点“小耳机”可边听边看!
核心主题：AI驱动的企业应用与生态系统自动化
埃里森的论述围绕一个中心思想：通过AI（尤其是RAG和AI代理），企业可以以前所未有的方式利用其私有数据，自动化复杂流程，并最终重构整个行业生态系统。
第一部分：AI在企业内部的实践与价值（以甲骨文自身为例）
技术基础：RAG与向量化数据库
甲骨文将所有的客户数据进行了向量化并存储在甲骨文数据库中。
使用 RAG 技术，让AI模型能够安全、准确地访问这些私有数据，避免幻觉问题。
示范应用：智能销售预测与营销自动化
不仅能回答问题，还能通过AI代理 执行任务。
示例：根据指令“给所有潜在买家发一封邮件，附上三个最佳客户推荐”，AI能自动生成一个程序。这个程序会动态地根据客户的行业、地理位置、现有产品等上下文，找出最相关的成功案例（例如，为瑞士银行寻找其他已购买该产品的瑞士银行作为推荐）。
这展示了从自然语言描述到功能完备的应用程序的自动生成。
关键问题：“未来六个月内，哪些客户可能会购买另一款甲骨文产品？他们会买什么？”
价值：这个问题直接关乎收入，能指导销售团队进行高效的重点关注。
超越问答的AI代理：
编程范式的变革：“Vibe Coding”与声明式语言
安全性：没有人为编码错误导致的安全漏洞。
可靠性与无状态性：具备容错能力，可在不同数据中心间无缝故障转移，用户无感知。
可扩展性：天生为海量用户设计，即使初期用户很少也能高效运行。
“Vibe Coding”：埃里森对此的描述是“说出你希望程序做什么，生成原型，然后试用”，即用自然语言（如英语）直接生成程序。他认为这代表了新一代的编程思维。
企业级方案：甲骨文同时提供更精确的声明式AI生成语言（集成在Apex平台中），为企业级应用提供严谨性。
关键优势：生成的应用程序内置了企业级特性：
第二部分：在医疗健康领域的宏大应用——超越医院围墙
埃里森以收购的Cerner（一家大型电子健康记录公司）为例，阐述了其“生态系统自动化”的战略。
重建Cerner代码库
雄心勃勃的目标：利用AI在三年内重写Cerner花了超过25年编写的所有代码。
成果：声称新版本功能更强大，且具备上述所有生成应用的优势（安全、可靠、可扩展）。他们已经完成了诊所运营代码，正在攻坚急症医院代码。
为医院构建专属系统
人力资源系统：处理复杂的排班、零工经济式的医护人员、认证管理。
会计系统
银行系统：基于医院的应收账款提供融资。
认识到医院的特殊性，甲骨文正在为其开发定制化的系统：
核心战略：自动化整个生态系统（借鉴埃隆·马斯克）
核心论点：只自动化医院本身是低效的。必须像特斯拉构建充电网络一样，自动化整个医疗生态系统。
生态系统参与者：病人、提供者（医院、医生）、支付方（保险公司、政府）、监管者、制药公司、银行、政府。
只有全部自动化，才能实现真正现代化、高效的医疗系统。
旗舰案例：报销AI代理
临床侧：使用RAG访问最新医学文献、病人健康记录，协助医生制定最佳护理方案（包括推荐合适的临床试验）。
支付侧：使用RAG访问最新的保险政策、报销规则。
要解决的现实问题：在许多国家（如英国），“最佳护理” 和 “可报销的护理” 并不总是一致（例如，NHS不报销某些昂贵但有效的药物）。
AI代理的双重能力：
核心任务：找到 “最佳护理” 和 “可完全报销的护理” 这两个集合的交集，即为病人提供 “可实现的最高报销水平下的最佳护理方案” 。它甚至能识别规则中的例外情况（如特定BMI的患者可以获赔Ozempic）。
金融扩展：该AI代理还可以向银行提供经过验证的报销信息，帮助医院以其应收账款为抵押获得贷款，解决现金流问题。
总结
拉里·埃里森的演讲描绘了一幅由AI驱动的企业软件未来图景：
技术层面，RAG和AI代理让数据变得可操作、可执行。
开发层面，“生成式”编程将极大提升生产力并内置企业级质量。
战略层面，成功的数字化转型必须超越单个组织的围墙，着眼于重构和自动化整个行业生态系统。他在医疗健康领域的实践，正是这一宏大理念的集中体现。
愿景 —— 超越医院的围墙
拉里·埃里森：
这种推理能力非常迷人。甲骨文做的第一个项目，就是将私有数据提供给AI模型访问。我们把我们所有的客户数据进行了向量化，并使用RAG技术让模型可以访问它们。
我们从客户数据开始，因为我们认为没有什么比我们的客户更重要。现在，一些愤世嫉俗的人可能会说，没有什么比我们的客户更有价值，但这两者是相辅相成的。我们想问一些我们认为价值极高的问题。有一个整个行业叫做“客户关系管理”（CRM），哦不，现在不叫这个了，他们改名叫“客户体验管理”（CX）。不管叫什么，我们知道问题是什么。
