中国大冢制药x致远互联 让AI在安全作业与法务合规上落地

摘要：一家中外合资四十余年的制药企业，以致远互联AI-COP为底座，让AI读懂规则、守住边界，把安全作业与法务合规的风险关进闭环。

在药品生产这类强监管行业，安全作业与法务合规没有试错空间：一张动火票该由谁签、一项取样结果是否达标，答案都写死在国家标准与企业规程里。AI要在这里创造价值，靠的不是生成多少内容，而是读懂规则、守住边界，让每一个风险动作都跑在强制关闭的节点里——这正是组织AI落地最硬核的价值。作业票审批周期从1.5天缩短到1小时、整体效率提升30%，是这种价值最直接的注脚。9月11日，在都江堰举行的“让组织AI落地——2026智能协同运营论坛暨致远互联第16届用户大会”首届AI应用创新大赛总决赛上，中国大冢制药有限公司安全与环保部经理刘赫分享了这家药企以致远互联AI-COP为底座，把长期停留在纸质表单与多个系统里的安全作业和法务合规事务，一条链路一条链路搬进闭环的过程。

中国大冢制药成立于1981年，是中国第一家中外合资制药企业，由中国医药集团、天津医药集团与日本大冢制药株式会社合资设立，在天津、广东、大连建有三大生产基地，深耕液体治疗、眼剂与营养三大领域，是液体治疗领域的先行者。“质量就是生命”是这家企业四十余年未变的核心价值观，也是本轮建设的起点——药品生产的每一个环节都必须可核查、可追溯。

AI融入组织，需要让AI懂规则、做对事，这是致远互联在本届大会上给出的答案：大模型并不天然理解企业的语义、经验与运营规则，也不天然拥有身份与权责，先把流程、规则与责任边界变成组织读得懂的样子，AI才可能在业务里持续做对事。中国大冢制药遇到的，正是“做对事”这一环的问题。制药企业的安全与合规现场，什么算“做对”有一套被写死的边界：八大特殊作业如何审批、合同相对方资质如何审查，国家标准、行业规范与企业内控规程都有明确条文。AI不能凭常识判断，只能在这些边界之内给出判断。

转型之变：不缺系统，缺一个被强制关闭的终点

过去十余年，中国大冢制药陆续建成ERP、MES、EAM、LIMS、WMS等专业系统，并不缺少信息化工具。但随着三大基地跨省布局、业务条线增多，裂缝开始显现：系统入口分散，一份完整数据要跨多套台账才能拼齐；八类特殊作业票依赖纸质流转，三个工厂格式不一、审批进度不透明、事后难以回溯；设备点检停留在纸质记录，隐患排查渠道单一；合同数据分散不完整，风险管控存在盲区。这些问题指向同一个缺口——管理动作有起点，却没有被强制关闭的终点。

AI要“做对事”，先让标准统一、节点可溯

双方联合诊断后确认：中国大冢制药缺的并不是一套新的专业软件，而是组织AI落地绕不开的前置问题——规则还停留在纸面、数据还停留在本地，AI就没有判断对错的依据。作业票该填哪些项，答案写在国标里却没写进表单；该由谁签，写在制度里却没写进流程。从根本上解决，不能从AI起步，而要先统一标准、固化节点：把格式、模板、流程、权限、归档的口径统一到一个平台，把每一类风险的验证动作固化为不可跳过的节点，并留下可核查的记录。做完这些，AI才有一片说得清楚的边界可以进入。

由此形成的方案是“八大统一+四大中心”。八大统一，即统一登录、菜单、标准、模板、流程、权限、分析与归档，让全单位的办公与业务管理从分散走向集中协同；四大中心在此之上承载能力：流程管理中心管制度落地与风险控制，知识文档中心管资产沉淀与合规留痕，业务构建中心管灵活适配与敏捷创新，数据分析中心管数域拉通与决策赋能。两者叠加，构成统一数智化管理平台的底座，也成为后续AI可以直接读取规则的中枢。

17年四步走，从协同办公走到AI-COP智能运营

这一步建立在双方17年的合作之上。2009年引入致远协同办公产品实现无纸化协同，2013年升级为A8集团版、管理重心转向业务过程管控，2018年至2024年加入业务定制平台，定制了一批业务应用。全链路平滑迭代、低代码柔性定制、全栈式AI适配——正因如此，2025年之后的建设不必推翻既有投入。

安全管理与法务合规两个专项在2025年同步启动：5月完成安全管理评估与整体建设规划，10月安全管理系统全面上线，12月法务合同管理上线。2026年以来，双方又在既有成果上叠加AI能力持续优化。

