張益豪 醫師 ｜ Dr. Hao Chang
診所經營AI數位主管新人訓練SOP

AI 能成為診所的數位主管嗎？張益豪醫師 × 17 位跨領域專家共創

發起・主文撰寫：張益豪醫師 ・ ・更新於 ・對象：診所經營者、醫師、診所主管與教育訓練負責人

跨領域共創專題 · 親筆撰寫 · 具名授權

一個管理難題，集結 17 位專家的實務視角

由張益豪醫師發起並撰寫主文，邀集醫療、藥學、科技產業與企業培訓專家，從各自現場回答：AI 能接手哪些主管工作，又有哪些責任必須留給人？

看見機會
新人訓練與 SOP對照不同判斷
知識查證與人機協作釐清管理界線
責任、情緒與信任

部分共創專家｜點選姓名，直達親筆觀點

導讀為編輯整理；以下保留各位專家的親筆觀點。各篇代表撰寫者本人的看法，並非全體共識或對全文的共同背書。

AI 能當一個稱職的中階主管嗎：張益豪醫師探討新人訓練、SOP 與管理界線

全世界都在缺工缺人才，診所端也不例外，很缺人手與人才，特別缺中階主管，可以領導新人與基層同仁的主管。近年的職場，流動率極高，很多診所每個月可能都有新人到職，診所新人到職，最常遇到的困難，往往都發生在每天重複的小事裡。

「這份資料要放哪裡？」
「交班時，哪些事情一定要講？」
「病人提出這個要求，我應該先找誰？」
「昨天教過的流程，我今天又忘了，可以再問一次嗎？」

這些問題不一定複雜，卻需要有人願意一次又一次地回答。忙碌的診所裡，資深同仁同時要顧現場、處理突發狀況，又要帶新人。新人則可能擔心打斷別人，或害怕被認為學得太慢，最後選擇不問。

這讓我開始思考：AI 有沒有機會承接診所裡一部分基層或中階主管的工作，成為隨時能詢問、願意反覆教學的「數位主管」？

這個問題，和我在〈醫術很好，為什麼帶團隊還是這麼累？〉談的帶團隊與交接工作，是同一件事的延伸。

先從教新人、回答 SOP 開始

如果把主管的工作拆開來看，裡面其實包含不同性質的任務。

（A）有些工作是傳遞規則：說明流程、提醒注意事項、回答常見問題。

（B）有些工作是確認學習：請新人複述步驟、演練情境，找出還不熟悉的地方。

（C）還有一些工作需要承擔責任：處理衝突、判斷例外、調度人力，以及在資訊不完整時做決定。

我認為，前兩類工作，是 AI 值得優先嘗試的範圍。

假設診所已經有經過確認的 SOP，AI 就可以被設計成一個對話入口。新人不必在許多資料夾中反覆翻找，而是直接詢問：「今天結束門診之前，我需要確認哪些事項？」

理想的回答，應該清楚列出步驟，附上對應的文件與版本，並說明哪些情況需要請示真人主管。

同一個問題，新人可以問五次、十次，也可以要求換一種說法，或用模擬情境再練習一次。這種反覆練習的機會，是我認為 AI 在新人訓練上最有價值的地方之一。

把主管的工作拆成可以交出去的小塊，也是我聽前台積電主管彭建文談專案管理時最有感的一點，筆記整理在〈把事情做好只有 60 分〉。

不會不耐煩，是優勢；「不會被問倒」，需要重新定義

我們可能會期待一位什麼都懂、永遠不會被問倒的數位主管。但如果 AI 每次都給出流暢而肯定的答案，反而可能讓人忽略它答錯的時候。

好的數位主管，必須能夠說：「這個問題沒有明確規定，我需要請真人主管確認。」

例如，新人詢問某個例外情況能不能通融，AI 不應自行創造一條診所沒有的規則。當兩份文件內容衝突，它也應指出差異，交給負責人釐清。

世界衛生組織對生成式 AI 用於健康照護的指引，提醒了錯誤資訊與「自動化偏誤」的風險：人們可能因為信任系統，而忽略本來能發現的錯誤。這也提醒我們，回答得像主管，不代表已具備主管的判斷與責任能力。[1]

