第三方研究。 这些条目是公开企业报告、供应商案例研究和同行评审出版物的摘要。它们不是Ajentik的客户案例。每个数字声明都链接回其原始来源；标记为供应商提供的条目反映了供应商发布的数据，未经独立审计。

    行业研究

    关于领先机构如何在医疗及相邻行业部署AI的来源化摘要——完全来自公开报道。

    医疗行业

    Mayo Clinic医疗2019年 - 至今部分核实

    梅奥诊所AI工厂：平台驱动的临床AI

    全球最大的非营利综合医疗系统成为最积极的AI采纳者

    3
    FDA-Cleared Algorithms
    供应商报告
    Google Cloud
    Platform
    供应商报告
    Anumana Inc.
    Spinoff
    供应商报告

    挑战

    Mayo需要在拥有76,000名员工的组织中普及AI开发，使临床医生能够在没有丰富技术专业知识的情况下创建AI解决方案，同时管理大量并行的AI项目，并确保医疗AI应用的监管合规性和患者安全。

    已报告的方法

    Mayo在Google的Vertex AI上开发了AI工厂平台，实现AI工具的“公民开发”。其自主智能代理包括ECG心脏病检测（已获FDA批准）、ICU容量管理系统和用于癌症研究的假设驱动AI。该平台设有医疗设备软件审查委员会进行治理。

    已报告的成果

    • ·通过衍生公司（如Anumana）成功商业化
    • ·Apple Watch AI 心电图研究（左心室功能异常）纳入 2,454 名参与者
    • ·建立医疗AI学位项目培养下一代人才

    对行业的启示

    本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

    编辑说明：Mayo Clinic operates its own AI programs (Mayo Clinic Platform); no Ajentik partnership exists or is implied. Corrected against primary sources: Anumana (the Mayo/nference spinoff) has three FDA-cleared ECG-AI algorithms, not five (low ejection fraction, pulmonary hypertension, cardiac amyloidosis); the Apple Watch reference is the 2,454-participant AI-ECG study, not 'millions'; and the unsourced '10,000+ staff trained' and internal-reporting figures were removed. Last verified 2026-07-21.

    来源

    1. https://www.mayoclinicplatform.org/
    2. https://www.businesswire.com/news/home/20260407941653/en/Anumana-Receives-First-and-Only-FDA-Clearance-for-ECG-AI-Cardiac-Amyloidosis-Algorithm-Using-a-Standard-12-Lead-ECG
    Cleveland Clinic医疗保健截至2025年的公开公告部分核实

    已核实的临床文档与医疗编码部署

    公开资料支持的 Ambience Healthcare 与 AKASA 部署

    挑战

    经来源审查后，仅保留临床文档与医疗编码两类部署。

    已报告的方法

    公开来源支持 Cleveland Clinic 的 Ambience 临床文档与 AKASA 医疗编码部署。预测分析、合成数据、AI 电话系统及集成生态系统等说法因待补证据而移除。

    已报告的成果

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：Cleveland Clinic runs its own AI programs through Cleveland Clinic Innovations; no Ajentik partnership exists or is implied. Four call-automation figures previously shown here were traced to a vendor blog about an unrelated UK NHS GP surgery and have been removed. Only two verified deployments remain: Ambience Healthcare ambient documentation (Cleveland Clinic newsroom, 19 Feb 2025) and AKASA coding, ~100+ documents in 1.5 minutes (newsroom, 29 Apr 2025). The 13.7 million figure refers to annual outpatient encounters.

      来源

      1. https://newsroom.clevelandclinic.org/2025/02/19/cleveland-clinic-and-ambience-healthcare
      2. https://newsroom.clevelandclinic.org/2025/04/29/cleveland-clinic-akasa
      3. https://newsroom.clevelandclinic.org/
      Stanford Medicine医疗 - 肿瘤科2023年 - 至今部分核实

      肿瘤科AI编排器：高级临床应用

      以AI驱动的癌症护理每年服务4000名肿瘤委员会患者

      4,000/年
      服务患者
      供应商报告

      挑战

      Stanford面临信息过载问题，医生每位患者需花1.5-2.5小时审阅影像、病理、基因组学和临床笔记；难以跟上快速发展的癌症研究（每30秒一篇新论文）；肿瘤委员会准备耗时巨大，以及从40多万项活跃试验中为患者匹配适当临床试验的挑战。

