行业洞见｜麦肯锡：医疗AI进入规模化落地阶段- 大数跨境

首页

行业洞见｜麦肯锡：医疗AI进入规模化落地阶段

Boom Health

2026-11-10

导读：医疗AI正在从技术创新阶段进入运营变革阶段：真正决定AI价值的，不再只是企业拥有多强的模型，而是能否把AI嵌入医疗体系，并持续证明它创造了多少真实价值。

本文约2500字，阅读需要7分钟

本文整理自麦肯锡发布的《Generative AI in healthcare: Adoption matures as agentic AI emerges》。报告重点分析生成式AI的采用进展、应用场景、规模化障碍、投资回报以及Agentic AI的发展趋势。

报告显示，医疗行业对生成式AI的态度正在从“是否应该采用”转向“如何规模化创造价值”。随着技术从单点任务辅助进一步走向端到端流程协同，医疗AI的竞争重点正在从模型能力本身，转向工作流整合、价值衡量和组织能力建设。

医疗AI从“试点”走向规模化，Agentic AI成为下一阶段

过去两年，医疗机构对生成式AI的态度正在发生明显变化。早期讨论更多集中于AI“能做什么”，而随着试点逐渐增加，行业关注点开始转向如何安全、持续地将AI嵌入真实医疗流程。

麦肯锡调查显示，2025年第四季度，50%医疗机构已经实施生成式AI，高于2024年第四季度的47%以及2023年第四季度的25%。超过80%的机构已经将首批AI应用部署至最终用户。

这一变化意味着，生成式AI正在逐渐摆脱早期的“概念验证”阶段，成为医疗机构需要建立长期能力的一项基础技术。Agentic AI（代理式人工智能）正在成为下一阶段的技术方向。Agentic AI更加关注“执行”和“协调”：AI可以围绕一个目标调用多个工具、处理不同步骤，并在更复杂的工作流中完成连续任务。

目前Agentic AI的成熟度仍然明显低于生成式AI。仅有19%的机构已经达到Agentic AI实施阶段，但另有51%正在推进相关概念验证，仅有1%的机构表示没有计划采用AI agents。

从不同细分领域来看，医疗服务与技术（HST）企业的生成式AI实施率最高，而支付方的实施率尚未达到50%。因此，医疗AI正在经历一个重要的技术迁移：单点AI工具 → 多任务协同 → 端到端工作流自动化。这意味着未来医疗机构真正需要建设的，可能不再只是几个独立的AI应用，而是能够与现有系统、人员和业务流程连接起来的AI工作流。

临床试验减少而论文增加，数字医疗正在重新定义“证据”

行政效率与临床生产力成为AI从“哪里最有潜力”到“哪里真正落地”的两条主线。医疗机构认为行政效率是AI最有潜力的领域，约76%认为其具有较高的多智能体应用潜力。

但“潜力”与“实际采用”并不完全一致。从已经实施的应用来看，临床医疗机构正在逐渐从早期的行政任务辅助，向更核心的临床生产力场景延伸。54%的临床医疗机构表示，他们已经将生成式AI用于临床生产力，这也是临床医疗机构中采用率最高的应用领域。

这背后反映出医疗AI商业化的一个重要变化：AI正在从外围的办公效率工具进入医疗机构核心业务流程。而Agentic AI进一步放大了这种趋势。

不同类型医疗机构正在形成不同的Multiagent应用模式。临床医疗机构更倾向于针对具体职能和临床流程部署AI；支付方则更加关注端到端工作流自动化；医疗服务与技术企业则更多关注可以跨客户、跨业务复用的横向场景。

对于Agentic AI而言，围绕完整业务领域构建端到端工作流，比简单增加更多单点AI功能更重要。 AI agents的价值并不仅仅在于替代某一个任务，而在于能够协调多个步骤，使原本分散的流程形成连续的自动化链条。

因此，医疗AI下一阶段的价值创造方式从“AI帮助完成一个任务”，走向“AI参与完成一整套流程”。对于医疗机构而言，这也意味着AI部署不能只由IT部门推动，而需要重新审视业务流程本身：哪些环节可以自动化，哪些环节必须由医生或管理人员保留决策权，以及不同AI agents之间如何实现安全协同。

AI规模化的真正瓶颈从“风险”扩展到“整合”

随着医疗机构从试点走向规模化，AI面临的挑战也正在发生变化。过去，医疗机构最担心的是AI是否安全、准确以及是否符合监管要求。如今，这些问题仍然重要，但如何将AI真正嵌入复杂的医疗系统，已经成为规模化落地的另一项核心约束。

超过一半的医疗机构将AI工具与现有工作流程整合困难列为规模化的主要障碍，排名第一；31%认为组织内部缺乏利用生成式AI的能力，另有31%认为数据或技术基础设施不足。

与此同时，风险问题仍然突出。43%将风险与安全列为AI实施障碍。在具体风险中，AI模型的错误、偏差和缺陷最受关注，66%将其列入前三大风险；安全风险和监管合规分别为60%和52%。

而这种变化也意味着，AI投资开始进入更加现实的阶段——ROI。在已经实施生成式AI的医疗机构中，82%预计能够获得正向ROI，45%已经能够对正向回报进行量化。在能够量化ROI的机构中，回报水平主要集中在初始投资的不到2倍至4倍之间。

与此同时，医疗机构的AI采购模式也开始变化。第三方合作仍然是最普遍的方式，但越来越多机构开始考虑直接购买成熟的AI解决方案。2025年第四季度，在至少正在推进AI 概念验证的医疗机构中，33%选择购买策略，高于2024年第四季度的19%。

不同类型机构的策略也存在差异。医疗服务与技术企业更倾向于自行开发AI解决方案，其中36%表示愿意自行构建；相比之下，临床医疗机构和支付方更倾向于寻找合作方或直接购买。

这意味着，随着AI从试点进入规模化，医疗行业正在逐渐形成新的AI能力分工：技术企业负责模型与产品能力，医疗机构提供真实场景与临床流程，双方通过合作、采购或联合开发将AI嵌入医疗体系。

总体来看，医疗AI正在进入一个更加成熟的阶段。生成式AI正在从概念验证走向应用，Agentic AI则开始从概念探索进入工作流试点。与此同时，医疗机构评价AI的标准也正在发生变化：从早期关注技术能力和安全风险，逐渐转向工作流整合、组织能力、ROI和端到端价值创造。

这意味着，医疗AI下一阶段的竞争可能不再只是模型之间的竞争，而是医疗机构能否围绕AI重新设计工作流程、建立数据和技术基础设施，并将AI产生的效率和临床价值真正转化为组织绩效。

对于医疗行业而言，AI的下一阶段并不是“采用更多AI工具”，而是从零散的AI应用走向更加系统的AI赋能的医疗运营模式。而Agentic AI的出现，则可能进一步推动这一转变：当AI从“提供建议”逐渐走向“执行任务、协调流程”时，医疗机构需要重新思考的不只是技术部署方式，也包括治理机制、岗位分工和组织能力。

从这个角度看，医疗AI正在从技术创新阶段进入运营变革阶段：真正决定AI价值的，不再只是企业拥有多强的模型，而是能否把AI嵌入医疗体系，并持续证明它创造了多少真实价值。