L’intelligenza artificiale nel settore delle life science sta entrando in una fase nuova. Dopo l’entusiasmo iniziale e una lunga stagione di sperimentazioni, cominciano a emergere applicazioni capaci di affrontare problemi concreti e misurabili. Per Chris Moore, presidente di Veeva Europe, il 2026 è “l’anno in cui l’AI è diventata reale” anche sul versante commerciale dell’industria farmaceutica.
Il cambiamento non riguarda soltanto l’automazione di attività esistenti. Sta prendendo forma un modello che Veeva definisce agentic commercial: un ecosistema nel quale agenti intelligenti affiancano pazienti, professionisti sanitari e aziende farmaceutiche, rendendo più immediato l’accesso a informazioni affidabili e trasformando ogni interazione in un possibile segnale operativo.
“L’AI sta uscendo dall’hype cycle e stiamo entrando in una fase davvero significativa”, spiega Moore. La prospettiva, nel tempo, è quella di strumenti utilizzati tanto dai pazienti quanto dai medici per il primo orientamento, la ricerca di informazioni e alcune attività ripetitive. L’automazione, tuttavia, non sostituisce necessariamente il professionista: nei casi che escono dai criteri prestabiliti, il processo deve tornare sotto il controllo umano.
Dall’autodiagnosi online al “medico AI”
Il punto di partenza è un comportamento già molto diffuso: cercare online i sintomi prima di rivolgersi a un medico. La differenza, oggi, è che quell’esperienza frammentaria può evolvere in un’interazione strutturata, alimentata da fonti cliniche, immagini diagnostiche e profili terapeutici. Moore cita gli investimenti di Google, Anthropic, OpenAI e Amazon in assistenti sanitari basati sull’AI e prevede che questi strumenti diventeranno di uso comune sia per i pazienti sia per i professionisti.
La spinta nasce anche da uno squilibrio particolarmente evidente in Europa: la domanda di assistenza supera la capacità disponibile. Una parte del triage iniziale e delle attività ricorrenti può essere automatizzata, liberando tempo clinico per i casi complessi. Come segnale di questa evoluzione – e non come iniziativa Veeva – Moore cita il programma pilota dello Utah con Doctronic, nel quale l’AI gestisce richieste di rinnovo per prescrizioni ripetitive, come quelle per le statine, entro criteri prestabiliti e con la supervisione di medici. I casi che richiedono ulteriori accertamenti vengono trasferiti a un professionista.
Non è soltanto una questione di efficienza sanitaria. Se una domanda terapeutica viene posta a un agente nel momento stesso in cui nasce, anche il rapporto tra industria, medico e paziente cambia. L’azienda farmaceutica deve essere in grado di fornire contenuti, dati e approfondimenti affidabili proprio in quel momento. Per Moore, l’agentic commercial nasce qui: dalla possibilità di sostenere una decisione con informazioni attendibili nel punto esatto del percorso in cui servono.
Dalle conversazioni agli insight operativi
Il concetto centrale nella visione di Veeva è quello di Commercial Evidence, denominazione con cui l’azienda indica le informazioni ricavate dalle interazioni tra informatori scientifici, professionisti sanitari, pazienti e imprese del farmaco e trasformate in insight operativi. Servono a comprendere e rimuovere gli ostacoli che rallentano l’adozione di una terapia.
Per anni, i resoconti delle visite sul campo sono stati affidati soprattutto a moduli, menù e caselle da selezionare. Un sistema semplice da controllare, ma poco adatto a restituire le sfumature di una conversazione. Il risultato è che molte informazioni utili – per esempio la necessità di un test diagnostico, un problema nel percorso terapeutico di una struttura o un dubbio ancora irrisolto – restano invisibili.
Con l’Agentic Call Report di Vault CRM, l’informatore scientifico può invece dettare il resoconto al termine dell’incontro. L’AI lo aiuta a completarlo e a trasformare il linguaggio naturale in insight strutturati, nel rispetto delle regole definite dall’azienda. Non si tratta più di comprimere un colloquio in una sequenza di caselle, ma di coglierne il significato, senza acquisire informazioni che non devono entrare nel CRM, come dati personali dei pazienti o riferimenti non consentiti.
