别再发静态 Excel 了!AI 时代,新药上市目标医生库如何实现“实时自进化”?

下周一代表动身，先去敲谁的门？排在前五名的这几个人，为什么先安排他，而不是别人？

设想一场新产品启动会：200 人名单投在屏幕上，医院、科室、职称、论文，一项不缺。销售管理者却只问了一句：“下周只有五个拜访名额，先安排谁？”

名单很满，安排却是空的。

这就是首批目标医生筛选最容易卡住的地方。属于目标、值得优先、适合当前拜访，看起来相近，实际上回答的是三个不同问题。把它们压成一个排名，一线拿到的就只有顺序，没有理由。

更关键的是：名单发出去以后，现场每天都在变。如果拜访带回的新信息改变不了下一次安排，名单再精细，也只是一张旧地图。

管理者真正要追问的是：这周为什么先见他？见完以后，什么变了？

下面用 5 步，把这两个问题接起来。

01　名单发下去了，选择却留给了一线

名单上的字段各有价值。问题出在交到一线的那一刻。

市场部与医学事务部整理了医生的专业方向、研究经历和学术活动，销售团队还要把这些信息变成具体安排：这个人本周是否值得见，这次带什么，想确认什么。

如果这些判断没有随名单一起交付，代表就得自己补完最后一段。总部完成了筛选，一线却仍要从头做决定。

新产品可以借用团队既有关系和疾病领域经验，但不能照搬成熟产品的排序：产品证据、准入进度和沟通目标都变了。只凭公开信息列名单，容易漏掉三件事：

符合条件，不等于本周优先。专业方向和研究经历能说明相关度；本周是否值得安排，还要看阶段目标、时间窗口和准备情况。

部门都有理由，一线却缺少取舍。市场、医学、销售各有关注重点。资源有限时，谁先谁后需要共同的依据，不能只看谁催得急。

现场已经变了，名单还停在上周。医院出现新的申请窗口，医生提出了新的证据需求。反馈如果只留在日志里，下次拜访很可能仍按旧计划走。

同一个张主任，市场排 #1、医学排 #4、销售排 #2——三套标准，三个答案。

💡 破局法则：三层解耦

所谓“解耦”，就是分别判断是否属于目标范围、当前是否值得优先，以及这次适合做什么。是否符合目标范围、当前是否值得优先、本次适合完成什么任务，需要分别判断。

准入状态发生变化时，需要重新判断：符合目标范围，不代表当前优先级和沟通任务始终不变。

医院尚未进药时，主任的学术分量并没有降低，改变的是这轮沟通该做什么：是摸清院内临采路径、补齐疾病认知，还是探询临床真实痛点。同一个人，这周该谈的和上周该谈的，可能完全不同。