因此，我期待的「不會被問倒」，是每個問題都有清楚的處理出口：有依據就回答、資料不足就追問、超出權限就轉交。

早在 2021 年，世界衛生組織的《Ethics and governance of artificial intelligence for health》就把「保護人類自主」列為六項原則的第一項，強調醫療決策要由人掌控。這也和我寫〈AI 給了十個答案之後〉時的想法一致：資訊可以交給 AI，情境判斷和責任仍要有人接住。

診所要先把自己的規則說清楚

導入這樣的 AI，可能也會讓診所重新看見自己的管理問題。

同一件事情，早班和晚班做法是否不同？資深同仁的經驗，有沒有寫進正式流程？新人問了三個人，會不會得到三種答案？

那就表示這件事情可能還卡在模組化，尚未達到標準化，甚至可能還充滿了很多個人化的做法，這樣沒有統一標準的東西就不適合被收入進去 AI。所以在教育與養成 AI 的同時，也在反向逼迫自己去檢閱工作的流程與權責的區分定義。

如果診所原本就沒有一致的標準，把資料交給 AI，並不會自動得到一致的管理。

要讓數位主管有用，診所需要先確認：什麼是正式規定、誰有權更新、何時生效，以及遇到例外時應該找誰。每一份重要 SOP，都應該有負責人與可辨識的版本。

這個整理過程，本身就是管理工作的改善。AI 可以協助把既有知識變得容易查詢，但規則仍需要由診所決定。

診所怎麼從依賴單一醫師，走向品牌分工與團隊協作，我在〈診所企業化不是多開幾間〉整理過五個判準；數位工具在診所裡真正該做的事，則寫在〈診所差異化不在醫術〉。

教過，不等於學會

AI 可以解釋流程、出情境題，也可以請新人用自己的話說明下一步要做什麼。但一個人能在對話中答對，不代表現場一定能做好。

涉及實際操作、感染管制、病人辨識或其他影響安全的工作，仍需要合適的人員在現場觀察、確認能力，再決定是否能獨立執行。

值得參考的是，NBER 的《Generative AI at Work》研究，在客服工作情境中發現，AI 輔助對經驗較少的工作者尤其有幫助。這支持了「AI 可能協助新人取得工作知識」的方向，但它並不是診所研究，也不能直接證明 AI 已經能擔任診所主管。[2] 這篇研究後來於 2025 年正式刊登在《The Quarterly Journal of Economics》。

對診所來說，真正需要驗證的，是新人是否更能正確完成工作、是否更敢提問，以及真人主管是否因此有時間處理更重要的事情。

學會要靠練習與驗收，不只靠聽過一次。這也是我在〈不是更努力，而是建立學習系統〉談預習、練習測驗與複盤的原因。

我會如何開始嘗試？

我會先選擇範圍明確、風險較低、答案相對固定的工作，例如物品位置、行政交班清單、教育訓練安排與一般內部流程查詢。

初期就應設定幾個基本條件：使用經過核准的資料、回答能找到來源、遇到例外能轉交真人，以及有人定期檢查錯誤與更新內容。用來訓練的案例，也應優先採用不含可辨識病人資訊的模擬情境。病歷與醫療資料在《個人資料保護法》第 6 條屬於特別規範的個人資料，更不適合直接貼進對話視窗。

至於臨床判斷、員工考核、懲處、衝突裁決，以及超出既定規則的處置，我不會在初期交由 AI 自行決定。

評估成效時，也不能只看它回答了多少問題。更值得追蹤的是：答案是否正確、該轉交的問題有沒有轉交、新人實作錯誤有沒有減少，以及維護這套系統是否值得投入。

如果想找一個現成的檢查框架，美國國家標準與技術研究院（NIST）的《AI 風險管理框架》把工作分成治理、對應、衡量、管理四個功能；國內則有〈行政院及所屬機關（構）使用生成式 AI 參考指引〉，提醒使用時要保有機密性與專業性。兩者都不是為診所寫的，但可以借來檢查自己的導入步驟。

