---
title: "友谊医院把第一道分诊交给AI，真正的问题是答错了谁认账"
canonical_url: "https://supawriter.sevnday.com/articles/d6dfafa4-bd90-47f3-a5d8-105a4c159c36"
channel: "AI 工具与大模型实操测评"
channel_slug: "ai-tools"
author: "SuperAdmin"
published_at: "2026-09-27T00:34:05.167652+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 3040
keywords: ["AI","医院","患者","智能体","模型","图片"]
---

> 摘要：北京友谊医院与蚂蚁阿福合作上线智能体“谊小益”，覆盖诊前导诊、诊中提醒、诊后报告解读。本文不讨论AI能否看病，而是聚焦医院为何主动把第一道分诊交给AI、它实际能处理哪类问题，以及一个尚未被回答的关键问题：AI给出错误建议时，责任由医院、平台还是患者承担。

# 友谊医院把第一道分诊交给AI，真正的问题是答错了谁认账

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/c4a58dc6f1ab9be4.png)

## 医院为什么愿意把“第一道门”交给AI

### 不是技术展示，是资源再分配

三甲医院门诊大厅里最常见的一幕，是导诊台前排着两支队伍：一支是真正需要分诊判断的初诊患者，另一支是来问“报告在哪取”“医保卡怎么关联”“消化内科在几楼”的人。后一支队伍消耗的并不是医学判断力，而是信息检索和流程记忆。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/e846d03f85d59c58.png)

友谊医院把“谊小益”接进阿福App，本质上是在处理这笔账。据院方介绍，这款智能体融入了友谊医院的科室特色、就诊规则、办理材料、院内流程等信息，结合蚂蚁阿福的AI能力提供一站式就医咨询（E02）。院方相关负责人的说法更直接：AI可高效承接90%以上的基础咨询和日常健康疑问，帮医务人员从重复性问答中解放出来，把更多精力投入复杂病情研究和患者关怀（E07）。

这个数字需要拆开看。90%以上是院方表述，没有公布统计口径——是按咨询条数算，还是按咨询类型算？是导诊台现场提问，还是包含电话和线上渠道？口径不同，含义差别很大。但即便打个折扣，方向是清楚的：友谊医院是一所拥有74年建院历史、集医疗、教学、科研、预防为一体的大型三级甲等综合性医院（E19），这类医院的专家时间，确实不该被“几点下班”“能不能加号”这类问题切碎。

### 三甲医院的真实痛点：专家时间被基础问题消耗

医院多招几个人，能不能解决同样的问题？能解决一部分，但解决不了全部。导诊人员可以回答流程问题，却很难回答“我这个症状该挂哪个科”这类需要医学背景的初筛问题；而分诊护士能回答初筛问题，数量又有限，且无法覆盖线上渠道的并发咨询。

![图片](https://k.sinaimg.cn/n/sina_client/446/w654h1392/20260819/aacb-7bc2bd0378cac336ff980d12ada48b8f.jpg/w700d1q75cms.jpg?by=cms_fixed_width)

AI智能体在这中间的位置，是承接第一层过滤。它不需要做出诊断，只需要把“确定不需要紧急处理、但不确定该找谁”的患者，引导到正确的科室和流程上。友谊医院相关负责人把这层价值表述为打破“信息不对称、流程不清晰”的痛点，实现“让信息多跑路，让患者少跑腿”（E04）。

但第一层过滤有个天然风险：AI一旦答错，纠错成本会转嫁到医生身上。患者按AI指引挂了错误的号，见到医生后第一句话是“AI让我来的”，医生就得先花时间纠正路径，再进入真正的诊疗。这部分损耗目前没有公开数据可以衡量，院方也没有披露“谊小益”上线后的纠错率或转人工比例。

把第一道门交给AI，前提是它接得住。接不住的时候，谁来兜底，比它能接住多少更重要。

![图片](http://docs.cn-healthcare.com/video_files/snapshot/f60ee0563a8d4c77b48d665a45849f9b/5000.jpg)

