第一天：认知破局 × 质量合规核心场景
入门模块 AI认知校准：从零开始用好AI
1.AI到底是什么：用药厂人听得懂的语言解释大模型、提示词、RAG三个核心概念
2.你身边的AI工具：Claude / ChatGPT / DeepSeek / Kimi 各自能做什么，打开就能用
3.为什么你的同事用AI"没什么用"——提示词写法决定输出质量的80%
4.AI的边界与风险：它会"编东西"，药企场景下如何识别和防范
模块一 GMP × AI 合规框架：边界在哪里，底线是什么
1.监管最新信号：FDA 2024 AI Action Plan、NMPA飞检AI关注点、EU AI Act对药企的直接影响
2.GxP × AI 三道防线：人工在环系统设计原则、ALCOA+ 九要素在AI场景的落地路径
3. AI系统风险三级分类（Tier 1/2/3）：什么情况下需要做验证，什么情况下做基本评估就够
4.五大相容性论证：用GMP自己的语言证明AI辅助不违反任何GxP原则
5.合规红线：AI不能替你签字 / AI输出不等于GxP记录 / 数据安全三级分类速查
模块二 批记录智能审核：AI怎么帮QA从繁琐中解放
1.为什么批记录审核是药企AI落地最优先的场景：高频 / 规则清晰 / 人工在环天然存在
2.AI十维度审核体系：数据完整性 / 签名完整性 / 日期时间逻辑 / 工艺参数符合性 / 物料核对 / 产量收率 / 设备校准 / 环境监控 / 批内偏差 / 文件完整性
3.三级缺陷自动分类（严重 / 主要 / 次要）与分级响应逻辑
系统现场演示：上传脱敏批记录，实时看AI审核全程输出——对比传统人工方式，时间节省直观可见
模块三 偏差管理与CAPA智能化
1.偏差事件AI自动分类与等级判定（关键 / 主要 / 次要三级标准与判断逻辑）
2.5Why根因推理图谱智能构建：结构化深挖框架 + 历史根因模式库匹配
3.历史相似偏差自动检索：跨批次、跨品种同类偏差预警机制
4.CAPA措施智能推荐与有效性预测：避免"万能CAPA"（加强培训）的重复出现
5.偏差调查报告AI六步生成流程：结构化描述 → 分类定级 → 影响评估 → 根因框架 → CAPA推荐 → 报告输出
6.Leo实战数据：偏差报告工时节省68%，QA主管退回率降低67%
模块四 变更控制与风险评估AI化
1.变更影响范围AI系统性扫描：物料—工艺—产品—法规四维关联图谱，系统性防遗漏
2.历史变更相似度智能匹配：同类变更处理方式参考，经验复用
3.变更风险矩阵动态生成：高 / 中 / 低风险自动分级，附分级依据说明
4.变更分类建议：重大变更 / 次要变更边界判定，法规条款自动关联
5.变更后验证策略AI推荐：再验证必要性评估、验证范围精准建议
6.监管申报影响评估：针对FDA / EMA / NMPA不同市场的变更申报要点自动提示
