe, charakterystyki produktu leczniczego, materiały szkoleniowe i autoryzowane odpowiedzi na pytania lekarzy. I tylko z tego udziela odpowiedzi.

Dlaczego to ważne dla farmacji? Bo rozwiązuje problem, który dotychczas był praktycznie nierozwiązywalny. Lekarze chcą szybkiego dostępu do precyzyjnej wiedzy o waszych produktach – najlepiej w formie naturalnej rozmowy, bez przedzierania się przez 80-stronicowe PDF-y. RAG godzi te dwie potrzeby. Konwersacyjny interfejs – głosowy lub tekstowy – z gwarancją, że odpowiedzi pochodzą wyłącznie z autoryzowanego korpusu. A jeśli pytanie wykracza poza ten korpus, system po prostu mówi „nie mam tej informacji”, zamiast zmyślać.

Use case jest bardzo konkretny. Przedstawiciel medyczny, lekarz w gabinecie albo farmaceuta w aptece zadają pytanie naturalnym językiem – odpowiedź pojawia się w kilka sekund. Bez logowania do trzech systemów, bez wertowania portali edukacyjnych, bez czekania na dział medyczny.

Że to nie abstrakcja widać po pierwszych graczach. Pod koniec marca Perplexity ogłosiło dedykowaną AI dla zdrowia – z radą złożoną z lekarzy i KOL-i, własnym modelem zdrowotnym i procesem weryfikacji źródeł. Era „ChatGPT do wszystkiego” się kończy. Zaczyna się era wyspecjalizowanych modeli z własnym autorytetem dziedzinowym.

Dla działów medycznych w Pharmie wniosek jest taki: jeśli wasze treści edukacyjne dla lekarzy nadal istnieją głównie jako PDF-y i nagrania webinarów, czyli formaty, których lekarz nie odpyta o konkret między pacjentami, za rok-dwa będziecie mieli problem kanałowy.

3. Interfejs głosowy jako nowa forma edukacji

Lekarz w samochodzie nie otworzy landing page’a. Nie zaloguje się do portalu szkoleniowego. Nie obejrzy 40-minutowego webinaru. Ale zada pytanie głosowemu agentowi i posłucha odpowiedzi przez głośnik. To jakościowo inny kanał kontaktu – nie lepszy ani gorszy od istniejących, ale dotykający momentów, których dotychczas nie umieliśmy złapać.

„Czy badanie CMR może zastąpić echokardiografię u pacjentów z wadami wrodzonymi serca?” – agent zbudowany na waszych autoryzowanych materiałach odpowiada merytorycznie, w kilkanaście sekund, bez halucynacji. Lekarz dostaje konkret, kiedy go potrzebuje, a nie wtedy, kiedy ma wolne 40 minut na webinar.

Dziś AI jeszcze przyciąga uwagę samą swoją „nowością” i wszechobecnością, ale za kilka lat stanie się powszechne – i przestanie być wyróżnikiem. Wyróżnikiem stanie się natomiast to, kto nauczył się wcześniej budować wokół niego dobre doświadczenia i procesy.

4. Symulatory dla przedstawicieli medycznych

Jeden z najciekawszych use case’ów w sales trainingu w Pharmie to symulacja wizyty lekarskiej prowadzona przez AI. Przedstawiciel medyczny wchodzi do wirtualnego gabinetu, „lekarz” zadaje pytania, czasem bywa miły, czasem trudny, czasem gra w defensywę. Po sesji rep dostaje feedback – co poszło dobrze, gdzie zabrakło argumentów, jakie obiekcje obsłużył słabo. Głosem, tekstem, docelowo z obrazem.

To nie zastąpi w pełni szkoleń stacjonarnych ani pracy z managerem. Ale zamiast dwa razy w roku, przedstawiciel może ćwiczyć codziennie – przed nowym targetem, przed wprowadzeniem nowego produktu, przed trudną wizytą. Skalowalność, której do tej pory w sales trainingu w Pharmie po prostu nie było.

