在科技行业，人工智能（AI）长期以来被奉为降低运营成本、提升效率的“圣杯”。从制造业到金融业，无数案例表明，AI 能够通过自动化流程和优化决策来削减开支。然而，这一行业共识在医疗健康领域遭遇了严峻的挑战。美国蓝十字蓝盾协会（BCBS）近期发布的一份报告揭示了一个令人震惊的现实：AI 的应用不仅未能有效控制医疗开支，反而正在推高成本。
根据报告显示，在过去两年间，由于医院端广泛引入各类 AI 工具，导致医疗支出额外增加了 9.42 亿美元。这一数字相当惊人，相当于平均每天给医疗系统增加了约 130 万美元的额外负担。这一数据不仅引发了业界的震惊，也迫使人们重新审视“AI 能够自动省钱”这一盲目乐观的假设。
深入分析这一现象，我们发现其背后的原因错综复杂。首先，医疗数据具有高度的复杂性，且往往存在数据孤岛问题。许多医院引入的 AI 系统（如影像诊断辅助、电子病历分析工具）虽然具备处理海量数据的能力，但在面对复杂病例时，仍可能出现误判或“幻觉”。例如，AI 可能错误地将良性病变标记为恶性，或者漏掉关键的病理特征。在这种情况下，为了确保医疗安全，医生往往需要进行更深入的检查或复查，这直接导致了检查费用的上升。此外，如果 AI 建议了不必要的昂贵手术或药物，也会直接推高账单。
其次，AI 工具的引入可能对医生的工作流造成了干扰。如果 AI 生成的报告晦涩难懂，或者需要医生花费大量时间去核实 AI 的结论，反而降低了诊疗效率。在这种情况下，技术不仅没有节省时间，反而成为了新的工作负担。此外，医疗数据的标准化程度参差不齐，导致 AI 模型在训练和运行时面临数据偏差问题，进而影响决策的准确性。
从行业影响来看，这一数据对保险公司而言是巨大的挑战。保险公司通常通过精细化管理来控制赔付率，而 AI 成本的上升直接侵蚀了这一空间。这可能导致保险公司在未来的定价策略中更加谨慎，甚至对某些高风险的 AI 辅助治疗项目提高保费，从而将部分成本转嫁给患者。同时，这也加剧了保险公司与医院系统之间的信任危机。
展望未来，医疗 AI 的发展必须从“追求技术先进性”转向“追求临床实用性”。这要求开发者必须针对医疗场景进行深度优化，建立严格的“人在回路”验证机制，确保 AI 的建议在医学上是安全且合理的。同时，医院在引入 AI 工具时，也应建立完善的评估体系，监控其真实的经济效益，避免盲目跟风导致成本失控。只有在确保医疗质量和控制成本之间找到平衡点，AI 才能真正成为医疗行业的助推器，而非负担。
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/2026/09/26/insurers-claim-ai-is-already-increasing-healthcare-costs/
封面图片来源：Unsplash / 摄影师 Marek Studzinski
