生成式AI在医疗领域：随着AI智能体的应用日益成熟

医疗保健领域的生成式人工智能：随着自主型人工智能的出现，其应用日趋成熟 在我们调查的美国组织中，如今已有半数开始实施生成式人工智能，焦点正转向集成、投资回报率以及自主智能，以在医疗保健领域实现价值。 由杰西卡·兰姆与阿明·达哈布、约翰·琼斯合著 过去两年间，医疗保健领域的领导者们已从质疑生成式AI是否以及如何相关，转变为关注如何负责任且大规模地应用它。我们最新的针对美国医疗保健领域领导者的调查揭示了生成式AI成熟的几个信号：一半的领导者表示其组织已实施生成式AI，超过80%的领导者已将其首批用例部署给最终用户，尽管AI安全风险仍是首要考虑，但实施障碍如今同样紧迫（参见侧栏“研究方法”）。 研究方法 为更好地理解医疗保健组织对实施生成式人工智能（gen AI）的思考方式，麦肯锡启动了一项研究工作，旨在从支付方、临床护理组织以及医疗健康服务与技术（HST）公司的领导者那里收集见解。我们对美国医疗保健利益相关者就多个议题进行了调查，包括他们使用生成式人工智能解决方案和多智能体工作流程的计划、他们预计如何采用这些工具、他们的投资回报（ROI）衡量方式、他们对将从生成式人工智能中获益最多的领域的预期，以及该技术规模化应用所面临的障碍。 值得注意的是，一半受访者表示，其组织部署首批用例已超过六个月。这种节奏反映了组织能力和运营准备度的信心增强，表明医疗保健组织不再将生成式人工智能视为实验性技术，而是越来越多地将其视为核心竞争力。 这些调查并非旨在提供对所有医疗保健利益相关者的全面或详尽的观点，也并非旨在预测他们的未来行动。相反，这些调查旨在提供对生成式人工智能潜在价值的早期洞察。 与此同时，医疗保健领导者所面临的挑战也在不断演变。长期存在的信任、安全和治理方面的担忧，如今与整合的实际运营现实并存。在此背景下，对能动式人工智能的兴趣日益浓厚它指向了成熟过程的下一阶段——在这个阶段，组织将从使用生成式人工智能来创建内容和支持个人任务，转变为使用具身式人工智能来采取行动并端到端地协调更复杂的过程。 本文是我们调查研究系列的第三篇成果，继“医疗保健领域的生成式人工智能：当前趋势与未来展望”和“医疗保健领域的生成式人工智能：采用趋势与未来展望.” 本文基于最新的调查报告——麦肯锡2025年第四季度美国生成式人工智能医疗保健调查。该调查在线进行，于2025年9月17日至10月17日进行实地调研，涵盖了来自50家支付方、50家临床护理组织和50家HST公司的领导者。受访者中，38%为C级高管，24%来自年收入超过100亿美元的机构。 网络<2026>医疗保健Q4第1项（共7项） 根据我们的调查，生成式人工智能在医疗保健领域的应用正日趋成熟，而多智能体工作流正日益普及。 从概念验证到部署 我们2025年第四季度的调查标志着首次有50%的受访者报告其所在组织已实施生成式人工智能（genAI）。在2024年第四季度和2023年第四季度的调查中，分别有47%和25%的受访者表示其组织已实施生成式人工智能。这一里程碑意味着从概念验证到生成式人工智能部署的持续进展。另一个显示这一增长动力的迹象是，首次所有受访者都说他们至少有一些计划来追求生成式人工智能，这表明组织对使用该技术的犹豫有所减少。 美国医疗保健领导者采用生成式人工智能和多智能体工作流程，按子部门划分，受访者百分比 自主AI尽管问世不久，它也正引起广泛关注。与作为新兴AI能力的地位一致，具身AI在实施方面落后于生成式AI，有19%的受访者表示其组织已达到该成熟度水平。然而，另外51%的受访者表示其组织正在推进具身AI概念验证，只有1%的人表示其组织无意追求AI代理。 麦肯锡公司 各子行业的采用率有所不同。根据我们的调查，医疗保健服务和技术（HST）公司处于实施领先地位，而支付方报告的实施率低于50%。对于多代理系统，实施方面的子行业领导模式相同，与通用人工智能相比，所有子行业在成熟度方面普遍存在滞后。 网络<2026>医疗保健Q4第<2>项<7> 调查中，医疗保健领导者最常将行政效率视为生成式人工智能和多智能体工作流程最具潜力的领域。 最具潜力的领域 调查受访者最常将行政效率视为同时具有最大潜力的领域，适用于生成式人工智能和多智能体工作流程。对于生成式人工智能的潜力而言，软件和基础设施、患者或成员参与以及临床生产力也位居前列（均超过50%的响应率），但这三个方面对于多智能体工作流程而言，均未达到这一水平。 麦肯锡公司 利用生成式人工智能提升临床生产力可促进其应用，超过半数的受访医疗机构负责人报告已实施。 人工智能（AI）在何处被实施 尽管行政效率是最常被提及的潜力领域，但行业层面的实施情况表明，临床护理组织已不再将生成式AI主要用于行政任务。来自护理组织的54%受访者报告称，其组织已将生成式AI应用于临床生产力，使其成为各子行业中最广泛采用的领域。相比之下，一些感知潜力较高的领域——特别是软件和基础设施以及患者或会员参与——似乎实施范围较窄，这表明了组织下一步可以关注的差距。 