观点
2025年9月26日 8分钟阅读
客户关系管理系统 电子健康记录 医疗保健行业
客户关系管理有所帮助，但医疗保健人工智能需要情境、合规、协作和持续学习才能转变患者护理。
图片来源：Shutterstock/Stock-Asso
当我十年前开始领导数字健康项目时，客户关系管理(CRM)是闪亮的新宠。我们相信，通过实施统一平台，我们可以协调无缝的患者互动，自动化案例管理，并为原本分散和手动的交互带来智能。
但多年来，通过在财富10强医疗机构和生命科学客户中进行的多次大规模部署，我逐渐意识到一个残酷的真相：客户关系管理只是拼图的一部分。在当今的医疗保健环境中，尤其是在扩展人工智能驱动能力时，客户关系管理需要成为更广泛生态系统的一部分，该生态系统包括数据架构、合规治理和情境智能。
在本文中，我将分享我们如何超越以客户关系管理为中心的思维，首席信息官(CIO)在受监管环境中扩展人工智能前应考虑的事项，以及真正推动转型（而不仅仅是实施）的基础要素。
医疗保健环境中客户关系管理的局限性
医疗保健在客户互动方面与其他行业有根本不同。医疗保健中的"客户体验"通常包括改变生活的决策、敏感的健康数据以及临床、财务和操作系统的协调。客户关系管理平台虽然强大，但通常不能原生理解这种背景。正如HIT顾问所指出的，传统客户关系管理平台通常缺乏医疗保健环境所需的适应性，而实时临床背景和患者特定的细微差别至关重要。
在我早期的一个职位中，我们实施了一个客户关系管理系统来支持专科疗法的患者入院。最初目标很简单：简化入院流程并在保险、福利验证和护理协调方面实现状态跟踪自动化。从技术上讲，它起作用了。但实际上，我们很快发现自己遇到了局限性：
- 客户关系管理系统无法访问存储在传统电子健康记录(EHR)和第三方供应商中的纵向患者数据。
- 工作流规则基于静态逻辑，无法适应动态的患者旅程。
- 即使有仪表板，一线团队也缺乏主动行动的洞察力。我们仍在对问题做出反应，而不是预测它们。
在某个特定案例中，客户关系管理任务自动化系统未能升级停滞的福利案例，因为延迟发生在定义的"案例状态"逻辑之外。尽管所有信息都存在于各个系统中，但患者治疗因无人收到警报而推迟了五天。这是一个警钟。
我们失败的原因不是配置错误或培训不足。我们失败是因为该系统从未设计为实时决策引擎。那时，我们开始重新思考"客户关系管理"在医疗保健中真正应该意味着什么。
人工智能如何推动变革
将人工智能添加到客户关系管理中不仅仅是插入预测模型或使用聊天机器人。它是关于在关键决策点嵌入智能，并以尊重合规性、可解释性和患者信任的方式进行。
在最近的一次部署中，我们在客户关系管理工作流程之上引入了人工智能层。目标是帮助患者服务代表优先处理那些面临更高中断风险的案例，而不仅仅是那些逾期的案例。为此，我们必须远远超出客户关系管理平台：
- 我们整合了外部数据源，包括健康的社会决定因素(SDOH)、先前的索赔活动和历史案例解决时间。美国疾病控制与预防中心(CDC)将健康的社会决定因素(SDOH)定义为住房、教育和经济稳定性等非医疗因素，这些因素深刻影响健康结果。
- 我们与法律和合规团队合作建立了治理模型，以确保决策可审计和可解释。
- 最重要的是，我们为案例经理投入了变革管理培训——不仅关于如何使用人工智能工具，还包括何时信任它以及何时覆盖它。
结果不仅仅是技术上的胜利；它们改变了我们团队的工作方式。人工智能不是取代决策；而是通过情境、速度和预见性增强决策。
对首席信息官来说，这种转变至关重要。当人工智能被定位为客户关系管理的战略层，用于指导工作流程、增强数据和提升人类判断力，而非取代客户关系管理时，它就会取得成功。
有效的框架：扩展客户关系管理之外的人工智能的四大支柱
通过多个转型项目，我开始依赖一个简单但有效的框架，该框架有助于确保人工智能部署超越客户关系管理功能并提供实际成果。我称之为"4C模型"：
1. 情境
如果不深入了解患者旅程，即使最好的人工智能模型也会失败。情境意味着整合临床、操作和行为数据，而不仅仅是客户关系管理中的案例和任务等对象。例如，如果预测模型只知道案例是"开放"的，它就无法区分两天的延迟和可能导致数周治疗延迟的系统性问题。当我们添加索赔和提供商数据时，我们的模型从描述性转变为真正的预测性。
