# 卫齿士 2.0 ## 口腔诊所 AI 经营赋能系统白皮书 **公开版｜V2.0｜2026 年 8 月** **编制单位：爱顿口腔卫齿士项目组** --- ## 版权与声明 本文档面向口腔医疗机构管理者、运营负责人、数字化负责人、临床与客服团队、行业合作伙伴及研究人员，用于说明卫齿士 2.0 的产品理念、能力架构、治理原则和实施方法。 本文档不构成医疗建议、诊断意见、投资建议或合同承诺。产品功能、部署方式、服务范围和适用条件可能因机构规模、数据基础、合规要求及项目配置而不同，应以双方确认的实施方案、服务协议和实际交付版本为准。文中涉及的 AI 输出均应在相应业务责任人的授权和监督下使用；涉及诊疗、处方、病历、收费及患者权益的重要事项，须由具备相应资质和权限的人员审核、决定并承担责任。 © 2026 爱顿口腔卫齿士项目组。保留所有权利。未经授权，不得以断章取义、删除限制条件或改变原意的方式传播本文档。 ## 版本历史 | 版本 | 日期 | 文档状态 | 主要内容 | |---|---|---|---| | V1.x | 2026 年 5 月前 | 历史资料 | 基础功能与口腔诊所 AI 经营赋能框架 | | V2.0 | 2026 年 8 月 | 公开版 | 形成平台、参考实践与专业服务三层体系，完善治理、评估与实施框架 | ## 目录 1. 执行摘要 2. 阅读对象、研究范围与术语 3. 行业问题与建设目标 4. 产品定位与边界 5. 总体架构 6. 十大能力域 7. 核心业务闭环 8. 典型应用场景 9. 交付形态与能力成熟度 10. 参考实践 11. 安全、合规与负责任 AI 12. 价值评估体系 13. 实施路径 14. 局限性与不适用范围 15. 发展方向 16. 结语 附录 A：术语表 附录 B：参考文献 --- ## 1. 执行摘要 口腔医疗机构的数字化建设正在从“记录业务”进入“辅助经营与组织执行”阶段。传统信息系统擅长保存预约、就诊、收费和病历数据，却往往难以直接回答管理问题，也难以把分析结论持续转化为客服跟进、内容生产、培训、复盘和跨院区协同等行动。 卫齿士 2.0 是面向口腔医疗机构的 AI 经营赋能系统。它以统一 AI 基础设施、组织级 Agent、知识与内容资产、经营数据体系为基础，把分散的系统、数据、流程和岗位经验组织为可调用、可追踪、可复核的业务能力。其目标不是增加一个孤立工具，而是构建从“发现问题”到“执行任务”、再到“数据反馈与持续改进”的经营闭环。 卫齿士 2.0 形成十个相互衔接的能力域：AI 基础设施与治理、Agent 与任务执行、知识与内容资产、数据工程与智能分析、经营驾驶舱、客户与患者服务、品牌与增长运营、组织学习与质量运营、多端协同、行业服务与供应链协同。系统能力与运营服务共同构成交付体系，并通过清晰的责任边界、权限控制、人工复核、审计留痕和持续评估降低 AI 应用风险。 卫齿士 2.0 不替代医生、医疗机构负责人或其他法定责任主体。系统在诊疗相关场景中定位为信息整理、知识检索、流程辅助和风险提示工具；所有具有临床意义或可能影响患者权益的结论，均应由有资质人员基于完整信息独立判断。 ## 2. 阅读对象、研究范围与术语 ### 2.1 阅读对象 本文档主要服务于五类读者：需要理解系统商业价值和治理边界的决策者；负责数据、接口和安全的数字化团队；负责客服、运营、市场和培训的业务团队；负责医疗质量与患者权益的专业人员；参与实施、生态合作和行业研究的合作伙伴。 ### 2.2 研究范围 本文档依据三类材料形成：卫齿士产品设计与能力清单；爱顿口腔在经营、客服、内容、培训和多院区协同中的脱敏实践；国家法律法规、卫生健康行业制度和公开 AI 治理资料。文中不披露患者个人信息、员工账号、系统密钥、内部经营数值或其他不适合公开的信息。 