报告行业投资评级 - 报告未明确给出行业投资评级 报告的核心观点 - 生成式人工智能正在为医疗技术行业带来变革性影响 行业已从探索潜力转向价值实现阶段[54] - 孤立使用AI和生成式人工智能可能无法驱动变革性效益 医疗技术公司需要采用“珍珠串”方法 将多个工作流程与生成式人工智能、其他AI、数据及数字技术串联起来 以改造整个流程[17][55] - 医疗技术行业正处在一个拐点 规模化应用AI和生成式人工智能以实现转型至关重要 行业应考虑进行“大胆尝试” 将这些技术整合到运营中[24] - 德勤研究显示 尽管生成式人工智能已开始创造价值 但其潜力远未完全发挥 许多公司可能只利用了不到10%的潜力[31][33] 行业现状与价值实现 - 57%的受访领导者表示其组织正在实施或规模化生成式人工智能用例或“速赢”项目 这些项目已在各职能部门带来效益 生成式人工智能的采用速度也加速了其他AI技术的使用[62] - 近三分之一的受访领导者表示已在各职能部门从AI和生成式人工智能中实现了价值 另有三分之一预计在未来两到三年内将在大多数职能部门实现价值[41] - 受访者报告其组织从AI和生成式人工智能中实现最大价值的领域是产品开发和IT及网络安全 其中产品开发占比42% IT及网络安全占比35%[50][65] - 在商业运营中 AI可帮助分析销售和客户数据 为销售团队提供下一步最佳互动建议并提高转化率 利用AI驱动平台可加速营销和销售内容的创建、审核和部署 从而削减营销支出[41] - 在数字化供应链中 AI可自动化供应商检查和质量事件管理等活动 同时优化库存管理、分销和仓储 为实现净零排放目标 AI可提供优化资本投资、能源使用以及成本效益化减排的见解[42] - 在财务方面 AI可作为业务领导者的自助服务伙伴 支持敏捷的财务决策 例如 为预算规划提供情景分析等复杂财务见解的快速访问 使用AI和高级分析持续监控财务数据也有助于发现宝贵的投资和节约机会 从而改善利润率[42] 生成式人工智能的具体应用案例 - 产品开发中的生成式人工智能用例包括：研究文档生成、临床研究总结和洞察生成、科学写作[7] - IT和网络安全中的生成式人工智能用例包括：数据管理、从非结构化企业数据源生成报告、自动调试[7] - 商业职能中的生成式人工智能用例包括：优化营销内容创作、关键意见领袖观点总结[7] - 供应链和制造中的生成式人工智能用例包括：库存优化、质量事件管理、产品跟踪和交付[7] - 财务职能中的生成式人工智能用例包括：收款自动化、财务洞察生成、并购尽职调查[7] - 人力资源及其他内部服务中的生成式人工智能用例包括：医疗、法律和监管审查、人力资源门户内容创建、培训内容创建、使内容和沟通更具包容性[7] - 西门子医疗通过开发AI驱动的数字资产管理库 使其6万名员工能够搜索、使用和重复使用数字资产 此举通过减少购买新数字资产的需求 估计为公司节省了350万欧元[52] - 强生公司利用AI转型和现代化其人力资源运营 AI驱动模型根据行业趋势、绩效和职业发展预测员工流失率 机器学习应用于人力资本数据以评估劳动力技能状况 并帮助为员工创建个性化发展计划和学习课程[52] - Meticuly公司使用AI和3D打印在2至7天内交付定制医疗植入物 其机器学习算法分析患者的自然骨骼结构 包括任何缺陷或不规则性以及受影响区域 以设计出可减少术中挑战可能性的定制植入物[52] 成本效率潜力分析 - 通过有效部署生成式人工智能和其他AI技术 医疗技术公司可实现占收入6%至12%的成本效率 包括成本降低、成本规避和其他效益[13] - 对于一个年收入在200亿至260亿美元的大型医疗技术公司而言 在未来两到三年内通过跨职能部门实施AI 可能实现12亿至32亿美元的成本效率[13] - 总体而言 调查受访者预计AI和生成式人工智能将在未来两到三年内使销售、一般及行政管理成本降低7%至19% 这将使商业和共享服务职能部门受益 对于一个大型医疗技术公司 这意味着通过效率提升和供应商成本优化 估计可节省高达15亿美元[45] - 大型医疗技术公司通过在供应链和制造中应用AI于预测性维护、合同创建和供应商管理等活动 可在销售成本上节省高达14亿美元 节省幅度为5%至12%[45] - 应用AI和生成式人工智能可节省高达20%的研发成本 对于一个大型医疗技术公司而言 这相当于在未来两到三年内节省3亿美元[46] 规模化应用人工智能的关键构建模块 - 制定战略蓝图：将AI投资与总体业务目标挂钩 并专注于3到5个高价值机会领域来规模化AI[34][37] - 建立运营结构：建立可衡量的AI目标 并可能建立一个卓越中心 以协调投资和资源 支持优先的AI和生成式人工智能用例[34][38] - 关注价值实现：采取严谨的方法来评估、批准和采用AI及生成式人工智能 以确保价值 包括创建衡量结果的机制 以及向相关利益相关者阐述企业价值故事[20][34] - 创建技术和规模化能力：选择合适的技术平台以利用大语言模型 同时建立生态系统合作伙伴关系以规模化AI和生成式人工智能[20][35] - 建立新的工作方式：强调AI在增强人类能力方面的作用 并开发培训计划以提高AI素养和优化工作流程[20][35] - 促进负责任的AI使用：建立治理机制以解决数据隐私、安全和偏见问题 并促进AI的负责任和符合道德的部署[20][36]