本文内容源于阿斯利康IT负责人仲欣在“CIAPH第五届生物药企数字创新峰会”上的分享

当前医药行业正经历着深刻的数字化转型浪潮，并且医药行业的数字化转型已跨越初期试点，进入纵深推进的“深水区”，其核心特征是从单点工具的应用，转向以数据为驱动、覆盖全产业链的价值重构与生态协同。从最初的信息化到如今AI驱动的全面转型，这一历程见证了医药行业与数字技术深度融合的演进轨迹。

仲欣 阿斯利康 IT负责人

不得不面对的是，医药行业这场深刻的变革也让广大药企面临三大严峻挑战：数据孤岛与标准化问题、日益严格的全球数据合规与安全要求，以及传统组织架构与数字化人才匮乏，这共同构成了转型的主要阻力。因此未来医药行业的竞争将不再是单一产品的竞争，而是基于数据洞察、生态协同与敏捷运营的数字化综合能力的较量。对此，在“CIAPH第五届生物药企数字创新峰会”上，阿斯利康 IT负责人仲欣先生结合在行业的多年自身经验，对于医药企业数字化及AI应用做了深入洞察。

Part 01

构药企数字化的痛点与解法

回望历史，仲欣将行业数字化划分为三个关键阶段：第一阶段是2010-2012年，这也是数字化营销的起点，Veeva系统的引入标志着医药行业商业化的数字化转型开端。通过iPad实现Close Loop Marketing（CLM），彻底改变了医药代表传统的营销方式，从携带PPT材料转向数字化展示。第二阶段是2014-2015年，多渠道营销兴起，行业开始探索All-Channel多渠道营销模式。丁香园、杏树林等专业平台与新兴的微信渠道，共同构建了多元化的医生触达网络，实现了从单一代表拜访到多渠道影响的转变。第三阶段是2019-2020年开始，疫情催生了直播革命，腾讯会议等工具的普及，推动了医药直播的快速发展，营销渠道进一步向自营直播转型，形成了线上线下融合的新生态。

在技术的快速发展下，随着ChatGPT、DeepSeek等AI工具的问世与快速发展，再度燃起了广大IT同仁的希望，不过就目前来看，对于拥有庞大销售团队的药企来说，仍然可能面临着如下痛点：

代表学术推广能力提升：从客情关系向学术传递转型；

拜访真实性保障：摆脱检查、KPI的需求，建立可追踪的拜访体系；

医生互动体验优化：通过数字化工具增强互动效果；

数据洞察获取效率：赋能一线管理者决策能力；

内容生产与合规平衡：在合规前提下提升内容产出效率。

仲欣认为通过“AI+平台+基础架构”的方式或将有效突破这些难点，企业首先要建立一个统一的数字化平台，用来沉淀数据，实现数据闭环和业务协同。向上可以通过AI，基于对话式AI体验，打造相应的Agent。如何融合AI与平台，那么就需要一个强力的架构，构建符合全球治理体系的可复用AI能力底座。

如果通过平台实现了全面打通，在此平台上便可以进行多部门的协同。对于一些授权后，并且合规的操作可以做定制化协同安排。带来的效果就是能够将业务做的更深、更广。在做深层面，通过平台获取代表和医生的信息，建立客户标签体系，能够实现精准内容匹配。另外通过平台来保障代表的标准化执行，能够进一步确保数据质量。在做广层面，会前通过HCP来确定会议的主题内容和讲者，从“我们想说”到“受众想知道”，会中通过直播拓宽HCP参与度，会后进行二次传播。最后还可以通过数字内容创新优化客户体验，模拟诊疗数字病例，模块化数字内容定向推送至目标HCP，对于下沉市场，则可以通过远程代表覆盖广域市场的HCP。

通过NCEP平台，能够带来业务效率的提升，保证拜访的真实性，对于内容能够一站式检索和分享。另外数据还能够实现闭环营销，客户KM反馈及时可视，与互动行为关联，如果出现分歧，可及时确认。端到端的互动数据被采集并可视化，能够赋能销售管理，KM报告的生成能够及时驱动有效的内容优化。

Part 02

AI可落地的场景及案例

对于AI的尝试，仲欣谈到可以从四大场景来进行深入的落地：第一就是AI Coach，能够满足大量代表的培训需求，并且提高销售代表的学术推广能力和合规能力。第二就是AI4BI，通过AI来改变业务管理的卓越性，例如进行销售预测、真实需求建模，还能够通过Chat BI帮助代表进行销售业绩的智能洞察，以及帮助其一键生成PPT。第三是AI内容，通过AI增强对HCP的学术互动能力，进行AE总结，文献搜索，自动翻译等工作。第四就是AI合规，通过AI来提升整体的合规能力，内容上传后会标注哪里存在合规风险，以便及时修改，提升效率。最终还可建立AI知识平台，集中存储和管理所有文档，基于AI知识平台构建多层 AI 智能体，提升企业效率。

案例1、AE Summary

值得参考的有两个案例，其中一个是AE Summary，它实现了95%的报告编写准确率，而过去人工方式只能达到90%，这意味着AI在某些领域做到了可以替代人，所以对于减员和效率提升有很大帮助。另外AE Summary通过端到端的解决方案，循序推进自动化策略，实现了快速数据采集与精确处理。

案例2、AI4BI

另外一个案例是AI4BI，需要直面营销数据分析领域的核心挑战：数据量极其庞大，且面临上万名业务用户的严苛使用需求。这要求解决方案必须兼具极高的准确性与易用性。所以需要务实地将资源聚焦于提升现有能力的准确率与场景化价值，以确保技术成果能够被广泛复制和规模化应用。

当用户提出一个问题时，系统会进行多轮的问题规划与知识改写，结合词条召回技术，在严格的权限控制下生成准确的SQL查询。查询结果不仅会以数据形式返回，更能自动生成一段文字解读、并提供图表建议，最终为用户提供“叙述、表格、图表”三种可选的呈现方式，极大地提升了决策效率。

为实现这一流程的最优效果，可以采用混合模型策略，根据各模型的专业特长将其部署在流程的不同环节：例如，利用GPT-4o优秀的意图识别能力来解析用户问题，而使用千问72B等模型负责内容生成与思考任务。这一务实且精细的技术路径，最终能够成功地将前沿AI能力转化为支撑业务决策的坚实生产力。

仲欣建议在企业级AI平台的落地架构上，不妨坚持“双轮驱动”的战略：其一是数据平台，其二是知识平台。数据平台，例如业界成熟的湖仓一体架构，经过多年的标准化数据治理，目前已发展得相对成熟。而知识平台在过去通常被定位为一个更偏向于文档检索的系统，其建设规模与重要性常被视为次于数据平台，二者的有力结合或将发挥出巨大的价值。

“知识平台的核心价值远不止于搜索；关键在于通过框架化地存储和管理文档，为业务部门提供强大的知识支撑。这为未来实现'进程打开'式的创新奠定了坚实基础”，仲欣对此做了总结。

在数字化浪潮席卷医药行业的今天，真正的数字化不仅是技术的堆砌，更是以业务价值为导向的系统性重构。通过“AI+平台+基础架构”的三位一体布局，广大药企或许能够将数据转化为洞察，将知识转化为智能，最终构建起面向未来的核心竞争力。

正如仲欣所强调的，当行业站在AGI的门槛前，那些已经夯实数据基础、建成知识平台、并形成人机协同能力的企业，将率先迎来智能时代的曙光。