近几年，国家队“灵魂砍价”频上热搜。政府集采的相关政策给医药行业带来了剧烈变革，不断开拓新适应症、新产品成为医药公司的首要战略。而新药、新适应症的不断更新，对于医药代表的专业性也提出了非常高的要求，医药代表不仅需要高超的沟通技巧，同时还需要掌握专业的医药学知识和产品知识，在不同的场景下与不同的医生进行沟通时要不同利用的话术和技巧。
与之形成鲜明对比的是，医药推广领域从业人员的背景复杂性在逐年攀升，非医药背景的一线人员占据了相当比例，给医药公司的人才培养增加了诸多不确定性。此外，在企业规模不断扩大的过程中，直线经理和一线代表的沟通存在着代际问题，且专业辅导的频次跟不上个人发展的需求，这也成为一大管理难题。
面对医药公司一线人员背景的单薄和未来的专业性要求，诺华始终在探索人才培养新路径。随着行业技术的发展，智能陪练逐渐运用于医药行业的人员培训中。但囿于早些年的智能陪练产品难以做到企业的细分领域，专业度不够高，难以为一线人员真正地做到答疑解惑与对话训练。因此诺华培训团队开始寻找一个能够真正满足一线人员需求的智能化工具和产品，赋予一线的医药代表一个智能的客户；赋予地区经理一个智能的代表、智能的下属，帮助他们提升知识储备、提升辅导能力，以及满足对其绩效的持续追踪的需求。《附属医院“智能陪练”》项目便是在此背景下诞生的。
智能化训练在行业内并不是一个新概念，但是受困于数据量和IT平台设计，一直未能满足一线的灵活需求。在早期的项目设计阶段，项目组已经了解背后的整体逻辑和关键卡点。并在此基础上，做了相应的资源投入。
内部专家+外部医学顾问+IT 的三方组合。不论内部标准话术的丰富还是语料的标准化处理，都是庞大的工作量（如图1），基本上每个模型的话术语料约3万字左右，单靠一个团队是无法独立完成所谓的提炼和标注工作的。为了解放内部专家生产力，诺华组合了三个关键团队进行产品搭建和设计，分别是内部培训专家、外部医学顾问和IT团队。
AI供应商提供了外部医学顾问和IT团队，诺华项目负责人和内部专家负责内部数据的提取和标准场景的梳理，外部顾问承担语料分析和后台数据匹配。为了能够让外部顾问熟悉诺华自身的语言模型，项目初期，针对外部顾问也进行了多次TTT培养，外部专业顾问的引入是本项目成功推进和运营的关键，IT团队再负责开发出来具体产品。
跨部门的沟通和协调。项目组早期在各个业务条线均展开了广泛的调研和需求搜集，同时和各个BU Head展开了访谈和对话。在方案得到认可后，各个BU均表示，平台设计可以由培训发展部门引领，语料和数据业务条线将不遗余力的提供支持。同时，会重点把战略产品作为首要的训练素材提供给一线代表和精力，这就为产品开发解决了很大的问题。
不容易实现的“海量数据”。当前市场上的智能化终端，较多应用于AI面试或产品讲解的AI综合评价。究其原因，专业性的细分领域的词库数据有限，很难真正做到AI千变万化的应对方式。可以说，在细分领域的智能化训练产品，并不容易实现“海量数据”，数据量低，那么“智能”反馈的效率自然不高。对于这种专业度较高的领域的AI产品打造，数据的提取十分重要，如何去确定每一个分支、每一个关键词、医生类型和患者类型、确定拜访模型再到最终的建模等等，都需要在前期进行大量的数据投入。
为了解决这个难题，“智能陪练”项目启动之初，项目组针对“产品+适应症+医生类型”模型条件，通过优秀代表来萃取出足够的语料数据，然后划定足够的关键词，再逐步地进行调整，梳理出了10个诺华的智能对话场景，比如（某产品的治疗领域-医生类型为：不检测不治疗）。然后，提炼内部的专业语言数据和相应话术的标签化处理，产品后台根据诺华的技能模型，去设计个性化的评价标准，去实现数字化的估标，给用户良好的体验感。
通过有效的资源整合，项目组形成了一条行之有效的智能陪练的产品搭建流程（如图）。
产品搭建流程
在整个流程中第8步和第9步是产品终端智能化程度的关键节点。后台数据要根据诺华的专业化要求分配语料权重和得分比例，如何达到不仅仅依赖关键词，并给出专业评价，这是产品设计的核心所在。语料和话术的反馈分支则要根据内部培训专家的产品设计思维进行适时调整，目的是根据语音检测得分智能医生要给出不同的反馈。
