一家做体重管理的连锁机构,老板在行业群里刷到一条融资新闻:无界进化完成超亿元 Pre-A,主打 AI 基础模型加高通量实验的干湿闭环。

他把链接转给运营负责人,问了一句:我们是不是也该搞个自己的大模型?

运营负责人没接话。公司没有实验室,没有算力,也没有算法团队。3500 万大健康经营者里,能自建基础模型的极少。

一、AI4S 的钱,花在经营者够不着的地方

据公开报道,无界进化的路径是"干湿闭环":模型提出假设,高通量实验验证,验证结果回流训练。它还与晶泰科技在分子与细胞两个尺度上打通闭环,并参与北大第一医院类器官实验室共建。

这些成果解决的是发现层的问题:哪个靶点值得做,哪个分子能成。

投入周期以年计,产出是论文、专利、管线,买单的是药企和基金。

经营者面对的是执行层的问题:已经被验证有效的东西,怎么稳定送到用户面前,还不踩线。

一句话区分:科研 AI 降低的是"未知的不确定性",经营 AI 降低的是"已知的执行成本"。

二、第一层:把"我感觉"换成"数据显示"

一家连锁机构,老板坚信晚上发内容效果更好。运营把过去一段时间的打开数据按发送时段切开,结论往往和直觉相反。

这不是算法多聪明,是数据第一次被认真算过。

这一层的能力只有一件事:回答"哪个环节在漏客"。

检验方法很朴素,问它三个问题:上月哪类用户流失最多;流失前一周,他们的动作有什么共同点;如果只能改一个环节,改哪个。

三个问题都必须用数据回答。给方向性建议的,一律不算。

这一层不需要自建模型,需要的是把预约、打卡、私域标签三套数据打通。数据不通,再大的模型也只能说空话。

三、第二层:让每一句话都能被查

一条"某成分辅助降糖"的短视频文案,投出去被举报下架。

《广告法》第十七条规定,除医疗、药品、医疗器械广告外,禁止其他广告涉及疾病治疗功能,不得使用医疗用语。保健食品广告还有额外要求:必须声明"本品不能代替药物"。

这类红线,人记不全,模型也记不全。得靠词库和知识库双重拦截。

第二层要能回答两件事:这句话能不能说;这句话凭什么这么说。

前者靠合规词库,后者靠证据链。缺一个都不成立。

检验方法:随机抽若干条 AI 生成的内容,看能不能点开原始出处,以及出处是临床指南、原始研究,还是一篇二手科普。

只能打开二手科普的,不算循证。

四、第三层:从"告诉她"到"她真的做到了"

体重管理用户的脱落,多数发生在第一个月内,不同项目差异不小。

这个阶段发优惠券往往没用,发一句"最近是不是有点难坚持"反而有用。行为引导和内容推送的差别在这里:前者要多轮,要能识别阻抗,要把目标拆到"今晚走 20 分钟"这种粒度。

检验方法:用户在沉默一周后,系统会不会主动开口?开口第一句是促销,还是提问?

更稳妥的做法,是把这一层做成健管师的辅助工具:排好该跟进的人、该问的话,由健管师确认后发出。人还在环里,只是不必再靠记忆。

凯同AI 做的是经营侧的 AI 工具,服务门店与品牌方,DS、DE、HC 三层分别对应数据分析、循证推理和行为引导,HC 承接的就是这一段。

五、结论:先买能算清账的,再买能陪聊的

一张八条自查表,逐层对照,每条都能用"是、否、几天"回答:

数据层 1. 一个工作日内,能否回答"哪个渠道最亏钱"? 2. 数据是自动同步,还是要人每周导表?

证据层 3. 每条建议能否点到原始出处? 4. 出处是否标注了证据等级? 5. 上线前是否过了一遍合规审核?

行为层 6. 用户沉默一周后,系统是否主动跟进? 7. 跟进的第一句是提问还是推销? 8. 建议是否进入可追踪的回访队列?

判断标准:一层能稳定算清一个具体指标,就值得上;一层只能提供"感觉更好",就先别上。

预算不大时,顺序比比例重要:先做数据打通,再做合规审核,最后才做跟进工具。反过来做,钱花了,账还是糊涂的。预算上到百万级,才需要谈各占多少。

AI4S 的热闹属于发现层。经营者的机会在执行层,而执行层不需要超亿元融资,只需要把三层能力按顺序装好。

*关键词:AI4S / 三层能力 / 大健康经营者 / 循证推理 / AI 选型*

*声明:基于公开信息与行业观察撰写*