作为诺和诺德研发部门的负责人，Marcus Schindler 正在领导公司努力拥抱外部创新，并通过AI作为强大催化剂扩展到新的治疗领域。在本期《尤里卡！》中，麦肯锡生命科学研发创新播客的主持人Navraj Nagra和Alex Devereson与诺和诺德执行副总裁兼首席科学官Marcus Schindler进行了对话。他们讨论了诺和诺德如何增强其外部创新能力并进入新的治疗领域，还探讨了他如何在整个研发组织中嵌入AI，建立诺和诺德作为AI生态系统领导者（在波士顿及更广泛地区）的地位，并最终借助AI从治疗疾病转向治愈疾病。
在快速成长和扩张期间的领导
Navraj Nagra: 你在诺和诺德的重点是什么？
Marcus Schindler: 我被聘用来创建外部创新能力。当时，诺和诺德几乎没有合作伙伴。我们的CEO Lars Fruergaard Jørgensen认为，尽管诺和诺德在糖尿病等小众疾病领域取得了成功，但他希望将公司提升到更高水平。我们需要开放心态，更加关注他人发明的技术及其工作方式。在我之前的角色中，我与外部世界有很多合作，因此对此非常熟悉并感兴趣将我的专业知识带到诺和诺德。我的使命是双重的：引入外部创新并帮助公司扩展到糖尿病以外的治疗领域，我们正在这样做。
Navraj Nagra: 诺和诺德在过去几年中增长迅速。你是如何与其他领导者管理这种变化并保持专注的？
Marcus Schindler: 首先，我们明确了我们是谁，我们想成为谁，以及我们希望为制药行业及更广泛领域做出什么贡献。我们试图解决复杂的健康相关社会问题，重点关注少数几种疾病。这是我对我们的工作的外部和内部表达方式。增长是次要的好处。由于我们将肥胖症——一种几十年来未得到满足的重大医疗需求——转变为可治疗的条件，我们取得了巨大的财务成功。这在我们的有生之年并不常见。我们在不降低科学标准的情况下实现了这一点。有许多机会我们可以追求，但这并不意味着我们应该。这需要很多纪律和很多说“不”的勇气。
此外，在研发方面，我们设定了每年10%的人力增长率限制，以确保我们成功整合新员工，发挥他们的最佳能力，并帮助他们建立强大的网络。这对新加入的人和已经在组织中的人都是时间和精力的投入。给人们这样的时间至关重要。最后，我们是一家主要由基金会拥有的公司，因此我们具有长期视野。我们拥有非常强烈的价值观，包括所谓的三重底线。我们对多个方面负责：患者、可持续性、环境和财务绩效，这些都融入了我们所有的决策中。最终，我们保持专注、纪律严明并忠于自己。
在整个研发中嵌入AI工具和能力
Alex Devereson: AI和机器学习在诺和诺德的研发中达到了什么程度？
Marcus Schindler: 诺和诺德的自动化和数字化大潮非常新近。2018年我加入时，我们才刚刚开始数字化实验室记录。我们从基础开始，建立了遗传学部门，然后开发了分析能力和计算能力。这使我们能够考虑如何利用数字化和机器学习。手持式、非结构化的努力在组织的各个部分不断增长，解决了特定用户的特定需求。
几年前，我们决定制定一个适合我们目的的数字战略。那时我们甚至还没有谈到生成式AI（Gen AI）。我们创建了一个处理数字信号和创新的组织。通过该组织，我们聘请了我们缺乏的技能人才。它真正成为了我们的驱动力，带来了许多兴奋和活力。但这也面临着定义自己的挑战：它是服务组织还是创新驱动者？答案是两者皆是。这是一个不断学习的过程，但当我回顾我们今天的能力和合作伙伴关系时，我们已经取得了很大的进展。
我个人需要保持谦虚，愿意从头学习——例如，通过阅读《人工智能入门》。对于高级领导者来说，承认我们并不知道一切但愿意学习和倾听，并围绕自己建立比我们更聪明的人才团队是非常重要的。
Alex Devereson: 你是如何发展团队的技术能力并推广AI和数字化的工作方式的？
Marcus Schindler: 在我们的行业及其他领域，AI和Gen AI是巨大的机遇，但正如许多其他革命性技术一样（例如，2000年代初的重组技术和遗传学），它们很难完全实施，需要时间才能顺利落地。我们对最初的承诺进行了压力测试，经历了一些失望，并高估了它的效果。随着时间的推移，我们学会了如何创建真正的敏捷组织，而不是重复旧的错误和建立新的孤岛。
我们在研发中开始了数字科学部门，最初有250人，现在全球约有2500人。但我们期望组织中的每个人都变得擅长这两方面。如果你是一个优秀的化学家或生物学家，你也需要了解Gen AI并掌握数字技术。人类智能将继续在提出我们要解决的生物学医学问题方面发挥作用。这比我们想象的要难得多。从一开始，我们就致力于创造一种统一的工作文化，而不是专注于组织。无论我们做什么，AI都会渗透其中。
