如果将经济比作一场跨行业田径赛，而AI应用是推动选手前进的动力，那么医疗保健行业将不断被金融服务行业套圈。
这是因为金融服务公司在三倍于医疗保健提供商的任务中规模化应用了AI。
商业新闻媒体Pymnts在其最新报告中分析了这场竞赛。
作者写道："金融服务行业已将AI深度嵌入到收入确认、信用评分和销售预测中。相比之下，医疗保健行业则将AI投资集中在少数几个劳动力和运营领域，大多数任务仍未实现自动化。"
Pymnts通过对美国年收入至少10亿美元的企业的60位经验证的高级技术主管进行调查，得出了这些分析和评论。
分析师将参赛者分为三个规模相等的组别。除了医疗保健提供商和金融服务外，他们还研究了媒体和广告行业。（他们将保险公司归入金融公司。）
作者指出，该调查追踪了跨越八个业务功能的75项特定AI支持任务的采用情况，这种方法使得"不仅能映射公司[和组织]是否在使用AI，还能映射其应用的领域和深度。"
分析师对医疗保健行业AI应用的观察包括以下五点：
1. 所有三个行业在所调查的每个功能上都报告了一些AI使用。分歧在于AI是少数团队试验的工具，还是组织大多数部门依赖的工具。
作者发现，金融服务公司经常跨越这一门槛，而医疗保健和媒体行业仍处于早期阶段。
他们写道："这一发现特别引人注目的是，这与技术获取或组织热情无关。而是关于内部问题：金融服务中的混乱数据、医疗保健中的孤岛系统，以及媒体行业中缺乏明确治理和领导层支持等基本要素。"作者补充道：
'解决这些问题，AI才可能规模化应用。若不解决，AI可能会停滞为支持工具。'
2. 在医疗保健组织集中AI投资的所有领域中，领先的用例是客户服务聊天机器人，采用率达60%。
Pymnts指出，这个数字更多反映了劳动力状况而非技术本身。
分析师指出："医疗保健行业在压力最紧迫的地方使用AI，目前这意味着任何能减轻不堪重负的员工负担的地方。"他们报告称，医疗保健劳动力规划/技能差距和模型开发/培训的采用率各为55%，物流路线规划和交付优化则为53%。
'这些用例反映了处于运营压力下的行业，正在寻求能够吸收需求而无需增加人手的工具。'
3. 在医疗保健领域，差距同样引人注目。客户旅程编排（协调患者从首次接触到持续护理的全部互动序列）的采用率仅为5%——这是整个调查中最低的数字。
Pymnts报告称，监管合规监控（跟踪组织是否满足其法律义务——可以说是任何医疗保健组织中风险最高的功能之一）的采用率仅为30%。
分析师表示，这些数字表明医疗保健提供商正在"被动地部署AI，作为对即时运营挑战的响应，而非长期战略设计。"他们指出："医疗保健提供商拥有丰富的临床、运营和财务数据，但分散的系统阻碍了其一致性使用。"
结果是，在医疗保健领域，AI"在管理症状而非构建基础设施。"
'工具正被部署在即时运营痛点最严重的地方，而非能够提供最大长期价值的地方。'
4. 60%的医疗保健受访者将没有正式投资回报率(ROI)要求的试点资金作为理由。这意味着他们在承诺AI预算时不要求证明其能带来回报。
Pymnts分析师写道，这并非鲁莽，而是一种务实做法。他们指出，在面临即时运营压力的行业中，"面对劳动力短缺和分散的基础设施，不能总是等待严格的商业案例再采取行动。"
'这是一个仍处于实验模式行业的动机，在没有衡量工作成效所需的治理基础设施的情况下部署AI。'
5. 医疗保健面临两个同样具有约束力的限制因素，各被30%的受访者提及：系统集成挑战和数据质量问题。
Pymnts观察到："这些组织拥有海量数据，但这些信息存在于无法轻松相互通信的断开连接的系统中，"并补充道：
'在建立共享语言之前，即使是高质量的数据也难以大规模访问和使用。'
作者在总结对医疗保健AI应用的评论时，强调了该行业挑战的双重性质。
他们写道："系统集成和数据质量必须并行改进。"
'与金融服务不同，医疗保健尚未有成熟的AI系统等待更好的输入。基础设施本身需要构建。'
【全文结束】