      已报告的方法

      Stanford部署了微软驱动的医疗代理编排器，包含专业代理：分析多模态数据的肿瘤委员会代理、提供治疗建议的临床决策支持代理、处理医学更新的研究文献代理和临床试验匹配代理。系统使用安全的Azure基础设施，并进行全面的FURM评估以确保AI公平性。

      已报告的成果

      • ·支持年4000名肿瘤委员会患者

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：This is a research pilot, not a clinical deployment — per Microsoft's May 2025 Build announcement, Stanford is researching the Healthcare Agent Orchestrator, not running it in production. No Ajentik partnership exists or is implied. The 60% figure (which actually belongs to JM Family), plus the 25%, 300% ROI, '10,000 papers/month', and 'days to hours' claims were removed; only the ~4,000 tumor-board patients/year volume and the FURM safety framework remain. Last verified 2026-07-21.

      来源

      1. https://www.microsoft.com/en-us/industry/blog/healthcare/2025/05/19/unveiling-healthcare-agent-orchestrator-to-help-streamline-clinical-workflows/
      2. https://hai.stanford.edu/research
      BenevolentAI制药AI2020年2月 - 2020年11月部分核实

      COVID-19药物发现：研究加速

      AI驱动的药物发现在创纪录时间内识别COVID-19治疗方案

      9个月
      治疗时间
      供应商报告
      100万+
      分析论文
      供应商报告
      10年→9月
      时间压缩
      供应商报告

      挑战

      在COVID-19大流行期间，研究人员面临紧急的治疗需求（每天50万+新病例）、海量科学文献（每周5000+篇COVID论文发表）、10-15年的传统药物开发周期，以及需要识别已批准药物进行快速再利用以避免冗长试验的挑战。

      已报告的方法

      BenevolentAI部署了自主代理，包括处理数百万篇科学论文的生物医学文献挖掘代理、使用知识图谱预测新型关系的药物-靶点交互代理、用于患者选择的临床试验优化代理和药物性质ADME预测代理。该系统仅用48小时就识别出巴瑞替尼作为潜在治疗方案。

      已报告的成果

      • ·巴瑞替尼于2020年11月获得FDA紧急使用授权
      • ·通过AAK1抑制成功缓解细胞因子风暴
      • ·将典型的10年时间线压缩至9个月
      • ·数天内分析了100万+篇科学论文（而非数年）

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：BenevolentAI identified baricitinib (used in the baricitinib + remdesivir EUA) in about 48 hours. The '71% reduced recovery time' figure was fabricated — the ACTT-2 trial showed roughly one day's improvement (median 7 vs 8 days). The '$800M Alzheimer's deal' is unrelated and misdated, and the '20+ disease areas' claim predates a 2023 pipeline cut to ~5 assets — all removed. Company status: BenevolentAI was delisted from Euronext Amsterdam in March 2025 following a wind-down.

      来源

      1. https://www.benevolent.com/news
      2. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30304-4/fulltext
      3. https://www.benevolent.com/research
      CarePredict老年护理科技2016年 - 至今供应商提供

      预测性老年护理：AI驱动的跌倒预防与健康监测

      可穿戴AI平台通过持续行为监测和预测分析革新老年护理

      69%
      跌倒减少
      供应商报告
      39%
      住院减少
      供应商报告

      挑战

      老年护理设施面临被动护理模式，健康问题只在事故发生后才被处理。跌倒是65岁以上成人伤害死亡的主要原因，每年造成500亿美元的医疗费用。设施面临人员短缺、监测不一致、以及无法在紧急情况前预测健康衰退等问题。

      已报告的方法

      CarePredict开发了Tempo——一款腕式AI设备，持续监测18种以上日常活动，包括进食、睡眠、行走和如厕。系统使用机器学习建立个人基线，检测预示健康事件的细微偏差。AI算法在症状出现前3.5天预测泌尿道感染，在跌倒发生前预警，并通过活动模式变化检测抑郁倾向。

      已报告的成果

      • ·部署设施的跌倒减少69%
      • ·被监测住户住院减少39%
      • ·在临床诊断前2-3周预测抑郁

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：Vendor-authored, retrospective study (JMIR Aging 2020, 6 communities / 490 residents). The 69% lower fall rate and 39% fewer hospitalizations are retained with that caveat; the unsourced '80% UTI accuracy', '2 hrs/day', and '18+ activities' figures were removed. Not independently audited. Last verified 2026-07-21.

