药械企业老板，自己不用AI，AI能真正赋能你的企业吗？

今年上半年，我参加了一场医药行业数字化转型论坛。茶歇时跟两个药企市场总监聊天，一个说：“我们老板去年底拍板了，今年AI是全公司战略级任务，预算批了。”另一个问：“那他自己用吗？”第一个苦笑了一下：“他连ChatGPT账号都没有，都是让信息中心搭了个内部门户，大家自己摸索。”

这个场景太熟悉了。我做了十几年药械市场，见过太多次类似的剧本：CRM上线、数字化营销转型、私域流量运营，每一次都是老板拍板、预算到位、然后甩给信息中心或数字团队，自己继续用经验做决策。最后系统变成摆设，数据无人维护，团队怨声载道，老板说“这东西没用”。

但这次不一样。麦肯锡的研究显示，由集中式业务负责人主导的AI项目，70%能进入生产部署；而交给分散IT团队推进的，只有30%走到这一步。92%的药企计划在未来12到24个月内追加AI预算，但仅29%认为AI当前表现达到或超出预期。63个百分点的落差，就是投入与产出之间的鸿沟。而填不填得上这条鸿沟，取决于一件事：老板自己用不用。

一、CRM能甩给IT，AI为什么不能

我做市场这么多年，对一件事深有体会：药械企业老板有一种根深蒂固的管理直觉，专业的事交给专业的人。ERP让IT部门上，CRM让销售运营管，数字化营销让市场部数字团队搞，老板只看结果。过去二十年，这个模式运转得不错。

因为CRM、ERP、数字化营销工具本质上是记录系统。它们的价值在于统一数据源、标准化流程、提升信息可见性。老板不需要亲自录入拜访记录，只需要知道KOL覆盖率达标了没有、辖区业绩对不对得上。技术团队部署好，业务团队用起来，老板看报表，链条清晰，分工明确。

但AI不是记录系统。AI是推理层。它读入你的CRM数据、销售数据、竞品动态、招标政策、KOL学术活动轨迹，然后自主判断、生成建议、甚至采取行动。它不再只是告诉你“上个月辖区丢了多少份额”，而是告诉你“下季度应该把资源从A省调到B省，因为三个竞品同时在A省集采丢标后价格战会打穿，而B省的医保谈判窗口期还有六周”。

这个区别是根本性的。记录系统的部署可以委派，因为输出是确定性的，流程跑通了就是跑通了。但推理系统的输出是概率性的，它有幻觉、有偏见、有漂移。一个从未亲手用过AI的老板，听到“模型准确率95%”会觉得很安全；但一个亲手用过AI的老板会追问：剩下那5%在什么情况下出错？出错时代价多大？他甚至会发现，AI偶尔会一本正经地编造一个不存在的法规条款。你不亲手碰过，根本不知道这东西在什么边界上会一本正经地胡说八道。

这个认知差距，在供应商选型时会变成真金白银的代价。一个不懂AI的老板评估三家供应商、听三次演示，会选演示最好看的那家。半年后发现交付的东西无法与现有系统整合、无法处理实际业务数据、无法解释模型决策依据。一个懂AI的老板会在演示时直接追问：训练数据是什么？是否覆盖我们的患者人群和目标市场？模型行为如何随时间漂移？这些问题，不亲手用过AI的人根本想不到要问。

赛诺菲CEO Paul Hudson在麦肯锡专访里说了一段话，我觉得值得每一个药械老板原封不动地读完：

“我这个年代的CEO都是委派大师。我们擅长建团队、授权、看结果。但在突破性新技术面前，你委派的瞬间就过时了。”

“如果你委派，事情会这样演变：你在会上听到某个AI突破对公司有用，下次开会你问进展，他们说‘已经交给CDO了，我们自己建，数据留在内部环境里’。然后他们指望你忘了这回事。这是企业黑话，翻译过来就是：我们也不知道，老板，我们拿不出东西给你看。”

（Paul Hudson，赛诺菲CEO，麦肯锡专访，2025年7月）

Hudson还讲了一个细节，让任何一个药企老板都该冒冷汗。2021年，他走进一个32人参加的会议，问负责人在干什么。对方直说：“我们在讨论怎么不给你数据。”Hudson说：“如果这个人敢当着我的面这么说，其他人背地里在干什么？”

这不是技术问题。这是信号机制问题。老板不亲自用AI，整个组织读到的信号是：这是IT部门的任务，不是业务战略。于是数据团队说“这是业务的事”，业务团队说“这是IT的事”，跨部门协作无人推动。MIT Sloan的研究发现，缺乏单一AI业务负责人的组织，项目停滞在试点阶段的可能性是其他组织的3倍。

