如今很少有人记得PayPal早期的竞争对手，这并不奇怪——PayPal作为自动化战略的先驱，凭借创新技术实现规模化并最终主导市场。但这一未来并非一蹴而就。
在挺过互联网泡沫破裂后不久，PayPal及其竞争对手每月因信用卡欺诈损失数千万美元。面对每分钟数千笔的交易量，人工团队根本无法实时解决如此庞大的问题。这些公司的工程师开发了自动系统识别并拦截欺诈行为，但罪犯的适应速度远超模型更新速度。
最终PayPal找到了制胜策略：不再试图将人类排除在流程之外，而是改进算法将可疑交易推送给专家分析师，并提供关键数据点支持更灵活精准的判断。这种系统——通过自动化增强而非取代人类的策略——让PayPal得以存续。
这个故事早于大语言模型和生成式AI的出现，但其核心矛盾在当今医疗领域尤为突出。
机器人与机械外骨骼
在创新竞赛中，许多医疗决策者被全面自动化的承诺所吸引，试图用机器完全替代昂贵或稀缺的人力。这可称为"机器人策略"，它确有适用场景：在长期困扰医疗运营的高重复性、大批量任务中，或在专业人才短缺领域表现卓越。但若生搬硬套，它会沦为"万能锤"，在需要模糊判断、情感连接和物理存在的场景中严重失效。
此时另一种自动化策略可能更优："机械外骨骼"。该策略通过AI工具将丰富上下文置于医护人员指尖，用关键洞见支持决策，并将琐碎任务替换为符合"执业资质上限"的聚焦工作，从而延伸临床人员的行动范围。
未来AI将渗透医疗每个角落，但智慧在于知晓何时部署机器人、何时启用机械外骨骼。最终目标是用AI完成人类无法做到的事，让人专注AI无法替代的价值。
"自动化智能"的光谱
当今AI模型比以往任何自动化浪潮都更易获取、更强大且更集成。但需警惕 hype cycle 的起伏——这些模型的价值应由实际贡献而非基准测试衡量。
尽管它们让克拉克第三定律（"任何足够先进的技术都与魔法无异"）成为现实，但必须认清AI的本质：工具。如同所有工具，它们各有优劣。将生成式AI的崛起类比为汽车取代马车固然流行，但在医疗场景中，微波炉与烤箱的比喻更贴切：微波炉凭借便捷、低成本和高速度改变了烹饪方式，甚至催生新产业（如冷冻食品），但为孩子烘焙义卖纸杯蛋糕或感恩节烤火鸡时，烤箱仍无可替代。同样，大语言模型虽是技术进步的转折点，但在大规模优化问题中表现远逊于仿真方法，而微调机器学习模型在特定任务上仍优于大语言模型。这些技术共同构成"自动化智能"的广阔光谱。
医疗领导者应聚焦三类应用机会：解锁不可能完成的任务、自动化成本过高的任务、加速演进进程。
最具变革性的是"解锁不可能"——例如根据环境音频实时调取患者病历数据的副驾系统，或为居家护士探索数百万路径组合的调度引擎，将通勤时间转化为患者服务时间。此时技术拓展了可能性边界。
AI还擅长自动化人类可完成但规模下成本过高的任务。最典型的是环境语音记录员，它缩减医生文书时间，将宝贵分钟回归医患面对面交流，同时保持人类决策权。更接近"机器人策略"的案例是高量级数据录入、清洗与质控——若由人工处理将消耗巨量资源，且人类介入价值较低。
生成式AI尤其能通过压缩"创意-执行"周期加速医疗演进。团队无需耗费一年构建专业能力、收集测试数据和调优模型，仅需指导大语言模型关键目标即可获得80%以上准确率，从而快速验证假设、评估结果并迭代。此时AI不仅优化现有工作流，更以前所未有的速度推动探索创新。
尽管AI飞速进化，优秀战略的核心原则亘古不变：在智能商品化时代，护城河仍取决于专有数据、运营基础设施、可信关系及难以复制的商业模式。AI可加固这些护城河，但绝非开凿者。
对医疗领导者而言，最佳AI策略应识别人类创造独特价值的环节，明确其局限，再选择合适工具——无论是机器人还是机械外骨骼。
正如PayPal的启示：成功往往取决于技术的智慧运用，而非技术本身。
关于Cameron Behar
Cameron Behar是Sprinter Health联合创始人兼首席技术官，该公司结合AI与正式临床团队为全美患者（包括农村地区）提供服务。
【全文结束】