Część 2: Działania skierowane do pacjenta

5. Koniec monopolu Google’a

Szacuje się, że w Google pada około 13,7 miliarda zapytań dziennie. 3,5 roku od startu ChatGPT – między 4 a 5 miliardów zapytań dziennie trafia już do modeli OpenAI, Gemini, Perplexity i Claude’a. [źrodło: a16z, Alex Immerman]

Alex Immerman z Andreessen Horowitz nazwał to „the decline of Google it„. Monopol na wyszukiwanie skończył się w 2025 roku. Już nie mówimy „wygoogluj” – mówimy „sprawdź w AI”.

To zmienia grę dla każdego, kto buduje widoczność w sieci. Powstała nowa dyscyplina – nazwy są różne: GEO, AEO, AIO, LLMSEO. Idea ta sama: zoptymalizować ekspozycję marki nie pod wyszukiwarkę, tylko pod silniki generatywne.

6. Skąd AI czerpie wiedzę o waszym produkcie

Jeśli chcecie, żeby AI was dobrze cytowała, musicie wiedzieć, skąd ona czerpie wiedzę. Kilka wzorców z obserwacji naszej spółki zajmującej się widocznością w AI, SearchMeets.ai:

• Wikipedia to jedno z kluczowych źródeł dla modeli językowych.
• Reddit – kopalnia opinii realnych użytkowników. AI ceni sobie ludzkie głosy bardziej niż marketingową treść producenta.
• YouTube mocno zyskał na znaczeniu – Perplexity cytuje go bardzo często.
• Trustpilot, Opineo dla usług. Capterra, G2 dla oprogramowania.

W Pharmie dochodzi dodatkowy filtr. To tak zwany segment YMYL – Your Money or Your Life. AI jest w tej kategorii wyjątkowo ostrożna. Liczy się autorytet domeny, podpisani autorzy z krótkim bio, linki do ekspertów. Artykuł bez autora ma marne szanse na cytowanie.

Dwie rzeczy, które AI szczególnie kocha: rankingi („najlepsze apteki sieciowe wg Onetu”) – często niejasnej jakości, ale logicznie czytelne dla modelu – i sekcje FAQ, bo pasują do konwersacyjnej natury AI.

7. Agentic commerce – moment taki jak SEO w 2004 albo App Store w 2008

Sprzedaż przez agentów AI dzieli się na dwa nurty, które warto rozróżniać, bo wymagają zupełnie innych decyzji.

Pierwszy to in-store. Tutaj AI rozszerza warstwę interfejsu waszego sklepu. Klasyczny przykład – Rufus od Amazona. Pytasz konwersacyjnie o „zabawki dla czteroletniego chłopca interesującego się dinozaurami”, a Rufus zwraca dopasowany zestaw, zamiast wyrzucać 300 wyników, które trzeba samemu filtrować. Amazon raportuje 60% wzrost [źrodło: Amazon] prawdopodobieństwa finalizacji transakcji u klientów korzystających z Rufusa. Dla aptek internetowych i sklepów OTC to natychmiastowa lekcja: warstwa konwersacyjna nad katalogiem produktowym przestaje być eksperymentem, a staje się standardem.

Drugi nurt to out-of-store. Tutaj zakupy w ogóle nie zaczynają się w waszym sklepie, tylko w zewnętrznym modelu AI. ChatGPT po początkowych eksperymentach wycofał się z instant checkoutu – okazało się, że użytkownicy niechętnie finalizują transakcje wprost w czacie. Ale zachowali fazę researchu i poszli dalej, wprowadzając GPT Apps. Możecie podpiąć swoją aplikację bezpośrednio do ChatGPT, a użytkownik może wywołać ją w trakcie rozmowy i dokończyć w niej zakupy. Na razie to świadomy ruch ze strony użytkownika. ChatGPT sam jeszcze nie odpala aplikacji w odpowiedzi na kontekst rozmowy. OpenAI zapowiada, że to się zmieni, ale to jeszcze przed nami. Tak robi już Booking, tak robi Virgin. Google idzie jeszcze dalej i buduje Universal Commerce Protocol – otwarty standard dla agentowych zakupów. Na naszym podwórku InPost ogłosił Von Halsky, próbując wejść w tę samą falę.