本文档描述的是产品方法和可组织交付的能力范围，不等同于任一客户环境的上线清单。具体可用能力取决于数据质量、系统接口、组织授权、部署范围和验收结果。 ### 2.3 三类能力标识 为避免把软件功能、机构实践和人工服务混为一体，本文档采用以下标识： | 标识 | 含义 | |---|---| | **平台能力** | 由卫齿士软件、接口、Agent、数据和治理组件提供，可按项目配置与部署 | | **参考实践** | 已在爱顿口腔业务环境中形成的应用方法，用于说明可行路径，不代表所有客户默认具备 | | **专业服务** | 由运营、培训、内容、实施或行业团队交付，通常由系统提供数据和流程支撑 | | **受控探索** | 处于限定范围验证阶段，不作为常规生产能力或医疗结论来源 | ## 3. 行业问题与建设目标 ### 3.1 从信息化到经营智能仍存在断层 口腔机构通常已经拥有挂号、收费、病历、客户沟通、办公协同和内容渠道等工具，但数据口径、人员权限和业务流程可能分散在不同系统中。管理者看到的是多个局部报表，业务人员承担大量查询、搬运、核对和重复编辑工作，优秀经验则容易停留在个人手中。 AI 的价值不只在于生成文本。它更适合与结构化数据、知识库、业务规则和任务系统结合，承担信息归集、语义检索、流程编排、异常提示和内容辅助等工作。中国信息通信研究院将数据、算法、算力以及治理能力视为人工智能产业和应用发展的重要基础[1]；世界经济论坛也强调，AI 转型需要治理、人才、基础设施和实际应用共同推进[2]。 ### 3.2 建设目标 卫齿士 2.0 围绕四个目标建设：第一，建立机构统一、可治理的 AI 能力入口；第二，把经营数据转化为可解释、可执行的管理信息；第三，把岗位经验沉淀为知识、规则、模板和工作流；第四，在安全与责任边界内推动客服、运营、培训和协同效率提升。 系统采用“人机协同”而非“无人化替代”作为基本原则。自动化用于降低重复劳动，Agent 用于连接信息与任务，业务负责人保留授权、复核、例外处理和最终决策权。 ## 4. 产品定位与边界 卫齿士 2.0 由三个层次构成。 ### 4.1 标准产品平台 标准产品平台提供统一身份与权限、模型与渠道接入、任务调度、审计日志、知识检索、数据接入、经营分析、Agent 工具调用和多端协同等基础能力。在爱顿参考实践中，底层企业 AI 基础设施由 ProLink 承载；采用何种经评估的基础设施不改变卫齿士面向口腔经营场景的产品定位。 ### 4.2 爱顿参考实践 爱顿口腔作为参考实践环境，将平台应用于多院区数据协同、经营分析、客服支持、知识共享、内容运营、积分与质量管理、微信与钉钉协同等场景。参考实践用于验证业务闭环和沉淀方法论，其组织结构、数据条件和实施结果不直接等同于其他机构的交付结果。 ### 4.3 专业运营与行业服务 系统之外的内容策划、活动运营、人员培训、流程梳理、供应链组织和实施陪跑属于专业服务。此类服务可以由卫齿士团队、客户团队或经授权的合作伙伴完成。平台负责提供数据、工具、流程和留痕，专业人员负责目标设定、专业判断和现场执行。 ### 4.4 明确排除的产品承诺 卫齿士不是医院信息系统或电子病历系统的替代品，不自动取得医疗器械、互联网诊疗或其他依法需许可业务的资质，也不以未经审查的生成内容替代诊断、治疗方案、处方、病历书写和知情同意。平台不承诺在缺少合格数据、必要接口、组织授权或人工配合的情况下自动产生经营结果。 ### 4.5 适用机构 单体门诊可从知识、内容、客服辅助或基础经营分析切入；中小型连锁可重点建设统一口径、总部知识和门店协同；区域品牌与大型连锁可进一步配置多组织权限、数据治理、任务调度和审计体系；行业服务商可在获得客户授权并明确数据责任的前提下，使用平台组织培训、内容、运营或供应链服务。实施深度取决于机构治理能力，而非单纯取决于门店数量。 ## 5. 