【自动化白袍】Olive AI —— 把医院后台包装成 AI 神话

项目背景

Olive AI 曾是美国数字医疗泡沫里最耀眼的名字之一。它承诺用 AI 自动处理医院后台的重复工作：保险核验、理赔、授权、账单和行政流程。这个故事听起来非常合理：医院人手紧张，文书负担沉重，保险流程低效，医疗系统急需自动化。公司在疫情后的数字医疗热潮中迅速融资，估值一度达到 40 亿美元，还宣称自己的系统已经进入数百家医院。

失败分析

Olive 的问题不是医院不需要自动化，而是它把复杂的医疗运营说得太像一套通用软件。每家医院的系统、保险规则、合同、数据格式和内部流程都不一样，所谓 AI 自动化落地时往往变成大量定制、人工配置和客户成功服务。公司扩张太快、收购太多、叙事太满，真实交付能力没有跟上估值。最后业务被拆卖，核心公司关停，曾经的 AI 医疗明星变成数字医疗泡沫退潮的标本。

经验与判断

医疗后台不是一张待自动化的表格，而是一堆历史系统、合同规则和责任边界。 Olive 的教训是：B2B 医疗软件不能只看客户 Logo 和 AI 宣传词，必须看上线周期、自动化成功率、客户续约、人工介入比例和实际节省成本。真正有价值的 AI 医疗工具，应该先在一个很窄的流程里稳定赚钱，再慢慢扩大范围。

成本与指标

CAPITAL BURN / 资本消耗：$8亿+ 融资。疫情后高估值融资支撑快速扩张，但收入质量和交付效率没有撑住公司体量。

PEAK VALUATION / 巅峰估值：$40亿。医疗 AI 热潮中给出的独角兽估值，远高于业务可验证的成熟度。

CORE FALLACY / 核心误判：后台流程一键 AI 化。把医院行政流程当成标准化任务，低估了本地系统、合规和人工例外处理。

术语解释

Revenue Cycle (医疗收入周期)：医院从患者就诊到保险理赔、账单收款的完整流程。它很琐碎，也很难被一套通用软件完全吃掉。

RPA (机器人流程自动化)：让软件模仿人点击系统、搬运数据。它能省时间，但不等于真正理解业务的 AI。

Implementation Risk (实施风险)：软件卖出去后，能不能在客户真实系统里上线并持续工作。企业软件最常死在这里。