30个号25人带着AI来对账:医生为什么反而贴告示?

2026年10月7日傍晚，一张贴在门诊的告示冲上微博榜首。

同一天，另一组数字正在被反复引用：一位三甲医院医生，一个上午看了30个号，其中25个病人是带着AI结论来的。

两件事叠在一起，指向的不是"患者不信医生了"，而是一件更麻烦的事。

一、一张告示，和一个上午的30个号

那张告示的原文是这样的：

"已经在豆包获得诊断的患者，请勿再向我们寻求意见，请改向千问或者元宝咨询。但是百度真的不建议。"

它看着像段子，其实不是。它是一线医生被反复追问之后，写出来的一张"退出声明"。

另一组数字更早，也更硬。2026年5月31日，新华社转载界面新闻的报道里，一位三甲医院医生说了这样一句：

"上午看了30个号，25个病人是带着AI结论来的。"

25除以30，约等于83%。这位医生一个上午面对的，绝大多数不是"来看病的病人"，而是"来对账的人"。

对账的双方不是账目，是判断：AI说你是这个病，医生说你是那个病，患者想知道谁对。

天平另一端的分量，正在变得惊人。据媒体报道，某通用AI助手一天承载的健康相关问诊次数，已达到两三千万人次。

作为对照，国家卫健委的数据显示，2025年1至11月，全国医院日均诊疗人次约1269万。

一个AI助手一天的"问诊量"，超过了全国所有医院一天的门诊总量。

所以那张告示的真正含义，不是"医生讨厌AI"。

而是：当"给答案"这件事的供给量突然放大几十倍，坐在诊室里的那个人，第一次被要求证明——为什么我的答案和你查到的不一样。

二、破题：这不是"信任转移"，是"验证需求"

媒体讲这件事，常用一个框架：患者不信医生了，跑去信AI。

这个框架，被数据打脸了。

2026年8月，中国青年报社社会调查中心联合问卷网，对1333名青年做了一项调查。结果是这样：

• 69.7% 的受访者，会主动带着AI诊疗建议和医生沟通；
• 48.2% 表示支持，认为患者有权获取更多信息、和医生平等交流；
• 43.7% 表示不会盲信任何一方，会对比两者、谨慎判断；
• 41.2% 会优先相信线下医生；
• 而明确表示"更相信AI数据分析"的，只有6.9%。

