本文根据中国生物制药｜正大天晴CIO曹奋泽在CIAPH第12届医药健康行业数字化高峰论坛上的分享整理

有人说，在数字化转型中最大的挑战不在于技术本身，而在于与业务的高效协同。对于数字化部门而言，满足业务的需求并为其赋能是其重要的价值体现。然而，在实际落地的过程中，我们常常发现业务部门难以完全满意——不切实际的需求难以被满足，不准确的需求使项目难以落地。总的来说，数字化部门与业务部门之间的博弈似乎从未停歇。

那么，对于CIO来说，如何构建一个既符合业务运作本质又满足衡量指标的数字化体系呢？让数字化部门更好地为业务赋能，是中国生物制药｜正大天晴CIO曹奋泽在CIAPH第12届医药健康行业数字化高峰论坛上分享的重要启示。以下是对他演讲内容的整理。

曹奋泽 中国生物制药｜正大天晴CIO

敬爱的同行们，我是曹奋泽，现任中国生物制药及正大天晴的数字化负责人。今日，我将与各位深入探讨科技新时代下医药产业的变革与创新。我希望，通过我的分享，能够为各位提供新的思考与见解。

首先，让我们共同了解一下中国生物制药集团。作为我国在创新和研发推动方面的先锋，中国生物制药业务覆盖了从药物研发、智能化生产到销售的完整产业链。集团旗下的核心成员包括正大天晴、北京泰德、南京正大天晴、正大清江、正大丰海等多家子公司，专注在肿瘤、呼吸、肝病和外科镇痛等关键领域，每年为超过2000万患者提供服务。在战略方向上，中国生物制药致力于组织整合、全面创新、国际化和数字化四大核心战略。数字化战略已成为我们集团的关键优先项，基于此，我们已经开展了广泛的实践和尝试。

随着数字化转型的加深，中国生物制药面临着更高的要求——实现业务操作的精细化及决策的科学化。因此，我们的目标是通过技术的力量，促使业务管理从精细化迈向智能化升级。我们的数字化战略已经覆盖了企业的全方位——从研发到生产、供应链管理，再到销售，确保了业务流程的高效和连贯性。通过深入分析各个业务单元，我们依靠先进的数字化系统收集和分析数据，这些数据转化为关键的业务指标，构建起一个综合性的数据网络。这不仅使我们能够进行深度的数据分析，理解业务运作的核心，也帮助我们识别出支持决策的关键因素。

在药物研发方面，我们采取全面的数字化管理措施，涵盖从早期探索到临床前研究及临床试验的每个阶段，增强了项目的可视化和流程的可控性。在生产领域，全面的数字化管理助力于早期识别和应对生产过程中可能出现的风险，确保了生产的效率和质量。在销售层面，我们通过对客户交互和操作流程的全面数字化管理，促进了销售业务的科学决策和精细化管理。

整个转型过程中，我们利用AI、大模型等新技术不断革新业务管理、产品研发和客户服务的理念与实践。通过这种科技推动的策略，我们致力于提升业务的品质和效率，确保在激烈的市场竞争中保持领先地位。

研发领域，是一个专业度较高场景，我们面临的关键决策是选择外购技术解决方案还是自主研发。这一决策取决于对业务需求的深入理解和我们的技术能力评估。经过与业务的深度拉通，我们对专业性强、商业报价合理且符合行业法规要求的技术解决方案，倾向于外购，以快速获得数字化工具并确保合规性。而对于数据安全要求高、无需大量定制开发且采购成本按项目计算的场景，我们选择自主研发，旨在增强企业的灵活性和控制权，同时确保数据安全。

生产方面，我们的主要任务是如何实现高效排产、精确执行以及最大化质量保障。我们核心聚焦于生产全流程的数据打通，如从物料进厂到生产领料、执行及成品入库，实现生产流程的精细化管理。通过持续监控生产业务指标的变化，我们可以识别生产过程中的潜在风险，从而提升生产效率和质量。

营销领域，我们致力于为医药代表提供各类数字化装备，以提高其工作效率和服务质量。我们面临的挑战是医药代表的能力方差。为了解决这一问题，我们与业务深度沟通，提取优秀医药代表的行为和策略，通过数字化系统进行承载。并将这些行为通过任务分发的方式给到所有医药代表，使业务人员能够直观地了解所需学习的知识及待办事项，从而提高整体的业务水平。

企业管理方向，我们关注于人力资源、财务、风险控制和企业运营等领域，旨在为集团的战略规划、资源投入、风险管理和数字化运营提供全方位的支持。

集团层面，我们致力于建设一体化平台。过去，集团下属的子公司均独立运营，基于组织整合的战略目标，我们将完善底层SaaS基座，并构建业务中台、能力中台和数据中台。上层业务从财务以及采购切入，建设集团统一的数字化平台。下一步我们将深化对核心业务——研发、生产和销售的集团化支持。总体而言，通过集团一体化平台的建设，我们旨在实现组织整合和提升整体业务效率。

随着AI、大模型的快速发展，我们在生物制药的各个领域持续探索，接下来分享关于AI在集团内的落地实践，我们将挑选几个关键领域的场景来分享。

在药物发现领域，我们利用AI来优化研发流程。药物发现是一个复杂且成本高昂的过程，传统上依赖于化学家的经验和大量实验。借助AI，我们可以在分子设计阶段利用药物分子数据库进行高效设计，预测实验条件下化学反应和生物测试的成功率，并在分子优化阶段给出改进建议。AI的核心价值在于能在实验前筛选出有成功潜力的候选分子，极大缩短了研发周期。

在临床试验中，我们通过AI writing技术提高了效率和准确性。利用机器学习和自然语言处理技术，AI可以快速生成结构化的文档，标注文档中的不一致和潜在遗漏的信息，提供修改建议，从而大幅提升文档质量和处理速度，释放研究人员的时间，让他们更多地专注于科研工作。

在药物生产领域，面对复杂的市场需求和生产流程，我们通过AI的优化算法和机器学习能力，实现了高效的生产排产。通过输入生产前的约束条件，系统能够自动生成优化的生产计划，可由专家进一步调整，显著降低库存，提升生产效率。

在药物营销领域，我们面临的挑战是如何有效管理和利用大量的医学和学术材料。通过自研集团大模型，输出精准的医学资料至医学人员，提升其知识获取的效率。同时，基于此大模型，我们将法务、财务、生产GMP和研发等知识灌给模型，持续训练输出，打造企业各类数字化员工，为企业提供持续服务。

在学术会议领域，我们正在探索如何通过AI智能化地处理邀请函发放、会议计划制定、人数统计、签到、语音转文本、提炼会议要点及生成会议纪要等任务，以实现学术报告的智能化生成和个性化推送。这些实践案例展示了AI和大模型在医药产业中的强大潜力和实际价值，为企业带来了效率提升和成本降低的双重优势。

综上所述，传统行业的数字化转型既是一项复杂的挑战，也是一个机遇。这一过程远非易事，主要是因为我们需要克服技术难题的同时，更关键的是实现技术与业务之间的深度整合，建立共同的认知，并开发出得到业务领域广泛认可的数字解决方案。尽管道路崎岖，随着数字化转型的不断深化，我们能够看到更多的可能性。数字化转型不仅能够帮助我们降低成本、提高效率，新兴技术如人工智能的应用也将进一步增强这一过程的效率和成果。感谢大家的聆听，希望我的分享能够为您带来启发和思考。