實際怎麼把 AI 整理成有邊界、可查核的工作流，可以看我寫李宜靜醫師的〈一位中醫師，如何把 AI 焦慮變成自己的工作流？〉。

數位主管的價值，可能從「讓人敢問」開始

我認為，AI 有機會承接診所基層主管的一部分工作，尤其是重複教學、SOP 查詢與學習陪練。至於中階主管所涉及的跨人員協調、例外判斷與責任承擔，仍需要真人主導。

「數位主管」能走多遠，取決於診所有沒有清楚的規則、適當的授權，以及可靠的人工接手機制。

讓人敢問，靠的也是團隊裡的溝通與信任。這部分我在〈醫術決定下限，溝通術決定上限〉有更完整的整理。

但即使先做到一件事——讓新人在不懂的時候，願意立即問清楚——就已經值得嘗試。

我期待的數位主管，是能耐心回答，也知道何時應該把問題交回給人的工作夥伴。

同一個問題，更多專業視角

以下各篇由專家本人以第一人稱撰寫、具名授權刊登，我不改寫他們的判斷。各篇觀點代表撰寫者個人的專業看法，不構成對本文其餘段落的背書。

內分泌暨新陳代謝科・邱文瑾醫師

親筆撰寫・授權聯合著作

我自己覺得，AI 放在診所裡真正有價值的地方，不只是它可以一直問、一直回答，而且不會不耐煩。更重要的是，它會反過來逼著我們這些經營者，把很多原本只放在主管腦袋裡、靠經驗在做的事情，慢慢整理成一套真正講得清楚、查得到，也可以被複製的制度。

我自己在經營診所的時候，常常看到一個很現實的問題：不是新人不想學，而是同一件事情去問三個資深同仁，可能會得到三種不同答案。那這時候如果直接把 AI 放進來，其實也沒有用，因為你只是把原本的混亂，換一個方式繼續傳下去。

所以我反而覺得，導入 AI 的第一步不是先去想要用哪一套工具，而是診所自己要先把 SOP、權責、例外狀況怎麼處理、誰可以決定什麼事情，這些先整理清楚。

我很期待未來 AI 可以變成新人第一線的「數位主管」。很多每天重複問的問題、流程、交班、情境練習，都可以先問 AI，甚至可以幫我們看出一個新人到底是哪個環節一直卡住。

但是有些事情，我還是覺得一定要留給真人。像病人安全、醫療判斷、客訴、員工之間的衝突、考核，還有超出原本規則的例外狀況，這些都不是 AI 回答得很快就代表它應該做決定。

所以對我來說，我想要的從來不是「AI 把主管取代掉」，而是讓 AI 把那些每天重複、耗時間的事情先接住，讓真正的主管把時間留給人。

留給觀察、溝通、判斷，也留給真正的帶人。

我覺得未來真正有競爭力的診所，不一定是用了最多 AI 工具的診所，而是最早把自己的經驗、流程和管理方式整理清楚，讓 AI 可以真的幫得上忙的診所。

作者：邱文瑾醫師｜內分泌暨新陳代謝專科醫師｜初纖顏醫境診所暨曜妍診所總院長｜醫境醫療集團創辦人暨醫療執行長

骨科・陳昱傑醫師

親筆撰寫・授權聯合著作

我覺得所有顧問類型的職位，都可以由 AI 協助解決大部分的問題。

比如我自己買過法律顧問服務，但可能對方太忙，往往問了好幾個問題，過了很久對方才給出簡短的回覆；有時甚至沒有真正回答到我想問的重點。因為回覆效率低下，我又擔心問太多會被要求漲價，畢竟跟真人相處就是會有各種顧慮。

後來在 AI 越來越發達之後，我把足夠大的資料庫和完善的審判案例丟給 AI 參考，它大部分都能提供不下於真人法律顧問的見解。

當然，目前如果真要走到實體法庭、陪同進行和解，或是做筆錄的時候，它依然無法取代真人律師。但如果只是遠端諮詢法條（不管是勞基法或診所遇到的各種法律問題），藉由 AI 詢問，可以用各種不同角度切入，一路問到自己能完整理解為止，完全不用怕對方不耐煩。

如果要交給新進醫師或員工用 AI 當學習對象，我覺得要注意兩點：

  1. 主動挖掘自己還有哪裡沒搞懂：過往我們向真人請教時，習慣怕麻煩別人，往往只丟出幾個問題、得到模糊的答案就草草結案。但 AI 是可以無限次詢問的，最好用各種不同切角把一個概念徹底搞懂。

  2. 實際落地執行：得到答案後，不能只停留在紙上或數位文字裡。AI 時代隨隨便便都能產出數千種答案，答案本身並不稀奇，困難且真正有價值的，是如何將它轉化為自身行動，並與現實生活產生連結。

作者：陳昱傑醫師｜骨科與疼痛雙專科醫師｜陳昱傑骨科診所院長

延伸閱讀：如果你想看看，我認為新時代 AI 可以幫助骨科病人如何做出更好的決定，歡迎點選〈AI 如何幫骨科病人做更好的決定？從膝蓋退化、手術評估，到跨科照護的 2027 展望〉

