行动框架 · 从明天能做的事开始

最后一章，把整套分享收回来。

如果前面 10 章讲的是认知框架，这一章讲的是行动框架：明天能做什么，今年要做什么，长期要建什么。

先回顾整套逻辑

这套分享走了 11 步：

1. 开篇：医疗讲法律听，底层逻辑通用
2. AI 时代是什么：三代范式 + AGI
3. 数据是什么：概念栈 + 医疗分类
4. 数据角色变了：从燃料到智商
5. 什么叫高质量：4+5=9 维度
6. 怎么形成：治理、中台、边用边治，以及三大难题
7. 不同场景要什么：五类燃料分类
8. 怎么生产：五类生产方法论
9. 未来怎么演进：数据飞轮 + 三趋势
10. 业务反推数据：战略锚 + Palantir 本体路
11. 法律行业映射：五类燃料 + 三条启示

最终收束到一句话：

数据建设不是为了治理数据，是为了让 AI 跑通业务闭环、提升核心竞争力。

五个核心金句

这套课程里最重要的五句话：

22 年的数据是燃料，26 年的数据是肌肉记忆、知识资产和决策依据。

4 维度是入场券，9 维度是 AI 时代的数据资产成熟度。

很多医院/律所花大钱治理数据，结果发现 80% 场景不吃训练数据，只吃知识库。

高质量数据集不是治理出来的，是生产出来的。

决定竞争力的自己干，决定生产力的尽量买。

三类听众的建议

医院 CIO / CTO：

• 第一年选 3-5 个 AI 业务闭环立项，不要先做全院数据治理大工程
• 知识型应用优先，三个月建立信心
• 启动一条专家推理链生产线，比如 MDT 结构化
• 中长期建设患者智能体数据底座和集团级数据资产

律所合伙人 / 法务负责人：

• 知识工程优先：法规、判例、合同、合规库先做起来
• 用现成法律 AI 工具跑通生产力场景
• 自建专家论证库、客户专属方法论和判决书结构化生产线
• 从”招更多律师”转向”编排更多智能体”

跨行业管理者：

• 用业务反推数据建设，而不是用数据库反推业务
• 区分生产力 AI 和核心竞争力 AI
• 外购通用能力，自建独有资产
• 建领域本体、数据飞轮和评测守门体系

今天回去就能做的事

第一，画业务闭环图。
把患者、客户、案件、合同、运营流程画出来，标出 AI 可以介入的环节。

第二，给每个 AI 应用分燃料类型。
它吃知识、吃训练数据、吃推理链、吃工作流，还是吃具身轨迹？分错类型，后面全错。

第三，划分生产力 AI 和核心竞争力 AI。
生产力尽量买，核心竞争力自己干。

第四，优先启动知识型应用。
医保政策、临床指南、法规库、合同库、SOP，都是低门槛高回报。

第五，建立评测集守门机制。
哪怕只有 50 道题，也比没有强。没有评测集，飞轮越转越危险。

这一年要做的事

如果把时间拉到 12 个月，建议做五件事：

1. 建立飞轮埋点：至少选一个应用，从上线第一天就记录反馈
2. 启动专家推理链生产线：MDT、疑难病例、裁判理由、法律意见书都可以
3. 建立自建 vs 外购决策框架：避免什么都自研，也避免核心能力外包
4. 启动领域本体建设规划：医疗本体、法律本体、专科本体、业务对象关系
5. 用业务倒逼治理优先级：AI 要用哪里，先治理哪里

结尾

AI 时代的数据建设，不是技术议题，是战略议题。

治理是手段，业务才是目的。

医疗、法律，以及所有专业行业的下一波 AI 竞争，都会赢在三件事上：

• 领域本体
• 专家推理链
• 数据飞轮

这不是一个数据部门能单独完成的事，而是组织能力的重构。

系列到这里收口。真正的工作，从把第一条业务闭环画出来开始。