生成式人工智能被放大：提高医疗服务提供者的生产力
关于作者tej.shah@accenture.com泰贾什·沙哈生成式人工智能放大早些时候，Tej曾从事管理咨询、企业战略和产品管理等领域的工作。他以内部创业者创始人的身份在两家跨国公司中建立并领导了多家企业和创新团队。他还为一家大型全球消费电子公司的风险投资部门创建了医疗保健投资思路，并领导投资了多家健康科技初创企业。Tej经常被邀请就护理模式重塑和工作场所挑战问题提供他的专业意见。Tej获得了阿尔伯特·爱因斯坦学院的医学硕士学位，以及波士顿大学的经济学硕士学位。特吉是埃森哲全球医疗保健业务的医师领导者，与客户合作协调人与技术的融合，以提高医疗保健的可及性，并改善患者和医疗服务提供者的医疗保健体验。凭借技术和医疗保健的双重背景，他的使命是利用生成式人工智能和其他工具重建患者与医疗服务提供者之间的关系，以提高生产力并解决劳动力短缺问题。特吉的战略愿景和数据驱动的洞察力推动了众多寻求转型运营、提高效率和改善患者结果的全球医疗保健组织的成功。他在负责任的AI实践、数据治理和网络安全的专长对于解决阻碍生成式AI在医疗保健领域采用的伦理和安全问题至关重要。M.D.，执行董事，埃森哲全球健康业务全球负责人，护理模式革新 丹尼尔·奥夫查尔斯基daniel.owczarski@accenture.com丹担任埃森哲健康行业研究主管（IRL）已有11年。他领导一个研究团队，为埃森哲全球健康业务提供支持。该团队专注于发展思想领导力、管理和利用数据驱动的许可证和资产，以及支持客户工作。丹的背景包括20年在管理咨询公司和对冲基金的医疗保健研究经验。健康产业领航艾意仕研究 kaveh.t.safavi@accenture.comM.D.，J.D.Accenture全球健康高级执行董事他从 Loyola 大学医学院获得医学博士学位，从德保罗大学法学院获得法学博士学位。他是内科和儿科的 board-certified 医生，并在密歇根大学医学中心完成了他的住院医师培训。作为凯洛格管理研究生院-西北大学的健康企业管理兼职讲师，Safavi 医生还在西北大学文理学院董事会（Weinberg College of Arts and Sciences’ Board of Visitors）任职，是 Easterseals国家董事会的成员，并且是一位终身的芝加哥人。卡韦是资深的全球医疗保健行业领袖和医生，他帮助医疗服务提供者、健康保险公司以及公共和私人卫生系统利用科技和人类智慧的潜力来人性化医疗保健。他对医疗保健行业面临的挑战，特别是人力资源和不断上升的运营成本，有着深刻的理解，这使他 uniquely qualified来谈论生成式AI 的变革潜力。在 Accenture 工作了 14 多年后，他领导了多个旨在提高患者护理和临床医生效率的项目。加入 Accenture 之前，卡韦曾领导思科公司的全球医疗保健业务，担任汤姆森路透社健康业务的首席医务官、联合健康医疗事务副总裁，以及在 HealthSpring 和 Humana 担任领导职务。作为一位备受追捧的演讲者，他发表了许多论文，经常接受采访并被引用，最近一次是关于使用生成式AI来解决医疗保健领域的人力短缺问题。 如果能让你们组织的生产力提高50%，让临床医生们有数千小时的时间回归专注于患者护理，会怎样？ 如果你能借助为临床医生工作流程量身定制的工具来提升士气、减少职业倦怠和控制人员流失，那会怎么样？ 如果你能够转化你的运营，提高效率和更好的患者结果，那会怎样？ 生成式人工智能放大执行摘要医疗服务提供者正处于一个关键的拐点。随着人口老龄化带来的需求不断增长、运营成本不断攀升以及劳动力危机日益严重，该行业的可持续性正面临威胁。数据表明：到2033年，仅美国就将面临54000至139000名医生的短缺，而全球护师短缺人数到那时可能达到130万。1这些人员配置限制将推高成本，损害患者获得医疗服务的机会和护理质量，最终进一步削弱医疗提供者的财务健康。