Η Τεχνητή Νοημοσύνη (Artificial Intelligence, AI) αποτελεί μία από τις σημαντικότερες τεχνολογικές εξελίξεις της σύγχρονης εποχής, μεταβάλλοντας τον τρόπο λειτουργίας των επιχειρήσεων και ενισχύοντας τις δυνατότητες αυτοματοποίησης, ανάλυσης δεδομένων και υποστήριξης της λήψης αποφάσεων. Ο φαρμακευτικός κλάδος αποτελεί ιδιαίτερα σημαντικό πεδίο εφαρμογής της AI, καθώς χαρακτηρίζεται από υψηλή πολυπλοκότητα, αυστηρές κανονιστικές απαιτήσεις, μεγάλους όγκους δεδομένων και αυξημένες απαιτήσεις ως προς την ποιότητα, την ασφάλεια και την αποτελεσματικότητα των προϊόντων.

Οι εφαρμογές της AI εκτείνονται σε ολόκληρο τον κύκλο ζωής του φαρμάκου, από την ανακάλυψη και ανάπτυξη νέων δραστικών ουσιών έως τις κλινικές δοκιμές, τη φαρμακευτική παραγωγή, τη διασφάλιση και τον ποιοτικό έλεγχο, τις κανονιστικές υποθέσεις και τη φαρμακοεπαγρύπνηση. Παράλληλα, τεχνολογίες όπως η Μηχανική Μάθηση (Machine Learning, ML), η Βαθιά Μάθηση (Deep Learning, DL) και η Παραγωγική Τεχνητή Νοημοσύνη (Generative Artificial Intelligence, Generative AI) δημιουργούν νέες δυνατότητες για την αξιοποίηση σύνθετων δεδομένων, τη βελτιστοποίηση διαδικασιών και την ενίσχυση της παραγωγικότητας και της καινοτομίας στις φαρμακευτικές επιχειρήσεις.

Ωστόσο, η επιτυχής υιοθέτηση της AI δεν εξαρτάται αποκλειστικά από τις τεχνολογικές της δυνατότητες. Η ποιότητα και η διαθεσιμότητα των δεδομένων, οι ψηφιακές υποδομές, οι δεξιότητες του ανθρώπινου δυναμικού, η διοικητική υποστήριξη, η οργανωσιακή κουλτούρα, η εμπιστοσύνη στις νέες τεχνολογίες και η κανονιστική συμμόρφωση αποτελούν κρίσιμους παράγοντες για την αποτελεσματική ενσωμάτωσή της. Παράλληλα, ζητήματα διαφάνειας, ερμηνευσιμότητας, προστασίας προσωπικών δεδομένων, δεοντολογίας και κυβερνοασφάλειας δημιουργούν πρόσθετες προκλήσεις για έναν ιδιαίτερα ρυθμιζόμενο κλάδο όπως η φαρμακοβιομηχανία.

Σκοπός της παρούσας διπλωματικής εργασίας ήταν η διερεύνηση του βαθμού γνώσης, ετοιμότητας, αποδοχής και εφαρμογής της Τεχνητής Νοημοσύνης στις φαρμακευτικές επιχειρήσεις της Κύπρου. Ειδικότερα, εξετάστηκαν το επίπεδο γνώσης και κατανόησης των εργαζομένων σχετικά με διαφορετικές τεχνολογίες AI, οι αντιλήψεις και οι στάσεις τους απέναντι στη χρήση της, ο βαθμός οργανωσιακής ετοιμότητας των επιχειρήσεων, καθώς και οι υφιστάμενες και δυνητικές εφαρμογές της AI σε διαφορετικά λειτουργικά τμήματα της φαρμακοβιομηχανίας. Παράλληλα, διερευνήθηκαν οι βασικοί παράγοντες που μπορούν να λειτουργήσουν ως καταλύτες ή ως εμπόδια για την ευρύτερη υιοθέτησή της.

Για την επίτευξη του σκοπού της έρευνας υιοθετήθηκε ποσοτική μεθοδολογική προσέγγιση με τη χρήση δομημένου ηλεκτρονικού ερωτηματολογίου, το οποίο απευθύνθηκε σε εργαζομένους φαρμακευτικών επιχειρήσεων που δραστηριοποιούνται στην Κύπρο. Συνολικά συγκεντρώθηκαν 121 έγκυρες απαντήσεις. Το ερωτηματολόγιο περιλάμβανε ενότητες σχετικά με τα δημογραφικά και επαγγελματικά χαρακτηριστικά των συμμετεχόντων, τη γνώση και κατανόηση της AI, τα χαρακτηριστικά και την οργανωσιακή ετοιμότητα των επιχειρήσεων, τις στάσεις απέναντι στην AI, καθώς και την υφιστάμενη χρήση και τις δυνητικές εφαρμογές της σε διαφορετικά λειτουργικά τμήματα. Η διερεύνηση της τεχνολογικής αποδοχής υποστηρίχθηκε παράλληλα από βασικές διαστάσεις της Θεωρίας Αποδοχής Τεχνολογίας (Technology Acceptance Model, TAM).

