醫療缺口達千萬，Agentic AI 能否真正補上那道裂縫

全球醫療體系正面臨一場慢性崩潰。數十年的投資不足與招募困境，撞上老齡化人口帶來的需求爆炸，讓這個矛盾無所遁形。世界衛生組織（WHO）警告，醫療人力缺口到 2030 年將擴大至 1,100 萬人。這不是遠期預測，而是已在進行中的事實：照護資源碎片化、第一線醫護人員的職業倦怠持續攀升。在這個背景下，具備自主決策與行動能力的 AI agents 被愈來愈多醫療機構視為出路。根據 KPMG 的調查，已有 68% 的醫療業者將 AI agents 引進工作流程。這個採用率背後，是一個典範的位移：醫療體系正從「人力密集」轉向「人機協作」，而這次的核心技術不是傳統自動化，是 Agentic AI。

對做 AI 應用的創業者和工程師而言，這是訊號，不是遠景。醫療是世界上受監管最嚴、資料最敏感、但也最能容忍高單價解決方案的垂直市場之一。當 68% 的業者已在部署 AI agents，代表買方心態已然轉變，問題不再是「要不要用 AI」，而是「哪種 agent 架構能在真實醫療場景中跑起來」。從後台的保險理賠處理，到前台的病患分診，整條工作流都在開放，等待能做到舊系統做不到的產品進來填位。

Agentic AI 的關鍵差異在於能力邊界的擴展。舊的 RPA 或規則引擎只能處理預設框架內的任務，遇到邊緣案例就把球踢回給人類。Agentic AI 不同：它能處理帶有模糊性的複雜情境、自主做出決策、從專業臨床資料來源中主動取用資訊，並隨時間迭代改進。紐約的特殊外科醫院（Hospital for Special Surgery, HSS）已在多個場景部署 AI agents，包含複雜的後台流程（例如保險理賠）以及病患分診，讓臨床醫師得以把認知資源集中在更高層次的照護決策上。HSS 首席數位長 Ashis Barad 醫師把這個轉變描述為：Agentic AI 把工作流程「壓縮、擴增、超頻，讓它更高效」。這句話的技術含義是：不只加速，而是改變流程的拓撲結構。

要理解 Agentic AI 為什麼算是新起點，必須先看清楚過去數位化的失敗在哪裡。美國在 2000 年代初將病患資料遷移到電子病歷（EHR）系統，但這些資料至今仍高度碎片化，並且嚴重依賴人工輸入，數位化了形式，沒有數位化本質。遠距醫療與遠端監測裝置移除了地理障礙，卻無法複製面對面照護的品質，也始終未能真正贏得患者信任。第一線醫護反映的是同一個問題：這些工具加重了行政負擔，而非減輕。Agentic AI 正是在這個失望基礎上被寄予厚望，因為它是第一個不需人類持續介入就能處理例外情況的技術型態，而醫療場景幾乎全是例外情況。

但邊界在哪裡？幾個張力值得正視。患者信任問題沒有隨技術升級自動消失：遠距醫療過去就因此受限，Agentic AI 面對的是同一道信任關卡，只是現在多了一個更難跨越的心理門檻，是否願意把決策交給 AI。資料碎片化的遺留問題也尚未解決，EHR 的混亂狀態意味著 agent 能取用的資料品質參差不齊，而資料品質直接決定決策品質。更根本的是，醫療場景對決策錯誤的容忍度接近零，agent 的自主性邊界要劃在哪裡（哪些決策可以自主，哪些必須轉交人類）是技術之外的監管與倫理問題，目前並無共識，而這個共識缺席的時間愈長，商業落地的摩擦就愈高。

Agentic AI 進入醫療的時機已到，但能否真正讓照護重新人性化，取決於接下來幾年在患者信任建立與監管框架落地上的具體進展，產品能不能跑，和產品被允不允許跑，是兩件事。