所以，我们在甲骨文内部运行了这个项目，将我们的私有客户数据放入甲骨文数据库，进行向量化，并使用RAG使其能被一个多模态AI模型访问。然后我们问了这个问题：
“未来六个月内，哪些甲骨文客户可能会购买另一款甲骨文产品？”
现在，为什么这个问题对我们如此重要？
“具体来说，每一个将在未来六个月内购买产品的客户，你介意告诉我他们会买什么产品吗？”
“他们最有可能购买什么？”
还有一件事，顺便说一句，这东西不只是回答问题。你可以提问，得到答案，但你也可以通过“代理”（agents）让它做事。你可以创建一些小程序，有时还不小，然后让AI去实际执行某些操作，协调某个流程。然后我们说：“好的，给所有潜在买家发一封邮件，附上三个最佳客户推荐，鼓励他们购买。”
这个请求需要生成一个名为“AI代理”的计算机程序。这个代理必须弄清楚，好的，你打算买这个产品，你是一家瑞士的银行。那么，我们认为最好的推荐就是那些已经购买了该产品的瑞士银行。这对你来说是最好的推荐。所以，所有的推荐都会根据我们对你作为客户的了解以及你所处的具体情况——你的行业、你拥有的产品、你与之关系良好的其他银行——进行定制。总之，它能如此迅速地解决这样的问题，告诉我们甲骨文的销售团队在未来六个月应该重点关注谁，这真是太神奇了。
那个应用程序，那个AI代理……如果我能退回一张幻灯片。好的。最后一行，“给潜在买家发一封邮件，附上三个最佳推荐”。仅从这一行文字，我们就能生成一个AI代理来妥善地完成这项工作。你可以生成AI代理，或者如果你想做得更多一点，你可以更精确，添加更多你想要做的事情，比如你想给他们发什么样的信，让代理变得更强大。这实际上就是我们所做的。
顺便说一句，我不知道你是否听过这个词，我第一次听到时觉得有点奇怪，“Vibe Coding”（凭感觉编程）。听起来很Z世代。就是说出你希望程序做什么，生成原型，然后试用一下。不要想得太复杂，就是凭感觉来。但实际上，你可以用英语直接生成计算机程序。我个人曾和甲骨文的其他工程师争论过，使用英语作为编程语言是否是个好主意，因为英语是出了名的不精确。如果我们想生成程序，创建一个定制的、高度精确的声明式语言不是更好吗？这正是我们在甲骨文使用Apex所做的。我们为Apex添加了一种声明式的AI生成语言来创建应用程序。但外面还有很多人仍在使用英语，那也行。这取决于你，我们不为你做决定。我们只是确保你有选择。
但甲骨文现在创建的大多数新应用程序，都是生成的代理，而不是手写的，它们通过工作流连接起来。有趣的是，当我们生成这些应用程序时，它们没有任何安全漏洞，因为应用程序生成器不会忘记或遗漏东西，不会犯那种错误。我们生成的每个应用程序都是无状态和可靠的。换句话说，如果运行该应用程序的计算机突然崩溃、断电或发生任何意外，该应用程序可以立即在另一个数据中心重新启动，因为它没有状态。即使它在A地停止运行，它也会在B地无缝衔接，不丢失任何数据，客户也完全察觉不到。所以，当你生成这些应用程序时，它们内置了备份、无单点故障、可靠性、安全性和可扩展性。很多低代码应用编程语言是为部门级应用设计的，可能只适用于二三十个用户，之后就会变慢，因为它们不是为扩展到数百万用户而设计的。但因为我们是生成的，设计总是一样的。我们总是为数百万用户设计，即使只有五个用户，它也会运行得更快，使用更少的资源。
我们从中获得的生产力提升，是我们对我们在医疗健康领域的努力感到如此自信的原因之一。我们可以重建Cerner的代码库。我们可以使用AI重建整个Cerner代码库，构建一个现代化的、通过生成方式创建的Cerner版本。我们已经完成了所有诊所运营的代码。明年，我们将完成所有急症医院的代码。Cerner花了超过四分之一个世纪编写的所有东西，我们将在三年内重写完毕。而且我们的版本功能远超他们以往的任何版本。我们处理这个问题，不仅仅是自动化一家医院或诊所，而是自动化整个生态系统。当你使用这些不可思议的AI工具时，你就能获得如此巨大的生产力提升。
报销AI代理 —— 战略实践
拉里·埃里森：
重建Cerner的例子很有趣，因为我们做的远不止于此。是的，我们正在重建Cerner，但我们也在为医院构建专为医院设计的会计系统、人力资源系统。医院非常特殊，他们有点像50/50的零工经济，人员进出频繁。很多护士可能在这家医院工作，也可能为私人病患工作，他们的日程安排很灵活。你不知道周一需要多少护士或医生，这取决于当天的病人数量和手术室的可用情况。
所以，医院的人力资源系统非常不同且复杂。医生、护士和其他卫生专业人员需要获得很多认证才能进行某些测试、程序或处理某些病人。我们的人力资源系统必须处理这些认证，安排培训，安排他们的工作时间。他们经常换班，需要灵活处理。在他们加班时要正确支付薪水，同时也要理解他们可能这周在这里工作两天，在那周的另外四天在另一家医院工作。
