McKinsey 的最新调查显示，美国医疗保健领域生成式 AI 的采用正走向成熟，其中半数受访组织已实施生成式 AI，超过 80% 的组织已将首个用例部署给最终用户。这一进展标志着医疗保健组织不再将生成式 AI 视为实验性技术，而是将其视为核心能力。
核心观点与关键数据
- 采用成熟度：50% 的受访组织已实施生成式 AI，且所有受访者均表示至少有计划采用生成式 AI，显示出组织对技术的信心提升。
- 代理式 AI 兴起：19% 的组织已达到代理式 AI 的成熟度，51% 的组织正在推进代理式 AI 的概念验证，表明组织正从创建内容和支持单个任务转向利用代理式 AI 协调更复杂流程。
- 子行业差异：医疗保健服务和技术（HST）公司领先于实施，而支付方实施率低于 50%。在代理式 AI 方面，所有子行业成熟度均低于生成式 AI。
应用领域
- 潜在领域：行政效率被视为生成式 AI 和代理式工作流程的最大潜力领域，其次是软件和基础设施、患者或成员参与以及临床生产力。
- 实施情况：临床保健组织在临床生产力领域实施率最高（54%），而软件和基础设施及患者或成员参与等领域实施率较低，表明存在改进空间。
实施模式
- 代理式 AI 应用：临床保健组织更倾向于功能特定解决方案，支付方侧重端到端工作流程自动化，HST 公司则关注跨领域用例。研究指出，基于领域的端到端工作流程方法能释放更大价值。
挑战与障碍
- 风险与安全：43% 的受访者将风险和安全视为扩展生成式 AI 的主要障碍，其中最担心的是模型偏差、安全风险和监管合规性。
- 运营障碍：集成挑战和内部能力不足是扩展生成式 AI 的前两大障碍，反映出组织正从规划阶段转向将 AI 嵌入复杂系统。
投资回报
- 82% 的受访者预计生成式 AI 将产生正向投资回报，其中 45% 的受访者量化了回报（主要在初始投资的 2-4 倍之间）。
运营模式与合作伙伴关系
- 解决方案来源：大多数组织通过第三方合作开发生成式 AI 解决方案，但 HST 公司更倾向于自建解决方案（36%），而临床保健组织和支付方更考虑现成解决方案。
- 采购策略：过去一年中，采用购买策略的比例从 19% 上升至 33%，表明组织对快速部署或内部能力的依赖增加。
研究结论
医疗保健领域正进入更关键的 AI 采用阶段，竞争优势将取决于 AI 与核心工作流程的整合能力、价值衡量与风险管理能力。代理式 AI 的兴起凸显了设计、治理和执行的重要性。未来，组织需构建可持续和可扩展的 AI 能力，才能将技术进步转化为长期运营和临床影响。
