医院引入AI，本来是想少做文书、少花时间。但在医疗结算里，写得更快、更完整，不一定意味着总账单更低。比如，同一次诊疗被记录成更复杂的病情，医院可能获得更高赔付，保险机构则要付更多钱。现在，AI正在放大这组原本就不一致的激励。
据 TechCrunch 转述，Blue Cross Blue Shield Association（BCBSA）分析称，医院在提交保险理赔时使用AI工具，两年内带来了额外9.42亿美元医疗支出。不过，目前公开材料只有这篇二手报道，原始分析的统计口径、时间范围和因果识别方法都没有披露。更准确的说法是：BCBSA观察到AI辅助理赔与支出增加同时出现，而不是AI已经被严格证明造成了这笔费用。
省下的是文书，增加的可能是赔付
理解这件事，要先看“医疗编码”。它把诊断、病情复杂度和治疗项目翻译成保险结算使用的标准代码。代码不同，医院最终获得的赔付也可能不同。
生成式AI文书工具可以根据病历或医患对话生成记录，并给出编码建议。它像一个速度很快的账单助理：能减少行政工作，也可能找出过去遗漏的信息。但这些输出仍需专业人员审核。
BCBSA称，采用相关工具后，被记录为患有复杂疾病的患者数量“急剧增加”。它同时表示，医疗编码与实际治疗之间出现“明显脱节”，没有证据显示护理服务发生了相应变化。
这容易让人想到 Upcoding——把病情或服务编码得更复杂、更昂贵，以获得更高赔付。但现有材料不足以证明医院虚报或欺诈。另一种可能是，AI只是把原本存在、过去没有完整写进病历的情况补了出来。要区分两者，必须把编码、患者实际病情和接受的治疗逐项对照；目前披露的信息做不到这一点。
双方都上AI，摩擦未必减少
医院是服务方，希望完整记录并获得赔付；保险机构是支付方，会控制不必要的支出。双方的拉扯早已存在，AI只是让处理规模和速度上了一个台阶。
据编辑部整理的 Healthcare Dive 报道，Providence 医疗系统称，保险方更广泛采用AI后的两年里，其少付或首次拒赔增加逾50%，每张索赔需要的人工作业也增加逾50%。该系统随后签下十年外包合约，以尽快获得对等技术。自动化没有消灭行政摩擦，反而可能让两边更快地产生更多编码、拒赔和申诉材料，最后仍要由人处理。
TechCrunch 还转述《New York Times》的判断：医院和保险公司同时使用AI，正在加剧原有的治疗与付款争端，并推高医疗成本。Abridge 创始人 Shiv Rao 将一种可能的未来称为“机器人对抗机器人、智能体对抗智能体”，但他也认为AI可能缓和矛盾、降低成本。这两种结果目前都只是情景判断；Rao经营AI公司，也有明确的商业利益。
真正值得关注的是钱往哪里走
“AI降本”常把不同主体的成本混在一起。医院少花文书时间，是一种降本；医院因编码更完整而增加收入，对保险方却是新增支出。保险公司再用AI审查或拒绝理赔，也可能节省赔付，却把申诉成本转回医院和患者。
所以，问题不是AI有没有提高某个环节的效率，而是它是否降低了整个系统的总成本。如果机器让每一方都更高效地追求自己的利益，结果可能不是更便宜的医疗，而是一场速度更快、材料更多的账单竞赛。
局限与未知
- BCBSA原始分析未公开，9.42亿美元的样本范围、两年具体起止时间和AI使用识别方法不明。
- 现有材料无法判断复杂疾病记录增加究竟来自更完整的病历，还是不恰当的编码升级。
- 核心证据来自BCBSA这一家保险机构，不能据此推断所有保险公司或整个医疗系统都出现了同样结果。