总体架构 卫齿士 2.0 采用六层架构，将渠道、业务应用、智能执行、知识数据、治理与基础设施贯通。 ```mermaid flowchart TB A[微信 / 钉钉 / Web / 移动端 / 业务系统] --> B[场景应用层] B --> B1[经营驾驶舱] B --> B2[客户与患者服务] B --> B3[内容增长与培训] B --> B4[行业与供应链协同] B1 --> C[Agent 与任务执行层] B2 --> C B3 --> C B4 --> C C --> D[知识与数据层] D --> D1[结构化经营数据] D --> D2[文档 / 规则 / 案例 / 内容资产] D --> D3[指标口径与主数据] C --> E[AI 与自动化基础设施] E --> E1[模型路由 / 工具调用 / 工作流] E --> E2[任务队列 / 监控 / 告警] F[身份权限 / 安全合规 / 审计评估] -.贯穿.-> B F -.贯穿.-> C F -.贯穿.-> D F -.贯穿.-> E ``` **图 1　卫齿士 2.0 总体架构。** 渠道与业务系统提供入口和数据，Agent 负责理解意图、调用工具和组织任务，知识与数据层提供可信上下文，治理体系贯穿数据、模型、任务和人员全流程。 该架构允许机构从单一场景起步，再逐步扩展到多院区、多角色和多系统协同。业务系统继续承担法定记录与核心交易，卫齿士通过授权接口、同步任务或受控数据集进行连接，避免形成未经治理的数据副本。 ## 6. 十大能力域 ### 6.1 AI 基础设施与统一治理 该能力域通过统一 AI 网关为机构提供用户、角色、组织、项目和资源管理，集中接入模型服务、知识服务、对象存储和业务接口。任务队列、失败重试、运行监控、审计日志、调用成本与质量绩效观察，使 AI 调用从个人工具转变为可管理的机构能力。 主要交付属性为**平台能力**。模型供应商、部署位置和容灾方案按项目安全要求确定；高敏感数据不应在未经评估和授权的情况下发送给第三方模型服务。 ### 6.2 Agent 与任务执行 卫齿士 Agent 接收自然语言或结构化任务，在权限范围内完成知识检索、数据查询、内容草拟、表单处理、消息提醒和工作流调用。任务可按风险、复杂度、时效和成本分层路由，调用经审核的 Skill 与自动化能力；复杂任务可拆分为多个步骤，并保留输入、工具调用、结果、异常和人工处理记录。 Agent 的重点是“可执行且可复核”。每项工具都应绑定明确的权限和数据范围；读取与写入、草拟与发布、提示与决定分别控制。自然语言查数、资料检索和任务编排属于**平台能力**，具体岗位流程属于**参考实践**或**专业服务**。 ### 6.3 知识与内容资产 该能力域将制度、SOP、产品资料、培训课件、客服话术、活动方案、品牌规范和经过审核的专业知识统一入库，通过标签、版本、来源、有效期和权限进行管理。检索增强生成可为 AI 输出提供机构内部依据，并在条件允许时返回来源线索。 知识入库不是简单上传文件。机构需明确内容责任人、审核状态、适用范围和失效机制。对临床相关知识，应优先采用权威来源和经专业人员确认的内容；病例与项目资料可在授权范围内进行分类、摘要和检索，但知识库结果不能替代医生基于患者完整情况作出的判断。 ### 6.4 数据工程与智能分析 卫齿士可连接经授权的业务数据源，完成采集、清洗、去重、映射、主数据对齐、指标计算、质量检查和增量更新。结构化数据用于经营分析，非结构化资料用于语义检索，两者通过统一权限和业务语义连接。 数据中台、实时或定时更新、数据质量规则、自然语言查询和分析归档属于**平台能力**；历史数据迁移、指标校准和跨系统对账通常需要**专业服务**。任何分析结果都应标注统计周期、数据范围、口径和更新时间。 ### 6.5 经营驾驶舱 经营驾驶舱围绕患者服务链路和机构经营过程组织指标，可覆盖预约、到诊、成交、复诊、转介绍、满意度、渠道投入、线索、回款、人员与院区表现等主题。系统支持从汇总指标下钻到经授权的明细，并通过异常提醒和待办把“看数”连接到“行动”。 驾驶舱不把单一指标作为医疗质量或员工价值的全部评价。指标体系应结合机构目标、临床质量、患者权益和数据偏差进行解释，重要经营决定由管理者综合判断。 ### 6.6 客户与患者服务 该能力域支持预约与挂号协同、服务提醒、常见问题辅助回复、对话质检、未命中问题沉淀、客户分层和随访任务组织。AI 客服可生成候选回复或在预先批准的低风险范围内自动响应；涉及病情判断、治疗承诺、价格争议、投诉、隐私或紧急情况时，应转由人工处理。 客服工作台、会话记录、知识命中、路由规则和试答评估属于**平台能力**。系统也可依据已审核模板辅助形成治疗项目说明、注意事项和回访材料草稿，由医务人员结合患者实际情况审核后使用。私域运营、活动触达、人工跟进和复诊管理属于系统支持下的**专业服务**或客户自运营工作。 ### 6.7 品牌、内容与增长运营 卫齿士将选题、资料检索、提纲、初稿、事实核验、合规审核、品牌校对、发布和效果复盘组织为内容工作流，可服务于网站文章、科普内容、活动物料、短视频脚本和私域内容。多站点内容管理与 GEO（生成式引擎优化）强调内容的结构化、可引用性、来源透明和持续更新。 内容生产工具属于**平台能力**；选题策略、品牌表达、人工编辑、拍摄制作、渠道运营和活动策划属于**专业服务**。所有医疗健康内容应经过适当专业审查，不得使用虚假、夸大、保证性或无法验证的表述。 ### 6.8 组织学习、积分与质量运营 该能力域将岗位课程、案例、考试、任务训练、问题反馈、积分规则、异常工单和改进复盘连接起来。AI 可辅助生成学习材料、模拟问答和个性化练习，组织负责人则负责学习目标、评价标准和结果应用。 培训与积分工具属于**平台能力**；课程设计、岗位辅导、活动运营和质量改进属于**专业服务**。积分、排名和自动评价不得成为未经人工审查的惩戒依据，也不应诱导员工牺牲医疗质量或患者权益换取短期指标。 ### 6.9 微信、钉钉与多端协同 卫齿士通过 Web、微信、钉钉及经授权的业务系统入口触达不同角色。患者侧强调便捷服务和必要告知，员工侧强调查询、提醒、待办和知识获取，管理侧强调分析、权限和审计。 多端协同遵循最小权限和场景最小化原则。同一用户在不同入口只获得与身份和任务相符的信息；敏感操作采用额外确认、审批或人工复核。平台支持能力不意味着第三方平台接口永久不变，实际范围受其开放政策和授权状态影响。 ### 6.10 行业服务与供应链协同 在机构内部能力之上，卫齿士可支持行业培训、标准化内容、运营方法输出、需求汇总、供应商资料、比价过程、采购计划和效果复盘。该能力域连接机构需求与行业资源，但不取代采购决策、供应商资质审查、合同管理和产品质量责任。 数据与流程工具属于**平台能力**；集采组织、供应商协同、培训和咨询属于**专业服务**。供应链服务应保留询价依据、审批过程、利益冲突披露和验收记录。 ## 7. 核心业务闭环 卫齿士把十个能力域组织为四个闭环，而不是彼此孤立的功能菜单。 **经营闭环：** 数据接入与治理形成统一口径，驾驶舱识别变化和异常，Agent 生成分析线索与待办，负责人确认后进入执行，结果回流用于复盘。 **服务闭环：** 患者或客户通过合规入口提出需求，系统完成身份与意图识别，低风险事项由知识辅助，高风险事项转人工，服务结果和未命中问题进入知识与质量改进流程。 **内容闭环：** 经营目标和真实问题形成选题，知识库提供依据，AI 辅助生成，专业人员完成事实、医疗、品牌和合规审核，发布结果进入效果分析并反哺内容资产。 **组织闭环：** 制度和优秀实践沉淀为课程、规则和 Agent 工具，员工在真实任务中使用，问题通过工单和复盘回收，持续更新知识、流程和培训内容。 ## 8. 典型应用场景 ### 8.1 管理者经营分析 管理者可以用自然语言查询经授权的关键指标，也可以从驾驶舱查看趋势、院区差异和异常线索。系统返回统计范围、口径和更新时间，并支持生成复盘提纲；经营结论与资源配置仍由管理者确认。 ### 8.2 客服辅助与服务质检 客服人员在统一知识支持下处理常见问题，系统对未命中、高风险或可能投诉的对话进行提示和路由。质检结果用于发现知识缺口、流程问题和培训需求，而不是仅以机器评分替代主管判断。 ### 8.3 预约、复诊与私域运营 系统可组织预约提醒、复诊任务、活动触达和客户分层，减少跨表格搬运。触达应基于合法处理依据、合理频率和退出机制；病情相关事项进入人工或专业人员处理流程。 ### 8.4 品牌内容与科普生产 团队以品牌规范和审核知识为基础，协同完成文章、海报文案和视频脚本。系统保留来源、版本和审批状态，帮助多院区复用合格内容，同时降低过期、失实和表达不一致的风险。 ### 8.5 医患沟通与资料整理 在取得合法授权并遵循最小必要原则的前提下，系统可辅助整理病例项目资料、生成沟通材料草稿、汇总随访要点和检查资料完整性。该场景只处理信息组织与表达，不对患者作出诊断或自动生成最终治疗决定；所有对患者使用的内容均由相应专业人员审核。 ### 8.6 培训与标准化复制 总部把制度、案例和岗位方法转化为可检索知识与训练任务，新员工在具体工作中获得辅助。门店反馈通过问题工单回流总部，形成内容更新和流程修订依据。 ### 8.7 多院区与行业协同 在统一口径、权限和审计基础上，总部可以比较院区经营过程、组织共性需求并输出标准化支持。供应链或行业合作场景则进一步连接需求汇总、方案比较、执行跟踪和效果复盘。 ## 9. 交付形态与能力成熟度 ### 9.1 交付形态 卫齿士支持私有化部署、专属环境或经评估的云服务形态，并可按项目提供数据治理、接口实施、Agent/Skill 配置、知识库建设、运营陪跑与培训。部署形态应依据数据敏感程度、现有系统条件、预算和安全要求确定。 ### 9.2 成熟度定义 项目文件和公开材料应使用一致的成熟度定义，避免以“存在设计”代替“可生产使用”。 | 等级 | 定义 | 对外含义 | |---|---|---| | 标准交付 | 已纳入标准产品与验收范围 | 可在满足前置条件后按标准方案部署 | | 配置交付 | 能力稳定，但需按机构数据和流程配置 | 交付范围、周期和验收指标需项目确认 | | 专业服务 | 依赖人员持续运营或专项实施 | 不属于单纯软件开通即可获得的结果 | | 受控试点 | 仅在限定数据、角色或场景中验证 | 不作为常规生产或医疗决策能力承诺 | | 规划方向 | 已进入路线图，尚未形成正式交付 | 不应作为采购、宣传或经营预测依据 | 对任一项目，最终状态应由需求基线、测试记录、用户验收、运行指标和治理审查共同确认。 ## 10. 参考实践 爱顿口腔的参考实践覆盖统一 AI 管理、数据迁移与更新、经营看板、自然语言查数、知识共享、客服辅助、微信与钉钉协同、积分与质量运营、内容生产等场景。实践表明，AI 项目的主要工作不仅是模型接入，还包括数据口径统一、岗位流程设计、知识维护、权限配置、异常处理和持续运营。 参考实践采用“先打通、再校准、后规模化”的方法：先建立数据与任务链路，再通过对账和真实业务反馈校准，最后把稳定方法沉淀为标准能力或专业服务。其意义在于验证产品架构和实施方法，不构成对外部机构效果的保证。 为保护患者、员工和机构经营信息，本文档不披露内部账号、任务明细、患者数据、经营数据和未公开运行指标。经授权发布的案例应至少说明样本范围、实施周期、指标定义、基线、数据来源、限制条件和审核责任人；无法满足这些条件的数据不得用于效果宣传。 ## 11. 