Abarca Health首席信息官Serge Perras（工商管理硕士）在佛罗里达州奥兰多举办的2025年药房福利管理协会（PBMI）全国年会上表示，人工智能技术已为药物治疗管理流程带来实质性改进，但也警告需避免重蹈互联网泡沫的覆辙——即为技术而技术的过度狂热。
"我绝非全盘否定人工智能，" Perras在演讲中对听众强调，"我坚信当前AI仍处于成长阵痛期，未来问题终将解决，但现阶段需保持谨慎。"作为总部位于波多黎各的药房福利管理公司技术负责人，他分享了AI在欺诈检测、浪费行为识别等方面的实践成果，同时坦言AI在处理非典型或动态异常模式时更具价值。
AI的现实应用与局限
在药物治疗管理（MTM）领域，Abarca部署的AI机器人将综合药物审查耗时从2-2.5小时缩短至1小时。Perras指出，尽管6分45秒的单次节约看似微小，但累积效应显著。他特别强调需从流程全局评估AI效能：若某任务日均仅执行5次，即便单次耗时减半也难以产生实际价值。此外，他提醒需计算AI应用的成本回报，"不是简单引入AI工具，而要战略性判断其增值空间。"
针对AI在反欺诈领域的应用，Perras给出精确比例：80%-85%的常规模式可通过传统方法识别，AI主要作用于动态边缘案例的探测。同时他指出OpenAI等服务商拒绝签署《健康保险流通与责任法案》（HIPAA）相关协议，导致医疗数据安全成为技术落地的关键障碍。
技术落地的三大挑战
- 决策透明度危机
生成式AI的"非确定性"引发Perras担忧："当AI决策路径不可解释时，如何确保医疗决策的合规性？我们需要明确算法的数据点选择、决策逻辑及整个判断链条。"
- 数据质量陷阱
"垃圾数据输入必然导致无效输出，"他警示企业若依赖非结构化数据和隐性知识（tribal knowledge），AI将难以发挥效力。"技术无法读取人类思维，必须建立标准化知识库。"
- 实施策略建议
- 开展小规模试点：尤其在医疗监管严苛的环境下，"小步试错"比全面铺开更稳妥
- 跨部门协作：平衡技术部门的"万能AI观"与业务实际需求
- 员工赋能：针对非技术背景员工设计专项培训，避免因初期效果未达预期导致技术弃用
Perras以幽默口吻总结："若贵司的AI应用还停留在PPT阶段，要么自我要求过高，要么正视现实。"这位拥有4年PBM行业经验的"新人"，用软件工程师的视角为AI在医疗领域的理性落地敲响警钟。
【全文结束】
