医院运营管理正成为AI渗透医疗行业的最新试验场。

“过去一年，大量医院花费数十上百万元部署大模型后，普遍陷入‘重部署、轻应用’的困局，技术投入未能转化为实际运营效能。”记者近期从上海蓬涞数据了解到，该公司推出智能体PalClaw，以AI Agent形态切入医院运营部门，试点数据显示数据洞察效率提升92%、人工工作量缩减70%以上。

据蓬涞数据相关负责人介绍，目前AI医疗行业正经历关键转折，从“有没有大模型”转向“能不能干活”。相比通用大模型厂商，深耕垂直领域、具备行业know-how的企业，在数据接口适配、业务流程嵌入等方面更具优势。但这也意味着，运营管理痛点更多来自客户积累和服务经验，而非单纯的技术领先性。

一位在上海三甲医院从业的人士介绍称，医院运营数据涉及HIS、LIS、SPD等多个异构系统，数据标准不统一、质量参差不齐，且高度依赖专业人员的业务理解能力。大量医院部署大模型后，面临“有数据不会用、想用好缺人才”的困境——据行业估算，医院运营数据洞察复合型人才未来三年供需缺口超万人。

不过资本市场更关心的是：当AI开始替代医院运营管理中的人力密集型环节，这个赛道的商业化空间究竟有多大，投资逻辑是否成立？

行业数据显示，AI医疗正从烧钱讲故事走向有收入、可复制。弗若斯特沙利文预测，中国AI医疗市场规模将从2023年的88亿元增长至2033年的3157亿元，年复合增长率43.1%。中信证券研报指出，AI医疗支付方更加明确且支付能力更强，商业化确定性显著增强。

但细分到运营管理软件赛道，市场空间需要更审慎测算。目前AI医疗的主要付费方仍是三级医院，而医院运营管理软件的预算通常来自信息化专项经费，与临床诊疗系统相比优先级偏低。

一位关注医疗行业的券商研究人士对记者称，于资本市场而言，医院运营管理AI赛道的投资还存在不确定性。首先是数据安全与合规成本。医疗数据涉及患者隐私和伦理问题，监管趋严背景下，AI产品的数据合规成本不容忽视。且合规成本的上升，可能侵蚀中小企业的利润空间，加速行业集中度提升。

其次是技术迭代风险。上述券商人士进一步称，大模型技术仍在快速演进，今天的技术路线未必是明天的主流。商业模式可持续性方面，当前医院AI产品的收费模式以项目制为主，缺乏持续性收入。

蓬涞数据相关负责人也提到，PalClaw所代表的“智能体即服务”模式，理论上可以转向订阅制收费，但医院客户的付费习惯和预算周期能否支撑这一转变，仍需观察。此外，试点数据与规模化落地之间存在差距，产品在不同医院、不同科室的适配成本可能显著上升。

总的看来，对于资者而言，当前阶段更应关注企业的客户留存率、付费转化率和单位经济模型，而非单纯的增长故事。AI医疗的估值逻辑正在从“技术想象力”转向“商业兑现力”，医院运营管理软件赛道也不例外。