我做市场的时候见过一个完全一样的剧本。CRM上线后，老板不看CRM数据做决策，一线代表立刻读懂了这个信号：系统只是用来监控我的，不是帮我做业务的。于是数据质量急速下滑，报表越来越不可信，管理层越来越不看，恶性循环。AI只会更严重，因为AI的输出比CRM复杂得多，更需要有人能判断对错。

二、95%的试点怎么死的：我在药企里见过太多次的剧本

MIT的研究显示，95%的AI试点项目未能产生可衡量的损益影响。麦肯锡的研究则给出了一个清晰的分野：由集中式业务负责人主导的AI项目，70%能进入生产部署；而交给分散IT团队推进的，只有30%走到这一步。这些数字听起来抽象，但我可以告诉你，在药企里，它们是怎么一个一个死掉的。

数据治理真空

药企的数据散落在医院、实验室、CRO、注册系统之间，患者记录、组学数据、影像、临床试验结果、药物安全报告，天然的“数据孤岛”。试点阶段用干净数据在理想条件下跑通，进入生产环境时数据漂移、异常输入、合规审查一涌而上。问题不是数据脏，是数据无人负责。老板不亲自推，数据团队和业务团队互相推诿，试点在部门墙之间碰壁至死。

合规被武器化

GxP合规确实是真实壁垒。21 CFR Part 11要求审计追踪、电子签名和记录完整性，AI系统的验证标准远超典型企业软件的要求。但一个微妙的逻辑滑移经常发生：老板将合规复杂等同于我不需要亲自理解。合规部门于是成为AI项目的守门人而非赋能者，每个AI输出默认需审查，审查周期长达数月，试点在等待中消亡。

FDA的Purolea案给了行业一记警钟。企业因依赖AI生成GxP规格书收到警告信，FDA指出其未独立验证AI输出。但FDA的立场不是不要用AI，而是AI必须被治理、验证和监控。合规的本质是治理框架，不是不行动的借口。不亲手用过AI的老板，无法区分这两者。

变革管理被当成IT的事

BCG 2024年的AI采用研究发现，约70%的AI推广挑战来自人与流程，包括变革管理、工作流重构、治理和人才，技术只占约20%，算法本身仅约10%。但变革管理恰恰是最需要CEO亲自推动的环节。我做过市场总监，太清楚一件事：任何一个新系统上线，一线代表的第一个念头都是“这会不会增加我的工作量”“这会不会让我暴露更多数据”。如果老板不以身作则，变革管理就是无源之水。Hudson说，他走进那个32人的会议室、发现人们在“决定怎么不给他数据”时，他意识到，任何变革管理都会带来恐惧，人们想把它拖到停滞，好给自己争取时间。

三、药械行业凭什么比别的行业更经不起“委派”

理论上，任何行业的老板不亲自用AI都有问题。但在药械行业，委派的后果格外严重。这是我在行业里待了十几年后的判断，不是从咨询报告里抄来的。

组织DNA：商业人与技术人的二元对立

药企的组织历史中，“商业人”（销售、商务拓展、市场战略）和“技术人”（研发、临床、注册）分属不同组织、不同文化、不同考核体系。市场部看ROI、看市场份额、看KOL覆盖率；研发部看P值、看安全性、看监管审批。这两类人在语言、价值观、风险偏好上存在系统性差异。我这个市场人跟研发部开会时，经常觉得我们在说两种语言。

AI进入这种组织时，最自然的安排是：技术团队搭平台、合规团队做验证、市场团队用结果。但AI恰好需要打破这种二元对立。AI的目标函数需要战略判断，市场到底应该优化什么，是KOL覆盖率还是新患入组率？AI的训练数据需要业务理解，哪些竞品动态值得追踪，哪些招标信号是噪声？AI的输出需要业务审视，AI建议放弃一个省份的资源投入，你敢不敢信？在组织DNA里把业务判断与技术执行分开的企业，天然会试图把AI也拆到两个盒子里。但AI恰好是那个拒绝被装进任何单一盒子的东西。

外包基因：CRO、CDMO思维的AI转移

中国药企长期依赖CRO、CMO、CDMO模式，专业的事交给专业的人，这个思维根深蒂固。当AI出现，最自然的冲动是：让AI公司来做，药企买AI能力即可。

但外包AI与外包研发有本质区别。药品研发外包交付的是分子，一个确定性产物。AI交付的是持续学习的能力，它的价值随数据积累而增长，它的认知资产在合作终止后可能被服务商带走，导致药企在AI世界里失忆。更重要的是，FDA明确要求AI系统的治理责任不能外包，AI生成输出必须由质量保证部门审核，责任不能委托给AI系统。你可以外包AI的构建，但你不能外包AI的问责。

