← AI 前沿 · 2026-10-18
圆桌整理 · 下篇：做法
一家临床 CRO 的 AI 路线：先搭底座，再上智能体，最后回到策略
本文据近期一场公开行业圆桌中一位 CRO 管理者的发言整理，非逐字引用，已隐去公司与个人信息。文中的效率数字为发言者自述，未经我们核实。与《AI 不杀 CXO》同出一场讨论，那篇讲判断，这篇讲做法。
先做底座，再谈智能体
这家 CRO 2026 年首先做的不是上某个 AI 应用，而是搭底座：
- 数据底座、知识库，与项目管理系统、业务系统一体化；
- 出于合规，采用本地化部署，统一管理系统权限。
没有这一层，后面每个智能体都要各自接数据、各自管权限，规模越大越难维护。
四类业务智能体
底座之上，他们同时推进了四类智能体：
- 医学翻译与写作：CSR、方案等文件的多语种撰写与翻译。因为保密要求，这类文件不方便交给外部翻译，所以选择自己训练模型。
- 患者招募：把入排标准与患者病史做匹配整理。发言者自述，原先需要有医学背景的人员逐份病历核对，约 1 小时一份，借助 AI 后约 3 分钟，最终仍由人工复核。在此基础上搭建招募平台：一是项目与大量商业招募渠道的多对多匹配，二是多中心项目的病历与进度数据可视化。
- CRA 教练：把法规要求和项目特定难点做成工具，让一线 CRA 随时能得到及时的帮助。
- 项目经理助理：把 PM 从事务性工作里解放出来，把精力放在协调资源上，支撑一线稳定、快速地交付。
四类里没有一个是“替代人”：医学判断、招募复核、监查结论、资源协调，都留给人。
对 AI 角色的三步判断
- 现在：AI 是“工具人”，辅助执行具体任务。
- 预计明年：AI 承担部分“执行人”角色，参与管理和判断。
- 目标：回到本质，聚焦如何帮服务项目真正成功。
第三步的一个例子
发言者举了一个方向性的案例：许多早期分子单药难以成药，需要判断何时、与谁、如何联合，以及选哪类人群，这些问题仅靠个人经验往往不够。他们借助数据与 AI，为一个找不到方向的临床阶段分子匹配了联合用药伙伴，联合方案最终跑通。
这个例子属于策略层面，而不是效率层面，也是三步里最难被复制的一步。
对 CRO 运营的启示
- 先问底座在不在：知识、数据、权限是否已经能被多个应用共用。
- 先选“重复多、有标准、可复核”的场景起步，如文件翻译、病历匹配、监查辅导、项目事务。
- 每个场景都要写明人工把关点，效率数字用自己的基线去测，不直接套别人的结论。
上篇：AI 不杀 CXO：放大的是执行价值——整场讨论对临床 CRO 与 AI 的判断。
本文基于公开资料与作者观点整理，不构成投资或合规意见；数字与出处以原文为准。