正在閱讀:

醫(yī)療大模型已過百款,誰能最早盈利?

掃一掃下載界面新聞APP

醫(yī)療大模型已過百款,誰能最早盈利?

用智能體制造一個“鉆孔”。

圖片來源:界面圖庫

文 | 動脈網(wǎng)

2024年尚未結(jié)束,涌入醫(yī)療領(lǐng)域的大模型已逾百個。

眾多企業(yè)涉獵的區(qū)域十分廣泛,常見的診療全流程、深度學(xué)習(xí)加持多年的醫(yī)學(xué)影像、冷門但有潛力的中醫(yī)康復(fù)……他們似乎要把科技醫(yī)療板塊全部重做一遍。

不過,井噴式發(fā)展下的生成式AI并不一定能讓用戶悉數(shù)買單。尤其是在當下的經(jīng)濟周期波動期,一項應(yīng)用要想順利落地并且實現(xiàn)商業(yè)化,必須精準把控用戶的真實需求。

那么,什么樣的醫(yī)療大模型應(yīng)用能夠脫穎而出?答案或能給到“智能體”。

智能體的價值在哪里?

所謂智能體,是指能夠感知環(huán)境、進行決策并采取行動的系統(tǒng)。它們可以是軟件程序、機器人或其他自動化設(shè)備,具備一定的自主性和智能性,可以通過與環(huán)境的交互,不斷學(xué)習(xí)和適應(yīng),從而實現(xiàn)特定的目標。

在ChatGPT風(fēng)靡之前,各類處理文本的機器人已經(jīng)廣泛應(yīng)用于客服、營銷等通用場景。這些機器人的能力與智能體有相似之處,但缺乏生成式AI支持,只能在檢索到關(guān)鍵詞后前往數(shù)據(jù)庫中調(diào)用相應(yīng)的文本,沒辦法對用戶的提問進行分析,亦無法給出多樣化的解答。

置于醫(yī)療這樣一個專業(yè)領(lǐng)域,此類應(yīng)用的能力更顯得捉襟見肘。前幾年的特殊環(huán)境下,很多企業(yè)追趕遠程醫(yī)療的熱潮,曾投入大量成本精力建立“智能醫(yī)生”“營銷助手”等應(yīng)用用于診前服務(wù)、藥械推廣……他們在推廣階段大肆都買流量,一度賺得盆滿缽滿,但伴隨人們生活回歸正軌,缺乏個性化解決方案的營銷套路已不再奏效,很多聊天助手也因不夠智能逐漸失去了訪問的用戶。

即便如此,數(shù)年的實踐還是驗證了診前環(huán)節(jié)(問診、導(dǎo)診)與線上藥械營銷背后的龐大需求。那么,如果能夠借助新的技術(shù)對醫(yī)療企業(yè)的營銷思維和營銷方式進行一次徹底變革,企業(yè)或有可能找到一個新的路徑重新書寫互聯(lián)網(wǎng)醫(yī)療與數(shù)字化藥械營銷。

這正是智能體的價值所在。

借助于生成式AI,智能體能在同樣的場景下交出截然不同的答卷。它能夠“理解”問題,給出準確的、精準的解答,也能同用戶交互,像“真實的人”的那樣進行多輪對話,層層遞進逐一滿足用戶的多元化需求。

此外,智能體還能一定程度解決人力問題,環(huán)節(jié)人力常見的通宵排班、高培養(yǎng)成本、高離職難,并能精準分析訪問數(shù)據(jù),幫助管理者實現(xiàn)動態(tài)決策。

憑借這些優(yōu)勢,智能體已經(jīng)在互聯(lián)網(wǎng)醫(yī)療、數(shù)字營銷醫(yī)院管理登場快速落地。畢竟,有成熟應(yīng)用在前,它無須再同深度學(xué)習(xí)一樣需要去創(chuàng)造需求、去培養(yǎng)市場,只需深入這個市場,以舊換新。

大模型繞不開的診前環(huán)節(jié)

對于眾多著力于智能體的互聯(lián)網(wǎng)企業(yè)而言,診前場景是一個不得不選的場景。

一方面,診前環(huán)節(jié)大都存在高頻溝通、快速響應(yīng)等特征,醫(yī)患需求高度匹配智能體優(yōu)勢,能夠充分發(fā)揮生成式AI的能力。