Τα αποτελέσματα έδειξαν ότι οι συμμετέχοντες παρουσίασαν μέτριο έως ικανοποιητικό επίπεδο εξοικείωσης με βασικές έννοιες της AI, με υψηλότερη εξοικείωση με την Τεχνητή Νοημοσύνη και την Ανάλυση Δεδομένων και χαμηλότερη με περισσότερο εξειδικευμένες ή νεότερες τεχνολογίες, όπως η Παραγωγική και η Πρακτορική Τεχνητή Νοημοσύνη. Παράλληλα, τα ποσοστά ορθών απαντήσεων στις ερωτήσεις αντικειμενικής γνώσης ήταν σχετικά υψηλά, γεγονός που υποδηλώνει ύπαρξη βασικής κατανόησης των σχετικών εννοιών. Οι στάσεις απέναντι στην AI ήταν γενικά θετικές, με τους συμμετέχοντες να αναγνωρίζουν τη δυνατότητά της να ενισχύσει την αποδοτικότητα και να υποστηρίξει τη λήψη αποφάσεων.

Η οργανωσιακή ετοιμότητα αξιολογήθηκε σε μέτριο επίπεδο. Η ψηφιοποίηση, η οργάνωση και η προσβασιμότητα των δεδομένων δεν εμφανίστηκαν πλήρως ανεπτυγμένες, ενώ περιορισμένη ήταν η σαφής παρουσία εξειδικευμένων δομών και ολοκληρωμένων διαδικασιών διακυβέρνησης δεδομένων για εφαρμογές AI. Η υφιστάμενη χρήση της AI επικεντρώθηκε κυρίως σε εργαλεία γενικής χρήσης, όπως το ChatGPT, το Copilot και το Gemini, καθώς και σε εφαρμογές όπως οι μεταφράσεις, ενώ η αξιοποίηση εξειδικευμένων εφαρμογών στις βασικές επιστημονικές και επιχειρησιακές διαδικασίες παρέμεινε περιορισμένη. Αντίθετα, οι συμμετέχοντες αναγνώρισαν σημαντικές δυνητικές εφαρμογές της AI σε πλήθος λειτουργικών τμημάτων, γεγονός που αναδεικνύει ένα σαφές περιθώριο μεταξύ της σημερινής χρήσης και της δυνητικής αξιοποίησής της.

Ως σημαντικότερα αντιλαμβανόμενα οφέλη αναδείχθηκαν η αποτελεσματικότερη επεξεργασία δεδομένων, η παρακολούθηση και ανατροφοδότηση σε πραγματικό χρόνο και η αύξηση της αποδοτικότητας και της παραγωγικότητας. Ταυτόχρονα, τα εμπόδια που καταγράφηκαν ήταν πολυδιάστατα και αφορούσαν την ετοιμότητα των δεδομένων, τους διαθέσιμους πόρους, την έλλειψη εξειδικευμένου προσωπικού, τις τεχνολογικές υποδομές, την εκπαίδευση, την κανονιστική συμμόρφωση, την πολυπλοκότητα της επικύρωσης και την οργανωσιακή κουλτούρα. Ιδιαίτερα υψηλή ήταν επίσης η αντίληψη των κινδύνων που σχετίζονται με λανθασμένα αποτελέσματα της AI, την κυβερνοασφάλεια και την προστασία των δεδομένων, καθώς και την υπερβολική εξάρτηση από αυτοματοποιημένα συστήματα.

Οι συγκριτικές αναλύσεις δεν ανέδειξαν στατιστικά σημαντικές διαφοροποιήσεις στην εξοικείωση με την AI ως προς την ηλικία, τα έτη εμπειρίας ή το επίπεδο θέσης. Αντίστοιχα, δεν διαπιστώθηκε στατιστικά σημαντική διαφοροποίηση στην αντιλαμβανόμενη οργανωσιακή ετοιμότητα ανάλογα με το επίπεδο θέσης, παρότι παρατηρήθηκαν ορισμένες περιγραφικές διαφορές μεταξύ των ομάδων.

Συμπερασματικά, η φαρμακευτική βιομηχανία της Κύπρου παρουσιάζει θετικές προϋποθέσεις για την περαιτέρω αξιοποίηση της Τεχνητής Νοημοσύνης, κυρίως λόγω της θετικής στάσης των εργαζομένων και της αναγνώρισης συγκεκριμένων εφαρμογών και ωφελειών. Ωστόσο, παραμένει ένα εμφανές χάσμα μεταξύ του ενδιαφέροντος για την AI και του βαθμού οργανωσιακής ετοιμότητας και συστηματικής ενσωμάτωσής της στις επιχειρησιακές λειτουργίες. Η αποτελεσματική αξιοποίησή της απαιτεί ενίσχυση της διακυβέρνησης και της ποιότητας των δεδομένων, ανάπτυξη κατάλληλων δεξιοτήτων, εκπαίδευση του ανθρώπινου δυναμικού, σαφείς διαδικασίες αξιολόγησης και επικύρωσης και αποτελεσματική διαχείριση των τεχνολογικών και κανονιστικών κινδύνων. Υπό αυτές τις προϋποθέσεις, η AI μπορεί να αποτελέσει ουσιαστικό παράγοντα ψηφιακού μετασχηματισμού στον φαρμακευτικό κλάδο της Κύπρου.

