a16z 拆解医疗 AI 商业化路径：从高人工成本与 10 倍效率差寻找切入点

医疗行业正在经历极其严重的用工荒。按照 a16z 披露的数据，过去 5 年间，美国普通医院的员工几乎换了一整轮，离职率达到惊人的 100%，过去 3 年的人工成本还猛涨了 21%。

然而，面对堆积如山的文书和流程，医院最抗拒的偏偏是再买一套软件。医生和护士早就被各种复杂的系统折磨透了，谁也不想为了新工具再去改变自己的工作流。

针对这个死结，知名风投 a16z 借用经典的 JTBD（待办任务）框架，系统拆解了医疗 AI 到底该怎么卖。

医院不想要新软件，想要「AI 员工」

a16z 划出了几条硬性筛选标准，首当其冲的就是高培训人工成本与极低软件渗透率的交集。

说白了，在那些原本主要依赖人力的重度环节，机构更愿意把 AI 当作「AI 员工」直接招进来干活，而不是买个软件逼员工改变习惯。比如当下的医疗速记就是个典型，因为原本全靠真人速记员，AI 替代起来阻力极小。

另一个关键门槛是「10 倍提效空间」。只有当人类极度低效或容易出错时，AI 的成本优势才能形成降维打击。

例如在医保预先授权（PA）环节，美国医学会（AMA）调查显示医生团队每周要花大约 14 小时填表；美国政府问责署（GAO）更估计，仅在 2022 年，联邦机构在联邦医保和医疗补助中就产生了超过 1280 亿美元的错误支付。这种极度繁琐又昂贵的地方，才是 AI 能够大展身手的温床。

从切入点走向多产品集成

除了效率差，监管和商业路径也是绕不过去的坎。

a16z 指出，医疗属于少数已经具备明确 AI 监管框架的行业，例如 FDA 的医疗器械软件（SaMD）和 510K 审查通道。但在没有完全覆盖的区域，非临床管理工具对医院管理层来说显然更安全，而临床场景现阶段必须坚持「人在回路」的协同模式。

更重要的是，单点突破只是敲门砖。a16z 强调，最终胜出的企业绝不能只做单一工具，必须拥有多产品集成能力。

因为医院早已厌倦了同时对接几十家零碎的技术供应商，它们正在加速整合采购名单，更倾向于把任务打包交给能覆盖大面积场景的综合伙伴。

为什么重要

这份框架非常清醒地指出了医疗数字化的真正痛点：过去十几年医疗 SaaS 的缓慢推进，证明了让医护人员改变习惯有多难。

我们认为，a16z 提出的「AI 员工」定位很聪明。它把商业模式从「卖工具收软件订阅费」转变成了「替代高成本外包劳动力」，让医院管理层在算账时能直接看到省下的人力开销，大幅降低了采购决策的阻力。

但对于 AI 创业者来说，隐患在于单点切入后的天花板。无论是做病历生成还是做预先授权审核，做出来只是第一步。

随着医院加速精简供应商，单纯依靠单点功能的初创公司很快会面临被平台型大厂吞并或挤出的风险。能否在拿下第一个场景后，快速横向扩展并吃下更多工作流，将是决定这些企业生死的关键考验。