制药企业正面临前所未有的压力，必须充分利用人工智能、高级分析和机器学习的力量。但在这场 AI 浪潮中，一个容易被忽视的风险正在悄然浮现：合成数据的误用。
结合自己在上世纪90年代亲身经历的行业人才外包热潮，我认为今天的制药企业高管在制定数据战略时，可以从中汲取经验。当时，提高效率的理由确实充分，节省的成本也真实可见。但当企业大举投入一项自己并未完全理解的能力后，多年后代价才显现出来——大量岗位和工作不得不重新招募、重新搭建。这段历史的教训并不是说外包本身是错误的，而是说：如果追求效率时忽视了被掏空的部分，问题终将在节省的成本被计入账本之后的某个时刻浮现。
同样的原则也适用于当下正在展开的 AI 驱动转型，尤其是合成数据的应用热潮。诚然，合成数据蕴含着巨大的潜力。如果运用得当，它可以拓展现有证据、模拟场景、模拟受访者，并加速分析进程。它还能帮助克服传统数据采集面临的一些难题，比如隐私和可获取性问题。然而，如果将其当作一线研究的替代品，现实情况是，它可能制造出一种虚假的"已知感"，并产生幻觉。
数据问题
模型并非中立的智能体，并不会对所有输入一视同仁地进行改善。它所反映的，是其训练数据和可触及的信息范围。而在制药行业，决策往往代价高昂、难以逆转，输入数据的质量就显得至关重要。随着 AI 让分析工作变得更快、更易获取，竞争优势正越来越多地转向上游——取决于输入模型数据的质量和独特性。模型本身将趋于商品化，而数据不会。
这正是合成数据变得格外值得关注，也格外可能出问题的地方。医疗健康领域的 AI 支出在短短一年内几乎增长了两倍，从2024年的约4.8亿美元跃升至2025年的14亿美元。一些非正式信号显示，相当一部分支出正从经过验证的一线研究，转向内部搭建、合成数据，以及日益复杂的模型，理由是 AI 可以替代对医生、患者和支付方的研究。有些阵营甚至认为，合成数据可以完全取代一线研究所带来的宝贵洞察。但这一论断目前尚无实证支持。问题的关键不在于合成数据是否有用，而在于我们究竟想用它来回答什么问题。
从问题本身出发
想一想品牌团队在做出上市决策、应对竞争对手入场，或为资源分配做辩护时，需要回答哪些问题：某个专科医生此刻在某一细分适应症上是如何推理的？一位有生物制剂使用经验的患者如何权衡换药决定？某个支付方对一款本季度新获批药物的立场是什么，而不是去年的立场？
这些信息不会发布在任何地方，也不会静静地躺在理赔数据流里等人去抓取。通用模型可以综合已知的信息，但无法凭空制造出尚不存在的行为证据。它能告诉你某个市场去年是什么样子，却无法告诉你过去六个月里，那些对你的品牌至关重要的专科医生的处方行为为何发生了变化。这类证据必须直接从现场采集，保持时效性，并独立于公开信息和厂商赞助的信息之外单独生成——而这些公开及厂商赞助的信息，正日益成为企业自建 AI 系统所依赖的共同知识库。此外还有一个结构性的问题，而不仅仅是程度问题：在产品上市之初，根本没有历史数据可供综合。一个没有证据支撑、却运行得更强大的模型，并不会创造出证据,它只会生成更精巧的推断。
这个区别至关重要。AI 在查找、关联、综合和审视信息方面表现得极为出色。但它本质上并非一个证据生成系统。当问题是医生、患者或支付方当下究竟在想什么、在做什么时，仍然需要有人去创造证据。
合成数据能帮上忙的地方
合成数据确有其价值所在。它可以拓展现有证据、模拟场景、填补空白并对假设进行压力测试，还能帮助团队在投入更昂贵的研究之前先探索相关问题。但它单凭自身无法做到的是：就当下医生、患者或支付方的真实行为建立全新的实证证据。
从这个角度看，它的角色应该是补充性的，而非替代性的。一个合成受访者可能给出令人意外的答案，但它无法证明这个答案是否反映了市场中真实存在的医生、患者或支付方。在我们的研究中，这种"意外"恰恰往往是关键所在——打破常规推理模式的医生、现有证据未曾预见到的患者用药障碍，又或者只有在收集新数据之后才会显现的市场变化。
AI 系统在很大程度上依赖已被观察、记录或生成过的信息进行推理。如果企业越来越多地用基于现有证据生成的合成产出来取代一线证据，整个系统就有可能陷入一种自我循环的风险：对一个日益封闭的信息集合进行越来越精密的分析。而一线研究所做的事情根本不同——它会向系统中引入全新的观察结果。
合成数据无法告诉我们的事
这并不是要否定合成数据的价值，而是要避免将合成情报与真实世界证据相混淆。
可以利用合成数据来加速那些具有时效性的机械性工作、探索各种场景，并产生更好的假设。然后，把由此节省下来的时间和资金，投入到采集差异化的一线证据，并运用专业的人类判断来解读其含义。
由此可见，竞争优势并非单独来自合成数据、一线研究或人类专业知识中的任何一项,而是来自三者的结合：他人无法仅凭提示词就能获取的差异化证据、能够从这些证据中挖掘更大价值的技术，以及能够理解这些证据真正含义的专家。
模型会持续进步，合成数据也会变得越来越令人信服。这恰恰让底层证据的质量变得更加重要，而不是相反。真正的风险不在于合成数据变得过于强大，而在于我们忘记了它究竟无法告诉我们什么。
