对于寻求技术升级的公司来说，“自建还是购买”的问题——即是否在内部创建定制软件或从外部供应商购买软件——可能会在最乐观的高管团队中引起困惑、犹豫和紧张。这个辩论涉及成本、效率、上线时间、灵活性、安全等一系列因素，每个因素都必须在这一范式中进行权衡。此外，最终决定并不总是非黑即白的，有些公司选择了可组合的混合方法。那么，该怎么办呢？
在我们的领域中，面临这一决策的通常是大型制药组织——如辉瑞（Pfizer）、葛兰素史克（GSK）和诺华（Novartis）。对于这些公司而言，在某些特定情况下，自建是有意义的。
一种情况是当没有现成的解决方案能满足特定需求时，创建一个定制的软件系统可能是必要的。另一种情况是当解决方案相对简单——只需几行代码——在这种情况下，内部构建可能是一个高效的选择。此外，大公司可能拥有更多的资源来组建强大的开发团队，并且比小公司更能定制支持其特定需求、愿景和目标的解决方案。
但即使他们能够做到，他们应该这样做吗？
更复杂的系统带来更多问题
随着复杂性的增加，潜在的陷阱也随之增加。我们发现，制药公司的高管们往往会低估一个好的“自建”项目的难度。资源配置、前期成本、持续维护问题以及跟上快速发展的AI技术——这些技术很快就会使系统过时——所有这些因素如果处理不当，都会导致内部构建变成巨大的失败，浪费时间、金钱和资源。
此外，一些客户错误地认为部署生成式AI就像写几行代码一样简单。这可能对通用应用程序是正确的，但在制药这样的利基领域，AI需要更加复杂、多层次的方法。这些专门的用例要求超越基本AI系统的专业知识。
一些公司通过制药公司与AI系统提供商之间的战略伙伴关系实现了混合解决方案。在这种模式下，制药公司仍然在某些方面发挥作用，例如数据基础设施，以确保有正确的数据集输入到AI系统中。然后，AI提供商优化数据分析。这种方法允许公司对其专有数据保持控制，同时利用外部AI专业知识。这种模式变得越来越受欢迎——但在这一特定领域执行起来很困难，除非所有人都具备大量的行业知识。
最终，这就是为什么我们推荐“购买”方法，这样公司可以与行业专业人士合作，他们可以开发出满足个别公司需求的解决方案，甚至在这些公司意识到自己有这些需求之前。
选择合适的合作伙伴
即使他们确定要购买软件解决方案，制药公司可能也不确定如何找到符合其需求的合适供应商。同样，大多数这些公司已经部署了一些形式的生成式AI用于日常任务。但当他们超越简单的应用程序，进入更复杂的AI系统——比如整合多个制药数据集的医疗智能平台——事情变得更加复杂，选择正确的供应商至关重要。
我们行业的公司正在寻找能够将各种制药数据集整合到一个平台上的软件，该平台通过人工智能进行系统分析。这种方法不仅仅是向生成式AI模型提问；它提供结构化、多层输出，以满足特定行业的需要。这不是普通的生成式AI工具，由于我们所处理的问题的严重性，公司必须完全信任他们使用的系统。
因此，在选择AI系统时，公司必须考虑诸如安全性、平台成熟度和可扩展性等因素。尝试多个供应商也可以帮助确定哪个解决方案提供最高质量的输出，从而指导决策过程。
“好的购买”的好处
从行业内部人士的角度来看，我们认为购买有几个关键优势：
1. 更快的价值实现时间：购买加速了展示和实现结果的能力，这是我们所有人的最终目标。
2. 较低的所有权成本：内部构建伴随着间接成本、社会成本和运营负担。购买解决方案可以减少这些费用并简化运营。
3. 专注于创新：内部团队不必担心工具是否正常工作，而是可以专注于持续创新。在制药行业，创新是我们工作的核心。
4. 可扩展性和可靠性：评估解决方案是否可扩展并保持可靠至关重要；在购买解决方案时，可以在选择过程中预先进行这种评估。
5. 利用专业知识：购买允许制药公司发展其核心业务的深厚专业知识，而不是投资于已经由专业专家掌握得更好的技术。
专注于使命
“自建还是购买”的决策从根本上与公司的使命相关。对于制药公司而言，核心重点是尽可能高效地发现和交付创新药物。他们的工作是识别未满足的医疗需求，开发治疗方法，并确保这些治疗方法到达正确的患者手中。
现在，制药公司能否自建自己的AI系统？技术上是可以的。但他们应该这样做吗？可能不应该。为了社会的利益，他们的技能应该集中在药物发现和患者护理上，而不是AI开发。
明智的做法是利用由供应商创建的专业AI工具，这些供应商具有共享的行业知识，曾与其他公司合作并注意到共同的趋势和挑战。这使得制药公司能够专注于其核心使命，同时通过外部合作伙伴关系加速创新。这类似于建造飞机：你请工程师设计结构，但你不期望他们也创造颜色方案——那是由设计团队完成的。
关键是依靠外部专业知识来补充内部优势，确保更加专注和有效地关注真正重要的事情。
(全文结束)
