摘要
IgnisHealth专注于远程医疗分析领域，通过AI技术推动医疗软件研发范式转移与商业模式重构。
大型语言模型能力演变与公司应用
- 2025年至2026年初，LLM技术实用性指数级增长，模型幻觉与不可预测性显著降低。
- 2025年团队尝试未成功，主要因幻觉问题；2026年1月起模型性能提升，产品使用量、使用率和易用性呈指数级增长。
- 公司从内部应用（提升开发效率）和客户价值（提供更优质产品）两个维度评估LLM技术。
团队学习曲线变化
- 2025年：学习曲线陡峭，幻觉问题严重，医疗领域对数据处理要求高，操作难度大。
- 2026年：学习曲线更陡峭，但挑战从工具使用转向管理和引导AI创造力。
- 效率提升：原计划2027年完成的积压任务提前至2026年Q2完成，工程师转向“氛围编程”，可同时处理10-15项跨前后端任务。
AI为客户创造价值案例
- AI团队自动处理Jira工单，包括领取、计划制定、协作开发、自主部署，削减沟通与测试环节。
- 客户感受：响应速度提升（如故障修复效率），功能提前交付，产品增添独特亮点。
- 客户参与度提升：重新规划流程，借助IgnisHealth自动化琐碎任务，协同跨部门协作更高效。
数据与AI模型整合
- 公司处理客户数据，自主开发数据标准化层解决医疗数据异构性。
- 核心优势：自研流程，包括数据归一化、标准化及叠加运营知识，适应不同用户术语习惯。
2025年至2026年转变关键因素
- 模型质量和准确性提升是关键，医疗领域用户对技术体验改善带来新机遇。
- 团队对终端用户体验和工作流程的设想调整，从直接开放工具权限改为提供多种工具尝试。
- 产品形态变化：从传统软件产品转向适应AI的全新设计。
AI开发与投资回报
- 公司无外部投资，支出极为审慎，每一笔投资均需系统化评估。
- Token使用目标：预算控制和避免代码失控，而非无限制消费。
- 不考虑代币补贴时代结束的影响，持续关注AI可能性、效率提升和创造力释放。
软件开发与招聘策略
- 至今未裁员，选择投入资源提升团队能力，核心思路是持续投入人才和技术。
- 与客户沟通：强调非可视化能力提升（如创意方案），客户常误解为成本下降。
- 当前成本更高：人力成本+AI费用，处于加倍投入阶段，需重塑工作方式与产品服务。
医疗领域数据价值
- 数据价值被低估，原因：行业高度监管、早期数据基础设施投资不足、技术采纳缓慢。
- 市场渗透需时间，新服务或应用需根本性差异才能带来改变。
AI对商业模式影响
- “软件即产品”概念被颠覆，商业模式即将大幅调整。
- 计划2026年秋季与客户商议新模式：基于Token使用量或服务组合的计费模式。
- 竞争优势：领域专长（如医疗、金融、机器人技术）结合AI技术，形成持久护城河。
Token需求未来趋势
- 预见Token使用量飙升，增长曲线陡峭，无需过度关注利润底线。
- Token利用率持续增长，部分团队超过100%，但使用方式得当则合理。
- 不担心业务成本问题，增长趋势确定且不会改变。
