一、业务中心（10 问）
#1 销售管理 · 提示词流程与医药合规输出
痛点：做医药商务文稿、专利研读、项目分析时，角色设定/约束/边界是一次性给还是分步迭代？怕 AI 忘约束、前后不一致，输出不合规。
思路：① 稳定约束（角色、红线、格式）一次给足，探索内容分步迭代——已展开成完整方法课，见 ② 需求表达；② 用「五步法模板」把团队提示词固化成资产，谁用都稳；③ 长任务分段交付 + 每轮让 AI 复述红线。
避坑：别指望「一句神提示词」包打天下；稳定的流程 > 灵感。
#2 销售执行 · 海外客户背景调查与价值评估
痛点：客户类型杂（终端/贸易商/代理商），真实采购力靠人工翻 Google、LinkedIn、展会资料判断，耗时且标准不一。
思路：① 先定义「客户画像字段表」（类型、主营、产能、注册情况、采购记录、决策人、与我司产品匹配度）；② 让 AI 按字段逐项检索官网/LinkedIn/邮件签名/展会资料，每项标来源；③ 用打分卡（权重你们自己定）自动出 A/B/C 分级和优先开发建议；④ 之后每次邮件往来丢给 AI 更新画像，人只拍板评级。
避坑：无来源不计分；AI 做初筛，客户真实性的判断（是否真有采购力）永远要人过一遍。
#3 销售执行 · 原料业务长周期项目管理
痛点：询价到稳定订单十几个环节（背调→样品→审计→注册→付款→物流），信息散在邮件、WhatsApp、Excel、个人记录里，易漏跟、重复沟通。
思路：① 收敛到「一客户 × 一产品 = 一档案」，字段固定（阶段/关键节点/待办/责任人/未决问题）；② 定义阶段字典（把 11 个环节写成枚举，AI 只许从中选）；③ 每周让 AI 读一遍沟通记录，输出「阶段判定 + 节点待办 + 未解决问题 + 风险」；④ CDA/DMF/CEP/样品/审计/付款/交付做成日历提醒，AI 提前吹哨。
避坑：档案字段宁少而固定，别让 AI 自由发挥字段；当天口头沟通当天丢给 AI 记档，隔周就补不齐。
#4 销售管理 · 市场开发策略
痛点：策略靠经验拍，缺对市场变化、竞争对手、客户需求、自家产品竞争力的系统分析，不知道重点押哪里。
思路：① 让 AI 按「市场变化 / 竞对动态 / 客户需求 / 我方竞争力」各出一页事实卡（只放事实与来源，不做判断）；② 人拿着四张卡组合成「重点市场 × 客户 × 产品」假设；③ 小步验证——先挑 3 个客户试点，跑一个月拿真实反馈；④ 季度复盘，让 AI 对比「预测 vs 实际」。
避坑：策略是人的判断，AI 的职责是把事实摆齐；别让 AI 直接出「战略结论」。
#5 销售管理 · 销售人员能力画像
痛点：开发数量、转化率、订单能力、维护情况缺系统分析，识别不了人的优劣势，培养分工没数据支撑。
思路：① 先把四个指标口径定义清楚（什么算「开发数」？转化怎么算？）——口径先于工具；② 把数据落成结构化表（Excel 起步就行）；③ 让 AI 生成「每人一页画像」：优势/短板/证据行（每条判断必须引用数据行）；④ 培养、分工、绩效决策在人，画像只提供证据。
避坑：禁止凭印象打分；画像没有证据行的一律删掉。
#6 项目管理 · 项目信息同步断层（痛点最重的一条）
痛点：同一信息一天被反复问；变动只在两三人间流转；管理层拿不到全景；问题在群里滚没了，事后无法追溯。
思路：① 先建「项目信息唯一入口」（一张表/一个看板），一次录入多处复用；② 变动登记三要素：谁、何时、变了什么 + 影响谁；③ AI 每天把群聊/邮件里的变动抓出来，生成「变动简报」自动推 PM 和直管领导，重大变动同步责任人；④ 过期/冲突/无人确认的信息自动标黄；⑤ 敏感信息分层权限，共享而不失控。
避坑：先统一字段和入口，再谈自动化——入口不统一，自动化只是把乱同步得更快。这正是「报进度吃掉推进度」的解药。
#7 采购管理 · 市场监测预警