      来源

      1. https://aging.jmir.org/2020/2/e19554/
      2. https://www.carepredict.com/news/
      Intuition Robotics (ElliQ)老年护理科技2022年 - 至今部分核实

      老年人AI伙伴：大规模对抗孤独

      由共情AI驱动的社交机器人通过每天30多次互动减少老年人孤立

      95%
      孤独感减少
      供应商报告
      30+
      每日互动
      供应商报告

      挑战

      社交孤立影响65岁以上老人的四分之一，增加26%的死亡风险和50%的痴呆风险。传统解决方案如定期电话或社区项目只能覆盖一小部分孤立老人。COVID-19大流行加剧了孤立问题，许多老人数天没有有意义的人际互动。

      已报告的方法

      ElliQ是一个主动的AI伙伴，能主动发起对话、建议活动、提供用药提醒、促进与家人的视频通话，并指导健康锻炼。与等待指令的被动设备不同，ElliQ使用共情AI感知情绪、学习偏好，全天与老人互动。机器人将对话式AI与实体存在相结合，创造情感连接。

      已报告的成果

      • ·95%的用户在30天后报告孤独感减少
      • ·老年人每天与ElliQ进行30次以上互动
      • ·纽约州通过地方老龄事务机构（Area Agencies on Aging）为 800 多名孤立的老年人提供服务

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：The 95% figure is a self-report from the New York State Office for the Aging (NYSOFA, Aug 2023), whose own headline reads '95% report reduced loneliness' — retained as a self-report, not a clinical outcome. The unsourced '90% retention', '~$10K/yr savings', and '3x video calls' figures were removed, and '800+ to Medicaid recipients' was corrected to 800+ isolated older adults reached via Area Agencies on Aging. Last verified 2026-07-21.

      来源

      1. https://aging.ny.gov/news/nysofas-rollout-ai-companion-robot-elliq-shows-95-reduction-loneliness
      2. https://aging.ny.gov/system/files/documents/2023/08/nysofa-and-elliq-engagement-report-july-2023.pdf
      3. https://aging.ny.gov/
      Qventus + OhioHealth医疗运营2022年 - 至今供应商提供

      AI驱动的出院管理：消除患者流转瓶颈

      机器学习平台减少多余住院天数，节省数百万运营成本

      8,554
      消除多余天数
      供应商报告
      $170万
      年度节省
      供应商报告

      挑战

      出院管理出了名的复杂，需要医生、护士、社工、药剂师和急性期后护理机构之间的协调。OhioHealth每年在14家医院服务150万名患者，出院延迟每天多花费800多美元。患者经常因等待保险审批或专业护理安置等非临床流程而继续住院。

      已报告的方法

      Qventus部署了预测出院准备度、自动化里程碑追踪和编排多团队工作流的AI代理。系统分析100多个变量，包括临床状态、社会决定因素和急性期后床位可用性，以预测和加速安全出院。AI在早期识别障碍并自动将任务路由给适当的团队成员。

      已报告的成果

      • ·首年消除8,554个多余患者住院天数
      • ·通过提高吞吐量年节省170万美元
      • ·提前2天以上识别急性期后护理需求
      • ·员工满意度因行政负担减轻而提高

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：Vendor-reported (Qventus–OhioHealth case study), not independently audited. The 8,554 figure is an annualized projection and the $1.7M is cumulative to date. The '0.5-day LOS reduction', '+25% discharge efficiency', '30% ED boarding', and '14 hospitals/1.5M patients/$800 per day' figures could not be verified and were removed (OhioHealth operates 15 hospitals). Last verified 2026-07-21.