1、项目运营
项目团队明确智能陪练项目的三大目标：建标准、促学习、省成本。即帮助地区经理建立标准，使培训模式更加规范化，培训标准更加固定有效，培训数据可视化；帮助医药代表促学习，用个性化的方式提升医药代表的参与感，做到学习数据清晰，能够让员工看到自身不足，为代表指引拜访方向，帮助其成长；为公司培训发展节省成本，高效赋能培训工作，线上智能化能够节省处理大量繁琐的工作的时间，降低成本的投入。
在一线员工培训中应用
众所周知，医药领域的工作场景，新入职员工即便是在医药领域有过多年经验，在新的产品和适应症的工作环境下，学术上仍旧很难与医生高效沟通。所以，附属医院的智能陪练率先在新员工培训中发挥了重要作用。新员工培训结束前要先完成5～10次智能医生的高分对练，才有资格和培训讲师面对面进行拜访考核。这就大大提升了线下培训的实际考核效率，因为所有的“试错”都是在智能终端完成的，而现实中，则可以把话术投射到面对面的训练中。对此，诺华认为终端话术的重复性训练，对于学术要求较高的销售人员，是必要的，因为很多产品知识和异议处理本身就是冰冷的数据和复杂的对比逻辑。记不住的情况下，任何人都无法做到“随用随讲”，这才是永恒的痛点。
智能医生终端共有练习模式和自测模式两种模式。练习模式难度相对较小，学员可以查看参考答案和选题训练，适合刚开始学习该场景的小白使用；自测模式难度较大，不可查看参考答案，必须按顺序作答，适合训练一段时间的学员使用。练习完成后，也会给予学员相关反馈，学员根据反馈界面就可以知道他的访前计划、拜访流程、高影响力行为等等，另一方面，还可以通过后台抓取学员的训练数据，不断完善智能陪练模型。通过反复的训练，学员能够更加熟悉他们未来在业务中遇到的各种场景，更加熟练、更加专业地应对不同状况。
在产品的场景设定中，战略和重点产品的AI陪练是每个入职员工的必学项目，追踪数据长达3个月，确保在线训练的准确度。
演练过程中通过回答场景中医生的问题，学员通过语音直接和医生对话，在对话完成之后会自动弹出来相应的分数，系统设定了参考答案，通过划定语音中的关键词以及其准确率来界定高低分，同时监测关键词句，再根据语义理解与模型相结合的形式来进行综合评分。通过学员训练之后的实时反馈报告可知，在一个简单的流程性对话中，有三个维度的评价分数可以反馈出来，分别是一个通用模型和两个诺华的能力模型。学员训练的试错和纠正，能够在瞬间得到数据看板，同时可以回顾得分低的问题回答的状况。通过AI评分的及时反馈，从关键词、语义契合度、发音、流畅度、节奏多个维度评分，全方位评估学员练习效果，实时提供针对性建议，提升医药代表的能力。数字化学习的核心，就是随时随地按需求去进行自适应学习，很明显这种情况是符合的。
游戏化、智能化学习
该项目融合了游戏化和智能化设计理念，在提高培训模式标准化程度的同时，也实现了个性化和便捷化。
附属医院陪练系统的终端显示为智能小程序，并且在诺华内部的学习平台做了单点登录设计，如下图4所示。各个科室的设计旨在模拟仿真医药推广人员的工作场景，在科室里面设置了不同类型的医生，对于医生类型的整体区分标准很多，例如医生的诊断风格、对于疾病的不同诊疗方案、性格色彩等。所谓“智能”，便是和里面的机器人医生实现对话，并获得及时准确的反馈。智能陪练为医药代表提供了专业且贴近业务场景的话术培训，根据不同业务自定义培训方案，还包括了错题集回顾，针对性地加强对医药代表的训练，不断助力提升能力。这种场景化和反馈机制的设计，不仅仅在用户端提供了专业话术引导与评价，还可以达到相应的游戏化体验。
智能陪练以手机小程序的方式，让医药代表随时随地可以利用零散时间训练，每周也会通过推送针对于产品的小练习的形式让团队成员巩固知识，通过碎片化的训练提高知识记忆的保存率。如果学员原来掌握的程度是25%，通过重复推送练习的训练，能够将掌握程度增加到70%左右。
2、敏捷设计