许多AI工具正在迅速被采用。ChatGPT达到1亿用户的速度超过了任何以前的平台。我们正在采用我们自己的ChatGPT版本，但我们也有一些雄心壮志。其中之一是在药物发现过程中不进行动物实验。没有AI的帮助，我们无法实现这些目标。
另一个例子是，目前我们平均需要1500天从药物进入管道到人体试验，再到市场可能需要十年时间。后COVID-19时代，我们的目标是在500天内进行临床试验。这不可能通过传统实验实现，但可以通过AI更快地迭代。
通过AI探索疾病的新机会
Alex Devereson: 你们在AI和机器学习方面克服了哪些障碍，这些技术到目前为止最大的影响在哪里？
Marcus Schindler: 这是一个典型的变革管理案例。一些新颖的事物出现——在这种情况下是数字化和Gen AI——我们无法直接控制，因为它们仍然主要掌握在科技行业手中。因此，我们正在密切关注这一领域，尝试理解它对我们意味着什么。由于其潜在的效率提升，它看起来对企业和个人构成了威胁，因为它可能会在未来消除某些角色。那么问题就变成了——人类如何通过学习和适应来执行只有我们能做的事情，让机器去做它们做得更好的事情？这不会一夜之间发生。我们正在大量投资培训和教育，其中一些是强制性的，但我们还可以提供更多，因为增加人们对这些技术的理解可以减轻他们的焦虑，从而加速采用。
但这并没有结束，因为机器仍然需要证明它可以做有用的事情。当生物技术公司开始将完全基于AI机器学习的分子投入临床试验时，有些失败了，人们说：“我早就告诉过你；我们需要回去。”但这些只是第一批，它们会学习。我们需要不断管理期望。
一旦我们决定准备好拥有或共同驱动AI解决方案，我们就创建了一些非常酷的合作和伙伴关系。例如，我们与微软合作，使用自然语言处理更深入地了解动脉粥样硬化等疾病。我们还与其他公司在更具体的问题上进行合作。
我认为机器将创造一个新的现实。这将不是我们能理解的人类现实，而是机器学习的现实。也许我们永远无法理解机器是如何得出结论的，但它将揭示疾病的真正本质。想想面部识别：机器现在比我们更准确地识别任何动物。如果将其应用于疾病，这将是深刻而革命性的。
在生态系统参与中利用竞争优势
Navraj Nagra: 诺和诺德如何在这个领域保持竞争优势？
Marcus Schindler: 首先，诺和诺德代表着质量。我们的数据质量和质量机制非常好。我们可能以运行最多和最大规模的心血管结局试验而闻名。我的同事在后期开发中以极高的精度进行这些试验，并取得令人惊叹的结果。这带来了一个我们通常可以独享的惊人数据集。现在我们正在构建一个包含所有临床和临床前试验数据的数据基础——不仅仅是随机收集的“浑浊汤”，而是高质量的数据，我们可以真正进行探究。构建这个数据基础花费了我们一段时间，但绝对值得。
其次，作为一家由基金会拥有的公司，我们具有长期视野。我们不仅仅是为了季度业绩，尽管这些当然也很重要。我们正在解决一些更大的问题，这可能需要几年甚至十年的时间才能见效。我加入诺和诺德的一个原因是希望留下一份可以让其他人继续完成的工作遗产。
简而言之，除非我们变得自满，但没有证据表明我们会这样，我们的高质量数据、我们的工作方式以及我们作为公司的身份将帮助我们保持优势。
Navraj Nagra: 参与AI生态系统有哪些好处，你学到了什么？
Marcus Schindler: 合作伙伴关系为我们提供了一个游乐场，让我们培养好奇心和开放性。与微软的合作是我们最早的项目之一，但我们也与其他公司有不同的合作。这关乎共创——我们如何创造一个单独都无法实现的东西。
共同制定宣言可以指导合作行为。有时我们会面临严峻的现实，事情会出错，情绪高涨。退一步，提醒自己我们为什么走到一起是很重要的。这有助于我们实践好奇心、开放性和慷慨的行为，让每个人都能贡献，甚至有时犯错。
Navraj Nagra: 2023年，诺和诺德开始在波士顿（一个成熟的生物技术和技术生态系统）集中其研发业务。你希望通过这一举措实现什么？
Marcus Schindler: 我们不能不在波士顿存在。尽管数字通信有了很大进步，但在生态系统和社区中的物理存在仍然有意义，因为它支持人际互动，建立信任和相互理解。这是灵感和潜在合作的来源，不仅涉及我们正在使用的疾病和技术，更重要的是，涉及我们未来应该使用的那些技术。
(全文结束)
