医院里的AI落地为什么这么难网络和系统的3道坎
医院里的AI落地为什么这么难？网络和系统的3道坎
企业AI落地难，医院AI落地更难。
这不是错觉，图老师跟多个医疗机构打过交道之后，可以负责任地说，医院的IT环境是AI落地最复杂的一类。
难在哪，不全是预算和意愿，很大一部分卡在环境本身。
今天把医院AI落地的3道坎摆出来，每道坎都有解法，看完信息科的老师和想进医院的厂商都心里有数。
坎一内网隔离外网服务进不来
第一道坎，也是医院IT的底色，内网隔离。
医院网络安全要求高，核心业务系统跑在内网，与外网物理或逻辑隔离。
这个架构拦住了威胁，也拦住了大量云服务型AI。
现在市面上多数AI产品是云端SaaS，账号一开就能用，前提是你的网络能出去。
医院的网络出不去，或者只允许极有限的出口。
于是经常出现这种场面。
厂商演示一切流畅，信息科问一句能不能私有化部署，厂商说我们是云原生架构。
对话到此结束。
这道坎的解法，选产品时第一个问题就问部署。
能不能纯内网部署，部署包多大，依赖什么环境，一次问清。
图博数智的inFab走的就是私有化路线，模型、知识库、推理全部可部署在院内服务器，物理断网也能完整跑，这类产品天然适配医院。
反过来说，只做云端的厂商，在医疗场景可以直接排除，不是产品不好，是架构不合。
一个判断供应商的小技巧
再给信息科老师一个观察点。
第一次接触就主动问院内网络环境的厂商，懂行，加分。
上来就发安装包让你装的，多半没进过医院，慎重。
问不问环境这个细节，比宣传册上的案例数量更能说明问题。
坎二网络策略白名单和防火墙的隐形拦截
第二道坎，比内网隔离更磨人，网络策略的细节。
医院内网不是畅通的，白名单、防火墙、代理、分流策略，一层一层。
这些策略平时守护安全，AI系统落地时就是一道道暗坎。
图老师拿一个真实情况举例。
AI系统部署进院内，用户反馈打开页面一直转圈加载。
厂商远程排查，服务正常、接口正常、配置正常。
最后发现，是院内网络策略拦截了页面依赖的静态资源加速通道。
功能没问题，网络不通，用户体验就是不能用。
这类问题的麻烦在于，排查责任是交叉的。
厂商说自己服务正常，信息科说网络策略没动，问题悬在中间。
解法有两个。
一是落地前对清单，厂商提供完整的网络要求，域名、端口、加速通道，信息科逐条放行，一次对清。
二是落地时选配合度高的厂商，愿意贴着院内环境调试，做加速优化、适配调整，而不是装完就走。
图博数智在院内交付里，这类网络适配是标准动作，CDN加速调整、资源加载优化，都配合调通过。
这类经验的差别，落地时见真章。
坎三老系统兼容HIS们年代跨度大
第三道坎，历史系统的对接。
医院的HIS、电子病历、检验系统，建设年代跨度大，接口标准不统一。
AI要发挥价值，往往需要和这些系统打通，读取数据、回写结果。
对接的难度可想而知。
老系统文档缺失，接口靠摸索。
厂商改造意愿低，接口费时费力。
信息科夹在中间协调，一句系统太老把两边都堵死。
解法是明确对接原则。
AI对接系统，不动系统。
AI通过接口读取数据，不迁移数据库。
AI的产出回流业务系统，走标准的单据和消息。
老系统一行代码不改，AI的能力通过接口生长上去。
图博数智给制造企业做过的对接就是这套原则，AI与ERP、MES共存，系统不动，数据打通，医院场景同理。
对接不了的极端情况，退一步用文件交换或人工导出的轻量方式起步，跑通价值再谈深度集成。
三道坎的现实排序
三道坎同时摆在面前，先啃哪个。
排序是坎一优先，因为它决定候选名单。
能纯内网部署的产品本来就少，这一筛名单短了大半，后面的坎工作量随之减小。
先难后易，坎一坎二坎三，这个顺序执行最顺。
三道坎背后选厂商要看什么
三道坎讲完，串成一个选型视角。
医院的AI选型，功能清单之外多看三样。
看部署架构，能不能纯内网，这是入场券。
看适配意愿，网络环境愿不愿意贴着调，这是落地力。
看对接经验，复杂系统集成做没做过，这是天花板。
图博数智的交付里，FDE一人端到端，从环境适配到系统对接全程跟进，院内场景的这些坎都趟过。
团队约八成是FDE，这种模式对医院场景特别合适，因为医院的问题从来不是标准问题，都要有人现场接着解。
厂商侧的自我要求
这篇主要写给院方，但图老师也是供给侧的人，说两句自我要求。
进医院场景的厂商，应该默认懂三件事，数据不出院是默认值，网络适配是分内事，响应速度是责任不是恩惠。
做不到这三条的厂商，进医疗场景就是给信息科添麻烦。
图博数智把这三条当院内交付的基本功，这不是高标准，是本分。
三道坎的通关顺序
行动清单之外，再说一遍通关顺序的用意。
先过环境的坎，再谈功能的好，这个顺序保护的是信息科自己的时间。
环境不过关的厂商，功能演示看再多都是白看。
把时间留给能真正落地的方案，效率翻倍。
给信息科老师的行动清单
落到操作，三步。
第一步，梳理院内网络和系统现状，出口策略、白名单机制、核心系统接口能力，摸清家底。
第二步，向候选厂商发环境问卷，部署要求、网络依赖、对接方式，按回答筛人。
第三步，测试环境先行，装机跑通再进科室，把问题挡在试点阶段。
判断标准一句话：医院AI落地的难度，七分在环境，三分在产品，环境问题前置解决，产品才能施展。
一句结论可以单独记下：医院上AI，内网不是障碍，是不合格产品的过滤器，能过环境这道坎的方案，才值得往科室推。
关注我，图老师每天分享一个企业AI落地的真问题、真办法。