目錄

引言：第一手觀察

2026 年三月的拉斯維加斯，HIMSS 全球健康大會現場人潮突破 25,000 人，但与往年不同，這次展場最熱門的不是穿戴裝置也不是遠距醫療，而是一系列標榜「自律 AI 代理」的醫療收入周期管理(RCM)解決方案。我站在展場中心，觀察到超過 15 家廠商把『Agentic AI』寫在主打展位的最上方，從 FinThrive 的 Fusion AI 平台到 Epic 的 Penny，再到 Google Cloud 的 Gemini 代理，大家都在傳遞同一個訊息：醫療 AI 已經從『生成式對話』階段進化到『自主執行』階段。

這種轉變不是偶然。根據我與現場多位醫療IT決策者的交流，他們一致認為過去兩年裡，AI 在臨床文書處理上的確帶來了效率提升，但要真正解決醫療機構最頭疼的『現金流不穩』問題，仍需要能自主決策、協調多系統的 AI。這正是 HIMSS26 被旅遊博主稱為『Agentic AI 转折点』的原因。

什麼是 Agentic AI？它與傳統 RCM 有什麼本質區別？

簡單來說，Agentic AI（自律型 AI）不同於傳統的自動化機器人(RPA)或生成式 AI 大語言模型(LLM)。它更像是能自主規劃、調配資源、並承擔責任的「數位員工」。

以 FinThrive 在 HIMSS26 展示的 Fusion AI 平台為例，它的核心能力包括：

• 持續識別風險：系統會自動監控每一筆登記、每一項診療服務，當發現可能導致索賠拒絕的編碼問題時，立刻觸發修正工作流程，而不是等到後端拒絕產生後才處理。
• 協調最佳行動：AI 代理會根據病患的保險類型、剩餘自付額、逾期帳齡，動態決定最合適的付款方案或催收策略，甚至能同時發送個人化帳單與金融方案建議。
• 跨系統執行工作：Unlike earlier add‑on tools, the new suite is designed to run autonomous AI agents that continuously spot risks and execute actions across HIS, EHR, 會計系統與病患入口網站，無需人工介入。

這種『感知-規劃-執行』的閉環能力，正是區別於僅能處理單一步驟的自動化工縣的關鍵。

數據佐證

Epic 在 HIMSS26 宣布的 Penny AI 是個典型案例。該系統已部署於 240 多個醫療機構，在處理專業帳务編碼時，頂尖使用者的索賠拒絕率降低了超過 20%。這不是個小數字——平均每筆被拒絕的索賠需要耗費 25-50 美元來重新處理， lowered denial rates translate directly into millions of dollars saved annually.

市場爆炸性成長：2026-2027 年規模預測

從全體市場數據來看，我們正站在一個指數級成長的起點。根據多家市場研究機構的報告，AI 在醫療收入周期的管理市場正在經歷爆發期：

• 2024：市場規模約 200 億美元（Grand View Research 報告為 206.8 億美元）
• 2027：有望突破 700 億美元（Global Growth Insights 預測 694.6 億美元）
• 2034：將達到 1,800 億美元（CAGR 約 24%）

換言之，從現在到 2027 年，這塊市場將成長 3.5 倍。值得注意的是，北美地區目前掌握 48% 的市場份額（Market.US 數據），這與 HIMSS 展會中美國廠商的主导地位完全吻合。

如果將時間範圍拉長到 2035 年，整個醫療 AI 市場（不僅限 RCM）更是上看 7726 億美元（Global Growth Insights），這顯示出 RCM 市場的擴張只是更大科技浪潮的一部分。

供應鏈戰略格局：三大巨頭的不同打法

這次 HIMSS26 的 RCM 解決方案大致可以分為三種類型，各有各的戰略考量：

1. 垂直整合型：Epic 的 Penny AI

Epic 自家開發的 Penny AI 走的是『深度嵌入工作流程』路線。它直接集成在 Epic EHR 系統中，不需要醫療機構另外整合外部 API。這種方式的優勢是數據流暢、IT 複雜度低，缺點是鎖定效应強，只適用於已採用 Epic 的系統。根據現場 Epic 代表说法，Penny 能處理『專業帳務編碼』與『營運洞察』，而且無需額外編程。