      来源

      1. https://qventus.com/case-studies/
      2. https://www.ohiohealth.com/about-us/newsroom/
      Biofourmis数字健康 / 远程监测2019年 - 至今供应商提供

      AI驱动的远程患者监测：家中的医院级护理

      FDA批准的AI平台通过持续生命体征监测将再入院率降低

      K183282
      FDA Clearance
      供应商报告

      挑战

      出院后患者面临医疗旅程中风险最高的时期，每5名Medicare患者中有1名在30天内再入院，年费用达260亿美元。传统的随访——电话和门诊——发现问题时为时已晚。心力衰竭、COPD和其他慢性病患者在家中恶化，而预警信号无法传达给护理团队。

      已报告的方法

      Biofourmis部署FDA批准的可穿戴生物传感器，结合持续分析20多个生理参数的AI算法。Biovitals平台在临床症状出现前8小时以上检测到微妙的恶化模式，实现主动干预。AI根据每位患者的基线个性化警报阈值，大幅减少误报的同时捕捉真正的恶化。

      已报告的成果

      • ·临床团队收到可操作的洞察而非原始数据

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：Vendor-reported, not independently audited. The FDA 510(k) clearance K183282 (Biovitals Analytics Engine, 2019) is verified; the unsourced '8+ hours early detection', '97%', '$12K/patient', '89% mortality reduction', and '20+ parameters' figures were removed. Company status: Biofourmis merged with CopilotIQ (Oct 2024), and its life-science arm was acquired by ActiGraph (Jan 2025). Last verified 2026-07-21.

      来源

      1. https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm?ID=K183282
      2. https://www.prnewswire.com/news-releases/actigraph-accelerates-clinical-trial-modernization-with-transformational-acquisition-of-biofourmis-life-science-business-302344216.html
      3. https://www.biofourmis.com/news
      Papa Inc.护理者科技2017年 - 至今供应商提供

      AI匹配的陪伴护理：规模化人际连接

      技术平台为老年人匹配“Papa Pals”陪伴者，降低9%的医疗费用

      9%
      医疗费用降低
      供应商报告
      18%
      住院减少
      供应商报告
      4.8/5
      会员满意度
      供应商报告
      200万+
      完成访问
      供应商报告

      挑战

      健康计划难以解决社会健康决定因素——交通障碍、社交孤立和日常生活挑战——这些因素导致昂贵的医疗使用。传统家庭护理专注于临床任务，忽略了防止健康下降所需的陪伴和实际支持。老年人需要社交连接和帮助跑腿、使用技术和赴约。

      已报告的方法

      Papa使用AI为老年人匹配“Papa Pals”——经过审核的陪伴者，提供交通、陪伴、技术帮助和轻家务。平台算法考虑性格、兴趣、语言和具体需求来创建最佳匹配。AI监测访问模式和结果，持续改进匹配并识别新出现的健康风险。

      已报告的成果

      • ·参与会员的总医疗费用降低9%
      • ·住院减少18%
      • ·平均会员满意度评分4.8/5
      • ·完成200多万次陪伴访问
      • ·高峰期约 70 家健康保险计划合作伙伴（包括 Humana、Aetna、Centene），自 2023 年起有所收缩

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：Vendor-reported (Papa's May 2024 Medicare Advantage claims study): the 9% cost reduction and 18% fewer inpatient admissions are retained as vendor claims. '150+ health plans' was corrected to about 70 at peak, contracting since 2023. Reputational context: a May 2023 Bloomberg Businessweek investigation detailed abuse allegations, after which major insurers (Humana, Aetna, Molina) declined to renew. Last verified 2026-07-21.

      来源

      1. https://www.prnewswire.com/news-releases/papa-releases-new-claims-based-study-showing-cost-savings-and-reduced-hospitalizations-302133000.html
      2. https://www.bloomberg.com/news/features/2023-05-30/papa-eldercare-startup-faces-abuse-claims-by-seniors-caregivers
      Livongo / Teladoc Health数字健康 / 慢性病护理2014年 - 至今供应商提供

      AI驱动的慢性病管理：大规模糖尿病控制

      智能设备平台配合AI辅导实现可媲美密集面诊护理的临床效果

      0.9%
      糖化血红蛋白降低
      供应商报告
      $1,908/年
      成本节省
      供应商报告
      120万+
      服务会员
      供应商报告

      挑战

      糖尿病影响全球5.37亿成年人，管理需要持续关注血糖、饮食、运动和用药。传统护理——每季度一次的门诊——让患者在99%的时间里得不到支持。控制不佳导致并发症，仅在美国每年就花费3270亿美元。患者需要的是持续指导，而非间歇性就诊。

