← 返回洞见
洞见

让 AI 走出科技行业

由 Apollo 最新观察引发的思考:为何将 AI 能力转化为各行业的实际工作,已成为一项紧迫任务。

值得关注的差距

阅读 Torsten Slok 10 月 24 日为 Apollo 撰写的观察,一个对比格外醒目:文中描述的财务收益,仍集中在最大的科技公司。在其人均收入和利润率指标中,更广泛的企业部门尚未呈现相当程度的改善。这些汇总比较无法单独识别 AI 的因果作用,也不排除个别公司的收益。但它们让一个值得行动的问题更清晰:如何把模型能力转化为经济其他部分的进步?

为什么现在就要开始

对我们而言,这种紧迫感很实际。更好的模型可以不断到来,周围的工作方式却可能保持不变。如果智能体一小时就完成分析,下一次决策却仍因上下文缺失、审阅脱节而等待数周,大量能力便没有得到利用。验证周期长的行业,还有一个立即开始的理由:学会用好 AI 本身也需要时间。等待完美模型,会延迟从中受益所必需的组织学习。

从一项重要的工作开始

一个有用的起点,是边界清晰、负责人明确、证据可得、结果能够评价的任务。例如,审阅一个开发假设:智能体可以汇集支持证据、寻找反例,追踪不同职能之间的分歧。团队仍需决定哪个不确定性最重要,以及什么研究能够解决它。机会在于,将这些活动连接成一条更短、信息更充分的决策路径。

将判断融入工作流程

这正是行业专长的重要性所在。必须有人定义好结果是什么样、识别误导性答案,并为下一步行动负责。上下文、权限、审阅和反馈,需要成为工作系统的一部分。在生物科技中,我们会看这个系统是否帮助产生更好的证据、减少可避免的返工,并更有效地使用时间与资本。更快的草稿有用,但其价值取决于之后发生什么。

让能力跨越边界

Apollo 的观察留下了一项我们愿意投入的挑战:AI 建设者与领域专家,需要在真实行业的约束中共同建设。CataX 以生物科技为起点,连接科学问题、智能体执行与人的责任,再将有用的学习带入下一个项目。制造业、能源等领域也面对同样的问题:哪项重要工作,是我们现在就能重新设计、检验并改进的?这正是日益强大的智能成为更广泛进步来源的方式。

开启对话

CataX — 公司影片

2 分 18 秒阅读影片字稿
人的专长 × 智能体能力

一位临床负责人,一支智能体团队。

指导工作,汇集成果,持续改进。

任务说明与反馈 →草稿与发现 ←
全栈临床负责人与六个专业智能体协作临床负责人向智能体分享目标和上下文;智能体并行工作,返回草稿与发现。负责人会同相关专家审阅,并反馈以进一步改进。
设定目标,共享上下文。临床负责人指导工作。
  1. 01 指导
  2. 02 执行
  3. 03 审阅与改进