Simulazione orientata all’ipotesi come una bussola per navigare un futuro incerto

Simulazione orientata all'ipotesi una bussola per guidarti nel futuro incerto

Gli ultimi progressi nelle tecnologie basate sui dati hanno sbloccato il potenziale delle previsioni tramite intelligenza artificiale (IA). Tuttavia, prevedere in un territorio inesplorato rimane una sfida, dove i dati storici potrebbero non essere sufficienti, come avviene con eventi imprevedibili come le pandemie e le nuove interruzioni tecnologiche. In risposta, la simulazione orientata all’ipotesi può essere uno strumento prezioso che consente ai decisori di esplorare scenari diversi e prendere decisioni informate. La chiave per raggiungere il futuro desiderato in un’era di incertezza sta nell’utilizzare la simulazione orientata all’ipotesi, insieme all’IA basata sui dati per migliorare le decisioni umane.

Le analisi basate sui dati possono prevedere il futuro?

Negli ultimi anni, l’IA ha subito un viaggio trasformativo, alimentato da notevoli progressi basati sui dati. Al centro dell’evoluzione dell’IA si trova la straordinaria capacità di estrarre profonde intuizioni da enormi set di dati. La crescita dei modelli di apprendimento profondo e dei modelli di linguaggio estesi (LLM) ha spinto il settore in territorio inesplorato. La capacità di sfruttare i dati per prendere decisioni informate è diventata accessibile a organizzazioni di tutte le dimensioni e in tutti i settori.

Prendiamo l’industria farmaceutica come esempio. Da Astellas, utilizziamo dati e analisi per contribuire a determinare in quali portfolio aziendali investire e quando. Se stai sviluppando un modello di business focalizzato su un’area di malattia comune e ben compresa, il potere delle analisi basate sui dati ti consente di ottenere intuizioni su tutto, dalla scoperta di farmaci al marketing, che possono alla fine portare a decisioni commerciali più informate.

Tuttavia, mentre le analisi basate sui dati eccellono in settori consolidati con ampi dati storici, prevedere il futuro in territori inesplorati rimane una sfida formidabile. È difficile fare previsioni basate sui dati in aree dove i dati sufficienti non sono ancora disponibili, come aree in cui si è verificato un cambiamento straordinario o un’innovazione tecnologica (sarebbe molto difficile prevedere l’impatto di una pandemia improvvisa di un virus infettivo o la crescita dell’IA generativa su un determinato business nelle sue prime fasi). Queste situazioni sottolineano i limiti del fare affidamento esclusivamente sui dati storici per tracciare una direzione futura.

• ReactJS con ChatGPT Costruire l’AI conversazionale nelle tue applicazioni Web
• Sfruttare l’intelligenza artificiale per potenziare gli esseri umani nella cybersecurity
• I migliori 5 piattaforme e strumenti di apprendimento automatico basato su cloud

Un esempio tipico nell’industria farmaceutica e uno che Astellas affronta regolarmente, è la valutazione di innovazioni disruptive come la terapia genica e cellulare. Con così pochi dati disponibili, cercare di prevedere il valore esatto di queste innovazioni e il loro impatto a lungo termine sul portafoglio basandosi esclusivamente sui dati storici è come navigare attraverso una densa nebbia senza bussola.

Guardare nel futuro: simulazione orientata all’ipotesi

Un approccio promettente per navigare nelle acque dell’incertezza è la simulazione orientata all’ipotesi, che mimetizza i processi del mondo reale. Se sei un’azienda che si avventura in aree sconosciute, devi adottare un approccio orientato all’ipotesi quando i dati storici non sono disponibili. Il modello rappresenta come i fattori chiave nei processi influenzano i risultati, mentre la simulazione rappresenta come il modello si evolve nel tempo in diverse condizioni. Consente ai decisori di testare diversi scenari nel “mondo parallelo” virtuale.

Nella pratica, ciò significa presentare una serie di scenari chiave sul tavolo delle decisioni, ognuno con la propria probabilità e valutazione dell’impatto. I decisori possono quindi valutare scenari critici e formulare strategie future basate su queste simulazioni. Nell’industria farmaceutica, ciò richiede di fare ipotesi su una serie di fattori come tassi di successo degli studi clinici, adattabilità del mercato e popolazioni di pazienti. Si eseguono poi decine di migliaia di simulazioni per illuminare il percorso incerto e fornire intuizioni preziose per orientare il corso.

