锦
锦思新知编辑组
发布时间:2026/11/16 13:52:22
来源:锦思新知
阅读:知识向官网定制

先说个反直觉的事。他不是学医的。机械/自动化本科工业工程硕士毕业后一直在医药流通和医疗器械做供应链、仓储自动化和设备运维今年第七年。WMS、TMS、冷链温控、AGV 调度、设备验证这些才是他每天打交道的东西。他跟我说过一句话我印象很深“我在医疗行业里待了七年但我从来没把自己当成医疗人。”这也是他一开始不敢投医疗 AI 岗的原因。因为一想到医疗他脑子里浮现的全是自己不擅长的东西诊断、用药、病理、临床指南。让他真正开始动摇的是一次冷链异常。一票冷藏药品到货温控记录显示运输途中有一段超标。接下来要做什么调温控曲线、查运输轨迹、翻设备日志、核对供应商资质、找同批次其他货的流向最后写成偏差报告交质量部。四个小时四个系统最后还是靠一个干了十几年的老质量员拍板。他当时就在想一件事这些活儿里真正需要医学知识的部分到底占多少答案是几乎没有。但它占了所有人最多的时间。后来我跟他说了一句话医疗行业最缺 AI 的地方恰恰是最不像医疗的那些地方。不是诊断不是开药。是仓储、冷链、履约、设备、效期、追溯、报表、工单。这些事情医学院不教医生不干医院和药企内部也没几个人愿意干。而这些恰好是你过去七年一直在干的事。他当时没回我。隔了一天发来一句“那我这些年其实一直站在这件事的正中间。”为什么是京东健康。因为他研究完发现京东健康根本不是一家医院也不是一家药企。它本质上是一家把药品当商品来运营的供应链公司加上一个互联网医疗平台。这就意味着一件事——它需要的不是又一个懂医学的人。它需要的是能把 AI 真正塞进选品、仓储、冷链、履约、问诊流程里的人。而这活儿工科人是主场不是客场。后面三个月他只做了三件事。① 补基础20 天LLM / Prompt / RAG / Function Calling / Agent 分别解决什么Agent 和普通问答差在哪。然后回到他最熟的场景里做判断冷链异常、效期预警、设备维保、智能问数哪些适合 AI哪些必须留人。同时把指标搞明白。除了召回率、响应时延、Token 成本医疗这几个更关键首答可用率AI 给的第一版结论质量员能不能直接用人工接管率有多少比例最终还是得人上误判代价判错一次是浪费半天还是一批药直接报废可追溯率每一条结论能不能回溯到具体的数据来源② 京东健康专项20 天不学新技术只拆业务医药零售和互联网医疗的业务链条到底怎么跑供应链、仓储、冷链、履约里哪些环节最容易出事医疗健康数据的合规红线在哪哪些数据绝对不能进模型医疗 AI 项目真正卡住的环节数据在哪、权限怎么分、谁为误判负责③ 做项目60 天项目一医药冷链异常响应助手把温控记录、运输轨迹、设备日志、SOP、历史偏差报告全部组织成知识库。输入一次温度异常系统自动检索同类历史偏差、生成影响范围判定和偏差分析草稿并且每一条结论都标注来源哪段温控曲线、哪一年的哪份偏差报告、对应哪条 SOP。难点根本不是 RAG 怎么搭——是标准变了怎么办、不同品类药品的判定规则不一样怎么处理、置信度低到多少就必须说不能判定、AI 写的偏差报告质量员敢不敢签字。项目二医药供应链智能问数 Agent让业务用自然语言查库存、效期、履约、动销背后接 WMS / TMS / ERP。重点全在后面半截指标口径怎么统一、权限怎么分、AI 给的数为错了怎么兜底、哪些查询必须人工复核。面试的时候问题全变了。以前他只能说我在学大模型。后来他直接拿场景讲先讲业务问题再讲数据在哪、缺什么再讲 AI 能到哪一步再讲合规和权限最后讲人工怎么兜底。