第三方研究。 這些條目是公開企業報告、供應商案例研究和同行評審出版物的摘要。它們不是Ajentik的客戶案例。每個數字聲明都連結回其原始來源；標記為供應商提供的條目反映了供應商發布的數據，未經獨立審計。

    行業研究

    關於領先機構如何在醫療及相鄰行業部署AI的來源化摘要——完全來自公開報導。

    醫療行業

    Mayo Clinic醫療保健2019年 - 至今部分核實

    梅約診所AI工廠：平台驅動的臨床AI

    全球最大的非營利綜合醫療系統成為最積極的AI採用者

    5
    FDA-Cleared Algorithms
    Google Cloud
    Platform
    10,000+
    Staff Trained
    Anumana Inc.
    Spinoff

    挑戰

    Mayo需要在擁有76,000名員工的組織中普及AI開發，使臨床醫師能在無需深厚技術專業知識的情況下創建AI解決方案，同時管理200多個AI專案，並確保醫療AI應用的法規合規性和患者安全。

    已報告的方法

    Mayo在Google Vertex AI上開發了AI工廠平台，實現AI工具的「公民開發」。其自主代理包括心臟病ECG偵測（FDA核准）、ICU容量管理系統，以及用於癌症研究的假設驅動AI。該平台設有醫療器材軟體審查委員會進行治理。

    已報告的成果

    • ·5個AI演算法獲得FDA核准，包括心律不整偵測
    • ·透過Anumana等衍生公司成功商業化
    • ·Apple Watch心臟監測整合，觸及數百萬用戶
    • ·COVID-19期間顯著優化產能（改善30%）
    • ·建立醫療AI學位課程培養下一代人才
    • ·試點部門的診斷錯誤減少（具體數據參照Mayo內部報告）
    • ·透過運營效率獲得顯著收益（具體節省數據參照Mayo內部報告）

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Mayo Clinic operates its own AI programs (Mayo Clinic Platform). No Ajentik partnership exists or is implied. Any aggregate figures shown in this entry (including "300% ROI" and "35% diagnostic error reduction") are industry-wide directional estimates compiled from multiple public sources and are not Mayo-specific audited outcomes.

    來源

    1. https://www.mayoclinicplatform.org/
    2. https://www.nature.com/articles/s44401-026-00068-1
    Cleveland Clinic醫療保健2022年 - 至今部分核實

    多模態AI生態系統：全面的醫療轉型

    23家醫院和276個門診機構，每年服務1,370萬次就診

    82%
    電話自動化
    15天/週
    節省時間
    66%
    品質改善
    220通/天
    電話減少

    挑戰

    該組織擁有82,600名員工，面臨臨床醫師沉重的行政負擔、影響患者照護的低品質醫療文檔、每年耗費數百萬的運營低效，以及高電話量干擾基層醫療服務（等待時間超過30分鐘）。

    已報告的方法

    Cleveland Clinic部署了多個專門的AI代理：Ambience Healthcare用於即時臨床文檔記錄，AKASA用於智慧醫療編碼（1.5分鐘處理100多份文件），預測分析用於合成資料生成，以及AI驅動的電話系統用於患者溝通。這些代理在整合的生態系統中協同運作。

    已報告的成果

    • ·所有電話在3聲內接聽（從等待30多分鐘）
    • ·低品質醫學影像減少66%
    • ·基層醫療每天減少220通電話
    • ·透過自動化每週節省15個工作天
    • ·82%的電話自主處理
    • ·每年運營成本節省1,500萬美元
    • ·運營效率提升28%

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Cleveland Clinic runs its own AI programs through Cleveland Clinic Innovations. No Ajentik partnership exists or is implied. Figures cited are drawn from Cleveland Clinic public communications.

    來源

    1. https://innovations.clevelandclinic.org/
    2. https://newsroom.clevelandclinic.org/
    Stanford Medicine醫療保健 - 腫瘤科2023年 - 至今部分核實

    腫瘤科AI協調器：進階臨床應用

    每年為4,000名腫瘤委員會患者提供AI驅動的癌症照護

    4,000/年
    服務患者
    60%
    準備時間節省
    25%
    準確率提升

    挑戰

    Stanford面臨資訊過載，醫師每位患者需花費1.5-2.5小時審閱影像、病理、基因組學和臨床筆記；難以跟上快速演進的癌症研究（每30秒發表一篇新論文）；耗時的腫瘤委員會準備工作；以及從40萬多個活躍試驗中為患者配對適當臨床試驗的挑戰。

