夜雨聆风
夏来不是读书天，但学AI这件事真有点上头。天气热倒是我想找的放弃自修的借口，但更有一种心累感觉像是在海边堆沙子玩——工具更新太快，刚学会一个又来一个，边学边慌。
以前的人不会用手表手机微信，后来都会了。先学的优势像一层纸，普及了就没了。
这几天开始想：在AI这件事上，先跑几步，到底是为了什么？
一、从工具到员工，再到部门雏形
AI工具确实提高了办公效率——写文案、查资料、出PPT、做总结报告。以前半天的事，现在二十分钟。
用了WorkBuddy几个月，我考了OPC证，搓了几个Skill——二类新药审评技能、中国药典查标准、几国说明书查找和比较，越用越开心。
我还创建了两个AI员工。睿伟专注注册策略，Mary管行政事务。除了日常对话，它们还能跑自动化任务——每周收到FDA和CDE的法规变更通知，并且安排它做有关项目的影响分析，提前预判工作方向。Mary给我搭了工作台，每周的计划一目了然。
给睿伟加了RAG，让它主动学习，干活又快又省。
如果需要，我可以继续加——临床的、统计的、CMC、非临床的。理论上可以把整个项目团队配齐。
我招的数字人，其实是我真实职场体验的AI投射——我的工作中确实接触这些角色，我知道他们该做什么、该问什么、不同岗位如何协作和完成工作交付。我把我脑子里对这些角色的理解，喂给了AI。
这些数字员工聚起来，可以衍生出一个独立的、更强大的部门。不是概念上的"AI部门"，是业务上能独立运转的一套能力。
二、药企在用AI做什么
今天的AI+新药研发领域，多家企业已经在探索让AI进入真实工作流——不是"用AI写个报告"这种单点提效，是把AI嵌进业务流程里，持续稳定地改进生产力。举几个例子：
早期研发——AI辅助靶点发现和分子设计。
临床试验管理——AI辅助方案审核和SAE分类。
医学事务——AI辅助医学信息检索、文献综述生成、医学问询回复初稿。
注册申报——AI辅助CTD文件起草。模拟多国审评专家对资料进行预审和建议。
生产制造——AI预测设备故障，减少停机。
运营——AI优化供应链和质量检测。
组织追求的是AI的ROI。而ROI的背后，除了算法，更核心的是专有数据——每家企业在自己深耕的领域积累的数据，才是AI真正能发挥作用的基础。
而大模型，劳苦而功高，却一进入商业化就定位成乙方。不管算力如何苦心堆砌，竞争者总有招数让甲方的关注力转移，成了NPC了。
三、有了AI工具和AI员工的员工，能做什么？
回到一开始的设问，有了AI工具、AI员工，然后呢？
组织需要把AI接入工作流。这件事谁来做？需要懂业务流程里"什么叫做好了"的人。
而一个已经熟练使用AI工具、搭建过AI员工、对自己的业务有深度理解的人，就是这个角色。工作流怎么设计、AI输出怎么审核、什么情况下AI该停、什么情况下AI可以自动过——这些判断，需要同时懂业务和懂AI的人来做。
从AI使用者，到AI建造者，再到AI架构者——不是一个职业路径图，它是一件事的三个阶段。从自己用开始，到搭建AI员工，再到参与组织级的工作流设计——环环扣在一起。
香港大学有一位知名教授说过，当不少老板兴致勃勃地给他介绍AI按部门搭建的工作流，他认为大家是拿着车站的地图在等飞机，AI+业务不应该再按部门来搭建，但不否认业务经验和审核责任是训练工作流和质量保障的关键。
四、快扩展 + 强审核
PMDA最近设了首席AI官，发布了AI应用行动计划。核心原则：AI不应取代人类判断，所有最终决策由人类承担。
有人拆解了10多家国际药企的AI实践，各有差异化的选择——有的买数据、有的搭内网、有的合作超级算力，但共同规律都在同步做两件事：让AI做更多，同时对AI审得更严。快扩展 + 强审核。
和PMDA的原则是同一件事。不是技术问题，是架构问题——从组织层面规定清楚：谁能用、用到什么程度、谁来兜底。
五、往哪里去？
所以"AI工具、AI员工之后，往哪里去"这个问题，看来是有方向了。
把实战经验喂给AI，带着这套能力进入组织的工作流设计，让AI在企业层面产生真实ROI。
AI + 实战经验 + 专有数据，是大家共同的愿景。各企业战术不同，但都在加速前进。
但还有一个绕不开的问题：组织准备好了吗？
不是技术准备好了没有——是文化。组织能不能认同：AI做的活，最终判断由人来担。能不能接受：初期投入不小，ROI不是立竿见影。
几条建议：
① 从一个小切口开始。选一个团队最痛、数据最完整、结果最容易验证的环节先跑通。
② 先解决内部认知差。让业务负责人真正理解AI能做什么不能做什么，比直接上系统更重要。
③ 建立"快扩展+强审核"的配套机制。不给AI留空白决策权，每一个自动化节点都挂一个明确的人工复核节点。
④ 优先级：提效→提质→提智。先把重复劳动自动化（提效），再用AI辅助判断（提质），最后让AI从数据里发现人发现不了的规律（提智）。
END