麦肯锡公司 网络<2026>医疗保健Q4第<4>项（共<7>项） 根据我们的调查，多智能体实施方式因医疗保健细分领域而异，这反映了优先事项和运营模式上的差异。 多智能体系统正被如何使用 多代理实施方式也因子行业而异。来自护理组织的受访者更常报告使用特定功能的解决方案，而支付方则称其组织的目标是端到端工作流自动化，HST领导者则关注跨领域用例。这些模式可能反映了各子行业在优先事项和运营模式上的潜在差异。根据我们的经验，护理组织可能倾向于采用适合专业临床工作流的特定功能解决方案，而支付方可能追求端到端自动化以提高标准化流程的效率。HST公司可能专注于可跨不同客户重复使用和扩展的跨领域用例。 美国医疗保健领导者采用多代理工作模式，按实施模式和子部门划分，受访者百分比（n=98） 聚焦于一个领域（也就是说，端到端的工作流程）至关重要。麦肯锡跨行业的研究发现，在生成式和代理式人工智能领域表现优异者追求基于领域的端到端工作流采用人工智能代理的独特属性，实现超越跨领域或功能特定用例的更大价值。 网络<2026>医疗保健Q4第5项（共7项） 接受调查的医疗保健领导者们指出，整合挑战和风险担忧是扩大生成式人工智能规模的主要障碍。 扩展障碍 如所观察到的那样先前调查在扩展通用人工智能（Gen AI）解决方案时，医疗保健领导者认真对待风险和安全问题，43%的受访者表示这阻碍了其实施。在具体风险中，受访者最常提及的不准确或偏见、安全风险以及监管合规性是他们的前三大担忧。许多领导者还指出了伦理和隐私问题。 运营障碍如今也备受关注，集成挑战和内部能力不足分别位列扩展生成式AI的首要和第三大障碍。这可能反映了组织在AI应用方面日益成熟：随着组织超越规划和概念验证阶段，主要挑战已从风险担忧转变为将生成式AI嵌入复杂的、遗留的卫生保健系统，其中协调和工作流程重塑成为主要制约因素。 麦肯锡公司 网络<2026>医疗保健Q4第6项，共7项 大多数已实施生成式人工智能的受访医疗保健领导者预计投资回报率为正，其中许多人报告了可量化的回报。 投资回报预期 尽管许多行业对其生成式AI投资回报率表示担忧，但我们的调查始终显示，大多数医疗保健领导者预计其组织在生成式AI应用方面将获得正向的投资回报率。事实上，最新的调查显示，不仅期望获得正向回报的领导者比例达到最高（82%），而且量化该正向回报的领导者比例（45%）也是自调查开始以来的最高值。报告了量化回报的受访者表示，投资回报率水平主要介于初始投资的不到两倍到四倍之间。 已实施生成式AI的美国医疗保健领导者预期投资回报率，%（受访者数量n=73） 麦肯锡公司 网络<2026>医疗保健Q4第<7>项，共<7>项 根据我们的调查，医疗保健组织最常进行合作以开发生成式人工智能，尽管医疗服务和技术公司也经常自行构建解决方案。 运营模式与合作伙伴关系 虽然与第三方供应商合作开发生成式人工智能（Gen AI）解决方案仍然是医疗保健机构总体和各细分领域的普遍策略，但根据我们的调查，与来自护理组织（19%）和支付方组织（12%）的领导者相比，HST领导者（36%）中有更大比例的人报告愿意构建内部解决方案。这或许反映了HST公司在实施成熟度方面的更高水平，或是在探索独特服务方面更大的意愿。另一方面，来自护理组织的领导者（36%）和支付方组织的领导者（39%）报告称，他们的组织正在考虑现成解决方案。这或许表明他们希望快速整合人工智能工具，或内部构建所需能力的机会更为有限。 过去一年中，购买生成式人工智能解决方案的比例有所上升。在2025年第四季度的调查中，表示其组织至少正在推进生成式人工智能概念验证的受访者中，有33%报告了购买策略，而这一比例在...为19%。2024年第四季度调查. 对于医疗保健领域的领导者而言，未来的挑战并非仅仅是更快地采用人工智能，而是要构建起能够支撑并扩展人工智能发展的组织能力。 综合来看，我们最新的调查结果显示，医疗保健领域的人工智能应用可能正进入一个更具影响力和关键性的阶段——这个阶段的特点不再在于新颖性，而在于其专业性。随着各组织持续大规模地实施生成式人工智能，竞争优势将越来越取决于它们将人工智能整合到核心工作流程、衡量和捕捉价值以及管理应用范围和自主性扩大的残余风险的能力。对自主型人工智能日益增长的关注凸显了这一转变：从孤立的应用转向协调一致的系统，将提高设计、治理和执行方面的要求。 对于医疗保健领域的领导者而言，未来的挑战并非仅仅是更快地采用人工智能，而是要构建起能够支撑并扩展其应用的组织能力。那些成功做到这一点的人，将更有能力将技术进步转化为持久的运营和临床影响。 杰西卡·兰姆麦肯锡纽约办公室的合伙人阿明·达哈布（Amine Dahab），波士顿办公室的顾问阿明·达哈布（Amine Dahab），以及华盛顿特区办公室的顾问约翰·琼斯（John Jones）。 由麦肯锡全球出版部设计这篇文章由奎瑞达·安德森编辑。版权所有 © 2023 麦肯锡公司。保留所有权利。1纽约分部的高级编辑。