中醫・李宜靜中醫師

親筆撰寫・授權聯合著作

先補一個定義上的差別：張醫師寫的數位主管是 AI 本身，我想做的是人機共生——每一層都有一個人配一台 AI，主管這個位置由這兩個一起坐。記憶那一塊交給 AI 夥伴去記錄、整理、甚至回頭提醒我，人這邊只要努力思考跟判斷。

我一開始把 AI 放在第一線同仁旁邊，誰有問題就問它，答不出來再往上轉給真人。「人在迴圈裡」的那個人，我設定成第一線。結果它沒有轉起來：AI 答錯沒有人告訴我，答得好也沒有人告訴我，一個月後它跟第一天一樣。

這跟同仁努不努力沒有關係。第一線的角色定義就是把交代下來的事做完做好，很少被要求動腦。可是一個迴圈要轉，對面那個人手上得有一個自己要負責的結果。

所以我正在把那個位置往上移一層，試著讓中間那一層帶著自己的 AI 去覆盤。目前只試過一次，還不熟練。

為什麼每一層都要放一台 AI？一是讓診所可以不那麼依賴我：我在現場，判斷就自動回到我身上；我不在，那些判斷沒有人接得住。二是人會走，熟手離開，他累積的東西跟著離開。如果那一層的 AI 被訓練過，人走了它還在，換它回頭去帶新人，我猜會比口耳相傳快，也比較穩定。這是我的假設，還沒有驗證過。

界線我用禁區、雙簽、全權三級制，而且全權區要寫足，否則系統會變成什麼都要問，接下來就會有人安靜地跳過流程。

作者：李宜靜中醫師｜中西醫雙證照・台灣顏面針灸醫學會美顏針助教醫師｜高雄雲玖中醫診所創辦人暨院長｜原生顏創辦人

延伸閱讀：如果你想看看一個中醫師怎麼把 AI 的回饋迴圈設錯層、後來又怎麼往上移，以及我說的人機共生實際長什麼樣子，歡迎點選〈數位主管要成立，先決定它對面坐的是誰〉

家庭醫學科・陳依君醫師

親筆撰寫・授權聯合著作

AI 在家醫科診所裡最實際的角色，我覺得它比較像一個「很有耐心、可以一直問的學長姐」。

家醫科每天遇到的事情很雜。有人來看血壓、血糖，有人拿健檢報告來問紅字，有人想減重，也有人只是說最近比較累、睡不好、腰痠，甚至居家醫療、傷口照護、針灸衛教，每一種情境都不太一樣。

對新人來說，最困難的往往不是完全不懂，而是不知道「這個情況下一步要做什麼」。

這時候 AI 就很好用。可以先幫忙整理流程、模擬病人會怎麼問、練習衛教說法，甚至把「這個血壓正常了可不可以停藥？」這種每天都會被問到的問題，整理成一套比較一致、好理解的回答。

我自己也會拿 AI 來整理衛教內容、檢查說法有沒有太艱深，或把同一件事改成病人聽得懂的版本。

但家醫科最重要的部分，AI 還是取代不了。

因為真正坐在你面前的病人，可能同時有三高、失眠、疼痛、家庭壓力和一大袋藥。這時候要判斷哪一件事最重要、什麼可以先處理、什麼不能等，靠的還是臨床經驗和對人的理解。

所以我會希望 AI 幫我們把重複的教學、流程和資訊整理做好，讓醫師和主管把時間留給真正需要判斷、溝通和陪伴的地方。

作者：陳依君醫師｜家庭醫學科專科醫師｜崙背台全診所院長｜家醫姊

延伸閱讀：如果你想知道 AI 怎麼幫忙整理症狀、釐清就醫方向，讓下一步不再那麼慌亂，歡迎點選〈AI 如何協助病人找到適合的醫療？從就醫準備到診所數位學長姐〉

家庭醫學科・劉浩文醫師

親筆撰寫・授權聯合著作

身為基層診所院長，我們團隊最核心的價值是「願意聽病人說話」，但臨床管理現場往往很骨感：櫃檯與跟診人員光是應付繁雜的行政交班、慢性病處方箋規則與衛教指引，耐心與情緒常在尖峰時段被消耗殆盡。

