AI 与实验室
实验室 AI 落地的三步路线：从省时到辅助
AI 落地最怕“一步到位”。给实验室一张三步路线图：先省时、再查漏、后辅助，每步都有清晰的输入条件、边界与验收标准。
第一步：检索问答（1–3 个月）
- 做什么：把文件、判定依据、操作文档构造成可检索知识（见知识库专题），做对话式检索；
- 前提：体系文件与数据已受控、编号已统一；
- 验收：问一个操作细节能带出处回答；把“找人问”变成“问系统”。
第二步：异常提示（3–9 个月）
- 做什么：记录完整性、留档缺口、批量一致性与数值异常的自动化提示（见复核辅助专题）；
- 前提：主流程电子化、数据完整（缺数据的“提示”无从谈起）；
- 验收：复核人力聚焦到真正风险点，误报率收敛到可接受。
第三步：决策辅助（9 个月以上）
- 做什么：报告起草辅助、判定支持（接近限量提示不确定度等）；
- 前提：模板受控稳定、前两步的提示机制稳定运行；
- 验收：AI 参与的报告仍由人审核签发，辅助痕迹可留档（见报告辅助专题）。
三张“不做清单”
- 数据未受控前，不做“智能”（先数字化三步走）；
- 边界未划前，不做签发/判定类辅助；
- 责任未定前，不引入不可溯源的模型输出。
路线图的判断器
每进入下一步之前，回答一个问题：上一步的收益有没有被业务用起来？ 检索问答没人用，就说明不是真实需求；异常提示误报多，就先校规则再谈别的。
AI 落地的路线图，本质是跟着业务痛点走、每个台阶都验证：从省时起步，在边界内扩展，让每一步 AI 都是“真有用”而不是“添热闹”。到了那一步，实验室的智能化才有可持续的节奏。