這面鏡子照出的，不是妖魔鬼怪，而是醫療體系在面對龐大的營運與效率壓力時，最真實、卻也最不敢面對的「原形」：我們是否正在不知不覺中，用服務業的 KPI 邏輯，置換了醫療專業的核心靈魂？而 CIO 正站在這面鏡子前，握有決定要不要揭開這層面紗的鑰匙。
文／林華庭（聯新國際醫療集團總執行長辦公室策略總監）
許多醫療 CIO 在導入 CRM 時，心中的成功指標往往很單純且技術導向：系統是否如期上線？資料欄位是否正確流通？使用單位是否願意配合操作？這些目標在技術層面上絕對正確，也是醫院現代化的必經之路。在董事會的簡報中，這通常代表著效率的提升與病患體驗的最佳化。
當這套源自商業市場交易邏輯、以最大化顧客終身價值（Life Time Value，LTV）為目的的系統，被植入強調信任、受託責任與資訊不對稱的醫療場域時，它其實變成了一面犀利的「照妖鏡」。
換了名字的鏡子
在醫療現場，這面鏡子很少直接掛著 CRM 的招牌。它通常化身為更具臨床意涵的名稱，例如「病患關係管理系統」，或是更強調數據驅動的「智慧個案管理平台」。
這些平台宣稱能做到「全人照護」、「連續性追蹤」，透過 360 度病患視圖與自動化工作流程，讓照護不再斷鏈，這聽起來無比美好。然而其底層運作邏輯依然深深植基於 CRM 的基因：將複雜的人際互動拆解為可記錄的 Event，將連續的照護過程切割為可追蹤的 Task，並透過儀表板與紅綠燈號來管理績效。
這正是衝突的起點。當一個以最佳化「交易與互動」為目的的系統架構，試圖捕捉並管理本質上是「關係與責任」的醫療照護時，一場無聲的價值觀角力便在背後展開。CIO 必須意識到，我們引入的對象，可能比我們想像的更具顛覆性。
第一層原形：被「可視化」綁架的專業價值
當智慧個案管理平台進入醫院，第一個被照出的原形，是我們對「價值」的定義正在發生根本性的偏移。
醫療專業的核心價值，往往體現在那些「沒有發生的事情」上：慢性病患的病情因為及早介入衛教而「沒有」惡化、術後病人的潛在併發症被成功預防而「沒有」發生、醫師為了觀察模糊的病情風險而決定「暫不處置」的專業等待。這些成就，是醫療品質的基石，但在資料庫中，它們往往是靜默的、缺乏事件（Eventless）的。它們難以被即時量化，更難以轉化為令人印象深刻的圖表。
然而，CRM 的設計邏輯天生是建立在「互動」與「回應」之上的。它像是一個帶有特定演算法的「數位濾鏡」，擅長捕捉、放大的是那些顯性的「有發生的事」：一則訊息的即時回覆、一次滿意度調查的高分、一個追蹤任務的快速結案（如文章首圖一）。
這種「可見性的不對稱」，絕非僅是技術問題，它會對臨床現場產生微妙且強大的引力。顯性訊號因為容易被測量、容易被轉化為 KPI ，而在管理者的儀表板上佔據了巨大的篇幅與權重；相對地，那些真正關乎病人長期福祉、需要時間驗證的隱性價值，則因缺乏直觀的資料點而被邊緣化，甚至在系統的視野中隱形。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 LinkedIn，與全球CIO同步獲取精華見解 ]
臨床人員感受到的是一種無形但巨大的壓力：系統無時無刻不在暗示他們做「比較好被系統理解的事」。回應是否夠快？流程是否閉環？這些由系統定義的「好表現」，逐漸成為評斷專業工作的潛規則。這就是系統照出的第一個原形：我們正用一把為服務業量產效率而設計的尺，去丈量醫療專業那深不可測的責任。
世界級的反思：Cleveland Clinic 的「體驗」保衛戰
當 Cleveland Clinic 極力推動「病患體驗」時，導入了大量的 CRM 思維與滿意度追蹤工具，一度照出了組織內部的焦慮：醫護人員擔憂為了追求漂亮的「服務數據」（如回應速度、滿意度評分），是否會被迫迎合病患不合理的期待（例如要求不必要的檢查），進而犧牲了專業堅持？他們做出了關鍵的治理決策，在系統儀表板設計中，臨床品質指標的權重永遠高於服務滿意度指標。
