TTA向行业领导者发出公开邀请，邀请他们为我们的"观点"栏目贡献非促销性的意见和思想领导力内容。本期主题是关于如何将AI工具从受限的试点项目推进到全面运营使用，以及这在工作流程设计方面意味着什么。本文作者Inger Sivanthi是Droidal公司的首席执行官，Droidal是一家专注于收入周期和运营自动化的AI医疗健康服务公司。他和公司的工作重心在于负责任的AI采用，使其能够扩展到真实世界的临床和运营工作流程中。
在过去的几年中，医疗健康AI一直被描述为一个关于可能性的故事。领导者们一直在询问哪些工作流程可以自动化，哪些决策可以得到支持，哪些长期存在的瓶颈可能最终得到解决。这些问题很有必要，因为它们为实验打开了大门，并帮助组织测试AI可能创造价值的领域。
这一阶段即将结束。那些能够前进和停滞不前的组织之间的区别，不再在于它们试点了多少AI工具，而在于它们如何将AI嵌入到真实的工作流程、治理结构和企业系统中。医疗健康AI的下一阶段将取决于运营执行，而不是模型的先进程度。
试点项目很少能为实际运营做好准备
大多数试点项目运行的条件在实际运营中永远不会出现。工作流程狭窄，团队规模小，有人密切关注数据，足以在问题复合前发现。在这种环境中，即使是脆弱的AI工具也可能看起来令人印象深刻。
实际生产环境则不同。真实的医疗健康运营充满了例外情况、人员变动和系统限制。从简单的数据分类或路由开始的任务很快会扩展到临床、排班和财务工作流程中。AI越接近患者护理、安全和财务结果，底层的运营设计就越重要。
美国国立卫生研究院通过PLOS Digital Health发表的2023年关于医疗健康AI障碍的系统综述表明，主要障碍不是算法本身，而是它们如何适应现有的工作流程和治理结构。模型可能有效，但运营支撑却不行。
成功取决于如何围绕AI设计工作流程
医疗健康AI只有自然融入人们现有工作方式时才变得有价值。这需要的不仅仅是技术部署。还需要明确谁来审查输出结果，谁来处理异常情况，以及当系统出错时如何记录决策。
当AI系统涉及临床文档、护理协调或计费决策时，下游后果将影响真实的人和真实的时限。延迟或错误路由的任务可能影响患者获取医疗服务、护理连续性和财务表现。AI越接近这些结果，就越重要的是有一个指定人员负责审查系统产生的内容并捕捉系统遗漏的内容。
系统和团队之间的连接与AI模型本身同样关键。位于周围基础设施之外的点工具往往会创造新的交接环节，而不是减少工作。医疗健康领域最强的操作用例是那些跨越服务前、临床和服务后工作流程的用例。当AI支持整个序列而不仅仅是一个孤立任务时，它才能提供最大价值。
信任取决于如何实际管理AI
执行困难的另一个原因是，组织通常将采用AI视为事后考虑。员工被期望在保持相同节奏、相同目标和相同责任的同时吸收新工具。这通常会导致摩擦、变通方法或无声抵抗。
AI改变了工作的形态。它改变了谁审查信息、谁处理异常以及决策移动的速度。人们需要对这些变化有清晰的认识，并相信系统支持他们，而不是创造隐藏的复杂性。AI越接近高风险决策，拥有清晰的治理、监督和可审计性就越重要。
美国医学协会强调，清晰的责任、监督和治理对于AI在医疗系统中赢得信任至关重要。AI不会通过声明或营销赢得信任。它将通过在真实工作流程中保持一致的表现来赢得信任，特别是在压力高且员工没有时间弥补差距的情况下。
运营执行是AI成功或失败的地方
在医疗健康AI领域前进的组织将不是那些运行最多试点项目的组织，而是那些将AI转变为可靠运营基础设施的组织。这意味着从一开始就将责任、透明度和集成嵌入设计中。
医疗健康AI的下一阶段将取决于组织如何管理其运营执行，而不是模型的先进程度。将AI视为工作流程设计问题而不仅仅是技术问题的医疗健康领导者，才是那些在实践中真正取得成效的人。
【全文结束】