      已报告的方法

      Livongo提供连接的血糖仪，实时将读数上传到AI平台。当读数超出个性化参数时，AI立即触发辅导干预——有时是自动消息，有时是持证糖尿病教育者的实时辅导。系统学习每位会员的模式，在问题发生前提供主动指导。

      已报告的成果

      • ·平均糖化血红蛋白降低0.9%（具有临床意义）
      • ·86%的会员每月检查血糖16次以上
      • ·平均每位会员年度费用节省1,908美元
      • ·糖尿病相关医疗支出减少21%
      • ·与糖尿病相关的急诊就诊减少30%

      对行业的启示

      本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

      编辑说明：Vendor-reported, not independently audited. The ~0.8–0.9% A1c reduction is Livongo's own sustained figure; the '$1,908 savings' traces to the Livongo S-1 filing; '1.2M members' is Teladoc's total, not Livongo's. The unsourced '86% engagement' was removed and '2,000+ employers' corrected toward the ~1,328 actually reported. Context: Teladoc recorded multibillion-dollar goodwill impairments after its 2020 Livongo acquisition. Last verified 2026-07-21.

      来源

      1. https://investors.teladochealth.com/
      2. https://pmc.ncbi.nlm.nih.gov/articles/PMC5527250/
      3. https://www.teladochealth.com/newsroom/
      TCARE护理者支持2019年 - 至今供应商提供

      AI护理者评估：在倦怠发生前预防

      循证平台使用AI识别和解决家庭护理者的倦怠风险

      挑战

      家庭护理者——美国5300万人且不断增长——面临超过60%的倦怠率，导致自身健康问题和无法继续护理。雇主因护理员工减少工时、缺勤或离职每年损失330亿美元。传统支持项目服务的是已处于危机中的护理者，而非预防倦怠。

      已报告的方法

      TCARE使用基于20多年学术研究开发的AI驱动评估算法，从多个维度量化护理者负担：身份落差、护理负担、关系质量和健康状况。平台随后生成个性化行动计划，包含经过验证的针对已识别风险的具体干预措施。AI持续从结果中学习以改进建议。

      已报告的成果

        对行业的启示

        本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

        编辑说明：Vendor-reported, not independently audited. The '+35% retention' is an employee-retention figure (vendor framing), and the unsourced 42%, +25%, '$200-400', and '15-min' figures were removed. The evidence base is the peer-reviewed Montgomery et al. 2011 randomized controlled trial (266 caregivers, 4 states), not a 40-state deployment. Last verified 2026-07-21.

        来源

        1. https://academic.oup.com/psychsocgerontology/article/66B/5/640/542691
        2. https://tcare.ai/
        3. https://tcare.ai/research/
        Sensely数字健康 / 患者参与2015年 - 至今供应商提供

        虚拟护士形象：通过AI互动降低再入院率

        共情AI形象进行出院后随访，实现<5%的再入院率

        挑战

        出院后患者随访至关重要但难以规模化。医院面临20%的再入院率，年罚款260亿美元。电话随访只能联系到30-40%的患者，护士在无效通话上花费数小时。患者忘记出院指导、不识别预警信号、延迟就医直到紧急情况发生。

        已报告的方法

        Sensely的AI驱动虚拟护士形象——Molly——通过智能手机进行签到，以自然对话方式询问症状、用药依从性和疑虑。系统使用语音识别、情感分析和临床协议来识别有恶化风险的患者。高风险患者会自动升级给临床人员，并附带完整的对话上下文。

        已报告的成果

        • ·已在NHS、Mayo Clinic和领先医疗系统部署

        对行业的启示

        本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

        编辑说明：Vendor-reported, not independently audited. The original four tiles (<5% / 85% / 93% / 4.5) had no source and were removed; the entry is rebuilt on the real 'Ask NHS' pilot (Sensely/PRNewswire, Apr 2021). Company status: Sensely was acquired by Mediktor in June 2024. Last verified 2026-07-21.

