
診所營運同事最常問我的一條問題,是保險公司入口那張表可不可以直接交給 AI 填。2026 年 11 月 17 日,OpenAI 公布電腦操作型 agent 在美國醫療機構的測試與部署結果,同一類動作已經在真實流程裡跑;官方測試中,醫生把 325 個已審查任務裡的 99% 評為臨床安全。截至 2026 年 11 月,我的看法是這類流程可以開始試,但起點要放在 ai agent development 的權限清單與人工覆核點,先寫清楚 agent 可以讀什麼、寫什麼、幾時停,再談把流程交出去。
先講事實。The Decoder 在 2026 年 11 月 17 日報道,OpenAI 把模型當成軟件 agent 部署到診所與保險公司的既有系統:它們用滑鼠點擊與鍵盤輸入,在電子病歷與外部入口之間搬資料,處理轉介、事前授權與器材訂單。同日上線的官方公告可以與報道互相對照。
臨床表現那一組,醫生審查 Astra 在電子病歷收件匣的工作,325 個已審查任務中有 99% 被評為臨床安全;646 次評估中,93% 認為 agent 準備的草稿非常或極度有幫助。行政表現那一組用 Stanford 研究團隊的 HealthAdminBench:135 個任務、1,698 個子任務,橫跨 4 個 GUI 環境、評估 5 個模型;Astra 取得可用評分點的 94.3%,Luna 取得 91.8%,而 Luna 每項任務成本約 8.5 美分,比 Astra 低 98%。
部署規模值得一併看。CVS Health 有 agent 每日處理數以萬計會診的系統步驟,另一個用一個週末清掉積壓數月的文件;Cigna Healthcare 的個案管理員以往要在超過 10 個臨床與行政系統之間找資料。這些都是美國市場的部署,公告沒有提歐洲的 GDPR,也沒有交代截圖在何處處理、保存多久。

醫療與保險軟件的碎片化不是新問題。醫生開出一張 MRI 轉介,保險公司要的資料可能散在病歷、物理治療紀錄與舊影像裡,前線同事的工作就是把同一組事實由一個畫面抄到另一個畫面。這些系統大多沒有對外 API,過去幾年的自動化就卡在最後一哩。
電腦操作型 agent 換了做法:不再要求系統提供接口,而是看畫面、點按鈕、打鍵盤,像人一樣操作。轉介、事前授權與器材訂單可以用同一套能力處理,共通點是它們在畫面上都有欄位與提交鍵。成本亦令高頻流程變得可行,Luna 每項任務約 8.5 美分的價位,令每日數以萬計的量級第一次有經濟意義。
會點擊不代表可靠。OpenAI 的示範裡,agent 交出的是草稿:MRI 醫囑、回覆病人的訊息、保險入口上的事前授權申請,全部經醫生與行政同事審閱才放出。CVS Health 用截圖與操作紀錄核對 agent 做過什麼。這個階段的產品設計,默認了人手在迴路之內。
這則新聞離香港很遠,它描述的工作香港的診所、體檢中心、保險中介與客服團隊每日都在做,只是換了系統與監管框架。
轉介信、索償表、器材訂單這類文件,多數由兩三位同事在幾個系統之間抄寫。agent 的空間在備稿與跨系統找資料;簽署與提交仍要由具名同事負責,因為出錯時要有人說得出為何批。
保險公司入口通常封閉,沒有公開 API,欄位與附件要求逐間不同。這類對接屬雙向對接加授權,要單獨立項評估,不是加一段提示詞就能接通。
查詢與預約是最先可以交給 agent 的一段:由對話接待辨識意向、引導留資,複雜個案轉人。Topkee 的 YME Chat Agent 做的就是這種階段性轉接,把網站聊天、WhatsApp 與 Messenger 的查詢收進同一個入口。
要答的問題包括接口是否穩定、授權怎樣切、數據品質夠不夠、出事時看不看得到紀錄。香港沒有美國的 HIPAA 框架,靠的是《個人資料(私隱)條例》與合約,跨境處理與外判安排要逐項問清楚。

現時搜 ai agent development,結果多是開發者教學:怎樣用框架砌一個 agent、怎樣寫提示、怎樣接工具。它們回答「怎樣做一個會動的 agent」,沒有回答「怎樣把 agent 接入一間受監管的公司」。要把 agent 接進既有系統,enterprise system integration 的功夫亦躲不開:接口、資料映射、單向或雙向同步,全部要在動手之前評估。這個缺口落在三處。
「可以寫入 CRM」這種寫法沒有用。權限清單要逐個欄位列明可讀、可寫、不可寫,並指定哪些動作要事先授權。整庫寫入的權限,在任何受監管流程裡都不應該給。
agent 交出草稿、指定同事核對、再由人按下提交,這三段要畫在同一張流程圖上,包括資料不足時停在哪裡、由誰補。OpenAI 提到的 Ambience 就示範了這種設計:紀錄不清楚時 agent 停下來問醫生,獲批才提交。
沒有樣本的驗收等於沒有驗收。上線前先定抽樣方法、評分規則與通過門檻;異常測試要涵蓋接口錯誤與欄位缺失,也試一次同一份資料重複提交。驗收當日把權限清單與配置一併交接。
Topkee 做定制 AI Agent 開發時,把交付原則寫得很直白:結果能核對、動作有邊界、失敗有人接手、成果可以交接。放到醫療表單與保險授權的場景,這四句就是驗收清單。要問的是它填過的每一格能否對回原始資料,每個動作有無權限依據,接口出錯或資料不足時誰接手,以及項目完結時客戶拿不拿得走配置與說明。
系統一層,Topkee 的 enterprise system integration 做法是用 API、資料映射、單向或雙向同步連接既有 CRM、ERP、電商與雲服務,先評估接口、授權、數據品質與現有功能,再決定哪些連接器可以重用;應用與 agent 共用的後台、接口與聯調只做一次。必須講清楚,這類對接是按項目評估的,沒有「任意系統即插即用」這回事,醫療與保險的封閉入口尤其如此。至於 crm 系統 整合,新增的每個集成獨立驗收,寫回時只更新獲授權欄位,對外發送另需權限。
工作流一層,Topkee 的 AI 工作流程自動化把分工寫成 agent 備稿、人覆核:agent 整理需求與既有資料、標記缺失欄位、產生跟進草稿,同事在工作台核對後才回寫系統;資料不足時提出確認事項,不擅自補寫客戶事實。要說明白:Topkee 的知識庫沒有醫療或保險客戶案例,以上是能力與交付方式,不是行業方案。
以下六步,是我會建議一間香港診所或保險中介在今季做的事,次序不要跳。

下季值得留意的是幾件事會不會有答案,而不是哪個模型再便宜幾成。
模型價格仍然主導可行性。Luna 每項任務約 8.5 美分是這輪行政自動化站得住的原因之一;價格再變,流程的經濟計算亦要重算,現時適合交給 agent 的流程,將來未必仍然適合。
監管與審計是第二個變數。公告沒有交代截圖在何處處理、保存多久,歐洲的 GDPR 亦未覆蓋。香港團隊要自己問跨境處理、外判安排與紀錄保存期限,並寫進合約。
人手配置會搬位。覆核的工作量不會消失,只會由抄表變成核對草稿;管理層要預留這部分工時,否則自動化只是把瓶頸推去另一位同事身上。
最後是供應商的交付方式。要求對方交出驗收樣本、權限清單與異常處理說明,比看一份準確率簡報有用,這亦是評估 ai agent development 項目時最容易被跳過的一步。