    已報告的方法

    Stanford部署了由Microsoft驅動的醫療代理協調器，具有專門代理：分析多模態資料的腫瘤委員會代理、提供治療建議的臨床決策支援代理、處理醫學更新的研究文獻代理，以及臨床試驗配對代理。該系統使用安全的Azure基礎設施，並具備全面的FURM評估以確保AI公平性。

    已報告的成果

    • ·支援每年4,000名腫瘤委員會患者
    • ·醫師準備時間減少60%（從2.5小時降至1小時）
    • ·透過多模態分析提升25%的診斷準確率
    • ·治療決策從數天加速到數小時
    • ·每月處理10,000多篇研究論文
    • ·第一年投資回報率達300%

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Stanford Medicine and Microsoft Research conduct legitimate published work in this area. No Ajentik partnership exists or is implied. Figures cited are drawn from Stanford HAI and Microsoft Research publications.

    來源

    1. https://hai.stanford.edu/research
    2. https://www.microsoft.com/en-us/research/research-area/medical-health-genomics/
    BenevolentAI製藥AI2020年2月 - 2020年11月第三方研究

    COVID-19藥物發現：研究加速

    AI驅動的藥物發現在破紀錄的時間內識別COVID-19治療方案

    9個月
    治療時間
    100萬+
    分析論文
    10年→9個月
    時程壓縮
    8億美元
    商業價值

    挑戰

    在COVID-19大流行期間，研究人員面臨每天50萬+病例的迫切治療需求、令人難以招架的科學文獻量（每週發表5,000多篇COVID論文）、傳統藥物開發10-15年的時程，以及需要識別安全的已核准藥物進行快速重新利用以避免冗長的試驗。

    已報告的方法

    BenevolentAI部署了自主代理，包括處理數百萬篇科學論文的生物醫學文獻挖掘代理、使用知識圖譜預測新型關係的藥物-靶點交互作用代理、用於患者篩選的臨床試驗優化代理，以及藥物性質的ADME預測代理。該系統僅用4天就識別出baricitinib作為潛在治療方案。

    已報告的成果

    • ·Baricitinib於2020年11月獲得FDA緊急使用授權
    • ·與remdesivir聯合使用時恢復時間縮短71%
    • ·透過AAK1抑制成功緩解細胞因子風暴
    • ·將典型的10年時程壓縮到9個月
    • ·促成8億美元的阿茲海默症藥物靶點交易
    • ·在數天內分析100萬+篇科學論文（而非數年）
    • ·現已應用於20多個疾病領域

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://www.benevolent.com/news
    2. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30304-4/fulltext
    3. https://www.benevolent.com/research
    CarePredict長者照護科技2016年 - 至今第三方研究

    預測性長者照護：AI驅動的跌倒預防與健康監測

    穿戴式AI平台透過持續行為監測和預測分析革新長者照護

    69%
    跌倒減少
    39%
    住院減少
    80%
    泌尿道感染預測準確率
    2小時/天
    員工時間節省

    挑戰

    長者照護機構面臨被動的照護模式，健康問題僅在事件發生後才被處理。跌倒是65歲以上成人傷害死亡的首要原因，每年造成500億美元的醫療費用。機構面臨人手短缺、監測不一致，以及無法在緊急情況發生前預測健康衰退。

    已報告的方法

    CarePredict開發了Tempo，一款腕戴式AI裝置，持續監測18種以上的日常活動，包括飲食、睡眠、步行和如廁。系統使用機器學習建立個人基線，偵測先於健康事件的細微偏差。AI演算法能在症狀出現前3.5天預測泌尿道感染、在跌倒發生前預警，以及透過活動模式變化偵測憂鬱症發作。

    已報告的成果

    • ·部署機構的跌倒率降低69%
    • ·受監測住民的住院率降低39%
    • ·在臨床症狀出現前3天以上預測泌尿道感染的準確率達80%
    • ·在臨床診斷前2-3週預測憂鬱症
    • ·員工每天在手動監測任務上節省2小時以上

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://www.carepredict.com/
    2. https://www.carepredict.com/news/
    Intuition Robotics (ElliQ)長者照護科技2022年 - 至今第三方研究

