AI时代,医学写作还是一份好工作吗?

最近我刷到一个跨国药企的短视频。画面里是一位做全球项目医学写作的男生，刚刚结束和总部的英文沟通，放下耳麦，镜头切入他一天的工作。他讲专业，讲精益求精，讲为全球患者服务；也讲高压之下，他如何练瑜伽，甚至带同事一起做瑜伽。整个视频拍得很好，职业、体面、稳定，也很容易让年轻人产生向往。

但我看完之后，心里出来的并不是“羡慕”。我经历过几家大MNC，我知道那套体系的好：平台大、流程成熟、全球协作、福利不错、职业身份体面。可我真正想到的是另一件事——这类岗位，在AI时代，到底还能不能算一份值得长期深耕的好工作？

这不是职业有贵贱的问题。我从来不认为职业有贵贱。只是职业内容背后，是有标价的。你最后拿到的薪资、位置、话语权、不可替代性，本质上都在反映：你创造的，到底是哪一种价值。（图片AI生成）

医学写作不是低价值岗位。它和IND、NDA、CDE/FDA递交材料直接相关，也和研究方案、CSR、IB、中期报告、回复函等一整套关键文件紧密相连。很多项目的推进，就是靠一批真正能干活、能扛事、能把混乱材料收拢成合规文件的人撑起来的。

所以从现实需求看，它当然是一份不错的工作。它比制药公司里很多纯支持性岗位更接近核心结果，也比很多泛泛而谈的“战略岗位”更有真实交付。一个成熟writer的价值，不是在PPT里，而是在项目最需要落地的时候，能把东西交出来。

大平台很容易给人一种“我在做核心工作”的感受。你参与总部会议，接触全球项目，处理重要文件，和高层开会，这些都是真的。但如果你没有真正碰到问题定义、方案设计、终点取舍、证据链判断、注册逻辑这些更上游的东西，那么你参与的是核心流程，不一定是核心判断。这种错位最容易发生在高度成熟的MNC体系里：平台足够高级，局部工作也足够漂亮，但个人对完整问题的拥有权却很有限。久而久之，人就会在体面中失去生长感。

我其实一直认为，医学写作做两年，是很有必要的。因为它逼着你去接触一整套真实文件体系：protocol、SAP、CSR、IB、回复函、CTD模块；你会开始理解术语、审阅、版本、流程、跨部门协作，也会知道什么叫规范、什么叫证据口径、什么叫组织里的语言。

但问题在于，如果五年之后，一个人的核心竞争力仍然主要体现在“颗粒度更细了”“措辞更漂亮了”“格式更熟了”“模板更会套了”，那这五年很可能不是在积累，而是在被岗位磨平。

其实，看一百遍文献，不如自己写一次；看一百次方案，不如自己设计一次。很多人误以为自己“看懂了”，其实只是看熟了。真正的理解，不是在旁边点头，而是在你自己动手定义研究问题、写入排标准、定主要终点、碰统计假设、面对执行限制时，被问题反过来教育了一次。

除非你是一个非常有悟性的人，否则只靠“看过很多”很难真正长本事。更现实的情况是，人一旦长期处在被分工得过细、被模板管得很严的位置上，原本的悟性也会慢慢被磨掉。两年还会追问，五年后可能就只剩熟练。

我后来反复想，这类岗位最像什么？Writer其实还不算是，但MNC其实有很多职位算，我想到的比喻是：宫廷宴席上的萝卜花。

你不能说萝卜花没有价值。它当然有价值。它能让摆盘更好看，让宴席更体面，让整桌菜显得高级、规整、讲究。很多时候，真正高规格的场合，反而更需要这种精雕细刻。

但问题也在这里：萝卜花很少决定这道菜有没有营养，能不能吃饱，值不值得反复点。它更像一种高标准修饰性的劳动。放在医药研发里，很多高度细分的写作工作也有类似属性——不能说没用，甚至可以说很重要；但它的重要性，更多来自对整体秩序、体面和交付质量的修饰，而不是来自对方向和成败的决定。

“宫廷里的萝卜花摆盘”

菲菲，公众号：健康领域信息加速器靠近创始人后我才明白：真正值钱的，不是忙，是判断

AI真正会吞掉的，不是整个岗位，而是岗位里最像“萝卜花”的那一部分

我不认同“医学写作会被完全替代”这种简单说法。更准确的说法是：AI会先吞掉其中最标准化、最流程化、最可验证、最依赖历史模板的那一大块工作。比如初稿生成、固定段落迁移、摘要提炼、回复函初稿、文风统一、跨文档一致性检查、术语锁定、格式检查、表格对齐、版本比对等，这些工作未来不仅会被替代，而且会被替代得很快。

所以真正危险的不是岗位消失，而是很多人会发现：过去最能体现“我很专业、我很辛苦”的那些工作内容，正在快速贬值。

我的答案很明确：前两年把它当入口，后面就必须主动越界。不是越权，而是越出岗位给你设定的天花板。

1）给自己设一个明确的“两年转向点”

前两年把基础打扎实，但两年之后，不要再只追求“写得更像”。你要开始追求“理解得更深”。

2）主动跟跨部门合作伙伴换角色

和临床、统计、法规、药物警戒、医学监查、运营一起工作时，不要只盯着自己那一段文字，而要逼自己问：这个终点为什么这样定？这个人群为什么不能放宽？这个设计最怕被质疑什么？你每多问一次，岗位边界就松一点。

3）至少亲手设计一次研究，而不是只围观别人设计（很难找到这种机会）

哪怕不是正式项目，也要自己拿一个真实产品，完整写过一次研究问题、目标适应症、患者定位、入排标准、主要终点、关键次要终点、统计假设和审评风险。因为只有你自己写过、撞过墙，才知道“懂”和“以为自己懂”差多远。如果没有机会，就自己做A/B test的模式自己考自己。

4）建立自己的“审评员问题清单”

每做一个项目，就积累一批问题：审评机构最可能追问什么？哪些终点看起来合理，实际上不够支持批准？哪些入排标准会导致研究人群不清？哪些执行要求在中国中心看起来能做，实际根本落不下去？长期积累下来，你才会从writer慢慢走向clinical thinking。

5）把AI当工具，不要把自己训练成AI最容易替代的样子

让AI做初稿、整合、QC、表述标准化和框架迁移；把你自己的精力留给最贵的部分——判断、取舍、追问、重写逻辑、识别风险。未来最值钱的，不是“我比AI写得快”，而是“我知道什么该交给AI，什么必须由我来定”。

6）把职业目标从“写好文件”升级成“沉淀项目判断力”（越来越难，一个CRP都做不到）

真正该建立的，是职业资产观

所谓职业资产观，不是看今天这份工作体不体面，而是看这份工作结束后，你身上到底留下了什么。

如果留下的是：会写protocol、会写CSR、会做高质量QC、会处理总部comment、会套模板，那当然有价值，但价格会越来越被工具压缩。

如果留下的是：能拆临床问题、能看终点、能识别人群定义风险、能预判审评质疑、能理解统计语言背后的开发含义、能把文件工作转化为项目判断，那么这份工作的价值就不再只属于岗位，而开始属于你自己。

这也是我现在越来越在意的一点：不要只做组织里那朵最精致的萝卜花，而要努力靠近那道菜真正的营养部分。