2026 年 9 月 · 6 分钟阅读
临床文档 agent 的 ROI
是覆盖率故事，不是模型故事
关键定义
就诊覆盖率（encounter coverage） AI 文档工具实际运行的就诊占全部就诊的比例。这是临床文档 agent ROI 的第一预测变量：一项 2025 随机试验里 DAX 只在 33.5% 的就诊中使用，文档时间降幅 1.7% 且统计上不显著；覆盖率上去了，收益才会跟着上去。
睡衣时间（pajama time） 医生下班后在家补文书的时间。Microsoft 的 Northwestern Medicine 案例用「pajama time 下降 17%」作为核心指标——after-hours charting 减少是临床文档工具最该被考核的产出，因为它直接对应倦怠与生活质量。
环境式 AI 抄录员（ambient AI scribe） 安静旁听医患对话并自动生成结构化病历的工具类别，代表是 Microsoft 的 DAX Copilot（2025 年 3 月并入 Dragon Copilot）。它的价值不是「能写病历」，而是把医生的手从键盘上解放出来，让注意力回到患者身上。
同一个 AI 文档工具品类，一类研究说它每周省 2.5 小时、把倦怠率拉下 30%，另一类随机试验说文档时间只降了 1.7% 且统计上不显著。两个都对——差在覆盖率。我们的判断：临床文档 agent 的回报由「就诊覆盖率 × 审批边界」决定，不是由模型质量决定；医疗系统的买方应该看三个可验证指标，而不是厂商演示里「省了几分钟」。来源：Providence 研究公告与Commure 对 2025 随机试验的综述（竞争厂商转引，见正文边界）。
一、两个数字：51.7% 对 1.7%
Providence 系统在 Future Healthcare Journal（2025 年 7 月）发表的随机对照研究：随机分到 DAX Copilot 组的医生，每周文档负担平均减少 2.5 小时，倦怠下降 30.3%，对文档的挫败感下降 49.5%，自报花在文档上的时间下降 51.7%——所有医生自报指标均显著改善。
另一侧是 2025 年的一项随机试验（经竞争厂商 Commure 的综述转引）：DAX 组文档时间只比对照组少 1.7%，统计上不显著（P=0.66）；关键细节是——该试验中 DAX 只被用在 33.5% 的就诊里。也就是说：工具几乎只在三分之一的患者接触点实际运行。覆盖率卡住了收益。
二、厂商口径里最有用的数字
Microsoft 官方一年的 DAX Copilot 数据（2024 年 9 月发布）里，最有信息量的不是「节省的时间」，而是采用与场景指标：Overlake 的 30 人试点中，81% 的医生报告认知负担下降、77% 报告文档质量提升；Northwestern Medicine 的医生在至少 50% 的就诊中使用该工具，平均每月多看 11.3 名患者，花在笔记上的时间减少 24%，「pajama time」（下班后补文书）下降 17%。
把这些读在一起：Northwestern 是「覆盖率超过 50% + 收益显著」的组合，Overlake 是「小范围试点 + 质量与负担信号」。厂商公布的是采用度最好的案例——它们是方向证据，不是行业基准。
三、覆盖率为什么是核心变量
临床文档的收益公式是基数乘效率：工具只在三分之一就诊里跑，单次省时再显著，总量也上不去。但覆盖率不是「用得多」这么简单，它是信任的结果：医生只有在相信草稿、相信不改也安全的时候，才会让工具接管更多场景。33.5% 的就诊覆盖率说明医生把工具当「偶尔能用」，50%+ 说明工具进入了工作流。
还有一个常被忽略的边界：签字责任。病历要医生签字，这个「审批边界」决定了收益的上限——草稿覆盖得再多，签字环节的摩擦不变，收益就封顶。覆盖率 × 审批边界，才是文档 agent 真实 ROI 的形状。
四、我们的判断：ROI 是覆盖率与信任的故事
临床文档是「部署 ≠ 采用 ≠ 收益」的最极端案例：这里没有消费者互联网的容错，医生把病历签下去之前，工具的价值都是纸面的。我们的立场：模型质量在这个品类的方差里已经不重要了——能进入 Epic 生态的抄录员，转录与生成的差距远小于「覆盖三分之一还是三分之二就诊」的差距。
对买方（医疗系统 CIO、数字健康负责人），这意味着采购决策的重心从「哪个厂商的演示更省时」移到「这个部署能把覆盖率做到多少、能把审批边界放宽到哪一步」。这也是证据纪律的通用形态：自报的 51.7% 和测量的 1.7% 都是真的，它们测量的是不同的人群与不同的采用深度。
五、可复制的采购门：三个指标
1. 就诊覆盖率
工具实际运行的就诊比例。低于 40% 是信号：要么是集成摩擦，要么是信任不足——两者都要在铺开前解决，而不是铺开后祈祷。
2. after-hours charting 减少
下班后补文书的时间变化（pajama time）。这是直接对应倦怠与医生留任的硬指标，比「节省总分钟数」有意义得多。
3. 经过验证的认知负荷评分
用标准量表测认知任务负荷，而不是让医生「感觉更轻松」。Providence 与 JAMA 的研究都测了它——供应商的演示一般不给。
落地方式：先在一个科室跑 60–90 天，只考核这三个指标；覆盖率上不去就修集成与信任，指标达标再谈全院铺开。JAMA Network Open 2025 的前后对照（同类工具把下班后文书时间削 54 分钟、认知负荷降 2.64 分）说明方向是对的——但要拿到的是你们自己的覆盖率，不是别人的演示。
六、行动与留给买方的问题
行动：把「就诊覆盖率、after-hours charting、验证过的认知负荷」写进 RFI 与验收标准；要求厂商提供随机对照研究摘要，而不是时长演示；先小范围测覆盖率再铺开。留给买方的问题：你们上一次临床 AI 采购，是基于演示里的「节省 X 分钟」，还是基于可验证的覆盖率与负担数据？如果是前者，你们买的不是 ROI，是演示。
