智能体 AI 在医疗收入周期管理中的实践现状

医疗收入周期不断迎来新的承诺。机器人流程自动化（RPA）曾被寄望于改变一切，自然语言处理（NLP）也是如此。随后，生成式 AI 彻底改变了讨论的方向。如今轮到智能体 AI，不同之处在于，这次确实有一些方案开始落地。

并不是全部，甚至不是大多数。但已有足够多的方案在生产环境中运行，让这一阶段与过去有所不同。

真正采取行动意味着什么

有些产品演示把任何能做不止一件事的 AI 都称为“智能体 AI”。这种定义不值得讨论。

真正的 AI 智能体不会等待人来解读输出、决定下一步。它会阅读临床记录，发现缺少授权，进入支付方门户并提交申请。如果申请被拒，它会调取相关文件，编写申诉并送往合适的处理渠道。不必新建工单，不必排队，也不需要员工逐一点击六个界面。

这对收入周期管理（RCM）格外重要，因为这项工作并非线性流程。一份事先授权申请可能要经过四个系统才能解决。支付方要求会变化，记录质量也会因医疗服务提供者、专科及周次而异。只会执行固定脚本的系统，在这种环境中撑不了多久。

哪些领域真正出现了成果

几乎每次坦诚讨论这一话题时，事先授权都会率先被提及，原因在于其结构。这是整个周期中最依赖文件、最需要遵循细密规则的任务之一。美国医学会（AMA）2024 年事先授权医师调查
发现，27% 的医师表示，他们的事先授权申请经常或总是被拒；医师平均每周处理 39 项事先授权，每一项都直接占用照护患者的时间。这不是临床工作的失败，而是记录与工作流的失败，正是智能体系统所针对的问题。

智能体会验证保障资格，将临床文件与支付方标准进行比对，追踪提交状态，并在人类审核者介入前提示缺失信息。这种任务结构很适合它们：重复的信息收集、可预测的匹配规则，以及清晰的完成状态。

主动核查理赔申请也取得了类似进展。智能体不必等申请被拒后再追查，而是在提交前审核，找出医疗编码错误、文件缺漏及授权不匹配问题，确保在材料到达支付方之前发现问题。根据HFMA 于 2025 年 9 月对 272 名医疗行业高管开展的调查
，已在收入周期中部署 AI 和自动化的组织，将理赔错误率的可衡量下降及报销款到账加快列为两项最主要的成果。大量实际财务改善正发生在这种前端纠错环节。

坦诚看待现状

HFMA 与 FinThrive 于 2025 年 5 月开展的调查
发现，63% 的医疗组织已在收入周期的某个环节使用 AI 和自动化。听起来势头确实不错。事实也是如此，但需要加上一条注释。

“某种形式的 AI”可能涵盖很大范围。对许多组织而言，它只是由一个职责有限的智能体，在周期的一角处理某项具体任务，通常是事先授权或拒付申诉。这是合理的起点。但从这里到覆盖资格验证、医疗编码、理赔和对账的端到端多智能体工作流，距离并不小。正如《重新思考 AI 时代的收入周期现代化》
所探讨的，整个周期转型的结构性障碍，比大多数技术路线图承认的更深。

与供应商的多数讨论很快就会略过这道鸿沟。完全不需要人工处理的收入周期，是可以规划的合理方向；但大多数组织目前尚未达到。将其视为短期内可以实现的目标，往往会在部署时带来问题。

为什么试点会停滞

智能体 AI 在测试中很少失败。试点几乎总显得前景良好：用例范围狭窄，数据相对整洁，而且有人密切关注智能体的行为。

生产环境则不同。支付方规则会不经通知就改变。电子健康记录（EHR）的记录质量因部门、医疗服务提供者和专科而异。边缘情况增长得比预期更快。如果没人为智能体遇到职责范围之外的问题设计清晰的升级处理路径，工作流就会停滞，或者带着数周后才暴露的错误继续运行。

从试点扩展到生产，与让试点本身跑通，是性质不同的问题。把它们当作同一个问题的组织，通常直到部署时才发现差异。这也是医疗之外的广泛 AI 应用同样在生产失败中挣扎的原因之一。

基础设施问题

智能体 AI 在数据整洁、一致且相互连通时表现良好。这个条件比听起来更重要。

大多数中大型医疗系统运行着碎片化的 EHR 环境：平台间字段定义不一致，支付方门户的访问规则各不相同，文件质量因专科和具体服务提供者而异。这不是边缘情况，而是常态运行环境。这一挑战与不断积累的技术及结构性债务密切相关，而这些债务影响医疗系统应对新 AI 需求的方式
。

杂乱的数据并不总会导致明显失败。更常见的是，智能体开始上报本不需要标记的例外，输出表面正确，却暗含数周后才暴露的错误。在多数这类情况下，技术恰恰在按设计运行。真正撑不住的是其下方的基础设施。

在扩大智能体部署前先把这一层做好，是这项工作中不够光鲜、也没有在供应商路线图中获得足够关注的部分。

真正奏效时会发生什么变化

AMA 的 2024 年事先授权医师调查
清楚地说明了其中一部分：93% 的医师表示，事先授权对患者的治疗结果造成负面影响；94% 表示，它推迟了患者获得必要照护的时间。智能体承担记录与提交负担后，临床人员能收回可衡量的时间。在 RCM 中采用智能体 AI，不只关系到每笔理赔的成本，也关系到员工时间实际花在哪里，以及这种安排是否可持续。

进展最远的组织，不一定拥有最大的技术预算。它们通常从小范围入手，从第一天就把人类监督纳入工作流，并在最初几个月的生产运行中学习智能体犯下的错误，而不只是庆祝它做对的事情。进度比推销话术暗示的慢，但也更持久。

未来将走向何处

HFMA 于 2026 年 3 月发布的医疗利润率与 AI 投资报告
指出，收入周期负责人正从探索性试点转向积极投资 AI，将其作为在 2026 年剩余时间保护利润率的主要手段。这不是猜测，而是已经在做的预算决策。

尚不明确的是，在 EHR 碎片化确实存在、支付方规则持续变化，以及人员配置模式尚未完全跟上自主智能体对工作带来的改变时，大规模生产运行究竟是什么样子。未来 18 个月将比过去三年加在一起回答更多这类问题，值得密切关注。