## “全流程覆盖”到底覆盖了什么

### 诊前、诊中、诊后的功能清单

从公开信息看，“谊小益”的功能覆盖了就诊的三个阶段。诊前做智能导诊，解决挂错科室的问题；诊中提供科室导航、候诊提醒、检查节点提醒；诊后支持报告查询，并用AI对检查检验结果做通俗化解读。此外还包含预约挂号和门诊缴费入口（E03、E16）。

![图片](https://www.szxn.com/wp-content/uploads/2025/12/1765724573-20251214150253-693ed19d577b9.png)

这份清单的密度不低。但功能清单本身不能说明效果。所有描述均来自院方和合作方的产品介绍，没有第三方披露实际使用率、导诊准确率或患者满意度数据（E12）。全流程覆盖和每个环节都可靠，是两件事。

### 与通用AI问答的本质区别：嵌入医院规则

![图片](http://mpimg.cnfol.com/article/202512/17/1765934707760211.png)

在蚂蚁阿福上直接提问，和通过“谊小益”提问，区别不在底层模型的医学知识，而在“谊小益”被嵌入了友谊医院的科室特色、就诊规则、办理材料和院内流程（E08、E17）。

这个区别指向两类不同的问题。通用AI能回答“胃疼该看什么科”，但回答不了“友谊医院消化内科的专家号怎么约、约不上能不能加号、加号需要什么材料”。前者是医学知识，后者是机构知识。机构知识通常散落在导医台、挂号窗口、科室护士站和患者的反复试错里，很少被系统化整理。智能体的作用，是把这层知识从人工问答中抽出来，变成可查询的标准化输出。

这也是它和通用健康AI最实质的差异。模型能力可以采购，但院内规则和流程的梳理只能由医院自己完成。友谊医院愿意做这件事，比它用了哪家模型更值得注意。

功能覆盖看起来完整，但覆盖不等于可靠。诊前导诊如果判断失误，患者挂错科室，纠错成本会转移到诊室里的医生身上。报告解读如果输出不准确，可能引发不必要的焦虑或延误。这些环节的容错空间比“科室导航”小得多。目前没有公开数据说明“谊小益”在这些高风险节点上的实际表现，院方也未披露转人工比例或纠错机制（E12）。

![图片](https://hot.online.sh.cn/images/attachement/jpeg/site1/20240906/IMGb8ca3abea89367560159476.jpeg)

## AI参与诊断的边界在哪里

### 李鹏的风险分层原则

北京友谊医院常务副院长李鹏在谈AI与医生的关系时，给出了一个相当明确的判断框架：人工智能可以帮助医生，但不能取代医生。具体怎么帮、帮到什么程度，按风险等级来分。低危、中危、高危三个层次，对应AI参与程度的高低。分诊这类简单、风险不大的环节，可以把更多权限放给AI；风险较高的环节，必须由医生更多参与（E13）。

![图片](https://simg.baai.ac.cn/hub-detail/52bc2063de177d3bfbcf3f9cff7ec0df1751350801954.webp)

这个原则的价值在于，它绕开了“AI行不行”这种容易空转的争论，直接问“在什么条件下让AI参与”。从医院管理角度看，这是目前最务实的边界设定。它承认AI有能力差异，也承认医疗场景的风险不对称——低危环节出错，代价可控；高危环节出错，后果不可逆。

但分层原则依赖一个前提：医院能准确判断风险等级。这个前提在现实中并不总是成立。患者主诉模糊、症状交叉、病史不完整，都是门诊常态。如果分层本身判断错误，低危被误判为高危，AI被过度限制，效率收益打折；高危被误判为低危，AI参与过深，安全边界就被突破。分层原则的有效性，最终取决于分诊环节的准确率，而不是AI在单个诊断任务上的表现。

### 那场消化科诊断比赛的启示与局限

李鹏提到一场院内比赛：用真实的、已有诊断结果的消化相关疑难病例，让年轻医生、资深医生和四个人工智能（包括蚂蚁阿福）分别给出诊断结论。结果是“非常惊艳，出乎很多医学人士和专家的预料”（E14）。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/1a8ba1febd8a53cf.png)

这个案例说明，AI在某些诊断任务上已经具备参考价值，至少在回顾性、有标准答案的场景里，它的表现超出了部分医生的预期。对于医院管理者来说，这类结果会直接影响他们对AI参与程度的判断——如果AI在疑难病例上都能给出有价值的参考，那么在低危、标准化的环节，放权给AI似乎顺理成章。

