“昨天，儿子问我，小区的英文名称怎么写，他申请海外学校要填这一项。
我说，写拼音。因为这个英文名称在学校那边，只不过是一条数据记录，而最终用途，是在你接收材料时，给中国的邮局人员看的。”——老卢

这个小故事就是在说，你要传达的信息是面向谁，以及如何让对方高效接收你的信息。很巧的是，在前段时间2024 CMAC大会上，我们受邀出席的“医学信息：传准确，达及时！”论坛，聊的就是信息传达的话题。

*本文内容摘自卢文庆主题演讲实录

自我介绍我就不多说了，我在公司内部被大家看成是AI狂热分子，比如今天的PPT大纲，其实就是AI做的。只不过在落地成最终版PPT的过程中，同事告诉我大纲的很多内容有问题，是需要改掉的。

我想，这可能是未来人类跟AI一起工作的常态：AI会给大家一个出发点，同时，人的价值是不可忽视的——最终的落地还是依赖我们人类。

01 AI+内容管理

在这个前提下，对于药企的医学信息传达环节来说，AIGC到底能在哪些业务场景下帮到我们？我们在跟很多医学部朋友交流下来发现，很多人对AIGC都抱着不太确定的态度，不光不确定它能做什么，应该先做什么，能得到什么，甚至都不确定它到底是什么——“AI我知道，GC就……”

基于这些问题，我们第一想到的，是解决耗费大量时间精力的信息收集整理。医药领域的信息量巨大，更新非常快，就像冰山一样：水面之下，是我们花费大量的时间精力做的信息采集、阅读理解和总结归纳等等；而水面之上的尖尖，才是最终呈现给外部的信息。

有了AI的能力，我们从文献等信息的获取，到理解排序，再到总结归纳，就都可以用大模型来完成了。

拿医学部的业务角度来举个例子，大家可能都需要撰写论文，而撰写论文的背后，是去找新的文章。“找新的文章”说起来简单，实际上要做的动作可远远不止一个“找”字——你需要检索、筛选、阅读、整理，甚至每个人都可能会重复去做同一个动作。

我们把这个任务抽离出来，会发现根本上是对内容信息的「理解和判断」，「理解和判断」是为了从巨多的内容中找出精髓，这也是AI更加擅长的部分，它不见得能给到最完美的洞察，但能迅速地降低我们的时间精力成本。

尤其是现在都在提的“千人千面”和个性化，意味着我们需要更加精细的理解和判断，不光是理解文献，还要理解我们现有已生成的新内容，包括音视频、一图读懂等，为个性化内容提供基础，这就到了「提炼和加工」环节。很多时候，新内容的加工就是基于现有内容进行组合式生成，当现有内容总量不大时，传统的人工理解组合没有问题，如果内容量达到几千上万份呢？恐怕就不是熟练工能完成的事了，但是AI可以。

在这个场景里面，脉络慧牍就是一个企业级智能知识库，解决了信息的收集整理、归纳总结、摘要提炼和筛选检索，甚至是跨内容的智能问答，帮大家高效地完成这些日常性动作，留出更多的时间来做高价值工作。

02 AI+客户洞察

另一方面就更重要了。

我们都知道要了解客户画像，或者说医生/专家画像，那么，是基于一线同事提供的信息，还是基于对数据的洞察？了解程度有多深，有多准？是主观判断还是客观分析？这些因素都会影响我们整个工作的结果质量。

比如在我们组织会议的时候，要做专家拜访的时候，要考虑的远不是“通知一声”这么简单。而是先确定哪个客户适合哪个会议，我应该跟客户说什么，其他哪些客户能影响到这位客户等等，这背后是另一套信息——和人强关联的信息——大量的主观认知信息。

说到底，第一步还是「理解和判断」，只不过这次的理解对象从内容换成了人。

我们有一个实际的合作案例，甲方是抗感染领域的产品，他们需要关注包括张文宏在内的头部医生信息，结果发现：在那个特殊的时期，张文宏医生非常活跃，每天都能产生数十条新数据，负责张文宏的这位同事被大量的信息包围，看都看不过来，根本没有精力再去做信息的理解和判断。最终，我们用AI帮他们做了信息解析、要点总结，把海量的信息转变成有针对性的深度洞察和行动建议，比如说触达的话题。

类似的场景，现在就都可以用AI来解决了，AI可以帮我们进行客户信息的收集和洞察，再结合个性化的内容，更好地进行信息传达。

03 AI价值的二八定律

我们跳脱出场景，再往上一层看，是价值。

我的观点是，一定要快，不要在这个阶段去做雕花的工作。你在沙滩上雕了个特别精美的城堡，一个浪过来就全没了，这个浪就是大模型的迭代。所以，我会认为现阶段不要纠结精雕细琢，而是要去做能快速体现业务价值的事，迅速让每一个同事在日常工作当中感受到效果的事。

比如说，我们做内容生成，可能会花80%的时间在内容理解和生成，最后20%的时间去优化格式。那我们就应该用AI去压缩这80%的时间成本，而不要去纠结AI能不能解决那剩下的20%。能把80%压缩到20%，这才是价值。

其实，在大模型出来之前，脉络洞察是有自己的小模型的，我们花了两三年时间，从标注数据到特殊训练，落地了自己的小模型，在沙滩上盖了城堡，结果，去年大模型横空出世……说到这儿，感兴趣的朋友可以看看我当时的一些感受：

震惊和迷茫之余，我们如何看待大模型AI？（点击跳转）

或许正因为我们自己曾经为这个时代变革付出过高昂的成本，才能站在裂缝中看到阳光，想告诉大家一些更高效的落地方式，当然，也希望能帮更多药企用AI来实现价值，这也是我们和CMAC联合成立CMAC AIGC俱乐部的初衷。