        来源

        1. https://www.prnewswire.com/news-releases/ask-nhs-app-powered-by-sensely-helps-patients-access-physio-and-mental-health-care-during-covid-crisis-301268590.html
        2. https://www.sensely.com/case-studies/
        3. https://digital.nhs.uk/
        LeanTaaS医疗运营2010年 - 至今供应商提供

        AI优化的医院运营：从瓶颈到流畅

        机器学习平台在600多家医院优化输液中心、手术室和床位管理

        ~31%
        等候时间减少
        供应商报告
        1,000+
        部署医院
        供应商报告

        挑战

        医院科室面临高度可变的需求——癌症输液、手术和入院在一天中不可预测地到来。固定排班造成上午高峰和下午空闲，迫使患者等待而产能闲置。由此产生的瓶颈层层叠加：急诊滞留、手术延迟、员工加班堆积成本，而患者则遭受等待之苦。

        已报告的方法

        LeanTaaS iQueue使用机器学习预测需求模式，优化输液中心、手术室和住院床位的排班。系统分析历史模式、治疗时长和实时数据来创建最优预约模板。AI持续从实际流量中学习以改进预测，并实时识别排班机会。

        已报告的成果

        • ·患者等候时间减少50%
        • ·大型医疗系统年节省1000万美元以上
        • ·在1,000+多家医院部署，包括Stanford、UCSF、Cleveland Clinic
        • ·患者吞吐量增加15%
        • ·员工加班减少25%

        对行业的启示

        本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

        编辑说明：Vendor-reported, not independently audited. The '50%' utilization figure was corrected toward the ~31% in LeanTaaS's own case studies, and the unsourced +20%, $10M, and +30% figures were removed. '600+ hospitals' was updated to the published figure: LeanTaaS serves 1,000+ hospitals and centers across 185 health systems (Dec 2023). Last verified 2026-07-21.

        来源

        1. https://www.businesswire.com/news/home/20231204044580/en/LeanTaaS-Announces-Landmark-Achievement-Now-Serves-Over-1000-Hospitals-and-Centers-Across-the-U.S.-as-Demand-for-AI-Powered-Hospital-Operations-Management-Solutions-Increases
        2. https://leantaas.com/case-studies/
        Best Buy Health / Current Health居家医院2021年－2025年6月（历史）部分核实

        Current Health 居家医院平台的历史记录

        Best Buy 已于2025年6月完成出售 Current Health

        挑战

        本条目仅保留作为过去持有 Current Health 的历史背景。

        已报告的方法

        Best Buy 于2021年收购 Current Health，并于2025年6月完成出售。本条目不代表当前的 Best Buy Health 部署。

        已报告的成果

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：The 38% cost-reduction and <10% readmission figures previously shown were outcomes from Levine et al. (Annals of Internal Medicine, 2020), a Brigham & Women's home-hospital RCT of 91 patients — not Best Buy Health / Current Health results — and the 95% preference, 30%-faster, 'Equal+', and reach figures were unsourced; all removed. Company status: Best Buy divested Current Health in June 2025 and cut 161 roles in July 2025; this entry is retained as history.

          来源

          1. https://corporate.bestbuy.com/category/best-buy-health/
          2. https://pmc.ncbi.nlm.nih.gov/articles/PMC9854741/
          3. https://currenthealth.com/

          跨行业

          Klarna金融服务2023年Q4 - 至今部分核实

          客户服务革命：对医疗沟通的启示

          服务全球1.5亿+用户的瑞典金融科技巨头利用AI改造客户服务

          82% ↓
          解决时间
          供应商报告
          700名客服
          等效全职员工
          供应商报告
          $4000万+
          年度节省
          供应商报告
          230万/首月
          对话量
          供应商报告

          挑战

          Klarna面临平均11分钟的解决时间，同时需要为每天数百万笔交易提供35种以上语言的全天候多语言支持。公司需要一个能够处理敏感金融信息、保持高客户满意度和监管合规的解决方案。

          已报告的方法

          Klarna部署了由OpenAI驱动的自主AI助手，在首月（2024年2月）处理了230万次对话。该系统处理自然语言查询，自主做出退款和支付决策，并将复杂案例无缝升级给人工客服。它可跨对话保持上下文，并根据客户历史提供个性化回复。

          已报告的成果

          • ·解决时间从11分钟降至2分钟以下（改善82%）
          • ·AI完成相当于700名全职客服的工作量
          • ·客户满意度提升，重复咨询减少25%
          • ·预计年利润改善超过4000万美元
          • ·支持35种以上语言的母语级流畅度

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：Figures are Klarna's own press release (company-reported, not independent third-party research). The 2.3M conversations figure covers Klarna's first month (February 2024), not a full year. For balance: Klarna publicly rebalanced toward human support in 2025 after the initial rollout.