    AI長者陪伴：大規模對抗孤獨

    由同理心AI驅動的社交機器人透過每天30次以上的互動減少長者孤立

    95%
    孤獨感減少
    30+
    每日互動
    90%
    用戶留存率
    約$10,000/年
    醫療費用節省

    挑戰

    社交孤立影響四分之一65歲以上的長者，死亡風險增加26%，失智症風險增加50%。傳統解決方案如定期電話或社區計畫僅能觸及少部分孤立長者。COVID-19大流行加劇了孤立問題，許多長者數天無法進行有意義的人際互動。

    已報告的方法

    ElliQ是一個主動式AI陪伴，能發起對話、建議活動、提供用藥提醒、促進與家人的視訊通話，並指導健康運動。與等待指令的被動裝置不同，ElliQ使用同理心AI感知情緒、學習偏好，並全天與長者互動。機器人將對話式AI與實體存在相結合，創造情感連結。

    已報告的成果

    • ·95%的用戶在30天後表示孤獨感減少
    • ·長者每天與ElliQ進行30次以上的互動
    • ·12個月用戶留存率達90%
    • ·透過引導運動，每日體能活動增加80%
    • ·在ElliQ促進下，家庭視訊通話增加3倍
    • ·紐約州為Medicaid受益人部署了800多台
    • ·估計每位用戶年度醫療費用減少10,000美元以上

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://elliq.com/pages/press
    2. https://aging.ny.gov/system/files/documents/2023/08/nysofa-and-elliq-engagement-report-july-2023.pdf
    3. https://aging.ny.gov/
    Qventus + OhioHealth醫療運營2022年 - 至今第三方研究

    AI驅動的醫院出院：消除患者流程瓶頸

    機器學習平台減少多餘住院天數，節省數百萬運營成本

    8,554
    消除多餘天數
    $170萬
    年度節省
    0.5天
    住院天數縮減
    +25%
    出院效率

    挑戰

    醫院出院流程極為複雜，涉及醫師、護理師、社工、藥劑師和急性後照護機構之間的協調。OhioHealth每年在14家醫院服務150萬名患者，面臨每多住一天成本超過800美元的出院延遲。患者常因等待非臨床流程（如保險審批或護理之家安置）而繼續住院。

    已報告的方法

    Qventus部署了AI代理來預測出院準備度、自動追蹤里程碑，並協調多團隊工作流程。系統分析100多個變數，包括臨床狀態、社會決定因素和急性後床位可用性，以預測和加速安全出院。AI及早識別障礙並自動將任務路由給適當的團隊成員。

    已報告的成果

    • ·第一年消除8,554個多餘患者住院天數
    • ·透過改善通量，年度節省170萬美元
    • ·平均住院天數縮短0.5天
    • ·出院流程效率提升25%
    • ·提前2天以上識別急性後照護需求
    • ·急診科患者滯留減少30%
    • ·員工滿意度因行政負擔減輕而提升

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://qventus.com/case-studies/
    2. https://www.ohiohealth.com/about-us/newsroom/
    Biofourmis數位健康 / 遠端監測2019年 - 至今第三方研究

    AI驅動的遠端患者監測：家中的醫院級照護

    FDA核准的AI平台透過持續生命體徵監測將再入院率降低

    提前8小時
    提前偵測
    97%
    患者滿意度
    $12,000/患者
    成本節省

    挑戰

    出院後的患者面臨醫療旅程中風險最高的時期，每5名Medicare患者中就有1名在30天內再入院，每年花費260億美元。傳統的跟進——電話和門診回訪——發現問題時為時已晚。心衰竭、COPD和其他慢性病患者在家中惡化時，預警訊號無法傳達給照護團隊。

    已報告的方法

    Biofourmis部署FDA核准的穿戴式生物感測器，結合AI演算法持續分析20多個生理參數。Biovitals平台在臨床症狀出現前8小時以上偵測到細微的惡化模式，實現主動介入。AI根據每位患者的基線個人化警示閾值，在捕捉真正惡化的同時大幅減少誤報。

    已報告的成果

    • ·在症狀出現前8小時以上偵測到惡化
    • ·患者滿意度評分97%
    • ·透過避免再入院每位患者節省12,000美元以上
    • ·心衰竭患者死亡率降低89%
    • ·臨床團隊收到可執行的洞察，而非原始資料

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://www.biofourmis.com/news
    2. https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm?ID=K183282
    3. https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm
    Papa Inc.照護者科技2017年 - 至今第三方研究

