Elevance Health与德勤，通过“人在回路中”减少保险行政瓶颈

在医疗现场，人工智能（AI）的核心课题如今正从"模型开发"转向"负责任的部署"。特别是在监管严格的医疗保健工作中，不仅要追求速度，"信任"、"准确性"以及人的判断力共同运作这一点变得更为重要。 在这一趋势下，美国健康保险与福利企业艾利万斯健康公司（Elevance Health）携手德勤（Deloitte），正在加速构建"以人为本的AI医疗保健"。其目标是在减少保险理赔查询、应对医务人员咨询、信函管理等繁琐行政工作的同时，构建最终由人来做判断的结构。 艾利万斯健康的业务运营副总裁丹尼·布雷克维尔（Danny Breakwell）近日在谷歌云Next活动中表示："我们改善了一项需要多次交接且调查流程复杂的业务"，并解释说："即使医疗提供者不必从头重新整理理赔内容，我们也能预先整理好回答所需工作的90%，使他们能更快地回到诊疗现场。" 基于谷歌开源技术构建多智能体工作流 艾利万斯健康与德勤基于谷歌的"智能体开发工具包（Agent Development Kit）"设计了解决方案。该工具是一个支持企业级多智能体工作流的开源框架。其核心不仅在于结构化数据，还在于将电子邮件、文档及各种记录等非结构化数据汇集起来，整理出上下文，并提前提供给负责员工。 艾利万斯健康的技术副总裁文卡特·阿拉迪（Venkat Alladi）指出，该问题无法用传统方式解决。他表示："输入信息的格式各不相同，我们需要能够解读并整合这些信息的新工具。"他还说："我们利用AI来理解各种格式的信息，并制定出了兼具安全性与治理能力的可扩展解决方案。" 这种处理方式与单纯的自动化有所不同。其关键在于，将人审阅结果并判断语境的过程纳入了系统设计本身。换言之，这是一种由AI起草初稿，而人则对其进行验证与补充，从而提高准确性的结构。 "负责任的AI"并非事后检查，而是设计阶段的原则 这个项目中的一个引人注目之处在于，"负责任的AI"并非后来附加的控制装置，而是从一开始就被融入了架构之中。据布雷克维尔称，法务、合规及安全部门参与了所有设计审查，人类的监督功能也直接反映在了应用程序结构之内。 得益于此，现场工作人员不再仅仅是简单地消费AI输出结果，而是参与到验证输出值并改进模型的过程中。布雷克维尔表示："将人置于中间是'核心秘诀'"，"凭借人的判断和推理，我们能够得出更正确的结果，模型也会变得更好。结果的连贯性也得到了提升，团队可以花更多时间去解决其他问题。" 这与近期整个医疗AI行业强调的方向不谋而合。在像医疗这样，失误可能影响成本、信任乃至实际治疗应对的领域，相较于完全自动化，"人类参与型"的运营模式被认为更为现实。 90天内完成6-7个原型……医疗AI的引入速度也在加快 成效也体现在开发速度上。德勤的董事总经理巴拉吉·拉姆多斯（Balaji Ramdos）透露，他们在90天内将6到7个概念提升到了原型阶段。他将这种速度归功于业务部门、技术组织与实施伙伴之间的紧密协作。 拉姆多斯强调："尤其是在医疗保健领域，'负责任的AI'是必不可少的"，"'人在回路中'不应是附加功能，而应成为设计的一部分。" 这一案例表明，AI并非取代医疗的技术，而是作为一种"辅助基础设施"，通过减少复杂保险行政流程中的瓶颈，让医务人员和工作人员能够专注于更重要的判断。由此分析，未来医疗AI的竞争力也将更多地取决于如何安全、可靠地将其融入现场，而非单纯依赖模型本身的性能。 TP AI 注意事项 本文基于TokenPost.ai的语言模型对文章进行了摘要。正文的主要内容可能被遗漏或与事实不符。