這給了 CIO 一個深刻的啟示：系統可以呈現服務數據，但必須透過治理手段（如權重設計與指標定義），確保這些數據不會喧賓奪主，綁架了醫療的核心價值。
第二層原形：演算法下的「注意力」階級
如果說將醫療價值「可視化」是第一步扭曲，那麼當智慧個案管理平台開始具備更高級的「幫忙排順序」功能時，我們就看到了第二個更令人不安的原形。
在繁忙、高壓的醫療現場，醫師、護理師與個管師的時間與「注意力」，是最稀缺、最珍貴的資產。過去，注意力的分配依賴的是專業人員的臨床經驗與當下的判斷。而現在，當 CRM 開始根據內建演算法對病人進行分群、標示優先順序、推送紅燈提醒時，它實際上正在進行一場未經正式授權的「治理」。它在潛移默化中決定了誰該被先看到，誰的需求可以稍後處理。
這面鏡子照出的第二個原形，是組織內部缺乏明確的「注意力治理」。我們經常誤以為這些排序功能只是行政輔助，停留在「支援」層次，目的是為了防止漏接。但當系統長期運作，這些演算法邏輯就會被內化為組織的直覺，系統角色便會發生隱性的漂移，從輔助者變成了實質的決策引導者。
微型劇本：紅燈與直覺的拉扯
讓我們將鏡頭拉到一個真實的場景，看看這種隱性治理如何在第一線發生。週一早晨，資深個管師關小姐打開她的智慧個案管理平台。儀表板上跳出了兩個醒目的紅燈警示：
- 個案 A （紅燈）：一位剛出院的年輕病人，系統顯示他「尚未回覆昨日發送的滿意度與症狀追蹤問卷」。根據平台的設定，這屬於「高互動風險」，需要立即跟進以確保流程閉環，否則將影響單位的 KPI。
- 個案 B （黃燈）：一位長期追蹤的年長病人，最近一次的血液檢查報告顯示白血球數值有輕微下降的趨勢，但尚未觸及系統設定的危急值。系統將其標示為「持續觀察」。
關小姐的專業直覺告訴她，個案 B 的數值變化雖然微小，但考慮到他的病史與年齡，這可能是一個潛在復發的早期訊號，需要花時間調閱更多資料並與主治醫師討論，甚至需要主動聯繫病人關懷。這是一個需要深度注意力、但無法立即「結案」的工作。
令人困擾的是，儀表板上個案 A 那個閃爍的紅燈，以及背後代表的考核壓力，卻在無形中拉扯著她的注意力。「先把紅燈消掉吧，那比較快，主管也看得到。」一個聲音在她腦海中響起。於是，她拿起了電話撥給個案 A ，催促問卷的填寫。個案 B 的檔案被暫時擱置，等待下一次她有「空閒」的時候再處理。
在這個微小的瞬間，系統的演算法邏輯戰勝了人的專業直覺。這並非關小姐不專業，而是身處於一個被系統指標緊密包圍的環境中，人性的自然反應。當「處理系統紅燈」的急迫性，凌駕於「處理潛在臨床風險」的重要性時，我們就必須承認，演算法已經在實質上治理了醫療現場的注意力分配。
專業場域的張力：當「合宜判斷」遇上「數位異化」
這種由系統主導的邏輯，若未經適當治理，最終會對第一線的專業工作產生具體且深刻的擠壓，甚至引發一種「數位異化（Digital Alienation）」。
醫療專業人員的核心責任，從來不是追求「最快回應」或「完美填表」，而是做出「合宜判斷」。有時，合宜的判斷意味著需要花一小時安撫一位焦慮的家屬，建立信任關係，這在系統上只會顯示「一則互動完成」，效率看似低落。有時，為了病人長遠利益，醫護人員必須拒絕其當下的不適當要求（如不必要的檢查），這可能會導致當下的滿意度評分下降。
當天生偏好清晰、可量化、標準化流程指標的數位平台強勢介入臨床工作時，醫護人員會陷入一種深刻的兩難：他們既要履行對病人的專業責任，又要應對系統介面上的各種紅燈提醒、必填欄位與指標壓力。
演算法治理的覺醒：人在迴路
面對異化的風險，世界頂尖機構並未選擇放棄科技，而是選擇了更嚴謹的治理。
作為擁抱 AI 與數位醫療的先驅，Mayo Clinic 在與 Google Health 等科技巨頭合作開發臨床預測模型時，非常敏銳地意識到：如果演算法的訓練資料來自過去「不完美」的醫療體系，那麼 AI 很可能會「學會」並「放大」既有的偏見。
