AI治疗聊天机器人在60%的情况下能做出适当回应，这一数字曾占据头条。但当争论聚焦于聊天机器人能否取代治疗师时，一场更安静、更具深远影响的转变已经发生：医疗AI正从被动对话转向自主行动。
代理型AI——能够规划多步骤工作流、根据上下文做出决策、并在碎片化医疗系统中执行任务的系统——已不再是研究概念。根据德勤2026年美国医疗展望调查，超过80%的医疗高管预计代理型AI今年将在临床、业务和后勤部门带来中等至显著的价值。Gartner预测，到2026年底，40%的企业应用将嵌入特定任务的AI代理，而2025年这一比例还不到5%。
这一转变之所以重要，是因为医疗行业最大的问题不是对话性的，而是操作性的。
聊天机器人的天花板
生成式AI为医疗行业带来了第一波可访问的自动化。大语言模型可以总结患者病史、起草临床笔记、并用自然语言回答患者问题。这确实有用，但也存在根本局限。
聊天机器人等待提示。它在单次交互的边界内回应你的问题。它不知道刚刚发消息说膝盖疼痛的患者，还有一份待处理的预授权请求、一个需要预约的随访、以及一份过期三天的药方续签。
医疗工作流并非发生在孤立对话中，而是跨越系统、部门和时间的。一次患者接触可能涉及预约、临床文档、化验开单、保险验证、处方管理和计费。这些接触点大多仍依赖人工在人和不连通的软件系统之间进行交接。
这正是代理型AI旨在填补的缺口。
代理型AI实际上做了什么不同的事
生成式AI和代理型AI的区别不在于智能，而在于自主性和范围。
生成式AI系统回应提示：“总结这位患者的病史。”代理型系统则追求目标：“为今天下午的预约准备好临床医生信息。”然后独立确定所需步骤，从多个来源检索数据，识别缺口，并采取行动。
在实际应用中，这转化为几项具体能力，已在美国的医疗系统中投入生产：
- 自主文档：代理型系统聆听临床对话，提取结构化数据，生成合规记录，并直接将文档同步到电子健康记录中，无需人工审阅常规病例。新泽西州的AtlantiCare医疗系统在部署代理型临床助手后，文档时间减少了42%，每位临床医生每天节省约66分钟。
- 智能预授权：AI代理判断某项手术是否需要预授权，从EHR中检索所需临床数据，填写付款方特定表格，提交请求，监控状态，并在需要额外文档时主动通知提供者。整个流程过去需要耗费数小时的人工时间，现在只需极少的人工干预。
- 动态患者分诊：不同于静态决策树，代理型分诊系统根据实时输入的患者数据、历史模式和当前设施容量动态调整评估。它将患者引导至适当的护理级别，并自动升级高风险病例。
- 跨部门护理协调：AI代理跟踪患者在多步骤护理路径中的进展，识别延误，通知相应人员，安排随访预约，安排出院后服务，并更新患者门户，无需任何人记住下一步。
共同点是，这些系统不等别人提问。它们观察条件、规划行动、跨系统执行，只有在需要临床判断时才上报给人类。
转型背后的数字
投资信号明确无误。德勤对100位美国医疗技术高管的调查显示，61%的人已经在构建和实施代理型AI计划，或者已获得预算。另有85%的人计划在未来两到三年内增加投资。预期非常激进：98%的受访高管预计至少能节省10%的成本，其中37%预期节省超过20%。
2026年医疗代理型AI市场估值约为11.4亿美元，预计到2035年将达到336.6亿美元，年复合增长率为45.6%（Towards Healthcare，2026）。
这些数字反映出更广泛的认知：医疗成本危机本质上是运营危机。行政成本占美国医疗总支出的25%至30%。临床医生仅文档工作每周就花费超过13小时。加拿大医学协会报告称，60%的医生将文书工作与心理健康下降联系起来。87%的医疗工作者表示加班完成行政任务。
代理型AI的价值主张不是取代临床判断，而是消除阻碍有效行使判断的运营摩擦。
为什么40%的项目仍会失败
这里需要给乐观情绪泼点冷水。Gartner预测，到2027年底，超过40%的代理型AI项目将被取消。目前只有14%的企业拥有生产就绪的代理型AI系统。试点与生产之间的差距并未缩小。
主要失败模式不是技术性的，而是情境性的。
医疗数据天生碎片化。患者的完整信息存在于EHR记录、账单代码、临床笔记、传真转诊、保险政策文件、化验系统、影像存档和通信线程中。结构化数据（适合数据库字段的数据）大约只占代理所需总信息的20%。其余80%是非结构化数据：PDF、扫描文档、自由文本笔记、电子邮件。
仅基于20%可用上下文做决策的AI代理，会做出自信、快速且错误的决定。在医疗领域，自信且错误比缓慢且谨慎更糟糕。
德勤特别指出数据碎片化是2026年医疗AI的关键挑战。只有21%的组织拥有成熟的自主AI代理治理模型，这意味着五分之四部署这些系统的组织缺乏在错误累积之前捕获它们的监督基础设施。
成功的组织将是那些先解决互操作性、再解决自主性的组织。这意味着平台级集成，而非点状解决方案。它意味着将EHR系统、远程医疗平台、计费基础设施和患者参与工具连接到统一架构中，使AI代理能够访问完整上下文。像Adamo Software这样构建定制医疗平台的公司，拥有HIPAA合规基础设施、EHR集成和模块化架构，正好处于这个交叉点——构建代理型AI可靠运行所需的连接组织。
监管真空
技术发展快于规则制定。截至2026年1月1日，多个州已颁布AI特定医疗法规。加利福尼亚州的AB 489禁止AI虚假声称拥有医疗执照，并要求AI与患者沟通时进行披露。得克萨斯州的《负责任AI治理法案》要求任何受AI影响的高风险场景中提供通俗语言披露。科罗拉多州的AI法案要求对高风险AI决策提供文档和申诉流程。
与此同时，特朗普政府于2025年12月签署行政命令，提议以尚不存在的国家框架取代各州AI法律。结果是监管碎片化：跨州运营的医疗组织面临零散的合规要求，没有统一的联邦标准。
在上周的HIMSS 2026会议上，FDA官员承认监管框架仍在追赶。自1995年以来，FDA已批准超过1300种AI医疗设备，但用于医疗运营的绝大多数AI工具（包括用于文档、排班和行政工作流的代理型系统）从未经过联邦监管机构审查。
对于部署代理型AI的医疗组织来说，这意味着合规不是一次性勾选，而是一项持续架构要求：审计追踪、可解释性机制、人在回路协议，以及能够准确展示代理如何以及为何做出特定决策的能力。
接下来会发生什么
值得做出的预测是：到2028年，投资于平台级互操作性的医疗组织将拥有功能性的代理型AI生态系统，切实降低运营成本和临床医生倦怠。而那些部署点状解决方案却不解决底层数据碎片化问题的组织，将拥有昂贵但从未扩展的试点项目。
医疗领域的代理型AI浪潮不会由最先进的模型定义，而是由最连通的架构定义。瓶颈从来不是智能，而是整合。
聊天机器人时代问的是AI能否像治疗师一样说话。代理型时代问的是AI能否在保持临床医生控制权的同时运营医院。这是一个更难、更具深远影响的问题，答案仍在书写中。
【全文结束】