两笔融资，一条路径
同一周里，两个垂直行业的 Agent 公司先后公布了融资。把它们放在一起看，会发现它们走的是同一条路径，而不是两种打法。
其中一家是做医疗后台的 GenHealth.ai，完成了 1650 万美元 A 轮，累计融资三千万美元，2023 年从一家医疗数据公司分拆出来，总部在波士顿。它处理的是一线机构最耗时的那部分行政工作：患者登记、保险资格核验、预先授权、账单、拒付处理与申诉。
第二家是做牙科诊所管理系统的 Archy，完成了五千万美元 C 轮，累计融资九千七百万美元，2021 年成立，团队约 130 人。它把排班、影像、病历与患者沟通这些诊所日常功能打包成一套平台，并在这套平台之上原生内置了一组 Agent：负责报案与催收、保险核验、患者沟通与排班、病历生成，以及运营洞察。
两家公司处在完全不同的细分行业，但产品结构的骨架一致：先替换掉行业里那套老旧的记录系统，再把 Agent 做进同一套系统里。
为什么不叠一层聊天助手
过去两年，垂直 AI 最主流的做法是在既有软件之上叠一层对话界面。这条路线的局限在落地阶段暴露得很清楚：助手能看到什么、能改动什么，都受制于既有系统的接口与权限；它给出的建议要人再去另一个系统里手动执行。结果就是效率提升停留在「查得快一点」，而不是「事情被做完」。
记录系统优先的路线解决的是这个断层。当 Agent 与记录系统同属一套平台时，它读到的就是一手数据，它能调用的就是原生的写接口，它完成的动作会直接落到业务对象上，而不是生成一段需要人复制的文本。
这解释了为什么两笔融资的投资方都在强调同一件事。GenHealth 的领投方在投资说明里特意写明，这不是把 SaaS 换个 Agent 包装——Agent 是与人在客户既有系统里一起工作的。这句话本身，反映了当下投资人对「真 Agent」与「AI 包装过的 SaaS」之间界线的高度敏感。
医疗账务这个样本
医疗后台为什么适合做这件事，理由比较直接。美国每年在医疗行政上的开支规模约在一万亿美元量级，这笔钱大部分花在跨系统、跨机构的人工衔接上：在多个保险公司门户之间反复核验资格，读上百页病历，追讨小额拒付。
按公司公布的口径，使用其平台的客户收入提升约 34%，行政成本最多降低 80%；过去六个月收入翻了两番；未来一年，其 Agent 预计将在客户系统内执行超过 7500 万次动作。一家使用其登记与预先授权 Agent 的客户报告，生产力提升四倍，预计年化节省约 120 万美元。
技术主张上有一点值得单独记下：公司称其方案「近乎确定性」，刻意不依赖图像类模型，以避开由此带来的成本与结果波动。这个取舍很务实——在账务场景里，可预测性比通用能力更值钱。
另有一个机制值得注意：当某个案件需要人的判断时，公司在美国的账单团队会接手。这说明所谓全自动，实际上是「Agent 处理常规件、人处理例外件」的分工。
牙科诊所这个样本
牙科是软件行业里典型的碎片化长尾：单点诊所与中型机构为主，IT 预算薄，软件老旧到「机房柜子里那台服务器」成了行业里的口头禅。
Archy 的做法是先替换掉老旧的诊所管理系统，把记录系统拿在手里，再把 Agent 原生做上去。据公布的信息，平台目前服务超过一千家诊所、覆盖 45 个州，年处理支付规模超过三亿美元，团队约 130 人。
最后一个数字值得单独算一下。130 人支撑一千多家诊所，客户与员工的比例远高于传统企业软件公司。这个比例如果成立，说明 Agent 确实压缩了服务的边际成本——过去需要增加人手来承接更多客户，现在相当一部分工作由系统完成。对垂直软件来说，这是比功能列表更有说服力的指标。
这条路径的边界
把结论说得更完整一些，需要摆出它的局限。
其一，护城河是行业知识加上系统迁移成本，不是模型。记录系统一旦被替换，客户的切换成本很高，这是壁垒的来源；但反过来说，说服客户替换记录系统本身就是重活，一旦客户不愿意换，Agent 就只能退回到「建议层」。
其二，公布的数字多为客户侧口径或厂商自报，缺少独立复核。「收入提升 34%」「成本降低 80%」这类指标，其统计范围、样本构成与统计周期都没有展开，跨机构比较时应当谨慎。
其三，人机分工的边界需要持续校准。两家都保留了人工处理例外的机制，但例外率是多少、人工复核发生在哪些节点，公开材料没有展开。这直接决定了自动化的真实天花板。
其四，行业扩散速度不同。医疗与牙科的共同点是有明确的账单与核验流程，可被条件化表达；换到流程更依赖隐性经验的行业，同样的路径未必成立。
两家公司的定价结构、客户续约率以及 Agent 的自主范围与人工复核节点，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。