台湾奇美医院院长林宏荣：AI代理进医院前，得先建好安全沙盒环境

林宏荣把奇美医院的AI发展分成四步：2005年从资料仓储和商业智能工具起步，2019年成立AI中心把生物统计能力延伸到机器学习，2023年进入生成式AI助手阶段，2025年起瞄准代理型AI。每一步的推进逻辑不是技术可用性，而是组织是否已经具备安全使用下一层能力的条件。

在疾病预测阶段，奇美刻意避开了医疗影像AI。林宏荣解释，影像模型需要大量运算资源和人力标注，而奇美多年积累的却是临床资料和生物统计经验，从既有能力出发做疾病风险预测更务实。这一选择后来产出32个已上线的预测模型，覆盖13个科部，医师在HIS页面即可查看患者相关风险。

进入生成式AI阶段后，奇美先从护理纪录这类文书工作切入，把生命征象和管路记录转换为初稿，再扩展到医师、药师等职类。这套协作机制独立于既有HIS运行，不修改原有程式，避免改版风险和当机连锁反应。

A+药安师是目前最受关注的成果。林宏荣举例，一名药师可能负责整个病房上百名患者的用药安全，过去用规则式系统按预设条件筛选，但医疗知识随文献和临床指引更新，既有规则逐渐过时。新系统让AI先分析病历和用药资料，从100名患者中筛出可能有用药问题的10名，整理病史供药师优先检查。林宏荣称这套系统每天约可节省药师150分钟，并获国家医疗品质奖金奖。为降低幻觉风险，奇美将AI与Medi-Span药学数据库结合，用RAG引入持续更新的药学知识，先由Medi-Span筛选药物交互作用、禁忌症和剂量问题，再结合AI处理，最后由药师做专业判断。

但林宏荣明确表示，奇美目前还没有正式上线AI代理，因为医院尚未建立足够完善的安全执行环境。他用'龙虾池'比喻：不能让龙虾乱跑、搞破坏，还可能逃逸。对医院来说，AI代理若要读取病历、操作系统或执行任务，必须先确保它只在允许范围内活动。而建立这样的环境，前提是做好数据治理——林宏荣指出这是医院IT较缺乏的技术能力。

另一项未解决的挑战是AI代理如何与既有RPA整合。奇美已用RPA处理不少重复性工作，但RPA按预设规则和步骤执行。理论上AI代理可以理解任务、规划步骤，再由RPA执行固定操作，形成代理式自动化。林宏荣强调，两者究竟如何整合仍是探索中的问题。

面对快速变化的AI技术，林宏荣的策略不是追逐最前沿，而是'比科技最前沿落后两步'，保持谨慎但持续跟进。这个定位意味着奇美愿意在能力验证和组织准备度之间留出缓冲，而非以技术可用性作为部署的唯一判据。