请注意最后这个数字：6.9%。

一边是"八成患者带着AI结论进诊室"的热闹，一边是"只有6.9%的人真的更信AI"的冷静。

这两件事并不矛盾。它们合起来说明的是同一件事：

患者不是在背叛医生，他们是在要求医生证明自己。

过去，"专业"是一张免检通行证。进了诊室，医生的结论默认成立，因为患者没有第二份意见可比。

现在，患者手里有了第二份意见。免检被取消了，每一次判断都要当场重新赢得信任。

这就是为什么上海一位"95后"急诊科医生秦艳会说：以前只需要告诉患者"你得了什么病、要做什么检查、怎么治疗"。

现在多了一步，要解释"我的判断和你查到的，为什么不一样"。

她把这句话说得很克制——"这应该会成为医患沟通的新常态了"。

三、机制一：AI把"答案"变便宜了

医学这件事，长期被一个隐含前提支撑：知道答案的人不多。

要看三十年的书，要背厚厚的指南，要在两万个小时的临床里练出直觉。所以当你说"我是医生"，公众默认你掌握着别人不掌握的东西。

AI 正在把这个前提抽走。

2026年2月，牛津大学研究团队在《自然·医学》发表了一项针对上千人的研究。

当输入是清晰、结构化的病例描述（含症状、病史、背景）时，AI识别病情的准确率达到94.9%。

但当真人用自然对话的方式描述同一组病情时，准确率降到34.5%以下。

同一个AI，同一个病，差别只来自"是谁在说、怎么说"。

这组数字有两层含义。第一，AI的"博学"是真的——给足信息，它确实答得不错。第二，从"答得不错"到"能在真实诊室里答对"，中间隔着一道断崖。

而患者拿到的，往往是断崖上看起来最顺滑的那一半。

有研究显示，大约三分之一的美国受访者表示：如果AI工具把症状定性为低风险，他们会跳过或推迟去看医生。

AI最危险的错误，往往不是离谱的错，而是一个让人放心躺平的"轻症判断"。

中国科学院院士、清华大学人工智能研究院名誉院长张钹，给过一个很冷静的界定：AI缺乏真正的推理与因果理解能力，其黑箱特性不可解释，"还不能做到自我负责"。

他接着说：有温度、有经验、能负责的，是人。

"不能自我负责"这五个字，就是全篇的题眼。

四、机制二：责任，从来没有人单独定价

如果"答案"正在变便宜，那专业人手里还剩什么？

先看一线正在发生什么。

有医疗行业媒体统计：医生每接诊一位带着AI结论的患者，需要额外花10到15分钟解释AI的局限性；由此导致单日接诊量下降约30%。

某社区医疗机构的调查更细。约七成医生已在不同频率上遇到"带着AI信息来的患者"，而他们的担心非常集中：

• 81.33% 的医生认为最大风险是"AI建议缺乏个体化"；
• 73.33% 担心AI会增加患者对疾病的误解或焦虑；
• 70.67% 担心AI传播不准确的信息；
• 54.67% 认为AI增加了自己的解释负担。

注意第一位的那一项：不是"AI答错了"，而是"AI答得对，但不适用于这个人"。

这正是"泛化正确"和"个体适用"之间的错位。AI给的是人群概率，医生给的是对眼前这一个人的判断。

而医生开出的应对方式，也很值得看：

• 48% 选择结合AI内容与患者进一步讨论；
• 20% 选择详细解释差异原因；
• 直接否定AI内容的比例，只有2.67%。

也就是说，绝大多数医生没有把AI赶出诊室，他们把它请进来，然后花了更多时间去解释"为什么它不对"。

微软在《Work Trend Index 2026》里有句话，像是对这一幕的精准注脚：

"As AI and agents take on execution, our own agency expands. The question is whether organizations are built to capture it." （当AI和智能体接管执行，人自身的能动性反而在扩张。问题是：组织有没有建好去接住它。）

门诊就是那个"没接住"的样本。医生没有多拿到解释的时间，只多拿到了质疑。

他们的工作量增加了，但这种增加没有体现在任何一个考核指标里——不产生收入，不计入绩效，也没人为它加一个编制。

五、制度怎么看：官方给的定位是"赋能而不替代"

有意思的是，在"AI能不能看病"这件事上，官方口径其实很明确。

2025年10月20日，国家卫健委联合国家发展改革委、工业和信息化部、国家中医药局、国家疾控局，印发了一份文件。

文件的全名是《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》。

这份文件在"总体考虑"里写下了这样一句定位：

"坚持人工智能赋能而不替代的定位，创新监管方式，实施分类管理。"

一句话，两层意思。第一层，AI要大力用——文件列了8个方向、24项重点应用。第二层，AI不能替代人。

配套的规则也说得很直白：

• 《互联网诊疗监管细则（试行）》明确：人工智能不得替代医师本人提供诊疗服务；
• 湖南、北京等地医保与卫健部门，禁止AI自动生成处方；
• 而在现行法律框架下，最终责任由接诊的执业医师承担。

江苏南京溧水区一家卫生院的负责人，把这件事总结成了一句大白话：

"AI能减负，不能替医生签字。"