️ 医疗 AI 岗其实就考这 5 道一票冷链药品温度超标AI 怎么判断影响范围能不能直接说可以放行库存、效期、批次数据散在 WMS / ERP / TMS 里自然语言取数怎么保证口径一致AI 给的偏差结论质量负责人敢签字吗什么情况下必须拒答涉及处方和患者数据权限怎么分哪些数据绝对不能进模型怎么证明这个助手真的有用PoC 用什么指标验证他拿的到底是什么岗不是算法岗。是AI 解决方案 / 医疗健康 AI 应用岗。日常就是聊业务场景、判断哪些环节值得上 AI、做方案做 PoC、定指标、推落地、算 ROI。不考手写模型不考刷算法题不考你把 Python 写到多深。考的是你能不能把一个真实的业务问题翻译成能落地、能验证、出了问题有人负责的 AI 方案。而这恰恰是他过去七年一直在干的事只是以前没人这么叫它。顺带说一句他的简历改了什么。以前写的是“负责医药仓储自动化项目参与 WMS 系统实施与冷链设备运维协助处理质量偏差。”后来改成“医药冷链异常响应知识库设计RAG、医药供应链智能问数 AgentTool Calling、医疗合规场景下 AI 人工审核机制设计、AI 解决方案 PoC 与效果评估。”干的项目还是那些项目HR 读到的信号完全不一样。他后来说了句话我一直记着“我以前一直觉得医疗行业是学医的人的地盘我就是个管仓库和设备的。后来才发现让 AI 在医疗里真正跑起来的那些东西——供应链、设备、系统、合规——从来都不是医学院教的。”机械、自动化、工业工程、物流工程、电气、生物医学工程这些背景在医药、器械、流通、医院信息科干了 3-8 年专业能力不差但涨薪越来越慢的——别急着去补医学知识。你缺的不是那部分。你想进医疗 AI真正要补的只有两样把你的工程和供应链经验翻译成 AI 产品方案的训练以及知道医疗企业的 AI 岗位面试官到底在考什么。评论区留个「想学」我把AI医疗学习路线、医疗供应链 AI 场景拆解、RAG 知识库方案、Agent 案例、AI 解决方案模板、大厂医疗岗面试真题发你。#AI医疗 #转行AI #工科转行 #医疗AI #京东健康 #AI产品经理 #职场转型 #AIAgent #供应链 #医药行业公众号版同一内容加长供复用入职京东健康3W强烈建议所有工科背景的人考虑AI医疗我最近带了一位从医药流通转 AI 的学员。他不是学医的。机械/自动化本科工业工程硕士毕业后一直在医药流通和医疗器械行业做供应链、仓储自动化和设备运维到今年第七年。WMS、TMS、冷链温控、AGV 调度、设备验证、偏差处理——这些才是他每天打交道的东西。他跟我说过一句话我印象特别深“我在医疗行业里待了七年但我从来没把自己当成医疗人。”这也是他一开始不敢投医疗 AI 岗的原因。因为一提到医疗他脑子里浮现的全是自己不擅长的东西诊断、用药、病理、临床指南、医学文献。他觉得那是学医的人的地盘。让他开始动摇的是一次冷链异常一票冷藏药品到货温控记录显示运输途中有一段温度超标。接下来要做什么调温控曲线查运输轨迹翻设备运行日志核对承运商资质和验证报告找同批次其他货的流向最后写成偏差报告交质量部。四个小时四个系统最后还是靠一个干了十几年的老质量员拍板。他当时就在想一件事这些活儿里真正需要医学知识的部分到底占多少答案是几乎没有。但它占了所有人最多的时间。这就是医疗行业一个很隐蔽的事实最耗人力、最需要被 AI 接管的那部分工作往往恰恰是最不需要医学知识的那部分。仓储、冷链、履约、效期、追溯、设备维保、报表、工单——这些事情医学院不教医生不干医院和药企内部也没几个人愿意干。而这些恰好是工科人过去几年一直在干的事。我跟他说了一句话医疗行业最缺 AI 的地方恰恰是最不像医疗的那些地方。不是诊断不是开药。他当时没回我。隔了一天发来一句“那我这些年其实一直站在这件事的正中间。”