Artificial Intelligence (AI) represents one of the most significant technological developments of the modern era, transforming the way businesses operate and enhancing their capabilities in automation, data analysis, and decision-making support. The pharmaceutical industry constitutes a particularly important field for the application of AI, as it is characterized by high complexity, strict regulatory requirements, large volumes of data, and increased demands regarding product quality, safety, and efficacy.

AI applications extend across the entire pharmaceutical product lifecycle, from the discovery and development of new active pharmaceutical ingredients to clinical trials, pharmaceutical manufacturing, quality assurance and quality control, regulatory affairs, and pharmacovigilance. At the same time, technologies such as Machine Learning (ML), Deep Learning (DL), and Generative Artificial Intelligence (Generative AI) create new opportunities for the utilization of complex data, process optimization, and the enhancement of productivity and innovation within pharmaceutical companies.

However, the successful adoption of AI does not depend solely on its technological capabilities. Data quality and availability, digital infrastructure, workforce skills, management support, organizational culture, trust in emerging technologies, and regulatory compliance constitute critical factors for its effective integration. Furthermore, issues related to transparency, interpretability, personal data protection, ethics, and cybersecurity create additional challenges for a highly regulated sector such as the pharmaceutical industry.

The aim of the present master’s thesis was to investigate the level of knowledge, readiness, acceptance, and implementation of Artificial Intelligence within pharmaceutical companies in Cyprus. More specifically, the study examined employees’ level of knowledge and understanding of different AI technologies, their perceptions and attitudes towards AI use, the degree of organizational readiness of pharmaceutical companies, as well as the current and potential applications of AI across different functional areas of the pharmaceutical industry. In addition, key factors that may act either as facilitators or as barriers to broader AI adoption were explored.

To achieve the objectives of the study, a quantitative methodological approach was adopted using a structured online questionnaire addressed to employees of pharmaceutical companies operating in Cyprus. A total of 121 valid responses were collected. The questionnaire included sections covering participants’ demographic and professional characteristics, their knowledge and understanding of AI, company characteristics and organizational readiness, attitudes towards AI, as well as its current use and potential applications across different functional departments. The investigation of technology acceptance was further supported by key dimensions of the Technology Acceptance Model (TAM).

The findings showed that participants demonstrated a moderate to satisfactory level of familiarity with basic AI concepts, with higher familiarity reported for Artificial Intelligence and Data Analytics and lower familiarity for more specialized or emerging technologies, such as Generative AI and Agentic AI. At the same time, the relatively high proportion of correct responses to the objective knowledge questions indicated a basic level of understanding of the relevant concepts. Attitudes towards AI were generally positive, with participants recognizing its potential to improve efficiency and support decision-making.

Organizational readiness was assessed at a moderate level. Data digitization, organization, and accessibility were not fully developed, while the clear presence of specialized structures and comprehensive data governance procedures for AI applications was limited. Current AI use was concentrated mainly on general-purpose tools such as ChatGPT, Copilot, and Gemini, as well as applications such as translation, whereas the use of specialized AI applications in core scientific and business processes remained limited. In contrast, participants identified significant potential applications of AI across a wide range of functional departments, highlighting a clear gap between current use and potential utilization.

The most prominent perceived benefits were more effective data processing, real-time monitoring and feedback, and increased efficiency and productivity. At the same time, the barriers identified were multidimensional and related to data readiness, available resources, lack of specialized personnel, technological infrastructure, training, regulatory compliance, validation complexity, and organizational culture. Particularly high levels of concern were also reported regarding risks associated with incorrect AI outputs, cybersecurity and data protection, and excessive reliance on automated systems.

The comparative analyses did not reveal statistically significant differences in AI familiarity according to age, years of experience, or job level. Similarly, no statistically significant differences were identified in perceived organizational readiness according to job level, although some descriptive differences were observed between groups.

In conclusion, the pharmaceutical industry in Cyprus demonstrates positive conditions for the further utilization of Artificial Intelligence, mainly due to employees’ positive attitudes and their recognition of specific applications and potential benefits. Nevertheless, a clear gap remains between interest in AI and the level of organizational readiness and systematic integration into business operations. Effective AI adoption requires improvements in data quality and governance, the development of appropriate skills, workforce training, clear evaluation and validation procedures, and effective management of technological and regulatory risks. Under these conditions, AI can become a meaningful driver of digital transformation within the pharmaceutical sector in Cyprus.