夜雨聆风这次随杨三角医药组同学到深演智能交流，收获很大。
原本以为只是看一看一家刚刚上市的 AI 企业的产品演示，但真正听下来，感受到的并不只是技术，而是一家公司从创业之初到今天，贯穿始终的底层逻辑：用户、数据、场景、组织能力，以及在变化中持续进化的能力。
深演智能成立于2009年。那一年，对创始合伙人谢鹏同学来说发生了三件大事：创办深演智能，和杨国安教授一起发起“杨三角”，以及个人家庭迎来第二个孩子。十七八年过去，企业终于上市成功，像一个孩子终于真正成人。
这也让我意识到，看一家企业，不能只看它今天做什么产品，而要看穿它背后的基因。
一、真正重要的基因：用户至上，数据说话
深演智能两位创始人都出身宝洁。宝洁带给他们最深的影响，第一是用户至上，第二是数据驱动。
宝洁是一家非常典型的消费者洞察驱动型公司。无论是海飞丝、潘婷，还是飘柔，本质上都是建立在对不同消费者需求的细分和洞察之上。有人有头屑问题，于是有海飞丝；有人追求发质健康，于是有潘婷；有人追求柔顺，于是有飘柔。
这背后不是拍脑袋，而是长期的用户研究和数据分析。
深演智能虽然做的是 To B 企业服务，但服务的客户大多是 To C 企业。也就是说，它帮助企业理解、经营和影响终端消费者。因此，它看商业的角度非常清楚：一家 To C 企业，真正重要的资产之一，就是用户资产。
企业不是简单地用钱赚钱，而是通过经营用户来赚钱。
用户资产的经营，核心有两个维度：一是用户规模，二是用户粘性与复购价值。用户越多，重复交易越强，生命周期越长，这家企业的用户资产就越有价值。
这套逻辑，对医疗服务企业同样有启发。
一家医馆真正重要的资产，不只是房子、装修、设备、医生数量，而是长期信任你的患者群体，是患者与医馆之间不断积累的信任关系。我们经营的不是一次性交易，而是一种长期健康服务关系。
二、从软件到智能体：从“会操作系统”到“会提出问题”
这次交流中，一个非常重要的比喻，是把传统软件比作飞机驾驶舱。
传统软件功能很多，看起来非常强大，但它要求使用者懂流程、懂按钮、懂字段、懂操作手册。就像一个普通人坐进飞机驾驶舱，即使面前有一堆高级仪表，也不可能马上让飞机起飞。
过去的企业数字化，大多是这样的逻辑：系统很强大，但人要学习系统，要适应系统，要按照系统的流程一步一步操作。
而 AI Agent 的变化在于，它开始变成问题导向。
人不需要先学会复杂的软件操作，而是直接用自然语言提出目标：
我想找到最近六个月平均消费金额超过500元的用户。
我想分析某个品牌在小红书上的用户反馈。
我想知道哪些老会员可能流失。
我想为某一类客户生成一次营销活动。
过去这些动作，需要人在系统里一个字段一个字段填写，一个条件一个条件组合。现在，Agent 可以理解目标，拆解任务，调用系统，生成规则，并最终完成操作。
这就是从“人适应软件”，走向“软件理解人”。
某种意义上，AI Agent 让每个人都拥有了某种“开发者能力”。过去你要找产品经理、程序员、实施团队，把需求翻译成系统功能；今天，你只要能把问题讲清楚，AI 就可以帮你完成相当一部分工作。
这对企业组织的影响会非常深远。
未来优秀员工的能力，不只是会不会操作系统，而是能不能提出高质量问题，能不能把业务目标讲清楚，能不能把经验沉淀成可复用的知识和流程。
三、AI Agent 的真正难点，不是炫技，而是稳定、准确、可解释
很多人谈 AI，容易被炫目的演示吸引。但在企业场景里，真正关键的问题不是“能不能回答”，而是“能不能稳定、准确、可控地完成任务”。
To C 的 AI 可以偶尔幻觉，用户甚至觉得有趣。但 To B 的企业决策不能幻觉。企业的营销决策、客户沟通、销售话术、合规判断、退款规则、医学建议，都不允许 AI 胡说。
所以，深演智能反复强调：企业级智能体的底座，不只是大模型，而是知识中台。
