当AI不再是项目：将技术转化为患者与医疗提供者的实际价值

（原标题：When AI Stops Being a Project: Turning Technology into Real Value for Patients and Providers）

📝 一句话概述

AI 正从单点问答向长周期智能体执行转变，医疗行业需打破孤岛化困境，通过重构端到端工作流、建立高层问责机制及采用灵活模型框架，实现从工具授权到业务核心战略的根本性转型。

🧠 核心战略观点

• 智能体范式转移：AI 应用正从简单的问答（QA）向执行长周期、多步骤任务的“智能体（Agent）”演进。内部数据显示，部分复杂任务耗时超过 8 小时，这要求系统具备持续执行和状态管理能力。
• CEO 级战略议题：AI 转型不再是 IT 部门或创新实验室的委托任务，而是 CEO 级别的战略核心。必须打破“AI 是项目”的思维定式，将其视为工作方式的根本转变，而非单纯的工具授权。
• 消除中间抽象层：大型传统企业可通过让问题解决者（如工程师、产品经理）直接接触用户（如患者、诊所前台），消除中间抽象层，从而实现“100 倍”的速度提升。这种直接面对“真实时刻”的模式是打破遗留系统僵化的关键。
• 内外驱动结合：转型需结合自上而下的战略压力与自下而上的工具赋能。不仅要优化内部流程，还需延伸至外部产品化（如 OptumReal），形成“由内而外”的价值输出路径。

🏥 行业痛点与现状

• 医疗行业孤岛化：企业倾向于解决单点任务而非重构端到端工作流，导致 AI 价值难以在财务底线体现。部门壁垒阻碍了数据流动和流程整合，使得 AI 潜力无法充分释放。
• 工作流惯性阻力：尽管多模态 LLM 已具备强大能力，但部分团队因工作流惯性仍在使用 OCR 等旧技术。医疗行业每年仍处理 90 亿份传真，反映出流程数字化和智能化的滞后。
• 模型商品化趋势：模型层正在快速商品化，通用大模型性能逼近甚至超越专用临床 AI。企业若绑定单一模型或从头训练，将面临高昂成本和技术过时风险，应聚焦于构建可灵活切换模型的“框架（Harness）”。

📊 关键数据与实证

• Optum Insight 运营数据：
• 日均消耗 100 亿至 250 亿 tokens，显示大规模智能体运行的算力需求。
• 注册了 92 个跨领域智能体，集成 117 个 LLM 模型（含 20 个内部开源小模型）。
• 个人 token 限额设定为 1000 美元，用于控制成本并促进高效使用。
• 模型性能对比：
• GLM 5.2 等开源模型在成本上具有优势，但达到同等效果需消耗 5-10 倍 tokens。
• 通用模型（如 Opus 4.6, GPT 5.2）在临床基准测试中表现优于专用工具，验证了通用大模型在垂直领域的竞争力。
• 快速迭代实证：
• 在战略会议上，针对竞争对手的优秀应用体验，团队利用 AI 工具在约 60 秒内生成了更优的 HTML 文件，验证了 AI 辅助下的快速原型设计和迭代能力。
• 提及 15 亿美元的投资额度用于 AI 基础设施，表明企业对底层算力和技术栈的长期投入决心。

🛠️ 执行策略与治理

• 重构端到端工作流：企业需打破部门壁垒，重新设计流程以适配智能体的长任务能力。建议组建“老虎队”（Tiger Teams），端到端解决特定流程问题，团队需精通 Claude 4.8 和 Codex 等前沿工具。
• 建立高层共识机制：
• 实施高频（如每月 6 小时）的高层会议，由 CEO、CFO、CMO、CTO 等约 50 人参与。
• 会议重点审视 AI 用例、指标、NPS 结果及财务回报，注入必要的紧迫感并问责执行进度。
• 建议客户复制此模式，部分健康系统合作伙伴每两周与 CFO 进行一次进度追踪会议，确保战略落地。
• 治理与护栏建设：
• 建立严格的 token 成本监控机制，应对高昂的计算成本。
• 部署安全网关及智能体注册机制，以应对潜在的安全风险和合规要求。
• 优先采用“构建框架 + 购买模型”策略，保持对模型供应商的灵活性，避免被单一 API 锁定。

🚀 结论与未来展望

• 行业分化加剧：未来两年，AI 将成为业务核心或仅停留在项目层面，这将决定医疗机构的生存与持续能力。早期采用者往往失败的历史偏见应被摒弃，关键在于通过高频迭代和高层问责制推动变革。
• 价值导向转型：关注实际业务价值而非单纯的模型基准排名。企业应聚焦于构建可灵活切换模型的框架及工作流价值，确保 AI 投入能转化为可量化的财务回报。
• 关键窗口期：当前是 AI 在医疗领域产生实质价值的关键窗口期。通过消除中间抽象层、建立高层共识机制及重构工作流，企业可实现从被动应对到主动引领的战略跨越，最终实现内外驱动的业务增长。