    AI配對陪伴照護：規模化人際連結

    科技平台為長者配對「Papa Pals」陪伴者，醫療費用降低9%

    9%
    醫療費用降低
    18%
    住院減少
    4.8/5
    會員滿意度
    200萬+
    完成探訪

    挑戰

    醫療保險計畫難以解決驅動高成本醫療利用的健康社會決定因素——交通障礙、社交孤立和日常生活挑戰。傳統居家照護聚焦臨床任務，忽略了預防健康衰退的陪伴和實務支援。長者既需要社交連結，也需要跑腿、科技協助和預約陪同的幫助。

    已報告的方法

    Papa使用AI為長者配對「Papa Pals」——經過審核的陪伴者，提供交通、陪伴、科技協助和輕度家務。平台的演算法考量個性、興趣、語言和特定需求來創建最佳配對。AI監測探訪模式和成果，持續改進配對並識別新出現的健康風險。

    已報告的成果

    • ·參與會員的總醫療費用降低9%
    • ·住院減少18%
    • ·會員滿意度評分4.8/5
    • ·完成200萬+次陪伴探訪
    • ·急診就診減少15%
    • ·與包括Humana、Aetna、Centene在內的150多個醫療保險計畫合作

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://www.papa.com/press
    2. https://press.humana.com/
    Livongo / Teladoc Health數位健康 / 慢性照護2014年 - 至今第三方研究

    AI驅動的慢性病管理：大規模糖尿病控制

    連接裝置平台搭配AI輔導，達成與密集面對面照護媲美的臨床成果

    0.9%
    糖化血紅素降低
    86%
    會員參與度
    $1,908/年
    成本節省
    120萬+
    服務會員

    挑戰

    糖尿病影響全球5.37億成人，管理需要持續關注血糖、飲食、運動和藥物。傳統照護——每季度門診——讓患者99%的時間缺乏支援。控制不佳導致併發症，僅在美國每年花費3,270億美元。患者需要持續指導，而非間歇性的預約。

    已報告的方法

    Livongo提供一款連接血糖儀，即時上傳讀數到AI平台。當讀數超出個人化參數時，AI觸發即時輔導介入——有時是自動訊息，有時是認證糖尿病教育師的即時介入。系統學習每位會員的模式，在問題發生前提供主動指導。

    已報告的成果

    • ·平均糖化血紅素降低0.9%（具臨床意義）
    • ·86%的會員每月測量血糖16次以上
    • ·每位會員年平均成本節省1,908美元
    • ·120萬+會員在2,000多家僱主中註冊
    • ·糖尿病相關醫療支出減少21%
    • ·糖尿病相關急診就診減少30%
    • ·淨推薦值達64（醫療領域中的卓越水準）

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://investors.teladochealth.com/
    2. https://pmc.ncbi.nlm.nih.gov/articles/PMC5527250/
    3. https://www.teladochealth.com/newsroom/
    TCARE照護者支援2019年 - 至今第三方研究

    AI照護者評估：在倦怠發生前預防

    循證平台使用AI識別和解決家庭照護者的倦怠風險

    +35%
    照護者留存率
    42%
    倦怠減少
    +25%
    員工留存率
    15分鐘
    評估時間

    挑戰

    家庭照護者——5,300萬美國人且持續增長——面臨超過60%的倦怠率，導致自身健康問題和無法繼續照護。僱主每年因照護員工減少工時、缺勤或離職而損失330億美元。傳統支援計畫服務的是已處於危機中的照護者，而非預防倦怠。

    已報告的方法

    TCARE使用基於20多年學術研究開發的AI評估演算法，跨多個維度量化照護者負擔：身份認同差距、照護負擔、關係品質和健康。平台然後生成個人化行動計畫，包含經過驗證的特定介入措施以應對已識別的風險。AI從成果中持續學習以改進建議。

    已報告的成果

    • ·照護者在照護角色中的留存率改善35%
    • ·照護者倦怠評分降低42%
    • ·照護員工的留存率改善25%
    • ·90%的照護者表示評估準確捕捉了他們的情況
    • ·15分鐘的評估取代了2小時的傳統訪談
    • ·已在40個州部署，服務10萬+照護者
    • ·每位照護者成本穩定在每年200-400美元

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://tcare.ai/
    2. https://academic.oup.com/psychsocgerontology/article/66B/5/640/542691
    3. https://tcare.ai/research/
    Sensely數位健康 / 患者互動2015年 - 至今第三方研究