安全、合规与负责任 AI ### 11.1 治理责任 项目应明确数据处理者、受托处理方、系统运营方、业务责任人、医疗质量责任人和第三方服务商的角色。机构对处理目的、权限和业务结果负责；技术与服务提供方在约定范围内承担安全、保密、可用性和协助义务。涉及委托处理、共同处理或向其他处理者提供个人信息时，应依法完成协议、告知、授权和影响评估。 ### 11.2 数据分类与最小化 《中华人民共和国个人信息保护法》将医疗健康信息列为敏感个人信息，对其处理应具有特定目的、充分必要性并采取严格保护措施[3]。卫齿士建议至少区分公开信息、机构内部信息、个人信息、敏感个人信息、医疗健康数据和重要业务数据，并按照数据类别配置访问、导出、共享、脱敏和保留策略。 数据采集遵循目的明确、最小必要和期限最短原则。训练、测试和演示环境不得直接复制生产敏感数据；确有必要时，应完成授权、去标识化、访问隔离和使用后处置。跨境提供、向第三方模型发送或改变原处理目的，应另行完成法律与安全评估。 ### 11.3 全生命周期安全 国家卫生健康委关于医疗卫生机构网络安全管理的要求覆盖网络安全责任、数据分类分级、全生命周期保护、审批、审计和应急处置[4]。卫齿士据此将安全控制嵌入采集、传输、存储、使用、共享、导出、归档和删除环节，落实身份认证、最小权限、日志留存、备份恢复、漏洞处置和异常告警。 数据安全管理还应结合《中华人民共和国数据安全法》建立分类分级、风险监测、事件处置和责任追踪机制[5]，并参考健康医疗大数据的标准、安全与服务管理要求完善制度[8]。具体保留期限由法律要求、医疗机构制度、合同约定和处理目的共同确定，超过期限的数据应删除或匿名化，法律另有规定的除外。 ### 11.4 模型与知识治理 模型接入前应评估供应商、部署位置、数据使用条款、输出安全、可用性和退出机制。模型版本、系统提示、工具权限和关键参数应纳入变更管理。知识条目应记录来源、审核人、版本和有效期；过期或被撤回的内容应停止参与生成。 面向公众提供生成式人工智能服务时，应结合《生成式人工智能服务管理暂行办法》评估适用义务，落实内容安全、个人信息保护、投诉举报和服务规范[6]。对外生成内容宜采用显著提示、人工审核或其他与风险相匹配的控制措施。 ### 11.5 医疗与高风险场景 临床决策支持类能力应遵循权威知识、结构化数据、内部部署与数据安全等行业要求[7]。卫齿士对高风险场景实行默认人工复核：诊断与鉴别诊断、治疗方案、处方与用药、病历关键内容、影像结论、费用承诺、患者投诉和紧急情况均不得由通用生成式 AI 自动作出最终决定或直接执行。 系统输出应尽可能呈现依据、时间、数据范围和不确定性。人员发现错误、偏差或潜在伤害时，可停止自动化、撤回内容、转人工并提交事件。机构应建立从发现、分级、隔离、通报、补救到复盘的 AI 事件响应流程。 ### 11.6 审计、投诉与持续评估 关键操作应记录操作者、时间、输入来源、工具调用、模型或规则版本、审批和结果。审计日志的访问同样受权限控制。患者和员工应拥有适当的咨询、异议、纠错和投诉渠道；涉及个人信息权利的请求，按机构依法建立的流程处理。 系统上线后持续评估准确性、知识命中、人工改写、转人工、异常、投诉、安全事件、偏差和业务影响。发现风险超过可接受阈值时，应降级、暂停或撤回相应能力。 ## 12. 价值评估体系 卫齿士采用“效率、质量、经营、组织与风险”五类指标，不以单一增长数字评价项目。 | 维度 | 示例指标 | 评价注意事项 | |---|---|---| | 效率 | 查询耗时、重复录入量、任务完成周期、内容交付周期 | 同时记录人工投入和异常处理成本 | | 质量 | 数据完整率、知识命中率、人工改写率、任务成功率、口径一致率 | 区分技术成功与业务正确 | | 经营 | 到诊、转化、复诊、转介绍、渠道投入产出等过程指标 | 控制季节、渠道和组织变化等影响因素 | | 组织 | 使用覆盖、培训完成、知识复用、问题闭环、跨院区协同 | 避免以使用次数替代真实价值 | | 风险 | 越权、敏感数据暴露、错误发布、投诉、事件响应时间 | 重大风险指标优先于效率和增长指标 | 评估应在实施前定义基线、统计口径、观察周期、数据来源和责任人。