另一方面,往后的診中、診后涉及臨床數(shù)據(jù),大部分醫(yī)院要求本地化部署,但大多數(shù)沒有驅(qū)動大模型運行的基礎(chǔ)設(shè)施。而診前的導(dǎo)診、問診、分診等場景對于健康數(shù)據(jù)的安全要求較低,企業(yè)的部署難度隨之降低,可能變現(xiàn)的用戶群體也更為廣泛。

此外,互聯(lián)網(wǎng)醫(yī)療興起之時,企業(yè)已為診前環(huán)節(jié)植入了大量AI,擁有充足的運營經(jīng)驗。憑借這些優(yōu)勢,訊飛醫(yī)療、騰訊健康、百度靈醫(yī)智惠均在此完成布局。

訊飛醫(yī)療的星火大模型直面的是醫(yī)患溝通這一痛點。在星火大模型的支持下,AI能夠模擬醫(yī)生與患者進行自由對話,根據(jù)患者的病情描述,智能推薦就診科室和合適的醫(yī)生。同時,該大模型還能基于患者的病情描述、病史等信息,自動生成電子病歷,提高病歷記錄的效率和準確性。

騰訊健康與訊飛醫(yī)療的邏輯相似,但它更為精細地捕捉到了“預(yù)問診”這一需求。基于過往智能導(dǎo)診的經(jīng)驗,騰訊健康用大模型做了一個AI預(yù)問診系統(tǒng),患者預(yù)約掛號后便可同系統(tǒng)進行詳細的預(yù)問診回答,提前提供主訴、既往病史、用藥禁忌等信息。正式就診時,醫(yī)生對于患者的病情已有一定了解,便能提出更多針對性的問題,診斷的精準度也隨之提升。

百度靈醫(yī)智惠走得稍微快一些,在診前環(huán)節(jié)拿出了智能分導(dǎo)診、智慧加號、智能候診三個應(yīng)用。首先,智能分導(dǎo)診面向的是患者常見的分導(dǎo)診需求。大模型支持下,AI可模擬診前咨詢流程,引導(dǎo)患者對病癥進行準確描述,借助推理能力進行歸納匯總,為患者精準匹配與病情相適應(yīng)的臨床科室和專家。通過這種方式,醫(yī)院能夠?qū)⒂行У尼t(yī)療資源最大化利用,讓每一個醫(yī)生都發(fā)揮出他們應(yīng)有的價值。

其次,智慧加號的價值在于補足醫(yī)院過去服務(wù)體系中的“真空地帶”。智能加號的價值在于能將過去患者單方面的申請轉(zhuǎn)變?yōu)獒t(yī)患雙方的“協(xié)議”。具體而言,患者首先在線上與AI模型進行交互,同時上傳檢查結(jié)果,模型隨后會提取病史摘要和關(guān)鍵陽性信息,幫助醫(yī)生在短時間內(nèi)判斷患者是否需要接受專家診療,從而實現(xiàn)精準加號。在武漢協(xié)和醫(yī)院的實際調(diào)用結(jié)果顯示,這一方式,明顯減少了醫(yī)生翻閱資料及同患者溝通的時間,還能幫助醫(yī)生更準確地確定病因,有效提升診療質(zhì)量。

最后,智能候診意在優(yōu)化醫(yī)生的問診效率,提升患者就醫(yī)體驗。AI支持下,醫(yī)生在診室中接待患者時,只需幾秒鐘瀏覽這份整理好的病歷,迅速了解患者的大致情況。最終,醫(yī)生不僅省下了問診與病歷書寫時間,還使得醫(yī)患交流更加精準和高效,醫(yī)生的診療決策更為準確。

當然,也有不少企業(yè)將智能體的價值放在了隨訪、藥品說明書等環(huán)節(jié),構(gòu)建患者社群,最終尋求藥企付費。歸根結(jié)底,過去互聯(lián)網(wǎng)醫(yī)療實現(xiàn)的種種創(chuàng)新,現(xiàn)在智能體帶來了跨時代的升級。