为什么是京东健康他一开始的目标不止一家。但研究下来京东健康是他最想去的一家。因为他发现京东健康根本不是一家医院也不是一家药企。它本质上是一家把药品当商品来运营的供应链公司加上一个互联网医疗平台。这就意味着一件事——它需要的不是又一个懂医学的人。它需要的是能把 AI 真正塞进选品、仓储、冷链、履约、问诊流程里的人。而这活儿工科人是主场不是客场。这与他过去七年干的事是同一件事的两面。后面三个月我们走了三步阶段一补基础20 天先把大模型应用的基本逻辑建起来LLM、Prompt、RAG、Function Calling、Agent、MCP 各自解决什么问题Agent 和普通问答到底差在哪。然后回到他最熟的场景里做判断冷链异常、效期预警、设备维保、智能问数——哪些环节适合 AI哪些环节必须保留人工确认哪些数据可以直接调用哪些高风险操作必须设置权限。再梳理一套核心指标。除了常见的召回准确率、响应时延、Token 成本医疗场景这几个更关键首答可用率AI 给的第一版结论质量员能不能直接用人工接管率有多少比例最终还是得人上误判代价判错一次是浪费半天还是一批药直接报废可追溯率每一条结论能不能回溯到具体的数据来源和业务规则他这个阶段最大的变化是一句话业务方不关心你用了什么模型只关心那批货到底能不能放行。阶段二京东健康专项研究20 天这一阶段不学新技术只做一件事把医药零售和互联网医疗的业务链条拆明白。一家医药零售平台从选品、采购、入库、仓储、冷链、履约到售后链路到底怎么跑哪些环节最容易出事效期、温控、批次追溯、处方合规医疗健康数据的合规红线在哪哪些数据绝对不能进模型医疗 AI 项目真正会卡住的环节数据在哪、权限怎么分、谁为误判负责然后自己整理场景清单、方案模板和对标分析。阶段三做项目60 天不刷算法题也不把 Python 往深了学做了两个能拿去讲的项目。项目一医药冷链异常响应助手把温控记录、运输轨迹、设备运行日志、SOP、历史偏差报告全部重新组织成一个知识库。输入一次温度异常系统先从知识库检索同类历史偏差再结合品类规则生成影响范围判定和偏差分析草稿并且每一条结论都标注来源哪段温控曲线、哪一年的哪份偏差报告、对应哪条 SOP。这个项目真正的难点根本不是 RAG 怎么搭判定标准改版了历史结论还能不能用怎么标失效不同品类药品的超限规则不一样规则库怎么组织新仓样本少历史偏差数据不足的时候模型该给结论还是该说不能判定置信度低到多少就必须强制转人工不许它自己编AI 写的偏差报告质量员敢签字吗哪些结论必须人工确认这些问题恰恰只有做过偏差处理的人才定义得清楚。项目二医药供应链智能问数 Agent让业务人员用自然语言查库存、效期、履约、动销背后通过 Tool Calling 接 WMS / TMS / ERP。重点全在后面半截指标口径怎么统一谁来定义库存周转到底怎么算权限怎么分谁能查什么AI 给的数错了怎么兜底异常值怎么识别哪些查询必须人工复核才能对外面试的时候问题全变了以前面试官问 AI他只能说我最近在学大模型、RAG 和 Agent。后来他可以直接拿一个场景往下讲先讲业务问题是什么再讲数据在哪、缺什么再讲 AI 能做到哪一步、做不到哪一步再讲合规和权限最后讲人工怎么兜底、风险在哪。而医疗 AI 岗的面试题其实基本就这五道一票冷链药品温度超标AI 怎么判断影响范围能不能直接说可以放行库存、效期、批次数据散在 WMS / ERP / TMS 里自然语言取数怎么保证口径一致AI 给的偏差结论质量负责人敢签字吗什么情况下必须拒答涉及处方和患者数据权限怎么分哪些数据绝对不能进模型怎么证明这个助手真的有用PoC 阶段用什么指标验证这五道刚好全是他项目里真踩过的坑。