3个月留存暴跌至2%：这家AI医疗公司踩了什么坑

当一家临床营养平台的长期用户留存率从40%断崖式跌至2%，创始人主动把自家数据晒出来时，整个数字医疗行业的自动化叙事开始摇晃。

一个创始人自曝的"失败实验"

这个数字来自Avena Health，一家做临床营养管理的数字健康公司。CTO兼联合创始人Ruben Sandoval Davila亲手搭建了全自动化系统，又亲手拆了它。

根据公司内部数据，平台原本能让40%的患者坚持使用11个月以上。切换到AI全自动模式后，三个月活跃用户数只剩2%。Sandoval没有找第三方审计，但他在公开场合主动讲述这个"自己的错误"，反而让数据显得更难回避。

关键细节在于：AI的临床功能运转正常，患者却跑了。

这不是外部观察者的批评文章，是当事人亲自跑完的实验。全自动系统没有出错，但用户 engagement（用户参与度）崩了。Sandoval的复盘很直接——效率和人机参与不是简单的反比关系，把医生彻底踢出流程，成本省了，留存没了。

瓶颈到底卡在哪

Sandoval对医疗可扩展性的判断和主流叙事不同。

「医疗无法规模化，不是因为需求不够，而是因为提供者被时间卡住了，」他说。真正限制医生接诊量的不是技术能力或意愿，而是每次患者互动周围的行政负担。

这个诊断本身并不反自动化。问题在于怎么自动。Sandoval认为多数公司搞错了一点：以为效率提升必然以削减人工为代价。他的数据指向相反结论——最高效的版本恰恰是保留人类专家在特定临床触点的参与，同时自动化其他所有环节。

「全自动AI系统往往在留存上挣扎，」他说。优势来自「患者层面的超个性化结合专家监督」。

这里的关键区分是：不是人类比AI更会看病，而是患者的行为模式在有真人参与时会改变。40%的留存率衡量的是行为，不是临床质量。而行为决定了治疗能不能持续。

为什么"没人"比"有人"贵

数字医疗的融资故事一直很统一：AI替代医生、成本下降、覆盖扩大、结果改善、多方共赢。这个故事吸金能力极强，风投往"去人化"方向砸了数十亿美元。

Avena Health的2%像一盆冷水。它来自体系内部，来自一个愿意承认失败的创始人，来自一个控制变量的真实实验。全自动版本的临床输出没问题，但患者不再回来。

Sandoval的重建思路是精准定位人机边界：AI处理行政负荷和规模化交付，人类锚定关键信任节点。不是混合模式的模糊妥协，而是基于行为数据的刚性拆分。

这个案例的讽刺之处在于：追求极致无人化，反而让单位有效治疗的成本飙升——因为患者流失后，获客成本要重新摊销。2%的留存意味着每50个注册用户只剩1个在三个月后继续，这个漏斗的经济模型比40%留存的人机混合版本糟糕得多。

行业叙事需要打补丁了

Sandoval的实验没有否定AI在医疗中的价值，它否定的是"去人化=效率"的默认等式。当资本还在追逐完全自动化的临床产品时，Avena Health的数据提供了一个具体的反例：同一家公司、同一批用户、同样的临床目标，人机协作版本的留存是全自动化版本的20倍。

对于正在评估数字医疗项目的从业者，这个数字值得放进决策框架。不是作为反对自动化的论据，而是作为校准人机边界的基准线——当患者行为成为治疗成功的关键变量时，"谁在流程里"和"流程多高效"同样值得量化。