二、选型要点一:边界写在产品里,还是写在合同里
很多方案在售前沟通时都会强调“我们很谨慎”,但真正要看的,是这份谨慎有没有变成产品机制。
看“授权范围”怎么定义
- 可操作范围是否可按角色或任务划分:同一个业务场景里,整理清单的人和执行变更的人,权限应该不同;如果系统只有一个“管理员”角色,边界就形同虚设。
- 写回动作是否被显式授权:只读检索和写回业务系统是两件事,前者风险可控,后者必须逐项授权。
- 越权时是拒绝还是提示:真正可靠的边界是“做不到”,边界之外是“你可以试试但后果自负”。
人工确认节点应该出现在流程里,而不是事后补签
- 流程设计时就把“谁确认、确认什么、确认后留下什么”定义清楚,比上线后再补审批单有效得多。
- 在 Soiawork 中,工作流可以把 AI 的整理、比对、查询步骤与人工确认步骤编排在同一条链路上,人工节点不通过,后续动作不会发生。
三、选型要点二:数据从哪里来,用到什么程度
医药企业的数据分散在 ERP、门店系统、商品主数据、处方服务页面、总部表格里。选型时值得追问:智能体是怎么拿到这些数据的?
- 连接器取数,而不是靠人上传:通过连接器对接系统与网页,数据来源清晰、可追溯,避免“人工导出再上传”这一最容易失控的环节。
- 知识库放规则,不放隐私:内部规则、SOP、批准流程、匹配规则适合放进知识库让智能体随时查依据;患者信息这类敏感数据不应沉淀为长期知识资产。
- 文件空间与工作空间做隔离:不同部门、不同门店范围的数据应有各自的空间边界,避免一次配置失误造成全域可见。
- 设备侧操作的可见性:当智能体需要操作本机软件时,通过 Soia Worker 在授权设备上执行,操作范围与发起人可对应,而不是在无人知晓的服务器上跑脚本。
四、选型要点三:结果能不能回读,异常能不能看见
这是医药合规评审里最容易被忽略、也最容易被追问的一点:AI 说它做完了,凭什么信?
- 回读机制:执行后回到系统读取实际状态,而不是以“提交成功”作为完成标准。商品信息运营场景中,就是回读发布状态并记录失败原因。
- 只回传已通过的结果:在处方订单协同这类场景里,查询到审核未通过或状态不明的,不做推测性处理,单独列出交给人工。
- 运行记录的结构化:任务、过程、产物、异常、人工介入和成本都要能被记录,企业才具备核对、复盘和改进的基础。
- 可回放的证据:异常发生时能回看当时的页面、字段和判断依据,这比一份“执行成功”的汇总表有用得多。
五、选型要点四:一次成功能不能沉淀成组织能力
医药企业的合规要求往往是“总部一套规则,几百家门店执行”。如果每个门店、每个运营人员都要重新教一遍 AI,合规就退化成个人习惯。
- 技能沉淀方法:把已验证有效的操作方法和行业规则整理成技能,团队复用,新人不需要重新摸索。
- 工作流固定步骤:把顺序固定下来——核对匹配规则、整理待执行清单、授权范围内维护字段、回读发布状态。顺序稳定,审计才有对象。
- 自动任务按时触发:高频、周期性的事情(比如发布状态巡检)配置为按时间或事件触发的自动任务,而不是靠人想起来才做。
- 权限与成本由管理员统一管理:组织、权限、成本和审计边界集中在管理员侧,业务人员看到的是目标、任务和结果。
六、两个可对照的医药场景流程
以下为场景库中收录的流程形态,用于说明“合规要求如何落成步骤”,属于可复现验证的场景描述,不作为客户成效承诺。
场景一:商品信息运营(医药零售)
- 业务背景:按客户确认的商品编码和批准文号匹配规则整理待执行清单,在授权范围内维护字段,并回读发布状态与异常。
- 改造前的做法:运营根据总部清单逐平台查找商品并录入字段,商品库缺项、编码不一致和发布失败时,要回到表格逐项标记。
- 改造后的步骤:核对商品匹配规则(商品编码、批准文号与门店范围)、整理待执行清单(标出缺项与编码不一致)、在授权范围内更新商品信息、回读发布状态并记录异常与失败原因。
- 合规要点:商品匹配关系一次核对清楚,发布状态与失败原因集中可见;药品展示、售价和批量变更仍保留人工确认。
场景二:处方订单协同(医药零售)
- 业务背景:核对授权订单与库存,按已批准流程传递已有资料、查询专业审核状态,只回传已审核通过的结果。
- 改造前的做法:订单人员在平台、库存系统和处方服务页面间切换,逐笔核对商品、可售数量和审核状态,缺货或状态不明时需重新找人确认。
- 改造后的步骤:核对订单与库存(确认可售数量与缺货情况)、按批准流程传递已有业务资料、查询审核状态、留存操作记录。
- 合规要点:库存与审核状态一并呈现;患者信息按最小必要使用;处方开具、审核、调剂与用药判断均由具备资质的人员完成,智能体不替代专业审核。
七、选型会上的几个具体提问
把抽象讨论变成可以直接抛给供应商的问题,效率会高很多:
- 你们的智能体在写回业务系统前,需要经过哪几道授权?授权是按角色还是按任务?