什么是知识中台？
数据只是事实，比如某个用户购买了什么产品、花了多少钱、什么时候购买。知识则是对数据背后规则、流程、判断标准的沉淀。比如什么条件可以退款，什么样的客户是高价值客户，什么样的话术适合某类消费者，什么成分不适合敏感皮肤，什么内容会触碰广告法风险。
数据回答“发生了什么”，知识回答“应该怎么理解、怎么判断、怎么行动”。
AI Agent 要可靠，不能只是调用大模型，而必须有一个干净、准确、结构化、可追溯的知识底座。它要知道哪些知识可以用，哪些知识不能用；哪些知识之间有关联，哪些知识不应该乱连；哪些回答来自哪里，能不能追溯原始出处。
这一点，对医疗行业尤其重要。
未来如果我们要做医生智能体、医案智能体、学习智能体，就不能只是把几百本书丢进去，让大模型自由发挥。必须区分不同学派、不同医生、不同诊疗逻辑、不同疾病场景。温病派有温病派的知识图谱，经方派有经方派的知识图谱，骨伤手法有骨伤手法的知识图谱。知识不能混乱，否则 AI 的回答就会变成一个没有师承、没有边界、没有临床责任的拼盘。
真正有价值的医学智能体，应该是可追溯、可解释、可复盘、可训练的。
四、企业知识资产，将成为未来最重要的资产之一
这次交流里，有一个观点很有启发：未来员工在公司里开发出来的 skill、工作流、知识沉淀，本质上都可能成为公司的资产。
过去一个优秀销售、优秀医生、优秀客服、优秀店长离开公司，很多经验也就跟着离开了。企业真正沉淀下来的东西很少。
但 AI 时代不同。
如果一个优秀销售的金牌话术、成交逻辑、客户判断、异议处理，被持续记录、整理、审核、训练，最终沉淀进知识中台，它就不再只是个人经验，而会变成组织能力。
如果一个好医生的问诊思路、辨证逻辑、处方调整、复诊反馈、临床经验，能够被持续结构化记录下来，它也会变成可学习、可训练、可传承的知识资产。
这对中医尤其重要。
中医的传承，过去高度依赖师徒关系。一个好老师带几个学生，学生能不能悟出来，很大程度上取决于个人天赋、勤奋程度和跟诊机会。很多宝贵经验，老师说不清，学生也记不全，最后就散落在时间里。
AI 时代给我们一个新的可能性：把名医经验、真实病案、复诊变化、处方调整、疗效反馈，长期沉淀为知识库。未来年轻医生学习，不再只是听老师讲，而可以在大量真实案例中反复训练、追问、复盘、考试。
这甚至可能比传统带教更系统。
当然，前提是知识必须经过专家审核，必须有临床边界，必须尊重医学规律，不能变成简单的“AI 看病”。
五、组织能力比技术更重要
深演智能让我印象很深的另一点，是他们并不是只讲技术，而是非常重视战略共识和组织能力。
他们每年都会做战略工作坊，用“三看分析”和“战略四象限”形成年度战略共识。
所谓“三看”，就是看客户、看自己、看市场。
看客户，是看需求。
看自己，是看供给能力。
看市场，是看竞争与合作格局。
企业能赚的钱，一定来自客户需求、自己能力与市场机会之间的匹配。超出认知之外的钱，即使短期赚到，也很难持续。
所谓“战略四象限”，则是从愿景方向出发，回答未来一到三年想成为一家什么样的公司；今年要拿到什么关键结果；为了拿到这些结果，需要打哪些关键战役；如果还有余力，还要探索哪些未来可能产生重大价值的事情。
这些战略不是老板一个人写完发给大家，而是让相当多的核心员工参与讨论、共创和迭代。创始人说得很真实：也许最后80%的字还是老板写的，但如果没有这个共创过程，未来一年你会没完没了地解释为什么要这么做。
共识不是为了形式，而是为了让组织真正理解为什么。
尼采有一句话：一个人知道自己为什么而活，就可以忍受任何一种生活。放在企业里也是如此。如果一个团队真正理解为什么要做这件事，就更能承受困难，也更能主动寻找方法。
这对我们很有启发。