La funzione è già disponibile, precisa Moore, e restituisce suggerimenti e richieste di integrazione mentre il resoconto viene compilato. Il valore non sta soltanto nella trascrizione: il sistema deve riconoscere che cosa, all’interno del racconto, può diventare un’azione per l’organizzazione e che cosa deve invece essere escluso. È la risposta a una preoccupazione storica del settore: che nel CRM finiscano discussioni su usi non approvati dei farmaci o informazioni riferibili a singoli pazienti.
I primi risultati hanno sorpreso la stessa Veeva. Secondo i dati citati da Moore e ricavati dalle aziende che hanno adottato per prime la soluzione, il 65% dei resoconti generati con questa modalità fa emergere barriere al trattamento sulle quali è possibile intervenire. Può trattarsi della necessità di un esame diagnostico, di test preliminari o di una difficoltà specifica nel percorso terapeutico di una struttura. “Erano informazioni di valore, nascoste sotto gli occhi di tutti”, osserva. Un compito percepito come amministrativo diventa così una fonte di conoscenza immediatamente utilizzabile.
Queste informazioni possono poi rientrare nel ciclo dell’engagement. Ciò che viene raccolto sul campo non resta archiviato nel resoconto, ma alimenta la preparazione delle interazioni successive e la produzione dei contenuti necessari per sciogliere il dubbio. È questo passaggio, dalla registrazione all’azione, a cambiare il rapporto tra forza vendita, azienda e professionista sanitario.
Risposte nel momento del bisogno
L’altra componente di questa strategia è Ostro, piattaforma di engagement acquisita da Veeva nel marzo 2026 e già utilizzata negli Stati Uniti da oltre 50 brand. Attraverso un’interfaccia conversazionale, pazienti e professionisti sanitari possono porre domande su un sito di prodotto e ricevere risposte tratte da materiali preventivamente approvati.
La differenza rispetto a un sito tradizionale o a una e-mail approvata è rilevante. In entrambi i casi la relazione è stata finora prevalentemente unidirezionale: l’azienda pubblica informazioni e lascia all’utente il compito di trovare quelle utili. Con un’interfaccia conversazionale, invece, il medico o il paziente può chiedere, per esempio, come accedere a un programma di rimborso, come gestire il copay o dove trovare una determinata risorsa. Se la risposta è già disponibile entro il perimetro autorizzato, viene restituita subito. Se la domanda esce da quel perimetro, il sistema non improvvisa: segnala un vuoto informativo che l’azienda può colmare. Se non è possibile rispondere nell’immediato, resta la possibilità di inviare successivamente un’e-mail con il collegamento al contenuto corretto.
È un passaggio importante soprattutto nei punti in cui la complessità amministrativa rischia di interrompere il percorso del paziente. L’obiettivo, dice Moore, è “ridurre il tempo necessario a comprendere le dinamiche, accelerare le interazioni e aiutare i pazienti a ricevere il trattamento giusto al momento giusto”.
Moore richiama il caso statunitense, dove – secondo la stima da lui citata – fino al 30% delle prescrizioni non viene ritirato. Il paziente può arrivare in farmacia, scoprire il costo o incontrare un problema di copertura e rinunciare al trattamento. Una risposta tempestiva su rimborso, compartecipazione o procedura di accesso può quindi incidere su una scelta concreta: iniziare la terapia oppure abbandonarla. Allo stesso tempo, le domande raccolte mostrano alle aziende quali informazioni mancano e dove il percorso del paziente si interrompe.
Le due fonti informative si completano. Vault CRM intercetta ciò che emerge nel dialogo fra informatore scientifico e professionista sanitario; Ostro rileva le domande poste direttamente da medici e pazienti sui canali digitali del brand. Riunire questi segnali significa accorciare il tempo che separa l’emergere di un ostacolo dalla risposta dell’azienda.