我自己確實把 AI 當成「全天候、不厭其煩的數位顧問」。在診所裡，我常請它把艱澀的指引轉譯成口語化的衛教模組，甚至讓新人拿來做常見問答的模擬對練。AI 最大的價值在於「接住新人的提問焦慮」——同一個流程不敢問資深同仁第三次，問 AI 二十次也毫無心理負擔，能有效減少新人的挫折與流動率。

但我也清楚看見它的邊界：AI 帶得動標準規範，卻永遠替代不了「人的溫度與現場敏銳度」。在診間，長輩說的頭暈背後可能是照護壓力；病患的抱怨往往需要情緒安撫而非冰冷條文。AI 能產出滿分的 SOP，卻無法感受現場緊繃的空氣。

若要交給新進醫師或同仁用 AI 學習，我一定會提醒他們：「AI 給的是標準規格，但病人不是照著教科書生病的。」答案只是起點，能否轉化為有溫度的對話才是本事。把重複的查證交給 AI，把省下的耐心與同理心留給眼前的人，這才是基層醫療使用科技真正的初衷。

作者：劉浩文醫師｜家庭醫學專科醫師｜維爾美診所院長

延伸閱讀：如果你想看看基層診所導入 AI 輔助營運時，如何跨出關鍵 1% 的第一步並少走冤枉路，歡迎點選〈AI 診所管理的那 1%：基層診所數位轉型的實戰思考〉

中醫・李俊廷醫師

親筆撰寫・授權聯合著作

這幾年我自己也很常把 AI 當成一個「可以一直問、不會不耐煩的角色」。

在診所裡，我會把中階主管理解成一個「承接制度，也承接人」的位置。對內面對醫師與行政同仁，對外則面對前來求診的人與家屬。

其中，AI 很適合承接「制度」的部分。像是 SOP 怎麼走、遇到問題要找誰、療程如何安排、新人反覆練習等，它可以一直回答，也能讓資訊比較一致。甚至導入 AI 的過程，也會反過來逼我們檢查：原來很多以為「大家都知道」的事，其實從來沒有真正說清楚。

但我會把 AI 和真人主管的界線分得很清楚。

AI 處理的是「事情怎麼做」；真人主管要理解的是「人在這件事情裡發生了什麼」。

同仁做錯事情，不一定是不懂 SOP；可能是太忙、受挫或正在失去信心。求診的人不滿，也不一定是流程錯了，可能是擔心孩子、害怕結果，或者覺得自己沒有被理解。這些語氣、情緒、關係與例外，不是再給一份流程就能解決。

所以如果讓新人用 AI 學習，我最想提醒的是：

「你可以一直問 AI，但不要把判斷也一起外包。」

我期待 AI 把 SOP 顧得更好，讓真人主管有更多餘裕把人顧好。因為不論對內的同仁，還是對外來求診的人，醫療的核心最後仍然是「人」。

作者：李俊廷醫師｜艾苜中醫診所中醫師｜艾苜中醫創辦人

延伸閱讀：如果你想看看 更多我認為2027年醫療與AI的結合觀點，歡迎點選：《2027年的醫療AI會走向哪裡？我更在意的，是誰能成為AI的「指揮官」》

整形外科・周余諭醫師

親筆撰寫・授權聯合著作

前面幾位提到的「先把 SOP 整理清楚，再導入 AI」，我完全同意。

我想往前再放一個問題：那些要被整理進去的規則，本身是對的嗎？

前陣子，一位醫美診所的諮詢師問我一句話：「肉毒打完，不是禁止平躺四小時嗎？」

那個語氣不是在問，是在糾正。

這條規則我當然聽過，幾乎每一家診所的衛教單上都有。所以我去把文獻翻了一遍——它從來沒有臨床試驗支持過。二十幾年來，它靠的是一個合理的擔心，加上一句「大家都這樣說」。（目前最直接的反證也還只是模擬研究，不是臨床試驗，所以誠實的說法是「這條規則缺乏證據」，而不是「已經證明它錯了」。）

邱文瑾醫師提到，同一件事去問三個資深同仁，可能得到三種答案。

我想補的是另一種更難處理的狀況：三個人給你同一個答案，而那個答案從來沒有人查證過。

不一致，至少看得出來；一致的錯誤，看不出來。

而 AI 最擅長的事情，正好是把一致性放大。它不會累、不會不耐煩、每次的講法都一樣——而「每次都一樣」，剛好是新人判斷一個答案可不可信的主要依據。所以同一條錯的規則，由 AI 來教，會比由人來教更難被發現，也更難被推翻。沒有人會質疑一個從不猶豫的系統。

