大数跨境

行业观察丨数科院AI数字化营销专委会-被AI吃掉的,是流程里的交接岗

行业观察丨数科院AI数字化营销专委会-被AI吃掉的,是流程里的交接岗 成都未来数字科技研究院
2026-11-09
3

行业观察


被AI吃掉的,
是流程里的交接岗

从 1152 人每月到 12 人每月,医院和药企正在重排什么


1152

人·月(传统)

→

12

人·月(智能体)

3.5万张业务表 · 人力减少95%+ · 效率提升30倍+

◆ 先把话说在前面

多数解读停在"AI真快"。但 1152 个人每月这个数字值得拆开看。

真正用于写脚本、写SQL的时间占多少?做过这类项目的人心里有数:大头不在于动手,在动手之前和之间——需求怎么提、口径跟谁对、字段谁认、改完谁来验、排期排到什么时候。

generate_ecf1c7f15cd9bcf5.jpg

01

被压缩的不是工时,是交接


吉林大学第一医院信息中心今年7月底在内网部署了自研平台 Medsuper Harness。信息中心的人不是坐在电脑前写代码,是在会议室里等一个确认。

平台方描述智能体在这条链上做的五步——恰好就是过去要人来回跑的那五步:

需求理解 → 表字段识别 → 数据抽取 → 清洗转换 → 质量校验

更准确的说法

AI先吃掉的不是技能岗,
是交接岗。

那些专门在流程之间传话、对数、催办、等排期的位置。

赵振威(值得抄下来的一句话)

「AI真正的价值,不只是模型能回答什么,而是能不能进入实际业务流程。」

能不能进流程,是这一轮和上一轮的分水岭。上一轮AI是问答工具,你问它答,答完你自己去干;这一轮AI承接任务、调用工具、交付结果,中间那段它自己走完了。

02

一个岗位一个智能体:组织图正在被重画


🏥 吉大一院 · 按角色配智能体

不是训练一个万能模型,而是设置角色:产品经理、架构设计、开发、测试、运维各一个智能体。

-50%

开发周期

3倍+

需求分析

80%+

编码测试

这不是把AI当工具,是把AI当编制。

💊 以岭药业 · 络书大模型

五类智能体(规划/检索/生成/评分/校验)+ "主模型+领域适配器"可插拔模式。

33个智能体应用、40余个AI+RPA数字员工,覆盖研发、营销、运营、供应链财务。

截至2026年5月:完成任务 5000+项 年节约 2000人天

整体效率提升 80%+ 新场景搭建 天级 → 4小时级

🏭 鲁南制药 · 鲁南智擎

规模更大:上线 100余款智能体,落地场景超 200项,从研发、生产、质检到人事、财务、销售、临床全线铺开。

而且是本地算力环境部署,不是直接调公共大模型。

🧬 斯坦福 Virtual Biotech(《Science》)

James Zou 团队按真实生物技术公司的组织方式,搭了一家"AI公司"。

虚拟首席科学官 × 1 → 研发部门 × 4

核心智能体 × 11 → 靶点/遗传学/安全性/单细胞/药物形式/临床

关键设计:独立的 reviewer 智能体

检查证据和结论,材料不足就把任务打回重做。

这个 reviewer 不是技术组件,是质检岗。一个组织里有了质检岗,说明它开始认真对待自己的产出质量了。

四家机构的共同点很清楚:不是"一个大模型什么都会",是"一组有岗位的智能体按流程交接"。智能体之间需要交接协议,就像人和人之间需要流程一样。

03

人的位置,往上移了一层


📋 病案编码员 · 中山三院 MindCode

"AI预编码 — 证据核验 — 人工决策 — 反馈优化"四段式,自动生成可溯源的合规编码建议。

10万+份真实病案验证 单份耗时 -52% 复杂重症ICU +60% 效率

角色变化:从"逐份查、逐份编"→"审AI给的证据链,签字"。

🩺 医生 · 吉大一院

智能体用在患者分组、麻醉评估和术中提醒,结合病史、检验检查及监护数据按规则提示风险。医生没有变成操作员,变成对提示结果做判断的人。

💊 药师 · 老百姓大药房(上海徐汇店)

Galbot 承接拣选、追溯码核验、打包、投柜。

400-500

日均单量

68秒

单均时效

100%

拣货准确率

执业药师从拣单里出来,去做问症评估、合理用药指导、慢病管理。「技术提效率、人工做专业」。

🔬 检验技师 · 迈瑞启元检验大模型

联动样本质量、仪器状态、历史结果与用药信息,形成审核、解读、管理、迎审四类智能体。

南方医科大学深圳医院:样本审核效率约 30倍,报告审核准确率 90%+。技师不再逐份过,转为处置异常和把关质量。

四个场景,一条共同规律

人的工作从"经手每一件",
变成"对结果负责"。

岗位数量可能减少,但岗位的决策权重在上升。

04

为什么每个案例都写着"最终判断由人作出"


这句话出现频率高得可疑。如果只当免责声明,就错过了它真正的功能——这是组织设计,不是法律措辞。

原因很朴素:AI能提效,但不能担责。责任无法委托给一个模型。所以任何进入真实业务流程的AI,都必须在某个节点交回给人。

看三家的边界画法:

机构 / AI 做到哪 / 人守住哪

中山三院

AI 负责信息提取与初步推荐 → 编码员把控最终审核决策

吉大一院

智能体按规则提示风险 → 最终判断由医护人员完成

艾登科技(医保)

分层推理:规则引擎兜确定性 → 大模型处理非结构化 → 医生做最终裁定

这套设计反过来决定了AI能走多远。边界划不清,流程就进不去。这也是为什么医疗行业的AI落地看起来慢:不是技术不行,是必须先想清楚哪一步必须留给人。

05

营销侧:三个可以直接抄的位置


1以岭 · AI科室会智能体

学术推广全流程自动化。科室会的时间成本不在开会那两小时,在会前约人、会中记录、会后跟进、材料归档、合规留痕——这正是典型的交接岗。

2美团 · 智能体专家团

运营、供应链、渠道协同三个专家智能体,基于自研医药专业大模型。科赴试点:一线人员直接收到重点门店库存异常预警。

+30%

人效提升

+70.9%

补货速度

价值不在"AI会分析",在把结果直接送到能行动的人手上,砍掉中间层层汇报。

31药网 · 药品对码

同一种药在不同渠道有不同写法,对不上就上不了架、开不出发票。过去一个品类要几天,现在一次对码压到小时级,效率提升 10倍以上。这是营销最前端的脏活,也最容易被忽略。

营销的交接岗在哪?

① 代表和医学部之间 —— 材料谁批

② 市场部和销售之间 —— 线索谁接

③ 内容和合规之间 —— 谁签字放行

④ 总部和一线之间 —— 洞察怎么传

这四个位置,都是AI可以先进去的地方。


✦ 写在最后

1152 到 12,这组数字被引用得太多,反而容易被读歪。它不是"省了1140个人",而是说:那1140个人每月里,绝大部分本来就不产生价值,只是在等。

AI没有让人失业,
它让"等人"变成了"等机器"。

真正危险的不是被替代,是还在做交接。

判断一家企业的AI是不是真落地了,不用看它买了什么模型,看三件事:

① 有没有把岗位拆成角色

② 角色之间有没有交接协议

③ 关键节点上还有没有人在签字

三条齐了,才算进了流程。

【声明】内容源于网络
0
0
成都未来数字科技研究院
1234
内容 359
粉丝 0
成都未来数字科技研究院 1234
总阅读9.3k
粉丝0
内容359