    虛擬護理師化身：透過AI互動降低再入院率

    具同理心的AI化身進行出院後跟進，實現低於5%的再入院率

    <5%
    30天再入院率
    85%
    患者參與度
    93%
    症狀偵測

    挑戰

    出院後的患者跟進至關重要但難以規模化。醫院面臨20%的再入院率和每年260億美元的罰款。電話跟進僅能聯繫30-40%的患者，護理師花費數小時在無法接通的電話上。患者忘記指示、無法識別警告訊號，並延遲就醫直到發生緊急情況。

    已報告的方法

    Sensely的AI驅動虛擬護理師化身——Molly——透過智慧手機進行簽到，以自然對話方式詢問症狀、用藥依從性和疑慮。系統使用語音識別、情感分析和臨床協定來識別有惡化風險的患者。高風險患者自動升級給臨床人員，並附帶完整的對話上下文。

    已報告的成果

    • ·參與患者的30天再入院率低於5%
    • ·患者參與率85%（電話跟進為35%）
    • ·可報告症狀偵測準確率93%
    • ·平均對話時長：3分鐘（電話為12分鐘）
    • ·患者滿意度評分4.5/5
    • ·已在NHS、Mayo Clinic和領先醫療系統中部署

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://www.sensely.com/case-studies/
    2. https://www.prnewswire.com/news-releases/ask-nhs-app-powered-by-sensely-helps-patients-access-physio-and-mental-health-care-during-covid-crisis-301268590.html
    3. https://digital.nhs.uk/
    LeanTaaS醫療運營2010年 - 至今第三方研究

    AI優化的醫院運營：從瓶頸到順暢

    機器學習平台優化輸液中心、手術室和床位管理，已在600多家醫院部署

    50%
    等待時間減少
    +20%
    容量利用率
    $1,000萬+
    年度節省
    600+
    部署醫院

    挑戰

    醫院科室面臨高度變化的需求——癌症輸液、手術和入院在全天不可預測地到來。靜態排程造成早上高峰和下午空閒，迫使患者等待而容量閒置。由此產生的瓶頸連鎖效應：急診科滯留、手術延遲，以及員工加班累積成本，同時患者也在受苦。

    已報告的方法

    LeanTaaS的iQueue使用機器學習預測需求模式，並優化輸液中心、手術室和住院床位的排程。系統分析歷史模式、治療時長和即時資料，創建最佳預約範本。AI從實際流量中持續學習以改進預測，並即時識別排程機會。

    已報告的成果

    • ·患者等待時間減少50%
    • ·容量利用率提升20%以上，無需增加資源
    • ·大型醫療系統年度節省1,000萬美元以上
    • ·已在600多家醫院部署，包括Stanford、UCSF、Cleveland Clinic
    • ·患者通量增加15%
    • ·員工加班減少25%
    • ·患者滿意度評分提升30%

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://leantaas.com/case-studies/
    2. https://leantaas.com/resources/
    Best Buy Health / Current Health居家醫院2021年 - 至今第三方研究

    居家醫院：AI賦能的院外急性照護

    零售巨頭轉型為醫療領導者，提供全天候遠端患者監測平台

    38%
    成本節省
    95%
    患者偏好
    <10%
    再入院率
    同等或更優
    照護品質

    挑戰

    醫院床位昂貴（每天2,500美元以上）且稀缺，但許多住院患者並不需要急性照護的密集基礎設施。患者偏好在家康復，但傳統上缺乏安全急性級照護所需的監測。COVID-19加速了對替代方案的需求，但規模化居家醫院需要當時不存在的科技。

    已報告的方法

    Best Buy Health透過收購Current Health，部署了完整的居家醫院平台，結合穿戴式持續監測、視訊回診、AI驅動的警示系統和照護協調。平台全天候監測生命體徵，AI偵測惡化模式並將警示路由給臨床團隊。與醫療系統的整合實現了從急性照護到居家的無縫過渡。

    已報告的成果

    • ·比傳統住院照護成本低38%
    • ·95%的患者在有選擇時偏好居家而非住院
    • ·30天再入院率低於10%
    • ·臨床成果與住院照護同等或更優
    • ·居家環境中康復速度快30%
    • ·已擴展到30多個醫療系統合作夥伴
    • ·服務全美50個州的患者

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://corporate.bestbuy.com/category/best-buy-health/
    2. https://pmc.ncbi.nlm.nih.gov/articles/PMC9854741/
    3. https://currenthealth.com/