顺带说一句他的简历改了什么以前写的是“负责医药仓储自动化项目参与 WMS 系统实施与冷链设备运维协助处理质量偏差。”后来改成“医药冷链异常响应知识库设计RAG、医药供应链智能问数 AgentTool Calling、医疗合规场景下 AI 人工审核机制设计、AI 解决方案 PoC 设计与效果评估。”干的项目还是那些项目但 HR 读到的信号完全不一样了。他最后拿的到底是什么岗这是很多人看完最想问的要不要写代码不是算法岗。是 AI 解决方案 / 医疗健康 AI 应用方向的岗位。日常干什么——跟业务部门聊场景判断哪些环节值得上 AI设计方案做 PoC定指标推动项目落地协调数据和系统最后算 ROI跟业务方交代效果不考什么——不考你手写模型不考你刷算法题不考你把 Python 写到多深。它考的是你能不能把一个真实存在的业务问题翻译成一套能落地、能验证、出了事有人负责的 AI 方案。而这恰恰是你过去七年一直在干的事只是以前没人这么叫它。所以我现在建议工科背景的人认真看看这条路 以前企业需要的可能是这批货为什么温度超标这个仓库的动线怎么优化这台设备该怎么维保这个偏差报告怎么写✅ 以后还需要你进一步解决冷链异常能不能用 AI 自动做影响范围判定哪些历史偏差经验可以沉淀成企业知识哪些查询可以交给 AI哪些必须留人涉及处方和患者数据AI 的权限边界在哪方案落地以后怎么跟 WMS / ERP 接起来这两组问题不割裂。你的工程和供应链经验越扎实反而越容易找到 AI 在医疗里真正能落地的位置。他后来就是沿着这条线准备了三个多月。没有刷算法题也没有把 Python 啃到多深而是把七年的经历重新梳理了一遍补上大模型应用、RAG、Agent、数据分析和 AI 解决方案能力再围绕医药供应链做完整的项目。⭕ 最后投 AI医疗、AI 解决方案相关岗位陆续拿到几家面试最终拿到京东健康 3W 的 Offer。他后来说了一句话我一直记着“我以前一直觉得医疗行业是学医的人的地盘我就是个管仓库和设备的。后来才发现让 AI 在医疗里真正跑起来的那些东西——供应链、设备、系统、合规——从来都不是医学院教的。”机械、自动化、工业工程、物流工程、电气、生物医学工程这些背景在医药、器械、流通、医院信息科或者医疗设备企业干了 3-8 年专业能力不算差但工资增长越来越慢又不想把原来的积累全扔掉——别急着去补医学知识。你缺的不是那部分。这种情况下转 AI医疗未必意味着转行。更准确地说是在你原有的职业能力上再加一层。以前你解决的是供应链和设备问题以后你可以解决供应链 数据 AI的问题。以前你的经验只能服务一个仓库、一条链路、一家公司以后可以通过 AI 和数字化系统把这些经验沉淀成能复用、能合规、能追责的解决方案。这可能是工科人在 AI医疗里最被低估的那个机会。我自己 6 年 Java 后端转大模型产品现在在大厂做 AI 产品业余也一直在带不同背景的人做 AI行业方向的转型。这次准备带一批真正想往 AI医疗、AI 解决方案方向走的人从 0-1 把这套能力搭起来。 参与要求1️⃣ 需要是我的粉丝现在关注也可以参与2️⃣ 22-45 岁机械、自动化、工业工程、物流工程、电气、生物医学工程等工科背景优先3️⃣ 每晚能稳定拿出 1-2 小时学习时间不够勿扰4️⃣ 已经认真考虑职业转型不是单纯想了解一下 AI想要AI医疗学习路线、医疗供应链 AI 场景拆解、RAG 知识库方案、Agent 案例、AI 解决方案模板、大厂医疗岗面试真题的微信扫描下方二维码添加免费发给你。
知识建站
内容驱动
阅读友好版式
SEO 精细化
线索转化
这篇内容对您有启发吗?
预约一次免费方案沟通,我们会根据您的行业给出可落地的站点架构建议。
立即预约沟通