痛点：原料药/中间体市场波动大，人工搜集滞后，预判不了涨价、缺货、断供。
思路：① 列监测清单：原材料/关键中间体价格、主流厂家产能（扩产/停产/检修）、环保与贸易政策、供需结构——每类选 3–5 个固定信号源；② 固定节奏：每周 AI 汇总一次，异动随时报；③ 设阈值触发预警（涨跌幅度、库存天数）；④ 预警必附「建议动作」（锁价/备货/换源），不许只报忧不给路。
避坑：宁少而稳——先盯最痛的 3 个品种跑顺，再扩面；信号源太多等于没有信号源。
#8 采购管理 · 产品竞争力与供应商分析
痛点：市场格局、供应商实力、成本结构靠人工零散对比，维度不全，议价没底气。
思路：① 建对比维度清单：市场容量/主流生产商分布/全球产能/工艺与质量差异/综合成本/历史价格趋势/资质/替代资源；② AI 按维度收集，GMP/DMF/CEP 资质必须查权威数据库原文；③ 输出「对比矩阵 + 评分」，谈判前刷新；④ 新增产能与未来供需让 AI 给「预判 + 依据」。
避坑：AI 只做初筛；资质类结论以官方数据库为准——查错资质比不查更糟。
#9 业务拓展 · 多模型整合 + Agent + 私有知识库
痛点：多款 AI 输出风格不一；想整合成适配个人风格的工具；需要确认隐私保护和私有知识库支持。
思路：① 数据先分三级（公开/内部/敏感），级别定工具；② 窄主题试点知识库（如「注册法规 FAQ」）测准确率，别一上来建「公司大脑」；③ Agent 先用现成工具跑通一个场景（读文件→整理→输出）再谈自建；④ 隐私三件套：私有化/企业通道、脱敏、访问日志。
避坑：先试点后平台；按 第一课 的算法，每周省不下一个人力小时的整合不值得做。
#10 业务拓展 · AI 提问复盘与知识沉淀
痛点：提问散在各对话框，信息零散，不复盘不沉淀，同样的问题反复问。
思路：① 固定一个「提问记录」载体（每天一行：问题/结论/可复用标签）；② 每天收工前 10 分钟让 AI 把当天对话总结归档；③ 每周挑 3 条进团队知识库；④ 建立「先查库、再提问」的肌肉记忆——库里有的不再问。
避坑：沉淀的关键是「标签固定、每天 10 分钟」，别追求全自动的大工程。
二、研发中心（6 问）
#11 研发管理 · 资源库结构化
痛点：采购商、检测机构、厂家、文献专利只有零散联系方式，无资质、无评价、无预警，不可追溯。
思路：① 统一编码 + 必填字段（资质/有效期/评价/合作状态/到期日）；② 存量一次性导入打底（AI 帮忙从旧表格里抽字段）；③ 到期与风险自动提醒（复用 #6 的机制）；④ 每次合作后强制补一条评价，库越用越准。
避坑：字段宁少而实，先跑起来再加；一开始就设计 30 个字段，库一定建不成。
#12 研发管理 · AI 需求表达与可信度判断
痛点：不知道怎么把需求说清（「要结果」vs「给背景/约束/格式/受众」）；分不清 AI 什么时候能信。
思路：完整方法已在 ② 需求表达——四要素框架 + 可信度边界三问（来源？时效？可验证？）。这一问是全部 19 问的基本功，建议全组先练这一页。
避坑：以为「AI 能读懂想法」是所有返工的根源；宁可多花 3 分钟写清需求。
#13 合成研究 · 未知杂质结构推断与杂质谱生成
痛点：未知杂质靠实验逐一推断，耗时耗力；杂质谱人工按路线梳理，效率低易遗漏。
思路：① 把反应路线结构化（底物/试剂/溶剂/条件/机理）；② 让 AI 按反应机理 + 分子量枚举候选杂质清单（带形成机理与置信度），再给「避免/控制该杂质生成的条件建议」；③ 候选进实验验证队列——AI 出假设，波谱/标确证定性；④ 杂质谱模板化：路线 → 强制降解条件 → 已知/潜在杂质清单一键初稿。
避坑：AI 给的是候选假设不是结论；杂质结构必须实验确证，申报层面的控制策略（含基因毒性杂质 ICH M7 评估）以法规与实验为准。
#14 研发管理 · 杂质研究风险分级
痛点：分级拿捏不准——研究不足有发补风险，过度研究浪费物料和时间。
