智能体协同作业 AI重塑医院数字后台
完成3.5万张业务表的数据治理，传统方式预计需要约1152人的一个月工作量；如今借助智能体，这一工作量被压缩至约12人的一个月工作量，人力投入减少95%以上，整体处理效率提升30倍以上。
这组数据来自吉林大学第一医院，也是人工智能从“辅助工具”走向“数字员工”的一个缩影。
“AI真正的价值，不只是模型能回答什么，而是能不能进入实际业务流程。”吉林大学第一医院信息中心主任赵振威近日接受中新网记者采访时说。
赵振威介绍医院Medsuper Harness多智能体协同工作平台建设情况。郭佳 摄
今年7月底，该院信息中心团队自主研发的Medsuper Harness多智能体协同工作平台在医院内网部署上线。与传统聊天式AI不同，该平台可让AI承接完整业务工作：理解需求、调用工具、执行任务，由不同角色智能体协同推进。
在数据治理中，智能体可以自主完成需求理解、表字段识别、数据抽取、清洗转换和质量校验。除重复性数据需求处理效率提升90%以上外，整体业务处理效率提升30倍以上。
AI进入的也不只是医院的数据后台。在软件研发领域，该平台设置产品经理、架构设计、开发、测试、运维等不同角色智能体，覆盖需求分析、原型设计、代码开发、测试验证、部署交付全流程。数据显示，常规应用开发周期平均缩短50%以上，需求分析和原型设计效率提升3倍以上，重复性编码、接口开发及测试效率提升80%以上；部分轻量化应用开发周期由数周缩短至数天。
对医院而言，这意味着一些过去需要反复沟通、排队开发的临床和管理需求，可以更快转化为实际应用。
赵振威认为，医院是一个高度复杂的数字化组织，医生、护士、药师、工程师和管理人员使用着不同的信息系统，大量工作依赖数据和系统协同。单一聊天机器人很难承担这些复杂任务，而多智能体可以将一项工作拆解成多个环节，再由不同AI角色协同完成。
临床场景也在进行探索。吉林大学第一医院已尝试将智能体用于患者分组、麻醉评估和术中提醒。智能体可以结合患者病史、检验检查及监护数据，根据设定规则提示风险，但最终判断仍由医护人员完成。
与效率同样受到关注的，是医疗AI的安全边界。该平台部署在医院内网，相关模型、知识库和业务接口在院内运行，并通过身份认证、权限控制、数据脱敏和操作审计等方式管理数据。
在赵振威看来，从信息化、数字化到智能化，医院与AI的关系正在发生变化。过去，人需要学习如何操作系统；而随着人工智能从“会回答问题”走向“能够把事情做完”，医院的数字化建设正进入一个新的阶段。(郭佳)
上一篇：AI新经济如何抵达每个人？2026外滩大会发布“AI科技人文十问”
下一篇：没有了