Veeva丁晓枫：从人到组织，如何进化成AI原生企业？

AI转型最难的一步，不是让AI做得更多，不断搭建智能体，而是让企业真正开始进化。这场进化始于人，但最终考验的是整个组织。

在上海总部的办公室里，Veeva中国总经理丁晓枫坚定地说出这句话。

Veeva中国总经理丁晓枫

Veeva是一家服务全球生命科学行业的“AI公司”，很长一段时间里，人们提到Veeva就会想到软件即服务（SaaS）。在过去十年中，Veeva几乎已经成为生命科学行业领域SaaS应用的代名词，是行业云领域的先行者。

“Veeva给人的印象是专业，严谨。提到严谨，大家很容易联想到缓慢，以为我们非常谨慎地面对变化。但事实上，Veeva的核心价值观之一就是速度（Speed），我们是一家决策非常快速，并且一旦决策，执行力超强的科技企业。过去一年，Veeva正在经历从创业至今最大的变化：公司使命未改——为生命科学行业打造行业云，但是今天行业云的内涵已经更新，不只包含数据和软件，而是应用、数据、智能体和咨询缺一不可。我们正在全力推进Veeva自身的AI转型，希望用自己的转型，给客户打一个样板”，丁晓枫笑着说道。

Veeva的AI转型，用丁晓枫的话说，离不开本身所在科技行业的土壤和对医药行业的观察。过去一年，丁晓枫和全球头部药企开展了关于AI转型的密集对话，也和自己的团队亲历了一场史无前例的AI转型。在他看来，科技行业的转型特色是“快”，毕竟AI转型在科技公司是必选项，人工智能编程（AI coding）已经是核心生产力；而医药行业的特色是“全”，反而是观察AI转型这个命题的绝佳样本。“把正确的药送到更多患者手中”这绝不仅是一个口号，医药行业拥有庞大的一线团队、还有着极其严苛的合规要求，每一次业务沟通都需要有内容、有意义、可追溯，最终目的都是希望把正确的药物送到更多患者手中。在这个过程中，我们既要发挥人的主观能动性，又要防止AI的能力被滥用。AI是用来强化人的能力，还是最终会取代人？每个人面对AI应当如何应对？人工智能是否可以成为一股向善的力量，让每个人都从中受益？

这几乎是个世界难题，也是丁晓枫面对的第一个课题：人的进化。

“短期内我们都会经历一段动荡的人工智能时代，各种观点层出不穷，有激进派，也有保守派，但最核心的依然是人的进化”丁晓枫说道。而要推动人的进化，除了个人的主观能动性，企业有很多可以做的事，但绝不是给工具那么简单。

几乎所有的头部药企在过去一年都给员工配备了各类AI智能体和各类AI智能助手。为了让这些工具“足够好用”，企业又把内部的学术资料库、历史档案、业务记录尽数接入。没过多久，词元（Token）的消耗曲线就陡然攀升：有人用AI翻译文档，有人丢进大段录音做整理，有人让AI出工作报告，还有人拿它询问和工作毫不相干的问题。企业人员越多、规模越大，最终的账单就越惊人。管理者兢兢业业做预算、选工具、推试点，到头来却只堆起了一堆“智能体项目”，真正落地走进日常业务、创造出可量化价值的应用寥寥无几。

“问题不在模型不够聪明，或者喂给模型的数据不够精确”，Veeva中国区总经理丁晓枫直言。模型和数据固然重要，但有一件更朴素的事企业没有想清楚：“使用AI的开关，就像一辆车的钥匙，你把钥匙交给员工，给车也加满了油，但是却没有告诉员工，为什么开车比走路更合理。”这个原因不能是因为大家都开车所以你必须开，也不是因为开车更快所以你必须开。需要考虑的第一因素是人，人是否从中受益，然后找到可以团结在一起的有共同目标和使命的人，这些人形成的组织才能最终获益。

医药行业都在讨论谁能成为真正的AI原生企业。现实是AI落地难度因企业类型呈现出清晰的分野。中小型药企人少、层级少，更容易走向扁平与透明，但预算没有大企业那么充足，也容易观望头部企业。全球头部的大型药企正好反过来，在AI投入上“有车有油”，有很多堪称豪华配置，但是过去十几年，它们在中国积累了规模庞大的团队和繁多的层级，并且转型必须在业绩不下滑的前提下进行。管理层如果只是口头支持，实际却无意改变，那基本就是“车给了，油烧了”，AI变成向上汇报的形象工程，真正的业务并没发生变化。

在丁晓枫看来，AI原生企业，并不是拥有最多智能体的企业，也不是每个员工都熟练使用AI的企业，而是能够重新设计人、智能体与业务流程之间关系，并让整个组织持续学习、不断进化的企业。“躬身入局、透明扁平、边缘创新、脱颖而出”丁晓枫用了这十六个字来形容AI原生企业的典型特征。