用智能體制造一個“鉆孔”

由于診前場景落地快、需求強烈、應(yīng)用易于搭建等諸多特征存在,這里自然成為智能體扎堆的紅海。因此,也有不少企業(yè)選擇跳開競爭押注未來,圍繞B端的藥企或醫(yī)院展開布局。

過去數(shù)年的藥企數(shù)字化轉(zhuǎn)型及智慧醫(yī)院建設(shè),使得醫(yī)療行業(yè)的B端用戶具備了相當成熟的智能化能力,但也隱藏著一些新的問題。

譬如,一些案例有醫(yī)藥企業(yè)在推行數(shù)字化轉(zhuǎn)型時,投入大量資金引入多種數(shù)字系統(tǒng),但由于缺乏合理的系統(tǒng)整合,導(dǎo)致各部門系統(tǒng)互不兼容。

還有企業(yè)希望通過數(shù)字化工具來提高溝通效率,充分挖掘客情。而在實際之中,業(yè)務(wù)人員缺少必要的培訓(xùn)和溝通,面對過于復(fù)雜的表單抵觸情緒嚴重,常常漏填或者亂填,導(dǎo)致數(shù)字化系統(tǒng)在實施過程中碰到極大的阻力。

因此,要在這一基礎(chǔ)上推動智能體落地,一是要保證AI盡可能無縫接入原有系統(tǒng),二是要保證系統(tǒng)本身的易用性,易于實現(xiàn)與用戶的溝通。

最為重要的是,智能體的能力需要與過去的智慧醫(yī)院系統(tǒng)作出區(qū)分,充分發(fā)揮生成式AI的優(yōu)勢。

畢竟,現(xiàn)在的管理者已經(jīng)擁有了大量分析工具,他們需要的不再是鉆頭,而是鉆孔。

舉個例子,熙軟科技最近的醫(yī)院運營智能體已在多家醫(yī)院完成商業(yè)化落地,其創(chuàng)始人、董事長陳沖在采訪中表示:“醫(yī)院作為一個專業(yè)性強、管理模式復(fù)雜的社會組織,國家對其業(yè)務(wù)有著明確的政策要求,醫(yī)院內(nèi)部也有著完善的管理制度與運營流程規(guī)范,其內(nèi)容龐大和流程復(fù)雜常常導(dǎo)致醫(yī)務(wù)工作者在查詢文件和處理流程上花費諸多的時間與精力?!?/p>

為了幫助提升醫(yī)院整體運行效率,推動醫(yī)院管理制度的全面準確落地,熙軟科技打造的小熙AI運營助理將醫(yī)院運營相關(guān)政策與制度融入知識庫,借助領(lǐng)域大模型技術(shù)、Agent技術(shù)、傳統(tǒng)機器學(xué)習(xí)技術(shù)和底層多形態(tài)知識庫,實現(xiàn)智能知識問答、智能數(shù)據(jù)分析、智能操作體驗“三大應(yīng)用”。

對于醫(yī)務(wù)工作者而言,他們在申請出差時只要簡單提問,就能清晰了解差旅報銷標準;想要查詢科室的運營數(shù)據(jù),只需向小熙AI運營助理發(fā)問,便會直接獲取想要的數(shù)據(jù)。同時,“小熙”還可以對數(shù)據(jù)進行全面的分析和解讀;無論是預(yù)算、報銷還是合同等審批,醫(yī)務(wù)工作者都可以在和小熙的對話中一鍵進入,輕松操作,無需再去登錄不同界面和不同操作系統(tǒng)……

再談智能化需求更大的醫(yī)院管理者。非生成式AI支撐的運營系統(tǒng)雖然也能實現(xiàn)對運營數(shù)據(jù)進行歸納總結(jié),但其缺陷顯而易見:一是平臺展示的數(shù)據(jù)維度有限,且難以及時擴充;二是缺乏有效的交互性,管理者只能使用平臺預(yù)先設(shè)計好的算法進行特定維度數(shù)據(jù)的分析,無法提出個性化的數(shù)據(jù)處理需求。