同一个人，三层给出的答案可以完全不同——排序时需要保留这三层判断依据。

以代表小张为例。如果名单只给名字和名次，他最容易采取的办法，就是先联系熟悉、约得到的人。方便执行，未必等于值得优先。

02　给一个 88 分，不如说清为什么现在见

“张医生 88.5 分，李医生 84.1 分。”排名有了，小张仍然不知道该准备什么。总分可以辅助比较，但一旦藏起依据，AI 就把解释工作又交回了一线。

医生数据的价值不在于字段有多繁复，而在于能否支撑一次具体的业务决策。每一次排在前面，都应当有业务上讲得清的逻辑。

拿到一份推荐，先检查它有没有说清：是否符合范围、为什么现在优先、本次要完成什么、还有哪些信息待确认。

把依据和来源放到推荐旁边，管理者才能质疑和调整，代表才知道这次见面要完成什么。下图是一张可供核对的推荐卡。

四行都必须是能核对的取值，不是“学术地位高”“关系不错”这类形容词。

03　5 步排序，关键在最后一步能否回来

前四步把首轮安排做出来，第五步决定它会不会越用越准。缺了反馈，下一周还得重新猜。

要把 200 人名单跑顺，排序就得变成一个前后咬合的业务工作流：

现场反馈经核验后，回到可行性判断与任务安排，形成下一轮建议。

Step 1｜圈定目标范围

依据获批适应症、相关疾病方向与首批覆盖区域，明确目标科室和医院范围。先说清“哪些人在范围内”。

Step 2｜核对疾病相关度

结合相关研究、临床试验参与、指南共识及实际诊疗方向核验相关度，避免只凭头衔或论文数量判断。

Step 3｜判断当前可行性

摸底医院准入窗口（临采、常规药事会、双通道购药），结合团队历史触达关系评估拜访难度。

Step 4｜明确本次任务

把“拜访张主任”写成具体任务：了解证据需求、核对申请流程，或跟进已受理的资料请求。准入尚未明确，就先弄清条件；出现申请窗口，再由对应岗位推进材料。

Step 5｜根据反馈更新安排

提取现场的新信息，核实影响排序的关键事实，再更新可行性与任务。这一步的产出，要让代表看见：哪项安排变了，为什么变，由谁接着做。

上市阶段变化时，任务结构也要调整。预热期可以增加学术引领任务，准入突破后增加临床需求沟通。比例没有固定答案，管理者需要结合证据成熟度、准入状态和团队容量决定。

示例按 10 个沟通任务安排资源：两类任务分别为 7 个与 3 个，或 3 个与 7 个；不是将医生分成互斥人群。

04　名单如何变化：一次现场反馈之后

一线为什么不愿意多填一条记录？一个直接的原因是：填完以后，自己的下一次工作没有变得更容易。

沿用小张的业务示例，看看一次反馈怎样改变本周安排。以下时间和任务均为示意。

周二下午，代表小张走出胸外科诊室，通过移动端留下一段简短语音：

“张主任今天询问了特殊人群的研究证据，希望医学团队提供相关资料。他还提到科室下周可能提交临时采购申请，具体流程和时间需要进一步确认。”

如果系统只保存日志，这段话就会躺在记录里。到了下周，小张照常拜访、照常问进度。一个可能需要提前处理的窗口，就这样被当成了一条普通备注。

接进任务流程之后，变化可以具体到一天、一项工作和一个接手的人：

1. 周二，提取两件需要跟进的事。数字员工把“临采申请时间待核实”和“特殊人群研究资料需求”分开，保留原始反馈，分别发起跟进。

2. 周三，关键窗口得到确认。对应人员核实医院本周需要补齐申请资料。系统据此提示时间冲突：周四原定与李医生进行常规沟通，但该任务没有本周截止要求。经协调，管理者将李医生的沟通顺延，把张主任相关的“核对申请材料清单”提前至周四。两项安排旁都保留调整原因。

3. 医学需求有人接手。医学团队独立评估证据与资料适用范围，反馈处理状态。资料未确认前，不把“已提出需求”写成“资料已备好”。

4. 周四，小张拿到新的安排。工作台显示：“周四先核对张主任相关的申请材料清单；李医生的常规沟通已协调顺延；医学资料需求已受理，回复时间见处理进度。”他知道先做什么，也知道哪件事正在由别人处理。

从一条反馈，到周四的新安排：时间、任务、协同人都有了变化。

小张少追一次进度，团队少错过一个窗口。名单的价值，就体现在这些具体变化里。

05　AI 的价值，要落在名单更新的那一刻

这些工作，以前也能靠人完成：整理记录、逐项核实、打电话协调、重新发名单。难的是持续做，而且每一轮都跟得上。

当范围扩到多个区域、数百位医生，变化散在各处，管理者很难每次都从头比对。AI 能承担的，正是反复整理背景、识别变化、生成跟进建议的工作。

但系统要读得懂变化，也要有地方把任务送出去。行业数据提供背景，企业记录补充现场事实，业务规则决定什么变化值得调整。

要让名单跟着一线变化，需要两样东西。

底座让判断有依据，数字员工让判断落到一线——缺一边都不成立。

底座侧

PharmBrain 医药大脑提供 350 万+ 医药行业主数据，支持医生、医院等基础信息的关联。具体医院准入状态、团队互动和任务进展，需要结合企业提供并持续维护的数据，保留来源与更新时间。

协同侧

AgentBox数字员工可结合企业微信等移动入口，组织访前简报、提取访后反馈、形成跟进建议。按企业流程配置后，一线看到任务，管理者看到调整依据，协同人员收到需要接手的事项。

行业数据、企业记录、排序规则和移动协同接起来，一次现场反馈才能影响后续工作。

06　写在最后：从哪一步开始

新产品上市的第一张目标医生名单，到底该怎么做？

第一张名单可以从 Excel 开始，但工作不能在“发送成功”时结束。

一线把现场变化带回来，组织就要把新的安排送回去。让代表看见这条反馈有什么用，下一条反馈才更有可能回来。

如果明天就要动手，先做这件不需要任何系统的事：为现有名单补齐三类判断。

在现有名单中增加「目标范围是否符合 / 当前优先的依据 / 本次适合的任务」三列，逐项填写。

如果填写后发现——第三列仍是空的，就先补清本次沟通目标与下一步安排。

新药上市争分夺秒。名单发出去，只是开始；现场变了，下一次安排也该跟着变。

PharmBrain 医药大脑｜AgentBox数字员工