投诉与疑似不良事件初筛 —— 微信里的原话变成台账里批号齐全的记录

投诉里明明写着患者受了伤 · 台账里记的还是「售后服务问题」

一这件事现在是什么样

上市后监测与售后 · 真实业务触发

医院护士在微信里反馈:检测结果异常,患者复诊了。客服应了一声「我反馈下」,这句话在监管眼里可能已经是一条应报不良事件 —— 死亡 7 日、严重伤害 20 日、群体 12 小时,时限从「知悉」那一刻就开始走。

二痛点 · 每条都有来源

不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处

1
监管调查发现企业「对于顾客投诉中明确记载的反馈信息不敏感,未意识到有些反馈信息实质上已经属于不良事件,该报未报」依据 · 方之见学术分享:监管调查发现企业「对于顾客投诉中明确记载的反馈信息不敏感,未意识到有些反馈信息实质上已经属于不良事件,该报未报」
6
召回程序出问题的代价有极端先例:飞利浦因召回通知不到位被 FDA 从主动召回升级为强制召回,损失超 50 亿元人民币依据 · 21 世纪经济报道:飞利浦呼吸机 520 万台召回损失超 50 亿元人民币,且因召回通知不到位被 FDA 从主动召回升级为强制召回

三换个做法之后

变化不在「快」,在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 监管调查发现企业「对于顾客投诉中明确记载的反馈信息不敏感,未意识到有些反馈信息实质上已经属于不良事件,该报未报」
  • 22 家企业将不良事件单一定性为产品质量问题,记录在售后服务模块逃避上报 —— 断层是系统性的
  • 约 54% 的报告内容不全,缺生产批号/日期最多 —— 现有报告质量的最大黑洞
  • 死亡 7 日内、严重伤害 20 日内、群体 12 小时内报告;时限从发现/知悉起算,兼职人员常超时限

✓ 交给 Agent 之后

  • 多来源文件一次读入,先做口径与完整性校验,再开始算
  • 每条结论绑定来源文件、字段或条号,可以被审
  • 产出是企业真会流转的正式件(带签批栏),不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」,并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
原文解析 · 从聊天记录里捞出事实要素从零散对话中提取:时间、产品、事件描述、涉及人员、已采取的措施 —— 口语原话保留,不转述
第 2 步
要素补齐 · 批号序列号往上追用装机与批次记录反查设备批号;查不到的标「批号缺失」,列出可补齐的路径
第 3 步
疑似初筛 · 这条算不算不良事件候选对照监管口径与历史判定记录逐条初筛:疑似等级(死亡/严重伤害/可能)+ 判定依据引用 —— 只列依据,不定性
第 4 步
时限计算 · 从知悉那一刻开始倒计时每条候选算时限:死亡 7 日/严重伤害 20 日/群体 12 小时,倒计时与超时风险逐条标注
第 5 步
候选清单与上报建议 · 人定性、人上报输出候选清单(每条带原文、依据、时限、批号状态),上报决定栏留空,附签批栏

要准备什么

投诉与问询原始记录(微信导出/客服记录)
零散的、口语的、缺批号的 —— 这是真实形态,不是格式化工单
不良事件与投诉台账(Excel)
历史判定记录,用于初筛基准
产品风险分析文件与说明书
已知风险与禁忌 —— 判断「预期外」的参照
装机设备与批次记录
补齐批号、序列号与装机医院的关联

为什么这个场景值得做

痛感 5 × AI 适配 4 ÷ 落地难度 3 = 8.0

最大差异点 · 与「客服工单系统」的路线不同:工单系统的目的是关单,这里的目的是让该报的别漏 —— 用历史判定记录和产品风险分析做基准,把「售后话术」和「监管口径」的差异逐条摆出来给人看。

评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。

五会产出什么

判断标准只有一个:这份东西能不能直接进企业的流程

正式件本体
疑似不良事件候选清单.xlsx
原文+依据+时限+批号状态 · 上报决定栏留空 · 含签批栏
可派发清单
投诉初筛台账更新.xlsx
全部问询的处置分类 · 排除项带排除依据
可派发清单
批号缺失待补清单.xlsx
缺批号项 × 可补齐路径 × 责任建议

这套东西不承诺什么

不做不良事件定性 —— 是否构成可上报事件、严重程度如何,是持有人的法定责任,AI 只出候选清单与依据引用。不代替上报 —— 国家系统填报与提交一律人工。不美化投诉原文,缺批号就标缺批号。

想看具体怎么跑?

Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了