相比之下,醫(yī)院運營管理智能體能夠幫助管理者實時獲取所需的各種深度數(shù)據(jù)分析與服務(wù),并根據(jù)管理者的習(xí)慣,自動推送其期望掌握的數(shù)據(jù)。即便初次推送的內(nèi)容未能完全滿足管理者的管理需求,系統(tǒng)也支持通過多模態(tài)交互方式,進一步定制并推送符合期望的信息。

總的來說,醫(yī)院運營管理智能體已逐漸成為提升醫(yī)療機構(gòu)效率效益的重要技術(shù)實現(xiàn)路徑,并為醫(yī)院運營管理效率帶來極大提升。

智能體之間,不止考驗?zāi)P湍芰?/h4>

盡管智能體的技術(shù)突破使其有能力快速占據(jù)過往已成規(guī)模的市場,具備“殺手級應(yīng)用”的潛質(zhì),但在實際運行中,其現(xiàn)有的缺陷仍然顯而易見的。

當大模型能力不達標時,很多智能體并不能在導(dǎo)診、輔助時給出絕對正確的答案,風(fēng)險隱藏其中。

此外,對于現(xiàn)有的企業(yè)而言,搭建一個智能體很簡單,而要使得自己的智能體從眾多同類應(yīng)用之中脫穎而出,仍然需要企業(yè)投以大量優(yōu)質(zhì)數(shù)據(jù),不斷訓(xùn)練、喂養(yǎng)、積累模型,才能逐漸形成優(yōu)秀的業(yè)務(wù)能力。

對于大多數(shù)創(chuàng)業(yè)公司而言這都是一個考驗,這意味著企業(yè)不僅要維持研發(fā),還需在大模型落地環(huán)節(jié)加大投入。畢竟愈多的落地案例,才能反哺模型,進一步強化它的泛化能力。

因此,從商業(yè)化到盈利,智能體仍有相當長的路要走。尤其是在百模大戰(zhàn)進入白熱化的今天,智能體的運營商們或許需要重新審視一下自己的現(xiàn)金流,保證其能堅持到最終的勝利。

本文為轉(zhuǎn)載內(nèi)容,授權(quán)事宜請聯(lián)系原著作權(quán)人。

評論

暫無評論哦,快來評價一下吧!

下載界面新聞

微信公眾號

微博

醫(yī)療大模型已過百款,誰能最早盈利?

用智能體制造一個“鉆孔”。

圖片來源:界面圖庫

文 | 動脈網(wǎng)

2024年尚未結(jié)束,涌入醫(yī)療領(lǐng)域的大模型已逾百個。

眾多企業(yè)涉獵的區(qū)域十分廣泛,常見的診療全流程、深度學(xué)習(xí)加持多年的醫(yī)學(xué)影像、冷門但有潛力的中醫(yī)康復(fù)……他們似乎要把科技醫(yī)療板塊全部重做一遍。

不過,井噴式發(fā)展下的生成式AI并不一定能讓用戶悉數(shù)買單。尤其是在當下的經(jīng)濟周期波動期,一項應(yīng)用要想順利落地并且實現(xiàn)商業(yè)化,必須精準把控用戶的真實需求。

那么,什么樣的醫(yī)療大模型應(yīng)用能夠脫穎而出?答案或能給到“智能體”。

智能體的價值在哪里?

所謂智能體,是指能夠感知環(huán)境、進行決策并采取行動的系統(tǒng)。它們可以是軟件程序、機器人或其他自動化設(shè)備,具備一定的自主性和智能性,可以通過與環(huán)境的交互,不斷學(xué)習(xí)和適應(yīng),從而實現(xiàn)特定的目標。

在ChatGPT風(fēng)靡之前,各類處理文本的機器人已經(jīng)廣泛應(yīng)用于客服、營銷等通用場景。這些機器人的能力與智能體有相似之處,但缺乏生成式AI支持,只能在檢索到關(guān)鍵詞后前往數(shù)據(jù)庫中調(diào)用相應(yīng)的文本,沒辦法對用戶的提問進行分析,亦無法給出多樣化的解答。