提示： 从旅程地图开始，而不是数据模型。当您将"真实"的患者旅程与系统生成的旅程叠加时，最佳洞察往往会出现。
2. 合规
在医疗保健中，道德的人工智能是不可协商的。您需要将可解释性、可追溯性和公平性构建到您的模型中，不是作为事后想法，而是作为核心架构组件。正如世界经济论坛所强调的，像微软这样的技术领导者正在构建负责任的人工智能框架，优先考虑道德、人类监督和透明度。在我们的一次部署中，我们对放弃模型进行了公平性审计，并发现了地理方面的微妙偏差。如果没有这些检查，人工智能会悄然放大不平等。提前解决合规性确保我们可以负责任地扩展。
3. 协作
IT不能单独完成这项工作。我们的一些最佳人工智能成果来自于合规官员、一线用户和临床负责人共同设计工作流程并挑战假设。在一个案例中，一位护士导航员指出，模型的建议与提供商安排患者随访的方式相冲突。通过将她纳入设计过程，我们共同调整了算法和工作流程，从而实现了更快的采用和对系统的更多信任。跨职能团队不是可选项——它们是任务关键。
4. 持续学习
部署后，人工智能必须进化。监控模型漂移、反馈循环和意外偏差。将其视为数字生物，而不是静态工具。为了支持透明度和可审计性，像谷歌的"What-If Tool"这样的工具允许团队测试输入数据的变化如何影响预测，帮助在部署前发现潜在的偏差。在实践中，这意味着设置监控仪表板、重新训练周期和治理审查。在一个项目中，我们检测到六个月内的漂移，因为后新冠疫情的处方模式发生了变化。通过快速重新训练，我们避免了可能导致系统信任崩溃的不准确优先级排序。
给首席信息官的建议：不仅是工具，还有时机和信任
如果您担任首席信息官或数字领导角色，并计划在患者互动或医疗保健运营中扩展人工智能，我将根据我学到的教训（有时是艰难的方式）提供以下指导：
- 不要从工具开始，从信任开始。尽早建立治理模型，而不是在上线后。
- 不要陷入将人工智能部署为检查框练习的陷阱。选择能加强人类决策的机会。
- 像产品发布一样准备采用。使用真实场景培训用户。使其直观透明。
最被忽视的挑战之一不是模型准确性；而是一线采用。如果您的团队不信任人工智能或不理解它为何提出建议，无论它有多好，它都将被简单地忽略。
客户关系管理本身已不再足够
客户关系管理仍然是医疗保健IT生态系统中的重要工具，但它本身已不再足够。患者期望个性化、速度和透明度。提供商和支持团队需要洞察，而不仅仅是仪表板。监管机构要求可解释性和公平性。而且变革的步伐不会放缓。
展望未来，首席信息官需要超越平台思考，开始设计以客户关系管理仅为组件之一的人工智能驱动生态系统。下一代患者体验将由我们如何在整个企业中整合数据、工作流程和智能来塑造。这意味着不仅要投资技术，还要投资允许人工智能负责任地扩展的治理、文化和合作伙伴关系。
机会巨大，但责任也同样巨大。作为数字领导者，我们不仅在构建系统，还在塑造患者体验护理的方式。在那个世界里，客户关系管理不再是驾驶舱；它只是为人工智能驱动的飞行提供数据的众多传感器之一。真正的飞行员将是能够将创新与信任、道德和人类影响保持一致的首席信息官和医疗保健及技术领导者。
本文作为Foundry专家贡献者网络的一部分发布。 想要加入吗？
by 阿努普·古普塔
贡献者
- 在LinkedIn上关注阿努普·古普塔
阿努普·古普塔(Anup Gupta)是LTIMindtree的副董事，也是数字转型公认的领导者，拥有19多年经验，推动医疗保健、生命科学和受监管行业的AI、数据战略和企业技术项目。他曾在财富10强和全球咨询公司领导大规模实施，专注于患者准入、客户关系管理(Salesforce)、主数据管理、云生态系统和负责任的人工智能。阿努普结合了对业务战略、IT和数据治理以及产品开发的深刻理解，以及对以人为中心的创新的热情。他的工作改善了复杂医疗系统的业务流程、财务准入和运营效率。阿努普还通过同行评审出版物、生成式人工智能的思想领导力和跨部门合作活跃于研究社区。
【全文结束】