AI医疗拐点！麦肯锡重磅报告：调研150位高管，Agent全面爆发，行业竞争逻辑已定！

自2023年起，全球知名咨询公司麦肯锡持续对美国医疗健康领域领导者进行调研，追踪生成式AI的应用进展。

近日，麦肯锡发布了关于“生成式人工智能在医疗领域的应用”的报告。

报告调研覆盖150家医疗保健机构的领导者，具体包括50家医疗支付方、50家临床医疗机构和50家医疗健康服务与科技企业，覆盖医疗各细分领域，样本具有代表性。

受访者中，38%为C级高管，24%来自年收入超100亿美元的组织，确保了调研结果的专业性和权威性

整个报告都指向一个结论：AI医疗的发展已然迈入新阶段，对整个行业的变革影响愈发深远。

高管调研显示，生成式AI在医疗步入成熟。

行业50%高管所在机构已实现落地，超80%机构面向一线使用者上线首批功能。

与此同时，医疗行业管理者面临的难题也在发生变化。

原本大家担心的 AI 信任、数据安全和管理规范问题，现在还要兼顾实际业务融合落地的难题。

在此背景下，行业对AI Agent的关注度快速提升，仅1%的机构没有入局打算，也标志着应用正式迈入成熟新阶段：

医疗机构不再只用生成式 AI写病历、做简单辅助工作，而是借助 AI 智能代理自主处理事务，统筹完成更复杂的全流程业务。

整个行业，竞争逻辑也随之变化。

从概念走向落地，最具潜力领域是管理

麦肯锡2025年第四季度调研首次发现，医疗行业生成式 AI 落地占比已达五成。2024 年同期这一比例为 47%，2023年同期仅 25%。

这一数据意味着，生成式 AI 正从试验试水，走向规模化落地。另一个明显变化是，所有受访机构都已有布局计划，行业对这项技术的观望和顾虑大幅减少。

医疗AI Agent 虽然刚起步，却已受到行业广泛关注。目前它的落地进度远不及生成式 AI，仅有 19% 的机构实现规模化应用。

不过有51%的机构正在开展试点验证，仅1%的机构完全没有布局打算。

不同医疗细分领域的落地进度差异明显：

医疗服务与科技企业走在最前列，医保支付类企业落地率则不足五成。多智能体系统的行业格局也与之类似，且整体成熟度普遍落后于生成式 AI。

图： 各子行业采用生成式AI和多智能体工作流的比例

受访从业者普遍认为，管理效率是生成式 AI 和多智能体工作流程最有发展潜力的应用方向，认可度高达87%。

其次依次是软件基建（64%）、患者服务（63%）、临床工作效率（58%）、护理质量（48%）、战略与增长（33%），研究与教育（30%）。

但在多智能体工作流程中，由于技术还不够成熟，认可度稍稍低过生成式AI。

图：最具潜力的领域

不过，尽管大家最看好 AI 在管理效率上的潜力，但从实际落地情况来看，医疗机构的应用重心，已经慢慢从行政事务转向临床业务。

有54%的护理机构，已经把生成式AI用到临床诊疗提效上，也是目前落地最广的场景。

而那些被普遍看好的方向，比如软件基建、患者服务互动等，实际落地反而偏少，也成了行业接下来重点发力的空间。

图：不同实施领域和子行业的生成式AI采用情况

多智能体落地，各医疗细分行业各有侧重

多智能体的落地情况，在不同医疗细分领域差异明显。

护理机构更倾向用单一功能专项方案；医保支付方主打全流程端到端自动化；医疗服务与科技企业，则更看重跨行业、跨场景的应用。

这种差异，本质是各机构业务重点和运营模式不同。

49%护理机构希望优先适配临床专业流程，41%的支付方希望靠全流程自动化提效标准化业务，46%的医疗科技企业则侧重可复用、可对外推广的跨领域方案。

行业研究也表明，聚焦单一领域、打通端到端全流程是关键。

做得好的企业，都会围绕具体业务做全流程 AI 落地，相比零散功能应用、盲目跨领域布局，这种方式能释放更大价值。

图：在多智能体工作流方面的采用情况

运营模式与合作生态方面，和第三方厂商合作开发AI方案，仍是各类医疗机构的主流选择。

细分来看，医疗服务与科技企业自研意愿最强，有36%倾向自主开发；而护理机构仅19%、支付机构只有12%愿意自研。

这也体现出前者 AI 落地成熟度更高，更愿意打造差异化服务。

图：AI医疗产品采购策略

反观护理机构与支付机构，分别有36%、39%更倾向直接采用成熟现成方案，主要是为了快速落地应用，同时弥补自身内部研发能力的不足。

近一年来，机构采购现成生成式AI方案的比例明显上升。

最新调研显示，已有 AI 试点布局的机构中，33%选择外购采购；而2024 年四季度这一比例仅为19%。

回报率为2—4倍

关于生成式AI的投资回报，麦肯锡的调研显示，大多数医疗行业管理者，都期望自家机构使用生成式AI能带来正向回报。

最新调研更是显示，82%的管理者预期能获得正回报，这一比例是历次调研中最高的；同时，能明确量化正回报的管理者，也达到了历次最高的45%。

那些能量化回报的受访者表示，生成式AI的投资回报率，大多在初始投资的2倍到4倍之间。

图：已实施生成式AI的机构的预期ROI

与历年调研结论一致，医疗行业高管在推进生成式 AI 落地时，高度重视风险与安全，43%的受访者将其视为推行阻碍。

在各类风险中，数据偏差与结果不准、安全隐患、监管合规，是行业最关心的三大问题。

运营层面的难题同样突出：系统难以对接融合、自身技术能力欠缺，分别位列落地阻碍的第一位和第三位。

图：部署AI医疗产品的阻碍

这也侧面体现出医疗行业 AI 应用正在走向成熟：

行业已跨过规划和试点验证阶段，主要矛盾不再是顾虑风险，而是如何把生成式 AI 接入原有老旧复杂的医疗系统。

流程调度与业务流程重构，已然成为最大瓶颈。

结论

综合来看，AI医疗正在进入全新的阶段。

这个阶段，不再追求技术的新颖性，而是更注重结合行业实际、落地实用价值。

随着各机构持续大规模落地生成式AI，未来的竞争优势将越来越取决于三点：

1、能否把AI融入核心业务流程

2、有效衡量并兑现AI的价值

2、在AI应用范围扩大、自主性提升时，如何管控好风险

因此，行业对智能代理AI的关注度不断提升，也恰恰体现了这一转变。

从零散的单一AI应用，转向系统化的统筹部署，这也对AI的设计、管理和落地执行，提出了更高要求。

对医疗行业管理者而言，面临的挑战不只是更快地采用AI，更重要的是搭建起支撑AI持续运营、不断扩展的组织能力。

那些能做到这一点的机构，将更有能力把技术进步，转化为长期的运营提升和临床价值。

—The End—