置于醫(yī)療這樣一個專業(yè)領(lǐng)域,此類應(yīng)用的能力更顯得捉襟見肘。前幾年的特殊環(huán)境下,很多企業(yè)追趕遠程醫(yī)療的熱潮,曾投入大量成本精力建立“智能醫(yī)生”“營銷助手”等應(yīng)用用于診前服務(wù)、藥械推廣……他們在推廣階段大肆都買流量,一度賺得盆滿缽滿,但伴隨人們生活回歸正軌,缺乏個性化解決方案的營銷套路已不再奏效,很多聊天助手也因不夠智能逐漸失去了訪問的用戶。

即便如此,數(shù)年的實踐還是驗證了診前環(huán)節(jié)(問診、導(dǎo)診)與線上藥械營銷背后的龐大需求。那么,如果能夠借助新的技術(shù)對醫(yī)療企業(yè)的營銷思維和營銷方式進行一次徹底變革,企業(yè)或有可能找到一個新的路徑重新書寫互聯(lián)網(wǎng)醫(yī)療與數(shù)字化藥械營銷。

這正是智能體的價值所在。

借助于生成式AI,智能體能在同樣的場景下交出截然不同的答卷。它能夠“理解”問題,給出準確的、精準的解答,也能同用戶交互,像“真實的人”的那樣進行多輪對話,層層遞進逐一滿足用戶的多元化需求。

此外,智能體還能一定程度解決人力問題,環(huán)節(jié)人力常見的通宵排班、高培養(yǎng)成本、高離職難,并能精準分析訪問數(shù)據(jù),幫助管理者實現(xiàn)動態(tài)決策。

憑借這些優(yōu)勢,智能體已經(jīng)在互聯(lián)網(wǎng)醫(yī)療、數(shù)字營銷醫(yī)院管理登場快速落地。畢竟,有成熟應(yīng)用在前,它無須再同深度學(xué)習(xí)一樣需要去創(chuàng)造需求、去培養(yǎng)市場,只需深入這個市場,以舊換新。

大模型繞不開的診前環(huán)節(jié)

對于眾多著力于智能體的互聯(lián)網(wǎng)企業(yè)而言,診前場景是一個不得不選的場景。

一方面,診前環(huán)節(jié)大都存在高頻溝通、快速響應(yīng)等特征,醫(yī)患需求高度匹配智能體優(yōu)勢,能夠充分發(fā)揮生成式AI的能力。

另一方面,往后的診中、診后涉及臨床數(shù)據(jù),大部分醫(yī)院要求本地化部署,但大多數(shù)沒有驅(qū)動大模型運行的基礎(chǔ)設(shè)施。而診前的導(dǎo)診、問診、分診等場景對于健康數(shù)據(jù)的安全要求較低,企業(yè)的部署難度隨之降低,可能變現(xiàn)的用戶群體也更為廣泛。

此外,互聯(lián)網(wǎng)醫(yī)療興起之時,企業(yè)已為診前環(huán)節(jié)植入了大量AI,擁有充足的運營經(jīng)驗。憑借這些優(yōu)勢,訊飛醫(yī)療、騰訊健康、百度靈醫(yī)智惠均在此完成布局。

訊飛醫(yī)療的星火大模型直面的是醫(yī)患溝通這一痛點。在星火大模型的支持下,AI能夠模擬醫(yī)生與患者進行自由對話,根據(jù)患者的病情描述,智能推薦就診科室和合適的醫(yī)生。同時,該大模型還能基于患者的病情描述、病史等信息,自動生成電子病歷,提高病歷記錄的效率和準確性。

騰訊健康與訊飛醫(yī)療的邏輯相似,但它更為精細地捕捉到了“預(yù)問診”這一需求。基于過往智能導(dǎo)診的經(jīng)驗,騰訊健康用大模型做了一個AI預(yù)問診系統(tǒng),患者預(yù)約掛號后便可同系統(tǒng)進行詳細的預(yù)問診回答,提前提供主訴、既往病史、用藥禁忌等信息。正式就診時,醫(yī)生對于患者的病情已有一定了解,便能提出更多針對性的問題,診斷的精準度也隨之提升。

