美国FDA如何构建一个85%员工日常使用的AI平台
内容提要
美国FDA通过Databricks平台整合八个中心的数据，构建了生成式AI平台ELSA和治理数据基础Halo。统一目录确保数据安全，使1.6万名员工中85%采用该平台。员工可创建数百个AI代理，将药物审查时间从数天缩短至三分钟，提升效率并打破数据孤岛。
延伸解读
治理先行：数据安全是AI落地的关键前提
FDA在整合八个中心的数据时，面临的最大挑战并非技术，而是数据安全与权限控制。通过Unity Catalog实现表级访问控制，确保敏感监管数据不被越权共享，才赢得了各中心的信任。这提示我们，在跨部门或跨机构的数据平台建设中，治理机制必须前置，否则即使技术再先进，也难以获得业务部门的支持与参与。
从“问答”到“代理”：用户驱动的AI创新
ELSA平台上线后，员工不仅使用现成的问答功能，还自发创建了数百个AI代理，将标准操作流程和监管指南转化为可即时查询的智能工具。这种由业务人员主导的“公民开发”模式，降低了AI应用的门槛，使创新不再局限于数据科学家。组织应提供易用的工具和平台，鼓励一线员工根据实际需求构建解决方案，从而释放更大的生产力。
效率提升的量化价值：药物审查从数天到三分钟
通过提取数百万页监管文件中的关键数据，FDA将药物审查中查找起始材料的时间从数天缩短至约三分钟。这一案例展示了AI在知识密集型工作中的巨大潜力，但前提是底层数据经过治理和结构化处理。对于类似场景，组织应优先梳理高频、耗时的人工检索流程，利用AI实现自动化，从而让专业人员专注于更高价值的判断工作。
Q&A
美国FDA的AI平台叫什么名字？
美国FDA的生成式AI平台叫做ELSA，它建立在名为Halo的治理数据基础之上，Halo运行在Databricks平台上。
FDA如何解决各中心数据孤岛和重复建设的问题？
FDA的IT领导层意识到各中心独立建设AI能力的碎片化问题，发起了整合行动。在3到4个月内，他们将来自八个中心的50到60个数据源整合到一个统一的Databricks平台上，从而打破了数据孤岛，减少了重复建设。
FDA如何确保数据安全并赢得各中心的信任？
FDA使用Unity Catalog作为治理层，提供细粒度的表级访问控制，确保敏感数据（如商业秘密）不会未经批准被共享，从而解决了各中心的安全顾虑，赢得了信任。
FDA员工使用ELSA平台的比例有多高？
在ELSA推出后大约两个月内，FDA员工的使用率从不到1%上升到85%，即16,000名员工中有85%采用了该平台。
FDA员工如何创建AI代理？
员工可以将标准操作程序、监管指南和中心特定文档加载到ELSA的工作区中，然后构建能够回答基于FDA特定问题的代理。这一过程通过MCP服务器和Unity Catalog的结合实现，使得任何员工都能创建代理，而不仅仅是数据科学家。
FDA的AI平台如何缩短药物审查时间？
通过Databricks的ML和NLP能力，FDA从数百万页的监管提交中提取关键数据（如起始材料），并通过ELSA暴露给审查员。现在审查员输入申请号即可在约三分钟内获得答案，而以前需要数天时间。
FDA的AI平台未来计划是什么？
FDA计划将CDER开发的MCP工具适配到其他中心，每个中心根据自身的数据背景和监管要求进行定制，目标是让审查人员不再花时间搜索信息，而是专注于评估药物、设备和生物制品的安全性和有效性。