躬身入局。领导者自己先一步成为AI的朋友，和AI讨论争辩，既不盲目跟从，也不盲目维系自己的观点，开放地对待不同的声音。“一个热爱思考、可以接受不同观点、善于自省、还愿意分享观点给更多人的领导者会让很多人放松紧张的情绪。”因此，丁晓枫认为，愿意表达和分享是所有工作的第一步。丁晓枫说道：“我甚至觉得，一个大的趋势是管理者的IC化（Individual Contributor），即个人贡献者”。在Veeva，所有管理者都在经历这个过程：员工在“六边形化”，能力变得越来越全面；管理者在“个人贡献者化”，很难再存在一个只做管理的经理人。而这一切的前提是管理者先做出改变。“不能我们自己还活在过去的工业时代，拿着鞭子催着大家去进化到AI时代，这条路根本走不通。一把手自己不进化，整个组织的进化几乎无从谈起。”

信息透明。早在AI浪潮到来之前，Veeva从总经理到每一位员工的日程就对全员开放。层级多了，管理者往往连一线正在用什么工具都不清楚；而AI转型过程中兴奋与焦虑注定并存，透明既能让感到兴奋的人把经验分享出来，也能让感到焦虑的人看到新的可能。至于团队之间重叠的分工，丁晓枫的态度是不必急着划清界限：“没有必要立刻就把边界划得那么清楚。”

组织边界的模糊与人的进化共存共生，会在相当长的一段时间里同步发生。

边缘创新。丁晓枫引用《创新者的窘境》这本书提出的一种思路，颠覆式创新未必发生在组织的核心，更可能出现在边缘。未来几年，或许会有药企先在规模尚小的产品线上尝试一套以AI运营的全新运营模式，构建新的组织团队，从边缘一点点开始最终影响到中心。Veeva从2024年开始，就在内部数据团队实验一个代号叫TARS的项目，来分析如何用AI简化原来的数据校验流程并提高效能，而今天这套做法已经部署到核心产品中。

脱颖而出。企业做转型，自然有人快些，有人慢些，这些都是可接受的。丁晓枫说，但最终，还是一批有着好奇心、具备批判性思维、懂得自省，还愿意彼此分享、共同成长的人，会聚拢在一起做成事。未来，组织内部最重要的角色将不再是唯唯诺诺的“应声虫”，而是能够发现风险、挑战共识、推动更优方案落地的人。

在Veeva，传统的工种正在发生改变，比如一个技术配置顾问，或者测试人员，这类工作中的部分重复性任务已经能够由AI完成，那么一个主动提出质疑、自省，还去了解其他人的人，谁会去阻止呢？“我们还是鼓励人和人的互动，构建深层的共情能力，以及对关联工作的好奇心。”帮助员工建立安全感、拆围墙、扁平架构、大胆尝试创新，这些都是最终让每个人都有机会脱颖而出。

高效的个人，不一定能够成就高效的企业。真正优秀的组织，不止是让顶尖的人才变得更强，而是能让更多普通人也获得过去只有少数优秀者才拥有的能力，同时还能让那些善于思考、勇于质疑、愿意帮助他人的人脱颖而出。

无论如何，人的进化都需要一个过程，如今各类智能体正铺天盖地来地涌入我们的生活，我们究竟该如何与智能体共存？

丁晓枫观察到，企业用AI大多正在经历两个阶段。第一阶段是——词元最大化消耗（Token Maximization）。变革初期，没人会精打细算，所有人都只求以最快速度拥抱AI，尽可能用足资源。丁晓枫说，“做着做着，大家就会发现，跑了那么多实验，项目却始终进不了实际生产环节。实验只需要验证概念可行，不需要核算消耗了多少Token、能创造多少业务价值。可一旦要投入生产，Token成本、维护成本、月度运营账单，所有细节都得给出清晰交代。”

这并非医药行业独有的问题。德勤2026年1月发布的《企业AI现状》报告调研了全球3000多位负责AI项目的高管，结果显示仅有四分之一的受访者能将超过四成的AI试点推进到生产环节。

不过在医药商业化领域，这个变化正在加速：全球Top20生命科学企业中，已有14家选择Veeva新一代商业化解决方案，从全球到中国市场，AI商业化正在从概念验证快速走向规模落地，而在落地过程中，Veeva正和头部药企在中国探索AI落地的第二阶段——从词元消耗优化（Token Optimization）到价值创造。