"签字"两个字，精准。因为AI什么都能生成，唯独生成不了一个"签字"——签字不是知识，是责任的肉身。

六、历史验证：上一次"专业被拆包"，药师用了四十年

这不是第一次，专业知识被技术从专业人手里拿走一部分。

上一次的主角，是药师。

医院药学在历史上经历过三个阶段：以调配为主的传统时期、以药学服务为主的临床药学时期、以改善病人生活质量为目标的药学监护时期。

在最早那个阶段，药师的工作就是"调剂和供药"——照方配药，把医生开的方子变成病人手里的药。

很长一段时间里，药师的核心竞争力就是"配得准"。这跟今天医生"答得准"，是同一种能力。

然后工业制药兴起了。药厂把"调配"这件事标准化、规模化地拿走了。药师手里最硬的那块技能，被稀释了。

药学界用了几十年，才想明白下一步该往哪走。

1990年，Hepler 和 Strand 在《美国医院药学杂志》上发表了一篇论文，标题里就写着答案：《药学监护中的机会与责任》。

他们把药师的使命重新定义为"提供负责的药物治疗"，并把药师与病人的关系写死成一句话：

"病人把自己托付给药师，药师接受委托并承担责任。"

核心动作只有一个：从"对保障药品质量和供应负责"，转向"对病人用药结果负责"。

制度也跟上了。《处方管理办法》第三十八条写着：药师在完成处方调剂后，应当在处方上签名或者加盖专用签章。

一个"签名"，把"责任"从一个抽象概念，变成了一个落在纸上的动作。

这就是"专业被拆包"之后的标准走向：能被技术替代的那部分（配得准 / 答得准）交出去，不能被替代的那部分（担责任 / 签字）留下来，并且第一次被单独定价。

药师的今天，很可能就是医生的明天。

七、三个判断

第一，未来稀缺的不是"答案"，是"签字"。

AI能给出80分的答案，但给不了"我为此负责"这一句。当答案变得廉价，专业人的定价逻辑必须重算：从"你知道多少"，改成"你敢担多大的责"。

而这套逻辑，我们现在的薪酬、考核、职级，几乎一条都没准备好。

第二，那张告示不是"医生排斥AI"，是"组织没接住"。

医生没有多得到解释的时间，只多得到了质疑。他们的沟通成本上升了，但这笔账没有任何一个指标在记。

一个岗位的价值，正在从"产出答案"变成"承接责任"，而组织还在按"产出量"发工资。这种错配，才是告示背后的真实病因。

第三，这是第一张骨牌，不是医学问题。

医院成为第一个公开战场，只是因为它的利害最直观——判断错了，代价是命。

但同样的结构，正在企业里复制：

法务在给AI写的合同兜底，财务在给AI做的报表签字，HR在给AI筛的简历负责，分析师在给AI出的结论背锅。

所有靠"专业判断"吃饭的岗位，都会经历同一件事：被要求为答案负责，却还没被允许为责任定价。

写在最后

回到那张告示。

它看着像是医生的抱怨，其实是一个很具体的信号：AI抢走的不是你的答案，是你"不必解释"的特权。

过去，专业人的权威来自身份——"我是医生"，所以你听我的。

现在，身份不再自带可信度。每一次判断，都要当场重新赢得。

这未必是坏事。被验证出来的权威，比被授予的权威更结实——药师的四十年，证明了这条路走得通。

但前提是：你要清楚，自己卖的到底哪一半。

你的岗位里，有多少是"给出答案"，多少是"为答案负责"？

当AI能给出80分的答案，你值钱的那部分，还剩多少？

打1：我所在的行业，客户或领导已经开始拿着AI的结论来"对账"了； 打2：还没有，但你知道，迟早会来。

欢迎在评论区聊聊——你上一次被要求"证明自己的判断比AI对"，是什么时候？

#AI医疗# #人工智能# #专业能力# #职场# #AI与就业#

数据来源与可信度说明

• 高可信（官方/权威机构）：国家卫健委、国家发展改革委、工信部、国家中医药局、国家疾控局《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》（成文2025-10-20）；国家卫健委《互联网诊疗监管细则（试行）》；《处方管理办法》（卫生部令第53号）第三十八条；国家卫健委2025年1-11月全国医院日均诊疗人次约1269万。
• 高可信（权威媒体/学术）：新华社转载界面新闻（2026-05-31，"上午30个号、25人带AI结论"）；牛津大学研究团队，《自然·医学》（2026-02，清晰描述94.9% vs 自然对话34.5%以下）；中国科学院院士张钹的公开表述；微软《Work Trend Index 2026》。