一句话:OpenAI 这回让 AI 干的不是看病,是替医生点鼠标。11 月 16 日,据 OpenAI 官方发布,ChatGPT for Healthcare 加入 computer-use 智能体:能读屏、点击、打字,在多个应用间切换,直接操作医院现有的软件。
同步上线的还有更强的临床搜索和 20 多个医疗插件;ChatGPT for Clinicians 与 OpenAI API 同样可用,美国符合条件的认证临床医生可免费使用。消息一出,有人欢呼「医生解放了」。先别急,把「99% 安全」这个数字拆开看,事情没那么简单。


99% 这个数字,先看分母
据 OpenAI 官方数据,在 325 个电子病历收件箱任务中,99% 被评审者评为临床安全;646 次有用性评估里,93% 选了「很有帮助/极有帮助」。两个数字都漂亮,但拆开看,关键问题都在分母:任务是谁挑的、谁评的、评的是动作安全还是结果正确。
划重点:325 个任务由 OpenAI 自己挑选,评审者也由 OpenAI 组织。让选手兼裁判不是说不信,而是这个数字只能证明「在选定的任务上表现不错」,证明不了它在医院每个角落都稳。
顺带提一句,升级后的临床搜索也做了盲评:据 OpenAI 官方,1300 多次评审覆盖事实正确性、安全、可执行性、来源权威性等 8 个维度,全部有提升。至少它把维度列了出来,比单报一个 99% 诚实一些。
更要紧的是评的内容。说白了,评审者评的是「智能体这一步动作安不安全」——有没有点错按钮、有没有把信息填错位置;而不是「动作背后的医疗决策对不对」。动作安全是过程指标,结果正确是终点指标,中间差着一层。

八点五美分,把账算明白
能当参考的是斯坦福大学独立的行政流程基准 HealthAdminBench。据该基准评测,GPT-6 Astra 拿到可用 rubric 分的 94.3%,更便宜的 GPT-6 Luna 拿 91.8%,每个任务只要 8.5 美分,比前者便宜约 98%;两者都在最高推理强度下评测。
把账算给读者看:8.5 美分一个任务,就算一分钟只干一个,一小时成本也就 5 美元出头。据美国劳工统计局,医疗记录专员这类行政岗的时薪中位数约 25 美元,人工做同样的活,成本比智能体高出一大截;一个任务 8.5 美分,攒一百个也不到 9 美元,还抵不上人工一小时的时薪。
划重点:8.5 美分不是官方口径,是第三方在真实行政流程上跑出来的成本。这类活重复、规则明确、有现成界面可操作,正是智能体最擅长的环节。官方数字看趋势,第三方基准才值得较真。

谁签字,谁复核
责任边界由机构自己设定。据 OpenAI 官方,可以规定智能体能操作哪些应用、哪些步骤必须人工复核,并全程保留审计日志。三个开关都在机构手里,还可以设成高风险步骤必须人工确认、低风险直接放行,粒度自己定。这是它敢往临床场景推的前提。
数据层面,用户与 ChatGPT for Healthcare 共享的内容不用于训练模型;涉及受保护健康信息的流程,需要签 BAA 业务合作协议,并按合规要求配置安全与留存设置。翻译成大白话:病历里的敏感信息,不进模型、不出合规框架。
但这里有个前提:审计日志能证明「谁在什么时间操作了什么」,证明不了「这次操作医学上对不对」。说白了,智能体出了错,日志能帮你复盘、追责、改进流程;最终签字负责的,仍是机构和人。责任可以分担,不能外包。

先落地的不是诊断,是点鼠标
真正耐人寻味的是合作方名单:Abridge、Ambience、Cigna Healthcare、CVS Health,几乎全是行政与保险环节,没有一家主打「AI 看病」。CVS 还开源了基于 OpenAI Agents SDK 的 Agent Kit(据 OpenAI 官方)。
落地数据更直接:CVS 生产环境里,一个智能体用一周多时间清掉了积压数月的文件发送工作;另一个每天处理数万次专科会诊需要的系统步骤(据 OpenAI 官方)。这些活以前靠人在系统间搬运,现在换 AI 做同样的动作。
有个技术细节被低估:智能体只走界面,靠截图和无障碍树理解屏幕,因此能补上 API 覆盖不到的环节。老系统没开放接口?没关系,AI 会「看」着屏幕点。这是它能在行政场景快速落地的根本原因。
人工复核,短期下不了岗
我的判断:医疗 AI 落地最快的不是诊断,是「点鼠标的行政活」。诊断要人命、要循证、要背锅,验证周期以年计;行政活错了大多能挽回,先用起来再说。这不是降级,是聪明的切入顺序。人不是被替换,而是退到流程的关键节点上,盯例外、管边界、对结果负责。
但行政错误有时代价不小:转诊单发错科室、账单归错患者、信息漏填,轻则延误,重则影响治疗。所以「人工复核」这一步短期内不会消失——不是信不过 AI,是信不过「万一」。
说白了,这次发布的意义不在「AI 能看病」,而在「AI 终于把手伸进了医院的日常」。8.5 美分能替换一小时重复劳动,行政流程的重构就只是时间问题。但这里有个前提:每一步都有人复核,效率和责任才同时成立。99% 是起点,不是终点。