在《生物制药企业：如何推进落实GenAI技术的五大应用方向?》(上篇)中，讲述了GenAI的三大特征及GenAI在生物制药领域的五大应用，本文将重点描述应用GenAI的六大指导原则及启动阶段应注意的事项。

应用GenAI技术的六大指导原则

GenAI价值的实现不会一蹴而就，而是需要我们认真地进行评估、规划，并将相关规划付诸实践。虽然对于一般企业而言，要想跟上整体发展趋势，必须给予基础GenAI应用(依靠现有模型提高生产力和效率的应用)充分的重视，但是要想真正发挥该技术的价值，主要还是要在推广“黄金用例”上下功夫。生物制药企业需要实事求是地进行分析，了解自己在哪些方面可以真正实现阶跃式进步(尤其是那些尚未实现全自动化的流程)，哪些方面又有夸大宣传之嫌。

参考以下六大指导原则，可以帮助企业在生物制药领域快速实现价值、更好地发挥GenAI的优势(参阅图1)。

1.评估用例潜力

生物制药企业应根据 GenAI 用例的价值潜力、可行性(根据数据可用性、复杂性、成本和价值实现时间综合计算)及其能帮助企业获得的能力，对用例的优先级进行排序。挑选用例时要着眼于转型后的生物制药工作流程，要能以适当方式对GenAI、传统AI或机器学习与人工操作进行整合。在进行GenAI用例方面的探索时，企业还要紧密结合自身核心业务，将技术和业务职能更好地衔接起来。

2.制定强有力的治理政策

在应用GenAI的过程中，企业面临着一系列风险，比如知识产权和版权侵权、网络安全和数据隐私漏洞、偏向性输出、结果晦涩难以解释以及错误结果(即幻觉)。如果企业使用的数据中还包含高度敏感的患者信息，那么风险还会进一步加大。好在我们能够以“负责任AI政策和程序”为中心，通过建立强大的防护体系和治理机制有效降低上述风险，不过相关政策和程序必须融入企业的文化和运营模式之中。

我们可以通过多种方式将负责任AI融入现有治理流程之中。生物制药企业应明确由哪个机构负责制定GenAI政策(例如道德委员会)，建立负责任的AI框架(包括相关规则，对数据输入、模型透明度和输出结果的使用加以规范)，并设置数据分类框架，其中要包含根据风险情况设计的调节措施，相关措施应按数据敏感程度和出现错误或偏向性输出、预测时后果的严重性进行分级。

对于企业而言，首要任务是确保患者安全、监管合规。当前，监管环境正在迅速变化，随着欧洲药品管理局和美国食品药品管理局等监管机构发布新的政策框架，企业内部的指导方针也要随之进行调整。在帮助生物制药企业制定和定义负责任AI指南和政策方面，可能有一些跨行业合作的机会。

3.平台的选择和部署

要想尽可能发挥GenAI的作用， 企业需要打造覆盖整个企业的基础设施和平台，让员工能够便捷地使用相关工具，也让工具能够便捷地访问相关数据。生物制药企业必须打造覆盖整个技术栈的各种平台供员工选择，包括安全可靠的云基础设施、数据平台、模型和应用。

在挑选基础模型时，我们可以选择现成的公共模型、托管模型(如云服务提供商通过API提供的模型)以及企业内部搭建的私有模型，但这些模型在使用成本、响应速度和定制化水平方面明显各有取舍。比如英伟达(Nvidia)就提供了一套GenAI云服务，可以实现AI基础模型的定制化改造，提高基因组学、化学、生物学和分子动力学领域的药物发现和研究速度。部分初创企业和老牌企业采用了该方案，不过在判断此类产品的价值时，各家企业还要从自己内部非结构化数据能否借助此类服务给自己带来竞争优势作为出发点。

要想实现效果最大化，GenAI还需要与现有的AI工具相结合。首先，也是至关重要的一步，是要部署一个强大的分析平台，让企业能够快速开展相关实验。大多数企业都需要加强自身的数据能力，让自己能够同时处理多个优先事项：

建立、汇总非结构化专有数据集，并接入外部数据生态系统。

搭建数据平台，构建企业“单一真相源”，在坚持“负责任AI”准则的同时，提供企业各部门数据用于模型训练和微调。

创造安全的实验环境，采取适当的网络安全和数据隐私措施。

AI技术发展迅猛。在此背景之下，企业必须着力提高自身的灵活性，这样无论未来哪一种基础模型成为主流，企业都能让其为自己所用。企业应当对现有数据平台和核心系统的准备情况进行评估，根据GenAI的变化不断进行调整。首先可以先试用一些风险较低的用例，这样不仅可以帮助企业更好地对自己的平台进行评估，还可以让企业在扩充自身GenAI能力的过程中不断积累经验教训。