思路：① 分级三问打头：有无毒性警示结构？日剂量多大？工艺带入还是降解产生？② 控制阈值与分类引用 ICH Q3A(R2)/Q3B(R2)/M7 原文（让 AI 先找原文，人核对）；③ 让 AI 把每个杂质归级并给出「研究深度建议」；④ 把「充分 vs 过度」固化成决策树，全员一把尺。
避坑：阈值与分类必须引法规原文，AI 不可编；决策树一旦定了，改要走变更。
#18 项目管理 · 跨部门风险前置预警
痛点：信息分散传递滞后，风险发现太晚，总在被动救火。
思路：① 统一「风险登记表」（风险/影响/责任人/触发条件）；② 每周让 AI 聚合跨部门信息找苗头（进度延迟、变更频发、口径不一）；③ 触发条件命中就自动预警到 PM + 直管领导；④ 每次风险处置完回填风险库，预警越用越准。
避坑：预警宁可少而准——先定义 5 个高频风险信号，误报太多的预警会被当狼来了。
#15 分析研究 · 分析方法开发降本增效
痛点：杂质分离、性质分析、方法开发靠人工试错，大量无目的试验。
思路：① 先让 AI 预测理化性质（logP/pKa/溶解度等）缩小试验范围；② 用试验设计（DOE）思路让 AI 出「试验矩阵」，一次试验多拿信息；③ 建「相似化合物方法库」：历史方法数据喂给 AI 检索复用；④ 每轮试验结果回填复盘，越用越准。
避坑：预测值只是起点，色谱行为必须实测；AI 推荐的条件先小试再放大。
三、人力资源部（2 问）
#16 人力资源 · 自动化推送 + 7×24 HR 小助理
痛点：培训提醒/任务提交靠人工盯；员工反复问制度解读，重复答疑耗时，培训效果不持久。
思路：① 先建「制度 FAQ 库」——把被问最多的 30 个问题整理成标准答案；② 用知识库工具（见 ③ 工具上手）搭答疑助理：先查库、再回答、附制度原文链接；③ 提醒自动化：培训/任务节点日历化，到点自动推送；④ 助理答不了的转人工，人工答案回填 FAQ，库越用越全。
避坑：制度解读以原文为准，助理只做「检索 + 摘录」不做「发挥」；答错制度比不答更糟。
#17 人力资源 · AI 生成 PPT 自动套公司母版
痛点：AI 出的 PPT 套不上公司固定母版，每次手动调格式，风格不统一。
思路：① 把母版拆成「规则文本」：字体、色号、版式、图表风格写成一段约束，随提示词一起给 AI；② 流程固定为「AI 出大纲 → AI 出初稿 → 套母版（脚本或人工）」；③ 建「版式库」：常用的 5 种页型（封面/目录/图表/对比/总结）做成半成品，AI 只填内容；④ 人保留最后 5 分钟终审。
避坑：AI 对版式细节的控制有限，别指望全自动；把「套版时间压到 5 分钟」就是胜利。
四、质量部（1 问）
#19 质量管理 · 法规更新追踪与合规缺口识别
痛点：CDE/FDA/ICH/EDQM 更新频繁，人工追踪滞后；注册资料、质量标准、SOP 的符合性缺口发现不及时。
思路：① 定追踪源清单：CDE/FDA/ICH/EDQM 官网 + 邮件订阅/RSS（能自动收的自动收）；② AI 每周汇总更新，并给出影响初判（涉及哪个品种/哪份文件）；③ 对注册资料/标准/SOP 建「条款对照表」，让 AI 按条找缺口、给整改建议；④ 缺口转成整改任务进台账，闭环跟踪。
避坑：AI 只做「初判与找缺口」；法规解读以官方原文 + 注册/质量同事为准，符合性结论人签发。
五、统一收口
19 问看下来很杂，其实背后是同一条主线，就三句话：
- 先统一入口和口径，再谈自动化（#3/#5/#6/#11/#18）——数据不进一个口，AI 也没得可整理。
- AI 出初稿与线索，人出验证与拍板（全部 19 问）——尤其数字、资质、法规三类。
- 先试点一个场景，两周出结论，再扩面（全部 19 问）——小步快跑，好过大规划。
下午收尾的 实战演练 就按这三句，为你的部门选出第一个落地场景。