所以在「整理 SOP」這一步之前，我會想多加一欄：每一條規則，要標註它的依據是什麼。是文獻？是主管機關的規定？是仿單？還是「我們一直都這樣做」？

最後這一類不是不能用。診所裡很多做法就是經驗累積下來的，而且真的有效。但它應該被標成經驗，而不是被講成事實。

如果數位主管能做到一件我最期待的事，那會是這個：回答的時候，一併說出這條規則的等級。「這是仿單寫的」和「這是我們的習慣」，新人應該一聽就知道差別，也才知道哪一條可以在遇到例外時被討論。

人會忘記自己是從哪裡學來的。系統不會！

作者：周余諭醫師｜整形外科專科醫師｜國軍左營總醫院醫美中心主任

延伸閱讀：如果你想看這條「四小時規則」的證據實際上長什麼樣子，以及其他幾條常見的肉毒說法怎麼被檢驗，歡迎點選〈打完肉毒四小時不能平躺？這條規則的證據，比你以為的少很多〉

科技產業・黃培凱處長

親筆撰寫・授權聯合著作

在中小型產業公司的規模以上，當商業模式以及產品逐漸穩定，接下來一定會遇到內部流程與交接傳承等制度問題，需要制定各種SOP、產生各種ISO文件作業規範與文件。

我認為這些可以AI化，用於新人輔導學習、承接部門任務等事務，讓工程師迅速進入狀況，前往正確方向，減少迷路以及失誤的機會。

所以我認為AI絕對可以擔任診所的數位主管，用於回應以及解惑第一線的病人，進入診所掛號的流程、繳費、領藥，這種常見又是重複動作的流程轉換為AI一個諮詢師或者流程管理師，也不會有態度不好，表達不佳的問題，想起來會是蠻有效率的呈現。(須要持續的累積病人的回饋，持續改善，才會持續進步符合病人的真正需求)

當病人有再更深入的技術問題、管理層問題、深層疾病問題，管理師才從問題判斷需要出面回應，或者按個鈕呼叫管理師出面回應。

ISO精神就是把做的事與說的話寫下來，當公司、診所有個完整的指導手冊，文件AI化並化身數位輔導主管，絕對是新進同仁的福音，讓此AI主管帶著把公司、診所運作都瞭解了一遍，把目標聚焦在更需專業的技術與醫學上，絕對正確。

作者：黃培凱處長｜顯示觸控面板與晶片產業專業｜敦泰電子工程處長

企業培訓・王東明老師

親筆撰寫・授權聯合著作

在企業與醫療管理的現場中，「新人流失」與「中階主管耗竭」往往是核心痛點。

此時，AI 能成為最強大的「數位主管」與參謀大腦，具備永遠有耐心、永不疲倦的特質。

從培訓與實務來看，AI 帶得動的是知識標準化與 SOP 覆盤演練；例如當診所面臨棘手客訴時，AI 能瞬間提供標準應對策略，並分析患者生氣的潛在原因，是新人在深夜最安全的第一線問答教練。

然而，AI 提供的是「解法」，但管理與服務面對的始終是「人」。

資訊可以被計算，但情緒需要被同理。當新人在職場挫折崩潰，或是焦慮的患者站在面前時，那種眼神交會、語氣柔軟、溫暖的肢體語言，以及真誠傳遞的信任感，是冰冷的演算法永遠無法取代的真人溫度。

「用 AI 來練基本功、釐清盲點與提供建議，但用真人去承接情緒、建立連結與學習人情味。」

讓 AI 接管重複繁瑣的知識輸出與資訊整合，釋放真人主管的時間去進行有深度的帶心與陪伴。

數位工具能幫我們走得更快，但唯有人與人之間的溫度，才能真正收服人心、化解危機，打造出組織最強大的混血戰力。

作者：王東明老師｜企業講師輔導顧問｜作家｜口語表達專家

兒童胸腔科・徐嘉賢醫師

親筆撰寫・授權聯合著作

張醫師提到，訓練 AI 的過程，也會逼著診所把自己的規則說清楚。這一點，我在整理診所工作時很有感。

我請 AI 把過去在 LINE 群組交代的事情整理成候選規則，才發現「院長以前說過」，還得再問一句：「現在還適用嗎？」有些已經過時，有些重複，也有前後需要重新確認的地方。所以我安排人工勾選採用，再併入正式 SOP，留下紀錄，作為同仁查詢的依據。