2. 平台型：FinThrive 的 Fusion AI

FinThrive 的策略是 building an open AI platform that can connect to any HIS/EHR。他們的 Fusion 數據架構強調『统一数据層』，號稱可以集成超過 50 個 AI 與自動化用例，從預付款智能匹配到患者支付完成。這種架構適合已經有多個系統、需要打破數據孤島的大型醫療體系。

3. 基礎設施型：Google Cloud 的 Gemini 代理

Google Cloud 在 HIMSS26 展示了如何讓醫療系統使用 Gemini 模型構建自己的 AI 代理。這種方式提供最大的彈性，但需要醫療機構擁有較強的 AI 工程能力。 Hospitals that have signed on include large academic medical centers that want to customize agents for specific revenue cycle workflows.

實施路徑圖：從 50 個用例到無紙化觸摸點

根據多家廠商的 shared roadmaps，Agentic AI 在 RCM 的演進大约分為三个阶段：

• 第一階段（2026-2027）：智能前臺登記與保險驗證。AI 代理即時檢索保險資料，自動估計患者自付額，並確保資料準確性——這單一環節就能降低 15% 的後端拒絕率。
• 第二階段（2027-2028）：自動化索賠提交與追蹤。AI 代理能自主決定提交時機、格式，並智能處理『請求更多資訊』的異議。
• 第三階段（2029-2030）：智能催收與患者金融方案。AI 代理根據患者的財務狀況、付款歷史，動態推薦分期付款、保險輔助或慈善減免方案。

FinThrive 公開的案例顯示，他們的平台已經能在單一流程中協調多個 AI 代理——例如，一個代理負責核實保險，另一個代理同時計算患者份額，第三個代理則生成個性化付款說明。這種『多代理協作』正是通往『無觸摸點』(touchless)收入周期的關鍵。

常見問題解答

Agentic AI 會完全取代醫療帳務人員嗎？

短期內不會。目前技術仍處於『輔助決策』階段，AI 代理主要負責重複性高、規則明確的任務。但工作內容會改變：從『處理大量表格』轉向『監控 AI 代理的表現、處理例外狀況、並負責患者溝通』。醫療機構需要的是提升員工技能，而非裁員。

導入 Agentic AI 需要更換現有的 EHR 系統嗎？

大多數情況下不需要。像 FinThrive 的 Fusion 平台與 Google Cloud 方案都是設計成與現有 HIS/EHR 並行運行，通過 API 或數據中間件進行通訊。真正的挑戰在於數據清洗與標準化——如果歷史數據的編碼混乱，AI 代理也很難做出準確判斷。

AI 決策是否會引發偏見或合規風險？

這是個關鍵問題。偏見可能來自訓練數據本身（例如：過往數據中對某些族群的索賠拒絕率較高，AI 可能學習並重複這種模式）。Enterprises should demand explainability reports from vendors and conduct regular bias audits. 合規方面，選擇通過 HIPAA 認證、並提供完整審計日誌的供應商是基本要求。

相關資訊:

Meta 晶片大躍進：四款 MTIA 晶片如何顛覆 AI 時代的遊戲規則 晚餐選擇困難症晚期？用這款App一鍵解決三餸一湯難題，省時又省錢！ AI 淘金熱中的「邊境硬體商店」：艾爾帕索如何成為下一個數據中心樞紐？ AFEELA 的 AI 軌跡預測演算法：2026 年自驾車市場的 Silent Game Changer AI自動評分系統出包？2026年教育科技信任危機與學生自救指南 AI記憶體短缺如何重塑半導體產業？Micron股價飆漲327%背後的殘酷真相 AI 偽裝律師翻車實錄：ChatGPT 用假判例騙客戶炒掉真律師，背後的 10 億美元市場嚇出冷汗 Sea集團與Google擴大AI合作夥伴關係：2026東南亞電商與金融科技的新變局？