AI 与实验室
AI 助手在 LIMS 里的落地场景：先做省事的，再做聪明的
“AI 助手”在 LIMS 里到底做什么？抛开名词，落地的场景可以按价值排成三个层次：先省时、再查漏、后辅助。
一、第一层：省时（语音/文字直查）
- 快速查档：说一句“查一下上个月这批样品的签发记录”，直接给出结果，不必翻菜单（检索式问答）；
- 状态一问即答：样品到哪一步、报告是否签发、留样何时到期；
- 口径咨询：判定依据、限量值、方法版本，问就有出处。
这类场景本质是检索的对话化：价值在省时间，风险低，可先行落地。
二、第二层：查漏（把核对交给助手）
- 记录完整性提示：原始记录缺项、可疑值、单位异常，自动提示复核；
- 留档一致性：交接链是否有缺口、审计追踪是否完整；
- 批量一致性：同批样品的结果、结论口径是否一致。
这类场景是规则的辅助：提示异常、不替人决定，贴合“AI 辅助、人落笔”的边界。
三、第三层：辅助（起草与决策支持）
- 报告起草辅助：变量补全、固定表述、格式检查（人工确认后生效）；
- 判定辅助：接近限量的结果提示不确定度影响，供签字人参考；
- 知识问答：体系文件、模板说明的语义检索。
这类场景最“聪明”，也最需要注意边界：任何输出必须是建议，落笔永远在人（见 AI 边界专题）。
四、落地次序建议
- 先做检索问答（成本低、立即见效）；
- 再做记录与留档的异常提示（贴合业务刚需）；
- 报告辅助与判定支持成熟后再上（需与合规规则充分对齐）。
五、不要做什么
- 不要让 AI 直接签发、直接判合格；
- 不要让 AI 越权看委托方信息（与盲样隔离同一套权限）；
- 不要把规划中的能力当已交付对外承诺。
AI 助手在 LIMS 里的位置，是把“找人问、翻系统、逐条核”变成“问一句、看一眼、提示一下”。从省时做起，在边界内逐步扩展，就是最稳的引入路径。