很多具体的问题在一个个被突破，比如混合模型已成为行业共识：难度最高的任务交给大参数高成本模型，其余任务可以由相对的低成本模型承接。有模型分工判断力的AI架构师变得越来越吃香，与此同时，智能体工程化成为划分企业能力高低的分水岭。

行业云的价值，就在于替全行业“拉起一条共同底线”：其中由Veeva交付的智能体已经融合行业经验和共识，完成优化与工程化验证，通过生产运行不断优化，由Veeva的专业团队负责定期维护升级，这些工作都帮助药企省去了大量的人力物力，不需要从零开始试错。

“Veeva不会去建设一个药企应该拥有的所有智能体，每个企业还有自身需求的智能体一定会存在，最终和我们的行业智能体，汇入一个共同的智能体生态系统。”丁晓枫说。这里面还有非常多的技术细节亟待完善，智能体之间的互通、传输、安全、公有数据和私有数据的获取以及质量高低，都是现在正在被攻克的任务。但Veeva坚信这条道路是正确的，也是行业需要的，会和每家客户一起共同往这个方向迈进。

“每一天，我们都在和药企讨论具体的落地案例。让我们来看看AI在药企商业化上究竟正在做什么，和Veeva背后的思考，就能更深地理解人和智能体如何共存了。”丁晓枫说道。

我们从Veeva设计的医药代表日常工作开始。

出门拜访前，“访前学术洞察Agent”会推送当日的拜访清单，清单上这位医生近期在学术会议上的发言主题、处方观念变化、竞品接触记录等信息一目了然。正式拜访前，“互动对话Agent”会协助敲定拜访目标、准备对应资料。赶路途中，“语音整理Agent”可以直接接收语音备忘，替代手动打字。

但在最核心的面对面拜访环节，我们选择让医药代表继续承担人与人的交流，并不是因为AI无法理解情绪、语气或言外之意，而是因为专业信任和人与人之间的真实互动，有着不能单纯用效率衡量的价值。“未来AI与人的能力边界一定会不断变化，但什么值得交给AI，什么应该保留给人，是我们必须持续作出的选择”。丁晓枫说道。

拜访结束后，代表对着手机口述两分钟，“语音整理Agent”就能把口语整理成结构化的拜访报告，系统还会主动反问：“医生对产品的反馈，能不能再补充得具体一些？”这不是AI的炫技，而是把管理层的经验编码成一套追问机制，最终目的是帮企业培养“会问问题的人”。

在信息沉淀阶段，智能体提取对话中具有长期价值的信息，形成有来源、可追溯的结构化记录，并通过持续验证与更新，逐步沉淀为可供组织使用的商业洞察。

这就是Veeva所说的“证据进、洞察出”：代表的口述是原始证据，系统整理输出的是结构化洞察，洞察又驱动下一次拜访行动。过去这些藏在对话里的“言外之意”，要么锁在个人笔记本里，要么只留在个人脑中，会随着人员离职白白流失；如今它们已成为企业可交叉验证的稳定资产。

Veeva将这个转型方向命名为智能体商业化（Agentic Commercial™）：产出的是真实的商业证据（Commercial Evidence™）——把一线与医生的每一次互动，转化为组织可以据以行动的业务洞察。

合规是另一个典型场景。以往颇为繁复的合规工作，如今正成为AI落地的优质土壤：合规让流程明确、可校验，而这种确定性恰恰是AI最能发挥价值的领域。Veeva的“Compliant Free Text Agent”会在代表录入自由文本时做实时合规检查，先拉起行业通用的合规基线，再由企业根据自身需求调整强化。

在分工的另一侧是人。

如何帮助人适应AI带来的变化，Veeva设计了两层机制。第一层是“人在回路中”（Human-in-the-Loop），个体可以和一群智能体共同工作，共同完成任务；第二层机制是人聚焦边界性判断，比如医学内容的“Falcon MLR”审批，自动化内容审核与合规检查、大幅减少人工审核工作。

通过这两层机制，把优秀员工从重复劳动中释放，同时把他们的洞察提炼成团队标杆，AI通过追问机制和全员对话，既帮助员工成长，也让管理者看到谁在持续产出洞见。“能够通过持续对话产出洞见的员工，往往都是有想法、有主见、具备独立判断力的人。”

优秀的人才，是最重要的企业资产，现在是，永远都是。丁晓枫总结道。

谈及未来，丁晓枫最先观察到的，是一场围绕入口的争夺战。当下，模型公司、应用公司、咨询公司以及初创企业，正以史无前例的姿态做着同一件事——帮助企业搭建AI入口，入口之争似乎就在眼前。