所以我们正在构建人力资源系统、会计系统和银行系统。接下来这个可能会让你惊讶，然后我再举我的例子。我们还在构建迎合医院需求的银行系统，根据医院的应收账款为它们提供贷款。
下面我将描述一个AI代理。我们的目标不仅仅是像Cerner或其他竞争对手那样自动化医院和诊所。我们认为，遵循伊隆·马斯克的原则，如果我们想在医疗健康领域真正成功，我们不能只自动化医院和诊所。我们必须自动化整个生态系统。就像伊隆必须为特斯拉建立一个全球充电网络，否则电动汽车就无法成功。他不能只造车，然后指望标准石油公司提供燃料。福特当年就是这么做的。不，要造电动汽车，他不仅要设计汽车、制造电池、在工厂里部署机器人、想出如何在网上卖车，他还必须建立一个全球充电站网络。他必须构建一个完整的电动汽车生态系统。
如果我们想自动化医院和诊所，而那些监管这些机构的人、那些预约或接收血检结果的病人没有被自动化，那么这些医院和诊所的效率就不会很高。你必须自动化病人、提供者、支付方、监管者、制药公司、为医院融资的银行以及政府。你必须自动化整个生态系统。这样你才能得到一个真正现代化、高效的医疗健康系统。这就是我们收购Cerner作为第一步时的目标。
无论如何，我们构建过的最有趣的AI代理之一，是连接医疗服务提供者和支付方的。这是一个非常有趣的问题，我花了一段时间才完全理解。我们希望医院做什么？医院必须弄清楚能给这个病人提供的最佳可能护理是什么。
这在某种程度上是对的。但假设你在英国，最佳护理方案是，你血糖高，我得给你开Ozempic或另一种GLP-1药物。但猜猜怎么着？英国的国民健康服务（NHS）不支付Ozempic的费用。他们不会为你报销，而且它非常昂贵。那么，有没有其他药物可以帮助你控制血糖水平？有。其中一些效果好吗？是的，那些药效果不错。NHS会为那些药报销吗？是的，会。所以，当你在英国自动化一家医院时，你实际上是在与医生合作，找出能够被完全报销的最佳可能护理质量。
这两件事是紧密耦合的。所以，给一个在英国负担不起Ozempic的病人开这个药是毫无意义的，因为他们的保险公司，也就是政府，不支付费用。这是今天的事实。所以我们必须构建一个能在美国、英国和世界各地都适用的系统来解决这个问题。我们的目标是：获得能够被完全报销的最佳可能护理。
我们构建的AI模型首先使用RAG来访问最新的医学文献、你最新的检测结果、电子健康记录（EHR）、生命体征以及所有的血液检测信息，以协助医生制定最佳的护理方案。我们还需要知道一些事情，比如，有一个针对这种特定癌症的新临床试验，适用于这位病人，医生应该考虑让病人加入。所以，AI模型会掌握所有关于临床试验的最新信息，比如哪种药物对这位病人效果更好，并将这些信息提供给医生。
然后，AI模型也使用RAG来访问最新的规则和政策。在美国，这些就是保险政策和规定，取决于你有什么保险。你有Medicare吗？你有Medicaid吗？你有补充保险吗？我必须弄清楚哪些是承保的，你能得到什么报销。我真正要找的是这两个集合的交集：什么是最佳护理，什么是可以完全报销的。所以我必须用所有的保险规则来训练模型，以确保医生开的处方能被完全报销。我还要留意一些小问题。比如，实际上，在英国，如果你的身体质量指数（BMI）超过某个点，我确实会为Ozempic报销。我必须确保医生知道这一点，并且我可以告诉医生，这是一个例外情况，这位病人有资格使用Ozempic，因为他们的体重超过了某个阈值，而刚刚修改的规则说他们现在可以得到了。
所以，AI代理会利用所有这些数据进行推理，提出在可实现的最高报销水平下的最佳护理方案。这就是它的目标。在世界上大多数地方，政府是医疗费用的支付方。
还有最后一件事，我们经历过这样的例子。世界上很多诊所和医院，包括在美国，手头现金都不多。如果他们没有按时收到报销款，有时就无法为新病人提供护理。他们总是缺钱。AI代理在这里可以做的是，向银行提供关于某批报销的所有信息，向银行保证这些报销都遵守了所有规则，诊所和医院确实会得到报销，比如99%或95%的概率。银行可以打一点折扣，然后基于这些应收账款提供贷款。
所以，当你审视医疗健康生态系统时，会发现这是一系列非常迷人的问题。它的财务方面，运营成本非常高。有很多行政任务我们可以用AI自动化，让病人能花更多时间与关心他们病情的医生在一起。我们可以找出如何获得最高的可实现报销，如何让医院获得继续运营所需的现金。但这一切都是通过自动化完成的。医生和护士的时间可以更有效地用在病人身上。正如我所说，AI将使我们所有人的生活变得更好。
“人工智能+健康”，空间因“您”而变！
合作沟通：请加 zr18620222480
链接分享：请发至1638079312@qq.com