OOMeta AI
OOMeta 的立场：临床文档 agent 的 ROI 由覆盖率与信任决定，不由模型质量决定——自报与测量之间的落差不是谁撒谎，是采用深度不同。我们对任何 AI 采购都要求可验证的覆盖率与结果指标，而不是演示数字；这也是「部署 ≠ 采用」这条纪律在医疗垂直的具体形态。
预约诊断会参考来源: Providence, AI clinical assistant reduces provider burnout（Future Healthcare Journal 随机对照，2025-07-24 公告）blog.providence.org/national-news/providence-study-finds-ai-clinical-assistant-reduces-provider-burnout ｜ Commure, DAX AI Scribe 综述（竞争厂商对 2025 随机试验与 JAMA Network Open 2025 前后对照的转引，带利益相关说明）www.commure.com/blog-scribe/dax-ai-scribe ｜ Microsoft, A year of DAX Copilot（2024-09-26，Overlake/Northwestern 案例，厂商口径）blogs.microsoft.com/blog/2024/09/26/a-year-of-dax-copilot-healthcare-innovation-that-refocuses-on-the-clinician-patient-connection ｜ Microsoft Cloud Blog, Dragon Copilot at HIMSS 2026（2026-03-05）www.microsoft.com/en-us/microsoft-cloud/blog/healthcare/2026/03/05/unify-simplify-scale-microsoft-dragon-copilot-meets-the-moment-at-himss-2026
常见问题
为什么两个研究差这么多？+
因为测的不是同一件事。Providence 的随机对照（Future Healthcare Journal，2025）里医生每周文档负担减少 2.5 小时、倦怠下降 30.3%、自报文档时间下降 51.7%；另一项 2025 随机试验里文档时间只降 1.7% 且统计上不显著——该试验中工具只覆盖 33.5% 的就诊。差异的第一解释是就诊覆盖率，不是模型质量。
覆盖率为什么是核心变量？+
覆盖率决定收益的基数：工具只在三分之一就诊里跑，即使单次省时显著，总量也上不去。更关键的是信任闭环——医生只有信任草稿、愿意在多场景使用，覆盖率和收益才会复利。33.5% vs 50%+ 的就诊使用率，对应的是完全不同的 ROI。
厂商公布的数字能信吗？+
能信一半。Microsoft 官方口径（Overlake 81% 认知负担下降、Northwestern 每月多接 11.3 名患者、pajama time 降 17%）是有用的采用度信号，但它是自报与厂商筛选过的案例。要审的是指标定义：看「after-hours charting」和「认知负荷」这种可验证指标，而不是「省了几分钟」这种演示数字。
还有哪些独立研究？+
JAMA Network Open 2025 的一项前后对照研究发现环境式抄录员把下班后文书时间削减 54 分钟、认知任务负荷下降 2.64 分——该项研究评估的是 Abridge，属于同类证据，不是 DAX 的直接证据。方向一致：收益集中在文书与倦怠，不在「节省的总分钟数」本身。
买方应该看哪三个指标？+
①就诊覆盖率（工具实际跑在多少就诊上）；②after-hours charting 减少（pajama time 降了多少）；③经过验证的认知负荷评分。三个都能回答，再谈采购；答不上来，先小范围测覆盖率再铺开。
这个教训只适用于医疗吗？+
不。任何「部署即采用」的假设都会踩同一个坑：工具装上了不等于用起来。临床文档是极端版本，因为医生的签字责任把「信任」变成了硬约束。对 AI App lead 的通用规则是：用覆盖率而非装机量衡量 rollout，用可信的指标而非演示数字做采购决策。
拿你自己的执行日志跑一遍
交一份脱敏的近 30 天 agent 执行日志，48 小时内拿到八行表：八项技术项每项一行，每格带分子、分母和判据，缺口按是否要改 schema 排序。前三单 ¥8,000。
相关文章
Farmers 释放 1,640 万小时：省下的时间去哪了
Farmers Insurance 两年目标落地：约 8,000 名代理与 2 万员工把例行服务工作量削减 35%。我们的判断：省下的时间是负债，重新分配才是收益。
周大福 400 个 Agent 怎么用：先武装员工，再谈客户自主
周大福在 24,000 名员工中部署 400+ 定制 AI Agent，一线店员查库存、看工艺故事、拿推荐，没有一个 Agent 直接面对客户。内部优先的上线顺序可复制。
AI 回报长在从未被系统化的流程里
Evans 用 agent 接住 10 万通原本漏掉的承运商电话；C.H. Robinson 一个 agent 单月抓回 31.8 万条运踪更新。标准 ROI 账本必然低估它。
1100 人公司跑起 50+ agent：ROI 是测量纪律，不是案例
ABC Legal 用 Claude Managed Agents 把 50+ agent 推上生产：部分任务成本降约 50%。可迁移的是方法——先给人审→标注数据→eval 门槛→自动化。