今天外部环境变化极快，医疗服务行业也在经历深刻变化。如果组织还只是靠命令传导，一层一层安排任务，速度一定跟不上。真正有战斗力的组织，应该把客户或者患者放在中间，让不同专业的人围绕问题共同协同。
六、从部门制到使命团队：组织要围绕结果，而不是围绕职能
深演智能的组织形式也很有意思。他们弱化传统部门概念，强调 Mission Group，也就是使命团队。
传统部门最大的问题，是每个部门都有自己的职能，但未必对最终结果负责。人力资源部负责人力，财务部负责财务，市场部负责市场，产品部负责产品，但客户最终成不成功、项目最终有没有结果，常常没人完整负责。
使命团队则不同。
它围绕一个行业、一个客户群、一个产品或一个关键任务组织起来。销售、客户经理、项目经理、运营、产品经理、研发、测试、数据工程师，甚至 HRBP、财务 BP，都进入到对应团队里，为一个共同使命服务。
这就像海豹突击队，不是各部门排队协作，而是围绕战场任务组合能力。
这种组织方式对我们也有借鉴意义。
医疗服务企业过去很容易按职能切割：医生是医生，客服是客服，导医是导医，市场是市场，运营是运营，药房是药房。但患者体验是连续的，不是被部门切开的。
如果我们真正以患者为中心，就必须围绕患者路径重新组织能力：从患者第一次了解我们，到预约，到初诊，到复诊，到疗效反馈，到长期健康管理，每一个环节都需要跨岗位协同。
未来我们的组织，也应该逐步从“部门视角”走向“患者生命周期视角”。
七、对君和堂的启发：我们要做自己的医疗知识中台
这次交流之后，我最强烈的感受是：AI 对我们不是遥远的技术概念，而是非常现实的组织能力工具。
未来，我们可以从几个方向开始探索。
第一，建立医生知识库。
把核心医生的学术思想、诊疗特色、典型病案、处方思路、复诊变化、疗效反馈持续整理下来。每位医生都可以形成自己的知识图谱和临床经验库。
第二，建立病案复盘系统。
每一个重要病例，不只是写成文章，而要结构化记录：主诉、病史、辨证、处方、剂量、调整、反馈、疗效、争议点、复盘结论。长期积累后，它将成为年轻医生训练的巨大资产。
第三，建立销售与客服知识库。
患者常问什么问题？如何介绍医生？如何解释疗程？如何处理异议？如何避免夸大宣传？如何守住医疗合规边界？这些都可以沉淀为标准知识，并不断训练前台、客服、健康管家和市场人员。
第四，建立内容中台。
君和堂过去十几年积累了大量文章、视频、病例、讲座、医生访谈、患者故事。这些内容如果不整理，就只是散落的资料；如果进入内容中台，就可以根据不同平台、不同人群、不同疾病主题，快速生成适合传播的内容。
第五，建立青年医生训练系统。
未来青年医生不仅要跟诊，还可以通过 AI 进行病例训练、问诊训练、辨证训练、处方思路训练、复盘考试。AI 不替代老师，但可以极大提高训练密度和反馈效率。
八、AI 不是替代人，而是让组织经验可以沉淀、复制和进化
这次学习让我更加确信，AI Agent 的本质，不只是提高效率，而是改变组织沉淀知识的方式。
过去企业依赖人，经验在人脑里，能力随人流动。
未来企业依赖人，也依赖系统，人的经验可以被记录、整理、审核、训练，最终成为组织共同的资产。
这对于中医行业尤其重要。
中医最宝贵的是经验，但最容易流失的也是经验。一个医生几十年的临床体会，如果没有被沉淀，最后就随着个人年老、退休、离开而逐渐消失。AI 时代给我们一个机会，把这些经验以更系统、更清晰、更可传承的方式留下来。
当然，这件事情不能急，也不能浮躁。医疗不同于卖货，医学智能体不能追求炫技，不能制造幻觉，不能突破伦理与合规边界。它首先应该服务医生学习，服务知识管理，服务患者体验，服务组织协同。
AI 最重要的价值，不是让机器替代医生，而是让好医生的经验被更好地保存、理解、传播和传承。
这可能是我们未来几年最值得投入的一件事。
