北京麦迪克斯科技有限公司 × WorkBuddy
从接口代码到升级决策——把研发与市场的高频工作交给 AI 协同
1企业概览
北京麦迪克斯是一家数字化医疗设备制造商与信息化解决方案提供商，公司在为客户提供软件系列的同时，还自主研发了一部分硬件产品，为客户提供了完整的解决方案，也延伸了自己的产业链。在硬件产品方面，公司对产品质量进行严格的监管及控制。因此，公司取得了Ⅱ类医疗器械生产企业许可证、ISO13485 以及欧盟 CE 认证。
公司自 1994 年成立以来，一直致力于医疗产品信息化系统的研发，经过三十余年的项目实施以及数千家客户的实际应用，积累了大量的客户化需求，并在此基础上不断丰富产品模块和完善产品功能。因此，公司能够快速而有效地发现和满足客户需求，从而提升产品的竞争力。此外，公司在技术研发和产品架构方面重视软件的模块化，根据项目需求进行组合，以降低定制化开发成本，缩短实施周期，实现快速履约，提高客户体验。
随着医疗信息化行业的快速发展，麦迪克斯将以心电、脑电、睡眠为核心发展方向，重点布局远程医疗和区域信息化建设，努力成为行业领先的数字化医疗设备生产商、医疗信息化解决方案提供商以及健康管理服务运营商。
二级医院供应商满意度
小巨人
公司现有员工 500 余人，研发技术团队占比超过 60%，全国下设 30 个分公司及办事机构，已形成心脏健康全周期信息管理、全医技信息化、危急重症救治一体化平台、数智化医疗设备四大产品生态，累计为全国 5000 多家医院提供医疗信息化产品与服务，在心电信息化与核医学信息化领域市场占有率第一。公司长期实践产学研一体化，与清华大学、北京工业大学、解放军总医院、阜外医院、北京大学第三医院等机构共建联合实验室与培训基地。
近年来人工智能成为公司的重点方向：以 AI 心电、AI 影像、AI 病理与辅助医疗决策为核心，构建全云架构的医共体信息化统一平台，并推出心电图左心室质量指数（ECG-LVMI）、急性心梗指数（ECG-AMI Index）、心电图年龄（ECG-age）等基于心电图的创新性生物标志物。对一家把 AI 写进产品的公司来说，把 AI 工具引入自身的研发与市场流程，本就是同一条思路的延续。
2主营业务
麦迪克斯围绕心电与脑电两大核心方向，形成了「设备 + 信息化 + 平台」的完整产品与解决方案体系，服务对象为医院医技科室、区域医联体与基层医疗机构。
心电网络与信息化系统需要与医院 HIS、LIS、电子病历等第三方系统持续对接，而全国各院的接口规范、字段口径与加解密方式各不相同。这既是产品交付的必经环节，也是麦迪克斯引入 WorkBuddy 的起点。
3应用全景
WorkBuddy 在麦迪克斯覆盖研发中心与市场部两条业务线，形成 5 个主场景。每个场景都从一个具体的高频工作出发，把「人重复做、机器更擅长」的环节交给 AI，人保留判断与核验。
4案例一：医院 HIS / LIS / 电子病历接口开发
代码交给 AI，人去做核验——字段对照、协议适配这类重复实现交给 WorkBuddy，人保留核验与现场联调。
医院 HIS / LIS / 电子病历接口开发
业务背景
麦迪克斯的系统需要与医院的 HIS、LIS、电子病历等第三方系统对接，而各家医院的接口规范、字段口径与加解密方式并不统一。这块工作量的大头不在框架搭建，而在把"我方字段"与"院方字段"逐条对应清楚，过去全靠工程师人肉理解与试错。
应用任务
量化成效
整体周产出由 30 个提升到 33~35 个：其中纯代码环节的时间节省约 1/3，现场联调仍需工程师到院对接、无法压缩——真正的变化是 AI 承担的比例大幅扩大。
人机分工
应用价值
- 工程师从逐行写代码转为核对与沟通，工作重心上移
- 字段对照表成为可复用的交付物，下一家医院对接可直接沿用
- 可复用接口与全新接口分流处理，AI 用在真正需要它的地方
信息对不上的时候，AI 做完也用不了。比如文档里接口名叫 a，到了现场叫小 a——信息是错的，AI 做出来的也是错的，这一步必须人去沟通。
5案例二：投标文件合规审核
一份标书的审核从 1~2 小时压缩到 20~30 分钟，废标风险挡在提交之前。
投标文件合规审核
业务背景
投标文件的格式与资格条款一旦出错，直接导致废标。此前一份标书除了制作人员，还要专门配置审核人员复核，责任销售也需要把全文过一遍，多方接力带来很大的时间成本。而人工自审最容易漏掉的，恰恰是那些"看起来没问题"的条款偏差。
应用任务
量化成效
从项目编号一致性、授权书签字、资质材料完整性，到报价勾稽关系与负偏离计数，全部按级别列出，人工按清单逐条确认即可。
典型发现
应用价值
- 把依赖个人经验的审核变成有清单、有分级、有依据的标准动作
- 审核不再是单人责任，销售、制作、复核共用同一份问题清单
- 新人也能按清单完成基础合规检查，经验不再集中在个别人身上
它整体能审出很多问题，负偏离也会主动提醒——这在一定程度上替代了人为审核。
6案例三：问卷调研驱动系统升级决策
306 份一线问卷把"升级到底卡在哪"变成可量化的证据，升级方向由一线数据决定。
问卷调研驱动系统升级决策
业务背景
旧系统由 CS 架构升级为 BS 架构，升级项目多、进度滞后，管理层需要知道一线工程师真实的卡点在哪里。此前的做法是把反馈收上来人工翻一遍，能记住几条印象，却给不出分布——"接口难做"到底占多大比例、有多少人在提，谁也说不清。