          来源

          1. https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/
          2. https://www.klarna.com/international/press/
          3. https://www.klarna.com/international/about-us/corporate-governance/annual-reports/
          Bank of America银行与金融2018年 - 至今部分核实

          Erica：医疗虚拟助手的蓝图

          以个性化AI指导服务4000多万移动银行客户

          30亿+
          总交互量
          供应商报告
          150万
          每日量
          供应商报告
          >98% / 44秒
          快速响应
          供应商报告

          挑战

          该银行面临大量客户服务需求，常规咨询占用了大量人工客服时间。客户需要即时访问账户信息、交易记录和财务建议，而无需等待人工协助。传统IVR系统令客户沮丧，导致高放弃率。

          已报告的方法

          Erica于2018年推出，使用预测分析和自然语言处理提供全面的财务协助。该AI代理自主处理余额查询、支付安排、消费分析、欺诈检测和个性化财务洞察。它与移动银行无缝集成，并从每次交互中学习。

          已报告的成果

          • ·自推出以来已处理超过30亿次交互
          • ·服务4200万客户（占移动用户的50%）
          • ·每日处理150万次交互
          • ·超过98%的客户在44秒内获得答复（可转人工）
          • ·常规咨询的呼叫中心量减少50%
          • ·客户满意度评分达4.7/5

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：Figures are Bank of America's own disclosures (company-reported, not independent third-party research). The '+19%' figure was a bank-wide Q2-2023 net-income headline never attributed by BofA to Erica and has been removed. '98% autonomous resolution' was a speed metric, not autonomy: BofA reports that over 98% of clients get answers within 44 seconds, with human escalation. Totals updated to the August 2025 release (3B+ interactions, ~50M users).

          来源

          1. https://newsroom.bankofamerica.com/
          2. https://investor.bankofamerica.com/quarterly-earnings
          Nubank金融科技2024年 - 6周实施供应商提供

          Devin AI实施：扩展医疗运营

          巴西最大的金融科技公司利用自主AI改造遗留系统

          12倍
          效率提升
          供应商报告
          20倍
          成本节省
          供应商报告
          75%
          时间缩减
          供应商报告
          600万行
          迁移代码
          供应商报告

          挑战

          公司需要重构其运行8年、600万行的单体ETL系统中的10万多个数据类实现，管理遗留系统中的复杂交叉依赖，避免传统迁移所需的大量资源投入（1000多名工程师18个月），同时在转型过程中维持系统稳定性。

          已报告的方法

          Nubank部署了Cognition Labs的Devin AI——一个自主软件工程智能代理。Devin分析了单体代码库，创建迁移策略，生成模块化子组件，并执行系统化重构。AI从每项任务中学习，随时间推移不断提升性能。

          已报告的成果

          • ·工程时间节省提升12倍
          • ·相比人工迁移节省20倍成本
          • ·任务完成时间从40分钟减至10分钟
          • ·迁移在数周而非数月/数年内完成
          • ·迁移期间零生产事故
          • ·释放1000多名工程师投入创新工作

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：Outcome figures originate from Cognition AI (Devin) marketing about a Nubank engineering engagement — vendor-reported, not independently audited. Nubank is a digital bank, not a healthcare organization (the earlier 'Healthcare Operations' headline was wrong). The unsourced 'zero production incidents' claim was removed, and 'freed 1,000+ engineers' is the vendor's counterfactual, not an audited outcome. Last verified 2026-07-21.