场景落地：闭环跑通之后，AI才进场

安全管理系统上线时包含作业票管理、设备点检、隐患排查与外部人员管理四大模块。作业票模块覆盖动火、高处、临电、吊装、受限空间、动土、断路、盲板抽堵八类票证，依据国家标准（AQ 3064.2-2025）设置管控项，一张票从作业申请、风险识别、审批到实施、关闭、验收，由八个节点串成闭环：签批人的资质与权限始终合规，动火与受限空间作业的气体取样结果强制写入实施环节。三个工厂的票证格式由此统一，本部可集中查看并做统计分析。

设备点检与隐患排查两条线随即接入。点检侧员工扫码即可带出关联设备与内置点检项，发现异常自动生成报修单，形成“扫码—加载—点检—报修—验收”五步闭环，并沉淀设备健康档案；隐患排查侧支持全员多端上报，可上传图片视频并自动定位，隐患经登记、评估、指派责任人后进入处置，处置结果须经多级审核验收才彻底关闭，隐患清单动态清零。

AI的进入，是在这套闭环跑通之后。员工对作业现场拍照上传，AI即可识别画面中可能存在的安全隐患，并给出对应的法规依据与整改建议——相当于让一线员工在巡检时随时带着一名专业安全人员。此外，一句话生成安全考题、扫码登记外部人员、拍照附加水印等能力也已投入使用。模型选型同样务实：没有自行训练识别模型，而是引入专业厂商的成熟模型服务——单一企业积累的安全数据不足以训练出可靠的识别模型，专业公司样本更多、覆盖面更广。AI由此被放进流程里使用，而不是被当作一个需要从零搭建的系统。

法务合规一侧的建设逻辑相通。合同模块覆盖起草、审批、签署、履行、归档全生命周期，主合同在线审批完成后台账自动生成，补充协议强制关联主合同、内容自动回写台账，台账可一键穿透回原始单据与相对方信息。相对方管理、风险上报、案件与纠纷登记等业务陆续上线；合同看板把签署进度、变更、成本与风险集中呈现在同一屏。二期规划中的智能法审，将进一步实现AI对合同法律风险的自动识别与标注。

安全侧的二期同步推进：隐患排查升级为全系统的任务下发中枢，触发应急管理、变更管理、安全培训与双控管理四类业务，四个模块预计年内上线；配套的数据决策中心把安全数据自动传输至BI中心，呈现作业票、点检与隐患排查的整体态势并自动预警。

价值落地：从1.5天到1小时，效率与合规同时成立

刘赫在现场分享的数据显示，安全管理系统上线以来，八类作业票全部实现全流程线上管理，覆盖三大生产基地，作业票审批周期由1.5天缩短至1小时，并支持多终端作业；隐患整改闭环跟踪、清单动态清零；设备点检数据沉淀为可查询的设备档案，杜绝设备带病运行。法务合规方面，合规台账数据完善率提升20%，全年压缩审批时长150小时，整体效率提升30%，合规看板实时掌握合同签署进度、变更、成本与风险。

数据的价值不止于流程提速。安全数据库建立后，数据分析与BI工具为高层的安全管理决策提供了依据；法务侧的多维度报表同时支撑内部审计与外部监管核查。安全管理由此从“发现问题再处理”，走向“发现趋势先预警”。

共创方式：业务出题、技术解题，上线不是终点

项目推进过程中，致远互联派出“业务+AI”复合型专家团队常驻现场，需求与业务部门一起挖，场景与一线员工一起试，上线后继续陪着系统往前走。协作按四段节奏展开：需求澄清，确认场景优先级，明确哪些风险必须固化为不可跳过的节点；方案设计，统一门户、组织权限与流程规则由AI-COP承载，点检与隐患上报等场景化应用由低代码平台快速搭建，安全隐患识别则引入专业AI模型嵌入流程；场景验证，先在四个安全模块跑通，验证有效后才向法务合规推开；持续迭代，使用中产生的问题回流到下一版本。

客户侧的推进方式同样关键：立项项目经理由业务部门负责人担任，技术实施由信息部门支撑，需求始终来自真实作业场景，不必经过二次翻译。现场评审专家在问答环节围绕设备主数据与AI训练模型来源连续追问，并把“业务部门主导、数据在企业流程中间整合、充分应用AI能力”列为该项目的要点。

复盘整个项目，双方看重的次序始终没变：先有统一的标准、可追溯的节点，再有AI的判断与提速——组织AI落地没有捷径，先把边界立住，效率与合规才能同时成立。

制药行业有句老话：质量是生产出来的，不是检验出来的。安全与合规同样如此——不靠事后把关，而靠每一张作业票、每一次点检、每一份合同都跑在强制关闭的节点里。规范条文写得细、落地却停在纸质表单上的处境，在强监管行业并不少见，中国大冢制药已经蹚出了一条把风险关进闭环的路——用“质量就是生命”守住车间四十余年后，下一程守住它的，还有一套AI读得懂、守得住的规则体系。

(动态宝)