百度靈醫(yī)智惠走得稍微快一些,在診前環(huán)節(jié)拿出了智能分導(dǎo)診、智慧加號、智能候診三個應(yīng)用。首先,智能分導(dǎo)診面向的是患者常見的分導(dǎo)診需求。大模型支持下,AI可模擬診前咨詢流程,引導(dǎo)患者對病癥進行準確描述,借助推理能力進行歸納匯總,為患者精準匹配與病情相適應(yīng)的臨床科室和專家。通過這種方式,醫(yī)院能夠?qū)⒂行У尼t(yī)療資源最大化利用,讓每一個醫(yī)生都發(fā)揮出他們應(yīng)有的價值。

其次,智慧加號的價值在于補足醫(yī)院過去服務(wù)體系中的“真空地帶”。智能加號的價值在于能將過去患者單方面的申請轉(zhuǎn)變?yōu)獒t(yī)患雙方的“協(xié)議”。具體而言,患者首先在線上與AI模型進行交互,同時上傳檢查結(jié)果,模型隨后會提取病史摘要和關(guān)鍵陽性信息,幫助醫(yī)生在短時間內(nèi)判斷患者是否需要接受專家診療,從而實現(xiàn)精準加號。在武漢協(xié)和醫(yī)院的實際調(diào)用結(jié)果顯示,這一方式,明顯減少了醫(yī)生翻閱資料及同患者溝通的時間,還能幫助醫(yī)生更準確地確定病因,有效提升診療質(zhì)量。

最后,智能候診意在優(yōu)化醫(yī)生的問診效率,提升患者就醫(yī)體驗。AI支持下,醫(yī)生在診室中接待患者時,只需幾秒鐘瀏覽這份整理好的病歷,迅速了解患者的大致情況。最終,醫(yī)生不僅省下了問診與病歷書寫時間,還使得醫(yī)患交流更加精準和高效,醫(yī)生的診療決策更為準確。

當然,也有不少企業(yè)將智能體的價值放在了隨訪、藥品說明書等環(huán)節(jié),構(gòu)建患者社群,最終尋求藥企付費。歸根結(jié)底,過去互聯(lián)網(wǎng)醫(yī)療實現(xiàn)的種種創(chuàng)新,現(xiàn)在智能體帶來了跨時代的升級。

用智能體制造一個“鉆孔”

由于診前場景落地快、需求強烈、應(yīng)用易于搭建等諸多特征存在,這里自然成為智能體扎堆的紅海。因此,也有不少企業(yè)選擇跳開競爭押注未來,圍繞B端的藥企或醫(yī)院展開布局。

過去數(shù)年的藥企數(shù)字化轉(zhuǎn)型及智慧醫(yī)院建設(shè),使得醫(yī)療行業(yè)的B端用戶具備了相當成熟的智能化能力,但也隱藏著一些新的問題。

譬如,一些案例有醫(yī)藥企業(yè)在推行數(shù)字化轉(zhuǎn)型時,投入大量資金引入多種數(shù)字系統(tǒng),但由于缺乏合理的系統(tǒng)整合,導(dǎo)致各部門系統(tǒng)互不兼容。

還有企業(yè)希望通過數(shù)字化工具來提高溝通效率,充分挖掘客情。而在實際之中,業(yè)務(wù)人員缺少必要的培訓(xùn)和溝通,面對過于復(fù)雜的表單抵觸情緒嚴重,常常漏填或者亂填,導(dǎo)致數(shù)字化系統(tǒng)在實施過程中碰到極大的阻力。

因此,要在這一基礎(chǔ)上推動智能體落地,一是要保證AI盡可能無縫接入原有系統(tǒng),二是要保證系統(tǒng)本身的易用性,易于實現(xiàn)與用戶的溝通。

最為重要的是,智能體的能力需要與過去的智慧醫(yī)院系統(tǒng)作出區(qū)分,充分發(fā)揮生成式AI的優(yōu)勢。

畢竟,現(xiàn)在的管理者已經(jīng)擁有了大量分析工具,他們需要的不再是鉆頭,而是鉆孔。

舉個例子,熙軟科技最近的醫(yī)院運營智能體已在多家醫(yī)院完成商業(yè)化落地,其創(chuàng)始人、董事長陳沖在采訪中表示:“醫(yī)院作為一個專業(yè)性強、管理模式復(fù)雜的社會組織,國家對其業(yè)務(wù)有著明確的政策要求,醫(yī)院內(nèi)部也有著完善的管理制度與運營流程規(guī)范,其內(nèi)容龐大和流程復(fù)雜常常導(dǎo)致醫(yī)務(wù)工作者在查詢文件和處理流程上花費諸多的時間與精力?!?/p>

