【吳雅詩專欄】AI Chatbot走進醫療界 有時水土不服 AI非萬靈丹 是效率救星還是精準陷阱？

在數碼轉型的浪潮下，AI Chatbot（聊天機械人）正以銳不可擋之勢席捲各行各業。面對日益沉重的醫療需求與前線人手荒，不少醫療機構將 AI 視為緩解行政壓力的「萬靈丹」，期盼藉其處理病人查詢、進行預約、提供醫療資訊等工作。然而，現時市面上的AI Chatbot大多為通用場景而設計，在高度專業且不容出錯的醫療世界裏，往往顯得有些「水土不服」。醫療 AI 的落地之路，現階段正面對不少無法忽視的發展局限。

無可否認，醫療機構引入AI Chatbot的邏輯非常直白：釋放前線運力。在醫院與診所的日常運作中，充滿了大量重複且高耗能的行政工作，例如更改看診時間、回答基礎檢查須知或服務收費等。這正是AI的用武之地。它不但能提供24小時不打烊的基礎諮詢，縮短患者的等待時間，更能在對接醫療系統後，自動發送個人化的術前注意事項、用藥及覆診提示。這種強大的多工處理能力，本質上是用科技替代機械式的重複勞動，讓珍貴的醫護人力能重新聚焦於核心的臨床工作。

然而，那始終是最理想化的場景。現階段許多醫療機構引入AI後，發現它並未能有效減輕工作量，原因在於醫療行業高度專業且分科細密，營運規則自成體系。這不是單靠「大數據」就能輕易解決的。例如市民致電醫院，往往需要轉接至特定專科才能獲得準確回覆；即使是同一項腸胃鏡檢查，不同醫生對於病人服用清腸藥的時間、飲食指引都可能大相徑庭。依賴通用資料訓練的AI，極容易給出看似合理、實則漏洞百出的錯誤資訊。更致命的是，醫療數據受極嚴格的私隱法規監管，若直接將病患資料連接雲端聯網的模型，等同於將機構置於數據外洩的巨大合規風險之中。這一切，都令AI在醫療服務中的運用和發展受到限制。

要打破這個僵局，醫療科技的未來戰線正轉向「本地大型語言模型（Local LLM）」的部署。透過協助醫療機構搭建內部的專屬資料庫，將經審核的治療指引與內部數據導入本地AI，能將其檢索範圍嚴格限制在安全且認證的文本內。在這種客製化模式下，Chatbot才能提供既準確、又完全吻合機構流程的回答。
至於市場常憂慮「開發成本高昂」的問題，隨着AI開源框架與智能體技術日趨成熟，前期部署的門檻已大幅降低。從長遠的「人手換算成本」來看，AI 帶來的邊際效益與營運精簡，絕對遠超增聘人力的開支。

科技的演進從非一蹴而就，短期內醫療AI仍需人類的密切監控與校準。但放眼未來，這場轉型是一條不可逆的單行道。在這場浪潮中，真正會被淘汰的不是醫護人員，而是拒絕擁抱科技的保守者。當重複性的行政枷鎖被AI解開，職場將加速洗牌，未來真正留下來的，必將是具備高情緒價值、人文關懷與複雜臨床判斷的精英。因為那些帶有溫度的人性化服務，才是AI永遠無法複製的核心競爭力。主動適應變革，推動「人機協作」，醫療機構才能在提升營運效率的同時，真正實現以人為本的醫療願景。

吳雅詩

香港專科日間醫療中心總經理

免責聲明：本網頁一切言論並不構成要約、招攬或邀請、誘使、任何不論種類或形式之申述或訂立任何建議及推薦，讀者務請運用個人獨立思考能力自行作出投資決定，如因相關言論招致損失，概與本公司無涉。投資涉及風險，證券價格可升可跌。