有条件时采用分阶段上线、对照组或前后对比；无法排除其他因素时，应明确说明相关性不等于因果关系。对外案例必须经过数据、业务、合规和品牌审核。 ## 13. 实施路径 实施顺序应服从机构基础与业务价值：知识和内容基础较好的机构可从客服、培训或内容场景起步，数据基础较好的机构可从经营分析起步。无论入口如何，都应补齐治理、责任、评估和持续运营；这一组织级推进方式也与主流 AI 采用框架所强调的战略、人员、治理、平台和运营协同一致[9]。 ### 13.1 评估与治理准备 识别业务目标、关键流程、系统清单、数据类别、责任主体和风险等级，确定首批场景及不可自动化事项。建立项目委员会或同等治理机制，明确产品、业务、数据、安全和医疗质量负责人。 ### 13.2 数据与知识基础 完成接口和数据源梳理、主数据映射、指标口径、权限矩阵与知识责任制。用小范围数据验证质量和合规要求，建立更新、校验、备份和失效机制。 ### 13.3 小场景闭环 优先选择价值明确、风险可控、可量化的场景，例如内部知识检索、经营数据查询、低风险客服辅助或内容草拟。配置人工复核、异常转交和审计记录，完成测试与用户验收。 ### 13.4 组织推广与规模化 把稳定场景固化为 Agent、Skill、模板、课程和运营规范，逐步扩展角色与院区。规模化前应重新评估容量、权限、数据隔离、第三方依赖和应急预案。 ### 13.5 持续运营 按周期审查运行指标、知识有效性、模型变更、权限、投诉和安全事件。对低价值或高风险能力进行修订、降级或退出，使系统演进与组织治理同步。 ## 14. 局限性与不适用范围 生成式 AI 可能产生事实错误、遗漏、过度概括或看似合理但缺乏依据的内容；知识库也可能因资料过期、权限缺失或检索失败而不能提供完整上下文。自然语言查询的结果受数据口径、更新时间和问题表达影响，不宜脱离原始数据和业务背景使用。 当机构缺少稳定数据源、明确责任人、统一指标或持续知识维护时，系统效果会显著受限。涉及急症、复杂诊疗、患者重大权益、监管报告和不可逆操作的场景，不适合依赖通用生成式 AI 自动处理。 外部模型、微信、钉钉及其他第三方服务可能发生接口、策略、价格或可用性变化。项目应设置降级和退出方案，避免关键医疗与经营流程对单一外部服务形成不可控依赖。 ## 15. 发展方向 卫齿士 2.0 将沿着四条方向演进：增强跨系统的数据语义与质量治理；提高 Agent 任务的可验证性和可观察性；完善内容、客服、培训与经营场景的评估体系；推动行业知识、服务与供应链在授权、合规和利益透明前提下协同。 自动治疗方案、诊断推断等高风险能力仅作为受控研究方向。其进入实际应用必须满足适用法规、医疗器械或临床评价要求、权威知识与数据条件、充分验证以及医务人员最终决策等前提，不纳入卫齿士 2.0 的常规产品承诺。 ## 16. 结语 口腔机构的 AI 转型不是一次模型采购，也不是把已有流程简单自动化。真正可持续的能力来自数据、知识、流程、组织与治理的共同建设。 卫齿士 2.0 以统一平台连接业务系统，以 Agent 连接信息与行动，以知识和数据提高可解释性，以人工责任和审计机制守住安全边界。它所追求的结果，是让管理更及时、服务更一致、经验可沉淀、协同可复制，并使每一项 AI 能力都能够被授权、被验证、被追踪和被改进。 --- ## 附录 A：术语表 | 术语 | 定义 | |---|---| | Agent（智能体） | 能够理解任务、调用经授权工具并按流程返回结果的 AI 应用单元 | | Skill | 封装特定任务方法、规则、工具和输出要求的可复用能力 | | RAG | 检索增强生成，通过检索授权知识为模型生成提供上下文 | | GEO | 面向生成式搜索或问答环境的内容组织与可引用性优化 | | 主数据 | 在多个系统间需要统一标识和口径的核心业务对象数据 | | 指标口径 | 指标的定义、范围、计算规则、周期、来源和更新时间 | | 人工复核 | 由具备权限和必要专业能力的人员检查、修改、批准或拒绝 AI 结果 | | 受控试点 | 在限定数据、角色、时间和风险条件下进行的验证，不等同于正式生产能力 | ## 附录 B：参考文献 [1] 中国信息通信研究院：《人工智能白皮书（2022年）》，2022。 https://www.caict.ac.cn/kxyj/qwfb/bps/202204/P020220412613255124271.pdf [2] World Economic Forum, *A Blueprint for Intelligent Economies*, 2025。 https://reports.weforum.org/docs/WEF_A_Blueprint_for_Intelligent_Economies_2025.pdf [3] 全国人民代表大会常务委员会：《中华人民共和国个人信息保护法》，2021。 https://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm [4] 国家卫生健康委员会等：《医疗卫生机构网络安全管理办法》，2022。 https://www.nhc.gov.cn/guihuaxxs/c100133/202208/8a23d01133214a779879094dd20cd383.shtml [5] 全国人民代表大会常务委员会：《中华人民共和国数据安全法》，2021。 https://www.samr.gov.cn/zw/zfxxgk/fdzdgknr/bgt/art/2023/art_33654085364e45e2a878c70a06934414.html [6] 国家互联网信息办公室等：《生成式人工智能服务管理暂行办法》，2023。 https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm [7] 国家卫生健康委员会：《医疗机构临床决策支持系统应用管理规范（试行）》，2023。 https://www.nhc.gov.cn/yzygj/c100068/202307/d5239ed63d324aaa8ea85922b5fb1310.shtml [8] 国家卫生健康委员会：《国家健康医疗大数据标准、安全和服务管理办法（试行）》，2018。 https://www.nhc.gov.cn/mohwsbwstjxxzx/s8553/201809/742308fad8ed47fb85b9675ee4b6c6eb.shtml [9] Amazon Web Services, *AWS Cloud Adoption Framework for Artificial Intelligence, Machine Learning, and Generative AI*, 2024。 https://docs.aws.amazon.com/pdfs/whitepapers/latest/aws-caf-for-ai/aws-caf-for-ai.pdf **参考资料访问日期：2026 年 8 月 28 日。** --- **底层基础设施参考：ProLink 企业 AI 基建（https://www.pro-link.cc）** **文档编号：VTEETH-WP-2.0-202608** **文档状态：公开版**