為了幫助提升醫(yī)院整體運行效率,推動醫(yī)院管理制度的全面準確落地,熙軟科技打造的小熙AI運營助理將醫(yī)院運營相關(guān)政策與制度融入知識庫,借助領(lǐng)域大模型技術(shù)、Agent技術(shù)、傳統(tǒng)機器學(xué)習(xí)技術(shù)和底層多形態(tài)知識庫,實現(xiàn)智能知識問答、智能數(shù)據(jù)分析、智能操作體驗“三大應(yīng)用”。

對于醫(yī)務(wù)工作者而言,他們在申請出差時只要簡單提問,就能清晰了解差旅報銷標準;想要查詢科室的運營數(shù)據(jù),只需向小熙AI運營助理發(fā)問,便會直接獲取想要的數(shù)據(jù)。同時,“小熙”還可以對數(shù)據(jù)進行全面的分析和解讀;無論是預(yù)算、報銷還是合同等審批,醫(yī)務(wù)工作者都可以在和小熙的對話中一鍵進入,輕松操作,無需再去登錄不同界面和不同操作系統(tǒng)……

再談智能化需求更大的醫(yī)院管理者。非生成式AI支撐的運營系統(tǒng)雖然也能實現(xiàn)對運營數(shù)據(jù)進行歸納總結(jié),但其缺陷顯而易見:一是平臺展示的數(shù)據(jù)維度有限,且難以及時擴充;二是缺乏有效的交互性,管理者只能使用平臺預(yù)先設(shè)計好的算法進行特定維度數(shù)據(jù)的分析,無法提出個性化的數(shù)據(jù)處理需求。

相比之下,醫(yī)院運營管理智能體能夠幫助管理者實時獲取所需的各種深度數(shù)據(jù)分析與服務(wù),并根據(jù)管理者的習(xí)慣,自動推送其期望掌握的數(shù)據(jù)。即便初次推送的內(nèi)容未能完全滿足管理者的管理需求,系統(tǒng)也支持通過多模態(tài)交互方式,進一步定制并推送符合期望的信息。

總的來說,醫(yī)院運營管理智能體已逐漸成為提升醫(yī)療機構(gòu)效率效益的重要技術(shù)實現(xiàn)路徑,并為醫(yī)院運營管理效率帶來極大提升。

智能體之間,不止考驗?zāi)P湍芰?/h4>

盡管智能體的技術(shù)突破使其有能力快速占據(jù)過往已成規(guī)模的市場,具備“殺手級應(yīng)用”的潛質(zhì),但在實際運行中,其現(xiàn)有的缺陷仍然顯而易見的。

當大模型能力不達標時,很多智能體并不能在導(dǎo)診、輔助時給出絕對正確的答案,風(fēng)險隱藏其中。

此外,對于現(xiàn)有的企業(yè)而言,搭建一個智能體很簡單,而要使得自己的智能體從眾多同類應(yīng)用之中脫穎而出,仍然需要企業(yè)投以大量優(yōu)質(zhì)數(shù)據(jù),不斷訓(xùn)練、喂養(yǎng)、積累模型,才能逐漸形成優(yōu)秀的業(yè)務(wù)能力。

對于大多數(shù)創(chuàng)業(yè)公司而言這都是一個考驗,這意味著企業(yè)不僅要維持研發(fā),還需在大模型落地環(huán)節(jié)加大投入。畢竟愈多的落地案例,才能反哺模型,進一步強化它的泛化能力。

因此,從商業(yè)化到盈利,智能體仍有相當長的路要走。尤其是在百模大戰(zhàn)進入白熱化的今天,智能體的運營商們或許需要重新審視一下自己的現(xiàn)金流,保證其能堅持到最終的勝利。

本文為轉(zhuǎn)載內(nèi)容,授權(quán)事宜請聯(lián)系原著作權(quán)人。