9 月 24 日，医疗语音智能体 Assort Health 宣布接入超 1300 家医疗机构，覆盖家庭医学、内科与儿科。它给出的数字是：95% 不需要转人工的患者交互，由其智能体解决，其余 urgent、敏感与临床复杂的部分，被有意路由给员工。初级保健常被视为自动化最容易的场景，实操恰恰相反。
95% 不转人工，背后是专科化决策树
同一道门前，急症、年检、慢病召回、取药、转诊、儿科与行为健康各自走不同的调度、支付与升级规则。Assort 为 23 个以上专科分别调优呼叫逻辑：骨科活检随访与新患骨科初诊，问法本就不同。支撑它的是三个自研底座——来自 2.5 亿次以上交互的训练集、跨渠道携带语言偏好与就诊史的 Patient Journey Memory、以及读取 EHR 与 SOP 生成专科呼叫流的 Synapse 入驻引擎。专科化的决策树，才是它和通用语音 AI 拉开距离的地方。
实证数据（厂商口径，已标注）
Annapolis Internal Medicine 通过主动外呼，贡献了三家诊所流感接种预约的 61%；儿科机构旺季免掉了季节性招聘，把最长 15 分钟的等待压到即时响应。这些不是「省了多少人力」的空话，而是把前台从成本中心转成转化入口的样本。不过所有数字来自 Assort 自身披露，应作为厂商口径看待，而非独立审计结果。
增量认知：最被低估的复杂场景，反而该先上智能体
把 Assort 放进医疗智能体的图谱里，位置很清楚。临床智能体研究（Nature Medicine 周报、微软医疗智能体）走的是科研与安全路径；Project Tailwind 走安全非营利。Assort 走的是商业规模化路径，它证明「高风险但高重复」的前台交互，靠专科化、记忆与升级闸，也能规模化且可控。这给行业一个提醒：别只盯着光鲜的「问诊 AI」，真正能吃下工作量的，往往是这些被低估的流程入口。
辩证看：合规与责任是落地前提
医疗语音智能体的边界，始终绕不开合规。HIPAA 与病历数据的处理、误诊责任如何划分，是上线前的硬前提；急症升级必须保证人能及时接手，而不是停在智能体的判断里。智能体把前台做顺，价值在释放人力去处理真正要人管的病例，而不是替代临床判断。
为什么是前台而不是问诊
医疗 AI 最容易被讲成 AI 医生，但 Assort 选的是更窄也更易规模化的前台。前台交互高重复、规则清晰、容错有闸（紧急即转人工），是智能体能立刻吃下工作量的地方；问诊涉及诊断与用药，错误成本高、监管严，短期难规模化。把智能体放在接电话、约时间、做回访、管转诊这类流程入口，既释放人力，又不碰临床判断的红线。这个取舍说明，医疗智能体的务实路径，是先接管确定性高的周边流程、用专科决策树把准确率做扎实，再谈往更核心的场景走，而不是一上来就挑战最难的环节。这也给投资人提了个醒：医疗智能体的估值不该只挂在模型多聪明上，而该看它接管的可量化流程有多少、转人工率压到多低、合规边界划得多清。Assort 把 95% 不转人工当成结果指标，本质是把可治理摆到了可炫技前面。行业真正缺的，不是又一个会聊天的医疗助手，而是能把高重复流程做扎实、出事有人接的底座。这也是为何行业内开始把医疗智能体的 KPI 从 demo 表现改成交付指标。
Assort Health 的样本说明，医疗智能体规模化的钥匙，不在模型多大，而在决策树有多贴近真实科室的规则。