医疗服务提供者面临AI雄心与操作现实之间的执行差距。Infor的数据显示，超过一半的企业无法将AI从试点项目扩展到更大规模。
这家行业云提供商已在其Velocity Suite和Infor Agentic Orchestrator中推出功能，以解决这一差距。这些工具针对阻碍医疗组织大规模部署AI的行业特定挑战。
Infor的CEO凯文·塞缪尔森表示："在Infor，代理式AI不是我们后期添加的功能，而是我们二十年来有意识构建基础的成果。我们行业特定的平台、多租户架构和深度流程智能为我们的代理提供了通用AI无法复制的上下文精确性。"
凯文指出："医疗保健提供商的采购代理与离散制造商的采购代理不是同一个代理，它们不应该相同。"
医疗治理阻碍AI部署
根据Infor在美国、英国、法国和德国进行的研究，治理和合规性是医疗环境中AI实施的主要障碍。这与制造业不同，在制造业中，遗留基础设施是最大的障碍，或者在分销领域，碎片化的供应链数据阻碍了进展。
约70%的美国企业和74%的英国企业报告称有能力管理AI实施。但这种准备并未转化为大规模执行。
医疗组织在通用AI系统无法适应的监管框架下运营。患者数据保护要求、临床治理协议和认证标准创造了现成AI工具无法解决的约束。
技术能力与操作部署之间的差距可能意味着医疗服务提供者需要领域特定的AI，而非通用自动化。
数据安全问题主导医疗AI战略
Infor的数据显示，约45%的英国企业将数据主权、安全和隐私问题列为阻碍AI进步的因素。相比之下，美国和德国为34%，法国为32%。
医疗数据存在于包括电子健康记录、实验室系统、成像平台和计费基础设施在内的碎片化系统中。在不完整或不一致的数据集上训练的AI模型可能产生无法通过临床验证的结果。
只有25%的企业报告其数据成熟度足以支持AI部署。对于在多个系统中管理患者信息的医疗服务提供者来说，这一差距可能比其他行业更为严重。
该研究将内部AI人才缺乏（25%）、投资回报率（ROI）不明确（23%）和高实施成本（23%）列为额外的障碍。
行业特定AI代理解决医疗工作流程
Infor的Agentic Orchestrator为专为医疗运营而非通用业务流程设计的AI代理提供了基础设施。该平台在三个领域运作：编排、互操作性和可观察性。
在此系统内构建的医疗采购代理可以考虑处方集限制、集团采购协议和监管批准要求。这与为离散制造或零售分销设计的采购代理不同。
该平台使用监督代理和任务特定代理。监督代理在临床或行政环境中标记异常供人工审核，而不是自主执行操作。
Infor Agentic Operator采用标准化的模型上下文协议进行安全数据访问。这可以使医疗系统在部署AI的同时保持符合患者数据保护法规。
自主AI在医疗环境中需要透明度
根据Infor的研究，32%的受访者将自主任务执行列为长期AI成功的一个因素。由于临床和监管影响，医疗应用可能需要与其他行业不同的自主性参数。
该平台的可观察性功能提供三种能力：内联思维、评估框架和专注模式。这些工具为AI操作提供监督，在错误可能影响患者护理或监管合规的环境中尤为重要。
IDC企业软件集团副总裁米奇·诺斯·里扎表示："很明显，Infor的客户正在其通往代理企业的道路上找到持续的经济价值，他们喜欢与Infor一起的旅程。"
采用专为临床采购、资源分配或行政工作流程设计的AI代理的医疗服务提供者，可能会看到与制造业或分销部门组织不同的投资回报率。医疗治理要求的特殊性意味着通用AI部署在大规模应用时产生的结果有限。
【全文结束】