ECA调查显示54%制药人员已在日常工作中使用AI,涉及风险评估、确认与验证、偏差报告等
ECA调查:54%制药人在风险评估、确认与验证、偏差报告、GMP审计等使用AI!
ECA公布关于AI在设备确认中使用的调查报告,显示54%的受访制药人员已在日常工作中使用AI,其中22%全天使用、18%每周使用、14%每天使用,46%仍未使用。
近年FDA来,检查频次提升。2025年5月,FDA官宣扩大境外工厂“不预先通知飞检”范围。FDA还在今年4月份开出首例AI警告信。近日,ECA公布了其关于AI在设备确认中使用的调查报告,其中显示,54%已经在日常工作中使用AI,包括用于风险评估、确认与验证、偏差报告、GMP审计等。如下:
54%制药人使用AI用于风险评估、确认与验证、偏差报告、GMP审计
近日,ECA公布了其关于AI在设备确认中使用的调查报告,其中显示,54%已经在日常工作中使用AI:其中22%全天使用,18%每周使用,14%每天使用,仅46%仍未使用。
用途分布上,写风险评估占比最高(25%),其次是数据分析(15%)、写报告(9%)、写方案(7%)、URS(5%)、评估测试(3.64%)。
对于AI的未来预期,58%强烈不同意“AI会消失”,60%同意“指南比以往更重要”,51%同意“AI消除人为错误、提升确认质量”;而在“AI是否接管GxP活动”上则分歧明显(45%不同意vs 40%同意)。
FDA首例AI警告信
4月15日,FDA发布了Purolea Cosmetics Lab (Owner: Ms. Maria N. Mattina)的警告信,其中提及在药品生产中不当使用AI的缺陷,这是FDA发布是首个涉及AI用于GMP使用的警告信:该公司使用不合适的AI来制定:药品质量标准、操作规程、主生产记录、控制记录等。此外,由于不适当的AI从未提示工艺验证要求,该公司并未执行工艺验证。
为什么不能直接依赖通用AI:幻觉、无法溯源
制药合规有一条铁则:对于质量管理,重点不是回答“说得像”,而是回答“必须对”。一条错误的法规引用,轻则误导整改方向,重则在483回复中被检查员当场指出——代价远高于省下的检索时间。这正是GMPilot一类专业工具与通用AI的本质区别:通用AI追求“生成得流畅”,GMPilot追求“输出可溯源”。
第一,通用AI会编造法规条款。英国MHRA已公开表示,检查员收到过企业提交的AI生成检查回复,里面引用了根本不存在的法规条款和指导文件,甚至出现一份超过90页、完全没回应检查缺陷的AI回复。在制药行业,编造一个法规编号可能直接导致483观察项。第二,通用AI不知道你公司的具体情况——它只能给通用解释,不知道你的工艺、设备、控制策略,而GMPilot这类工具的知识库可以纳入企业自己的SOP和历史偏差记录。第三,制药行业要求“人必须审核”:FDA已明确,用AI辅助生成的文件必须由质量部门审核确认。2026年4月FDA发给Purolea化妆品实验室的警告信(首个以“AI不当使用”列为cGMP缺陷的警告信)把这条说得很清楚——用AI生成药品规格、程序和主生产记录,未经质量部门审核直接投入使用,违反21 CFR 211.22(c),该公司还因此被指违反211.100(未进行工艺验证)。
五大现实,正在消耗QA的战斗力
FDA公开的483表格仅约10%(行业普遍引用口径),大量真实案例难以获取;案例资料零散,人工翻阅PDF检索比对,耗时耗力;质量管理过度依赖资深员工,人员流动易造成知识断层;各团队对同类合规问题的理解及整改标准不统一;通用大模型解答cGMP问题存在AI幻觉,输出无法溯源。很多企业也收集整理了一部分483文档,但只存放在文件夹里,没有真正转化为“可检索、可对标、可落地自查”的质量资产。如何把海量历史检查案例转化到日常QA工作流、实现风险前置,是当下出口药企的核心课题。
GMPilot,专业的GMP合规智能体
GMPilot由Aelion AI Inc.联合约翰霍普金斯大学、吉利德科学等机构的研究人员开发,论文2026年3月21日提交至arXiv(2603.20815,14页)。它是一个把海量483变成“可检索、可对标、可自查”质量资产的AI工具:基于ReAct+RAG双框架,面向已经或计划对接FDA市场的制药企业,把法规、483案例沉淀为结构化知识库,嵌入质量日常工作,贯穿质量管理全生命周期。准确性优先于生成创造性,单智能体保证一致性,全流程透明可追溯。
具体场景:企业需要为FDA检查撰写准备简报?GMPilot能基于真实历史案例生成定制化的自检清单;实验室出现偏差需要根因分析?能提供基于过往类似案例的调查思路与整改方向;法规与案例出现更新?知识库快速同步,确保企业始终掌握最新监管动态。GMPilot能迅速关联相关法规条款、历史案例与整改建议,形成完整的证据链,帮助企业在最短时间内做出科学决策。
GMPilot把质量专家的经验“民主化”:通过24小时在线的实践指导,让每一位一线员工都能获得如同专家亲临现场的专业培训——无论是法规查询、偏差处理、CAPA指导,还是迎审准备,都能提供精准、可溯源的答案。其后端管理系统具备强大的可扩展性:企业用户选择本地化部署后,可自主添加文件、扩展知识库,实现对数据的完全控制与灵活更新,让质量管理体系随企业需求持续成长。
RAG保可追溯,ReAct做推理
GMPilot架构核心就两个东西:RAG(检索增强生成)——不让AI凭训练记忆回答法规问题,而是先从一个经过人工审核的知识库检索相关条款再生成;制药行业必须用RAG,因为合规输出必须可追溯——你不能让AI凭空说“FDA要求做3批”,必须能指出这句话来自21 CFR哪一条、哪个版本。ReAct(推理-行动框架)——像人一样多步思考:先拆解任务→检索法规→发现不够→再检索历史案例→综合输出。配套结构化输出:按“法规依据+案例参考+建议”格式作答,审计官要的是有据可查的回答。
来源:GMP办公室 · mp.weixin.qq.com