a16z 拆解醫療 AI 商業化路徑：從高人工成本與 10 倍效率差尋找切入點

醫療行業正在經歷極其嚴重的用工荒。按照 a16z 披露的資料，過去 5 年間，美國普通醫院的員工幾乎換了一整輪，離職率達到驚人的 100%，過去 3 年的人工成本還猛漲了 21%。

然而，面對堆積如山的文書和流程，醫院最抗拒的偏偏是再買一套軟體。醫生和護士早就被各種複雜的系統折磨透了，誰也不想為了新工具再去改變自己的工作流。

針對這個死結，知名風投 a16z 借用經典的 JTBD（待辦任務）框架，系統拆解了醫療 AI 到底該怎麼賣。

醫院不想要新軟體，想要「AI 員工」

a16z 劃出了幾條硬性篩選標準，首當其衝的就是高培訓人工成本與極低軟體滲透率的交集。

說白了，在那些原本主要依賴人力的重度環節，機構更願意把 AI 當作「AI 員工」直接招進來幹活，而不是買個軟體逼員工改變習慣。比如當下的醫療速記就是個典型，因為原本全靠真人速記員，AI 替代起來阻力極小。

另一個關鍵門檻是「10 倍提效空間」。只有當人類極度低效或容易出錯時，AI 的成本優勢才能形成降維打擊。

例如在醫保預先授權（PA）環節，美國醫學會（AMA）調查顯示醫生團隊每週要花大約 14 小時填表；美國政府問責署（GAO）更估計，僅在 2022 年，聯邦機構在聯邦醫保和醫療補助中就產生了超過 1280 億美元的錯誤支付。這種極度繁瑣又昂貴的地方，才是 AI 能夠大展身手的溫床。

從切入點走向多產品整合

除了效率差，監管和商業路徑也是繞不過去的坎。

a16z 指出，醫療屬於少數已經具備明確 AI 監管框架的行業，例如 FDA 的醫療器械軟體（SaMD）和 510K 審查通道。但在沒有完全覆蓋的區域，非臨床管理工具對醫院管理層來說顯然更安全，而臨床場景現階段必須堅持「人在迴路」的協同模式。

更重要的是，單點突破只是敲門磚。a16z 強調，最終勝出的企業絕不能只做單一工具，必須擁有多產品整合能力。

因為醫院早已厭倦了同時對接幾十家零碎的技術供應商，它們正在加速整合採購名單，更傾向於把任務打包交給能覆蓋大面積場景的綜合夥伴。

為什麼重要

這份框架非常清醒地指出了醫療數字化的真正痛點：過去十幾年醫療 SaaS 的緩慢推進，證明了讓醫護人員改變習慣有多難。

我們認為，a16z 提出的「AI 員工」定位很聰明。它把商業模式從「賣工具收軟體訂閱費」轉變成了「替代高成本外包勞動力」，讓醫院管理層在算賬時能直接看到省下的人力開銷，大幅降低了採購決策的阻力。

但對於 AI 創業者來說，隱患在於單點切入後的天花板。無論是做病歷生成還是做預先授權稽核，做出來只是第一步。

隨著醫院加速精簡供應商，單純依靠單點功能的初創公司很快會面臨被平臺型大廠吞併或擠出的風險。能否在拿下第一個場景後，快速橫向擴充套件並吃下更多工作流，將是決定這些企業生死的關鍵考驗。