和一些网友关于AI项目落地的讨论及具体案例

本文链接：https://blog.csdn.net/withcsharp2/article/details/148174982

起因

昨天在一个2000多人的QQ群里，大家对AI的使用和应用讨论到了凌晨3点。所以俺就把俺的看法记录了下来。

俺的看法

对于程序员来说，AI 是赋能，AI是程序员的一个顶级装备（敏捷+300% 力量+300% 的那种）。同其他行业的人比较，我们更关心AI，更喜欢用AI。我之前的一些文章中也写了一些如何使用AI的例子。相比“编程”来说，其他的行业有很多AI使用的场景。医疗、教育、法律、文娱等等行业，有着大量的适合AI使用的场景。俺的另外一篇文章《基于语音识别的智能电子病历》中，俺讲了医疗的电子病历中在20多年中AI的使用。20年前是语音识别，10年前语义分析、结构化CDA，现在是电子病历的质量管理、内容分析、Summary 等等。在俺看来，“AI 的使用”是“先进的生产工艺”替代“落后的生产工艺”的过程，是革新，是进步，是“科学技术是第一生产力”的具体实现。

如果 AI 是一个新的爆震发动机，要用这个新的发动机制造出一架飞机，需要大量的设计的。孤零零的一个发动机是飞不起来的。同样，一个AI产品的落地也会有着大量的其他工作，业务还是要去设计，报表还是有一大堆，各种接口、模块也是铺天盖地。程序员们还是要加班完成各种设计。哪怕程序员们使用AI 生成代码，代码也没啥错误，把这些代码组装出一个完整的解决方案还是要加班。我们可以先把“AI替代程序员”这件事放一边，我们去做行业的探索，做行业深耕，借助AI这个顶级装备，打出一片天地。

当一个探索能够使“平均劳动时间”能够降低30%，同时，质量保持原有的品质，那么这就是一个很了不起的变化。“人工智能的使用”改变了或正在改变着很多行业的工作模式。分工也更加精细化，也带来大量的工作岗位。在没有人工智能的时候，很多事情没法做或者太耗费人工。有了人工智能后，再加上精细化的分工，这些事情就变成了可行的方案，然后落地、发展。很多高大上的服务，因为价格的降低就变成了大众化的服务。这30年，随着网络、智能手机、硬件的快速发展，诞生了无数的新行业，电商、自媒体、网游、在线教育等等。未来10年， AI的发展也会带来巨大的变化。

例子

例子1 AI Coding

背景：医疗编码员(Medical Coder) ，一般人3-6个月就可以拿下证书。工作内容就是查看病人的资料和病历等，给出疾病编码、诊疗编码等（例如 ICD10 i11.9 CPT 99214）。俺们单位目前有2000多位医疗编码员。这个项目的目标是“使用AI处理一些简单的Coding业务”。题外话：程序员小伙伴们，不要担心AI 替代程序员，因为还有很多很多和"编程"相比，简单很多的工作， AI正盯着这些场景磨刀霍霍了。

AI给出的结果，不同的颜色表示准确度不同。K44.9 是绿色的，表示这个编码AI的准确性>90%,如何让AI给出准确性，在俺的文章《AI人工智能的接入和使用》中有详细说明。

AI 部分是调用Microsoft Azure微软云计算服务。

在AI Mode 里有2个选择，可以通过配置自由切换。

例子2 GPT人工智能在医疗文档中的应用

场景：用于文档的整理。主要是针对医疗方面的文档整理。病人在打官司或者办理其他业务时，需要把很多文档整理成册并添加目录、编写概要（Summary）。这些文档有电子版本的，有纸质的扫描件，还有拍照（一般是事故或者车祸现场）等等。一些复杂的病人，一个病人有超过7万8千页的文档。现在每年有超过2.1亿页业务量进行处理。目前主要是靠人工处理。为了提高效率、降低成本，引入了GPT进行自动编写目录、生成概要。

具体见《GPT人工智能在医疗文档中的应用》

例子3 DTEHR

这是一个古老的项目，经历了3个公司：

1996年FutureNet-Tech开始开发

2018年FutureNet-Tech被AQuity收购

2023年AQuity被IKS收购

目前还在更新（每月更新一个版本），目前还有接近100家医院或诊所使用。这是一个医疗“转录”系统，其实就是打字服务，听医生的录音，然后基于录音上的内容录入电子病历或医疗报告。看上去是很简单，其实一点也不难。

图上最中间的C位有两个“QA”

产品的难点在于： 在保证质量的情况下提高工作效率。俺们的老对手Nuance，在这方面做的不错，已被微软用197亿美元收购。

产品是按照报告的行数向客户进行收费的，刚开始的时候，一行5-8美分，录入一个比较长的手术报告可能有几十美元，后来随着AI 的使用，工作效率越来越高，成本也逐渐走低。

网友的一些疑问

有网友说：在使用了AI之后，很难控制质量和责任？

俺的回答：

这是个很实际的问题。人有时会嘴瓢，AI也会嘴瓢，而且AI还会一板一眼的瞎编。所以 AI在落地的时候，要设计出一个完善的业务模式。“有问题, 就解决题”，我们的方向是向前的。例如俺们上面的例子，业务上有各种质检规则，还对所有的数据进行质量追踪。在公司的组织架构上也有相应的变化。俺们设置了独立的部门和分公司，负责质量方面的管理。讲个真实的段子，11年的时候，俺去优化一个服装业的ERP时，和客户聊了很多次。客户下达一批衬衫的采购单，要经过33道质控和审批。AI 在使用中确实有“质量和责任”的管理难度。再讲一个段子，医学编码（就是上面的第一个例子），前年，美国有些州立法，至少15%的数据交给第3方公司检查编码的质量。俺们单位也做这个业务，就是检查其他公司的业务数据。