Genmab 全员普及 ChatGPT Enterprise：超 2000 人在用，每周省 3.5 小时

很多大公司买了一堆 AI 软件授权，最后往往变成摆设，大家除了偶尔让它润色封邮件，根本不知道怎么用。

做抗体药研发的生物制药公司 Genmab 也给全公司买了 AI，但他们的落地方式要接地气得多。在试用了 1000 个 ChatGPT Enterprise 账号不到一年后，Genmab 启动了「AI Everywhere」计划，把账号规模直接扩大到了 2000 多个，几乎覆盖全员。

面对刚拿到工具不知道从哪下手的员工，公司的做法特别朴素：让每个人把自己的岗位职责发给 ChatGPT，然后直接问一句「你能帮我做什么？」。

搭建 100 多个专属 GPT，把临床报告写进工作流

这场全员实验很快跑出了具体成果。目前 Genmab 内部已经搭建了 100 多个自定义 GPT，覆盖了从文献总结到数据分析的各种环节。

内部调查显示，员工人均每周能省下 3.5 小时，平均每人每周要和 ChatGPT Enterprise 对话 120 次。对于一家近期规模翻了三倍、正面临海量复杂科研数据的药企来说，这个使用频率已经非常高了。

他们甚至拿 GPT-4o 做起了高度专业的医药活。比如撰写临床试验报告、患者安全叙述，以及申请新药临床试验（IND）的文档。他们把模型直接对接临床数据和专业反馈，让它像真人一样，在根据意见自我修正中不断优化草稿。

多模态的视觉能力也派上了用场。医学事务出版物里经常有密密麻麻的图表、数据和正文，以前人工核对事实引用耗时耗力，现在员工直接让 GPT-4o 统一审阅图文，处理速度比以前快了一大截。

另一个很有意思的工具叫 AI Translator GPT。它模拟了一整个专业翻译团队的分工，里面既有翻译员、审校员，还有专门懂生物专业词汇的 agent。为了保证药学内容的准确，它还引入了反向翻译机制来检查漏译和误译，在英译中时甚至会用日语做中间跳板，把原本动辄几周的专业翻译缩短到了几个小时甚至几分钟。

绕开云服务商，直接找 OpenAI 取经

在底层架构上，Genmab 的选择也很直接：他们没有通过常见的第三方云平台转手采购，而是直接跟 OpenAI 建立了合作。

公司的考虑很现实，他们看中的不仅是模型接口，而是想直接跟 OpenAI 的应用、研究和部署团队打交道，第一时间拿到最新的技术支持。

当然，药企对数据安全的要求极高。在全面推行之前，Genmab 评估了 OpenAI 的安全与隐私机制，并设置了定期审查，防止核心的药物分子专利和临床数据外泄。

为什么重要

药企向来是监管最严、对出错容忍度最低的行业之一。过去很多团队只敢让大模型写写营销文案，或者做个简单的客服问答。Genmab 这次跑通的路径说明，只要加上严格的专业反馈闭环和多角色校验机制，大语言模型完全能深入到临床试验报告、药学翻译这种深水区。

对于大部分正在推进数字化的企业来说，Genmab 最值得参考的其实不是什么高深的技术架构，而是他们的冷启动思路。让员工把 JD 喂给模型问建议，一下子抹平了普通人面对聊天框的空白感；而搭建 100 多个细分场景的自定义 GPT，也比逼着所有人自己去写复杂提示词管用得多。

不过，这种深度绑定的做法也不是没有代价。跳过云厂商直接找模型源头，短期内能吃到技术红利，但长期来看，把核心工作流深深焊死在 OpenAI 一家身上，未来的议价权和模型替换成本都会是个大考验。但无论如何，能让人均每周实打实省下 3.5 小时，这笔账在现阶段已经算得很值了。