醫療業 45% 的錢花在行政，AI 有機會讓費用真正下降

本文整理自《a16z Podcast》2026 年 6 月播出的單集，由 SCAN Health Plan 執行長 Sachin Jain 對談 a16z 合夥人 Anish Acharya。

「讓這項技術惠及整個社會的方式，就是把重要的東西變便宜。而最重要的東西是醫療。」a16z 合夥人 Anish Acharya 在一場醫療企業高管會議的結尾，留下了這句話。這不只是收場的金句，而是貫穿整場對談的核心主張：如果 AI 能解決醫療產業最大的結構性問題，也就是高得離譜的行政成本，那它帶來的不只是效率提升，而是真正的費用下降。

美國醫療產業有一個被反覆引用卻始終沒有被解決的數字：大約 45% 的醫療支出花在行政，而非直接的病人照護。帳單處理、保險核銷、排程協調、合規文件，這些工作吃掉了將近一半的產業資源。Acharya 認為，這正是 AI 最大的機會所在。不是讓行政工作變快一點，而是讓這筆開支大幅縮減，讓醫療費用不只「漲得慢一點」（降低通膨），而是「真的降下來」（通縮）。

12.7 萬新會員、600 個新員工，然後呢？

SCAN Health Plan 是一家 1977 年成立的非營利醫療計畫，總部不在矽谷，沒有創投資金，靠的是自己賺的每一分錢。過去一年，SCAN 的會員數成長到 45 萬人，其中 12.7 萬人是新增的。為了服務這些新會員，公司增聘了大約 600 名正職員工，加上一批臨時人力和外包。SCAN 執行長 Sachin Jain 在會議上向全場提出了一個挑戰：如果下一個年度再增加 12.7 萬甚至 15 萬名會員，能不能在零增人的情況下做到？

這個問題聽起來激進，但 Jain 認為這正是 AI 必須回答的考題。SCAN 不像科技新創可以燒投資人的錢試錯，也不能一輪一輪地募資。每一分投入都必須從營運中賺回來，所以 AI 的價值不能停留在「也許三年後會有回報」的模糊承諾，而必須在可見的時間內展現具體的投資報酬。他坦承自己最擔心的是「用美元和美分思考」的慣性，讓組織不敢有野心。但他也同樣擔心被那些預算更充裕的競爭對手甩在後面。

Acharya 的回應是：不要把目標放在「省下薪資成本的幾個百分點」。那是把一把威力強大的武器對準了低價值目標。應該做的是先想像最理想的會員體驗，然後倒推怎麼用 AI 實現它。45% 的行政成本就是最大的下手空間。如果 AI 能把帳單核銷、排程電話、文件處理的工作吃掉一大半，省下來的資源就能重新投入到直接照護。不是省錢，而是把錢花在對的地方。

AI 護理師的意外發現：明知是機器，病人還是會聊起來

Acharya 提到了 a16z 投資的 Hippocratic AI，一家專做醫療場景語音 AI 的公司。他們的產品之一是 AI 護理師，會打電話給老年病人提醒他們吃藥、告知手術前的準備事項。按照設計，這就是一個功能性的提醒電話。但實際部署後出現了一個沒有人預料到的現象。

許多病人在收到提醒之後，並沒有掛斷電話，而是繼續跟 AI 聊了起來。他們清楚知道對方是 AI，但因為模型「無限耐心、無限感興趣」，病人開始分享自己的狀況、聊日常瑣事，甚至產生了某種情感連結。Acharya 把這歸因於人類的本能：當我們聽到的聲音具備人類的形狀，大腦就會自動啟動連結的渴望，即使理性告訴我們對方不是人類。這不是設計出來的功能，而是在部署過程中自然浮現的行為模式。

這個現象對醫療場景格外有意義。老年人是最容易陷入社交孤立的群體，而真人護理師的時間永遠不夠用。如果一通原本只要兩分鐘的提醒電話，能順帶提供五分鐘的陪伴和傾聽，那 AI 做到的就不只是效率提升，而是一種過去因為人力限制根本無法規模化的照護品質。Acharya 認為，這正是 AI 被稱為「最人性化的技術」的原因：過去四十年的技術都在延伸人類的智力（試算表、資料庫、搜尋引擎），但 AI 是第一項能在情感層面與人類互動的技術。