Ostro è oggi disponibile negli Stati Uniti. Veeva sta lavorando per portarlo in Europa nel 2027, adattandolo a un contesto nel quale cambiano sia le regole di interazione con i pazienti sia i meccanismi di identificazione dei professionisti sanitari. Vault CRM e le sue funzioni di reportistica agentica hanno invece una portata globale.
In questo scenario rientrano anche le farmacie. “In molti casi stanno diventando una forma di assistenza primaria”, sottolinea Moore, contribuendo ad alleggerire il carico dei medici. Quando Veeva parla di professionisti sanitari, dunque, include anche farmacisti e personale infermieristico, oltre ai medici.
Il punto di svolta: una soluzione utilizzabile su scala industriale
La risposta del settore a questa impostazione, racconta Moore riferendosi al Commercial Summit nordamericano di Veeva, è stata molto positiva. Dopo anni nei quali tutti chiedevano AI senza riuscire sempre a spiegare quale beneficio concreto dovesse produrre, l’Agentic Call Report è apparso come la soluzione pratica a un problema noto: i resoconti tradizionali frustrano gli informatori, che faticano a restituire ciò che è realmente accaduto, e privano le aziende di insight che Moore definisce la loro “linfa vitale”. Il dato del 65% ha costituito il momento di svolta perché ha quantificato la conoscenza rimasta fino ad allora inutilizzata.
L’altro elemento decisivo è la possibilità di distribuire la soluzione su larga scala. Non più una prova circoscritta a un brand, un mercato o un singolo progetto, ma una capacità incorporata nella piattaforma e adattabile alle regole di ciascuna impresa. Nelle life science, infatti, le aziende possono interpretare in modo leggermente diverso i requisiti regolatori e di compliance. Il sistema deve riflettere queste differenze in fase di configurazione, non limitarsi ad applicare un modello generico.
Allucinazioni, bias e conformità: i confini dell’AI
In un settore regolamentato come quello farmaceutico, velocità e fluidità non bastano. La qualità della risposta e la tracciabilità delle fonti sono condizioni essenziali. La strategia illustrata da Moore parte perciò dalla limitazione degli input e dalla definizione di un contesto controllato.
In Vault CRM, l’AI opera sui dati e sui contenuti dell’azienda, tenendo conto delle sue regole di compliance. Con Ostro, le risposte provengono da materiali approvati secondo i processi medico-legali e regolatori. “Se per ottenere una risposta più accurata servono un paio di secondi in più, pensiamo che ne valga la pena”, afferma Moore.
Sono due modalità diverse di controllo. Nel call report il compito dell’AI è molto focalizzato e il perimetro è costituito dai sistemi, dai contenuti e dalle policy dell’azienda. Nell’engagement conversazionale lo spazio delle domande è più ampio: occorre quindi osservare ciò che medici e pazienti chiedono, costruire risposte approvate per i nuovi quesiti e ampliare rapidamente la base informativa. Anche l’assenza di una risposta diventa un dato utile, perché rivela una necessità non ancora coperta.
Il problema diventa più complesso quando ci si sposta verso strumenti generalisti usati da medici e pazienti. Qui il ruolo dell’industria, secondo il manager, sarà anche quello di rendere disponibili ai modelli contenuti clinici affidabili e ben documentati. Non significa “influenzare” un algoritmo con messaggi promozionali, ma assicurare che studi, dati scientifici e indicazioni attendibili possano essere trovati e valutati.
Moore usa un’espressione volutamente provocatoria: in futuro un’azienda farmaceutica dovrà pensare a come “rivolgersi ai large language model” oltre che al medico e al paziente. Se un sistema conversazionale partecipa alla ricerca di informazioni sanitarie, deve poter riconoscere studi clinici solidi, fonti autorevoli e dati aggiornati. Tutti i produttori cercheranno però di rendere visibili i dati a sostegno dei propri trattamenti; sarà quindi il modello, insieme alle regole cliniche e alla supervisione umana, a dover confrontare terapie concorrenti e valutarne l’appropriatezza per il singolo caso.