应用任务
量化成效
从数据到决策
拿到分布
接口类问题在全部反馈中占比第一，不再是"感觉接口麻烦"，而是有明确比例的一号问题。
交叉印证
建议一侧"加快接口开发、增加研发人力"同样排在第一，问题与建议两条数据指向同一个答案。
调整投向
据此把 AI 应用重点压到接口开发环节，并结合现有制度生成《效率提升升级书》，一次成稿 12000+ 字，达到初稿水准。
应用价值
- 管理层第一次看到带比例的证据，而不是几条代表性的抱怨
- 研发资源的投向由数据决定，讨论从"我觉得"变成"占比第一"
- 26 个分公司的声音被完整统计，不再因地域分散而丢失
问题的归纳与占比做得很优秀，以前如果不是用 WorkBuddy，这个结果不太能给出来。
7案例四：研发全流程
把公司规范喂给自建的"产品经理"专家，重复性的文档与需求整理工作交给 AI。
研发全流程
业务背景
客户需求过来后，先由一线整理成文字，研发再分析并撰写 Word 版说明，最后照着文档开发。整条链路靠人工串，重复劳动多、也容易出错。真正的难点不是写文档本身，而是让每一份方案都符合公司自己的风格与粒度要求。
方法：三件套搭出自己的"产品经理"
麦迪克斯没有直接用通用助手写方案，而是先把已有的历史需求交给一个自己搭建的"产品经理"专家技能，再把公司模板与沉淀成 md 的产品知识一并喂给它。此后遇到用户需求变更，它就结合公司自己的风格直接生成方案，方案粒度细化到"这个界面怎么改、要不要加数据库字段"。
量化成效
传统模式 vs WorkBuddy 模式
- 需求条目靠人工一条条复制并下载附件
- 研发逐条撰写 Word 版说明文档
- 风格与粒度依赖个人经验，版本之间不一致
- 测试用例在方案定稿后才开始补
- 一条命令批量导出，几分钟完成，且避免人工错漏
- 自建专家结合模板与产品知识生成 md 方案
- 沿用公司统一风格，方案落到可开发粒度
- 方案产出后顺延生成并补全测试用例
应用价值
- 方案编写从逐条手写变为批量生成 + 人工复核，人工只做判断
- 公司规范以"专家 + 模板 + 知识库"的形式沉淀下来，换人也能延续
- 拿到产品方案后即可生成测试用例，用例补全提前到方案阶段
我们把已有的需求交给自己搭建的"产品经理"技能，模板和产品知识都整理成 md 给它。有了用户需求变更，它就结合我们自己的风格，把这些方案生成出来。
8案例五：行业学术大会客户邀约
15 天邀约节奏与分层打法一次成型，邀约从个人经验变成可交接的团队手册。
行业学术大会客户邀约
业务背景
公司参展年度行业学术大会，需要在会前完成客户邀约、会中完成现场转化。以往这类工作多凭个人经验推进：谁重要、先联系谁、用什么方式触达、什么时候再提醒一次，全靠组织者自己心里有数，经验难以复制，也容易漏掉关键客户。
应用任务
把参展邀约从"通知客户来开会"拆解成一套可执行的作战手册：客户如何分层、分层对应什么渠道、15 天里每天做什么、话术怎么说、红线在哪里。
手册构成
现场转化与合规边界
现场动作被压缩成三步：拦（扫码留资）→ 讲（5 分钟标准演示）→ 锁（现场约定会后动作）。同时手册明确划定合规边界：只展示经国家主管部门批准的产品，只做客观参数对比而不作优劣评价，不在学术会场内拉人，话术统一定位为"学术交流为主，顺道看展"。
应用价值
- 邀约从个人经验变成可交接、可复用的团队打法
- 高价值客户对应高温度渠道，避免在关键客户上只用一条微信
- 合规要求写进手册，现场执行有据可依，不依赖临场判断
9更多应用场景
除五个主场景外，麦迪克斯还在以下方向持续拓展 WorkBuddy 的使用。
10价值总结
五个案例串起来是一条清晰的主线：用一线数据找准该投入的方向，再把重复性的实现与核查交给 AI，人保留判断、核验与沟通。
| 应用场景 | 核心价值 | 关键指标 |
|---|---|---|
| 医院接口开发 | 字段对照与代码实现交给 AI，人转向核验与联调 | 纯代码环节节省 1/3；AI 每周承担 10 个接口 |
| 投标文件合规审核 | 把废标风险挡在提交之前，审核不再依赖个人经验 | 单份审核 20~30 分钟；一次标出 14 项问题 |
| 问卷调研驱动升级决策 | 升级方向由一线数据决定，资源投向有据可依 | 306 份问卷、26 个分公司、275 条有效问题 |
| 研发全流程 | 公司模板与产品知识沉淀为可复用的自建专家 | 需求导出一条命令完成；约一半方案直接采用 |
| 学术大会客户邀约 | 邀约打法从个人经验变成可交接的团队手册 | 6 档客户分层、10+ 套话术、15 天执行节奏 |
| 公司制度编写与修改 | 制度迭代有理由、可追溯 | 新版本连同修改说明一并产出 |
| 代码生成与补全 | 重复性实现工作交给 AI | 研发随取随用的编码搭档 |
先找方向，再谈效率
306 份一线问卷先回答了"卡在哪"，接口场景的 AI 投入才有明确依据。方向对了，效率提升才有意义。
人做判断，AI 做重复
代码、方案、用例、审核清单交给 AI，人保留核验、沟通与决策——联调与信息对齐依旧由人主导。
规范沉淀成资产
模板、产品知识、字段对照、审核分级被固化下来，换人也能延续，不再依赖个别老手的经验。