Moja teza brzmi tak: to jest dokładnie ten moment, którym było SEO w 2004 albo App Store w 2008. Nowy kanał sprzedaży, nowy touchpoint, nowe reguły gry. Kto wszedł wcześnie w SEO, zbudował organiczny ruch, na którym zarabia do dziś. Kto wszedł wcześnie w App Store, zajął prime real estate w nowym ekosystemie. Z agentic commerce jest tak samo. Okno early mover advantage jest otwarte teraz – za dwa, trzy lata będzie zamknięte.

8. Telefony, których nie odbieracie

Jeszcze jeden konkretny wątek, istotny zwłaszcza dla aptek stacjonarnych. Punkty sprzedażowe, apteki, gabinety, sklepy, z natury pracy nie odbierają znacznej części połączeń. Personel jest przy ladzie, dyżuruje przy pacjencie, kończy zmianę. Różne badania mówią o stratach na poziomie od kilkunastu do nawet kilkudziesięciu procent połączeń, w zależności od branży i pory dnia. Spróbujmy to przeliczyć modelowo na pieniądze.

Załóżmy ostrożnie 300 połączeń miesięcznie do jednej apteki i 40% z nich nieodebranych. Załóżmy dalej, że 30% z tych nieodebranych zakończyłoby się zakupem, a średni koszyk klienta to 80 złotych. Wychodzi około 3 tysięcy złotych straty miesięcznie na jedną aptekę, około 35 tysięcy rocznie. Sieć 30 aptek to milion złotych straty rocznie, którą widać w wynikach jako „po prostu mniejsze obroty”, choć w rzeczywistości to konkretna luka operacyjna.

Voice AI odbiera przez 24 godziny na dobę. Informuje o dostępności produktu, cenie, godzinach otwarcia, kierując rozmówcę do farmaceuty wtedy, gdy faktycznie jest to potrzebne. Co ważne, dobrze zaprojektowany agent wie, kiedy się wycofać. Zapytany o dawkowanie leku dla nastolatki powinien odpowiedzieć „nie jestem farmaceutą, proszę zapytać przy ladzie” i przekierować rozmówcę do dyżurującego pracownika. To jest compliance-by-design: bezpieczeństwo wbudowane w architekturę systemu, nie dolepione na końcu w postaci ostrzeżeń

 

Część 3: Efektywność operacyjna – organizacja jako zbiór plików markdown

W dyskusjach o dojrzałości wykorzystania AI w organizacji opisuje się zwykle siedem poziomów. Pierwszy to pojedyncze użycie ChatGPT przez kogoś z zespołu. Siódmy to autonomiczni agenci podejmujący decyzje biznesowe w imieniu firmy. Większość polskich firm dziś jest gdzieś między pierwszym a drugim. Ja chcę powiedzieć o trzecim – kiedy AI pamięta waszych klientów, pamięta brand, ma kontekst projektu i konwersacji.

My w naszej organizacji wdrażamy ten poziom przez to, co nazwałem „projektem organizacji jako zbiór plików markdown”, i ten sam pattern można skalować rownież w Pharmie. Zamiast budować ciężki, drogi RAG ze skomplikowaną infrastrukturą, tworzy się krótkie pliki tekstowe z rozszerzeniem .md, które opisują kontekst pracy. Dla Pharmy mogłyby to być: 

• HCP Persona, opisująca, jak rozmawiamy z różnymi typami lekarzy.
• Brand Voice, definiujący ton komunikacji marki. 
• Field Force Guidelines, z zasadami pracy przedstawicieli. 
• Compliance Rules, Approved Claims, Product Names: każdy z tych plików to konkretna umiejętność AI, jeden „skill”. 

Wrzucasz odpowiednie pliki do Copilota, Claude’a, Gemini, czegokolwiek właśnie używasz, i AI od razu wie, w jakim kontekście działa.