比赛场景和真实门诊有本质差异。比赛用的是已有诊断结果的病例，信息完整、边界清晰，评价标准明确。真实门诊中，患者表述可能前后矛盾，关键信息可能缺失，症状可能处于早期不典型阶段。AI在比赛中的表现，不能直接推导到门诊环境。李鹏本人也没有提供比赛的规模、评价标准和具体数据，这场比赛的结论更适合作为方向性参考，而非能力定论。

风险分层原则和诊断比赛，指向同一个问题：AI参与医疗的边界，不取决于AI在理想条件下的上限，而取决于它在不理想条件下的下限。分层原则试图用制度设计来管理这个下限，但制度设计本身也需要数据支撑——目前公开信息里，还没有看到友谊医院披露分层判断的准确率或AI在高危环节的实际表现。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/a23a856ff714d2c5.jpeg)

## 谁为AI的失误负责

### 医院与平台的责任分工尚未明确

“谊小益”由北京友谊医院与蚂蚁阿福联合发布，用户通过阿福APP就能调用友谊医院的智能体服务。这种合作模式把医院的院内规则和平台的分发能力绑在了一起，但两方各承担什么责任，目前没有公开说明。

![图片](https://image.woshipm.com/2025/12/16/fb447982-da42-11f0-8f7d-00163e09d72f.png)

如果AI导诊建议患者挂错了科室，患者到了诊室才发现，谁该为这次错误负责？如果AI解读一份检查报告时给出了偏离临床判断的结论，导致患者延误就医或产生不必要的焦虑，责任在医院、平台还是患者自己？这些问题在现有公开信息中找不到答案。

责任归属之所以关键，是因为它直接决定纠错机制是否存在。患者发现AI建议有问题时，有没有渠道反馈、多久能得到回应、错误是否会被记录并用于改进——这些流程如果缺失，AI服务的可靠性就只能靠技术准确率来担保，而技术准确率在真实门诊环境中恰恰是最不稳定的变量。

### 对普通患者意味着什么

蚂蚁阿福的用户规模让这个问题的影响面被放大。来源引述的数据显示，阿福用户数已突破1亿，其中55%来自三线及以下地区（E05、E09）。另一处来源则称用户数量已达1.5亿（E15）。两组数字口径不同，但指向同一个事实：大量用户可能把AI建议作为就医决策的参考依据。

三线及以下地区用户占比过半，意味着相当一部分使用者所在区域的医疗资源密度低于一线城市。对他们来说，AI给出的导诊建议可能比大城市的患者更接近“第一意见”。如果这个第一意见出错了，纠错成本由谁承担，比技术准确率的小数点更值得关注。

责任机制缺失是AI医疗行业的普遍问题，并非友谊医院独有。但三甲医院与亿级用户平台合作，会把这一问题的实际影响放大——医院品牌为AI建议提供了隐性背书，患者很难区分哪些建议来自医院审核过的规则，哪些来自平台通用模型的推断。

“来医院前先问问AI”要成为一种可靠的习惯，前提不是AI答得有多准，而是答错的时候有人认账。这个前提目前还没有被满足。

## 参考来源

- [北京友谊医院智能体“谊小益”上线蚂蚁阿福，AI...](https://item.btime.com/457amodu5kn90gb3tsi2gc2jcfl)（ddgs）
- [北京友谊医院智能体“谊小益”上线蚂蚁阿福，陪诊、查报告](https://client.sina.cn/news/2026-08-19/detail-ininvmyw2719760.d.html?vt=4)（serper）
- [健康界对话北京友谊医院常务副院长李鹏：“谊小益”上线蚂蚁 ...](https://www.cn-healthcare.com/article/20260924/content-788531.html)（serper）
- [健康界对话北京友谊医院李鹏：「谊小益」上线蚂蚁阿福AI将 ...](https://bydrug.pharmcube.com/news/detail/be23ed9b87270108ecec9e8a6618b1ea)（serper）
- [北京友谊医院联合蚂蚁阿福打造AI智慧医疗新标杆](https://www.iyiou.com/briefing/197001221930852)（serper）
