智享 | 当AIAgent走进医院办公与日常工作
编者按
学习是最好的成长，分享是最大的赋能。
为深化学习型组织建设，搭建全院知识共享、思想交流的平台，特开设《智享》栏目。栏目不限领域，各类学习实践心得感悟皆可分享，致力打造一个人人可参与、个个有收获的学习共同体。
诚邀各位同仁踊跃投稿，以智启智、以学促干，携手推动工作提质增效。
在日常工作中，有时会面对一些重复而琐碎的工作：查找制度、起草通知、汇总数据、准备会议、分派任务、催办反馈、形成报告……
如果有一位“数字同事”，能够读懂工作要求、查找资料、调用系统、执行流程，并在关键环节主动提醒，工作会发生怎样的变化？
这位“数字同事”，就是正在快速发展的——AI Agent（人工智能智能体）。
AI Agent和普通聊天机器人有什么不同
普通生成式AI更像一个“知识问答助手”：提出问题，它给出答案。
AI Agent则更进一步。它不仅能生成文字，还可以围绕一个工作目标：
• 理解任务要求；
• 将复杂任务拆解成多个步骤；
• 查询经授权的制度、文件和数据；
• 调用OA、报表、知识库等业务工具；
• 根据规则执行任务；
• 追踪进度并反馈结果；
• 在关键节点提交工作人员审核。
可以将其理解为：AI Agent＝大模型“大脑”＋医院知识库＋业务工具＋工作流程＋权限审计。
它像一名配有制度手册、工作清单和系统账号的“数字助理”，但没有最终审批权和责任签署权。
图1 AI Agent的五大组成
AI Agent在医院工作中
能做什么？
图2 六类医院行政应用场景
场景一：公文与材料起草
输入材料类型、背景和要求后，AI Agent可以自动检索制度和政策文件，生成通知、请示、会议纪要、工作总结或汇报材料初稿，并检查机构名称、日期、指标口径和公文格式。
工作人员需要做的是核实事实、修改观点并最终定稿。
价值：减少重复写作，把时间留给政策判断和内容把关。
场景二：会议管理与任务督办
会前，智能体可以汇总议题、生成议程并提醒参会人员准备材料；会中，可以辅助完成语音转写和重点事项提取；会后，则可将会议决定转化为“责任部门—责任人—完成时限—验收标准”任务清单。
经过人工确认后，智能体还能持续跟踪进度，对即将到期或已经逾期的任务进行提醒。
价值：会议不再止于“形成纪要”，而是真正进入执行闭环。
场景三：制度查询与政策解读
面对分散在不同文件夹、系统和群消息中的规章制度，AI Agent可以建设统一的医院制度知识助手。
工作人员可以直接询问：
• “这项工作由哪个部门牵头？”
• “该流程需要哪些审批节点？”
• “新旧制度有哪些变化？”
• “这个指标的统计口径是什么？”
回答时同步展示文件名称、版本、条款位置和更新时间，避免仅凭经验或模糊记忆办事。
价值：让制度找得到、问得清、用得准。
场景四：医疗质量管理
在获得授权并完成系统对接后，AI Agent可以按照既定规则汇总质量指标，识别异常波动、缺失数据和疑似不符合要求的病例，生成待核查清单。
经专业人员确认后，系统再下发整改任务，收集科室反馈，并在整改期限结束后自动复评。
例如：闭环流程：发现异常指标→定位相关病例→提取证据→人工确认→下发整改→追踪反馈→再次评价。
价值：将传统的抽查式管理逐步转变为持续监测、证据可追溯的闭环管理。
场景五：运营分析
AI Agent可以协助管理人员分析门急诊量、住院量、床位使用率、平均住院日、CMI、DRG/DIP、医疗费用、药耗结构和单病种成本等指标。
当某项指标发生变化时，它还可以继续追问：
• 变化主要来自哪些科室或病组？
• 是患者数量、服务结构还是次均费用发生了改变？
• 哪些因素贡献最大？
• 如果调整资源配置，可能产生什么影响？
价值：让管理报表从“展示数字”走向“解释原因、支持决策”。
场景六：人力、培训与后勤协同
在非高风险场景中，AI Agent还可以辅助完成排班冲突检查、培训通知、签到记录整理、资质到期提醒、设备报修分派、物资库存预警和应急预案检索。
它特别适合处理频率高、规则相对清晰、需要跨部门协同和持续跟踪的工作。
常见的AI Agent和智能助手工具有哪些？
目前常见的AI Agent和智能助手工具各有侧重：
扣子（Coze）适合搭建和编排智能体、知识库与工作流。WorkBuddy面向研究、文档生成和跨办公工具协作。Codex聚焦代码理解、软件开发与自动化任务。Claude则可处理长文本分析、写作和基于工具的多步骤执行。
它们虽然应用重点不同，但都在从“回答问题”走向“围绕目标规划、调用工具并交付结果”。
使用AI Agent必须守住哪些边界?
1. 数据边界
患者姓名、身份证号、病历、检验结果、影像资料等医疗健康信息属于敏感个人信息。未经医院批准，不应将真实患者资料、内部文件或员工敏感信息输入公共AI工具。
涉及医院数据的应用，应采用经过安全评估的系统，并落实最小必要、分类分级、脱敏处理、访问控制、加密存储和日志审计。
2. 权限边界
AI Agent只能在授权范围内查询或调用系统。涉及正式发文、资金支付、采购决策、人员考核、处罚决定、医疗质量定性和对外信息发布等事项，必须设置人工确认节点。
3. 准确性边界
AI可能出现信息遗漏、错误引用或“看似合理但并不真实”的内容。生成的材料应明确数据来源、制度版本和证据位置，并由责任人员审核。
4. 责任边界
AI可以提供建议，但不能成为责任主体。医院必须明确每项任务由谁审核、谁批准、谁发布，以及出现错误后如何追踪和处置。
5. 可以从哪里开始？
AI Agent建设不必一开始就追求“大而全”。可以从以下任务中选择试点：
• 工作频率高；
• 流程和规则相对明确；
• 人工重复劳动较多；
• 数据来源清楚；
• 风险较低且便于人工复核；
• 实施效果可以量化。
例如，可优先尝试“制度知识问答”“会议纪要与任务督办”“固定报表生成”等场景，再逐步扩展到质量管理和运营分析。
评价效果时，不仅要看“节省了多少时间”，还应关注内容准确率、任务逾期率、异常误报率、人工修订量、使用满意度和全过程可追溯性。
结语
2026/09
AI Agent的价值，不是简单替代工作人员，更不是让机器代替管理者作决定。
它真正能够改变的，是将分散的文件、数据、系统和任务连接起来，让工作人员从重复的信息搬运、格式整理和人工催办中解放出来，把更多精力投入到专业判断、沟通协调和持续改进之中。
未来的医院管理，可能不再只是“人使用一个个信息系统”，而是形成一种新的协作模式：
新的协作模式：人提出目标、把握方向并承担责任；AI协助执行、发现问题并推动闭环。
或许这才是AI Agent走进医院工作的真正意义。
政策资料：
国家卫生健康委等部门发布的《卫生健康行业人工智能应用场景参考指引》将医院管理纳入卫生健康人工智能应用场景；2025年发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》进一步提出加强医疗质量、医疗费用、单病种成本、装备耗材、物流后勤等智能管理。
医疗健康信息属于敏感个人信息，相关应用还应遵守个人信息保护、健康医疗大数据和网络数据安全管理要求。