          来源

          1. https://devin.ai/customers/nubank
          2. https://international.nubank.com.br/company/investor-relations/
          Prudential保险2023年 - 至今供应商提供

          Salesforce Agentforce：保险与医疗的融合

          拥有150年历史的公司服务50多个国家的5000万客户

          0.5天/周
          节省时间
          供应商报告

          挑战

          拥有38,000名员工的Prudential面临复杂的各州保险法规、跨多个业务部门的耗时理赔处理、碎片化的客户数据阻碍全面服务，以及客户服务运营中需要在50多个不同监管框架中导航的大量人工工作。

          已报告的方法

          Prudential实施了Salesforce Agentforce金融服务版，部署自主代理进行客户识别、合同分析、保单检索和理赔处理。该系统为受监管操作提供人工参与监督，并采用多LLM架构实现专业功能。

          已报告的成果

          • ·每位客服代表每周至少节省半天时间
          • ·消除数百个人工路由工作流
          • ·通过减少行政负担增强客户关怀
          • ·批发业务运营生产力显著提升
          • ·年运营节省1200万美元

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：Vendor-reported (Salesforce customer story), and a pilot/beta rather than a deployment — Agentforce launched in late 2024. Prudential is a financial-services firm, not healthcare. The 'half a day' saving applies to annuity wholesalers and is a projected figure ('up to half a day per week'), not a realized CSR outcome; the unsourced 'hundreds of workflows', '100% compliance', and '$12M' figures were removed. Last verified 2026-07-21.

          来源

          1. https://www.salesforce.com/customer-stories/prudential/
          2. https://www.prudential.com/links/about/investor-relations
          Barclays银行业截至2025年的公开报告供应商提供

          UiPath 企业自动化：已核实的 PACE 证据

          PACE 自动化组合的供应商来源效率收益

          30%+
          效率提升
          供应商报告

          挑战

          本条目仅限于 Barclays PACE 自动化组合的已发布证据；未经证实的细节已移除。

          已报告的方法

          Barclays 使用 UiPath 进行企业自动化，并正在探索代理式工作流程。保留的供应商报告证据是 PACE 组合达到 30% 以上的效率收益。

          已报告的成果

          • ·供应商报告 PACE 实施带来 30% 以上的效率收益

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：The 98% straight-through and 12,000-hours figures shown in earlier versions were Fiserv's numbers from the same UiPath On Tour London coverage, not Barclays'; the days-to-minutes figure was a UiPath product demo and the £25M figure was unsourced — all removed. Barclays is exploring agentic workflows; the only correctly scoped figure retained is the 30%+ efficiency benefit across its PACE automation portfolio (vendor-reported, not independently audited).

          来源

          1. https://www.uipath.com/resources/automation-case-studies
          2. https://home.barclays/news/
          Dow Chemical制造业2024年 - 至今供应商提供

          Microsoft Copilot Studio：供应链智能

          全球材料公司利用AI自动化改造供应链

          Millions
          年度节省
          供应商报告
          数周→分钟
          处理速度
          供应商报告
          10万+
          发票量
          供应商报告

          挑战

          Dow面临每年从5000多家供应商处人工处理10万多张PDF发票的困难、发票不准确和异常导致每年300-500万美元损失的检测困难、每次争议需要数周或数月的运费调查，以及全球供应链中缺乏成本优化可见性的问题。

          已报告的方法

          使用Microsoft Copilot Studio，Dow部署了用于账单分析的自主发票扫描代理和用于调查的自然语言“运费代理”。该系统具备自动异常检测、成本优化的模式识别、员工审查的仪表板集成，以及深度分析的对话界面。

          已报告的成果

          • ·预计首年节省500万美元以上
          • ·调查时间从数周/数月缩短到分钟
          • ·扩展到处理10万多张发票而无需增加人员
          • ·首季度识别出200万美元的多收费
          • ·使非技术人员能够执行复杂分析
          • ·人工数据录入减少95%

          对行业的启示

          本条目作为关于更广泛医疗AI格局的研究笔记。它不描述Ajentik的产品、客户或合作伙伴关系。读者可以使用下面的来源链接查看原始报道。

          编辑说明：Vendor-reported (Microsoft WorkLab 'AI impact at Dow'), not independently audited. The '$5M+ first year' figure was softened to 'millions (anticipated, once scaled)' to match the source, and the unsourced '99.5% accuracy' and '$2M first quarter' figures were removed. Last verified 2026-07-21.

          来源

          1. https://www.microsoft.com/en-us/worklab/ai-impact-at-dow-goes-beyond-cost-savings
          2. https://investors.dow.com/

          想讨论您自己的部署？

          这些研究笔记描述的是其他机构的工作。如果您想与我们讨论您自己的医疗AI计划，请联系我们的团队。

          联系我们探索我们的平台