Resta inoltre decisivo il contributo umano. Esperti, key opinion leader, congressi scientifici e linee guida continueranno a orientare i percorsi terapeutici. Anzi, in un ambiente informativo più rumoroso, la loro capacità di esaminare criticamente le fonti potrebbe diventare ancora più importante.
Eventi come l’ASCO Annual Meeting, osserva Moore, non perdono quindi rilevanza. Possono acquistarne di più: tra una quantità crescente di dati e contenuti generati o mediati dall’AI, agli esperti spetta il compito di stabilire linee guida, percorsi e trattamenti preferibili nei diversi scenari. Il futuro immaginato da Veeva non dipende da una sola fonte, ma dalla combinazione tra dati accessibili agli assistenti AI e indicazioni costruite dalla comunità scientifica.
Campagne da settimane a ore
L’impatto dell’AI non si ferma alla raccolta degli insight. Riguarda anche la velocità con cui l’industria riesce a produrre e approvare i contenuti necessari per rispondere. Le campagne life science, ricorda Moore, sono state tradizionalmente costruite con strumenti generalisti da configurare programma per programma, con il coinvolgimento di agenzie e specialisti. Il processo può richiedere settimane e, nei casi più complessi, mesi.
Veeva punta a ridurre questo intervallo a minuti o ore attraverso campagne già progettate per le esigenze del settore e funzioni di AI generativa applicate alla revisione e all’approvazione dei materiali. Il traguardo più ambizioso è arrivare a creare una risposta nel momento in cui emerge la domanda e, in prospettiva, sviluppare contenuti e campagne per il singolo medico o paziente, mantenendo la conformità lungo l’intero processo.
Moore precisa che questa personalizzazione istantanea non è ancora pienamente disponibile. Richiede un ecosistema nel quale dati, contenuti, canali e interazioni risiedano su una piattaforma comune e l’AI comprenda il contesto specifico delle life science. È però la direzione di marcia: passare da campagne statiche, pianificate molto in anticipo, a una comunicazione capace di adattarsi ai bisogni osservati quasi in tempo reale.
La visione tiene insieme quattro componenti che in passato sono state spesso separate: il digitale, per comprendere le interazioni attraverso programmi e campagne; gli agenti, per dialogare con il mondo esterno e riportare informazioni; le persone sul campo, depositarie di insight raccolti nelle relazioni con gli HCP; e i contenuti, da creare, approvare e distribuire. L’AI acquista valore solo quando questi elementi condividono dati e contesto.
Agenti connessi, ma senza inseguire l’hype
Un altro tema emergente è la comunicazione tra agenti. Veeva intende supportare protocolli aperti come il Model Context Protocol (MCP), ma Moore invita a non trasformare l’architettura agent-to-agent in un obiettivo in sé. I protocolli sono ancora giovani e, in alcuni casi, possono introdurre lentezza e consumare molti token.
Per questo l’azienda vuole affiancare all’interoperabilità una “corsia veloce” attraverso X-Pages. Un’impresa può mettere i dati a disposizione dei propri strumenti o data warehouse, oppure consentire a un agente esterno di accedere direttamente alle funzioni del CRM. Evitare una catena di agenti che si interrogano a vicenda può ridurre sia la latenza sia il numero di token consumati. “A volte l’agent-to-agent sarà la soluzione giusta; in altri casi, un accesso nativo è più veloce, pulito ed efficiente”, sintetizza Moore. È un esempio di come l’implementazione concreta possa differire dalla narrazione più alla moda.
Il nodo dei costi
Anche il costo computazionale va riportato al valore prodotto. L’uso crescente dell’AI può rendere difficile prevedere la spesa, soprattutto quando questa dipende dai prezzi fissati dai fornitori dei modelli. In Vault CRM, Veeva risponde includendo fino al 2030 una dotazione di token, condivisibile fra gli utenti dell’azienda e dimensionata, nelle intenzioni del fornitore, per coprire il fabbisogno ordinario.
Per altre applicazioni il consumo è a pagamento. Moore cita il caso di PromoMats, dove il prezzo indicato è di 10 dollari per milione di token: nella revisione automatizzata dei contenuti promozionali, la stima è di circa un dollaro per documento. Il confronto rilevante, a suo giudizio, non è con un’AI gratuita, ma con il costo e il tempo di una revisione manuale.
