在6月27日举行的VentureBeat Transform 2025大会上，Google Cloud平台副总裁兼首席技术官威利·格拉尼斯（Will Grannis）和Highmark Health高级副总裁兼首席数据与分析官理查德·克拉克（Richard Clarke）共同参与了一场关于医疗保健领域AI应用的重要讨论，分享了他们在AI集成方面的实践经验。 Highmark Health是一家总部位于宾夕法尼亚州西部的综合支付和供应商系统，服务超过600万成员。Highmark与Google Cloud合作，利用云平台的AI模型和技术，改造遗留系统，提高内部效率，改善患者护理。这一合作涵盖了从生成个性化会员沟通到支持索赔处理的各种应用场景，并成功地使14,000多名员工成为活跃用户。 关键进展 平台工程：Highmark Health注重构建灵活的基础架构，将AI视为工作方式的根本转变，而不仅仅是另一层技术。克拉克提到，即使是旧的COBOL编码系统也与云基AI模型成功集成，实现了高达90%的工作负载复现，减少了系统性混乱。 循序渐进的采用策略：高纳尼斯强调，成功的AI部署需要早期打下数据基础。他指出，这可能需要3到5年的时间，但只有当数据准备好时，才能进行有效的实验和评估。Highmark通过结构化提示库、主动培训和用户反馈循环，逐步推广内部AI工具的使用。 多代理系统：未来的AI企业应用将从基于聊天的交互转向能够完成端到端任务的多代理系统。这些系统可以协调多个模型，跨越不同功能，如翻译、研究和工作流执行。Highmark正在试点特定流程的单用途代理，并计划长期将其嵌入后端系统，实现自主操作。 任务导向而非模型导向：企业和组织应从任务出发，选择或编排最适合的模型，而不是盲目追求最新的AI模型。Highmark根据不同场景选择合适的模型，如用Gemini 2.5 Pro处理长时间的研究查询，用Gemini Flash进行快速的实时交互。 实践经验 早期投资数据准备：即使完全部署AI还需要几年时间，但早期的数据准备和系统集成本就至关重要。 避免自建基础模型：自建模型成本高且效率低，应聚焦于模型的编排和调优。 采用平台思维：集中管理和监控模型访问和使用情况，创建支持实验的结构，同时确保治理。 从任务而非工具开始：明确目标，然后选择最适合的模型或代理架构。 测量和分享成果：内部采用率的提高依赖于实际效果的展示。跟踪使用情况，记录成功案例，并不断更新经批准的提示和流程库。 设计为行动而非仅仅是信息：未来的企业AI不仅仅是提供静态信息，而是能够触发实际操作的安全系统。 业内人士评价 此次Highmark和Google Cloud的合作不仅在医疗保健领域树立了榜样，也为其他行业提供了宝贵的经验。成功的关键在于清晰的规划、灵活的平台和支持性的战略。克拉克总结道：“真正的成功不在于炫酷的功能，而在于如何真正帮助人们更好地完成工作。” Highmark Health是一家领先的美国医疗保健系统，拥有超过40,000名员工。Google Cloud则是一家全球领先的云计算服务提供商，致力于帮助企业通过创新技术提高效率和创新能力。双方的合作展示了AI技术在复杂行业中的应用潜力，为未来的发展奠定了坚实的基础。