人工智能有潜力推动医疗保健领域的实质性临床和运营改进。Summit Partners的Ashwin Subramani和Tim Kohn分享了成长阶段的医疗保健领导者如何评估、优先考虑和实施AI计划，以帮助实现可衡量的结果。
在医疗保健领域，人工智能正从概念走向生产应用。其成果可以是实质性的——更快的审批、更低的行政成本、更好的患者参与度和改进的临床结果。我们认为，成长阶段的医疗保健公司特别适合利用这一势头。它们往往拥有最难从零开始建立的东西：与患者、医疗服务提供者或支付方的既定关系；专有的临床数据；以及大规模部署的运营纪律。在我们看来，更有用的问题是如何采用它，使结果可衡量且可持续。
我们看到成效的领域
我们看到人工智能在医疗保健运营的多个领域产生实质性影响。事先授权和索赔处理——历史上是该行业中劳动最密集的工作流程之一——正由多智能体系统端到端处理，处理时间和行政负担有所减少。当AI智能体处理那些不需要人类判断的可预测、高流量查询时，面向患者的呼叫中心的等待时间和成本正在下降。环境转录（Ambient scribing）在医生中已迅速普及，已发表的研究记录了文档时间的减少、每天接诊患者的增加以及可测量的倦怠下降。在收入周期管理中，智能体系统开始取代人工拒绝工作流程，越来越关注在索赔到达支付方之前预防错误；69%的早期采用者报告称拒绝率降低。在护理协调方面，人工智能使组织能够以人工流程无法匹敌的规模和一致性管理患者外联。
我们在这些例子中观察到并值得指出的一个模式：这些领域所需的大量劳动是上游错误的结果——例如，由于服务前未获得授权而导致的索赔被拒绝。根据我们的经验，影响更大的部署不仅仅是更快地处理这些工作；它们使组织从修复问题转向预防问题，从而在过程中改善患者体验。
在我们看来，所有这些的共同点是从将AI作为单一任务工具转变为将AI作为端到端工作流程的替代品，一些业内人士将其描述为工具与劳动力之间的区别。我们认为，那些转向智能体系统（agentic systems）的公司正在创造更持久的价值，在这些系统中，多个专业智能体按顺序处理离散步骤，而人类仅参与处理例外情况。
有效实施的框架
我们认为在医疗保健AI方面执行良好的公司，其方法有一个明显的模式。他们选择、设计和部署的纪律比其工程团队的规模或模型的复杂性更为重要。根据我们的经验，那些从AI中找到可衡量影响的公司往往遵循三个原则。
1. 关注工作流程，而非用例
医疗保健AI中最常见的失败模式是问题定义不明确。停滞不前的项目往往始于一项在寻找应用的技术。而成功进入生产的项目往往始于特定的运营或临床工作流程，详细绘制其流程——不是简单地自动化现有流程，而是思考工作本身应该如何重新构想。根据我们的经验，更强有力的项目首先使用AI重新思考要完成的工作，然后应用技术帮助以更优质、更快速和更具成本效益的方式执行重新设计的工作流程。我们认为，这里的纪律是抵制技术上有趣但运营上无实质影响的内容。这些项目也往往具有一些共同特征：明确定义的工作流程、可衡量的结果，以及在数月而非数年内实现投资回报的可信路径。在评估从何处开始时，寻找人力成本最高、流程最重复且结果最可衡量的工作流程。从那里开始，展示结果并以此为基础构建。
一个经常被低估的维度：负责AI项目的人员与技术本身同样重要。根据我们的经验，由运营部门（负责业务结果的领导者）负责的试点项目往往优于主要由工程部门驱动的项目。当结果的所有权和项目的所有权一致时，成功标准就会基于实际重要的因素。
2. 先构建合规性，再扩大规模
医疗保健是一个受监管的环境，这在很大程度上决定了AI如何部署。许多医疗保健AI部署在扩大规模时遇到合规问题，因为数据隐私要求、审计日志和供应商协议被视为最后一步，而不是从一开始就解决。根据我们的经验，将合规性视为基础是判断一个项目能否进入生产并持续存在的更可靠指标之一。
3. 有意识地决定构建、购买和合作
许多成长阶段的医疗保健公司正在多个供应商之间组装点解决方案——一个用于转录，另一个用于调度，另一个用于收入周期。快速将AI投入生产通常比从第一天就使架构完美更重要，多供应商方法可以是一种快速推进的合理方式。风险在未受管理时出现。随着您构建AI能力，我们认为无论使用多少供应商，都值得在后端投资于通用基础设施和数据架构。该基础服务于三个目标：它让您在构建和购买模式中快速推进；它使您从修补个别问题的点解决方案转向预防问题再次发生的更长反馈循环；并且随着市场的发展，它让您能够快速更换更好的供应商。仔细考虑哪些合作伙伴是战略性的——与您建立长期能力的合作伙伴——与那些满足近期需求的合作伙伴。我们认为，设计为模块化的供应商关系和集成将在市场持续发展时更好地为您服务。您的数据是一项复利资产，您的架构应该反映这一点。
优势由您掌控
根据我们的经验，成长阶段的医疗保健公司往往已经拥有几个可用于生产的现成数据资产——临床和索赔记录、客户支持记录和内部操作程序——这些可以重新用于AI，而无需从头开始数据收集工作。我们相信，最有可能创造持久优势的组织是那些将现有基础与深入的工作流程知识和针对明确结果执行的纪律相结合的组织。行动的窗口已经打开，现在有意识地行动就是您面前的机遇。
作者介绍
Ashwin Subramani是Summit Partners的AI主管，致力于推进AI在Summit内部运营及其全球投资组合中的有效和负责任的采用。他在包括医疗保健、电子商务和技术在内的多个行业中，具有大规模构建和部署智能体AI和企业平台的丰富经验。
Tim Kohn是驻场技术专家，与Summit团队及其投资组合公司密切合作，协助产品、工程、组织设计和架构战略。Tim的职业生涯涵盖了Amazon.com、Amazon Web Services和Amazon Prime Video的多个职位，拥有25年以上为消费者和企业构建高规模软件和网络服务的经验。
作为Peak Performance Group的成员，Summit Partners的AI、技术和数据科学专业人员与投资组合公司并肩工作，帮助构建数据基础设施、开发AI战略并培养组织准备度，我们认为这些对于在日益以AI为主导的环境中运营至关重要。
来源
(1) UCLA Health，《UCLA研究发现AI转录可能减少文档时间并改善医生健康状况》，2025年11月26日。研究结果反映了一个特定研究人群，可能不代表其他医疗保健环境中的结果。
(2) Experian Health，《2025年索赔状况》，2025年9月23日
【全文结束】