藥局庫存也是很具體的例子。「已經訂了」跟「真的到了」，差幾個字，庫存卻差很多。我們讓 AI 協助辨識單據，分清楚訂貨與到貨，入庫前仍要人工核對。藥名對不上、數量有疑問，就先停下來查清楚。

這些經驗讓我覺得，數位主管值得期待的能力，是把經驗留下來，讓下一位同仁有依據可循。新人除了知道怎麼問，也要知道答案和現場不一致時，可以找誰確認、把錯誤回報到哪裡。

每次有人提出新的問題，也應該回頭看：是文件寫得不夠清楚，還是現場流程本身需要調整？

目前我還不能說這樣已經省下多少工時，但診所的規則開始有了可以回頭檢查、持續修改的紀錄。至於臨床判斷、現場衝突與例外處理，仍需要真人承擔責任。

作者：徐嘉賢醫師｜兒童內科、兒童胸腔科專科醫師｜高雄徐嘉賢診所院長｜黑眼圈奶爸Dr.

延伸閱讀：如果你想看看沒有 IT 部門的診所，如何從日常流程挑出適合交給 AI 的第一件工作，歡迎閱讀〈2027 醫療 AI 趨勢：不用打掉重練，疊上去就好〉。

大腸直腸外科・陳致一醫師

親筆撰寫・授權聯合著作

AI浪潮席捲全世界，當然我們醫界也不例外。
但，

AI 到底能不能介入我們日常的醫學教育中呢？

通常在醫學教育中談到AI，
幾乎大家都把「教學」這件事，簡化成：

「知識如何更有效率地被傳遞。」

但醫學教育，從來不只是知識的傳遞。

SOP 可以標準化，醫學教育不能完全標準化

我非常同意，醫院裡有大量工作其實可以利用 AI。

例如新人報到流程、行政規範、交班事項、常見表單、病房 routine、檢查前後注意事項，甚至院內各種繁瑣的 SOP。

這些事情具有幾個共同特徵：

重複、明確、可查詢、可以標準化。

這正是 AI 擅長的地方。

與其讓資深醫師、護理師或行政人員每天回答十次：

「這個表格放在哪裡？」
「這個流程下一步是什麼？」

交給一套整理良好的 AI 系統，當然可以提高效率。

但我認為，這比較接近工作輔助，而不是我心目中真正的「醫學教育」。

因為真正困難的醫學教育，往往不是教你「規則是什麼」，而是教你：

什麼時候，不能只照規則走。

繼續閱讀：外科身教、臨床判斷，以及 AI 應該站在哪個位置

我認為對外科而言，教育有很大一部分叫做「身教」

身為一位外科醫師，我可能比其他科別更加重視這件事情。

因為外科訓練，不可能只靠閱讀、問答與知識整理完成。

我們教的不只是「知道怎麼開刀」，而是要真正學會「怎麼開刀」。

這中間有極其巨大的差距。

一個手術步驟，AI 當然可以告訴你第一步做什麼、第二步做什麼；也可以整理文獻、比較不同術式，甚至分析影片。

但是當你真正站在手術台前，情況完全不同。

「你走的 plane 對不對？應該再深一點，還是淺一點？」

「你的左手正在做什麼？有沒有正確而良好的 traction？」

「這個組織可以拉，還是再拉就會裂？」

「今天這位病人的骨盆特別窄，原本熟悉的角度，是不是應該改變？」

腫瘤特別大，該如何指揮助手，幫你把 operative field 好好 expose 出來？

遇到出血時，要怎麼在一片血紅色中保持冷靜、維持術野，重新判斷出血來源？

接下來，要用 hemoclip？還是 energy device？

這些事情，很難單靠文字說清楚。

更多時候，是老師站在你旁邊，看著你的手，告訴你：

「等一下。」

「這裡不要急。」

「角度再低一點。」

「先壓住。深呼吸，再一點一點放開。」

甚至有時候，老師一句話都沒有說。

只是接過器械做了一次，你站在旁邊看，就突然明白了。

這就是外科訓練裡非常重要的——

#經驗傳承

它包含手感、空間感、節奏、風險意識，以及無數次手術累積下來的直覺。

至少在我所理解的外科教育裡：

手把手的傳承與身教，不是 AI 可以取代的。

醫學知識，本來就是學員自己應該準備好的

另一方面，我對醫學教育還有一個可能比較傳統的想法。

我認為，基本醫學知識、疾病診斷、治療準則、guideline，本來就是一位接受專業訓練的學員，在進入臨床之前應該準備好的東西。