作为一个市场老兵，我对外包思维有一个切身体会：每次把消费者洞察外包给调研公司，拿回来的报告都是正确的废话，数据没错，但缺乏对业务场景的深度理解。AI外包也是一样，服务商可以给你一个漂亮的模型，但它不了解你的竞品策略、你的KOL网络、你的渠道利益分配格局。这些业务暗知识只能从内部长出来。

时间尺度的错配

药企的核心业务运行在10到15年的研发周期上。一个新药从合成到批准，平均成本26亿美元，进入I期临床的药物最终获批概率仅7.9%。这种慢就是快的文化，一个错误决策意味着数十亿美元和十年的沉没成本，与AI需要快速迭代、快速验证的节奏天然不匹配。

但恰恰因为这个不匹配，药企老板需要比其他行业更亲自地理解AI。因为只有亲自理解了，才能在慢决策和快迭代之间做正确权衡。Hudson在专访里举了个例子：赛诺菲在I期临床时，八到十年才上市，90%概率失败。通过AI，他们希望把失败概率从90%降到70%。“你还是可能失败，但效率高得多。”在III期临床中投入5亿美元、30%到35%失败概率的情况下，从70%成功率提升到80%，那是不可思议的。

在哪个环节投AI、承担多大风险、期望什么回报，这是CEO的战略判断，不是CDO的技术决策。

高管AI素养：比你以为的更糟

Cognizant 2024年对108名生命科学高管和380名员工的调查显示：生命科学行业的AI成熟度在十个行业中排名第八，其AI培训得分低于跨行业平均13分；在五个维度里，认知排第三、技能排第五、采用排第二。在AI最前沿的方向上，决策者恰恰是最不了解工具的人：高管对生成式AI的理解率56%，低于员工的68%；对智能体AI的理解率仅34%，低于员工的51%。

流程自动化方面高管理解率90%，高于员工的59%，这是传统IT时代的延伸。但生成式AI和智能体AI上出现了反转，说明老板们还停留在上一个技术范式里。Gartner预测，到2027年约50%的商业决策将由AI代理支持。如果你的决策者自己不理解AI，他如何判断AI给出的决策建议是否可靠？

四、“亲自用”到底用在哪：一个市场人的视角

很多老板有个误解：“我又不会写代码，AI跟我有什么关系？”BCG在《AI for CEOs》中建议，CEO每周花8小时以上建立AI能力。CEO使用AI不等于写代码。它意味着什么？我从一个市场人的角度，说几个药械老板每天都会面对的场景。

场景一：资源配置决策

每到季度末做市场资源分配，各辖区经理的汇报都是“我们辖区情况特殊，需要追加投入”。老板怎么判断？过去靠经验、靠数据看板、靠跟区域经理的信任关系。Hudson在麦肯锡专访里描述了一个他亲历的事：他让赛诺菲德国团队用AI agent检查资源配置是否最优，agent返回结果说，这里多了几十万，那里少了几十万，团队已经有了调整方案。“agent是伟大的平衡器，”Hudson说，“我们不再有过去那种资源部署中的偏差。”他用AI在全球主要市场上检查资源配置是否最优。这是CEO级别的决策，不是技术部署。

场景二：对抗组织的信息过滤

任何一个在药企待过足够久的市场人都知道，项目团队汇报时的信息过滤是真实的，人们倾向于报告好消息而非坏消息。尤其在管线评审、市场策略复盘这种涉及部门利益的场合，你听到的永远是“方向正确，进展顺利，需要更多资源”。Hudson说了一段让我拍案的话：“算法或agent没有职业利益关系。当我们在III期临床试验中投入数亿美元时，我们可以问agent是否应该继续，agent给出纯粹的yes或no。它没有在项目上投入了11年的感情，所以它的坦诚度是指数级不同的。”

这不是用AI替代人的判断。Hudson强调，是否采纳agent的建议完全取决于你。但AI给了CEO一条未经组织过滤的信息通道。前提是：CEO自己会用、自己会判断。否则，你连问什么都不知道。

场景三：市场情报的即时整合

作为市场人，我过去花大量时间做竞品追踪，新药上市时间、医保谈判进展、招标价格变化、KOL学术活动轨迹、推广策略调整。这些信息散落在十几个人手里，整合一次需要一两周。一个会用AI的老板，可以每天花十五分钟让AI把当天所有公开渠道的竞品动态、政策变化、行业新闻整合成一份结构化简报，在晨会上直接用。一个不会用AI的老板，还在等信息部每周出一份已经过时的竞品周报。

