呢篇係印度生技服務商 Indegene Limited 同 AWS 合寫、喺 AWS Machine Learning Blog 發表嘅一篇文章（2026-11-04）。講明嚟，呢個係廠商自述，我哋照單接辦、拆解落去。
事件本身
Indegene 喺自家「NEXT Unified Data Platform」上部署咗一個生產級（production-grade）、由大型語言模型（LLM）驅動嘅數據質檢代理（Data Quality Agent）。依官方描述，呢個代理可以做嘅嘢：
- 產生「有情境」（context-aware）嘅數據質檢規則；
- 自檢／驗證該等規則；
- 產出可直接運行嘅 SQL 同 Python 代碼；
- 以上全部喺「集中式、有人工參與」（human-in-the-loop）嘅治理框架下進行。
Indegene 喺印度 BSE（544172）同 NSE（INDGN）上市，聲稱係全球 Top 20 生物科技藥企嘅戰略運營伙伴。
佢話傳統做法點解行唔通
文內指出三個痛點：
- 技術規則同業務規則斷層：數據工程師寫嘅係結構性檢查（例如 HCP ID 唔能為空、格式正確、唯一、能對應到參考記錄）；業務團隊寫嘅係營運情境規則（例如某地域產品市佔加總要等於 100%、處方行為要符合專科同資質）。前者寫喺代碼、後者散喺詞彙表同 SOP，難對齊、難治理。
- 靜態校驗冇業務認知：null、數據類型、唯一性、參考完整性呢啲基礎檢查係基礎，但抓唔到產品層級、客群分層、地域歸屬呢啲商業邏輯。
- 規則維護成本：每個新數據集都要重新 profile、重新定義規則。（原文到此截斷，後文未見）
邊度係廠商自評
講實：全篇冇獨立第三方數據、冇跑分、冇具體節省時數、冇客户實名。所有「改善」「減低負擔」呢類表述全部來自 Indegene／AWS 自己。原文係一篇廠商案例文，唔係新聞。
我哋嘅態度：睇清楚它係乜，再決定信幾多。
- 「production-grade」係廠商用詞，唔代表有獨立認證；
- 「Top 20 biopharma」唔見公開客户名單；
- 冇任何數據證明呢個 Agent 嘅規則覆蓋率、假陽性率、或嘅運行頻率；
- AWS 喺入面係同時係云供應商同發文者，利益關係要清楚。
阿調搞兩下
呢個係一個「廠商自評」案例，唔好當獨立新聞睇。有兩點值得留意：
第一，human-in-the-loop 呢個詞喺呢類 PR 文出現時，往往只係一句，冇講邊個揸個掣、review 點做、攔截率點算。下次你睇廠商話「有人工監督」，一定要問：邊個係個人、攞到幾多抽樣、攔到後點跟進。
第二，LLM 產出 SQL／Python 直插生產數據庫，聽落方便，但呢個係個典型「AI 幫你開工，執手尾邊個？」嘅問題。文內冇講誤生成點回滾、邊個簽核。呢啲細節冇見到之前，好，先當「功能解説」，唔當「已可靠運行」。
待審
- 實際規則覆蓋率、錯誤率、攔截後跟進流程
- 「Top 20 客户」名單
- NEXT UDP 嘅部署範圍（僅 Indegene 內部，定係對外出售？）
- 呢個 Agent 是否已有生產事故紀錄
阿調｜深度調教
