AI醫療拐點！麥肯錫重磅報告：調研150位高管，Agent全面爆發，行業競爭邏輯已定！

自2023年起，全球知名咨詢公司麥肯錫持續對美國醫療健康領域領導者進行調研，追蹤生成式AI的應用進展。

近日，麥肯錫發布了關于“生成式人工智能在醫療領域的應用”的報告。

報告調研覆蓋150家醫療保健機構的領導者，具體包括50家醫療支付方、50家臨床醫療機構和50家醫療健康服務與科技企業，覆蓋醫療各細分領域，樣本具有代表性。

受訪者中，38%為C級高管，24%來自年收入超100億美元的組織，確保了調研結果的專業性和權威性

整個報告都指向一個結論：AI醫療的發展已然邁入新階段，對整個行業的變革影響愈發深遠。

高管調研顯示，生成式AI在醫療步入成熟。

行業50%高管所在機構已實現落地，超80%機構面向一線使用者上線首批功能。

與此同時，醫療行業管理者面臨的難題也在發生變化。

原本大家擔心的 AI 信任、數據安全和管理規范問題，現在還要兼顧實際業務融合落地的難題。

在此背景下，行業對AI Agent的關注度快速提升，僅1%的機構沒有入局打算，也標志著應用正式邁入成熟新階段：

醫療機構不再只用生成式 AI寫病歷、做簡單輔助工作，而是借助 AI 智能代理自主處理事務，統籌完成更復雜的全流程業務。

整個行業，競爭邏輯也隨之變化。

從概念走向落地，最具潛力領域是管理

麥肯錫2025年第四季度調研首次發現，醫療行業生成式 AI 落地占比已達五成。2024 年同期這一比例為 47%，2023年同期僅 25%。

這一數據意味著，生成式 AI 正從試驗試水，走向規模化落地。另一個明顯變化是，所有受訪機構都已有布局計劃，行業對這項技術的觀望和顧慮大幅減少。

醫療AI Agent 雖然剛起步，卻已受到行業廣泛關注。目前它的落地進度遠不及生成式 AI，僅有 19% 的機構實現規模化應用。

不過有51%的機構正在開展試點驗證，僅1%的機構完全沒有布局打算。

不同醫療細分領域的落地進度差異明顯：

醫療服務與科技企業走在最前列，醫保支付類企業落地率則不足五成。多智能體系統的行業格局也與之類似，且整體成熟度普遍落后于生成式 AI。

圖： 各子行業采用生成式AI和多智能體工作流的比例

受訪從業者普遍認為，管理效率是生成式 AI 和多智能體工作流程最有發展潛力的應用方向，認可度高達87%。

其次依次是軟件基建（64%）、患者服務（63%）、臨床工作效率（58%）、護理質量（48%）、戰略與增長（33%），研究與教育（30%）。

但在多智能體工作流程中，由于技術還不夠成熟，認可度稍稍低過生成式AI。

圖：最具潛力的領域

不過，盡管大家最看好 AI 在管理效率上的潛力，但從實際落地情況來看，醫療機構的應用重心，已經慢慢從行政事務轉向臨床業務。

有54%的護理機構，已經把生成式AI用到臨床診療提效上，也是目前落地最廣的場景。

而那些被普遍看好的方向，比如軟件基建、患者服務互動等，實際落地反而偏少，也成了行業接下來重點發力的空間。

圖：不同實施領域和子行業的生成式AI采用情況

多智能體落地，各醫療細分行業各有側重

多智能體的落地情況，在不同醫療細分領域差異明顯。

護理機構更傾向用單一功能專項方案；醫保支付方主打全流程端到端自動化；醫療服務與科技企業，則更看重跨行業、跨場景的應用。

這種差異，本質是各機構業務重點和運營模式不同。

49%護理機構希望優先適配臨床專業流程，41%的支付方希望靠全流程自動化提效標準化業務，46%的醫療科技企業則側重可復用、可對外推廣的跨領域方案。

行業研究也表明，聚焦單一領域、打通端到端全流程是關鍵。

做得好的企業，都會圍繞具體業務做全流程 AI 落地，相比零散功能應用、盲目跨領域布局，這種方式能釋放更大價值。

圖：在多智能體工作流方面的采用情況

運營模式與合作生態方面，和第三方廠商合作開發AI方案，仍是各類醫療機構的主流選擇。

細分來看，醫療服務與科技企業自研意愿最強，有36%傾向自主開發；而護理機構僅19%、支付機構只有12%愿意自研。

這也體現出前者 AI 落地成熟度更高，更愿意打造差異化服務。

圖：AI醫療產品采購策略

反觀護理機構與支付機構，分別有36%、39%更傾向直接采用成熟現成方案，主要是為了快速落地應用，同時彌補自身內部研發能力的不足。

近一年來，機構采購現成生成式AI方案的比例明顯上升。

最新調研顯示，已有 AI 試點布局的機構中，33%選擇外購采購；而2024 年四季度這一比例僅為19%。

回報率為2—4倍

關于生成式AI的投資回報，麥肯錫的調研顯示，大多數醫療行業管理者，都期望自家機構使用生成式AI能帶來正向回報。

最新調研更是顯示，82%的管理者預期能獲得正回報，這一比例是歷次調研中最高的；同時，能明確量化正回報的管理者，也達到了歷次最高的45%。

那些能量化回報的受訪者表示，生成式AI的投資回報率，大多在初始投資的2倍到4倍之間。

圖：已實施生成式AI的機構的預期ROI

與歷年調研結論一致，醫療行業高管在推進生成式 AI 落地時，高度重視風險與安全，43%的受訪者將其視為推行阻礙。

在各類風險中，數據偏差與結果不準、安全隱患、監管合規，是行業最關心的三大問題。

運營層面的難題同樣突出：系統難以對接融合、自身技術能力欠缺，分別位列落地阻礙的第一位和第三位。

圖：部署AI醫療產品的阻礙

這也側面體現出醫療行業 AI 應用正在走向成熟：

行業已跨過規劃和試點驗證階段，主要矛盾不再是顧慮風險，而是如何把生成式 AI 接入原有老舊復雜的醫療系統。

流程調度與業務流程重構，已然成為最大瓶頸。

結論

綜合來看，AI醫療正在進入全新的階段。

這個階段，不再追求技術的新穎性，而是更注重結合行業實際、落地實用價值。

隨著各機構持續大規模落地生成式AI，未來的競爭優勢將越來越取決于三點：

1、能否把AI融入核心業務流程

2、有效衡量并兌現AI的價值

2、在AI應用范圍擴大、自主性提升時，如何管控好風險

因此，行業對智能代理AI的關注度不斷提升，也恰恰體現了這一轉變。

從零散的單一AI應用，轉向系統化的統籌部署，這也對AI的設計、管理和落地執行，提出了更高要求。

對醫療行業管理者而言，面臨的挑戰不只是更快地采用AI，更重要的是搭建起支撐AI持續運營、不斷擴展的組織能力。

那些能做到這一點的機構，將更有能力把技術進步，轉化為長期的運營提升和臨床價值。

—The End—