語音是醫療 AI 最重要的通道

被問到哪個互動通道對醫療 AI 最關鍵，Acharya 的回答毫不猶豫：語音。他認為語音不只是醫療 AI 的首要通道，也是整個企業 AI 領域最重要的發展方向。他透露了一個引人注意的數據：醫療產業是 OpenAI 最大的 token 購買者。這意味著醫療機構已經在大規模使用 AI 模型，而 SCAN 如果不在這個趨勢上搶先佈局，競爭對手隨時可能拉開差距。

在衡量指標上，Acharya 建議不要只看 CSAT（客戶滿意度分數）這類量化數據。更重要的是直接去聽 AI 與病人的實際對話錄音。當數據跟你的直覺經驗出現落差時，先相信經驗，再回頭跟數據對帳。他自己聽過一些 AI 護理對話的錄音，發現即使病人知道對方是 AI，對話品質也出乎意料地好。那種耐心和專注是多數真人客服在高壓環境下很難持續維持的。

Jain 也點出一個不容忽視的現實：SCAN 的競爭對手此刻很可能正在開類似的會議、討論類似的議題。差異化的關鍵不在於誰先聽說了語音 AI 這個概念，而在於誰有勇氣先做。Acharya 的建議是讓 AI 探索在組織裡變成一種高地位的行為：每週辦一場短會，讓最好奇的員工展示他們用 AI 做了什麼、學到什麼，這比任何策略文件都更能推動文化改變。同時也要建立一個 token 消費排行榜，讓使用量變成可見的、值得驕傲的指標，而不是需要解釋的開銷。

監管不是障礙，是護城河

在醫療這樣的高度監管產業中，AI 部署有一條不能跨越的底線：AI 不能為決策負法律責任，人類必須承擔。這聽起來像是限制，但 Acharya 把它重新框架成了一個競爭優勢。正因為監管風險高、出錯代價大，大型模型公司通常不願意直接進入受監管行業。OpenAI 和 Anthropic 提供基礎模型，但不想碰那些一旦出差錯就可能面臨訴訟的應用場景。

這對 SCAN 來說反而是好消息。如果你能在合規框架內有策略地建構 AI 應用，你就擁有了一道外人難以複製的護城河。模型公司不想進來，新創公司缺乏醫療產業的監管知識，而你已經在裡面了。法規遵循反而成了讓競爭者難以跟進的壁壘。關鍵在於清楚定義那些絕對不能觸碰的紅線，然後在紅線之內盡可能大膽地推進。

Acharya 也坦承，這意味著組織將不得不承受比過去更多的監管風險，而且不會每一步都覺得舒適。但他的邏輯始終一致：不冒險嘗試 AI 的風險，比冒險後出一些錯的風險大得多。醫療產業的結構性問題不會自己消失。45% 的行政成本、人力永遠不夠、老年照護品質參差，這些問題存在了幾十年。敢把 AI 對準這些問題的組織，會是最終受益的一方。

通縮，不只是降低通膨

整場對談最後回到了 Acharya 開場時的主張。他特別區分了兩個經濟學概念：「降低通膨」（disinflation）是指費用還在漲，只是漲得慢一點；「通縮」（deflation）是費用真正下降。過去四十年，每一次重大技術週期都把原本的奢侈品變成了平價商品。心理治療四五十年前只有富人負擔得起，現在 Z 世代可以用手機跟治療師傳訊息。

如果 AI 能大幅壓縮醫療產業那 45% 的行政支出，醫療費用就有可能出現真正的通縮，而不只是漲幅趨緩。Acharya 稱這是他對社會「最大的白色藥丸」，意思是他最樂觀的信念。讓重要的東西變便宜，從醫療開始。這聽起來像願景，但它有具體路徑：語音 AI 處理行政電話、AI 護理師規模化照護品質、合規自動化降低文件處理成本。每一項都在技術上可行，差的只是敢不敢做。