    跨行業

    Klarna金融服務2023年第四季度 - 至今第三方研究

    客戶服務革命：醫療溝通的啟示

    服務全球1.5億+用戶的瑞典金融科技巨頭透過AI轉型客戶服務

    82% ↓
    解決時間
    700名客服
    等效全職人力
    $4,000萬+
    年度節省
    230萬/年
    對話量

    挑戰

    Klarna面臨平均11分鐘的解決時間，需要為每天數百萬筆跨35種以上語言的交易提供全天候多語言支援。公司需要一個能處理敏感金融資訊、同時維持高客戶滿意度和法規合規性的解決方案。

    已報告的方法

    Klarna部署了由OpenAI驅動的自主AI助手，每年處理230萬次對話。該系統處理自然語言查詢，自主決定退款和付款，並將複雜案例無縫轉交人工客服。它能跨對話維持上下文，並根據客戶歷史提供個人化回覆。

    已報告的成果

    • ·解決時間從11分鐘降至2分鐘以下（改善82%）
    • ·AI完成相當於700名全職客服的工作量
    • ·客戶滿意度提升，重複查詢減少25%
    • ·預計年度利潤改善超過4,000萬美元
    • ·支援35種以上語言的母語級流暢度

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/
    2. https://www.klarna.com/international/press/
    3. https://www.klarna.com/international/about-us/corporate-governance/annual-reports/
    Bank of America銀行與金融2018年 - 至今第三方研究

    Erica：醫療虛擬助手的藍圖

    為4,000萬+行動銀行客戶提供個人化AI指引

    20億+
    總互動次數
    150萬
    每日量
    98%
    自主解決率
    +19%
    營收影響

    挑戰

    該銀行面臨龐大的客服需求，常規查詢佔用大量人工客服時間。客戶需要即時存取帳戶資訊、交易歷史和理財建議，無需等待人工協助。傳統IVR系統令客戶沮喪，導致高棄話率。

    已報告的方法

    Erica於2018年推出，使用預測分析和自然語言處理提供全面的金融協助。該AI代理自主處理餘額查詢、付款排程、消費分析、詐騙偵測和個人化理財建議。它與行動銀行無縫整合，並從每次互動中學習。

    已報告的成果

    • ·自推出以來已處理超過20億次互動
    • ·服務4,200萬客戶（50%的行動用戶）
    • ·每日處理150萬次互動
    • ·維持98%的查詢解決率，無需人工介入
    • ·貢獻了19%的盈利增長
    • ·常規查詢的客服中心量減少50%
    • ·客戶滿意度評分達4.7/5

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    來源

    1. https://newsroom.bankofamerica.com/
    2. https://investor.bankofamerica.com/quarterly-earnings
    Nubank金融科技2024年 - 6週實施供應商提供

    Devin AI實施：擴展醫療運營規模

    巴西最大的金融科技公司透過自主AI轉型遺留系統

    12倍
    效率提升
    20倍
    成本節省
    75%
    時間縮減
    600萬行
    遷移程式碼

    挑戰

    該公司需要重構已有8年歷史、600萬行的單體ETL系統中10萬多個資料類別實作，管理遺留系統中複雜的交叉依賴，避免傳統遷移所需的大量資源投入（1,000多名工程師耗時18個月），同時在轉型過程中維持系統穩定性。

    已報告的方法

    Nubank部署了Cognition Labs的Devin AI——一個自主軟體工程代理。Devin分析了單體程式碼庫，制定遷移策略，產生模組化子元件，並執行系統化重構。AI從每項任務中學習，隨時間推移不斷提升表現。

    已報告的成果

    • ·工程時間節省12倍
    • ·與手動遷移相比成本節省20倍
    • ·任務完成時間從40分鐘降至10分鐘
    • ·數週內完成原需數月/數年的遷移
    • ·遷移期間零生產事故
    • ·釋放1,000多名工程師投入創新工作

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Outcome figures originate from Cognition AI marketing materials describing a customer engagement with Nubank. They have not been independently verified and should be read as vendor-reported, not independently audited.

