FDE 交付实战营

Appearance

第九章 生产级硬化 ​

9.7 案例：Tampa General 医院上生产 ​

承前：这一章讲了六维度、护栏、可观测、灰度、部署、成本——它们在一个强监管环境里被拧到多紧？这一节看 Palantir 与 Tampa General 医院（TGH）：医疗行业、患者安全、HIPAA 合规，AI 从试点走到生产、再到自动化运行的真实路径。这是"生产级硬化"全部内容的临床版本。

9.7.1 背景：从 Foundry 到 AIP，一个三年铺垫 ​

Tampa General Hospital 是美国佛罗里达州坦帕市的顶级学术医疗系统、该地区的安全网医院（为所有人提供医疗服务无论支付能力），也是全美最繁忙的成人实体器官移植中心之一。

据 TGH 与 Palantir 的官方新闻稿（2024 年 6 月 5 日，TGH 官网与 Palantir 投资者关系页同步发布），双方的合作从 2021 年开始：TGH 先部署了 Palantir 的数据平台 Foundry，从数据治理起步，此后将 Palantir 软件的使用从一个用例扩展到全院十几个用例。2024 年 6 月宣布的新阶段是：TGH 将部署 Palantir 的 AIP（Artificial Intelligence Platform），作为其"护理协调操作系统"（Care Coordination Operating System）的核心分析与 AI 平台——把医院的领域专业知识、实时态势感知和大语言模型一起编码进决策支持工具，用于床位安置、患者日程、人员配置等一线护理运营工作流。

注意时间结构：数据治理（2021）→ 十几个用例的数据运营（2021-2024）→ AI 平台生产化（2024）。这就是第 4 章"数据链路是第一承重柱"、第 2 章"先有数据地基再谈 AI"的活体标本——一家医院用了三年数据底座，才开始把 LLM 放进生产工作流。

9.7.2 生产成果：用官方数字说话 ​

据上述官方新闻稿及 Palantir 后续的公开披露：

  • 患者安置时间缩短 83%（床位安置耗时 cut by 83%）；
  • PACU（麻醉后监护室）滞留下降 28%（post anesthesia care unit holds declined 28%）；
  • 脓毒症患者平均住院日下降 30%（mean length of stay for sepsis patients went down 30%）；
  • TGH 计划将 AIP 扩展到收入循环管理等更多工作流，推出名为 Hospital Sync 的应用套件；
  • Palantir 的工程团队继续驻场与医院协同（新闻稿原文明确提到 Palantir engineers will continue working on-site——FDE 驻场模式在强监管生产环境的常态）。

另据 Palantir 2025 年的一季度财报电话会及公开展示（Palantir DevCon 等），TGH 还将 Agent 用于脓毒症监测等自动化场景，并展示了将 AI 生成的利用率审查（utilization review）成本削减近 70% 的进展。这印证了 9.6 成本工程在真实生产里的分量——连医院场景，AI 也要"挣得回自己的算力钱"（Palantir 展示中直接引用了"医院利润率不足 2%，AI 必须自证回报"的表述）。

9.7.3 用 FDE 的视角拆解：这个案例把本章内容全部对上号 ​

六维度审查的医院版（9.1）。医疗环境里"功能完整性"的验收标准不是跑分，是患者安全：床位安置决策错误、脓毒症漏报，都是临床风险。TGH 的路径是把 AI 编码进既有决策支持工作流（eligibility and prioritization decisions）而非放飞自主 Agent——AIP 的定位是"编码领域专业知识与实时数据，供一线团队使用"，人始终在决策位。

**护栏与 HITL（9.2/9.3）。**在 Palantir 的公开展示里，医院 Agent 的设计范式是"患者出院 Agent 在护士审批处暂停，新化验结果一到就自我重新评估"——这正是 8.2 动作确认、9.3 HITL 分层的临床实现：AI 持续运转、人类握着关键闸门。强监管行业的 AI 不是"更少自动化"，而是"自动化与审批点交织成状态机"。

可观测与审计（9.3）。医疗场景的审计要求是 HIPAA 级的：谁访问了患者数据、为什么、何时。9.3 的审计轨迹三问（谁何时做了什么、AI 给了什么建议、人做了什么决策）在医院语境里就是合规检查的日常。TGH 案例中 Palantir 强调的"securely encode"（安全编码领域知识）背后是同一条逻辑——AI 系统对医院而言首先是可审计系统，其次才是智能系统。

**放权路径（8.3）的医院版。**从 2021 年的数据分析（只读期），到 2024 年的"决策支持工具"（建议期），再到 2025 年展示的"自动化脓毒症监测、自动生成审查文书"（执行期）——四年三阶段，每一步都以可度量的临床结果（83%、28%、30%）为晋级证据。在患者安全面前没有"一步到位全自动"，有的只是被数据持续验证的渐进放权。

**部署形态（9.5）。**医疗数据让 TGH 天然走向严密的边界管控——Palantir 在医疗行业的卖点正是"AI 系统构建于机构自有数据边界内"。这对中国客户的私有化/混合形态讨论是现成的国际参照：强监管行业的数据边界不是成本问题，是入场资格。

9.7.4 给 FDE 的三条启示 ​

**一、强监管不是 AI 的敌人，是"生产级硬化"的付费理由。**TGH 愿意为 AIP 付出长期投入，恰恰因为医疗环境逼出了最完整的硬化清单。你面对金融、政务客户时的"审核麻烦"，换个角度就是你的产品从 demo 变成生产系统的价值证明——能过 IT 生产审查的 Agent 厂商，比模型跑分高 5 分的厂商稀缺得多。

