企業討論導入 AI 時，多半先想到最專業、最核心的那一步：研發部門想讓 AI 幫忙設計，生產部門想讓 AI 預測良率。實際盤點工時卻常發現，大量人力耗在核心工作周邊的文件上，例如批次紀錄、檢驗報告、送審資料；這些工作需要專業知識，又高度重複，往往由最資深的人逐頁檢查。
Anthropic 在 2026 年 10 月 27 日公布與六家新藥開發機構合作的初步成果，其中最貼近一般製造業的，是新藥公司 Enveda 用 Claude 審查製程文件：原本超過 25 小時的人工審查縮短到不到 3 小時，人工找到的問題也全部抓到。這篇從這個案例出發，說明企業怎麼在自己的流程裡找出類似的工作，以及導入時哪些判斷要留給人。
新藥開發的瓶頸分散在整個流程
談到 AI 與新藥開發，一般人最常聽到的是用 AI 設計新分子。Anthropic 在這次的說明中指出，開發一款新藥要經過許多不同的工作，包括找出藥物要作用的目標、設計分子並調整特性、讓藥品能穩定量產、撰寫申請臨床試驗的法規文件，再設計與執行臨床試驗；耗時的地方散落在每個階段，沒有哪一個問題解決了就能讓全程加速。因此 Anthropic 選擇直接參與實際的藥物開發專案，逐一找出各階段卡住的地方。
這次公布的案例也分布在不同階段。Generate Biomedicines 的科學家用 Claude 提出新的設計，其中一個版本比標準版本短約七成，實驗室測試的效果反而更好；Divergence Labs 讓 Claude 在大約一個月內產生約 35,000 個候選設計，再由團隊篩選測試；BigHat Biosciences 讓 Claude 連上實驗室的資料系統提出修改建議，約 10 週內做出並測試約 1,010 個版本；Bristol Myers Squibb（BMS）則用 Claude 評估早期藥物的臨床試驗規劃，並估算試驗成功的機率。Anthropic 也說明，這些成果大多仍在臨床前階段（preclinical，指藥物還沒進入人體試驗的研究階段），距離上市還有很長的路。
分子設計與篩選需要大量生物專業，傳產企業很難直接比照；製程文件審查就不同了，幾乎每家製造業都有性質相同的工作。
Enveda 怎麼用 AI 審查製程文件
新藥要進入臨床試驗，企業必須拿出紀錄，證明每一批藥品都依嚴格的品質標準製造，還要向主管機關提出申請。Enveda 的製程化學家，最多有四分之三的工作時間花在處理這些文件。
為了減輕負擔，Enveda 建立了一套系統，把所有製程文件接上 Claude，讓它標出可能有問題的地方。Enveda 用 1,061 頁文件測試：人工審查找出的 11 個問題，Claude 全部抓到，另外還標出 7 個人工漏掉的問題；人工審查時間從超過 25 小時降到不到 3 小時，減少 89%。Claude 也撰寫了兩份重要法規文件的初稿，其中一份花 4 小時完成，人工撰寫大約要三個月；另一份經過 Enveda 的標準人工審查，只找到一處小錯誤。
這個案例有兩個做法，企業導入時可以直接參考。
用人工已經找到的問題驗證 AI。 Enveda 手上先有人工審查的結果，再比對 Claude 抓到多少、多抓了哪些，管理層因此能清楚判斷 AI 的表現，不必只靠使用者的感覺。
人沒有從流程中退出。 審查時間能大幅減少，是因為 Claude 先把可能的問題標出來，審查人員把力氣放在確認與判斷；法規文件的初稿，也一樣要經過標準的人工審查。
AI 處理大量工作，關鍵判斷留給專業人員
BigHat 的案例更清楚呈現人與 AI 的分工。專案進行到一半，團隊懷疑業界常用的耐熱程度與聚集（分子彼此黏在一起結塊）指標會誤導判斷，於是 Claude 和研究人員回頭重新分析原始資料，提出不同的指標與測試程序調整；接著由 BigHat 的科學家修正方案並實際執行，主要的預測也獲得驗證。AI 負責翻資料、提出假設，決定要不要改流程、怎麼改的，仍是熟悉實驗的專業人員。
另一個案例落在研發以外的行政協調。Mithril Medicine 原本是只有創辦人一人的公司，研究兩種罕見的兒童肌肉失養症；創辦人用 Claude 安排與 11 間外部實驗室之間的合約、物流與實驗，並把許多營運事務交給 Claude，不到 18 個月就讓其中一種療法從構想走到小鼠實驗的初步成果，Anthropic 之後也收購了這家公司。人力有限的團隊，花在合約、進度追蹤與跨單位聯繫的時間，常常比專業工作本身還多，這類工作同樣適合先交給 AI Agent 整理。
在自己公司找出類似的文件工作
傳產企業的流程裡，有不少工作和 Enveda 的製程文件審查性質相近，例如品保部門核對批次紀錄與檢驗報告、業務整理客戶稽核要求的文件、化工廠更新安全資料表（Safety Data Sheet，SDS，記載化學品危害與處置方式的文件）、研發部門發出設計變更通知前比對圖面與規格。要判斷哪一項適合先導入，可以看四個條件：文件量大、檢查規則寫得出來、出錯的代價高，而且目前靠資深人員逐頁檢查。四項都符合的工作，通常最快看得出成效。
選定工作後，建議依下面三個步驟著手。
先算出目前的工時。 記錄一份文件從收到到審完要花多少時間、由誰審、最常退回的原因是什麼，之後才有比較的基準。Enveda 能說出審查時間減少 89%，前提是先知道原本要花超過 25 小時。
用已知答案的舊文件測試。 挑一批人工已經審過、問題也都記錄下來的文件，讓 AI Agent 重新審一次，比對它漏了哪些、多抓了哪些。多抓到的項目也要請專人確認，才能分辨是人工真的漏看，還是 AI 誤判。
保留人工核可。 正式上線後，AI Agent 負責標出問題與撰寫初稿，放行、送出與對外發文仍由專人決定。EgentWrX 可以把公司的規範、檢查清單與過去的審查紀錄上傳到知識庫，讓 AI Agent 依照公司自己的標準檢查；再把重複的審查工作設定成任務、串成工作流，並在交棒前設定必須經人工核可，流程跑到這一步就會停下來，等人放行才繼續。