Presso Astellas, abbiamo sviluppato una simulazione orientata all’ipotesi, che crea scenari e fa una deduzione, per contribuire a prendere decisioni strategiche. Riusciamo a farlo aggiornando l’ipotesi della simulazione in tempo reale (al tavolo delle decisioni), il che aiuta a migliorare la qualità delle decisioni strategiche. La valutazione del progetto è uno dei temi in cui viene utilizzato il metodo di simulazione. Prima di tutto, si formulano ipotesi possibili su vari fattori, comprese, ma non limitate a, le necessità di mercato e la probabilità di successo degli studi clinici. Successivamente, basandosi su queste ipotesi, si simulano eventi che si verificano durante gli studi clinici o dopo il lancio del prodotto per generare i possibili risultati del progetto e il valore previsto. Il valore calcolato viene utilizzato per determinare quali opzioni dovremmo prendere, inclusa l’allocazione delle risorse e la pianificazione del progetto.

Per approfondire, esaminiamo un caso d’uso in cui il metodo viene applicato alla valutazione di progetti in fase iniziale. Data l’innata alta incertezza che accompagna i progetti di questa fase, ci sono molte opportunità per mitigare i rischi di fallimento e massimizzare le ricompense del successo. In parole semplici, più un progetto è in una fase iniziale del suo ciclo di vita, maggiore è il potenziale per prendere decisioni flessibili (ad esempio, aggiustamenti strategici, espansioni di mercato, valutazione della possibilità di abbandono, ecc.). Valutare il valore della flessibilità è quindi fondamentale per cogliere tutti i valori dei progetti in fase iniziale. Ciò può essere fatto combinando la teoria delle opzioni reali e il modello di simulazione.

Misurare l’impatto della simulazione orientata all’ipotesi richiede una valutazione sia dal punto di vista del processo che dei risultati. Indicatori tipici come la riduzione dei costi, l’efficienza temporale e la crescita del fatturato possono essere utilizzati per misurare il ROI. Tuttavia, potrebbero non catturare l’intera complessità delle decisioni, specialmente quando alcune decisioni comportano l’inazione. Inoltre, è importante riconoscere che i risultati delle decisioni aziendali potrebbero non essere immediatamente evidenti. Nel settore farmaceutico, ad esempio, il tempo medio tra gli studi clinici e il lancio sul mercato è superiore ai 10 anni.

Cioè, il valore della simulazione orientata all’ipotesi può essere misurato osservando come è integrata nel processo decisionale. Più i risultati della simulazione hanno un impatto sul processo decisionale, più alto sarà il suo valore.

Il Futuro dell’Analisi dei Dati

L’analisi dei dati è destinata a divergere in tre grandi tendenze: (1) Un approccio induttivo che cerca di identificare modelli nei grandi volumi di dati, operando sulla base dell’assunzione che i modelli trovati possono essere applicati al futuro che vogliamo prevedere (ad esempio l’IA generativa); (2) Un approccio analitico, che si concentra sull’interpretazione e comprensione di fenomeni dove non è possibile utilizzare dati sufficienti (ad esempio, l’inferenza causale); e (3) Un approccio deduttivo, che si basa su regole aziendali, principi o conoscenze per prevedere i risultati futuri. Funziona anche quando si dispone di meno dati (ad esempio, una simulazione orientata all’ipotesi).

I LLM e altre analisi guidate dai dati sono pronte a espandere significativamente le loro applicazioni pratiche. Hanno il potenziale per rivoluzionare il lavoro accelerando, migliorando la qualità e in alcuni casi persino svolgendo il lavoro umano. Questo spostamento trasformativo consentirà alle persone di concentrare i propri sforzi su aspetti più importanti del loro lavoro, come il pensiero critico e la presa di decisioni, anziché attività più lunghe, come la raccolta/organizzazione/analisi/visualizzazione dei dati, nel caso degli analisti dei dati. Quando ciò accade, aumenterà l’importanza di quale direzione prendere, con un focus sull’integrazione delle decisioni umane. In particolare, la tendenza sarà quella di utilizzare l’analisi dei dati e la simulazione per il processo decisionale strategico, gestendo le incertezze future da una prospettiva di VoAGI a lungo termine.

In sintesi, raggiungere un equilibrio armonioso tra le tre approcci sopra citati massimizzerà il vero potenziale dell’analisi dei dati e consentirà alle organizzazioni di prosperare in un panorama in rapida evoluzione. Sebbene i dati storici siano un enorme patrimonio, è importante riconoscerne i limiti. Per superare questa limitazione, abbracciando la simulazione orientata all’ipotesi insieme a un approccio guidato dai dati, le organizzazioni possono prepararsi per un futuro imprevedibile e assicurarsi che le loro decisioni siano basate sulla preveggenza e la prudenza.