例如，如果歷史數據顯示某個社經地位較低的族群，因交通困難而回診率較低，AI 模型可能會將該族群標記為「低依從性」或「高管理成本」個案。若智慧平台據此建議將資源優先投入給那些「預後較好」的病人，醫療體系便是在不知不覺中，透過高科技手段對弱勢群體進行了一次隱性的資源撤退。
為此，Mayo Clinic 建立了極為嚴格的「演算法治理」架構，其核心原則是 「人在迴路（Human-in-the-loop）」。他們明確定義：AI 永遠只是 「副駕駛（Co-pilot）」，最終決策權必須在臨床醫師手中。在任何模型上線前，必須經過跨職能團隊（包含倫理學家與醫師）的審查，確保模型不會因數據偏見而導致歧視性的照護建議。
這給 CIO 的啟示是：CIO 必須在採購或開發階段，就建立審查「演算法黑盒子」的機制，確保機器的邏輯符合醫療的倫理，而非僅僅是追求預測的準確率。
CIO 的抉擇：打破鏡子，還是解釋倒影？
面對這面照妖鏡照出的扭曲原形與專業張力，CIO 該怎麼辦？
過去，許多 CIO 選擇「不看」。他們將自己定位為純粹的技術供應者，認為臨床流程、優先順序與績效定義是使用單位的責任，與 IT 無關。「我們只提供平台，規則你們自己定。」這曾是完美的免責聲明。
但在數位化已經深度介入、甚至定義了決策流程的今天，這種「技術中立」的態度已不再適用。因為是你採購了這面鏡子，是你決定了掛在什麼位置，是你選擇了它背後的演算法角度。當演算法開始實質治理醫院，CIO 就必須成為治理演算法的人。
CIO 不需要具備臨床專業，但必須具備「劃定界線」的倫理勇氣。真正的治理，不是去干涉醫師怎麼看診，而是清楚地說出系統「不能做什麼」，並主動發起關於邊界的對話。圖二展示如何從「階段一：行政支援（安全區）」，在缺乏治理邊界的情況下，滑向「階段二：邏輯滲透（風險區）」，最終到達「階段三：隱性治理（危險區）」，即系統實質主導了注意力分配。
在下一個 CRM 或智慧個案管理平台專案啟動前，CIO 必須成為那個敢於看著鏡子問出關鍵問題的人，並將答案轉化為治理原則：
- 界定協調與評斷的邊界：這個系統主要是幫助我們「看見什麼」（防止漏接），又會讓我們「忽略什麼」？我們必須明確共識：哪些指標（如訊息回應速度）只能作為最佳化行政流程的參考，絕不能被拿來當作評斷臨床專業績效的依據。
- 確認最終決定權：當系統的自動排序邏輯（例如系統 AI 判定為急件）與醫師的專業判斷（醫護判定可緩辦）發生衝突時，誰擁有最後的決定權？我們必須效法梅奧診所的「人在迴路」原則，在系統上線前就明確定義：專業判斷高於演算法建議，且系統需設計「臨床否決（Clinical Override）」機制，讓專業人員能輕易暫停不適用的自動化流程。
- 負面表列的勇氣：CIO 必須敢於定義系統「不該被用於什麼目的」。例如：「本平台的滿意度數據不能直接用於醫師個人的專業評鑑」或「 AI 風險評分不得作為拒絕照護的依據」。這些明確的「不能做什麼」，遠比「可以做什麼」更重要。
結語：守住醫療靈魂的「注意力守門人」
未來的醫療數位轉型，不應僅止於追求更強大的功能或更漂亮的數據，而應轉向建立一套成熟的「人機協作治理框架」。
CIO 必須具備勇氣與智慧，直視這面照妖鏡，並著手劃下關鍵的治理界線，主動與醫療領導層對話，明確界定系統的能力邊界，我們就能確保這套強大的數位神經系統，最終是服務於醫療「以人為本」的核心靈魂：確認專業判斷永遠高於演算法建議、定義哪些指標僅用於行政參考而非專業評鑑、並持續審視 AI 模型中潛藏的偏見風險。科技的初衷應是賦能專業，而非異化人性。
唯有如此，醫療體系的數位轉型，才算真正走在一條健康、永續且值得信賴的道路上。
（誌謝：本文之核心論點與策略視角，承蒙聯新國際醫療集團策略長蔡義昌博士提供實務洞察與寶貴建議，特此致謝。）
(本文授權非營利轉載，請註明出處：CIO Taiwan)