鉴于这个问题的全球性质，该行业将无法通过招聘或培训来摆脱这一困难且复杂的、多角度的挑战。好消息？生成式人工智能（生成式AI，简称Gen AI）可以扩展人类能力，并将宝贵的时间还给临床医生用于患者护理。Gen AI将从根本上重塑传统的工作职能，并为创新和增长创造新的机会，根据思科领导的人工智能赋能劳动力联盟该公司的一部分是 Accenture。它将通过自动化常规任务、增强数据分析以及启用高级问题解决能力来实现这一目标。 2 然而，意识和执行之间存在显著差距：83%的医疗保健高管正在生产环境之外的预生产环境中试点生成式人工智能，但不到10%的投资于支持企业范围部署的基础设施。这种投资不足，加上医疗保健行业的过度谨慎，正在限制生成式人工智能的应用仅限于零散的试点项目。缺乏全面战略使医疗保健组织在与更敏捷的竞争对手相比处于不利地位——并且使整个行业面临落后于已经从生成式人工智能的大规模应用中获益匪浅的领域的风险。一家汽车制造商使用生成式人工智能平台来加速复杂数据的转化，将其转化为实时洞察，生产力提高了30%。一家全球金融服务公司正在通过生成式人工智能减少成本一半，提供20%更快的IT服务，解放员工进行战略计划，并提高客户服务。这个医疗保健差距越大，追上来的时间就越长。 83%的医疗保健高管正在预生产环境中试点生成式人工智能，但不到10%的人正在投资支持企业范围部署的基础设施。我们最近对300名来自提供组织的美国籍首席医疗官进行的调查表明，提高员工效率是83%的首要任务。这些领导者充分意识到生成式AI在这一领域的颠覆性潜力：超过四分之三（77%）的高级医疗保健高管希望生成式AI将带来生产力提升，这直接有助于收入增长，而不仅仅是降低成本。 随着生成式人工智能在医疗保健领域的作用日益增长，保障数据隐私和确保负责任的人工智能使用比以往任何时候都更加重要。一个强大的人工智能治理框架可以保护敏感信息，并在人工智能驱动决策中建立管理者、提供者和患者之间的信任。高质量、集中的数据是可靠基因AI输出的前提条件。强大的数据基础增强了预测分析能力，使医疗保健提供者能够有效地使用基因AI进行临床和运营用例（例如，临床文档和人员配置优化）。扩展通用人工智能需要强大的数字基础设施。医疗保健提供者需要优先考虑云集成、数据可访问性和治理，以支持整个组织的AI功能。没有这个数字支柱，通用人工智能计划将仍然在影响范围和影响方面受到限制。仅靠内部资源无法驱动规模化生成式人工智能。与技术领导者、学术机构和服务提供商的战略合作，能够提供必不可少的专长、支持和敏捷性，以保持生成式人工智能发展的前沿。03优先考虑负责任和安全的AI部署这份报告为医疗保健领导者提供了从试点项目到企业级生成式人工智能部署的系统化路线图。我们基于全面的研究、见解和实际案例研究，提出了四个关键步骤，以有效扩展生成式人工智能并引导领导者完成这一转型：02加强数据质量与战略04建立战略合作伙伴关系以加速创新01打造一个随时可以进行重塑的数字核心 果断采取整体通用人工智能战略的医疗服务领导者将能够充分利用该技术的潜力。随着生产力、临床能力和患者结果显著提高，他们将超越竞争对手，并在未来十年内定义该行业的演变。 医疗工作者危机生成式人工智能放大是什么让医疗保健危机尤其难以应对，是因为劳动力正在萎缩，而需求却在激增。仅在美国，就有近90万名注册护士（占450万总数的近五分之一）预计到2027年将离开这个行业。³这种人员流失发生的时间恰逢60至90岁年龄段的人数——医疗保健服务的主要使用者——在未来二十年预计将增长45%，根据埃森哲的研究，将达到近7800万人。重塑护理服务以解决临床人员短缺问题.4不断扩大的供需差距已经让临床医生们不堪重负，导致慢性疲劳、职业倦怠和工作满意度下降。这种劳动力短缺是更广泛的一系列相互关联的挑战的一部分，最终会影响护理质量和患者结果。 staffing shortfall 随着劳动力成本的上升，很快演变成一个支出问题，促使大量依赖临时 staffing 解决方案。