2025年9月5日，由CIAPH與凱萊英醫藥集團聯合主辦的“AI+醫藥業務場景探索”專題沙龍在上海成功舉辦。本次活動聚焦AI在醫藥領域的多項實際應用，涵蓋研發實驗室、臨床試驗、合規與效率、質量控制等多個維度，通過真實案例分享，打造了一場兼具深度與前瞻性的行業交流會。PG數碼通明湖云和信創研究院大模型解決方案架構師梁山受邀出席，并發表主題演講。

當前，人工智能技術正以驚人的速度跨越“可用性”門檻，進入規模化落地階段。尤其在醫藥這類知識密集、監管嚴格的行業，AI已不再僅是錦上添花的工具，而是逐漸成為企業核心運營與創新系統中不可或缺的基礎能力。

致力于成為領先的數字化轉型合作伙伴，PG數碼基于在生成式AI領域的布局，推出以“AI智能體”為核心思想的企業級Agent中臺——PG問學，旨在為行業提供端到端的AI落地新范式。

AI 3.0時代：智能體驅動的系統重構

企業數字化正步入以“智能體”為基本單元的3.0階段。相較于1.0階段的計算機輔助管理、2.0階段的機器學習預測，3.0階段強調AI智能體與現有IT系統的深度融合，實現系統級智能化重構。

梁山認為，未來企業在系統設計中應引入“AI原生”思維。以BI系統為例，除傳統報表功能外，還需融入自然語言交互、智能問答與預測決策等能力，使系統能夠理解業務意圖，實現“業務驅動、AI執行”的閉環。

盡管多模態大模型在意圖理解、邏輯推理與工具調用方面已實現突破，企業在AI落地中仍面臨知識管理混亂、工具調度失序、私有數據與公模隔閡等多重挑戰。

梁山指出，AI有其能力邊界——它并非萬能，但在與大數據、機器學習等技術結合后，可在特定場景中發揮關鍵作用，例如：

? 海量文檔挖掘與分析（如科研文獻、合規文件）；

? 跨模態知識檢索與生成（如SOP、GMP文件自動生成）；

? 智能培訓與合規質檢；

? 財務與質量管理的自動核查與預警。

AI for Process藍皮書，定義落地“三部曲”

基于眾多項目實踐，PG數碼提煉出“AI for Process”方法論，并在世界人工智能大會上首次以藍皮書形式發布。該框架從組織行為、管理模式與技術范式三方面為企業提供AI落地的系統指引。

具體實施可分為三個階段：

1、戰略認知與系統評估

企業需從頂層設計切入，明確AI愿景與實施路徑，保持技術與戰略的一致性。

2、知識治理體系構建

知識管理是AI落地的核心瓶頸。PG數碼提出6項治理原則，包括系統打通、結構化解析、沖突消解與共享機制設計等，將問答準確率提升至95%以上。

3、場景化迭代與邊界管控

AI項目必須與業務場景強綁定，明確可量化指標與成本收益模型，控制預期、小步快跑。

PG問學四大核心能力賦能藥企

為降低開發門檻，PG數碼推出PG問學企業級Agent中臺，整合四大核心能力：

? 多模型管理：支持國內外主流大模型接入、微調與評估，企業可構建“私有化模型工廠”；

? 智能體編排與調度：基于自研LoTTE算法優化復雜任務分解與工具調用邏輯；

? 知識治理與增強模塊：通過多模態解析、段落語義識別與質量反饋機制，突破數據準確性瓶頸；

? 企業級集成與權限框架：支持與SSO、BI、ERP等系統無縫集成，滿足合規與安全要求。

目前PG問學已在多家醫藥客戶中投入應用，尤其擅長處理專業性強、合規要求高的業務場景。

從“超級員工”到“合規智能體”，
案例背后是行業Know-how的沉淀

目前，PG數碼AI解決方案已在醫藥行業實現多場景落地：

? 超級員工問答系統

集成企業內部財務、人力、IT、研發等多源數據，提供自然語言交互式的自助服務，顯著提升員工效率。

? 合規智能管理平臺

實時捕捉國內外法規政策變動，自動與企業SOP文件做差異比對，生成修訂建議和風險報告，成為藥企合規部門的“智能助手”。

? 研發輔助與靶點分析

聚合大量學術文獻、臨床試驗數據與專利信息，支持研究人員快速進行立項分析、靶點篩選和報告生成，加速早期研發決策。

這些解決方案已成功應用多家頭部藥企，覆蓋從研發、生產到合規管理的全價值鏈。

AI不是終點，
而是新流程與新范式的起點

人工智能的真正價值，不僅體現在技術本身的先進，更體現在對業務痛點的系統回應和流程再造能力上。

未來，PG數碼將繼續與醫藥企業共同探索AI在更深場景的應用，以智能體驅動產業智變。