4.寻找合适的合作伙伴

如果能找到合适的合作伙伴，企业实现价值的速度将大大提高，但在选择合作伙伴时，企业需要根据自身的业务战略、目标做出适当安排。企业应该寻找那些能够帮助自己获得所需数据、技术、人才及相关协助的组织作为自己的合作伙伴。在选择合作对象、合作地点和合作领域时，企业要先想清楚，哪些能力要在企业内部培养，哪些应当在外部发掘。在诸多考量因素中，数据归属和知识产权问题是重中之重，但也要有所取舍。比如说，由企业内部自行训练模型，可以确保数据和知识产权得到保护，但这种方法必然要耗费更多时间，而如果能够借助更大的技术生态的力量，则可以明显提高开发速度和效率。

5.对员工进行培训，使其掌握所需技能

价值链上每个环节的员工都需要接受相关培训，了解如何在日常工作中使用AI和GenAI。无论是研究人员、制造与质量控制人员、销售和医疗团队，还是职能部门员工，企业都要帮助他们获取相关知识。在开展这项工作时，你应当让生态合作伙伴参与其中，但大多数企业因为想拥有自己的专业队伍，所以在一些关键能力上，他们更希望在内部进行培养。

6.建立适当的流程

新技术、新工具出现后，少不了要进行大量实验，但这些实验本身并不会产生价值。除了需要新的人员和技能外，应用GenAI还会对组织和运营模式产生重大影响(参阅图2)。根据我们的经验，GenAI所能产生的价值约70%取决于企业的变革管理水平。大多数企业都需要制定实用的变革管理计划，来指导组织平稳渡过转型阶段。

一种方法是先选择两三个职能部门和业务单位，作为实践GenAI解决方案和变革管理的第一批试点基地，然后再在更大范围进行推广。企业高管层还应在各职能部门中发掘GenAI技术的拥护者，由他们来帮助推动变革，如果是“由上而下”的变革，则更应该如此。管理层可以通过进行人才评估来找出这些“急先锋”，让他们来领导相关项目，组建团队，并招募更多人员投身到这一事业之中。

启动阶段

在启动阶段，企业应重点关注以下事务：

在评估用例潜力时，可以将三到五个用例提级到企业层级进行推进，确保其能够得到获取成功所需的资金和关注。虽然实验也很重要，但是让企业的诸多部门各自为战、分别推进多个用例和概念验证项目并不能为企业带来良好的效益。相反，设置标准化的开发周期，专注于少量影响力显著的用例才能给企业提供最大的发展助力。

制定治理政策时，可以设立AI道德办公室或类似职能部门，监督“负责任AI”政策的执行情况。此类政策既要重视安全问题，又不能对创新构成限制。

在选择和部署平台时，企业要创建安全可靠的环境，方便后续依托不同基础模型构建更多用例。GenAI模型各有不同，不应混为一谈。在撰写提示词、进行微调时，应根据特定模型的特点进行调整。此外，模型会不断变化，因此平台本身必须具备灵活性。在应用GenAI技术时，企业首先要把握好速度，然后再根据实施情况确定应用规模。

在寻找合作伙伴时，要考虑他们能为合作带来何种价值，也要想清楚要想尽快实现相关用例价值，需要满足哪些条件，并努力获取自己所需的基础模型、技术、数据、人才和协助。为提高研发速度，利用AI技术推进药物发现工作的初创企业已开始与老牌生物制药企业展开合作。

项目伊始，就要重点培养相关必备能力，让员工“走上正轨”。与现有的AI项目一样，最终能创造多少价值，还是取决于员工实际使用新解决方案的情况。有一点需要牢记，那就是GenAI不是“孤军奋战”，而是要与传统的自动化、预测型AI和人工流程相结合。企业应重点关注综合解决方案和相关配套技能，而不是只盯着GenAI。

要想把握好组织的发展方向，打造适当的工作流程，企业首先要从头到尾重新构建核心业务流程，要重点关注如何结合好人工和技术，完成对GenAI的整合，并逐步扩大自动化覆盖范围。要让企业的最高管理层也参与到这项工作中来。要把这项工作当成整个企业的重点工作，而非简单交给IT部门处理。

生物制药行业所处的环境十分复杂，监管要求极为严格，对文档的要求也很高，这种特点使其成为了GenAI一展风采、优化业务流程的绝佳舞台。也由于其具有这种特点，在执行相关方案时，企业必须进行周密的筹划，要慎之又慎。如果企业能将战略目标和GenAI技术结合起来，努力实现既定目标和成果，那么将很快超越行动迟缓的竞争对手。