Il ragionamento riflette un problema più ampio del settore, nel quale molte competenze qualificate sono scarse. Se l’AI assorbe la parte amministrativa e ripetitiva, professionisti altamente specializzati possono dedicarsi ad attività a maggior valore. Il ritorno non si misura dunque solo nella riduzione dei costi, ma nella capacità di velocizzare processi che altrimenti diventano colli di bottiglia per l’accesso ai trattamenti.
È la stessa logica che Veeva applica, su un altro versante, a iniziative come Falcon per le attività di sviluppo clinico, regolatorio e di sicurezza: usare “lavoro agentico” per alleggerire operazioni ripetitive e lasciare alle persone qualificate le decisioni che richiedono competenza. Nel commerciale, insiste Moore, il vantaggio economico dell’automazione dovrebbe superare nettamente il costo dei modelli.
Più accesso, maggiore competizione sulla qualità
La conseguenza più interessante potrebbe riguardare la competitività del settore. Se informazioni e confronti diventano disponibili più rapidamente, le terapie innovative possono superare prima gli ostacoli legati alla scarsa familiarità, alla complessità prescrittiva o alla difficoltà di individuare i pazienti adatti. “In un mondo nel quale è possibile analizzare tutti questi dati, vince il prodotto migliore”, sostiene Moore.
È una visione particolarmente rilevante per le terapie mirate e le malattie rare, dove il numero degli specialisti è limitato e l’abbinamento tra paziente e trattamento è spesso difficile. Risposte tempestive e insight più precisi possono rendere l’accesso alla conoscenza meno dipendente da cicli informativi lenti, visite distanziate di mesi o congressi periodici.
Come esempio, Moore indica l’epilessia. In alcuni casi una terapia di seconda generazione, combinata con un farmaco precedente, può produrre risultati migliori, ma la prescrizione è più complessa perché molecole e combinazioni cambiano in funzione del paziente. Un supporto capace di mettere rapidamente a disposizione criteri, confronti e risposte può ridurre la tendenza a tornare automaticamente alla soluzione già conosciuta.
In generale, quando una nuova terapia arriva sul mercato incontra una barriera naturale: è meno familiare e può richiedere un percorso diverso. Se dubbi e problemi non vengono affrontati, le persone tendono a scegliere ciò che già conoscono. L’automazione delle informazioni e delle risposte può accelerare l’adozione quando il nuovo trattamento offre effettivamente un beneficio comparativo.
La stessa logica vale su scale molto diverse: dai trattamenti ampiamente utilizzati, come statine e farmaci contro l’obesità, fino alle terapie rivolte a popolazioni molto ristrette. Nel secondo caso, individuare i pazienti adatti è difficile anche perché gli esperti sono pochi. L’AI potrebbe aiutare a distribuire meglio la conoscenza specialistica e ad abbinare più rapidamente profili clinici e opzioni terapeutiche, senza eliminare la decisione del medico.
Secondo Moore, guardando indietro apparirà lento un modello nel quale le informazioni arrivano attraverso visite umane ogni tre o sei mesi e attraverso il congresso successivo. La democratizzazione non consiste nel togliere valore a quelle relazioni, ma nel rendere disponibili prima le risposte e nel far emergere più rapidamente i benefici comparativi. La sua speranza è che, riducendo gli attriti informativi, la competizione premi maggiormente l’efficacia del prodotto.
La promessa dell’AI agentica nel pharma, in definitiva, non è avere più tecnologia, ma ridurre l’attrito lungo il percorso di cura. Il banco di prova sarà la capacità di farlo su larga scala senza indebolire compliance, accuratezza e responsabilità umana. “Stiamo vedendo l’AI agentica diventare adulta”, conclude Moore. “Se riusciamo a utilizzare queste informazioni per rendere le interazioni più efficaci, possiamo aiutare a offrire ai pazienti trattamenti migliori e più mirati, con un impatto positivo sulla società”.