场景四：战略假设的压力测试

BCG指出，CEO可以用AI做假设压力测试，让AI扮演对抗性顾问，挑战自己的战略判断。“下个季度集中资源打A适应症市场，最大的风险是什么？”“如果竞品在B省率先进入医保，我们的防线在哪里？”这种对抗性思考，在组织内部几乎不可能得到，没有人敢当面挑战老板的判断。AI不怕得罪人。

五、那些亲自下场的老板，到底做了什么

这些不是新闻剪报，这是竞争格局正在重塑的信号。

这些案例有一个共同特征：AI战略不是由IT部门自下而上推动的，而是一把手自上而下亲自定义、亲自协调、亲自使用。孙飘扬在两会上公开背书，张贵民亲自担任转型领导小组组长，谢子龙亲自挂帅AI委员会，Hudson亲自主持AI俱乐部年会、亲自走进一线扫除障碍。这不是挂名，而是将个人声誉和组织权威绑定在AI转型上。

六、竞争的不对称：3到5年后，差距是什么

行业调查给出了一个冰火两重天的画面。以缩短临床试验周期这个指标看：早期部署者，也就是有18个月以上AI经验的企业，29.7%取得了超预期结果，而全行业只有15%。以减少方案偏离看：早期部署者40.5%见效，全行业26.5%。同一份报告里，全行业仅29%认为AI当前表现达到或超出预期。

这组数据的含义是：AI能力正在形成结构性分化，一边是数据飞轮越转越快的企业，一边是还在试点地狱里打转的企业。

BCG 2026年的报告显示，近四分之三的CEO已经成为公司AI投资的主要决策者。

3到5年后，这种分化会演变成什么？

决策速度差距。 Gartner预测，到2027年约50%的商业决策将由AI代理支持。AI素养高的CEO用AI加速信息处理、假设检验、风险评估。不碰AI的CEO，还在传统决策流程里运转。在一个新药靶点发现周期被AI压缩的赛道上，决策速度就是管线数量，管线数量就是市值。

人才引力差距。 顶尖AI人才不愿加入CEO完全不懂AI的组织，他们无法获得指导、无法建立信任、无法推动决策。BCG指出，CEO需要每天使用AI来建立AI素养文化。反之，不碰AI的CEO，其组织会陷入“人才留不住、项目推不动、CEO更不重视”的恶性循环。

商业模式重构能力差距。 Capgemini预测，到2030年AI将占药企研发管线34%的发现目标。Hudson说得直白：“赢得AI革命不取决于谁有算法或应用，而取决于谁执行得比任何人都好。”但执行的前提是理解。不理解AI的老板，如何判断在哪些环节执行？

结语：回答那个问题

回到标题：药械企业老板，自己不用AI，AI能真正赋能你的企业吗？

数据给出的答案是：不能。集中式业务负责人主导的AI项目，70%进入生产部署，分散IT团队推进的只有30%，差两倍多。92%的药企在投入，只有29%看到收益。缩短临床试验周期上，早期部署者29.7%取得超预期结果，全行业只有15%。这些数字指向同一个结论。

但更深的回答是：这个问题本身包含了一个范畴错误。AI不是你可以委派的工具，它改变的是决策方式。你问“我不亲自用AI，AI能赋能我的企业吗”，就像问“我不亲自理解市场，我的市场团队还能做好吗”。当然能做出一些东西，但那个东西的深度、方向和战略价值，取决于你是否能判断它对不对。

我从市场一线到管理层，见过太多次这样的剧本：一个新工具上线，老板不用，团队糊弄，数据变垃圾，最后老板说“这东西没用”。AI也会走同一条路，只是代价更大。因为AI的没用不是你少看几张报表那么简单，而是你在最重要的决策维度上形成了一个无人负责的真空地带。

Hudson说：“AI可能是自印刷术以来最伟大的革命。如果你打算委派AI革命，祝你好运。”

E药经理人提出了药企AI落地的三阶梯：大模型调用是认知启动，场景适配是可量化产出，深度定制是业务引擎。大量企业把调用大模型当成终点，本质是假上线，工具有了，但业务流程没变。

92%的药企在追加预算，只有29%看到预期收益。这63个百分点的落差，填不填得上，取决于一件事：你今天下班前，打开那个AI对话框，亲手问它一个关于你自己业务的问题。