- 患者信息在任务执行过程中会不会被留存?留存多久,谁能看到?
- 一个任务执行完,我能看到哪些记录?能不能回看异常发生时的现场?
- 如果规则变了(比如某个字段的匹配方式调整),是改配置还是重新开发?
- 这套方法能不能被别的部门复用,还是只能由当初实施的人维护?
- 与我们现有的 RPA、BI 是什么关系,是替换还是叠加?
从一项重复工作开始试跑
医药行业的合规建设没有一步到位的方案,也不需要一步到位。更稳妥的路径是:挑一项高频、规则明确、结果可回读的重复工作作为起点,比如商品信息字段维护或订单库存核对;在一个门店或一个小组范围内试跑;然后逐条核对结果与异常,看留痕是否足够支撑评审、人工确认节点是否真的挡住了风险;确认这套做法能站住,再决定是否扩大范围。合规的可信度,最终来自一次次可以复核的运行记录,而不是一份承诺书。
常见问题解答
上 AI 智能体要不要改造现有 ERP、门店系统?
大多数情况下不需要。智能体通过连接器对接现有系统与网页,在系统界面层完成检索、录入、回读,业务系统本身可以保持不动。需要改造的通常只有权限账号和数据接口的开放范围,这部分建议由 IT 与合规共同确认。
数据和权限怎么控制?
核心是三条:按角色和任务划分操作范围;敏感信息按最小必要使用并限制留存;每次运行记录操作、异常与人工介入位置。在 Soiawork 中,组织、权限、成本和审计边界由管理员统一管理,业务侧看到的是任务与结果。
AI 做错了,责任怎么算?
产品设计的立场是:AI 不做专业判断。处方开具、审核、调剂与用药判断由具备资质的人员负责,药品展示与售价变更由运营及相关负责人确认。智能体承担的是整理、比对、传递、回读和留痕,出错时可以通过运行记录定位到具体步骤,责任边界因此是清晰的。
应该从哪个医药场景开始?
优先选规则明确、结果可回读、不涉及专业判断的环节。商品信息运营、订单与库存核对这类场景,异常可以量化、边界容易划清,适合作为第一个试跑对象;涉及处方和用药判断的环节,应始终保留在资质人员的决策范围内。
它和现有的 RPA、BI 是什么关系?
RPA 解决的是固定路径的界面操作,BI 解决的是数据呈现,而 AI 智能体处理的是“需要看情况判断再行动”的任务:读规则、比对差异、决定下一步、回读验证。三者更多是叠加关系——BI 提供看板,RPA 处理稳定重复的点击,智能体处理路径不完全固定的协同工作,并把有效做法沉淀为可复用的技能与工作流。
有任务,找 Soia;有问题,你说呀。Soia 让智能生长,让工作进化——让每家企业,都能轻松构建自己的 AI 组织。
预约Soiawork企业效能顾问
深度诊断企业痛点,定制专属 AI 自动化办公方案