圖片系A(chǔ)I生成
痛點
對于傳統(tǒng)醫(yī)藥企業(yè)而言，藥品研發(fā)的全流程是一個即費時，又費力的過程，但是在AI大模型的加持下，醫(yī)藥代表可以用更快的速度、更高的效率完成這些環(huán)節(jié)的工作，從而實現(xiàn)降本增效。
首先，HCP（醫(yī)療專業(yè)人員）尋證費時費力，HCP人員在研究使用藥物時，需廣泛搜尋研究文獻、藥品指南、用法說明、臨床數(shù)據(jù)等，以獲取充分的使用依據(jù)，并根據(jù)研究方向與患者具體狀況制定策略。這一過程涉及海量文獻的查閱與經(jīng)驗總結(jié)，極為耗時且勞動強度大。
其次，HCP人員文獻見解無法傳承且效率低下，HCP人員在文獻研讀上高度依賴個人經(jīng)驗和專業(yè)水平，導(dǎo)致企業(yè)難以系統(tǒng)性積累和傳承文獻解讀的資產(chǎn)，加之文獻內(nèi)容繁復(fù)，常規(guī)閱讀方式效率欠佳。
最后，醫(yī)藥代表培訓(xùn)成本高，醫(yī)藥代表培訓(xùn)專業(yè)內(nèi)容多且嚴(yán)謹(jǐn)，初級醫(yī)藥代表很難快速上手。
解決方案：
對此，某醫(yī)藥制造公司與神州數(shù)碼共同啟動了“生成式 AI 與業(yè)務(wù)智能化場景建設(shè)實施性研究項目”，旨在探索生成式 AI 技術(shù)在降低成本和提高效率方面的應(yīng)用。在知識治理方面，引入了自動化標(biāo)注模型，極大簡化了企業(yè)私域知識的整理與應(yīng)用。
成效：
目前，除了藥物研發(fā)和智能制造外，“神州問學(xué)”不僅能夠提供AI應(yīng)用落地實施服務(wù)、相比原廠實施成本更低，而且還支持開箱即用、累積了豐富的大模型工程經(jīng)驗、與企業(yè)共創(chuàng)將企業(yè)特色業(yè)務(wù)運行在問學(xué)平臺上等多重價值，更能匹配企業(yè)的實際場景需求。通過智能化解決方案，公司內(nèi)部銷售知識庫資料整理流程得到了顯著優(yōu)化，有效節(jié)省了時間并提高了工作效率和質(zhì)量。
在治理醫(yī)藥行業(yè)客戶的海量醫(yī)療文檔治理場景，通過平臺的文檔布局拆解工具和專業(yè)訓(xùn)練模型，將人工干預(yù)的文檔量從46萬份減少至1000份以內(nèi)，實現(xiàn)了知識治理的自動化飛躍。
「關(guān)于創(chuàng)新場景50」
場景不是案例，它更加精準(zhǔn)、也更加抽象。數(shù)字化就是創(chuàng)新場景的不斷疊加和迭代。
在此背景下，鈦媒體重磅推出「創(chuàng)新場景50」評選，每年遴選并解讀50個全行業(yè)與業(yè)務(wù)深度融合的創(chuàng)新性場景及其解決方案，并在鈦媒體年度ITValue Summit 數(shù)字價值年會上隆重頒獎、深度交流。