    來源

    1. https://www.cognition.ai/blog
    2. https://international.nubank.com.br/company/investor-relations/
    Prudential保險2023年 - 至今供應商提供

    Salesforce Agentforce：保險與醫療的融合

    擁有150年歷史的公司，在50多個國家服務5,000萬客戶

    0.5天/週
    節省時間
    數百個
    消除工作流程
    100%
    合規率

    挑戰

    擁有38,000名員工的Prudential面臨複雜的各州保險法規、跨多個業務單位的耗時理賠處理、碎片化的客戶資料阻礙全面服務，以及客服運營中需要導航50多個不同法規框架的大量人工作業。

    已報告的方法

    Prudential實施了金融服務版Salesforce Agentforce，部署用於客戶身份識別、合約分析、保單檢索和理賠處理的自主代理。該系統具有受監管操作的人機協作監督機制和專門功能的多LLM架構。

    已報告的成果

    • ·每位客服代表每週至少節省半天
    • ·消除數百個人工路由工作流程
    • ·透過減少行政負擔提升客戶同理心
    • ·批發商運營中的顯著生產力改善
    • ·維持100%法規合規
    • ·每年運營節省1,200萬美元

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Outcome figures originate from Salesforce customer-success marketing for Agentforce. They have not been independently verified and should be read as vendor-reported, not independently audited.

    來源

    1. https://www.salesforce.com/customer-stories/
    2. https://www.prudential.com/links/about/investor-relations
    Barclays銀行2019年 - 至今供應商提供

    UiPath實施：企業規模的醫療自動化

    全球銀行建立流程自動化卓越中心

    98%
    自動化率
    12,000
    節省時數
    數天→數分鐘
    處理速度
    30%+
    效率提升

    挑戰

    Barclays面臨需要20多種文件類型的複雜按揭貸款處理、跨多個司法管轄區的法規合規需求、大量交易處理需求（每天10,000多筆），以及資格評估和風險評估中耗時3-5天/申請的大量人工作業。

    已報告的方法

    使用UiPath平台，Barclays部署了貸款申請的文件理解代理、具有推理能力的資格評估代理、帶法規合規的風險評估代理，以及客戶溝通代理。該系統採用UiPath Maestro進行代理、機器人和人員之間的協調。

    已報告的成果

    • ·98%直通處理，僅2%需要人工介入
    • ·每年透過自動化節省12,000小時
    • ·處理時間從3-5天縮短到數分鐘
    • ·所有實施至少達到30%的效率提升
    • ·每年節省2,500萬英鎊
    • ·擴展到500多個自動化流程

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Outcome figures originate from UiPath customer-story marketing. They have not been independently verified and should be read as vendor-reported, not independently audited.

    來源

    1. https://www.uipath.com/resources/automation-case-studies
    2. https://home.barclays/news/
    Dow Chemical製造業2024年 - 至今供應商提供

    Microsoft Copilot Studio：供應鏈智慧

    全球材料公司透過AI自動化轉型供應鏈

    $500萬+
    年度節省
    數週→數分鐘
    處理速度
    10萬+
    發票量
    99.5%
    準確率

    挑戰

    Dow每年需人工處理來自5,000多家供應商的10萬多張PDF發票，難以偵測每年造成300-500萬美元損失的帳單不準確和異常，運費調查耗時數週甚至數月，且缺乏全球供應鏈中成本優化機會的可見度。

    已報告的方法

    使用Microsoft Copilot Studio，Dow部署了用於帳單分析的自主發票掃描代理和用於調查的自然語言「運費代理」。該系統具有自動異常偵測、成本優化的模式識別、員工審查的儀表板整合，以及深度分析的對話介面。

    已報告的成果

    • ·預期第一年節省超過500萬美元
    • ·調查時間從數週/數月縮短到數分鐘
    • ·物流帳單準確率提升至99.5%
    • ·無需增加人員即可處理10萬+張發票
    • ·第一季度識別出200萬美元的超額收費
    • ·使非技術人員也能進行複雜分析
    • ·人工資料輸入減少95%

    對行業的啟示

    本條目作為關於更廣泛醫療AI格局的研究筆記。它不描述Ajentik的產品、客戶或合作關係。讀者可以使用下面的來源連結查看原始報導。

    編輯說明：Outcome figures originate from Microsoft customer-story marketing (Microsoft Transform / Source) describing a Dow engagement. They have not been independently verified and should be read as vendor-reported, not independently audited.

    來源

    1. https://news.microsoft.com/source/
    2. https://investors.dow.com/

    想討論您自己的部署？

    這些研究筆記描述的是其他機構的工作。如果您想與我們討論您自己的醫療AI計畫，請聯絡我們的團隊。

    聯絡我們探索我們的平台