醫療業者如何成為創新AI運用的領導者

掌握七大原則，從科技應 用「吊車尾」晉升資優生

How One Major Healthcare Firm Became the Leader in Innovative AI Use

企業要如何從科技後段班，一個華麗轉身，就把最新AI科技玩得爐火純青？對於受到高度監管、攸關人命的醫療產業來說，這個轉身尤其困難。本文以一家醫療保險公司為例，說明它如何透過7大原則，找出自己的轉型之道。

保羅．拜爾Paul Baier, 大衛．德拉羅David DeLallo, 約翰．史維歐克拉John J. Sviokla

針對負責任的AI，不管你向哪一家組織請教，可能只會聽到架構、指引和原則等資訊。琳瑯滿目的高階白皮書很少能提供市場龍頭企業的實務建議或經驗。

不過還是有許多公司在問：負責任的AI實際上要如何執行？它是否真的能夠像普遍認為的那樣讓組織加速運作？

要回答這些問題，我們認為以一家領先企業為鑑，檢視它如何歷經數年改造核心基礎設施，以因應市場不斷浮現的複雜性和會員需求，同時提高組織的敏捷度，應該能讓我們得到許多啟發。

醫療業情勢愈趨嚴峻

密西根藍盾藍十字協會（Blue Cross, Blue Shield of Michigan, BCBSM）是一家360億美元的醫療給付機構，會員超過500萬名，網絡涵蓋超過3.7萬名醫療業者。醫療一向是一個錯綜複雜的產業，但是近來又變得更加複雜。

《平價醫療法》（Affordable Care Act, ACA）的通過擴大美國醫療的人口涵蓋率，從2010年的83％增加到2023年的93％。ACA的通過加上人口老化，對BCBSM的組織形成沉重的壓力。

此外，政策和服務的結構性轉變，形成全新而龐大的複雜性。例如，麥肯錫（McKinsey）在2022年預測，到2025年可能會有高達2,650億美元的支出，準備從醫療機構轉移到家庭。全球成長最快的新醫療保險產品Medicare Advantage，提供新型服務，例如送餐、健身中心會員身分、透過Uber Eats取得健康食品以及其他許多服務，這些全都是為了改善醫療成效並降低成本。

BCBSM領導團隊在7年前體認到，要在成本結構不瓦解下，因應這場複雜性海嘯，需要重新思考組織裡僵化的既有科技基礎設施——它們的更動不但速度緩慢，而且成本高昂。這種轉型變革十分艱鉅：BCBSM是非營利互助保險公司，營業利益率薄到只有1％至1.5％，反觀營利保險公司則是以大約4％為目標。礙於這個限制，更新必須漸次進行，而且要創造明確的商業價值才能抵銷費用。它在規模超過4PB、多半未結構化的數據中看到提高效率的潛力，但是無法用舊方法獲取這個價值。此外，大部分數據包含受到嚴格監管的敏感病患資訊。一個差池就可能招致數百萬美元的罰款，甚至因瀆職或詐欺而引來牢獄之災。

走過這段旅程的BCBSM，從藍十字體系裡效率最差的科技使用者成為效率最高的科技使用者（這個效率以每位員工的科技成本來衡量）。不只如此，它還吸收新科技的浪潮：雲端、新安全協議、廣泛的行動裝置支援、超過20種生產版AI應用程式以及現在的生成式AI（gen AI）。今天，它有3項自己使用的生成式AI應用程式正在規畫出售給其他公司，此外全部都符合700多個監管機構的規定。

我們與管理團隊進行訪談，了解他們如何達成這項成就，而在訪談過程中，我們一再聽到他們做為行動指引的7大關鍵原則。

1 董事會的參與

醫療給付機構的董事會當然會高度關注監管環境以及違規犯紀的危險。此外，它們通常沒有完全跟上最新的AI創新，這也可以理解。雖然許多組織都向董事會簡報過生成式AI的潛力與威脅，卻很少有組織針對這個快速發展的領域致力提供頻繁的教育課程。

執行副總暨資訊長比爾．范德里奇（Bill Fandrich）定期向BCBSM董事會簡報AI工作，並讓董事會成員持續接受AI教育，不斷把漸進式專案的成果與整體企業目標做連結，一路累積動能。AI是影響複雜的大概念，董事會需要時間才能真正理解它的潛力和衝擊。

范德里奇和他的團隊把整項工作視為建立能力的工作，而不是科技專案。例如，在去年某次會議上，范德里奇和他的團隊分享與AI運用相關的現行指導原則、政策和控管機制，並完整說明如何向整個公司溝通這些項目。還有一次會議，他邀請一家AI與雲端重要業者的醫療部門人員擔任講者，分享AI經驗和心得。

隨著董事會現在的常態參與，范德里奇和他的團隊可以順利向董事會定期更新資訊，需要董事會批准的專案也能更快取得許可。

2 建立實質而頻繁的跨職能協作

持續的跨職能協作對於負責任地實行AI確實非常重要。與我們合作的許多公司都想要網羅內部所有領導人參與，以確保AI得到負責任的實行。不過，那樣很少行得通。一般來說都是在達成初步共識之後，再由IT與分析部門領頭推動。

在我們研究的其他公司，AI專案的重點是降低短期成本，員工人數通常會因而縮減。BCBSM則聚焦於協作，以改革整體組織的工作方式，並創造持續創新和實行新科技的新能力。這不是一次就能完成的成本撙節工作。

這個團隊由來自法遵、分析、IT、法律、業務領域和網路安全的代表所組成，每週開會監督AI計畫。這種做法能確保AI專案遵守既有的指引和監管要求。例如，它會主動針對每個面向保戶與醫療業者的關鍵AI模型進行法律與法遵審查。

除了限縮A I 風險，這個團隊持續協調工作也讓這家公司能夠以驚人的速度完成AI驅動的任務。例如在新冠疫情期間，BCBSM利用這個協作開發分析工具和儀表板，以預測理賠成本與病患風險水準。它也建立模型，模擬疾病在密西根各郡的潛在傳播狀況。這一切都在短短兩週內完成。這項工作讓BCBSM為高危保戶制定專屬外展計畫的速度能夠比過去幾年迅速許多。

3 確保存取的可擴充性與安全性

對於醫療給付機構來說，確保數據安全與法遵當然非常重要。BCBSM採用幾項實務做法來達成這項目標，包括加密、身分驗證，另外也很重要的就是以角色區分的存取控管。由於生成式AI產品仍處於嬰兒時期，還沒有成熟的存取控管工具可以搭配使用。這表示身為早期採用者的BCBSM無法坐等供應商提供解決方案，而必須建立自己的安全層。

為了解決這個以及其他安全問題，BCBSM的IT和分析團隊與組織百分之百控股的科技合作伙伴NASCO、還有信任的供應商Quantum Gears合作開發「安全GPT」（SecureGPT）。由於這個團隊已經在組織裡建立信譽，因此能夠在兩年期間投入資源，在NASCO打造這項科技，然後在BCBSM廣泛部署以確保組織的安全… 閱讀完整內容