这种财务压力影响服务质量并限制患者获取。当空置床位减少吞吐量时，它就变成了 a revenue issue，putting 对已经紧张的预算造成进一步压力。随着时间的推移，挑战会累积——更长的等待时间、治疗延迟以及护理标准的下降会侵蚀患者信任，正如在英国所看到的，甚至可能升级为政治危机。危机的认知可能因提供者而异，正如我们的对话所揭示的那样，但潜在挑战是相同的。面对这种紧迫性，不作为将对医疗服务提供者产生严重后果。他们需要大规模部署创新解决方案，打破这种级联效应的循环，并建设一个更具弹性的未来。 生成式人工智能有潜力通过应对医疗保健最紧迫的挑战，将这一愿景变为现实，为护理人员节省时间，让他们能够完成只有人类才能完成的工作。大型语言模型使技术能够接管像就诊后临床记录、笔记总结和收件箱管理等写作任务和阅读任务，为临床医生节省数分钟到数小时的时间，这些时间可以用于他们自己或用于增加患者接触。基因人工智能的承诺根据埃森哲的分析，70%的医疗工作者任务可以通过技术增强或自动化来重新创造。5在护理领域 alone，自动化可以释放 20% 的重复性、低复杂度任务，在美国 unlocking 潜在的年价值近 50 亿美元。6这些进步并非要取代人类技能，而是通过技术和人类智慧的协作来增强它们。技术也为创新护理模式开辟了道路，使临床医生能够在新的配置和环境中进行工作，并专注于最重要的事情——提供高质量的病人护理。 跨越大模型AI试点停留在试点模式是有代价的，因为小规模试验阻止了供应商实现显著的生产力提升和流程优化。小规模的通用人工智能计划缺乏组织范围采用的集成数据、可衡量的成本节约和改进的护理体验。这种零敲碎打的方法——再加上对谨慎考虑的侧重——使医疗保健处于对零售和金融等更灵活行业的劣势地位，这些行业已经迅速扩展人工智能以驱动生产力、增强客户参与并实现财务弹性。医疗保健对技术的保守态度加剧了这一挑战。只有一半的医疗保健IT高管报告说，技术举措与整体业务战略之间有很强的协同性，导致资金充足的生成式人工智能试点项目难以转化为企业范围的部署。此外，尽管60%的医疗保健高管预计在12个月内收回生成式人工智能投资的回报， 一个领先的美国医疗保健体系 exemplifies this potential. 通过实施 gen AI 驱动的呼叫中心运营，他们缩短了患者等待时间并提高了首次呼叫的解决率——在不影响数据安全的情况下提升了代理人的绩效和患者的满意度。这样的结果突显了 gen AI改进运营绩效的能力，但孤立的例子不会推动医疗保健需要的系统性变革。安永对跨行业的一项分析工作、劳动力、工人——在生成式人工智能时代被重塑，揭示了负责任地扩展通用人工智能（gen AI）到2038年可能释放超过10.3万亿美元额外全球经济价值，从而转变各个部门和产业链。8 95%的人预计未来五年只会产生适度影响，因为我们调查显示基础设施不足。这种投资不足使医疗保健组织面临进一步落后的风险——既无法满足日益增长的护理需求，也无法与那些将技术和战略无缝集成的竞争对手保持同步。生成式人工智能的变革潜力只能在整个高管层——从董事会成员到首席执行官——共享统一愿景并将其嵌入组织战略时才能实现。这种缺乏一致性在医疗保健对高影响力应用（如呼叫中心）的低优先级体现得淋漓尽致。在医疗保健高管中，只有3%的人认为呼叫中心和客户服务是生成式人工智能转型的主要领域，与其他将这些领域作为优先领域的行业形成鲜明对比。根据埃森哲的研究，将生成式人工智能引入呼叫中心可以提高员工产能高达30%。7 生成式人工智能放大赌注很明确。83%的医疗保健高管认为更高的员工效率是生成式AI的最大机遇，而77%的人预计生产力提升将直接推动收入增长，而不是仅仅减少成本。（图1和2）对于医疗保健领导者来说，现在是行动的时候了。将生成式AI规模化以满足不断增长的病人需求，支持临床人员并维持财务健康——这意味着抓住机会成为行业领