他对此打了个比方：过去打车需要单独打开打车App，AI时代可能只需要在对话框里输入一句“我要打车去某地”就足够完成叫车。可对企业来说，用户的需求更复杂，真正值得关注的不是最终谁能拿下入口，入口可以有多个，核心问题是AI能不能真正嵌入一线员工日常已经在使用的工作流程中，并且给到AI足够丰富正确的上下文，所以与其说入口之争，不如说是上下文之争，用户可以在聊天场景Chat中随时呼出一个A2UI(Agent to UI)，也可以在传统应用UI中继续点按钮，不同的场景，用户自由选择，没有对错高下之分。

“真正的竞争，不是让用户适应哪个AI入口，而是谁能让AI自然融入工作流程，在持续创造价值的过程中形成新的使用习惯。”

第二个正在发生的变化，是智能体的自然淘汰。过去一年里，几乎每家大型医药企业都在同时推进“外购智能体”和“自研智能体”。当一家企业拥有的智能体从十几个增长到上百个，新的问题就随之出现：该由谁来统筹调度这些智能体？是采用分散自治的联邦模式，还是统一管理的中央集权模式？德勤同一份调研显示，接近四分之三的企业计划在两年内完成智能体部署，但只有21%的企业已经拥有成熟的智能体治理模式。以往上线一个新系统，上线就算成功；现在的智能体，上线只是开始，没人用就会被淘汰。什么样的智能体能存活下来？丁晓枫的说法非常直接：每个智能体都会在商业场景里接受打磨检验，能创造实际价值的才能留下来，不能创造价值的自然会无人问津，从智能体变成幽灵体。

第三个判断，是应用和智能体将会长期共存。“你让大模型做个乘法，有时候它给出的答案是错的，消耗Token不说，还要等上五秒；打开计算器，一秒就能得到准确结果。”对于有确定性要求的任务，传统软件依然更快、更准、成本更低；而商业世界中大量的预测、判断与分析工作，恰恰是过去过度追求确定性的传统软件难以覆盖的，这才是智能体真正能发挥价值的地方。

对传统软件与智能体的调度命题，目前还没有标准答案，但每家企业都必须在未来一两年内给出自己的解法。Veeva给出的方案是MAAP架构——模型(Models)、智能体(Agents)、应用（Applications）无缝协作：模型层对接多元大模型，智能体层承载不同业务的智能体，应用层基于数据底座运行各类应用。组件之间实现动态互嵌，既不陷入“唯智能体论”的误区，也不固守传统软件模式，而是在多元共存的框架下寻找成本与效果的最优平衡。

医药商业化的底层逻辑正在改写。确定性流程加入了AI概率判断，管控型系统进化为能动型生态，人效竞争也从“堆人头”转向“拼洞察”。丁晓枫对中国AI转型的速度保持乐观。“以前大家都说AI转型要十年，后来缩短到五年，最近大家都在做三年规划。但我个人觉得实际速度会更快。”本土成熟的开源模型生态、相对低廉的Token成本、完整丰富的商业场景，这些优势都让中国在这一轮AI转型中走在全球前列，中国的落地步伐比预期还要快。

访谈的最后，丁晓枫谈的不是技术，而是人。

他说他很欣赏比尔·盖茨今年八月份在盖茨笔记（Gates Notes）上的一篇文章，题目就是“动荡的人工智能时代已经到来，我们现在做出的选择至关重要”，有一句话令他印象深刻，“人工智能要么成为人类历史上最强大的机会均衡器，要么成为最严重的不公正根源。”

那么，该如何保护那些最易受人工智能危害的人群，包括那些失去生计和对未来掌控感的人？

Veeva在2021年成为一家公益公司（Public Benefit Corporation，PBC）。这不是一家非营利企业，而是一家在追求商业成功的同时，将公共利益和多方利益相关者的责任写入公司治理制度的企业。“Veeva的PBC章程不仅强调利益相关者，还明确提出两个公共利益目标：提高所服务行业的生产力，以及创造高质量就业机会，我们希望更多有能力影响社会未来的科技企业，也能认真思考这样的责任。”

丁晓枫说，“我们正在进入一个AI可以不断扩展甚至超越人类认知能力的时代。岗位会改变，组织会重构，过去很多赖以生存的技能可能失去价值。我们必须诚实地面对这一切，但对我来说，衡量一家企业AI转型的成功，不应该只是节省了多少成本、部署了多少智能体，或者提升了多少人效。还应该问：有多少人因为AI获得了以前没有的能力？有多少普通员工因此拥有了更多选择？那些在变化中感到迷茫甚至可能被淘汰的人，我们有没有认真地为他们创造新的机会？”

技术进化的速度或许会超出我们的想象，但让技术成为向善的力量，终究离不开人的选择。作为第一代与AI深度共事的人，我们不仅要决定该如何使用它，更在亲手塑造它将创造出怎样的未来。