**二、FDE 驻场是生产阶段的常态。**TGH 新闻稿里那句"Palantir 工程师将继续驻场工作"值得画线：生产上线后三年，工程师还在现场。第 1 章讲过 FDE 与普通工程师的区别（私人医生 vs 药厂）——这个案例是那句话的临床终局：越深的生产耦合，越需要持续的现场智能。

**三、结果叙事要选客户在乎的指标。**Palantir 从不讲"模型准确率"，只讲"安置时间 -83%、脓毒症住院日 -30%"。这不是话术，是 9.6 单位经济模型和第 3 章北极星原则的应用：医院不买 token，买的是床位周转和患者结果。你的周报、你的验收会、你的续约谈判，都该用客户业务坐标系里的数字说话。

9.7.5 对照表：TGH 案例与青禾沙盘的逐维度映射 ​

把真实案例和本书的沙盘并排，你会发现"强监管医院"和"连锁超市"在生产硬化上面对的是同构问题，只是量级不同——这张表也是你向客户讲这个案例时的讲法框架：

本章机制TGH（医院）青禾沙盘（零售）
数据地基Foundry 三年治理，十余用例会员 ID 双轨、脏标签清洗（第 4 章）
上线审查患者安全即一票否决项9.1 评分表 + IT 负责人预审
HITL出院 Agent 在护士审批处暂停发券确认卡、双人审批矩阵（9.3）
灰度从单一工作流（床位安置）起步10 家门店分组灰度（9.4）
结果叙事安置时间 -83%、住院日 -30%复购率北极星、单位经济模型（9.6）
持续运营Palantir 工程师驻场三年FDE 运营交接四件套（9.5）

给客户讲时的开场顺序建议：先讲时间结构（三年数据地基才到 AI——对绝大多数想"三个月上 AI"的客户，这是预期管理的第一课）；再讲 HITL 状态机（"AI 持续运转、人握闸门"打消一线员工的恐惧，这是采用率的前置条件）；最后讲结果指标（用 TA 们自己的业务坐标系收尾）。一个案例最好的用法不是"看人家多成功"，而是"你的行业版应该长这样"——讲完每行都问一句"我们这边对应的是什么"，案例就变成了双方共同的设计讨论，而不是你单方面的炫耀。

9.7.6 常见误读与准确表述 ​

这个案例在客户房间里也常被误引，预先备好纠偏。三个高频误读：

误读一："Palantir 给医院上了万能 AI 操作系统。"准确表述：AIP 是在三年数据治理（Foundry）之上、针对护理协调等具体工作流编码领域知识的平台——床位安置、患者日程、人员配置，逐个用例上。没有任何"一键智能"。

**误读二："医院 AI 自动化跑医疗决策。"**准确表述：官方表述的定位是 decision support（决策支持）——eligibility and prioritization 类决策的辅助，出院 Agent 在护士审批处暂停。临床决策权始终在人。

误读三："83% 是 AI 带来的。"准确表述：官方数字描述的是护理协调工作流整体（数据平台 + 流程重构 + AI 工具）的改进，不能全记在 AIP 头上——AIP 2024 年才部署，而改进指标是基于 2021 年起的合作周期。给客户引用时说"护理协调工作流的改进"，别说"AI 提升 83%"——前者经得起追问，后者一查就穿。

这三条纠偏本身就是 FDE 的日常功课：每个你引用的案例，都要能用一句"据谁披露、什么口径"接住客户的追问——这是第 1 章讲的事实素养在生产销售场景的应用，也是 8.5 Klarna 案例同款纪律的再次演练。

9.7.7 可迁移的启动顺序：从 TGH 提炼的落地路线图 ​

把案例浓缩成一个可以给客户直接讲的四步路线图（每步都有 TGH 的对应动作背书）：

第 1 步 数据先行(3-12个月)   Foundry: 统一数据底座、治理、十几个用例
   ↳ 产出: 可信的数据资产 + 组织的数据素养
第 2 步 单工作例试点(1个)    床位安置: 一个有度量基线的工作流
   ↳ 产出: 基线数字 + 改进证据 + 一线信任
第 3 步 平台化(3-6个月)     AIP: 把试点范式复制到患者日程、人员配置
   ↳ 产出: 护栏/HITL/审计的标准化平台能力
第 4 步 自动化深化          脓毒症监测、利用率审查: 数据验证后逐场景放权
   ↳ 产出: 渐进放权的执行期场景

给客户讲这张图的要点是反着强调：多数客户想从第 4 步开始谈（"我们要自动化"），你要把对话拽回第 1 步——"TGH 的 83% 是从 2021 年的数据治理长出来的，不是从 2024 年买 AIP 长出来的"。这句话不否定客户的野心，只是给野心装上时序。配套的话术："我们不是让您等三年，而是把三年的教训压缩成 X 个月的加速路径——这是我们作为 FDE 的价值所在。"

9.7.8 要点总结 ​

  • 据 TGH/Palantir 官方新闻稿（2024-06-05）：合作始于 2021 年（先 Foundry 数据平台，扩展至十余用例），2024 年部署 AIP 做护理协调操作系统；官方成果为患者安置时间 -83%、PACU 滞留 -28%、脓毒症平均住院日 -30%。
  • 案例与本章逐节对上：三年数据地基（第 4 章）、六维度审查的患者安全版（9.1）、Agent 在护士审批处暂停的 HITL 状态机（9.2/9.3）、四年三阶段渐进放权（8.3）、数据边界内构建（9.5）、AI 成本自证回报（9.6）。
  • 三条启示：强监管是硬化的付费理由；FDE 驻场是生产常态；结果叙事用客户业务坐标系（医院不买 token，买床位周转和患者结果）。

参考资料 ​