将“智能客户”的语言流程从“整套拜访”简化为多个“异议处理”，增加产品场景数量，降低语料的储备难度，方便后台实施模型搭建。这种处理方式大大降低了一线同事在使用智能产品中的时间成本，并且针对产品的异议处理和客户挑战，做了敏捷迭代、实时测评和反馈。要比原先版本“长篇大论”式的拜访流程的智能训练更有针对性。并且在迭代效率上有很强的优势，后台的模型匹配和关键词调优的工作也大大简化。
此外，不标准的普通话和各地方言的语言失误率的问题，也随着“方言”更正插件的开发和植入得到优化，识别变得更加敏捷和智能。大大降低了各个地区之间的使用差异和难度。
3、项目调整
后台数据的价值是项目组发现很不同于项目初期的设定。诺华一线人员的学习发展是直线经理区域管理的一部分，附属医院的训练数据自然会成为关注重点。各个战略性产品的训练数据在各个区域的数据分布，一定程度上代表能力模型的人员分布比例，并且对于区域和个人的能力诊断起到很好的帮助。
此外，学习主动性和积极性，从来是高潜员工的航标灯，而智能陪练的后台无疑是这类数据的最便捷的获取方式。诺华的能力模型下的各个区域的人员能力分布，虽然是一种训练数据，但是在考核时候，这种分布图就完全可以作为人员能力诊断的有效佐证。
项目价值
智能陪练项目具有前瞻性，同时也具有极高的价值。通过此模式可以提升医药代表和地区经理的能力，对一线人员的帮助很大。通过智能机器人代表的辅导，员工可以提出自己的个人问题，在场景化的模式下和不同的医生进行对话，锻炼自己的整体应急反应、数据能力、知识技能等方面的综合能力。
学习产品知识实际上最终都要通过训练来进行，而医药代表没有什么机会训练，其实他们能跟医生通几次电话、见几次面都十分难得，但是智能陪练为他们提供了一个训练的终端和可能性，解决了学习之后训练的问题。对于这个战略性产品，在没有使用任何激励手段的基础上，在诺华内部使用的数据非常棒，员工上线率很高。
业务端对智能陪练的产品依赖程度也很高，在整个团队中智能陪练逐渐代替了季度考试、甚至是月考。智能陪练类似于人才发展的测评软件，测评数据可以给到业务端做数据抓手，可以反馈出医药代表在线交流中整体回答的情况。
项目成果
建立标准化的教学系统，面向学员有体系化的陪练过程，给大家提供智能陪练终端产品十分有价值。结合目前行业现状，医药代表不再需要讲课时，需要为他们提供战略性的发展培训，此时为大家提供机器医生，通过互动类型的智能终端，实现医药代表的技能提升，这是市场上所没有的首次创新。
经过诺华内部半年的使用，掌上附属医院智能陪练训练场覆盖了700+人员，数据累计5W+人次。随着智能化场景的数据累计，数据库的整体准确性获得了用户的不断认可。业务部门的管理者对于智能陪练产品的重视程度也随之提升。比如智能陪练后台曾经跟踪了某季度的代表训练结果，并反馈给了各个区域，区域助理将新代表的指标达成和增长数据做了匹配，发现智能陪练的分数及训练次数和绩效情况有83%的正相关。截至目前诺华所有产品的异议处理模块的线上学习，是以智能陪练为主，在线课程和线上研讨会反而成为了辅助学习手段。
掌上附属医院中分布了不同的科室以及不同的医生类型，在不同的场景下进行练习。比如说其中一个医生是外科的，其特点是在不检测的情况下就想直接做治疗，大家在练习之后会获得相应的专业反馈。
此外，在诺华的年会中，项目组调研了智能陪练的大部分一线内部用户，满分10分，该产品得到了平均8.2分的评价，尤其是产品的“异议处理”这一场景，在“短频快”的数字化学习诉求下，更是得到了学员好评。
最终，项目组将策略产品的陪练数据作为高绩效代表的识别因素和季度奖金计算的参考指标。目的就是为了传达一个信号，只有将产品和学术牢牢掌握的医药代表才是药企人才培养的第一步。而所谓考核方法的多元化，并非是指多元化的分数，而是考核手段的有效性比过去更强，数据的信度和效度更有说服力，这才是多元化的目的。
诺华的培训发展和人才发展团队，一直认为基于一线需求和业务痛点的智能化训练产品将会引领学习的发展。这是传统行业保持青春活力的有力保障。在这样的情势下，场景化学习才能够成为落地的项目，并取得不错的成果。
来源：人力资源智享会