Sam mam na przykład plik UAT Checklist, w którym opisałem, na co zwracać uwagę przy testach akceptacyjnych nowej wersji oprogramowania. Zamiast tłumaczyć to AI za każdym razem od nowa, po prostu ładuję plik. Oszczędność czasu jest ogromna, a jakość odpowiedzi zauważalnie wyższa, bo model dostaje pełen kontekst jednym ruchem.

Jedna ważna zasada: pliki muszą być krótkie, kontekstowe, każdy z jedną konkretną funkcją. Jeden plik na 50 stron z całą dokumentacją firmy nie zadziała. Pięćdziesiąt plików po jednej stronie – każdy działa znakomicie.

Zamknięcie: świadomość AI

Możecie różnie oceniać to, co tu opisałem. Voice AI, RAGi, symulatory, agentic commerce, pliki markdown. Nie chodzi o to, które z tych rozwiązań jest najlepsze dla waszego konkretnego problemu. Chodzi o coś, co nazywam świadomością sztucznej inteligencji – zdolność do efektywnego wykorzystania AI do rozwiązywania problemów biznesowych.

Okazuje się, że rynek ma z tą zdolnością spory problem. MIT NANDA opublikował w 2025 roku raport The GenAI Divide: State of AI in Business 2025, w którym przeanalizowano ponad 300 wdrożeń. Wartość tych projektów – między 30 a 40 miliardów dolarów. Wynik: 95% wykazało zerowy lub bliski zerowemu wpływ na wyniki finansowe firmy. Mówiąc wprost – pieniądze zostały wydane, ale w rachunku zysków i strat nie widać żadnego efektu.

Konkluzja jest taka: zwycięzcami piątej rewolucji technologicznej będą firmy świadome AI. Nie te z największym budżetem na AI ani te z najgłośniejszym ogłoszeniem strategicznego partnerstwa. Te, które wiedzą, jak z niej korzystać – gdzie naprawdę rozwiązuje problem, a gdzie jest tylko modnym dodatkiem do prezentacji. To kompetencja, która buduje się przez praktykę i dyscyplinę wdrożeniową.

Jeśli któryś z tych wątków rezonuje z tym, czego dziś szukacie u siebie — odezwijcie się. Chętnie pogadamy.

 

Bibliografia:

1. Project NANDA, „The GenAI Divide: State of AI in Business 2025”, MIT NANDA / MLQ.ai, July 2025, dostęp online: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
2. A. Immerman, „The Decline of ‚Google It’. The search monopoly is ending in 2025”, serwis X, 4 grudnia 2024, dostęp online: https://x.com/aleximm/status/1864351104391368902.
3. Jolanta Szczepaniak, „InPost Buy kontra Allegro. Nadciąga brutalna wojna w polskim e-commerce”, Android.com.pl, 27 grudnia 2025, dostęp online: https://android.com.pl/tech/1004565-nowa-platforma-inpost-buy-allegro/
4. K. Sahu, J. Pan, R. Shvartsman, „How Rufus scales conversational shopping experiences to millions of Amazon customers with Amazon Bedrock”, AWS Machine Learning Blog, 2 sierpnia 2024, dostęp online: https://aws.amazon.com/blogs/machine-learning/how-rufus-scales-conversational-shopping-experiences-to-millions-of-amazon-customers-with-amazon-bedrock/.
5. Agentic Commerce Project, „Agentic Commerce Protocol (ACP) – Official Documentation and Specification”, 2025, dostęp online: https://www.agenticcommerce.dev/.
6. Google Developers Blog, „Under the Hood: Universal Commerce Protocol (UCP)”, 11 stycznia 2026, dostęp online: https://developers.googleblog.com/under-the-hood-universal-commerce-protocol-ucp/
7. AB Tasty, „List of Segment Criteria – EmotionsAI Criterion”, dokumentacja online, dostęp online: https://docs.abtasty.com/assets-library/creating-and-managing-segments/list-of-segment-criteria/emotionsai-criterion