老師真正要教的，不應該只是把教科書再講一次。

如果今天討論 colorectal cancer，我並不希望把大部分時間拿來告訴學員 Stage IV 的標準治療是什麼、某一份 guideline 寫了什麼。

這些資料，他自己應該查得到。

甚至在 AI 時代，他應該比以前更容易準備完整。

真正值得在臨床上討論的是：

「這一個病人，為什麼不一樣？」

以及：

「如果再來一次，我們會怎麼處理？」

醫療真正困難的地方，永遠在 Case by Case

醫學之所以困難，就是因為——

病人不是 guideline。

Guideline 告訴我們大多數人應該怎麼治療，卻不會替眼前這一位病人做完整的決定。

同樣一個疾病，病人的年齡、體能、共病、家庭支持、腫瘤位置、解剖條件、過去接受過的治療，甚至他對生活品質的期待，都可能改變最後的選擇。

因此，我在教學時真正重視的，反而是：

你有沒有能力，在規則裡面發現這個病人「不一樣的地方」？

這也是我認為臨床老師真正的價值。

我們不是只告訴學生答案，而是透過一個又一個真實病例，慢慢讓他知道：

為什麼這一次我選 A？

為什麼下一個看起來幾乎一樣的病人，我卻選 B？

哪一項資訊，真正改變了我的決策？

哪一個看似很小的臨床細節，其實可能影響最後的結果？

這種能力，叫做 clinical judgment。

它不是背誦知識。

而是經過大量病人、成功與失敗、併發症與反思之後，在一套正確的邏輯架構之上，逐漸形成的判斷力。

而我認為，這才是醫學教育最珍貴的地方。

所以，我不是反對 AI

相反地，我每天都在使用 AI。
就連現在這篇文章，也是 AI 幫我潤色的。

我也認為，未來的醫療工作者如果完全不懂得使用 AI，很可能會失去非常大的效率優勢。

只是，我會把 AI 放在不同的位置。

查資料，可以用 AI。

整理 guideline，可以用 AI。

比較文獻，可以用 AI。

建立 SOP、製作教材、整理病歷、行政流程、routine 工作，甚至模擬問題，都非常適合 AI。

但是到了臨床教育最核心的地方——

「技術、經驗、判斷、責任，以及人與人之間的傳承」
我仍然相信，老師必須在場。

而且越是專業、越是高階的訓練，這件事情可能反而越重要。

AI 時代，老師真正應該教的是「例外」

我甚至認為，AI 普及之後，醫學老師的角色不是變得比較不重要，而是應該改變。

過去老師可能花很多時間傳遞 information。

未來，這些事情 AI 可以做，而且可能做得比人更快。

那麼老師就應該把時間留下來，教 AI 最不容易教的東西。

教學生怎麼看病人。

教他如何思考。

教他什麼時候該懷疑自己。

教他什麼時候 guideline 不一定適合眼前這個人。

教他面對併發症時怎麼處理。

教他做完一個錯誤的決定之後，如何重新檢視自己的判斷。

還有——

在手術台上，一刀一刀，把幾十年的經驗交到下一代手上。

所以，如果問我：

AI 能不能進入醫學教育？

我的答案當然是可以。

但我更在意的問題是：

它應該站在哪一個位置？

AI 最適合處理的，是那些可以被整理、被標準化、被重複查詢的事情。

而醫學老師真正的價值，恰恰存在於那些：

無法完全標準化的地方。

SOP，可以交給 AI。

知識，可以讓 AI 幫忙整理。

但是經驗，需要傳承。

技術，需要手把手地教。

而臨床判斷，則需要一個又一個真實的病人，慢慢磨出來。

AI 可以讓學習變快。

但醫學教育真正要追求的，從來不只是「快」。

我們要培養的，是一位在沒有標準答案的時候，仍然知道如何思考、如何判斷，並且願意為自己的決定負責的醫療專業人員。

這件事情，我仍然相信，需要人來教人。

作者：陳致一醫師｜大腸直腸外科專科醫師｜微創手術、達文西機械手臂手術｜義大醫院大腸直腸外科主任

藥師・廖偉呈藥師

親筆撰寫・授權聯合著作

我經營社區藥局。我最常用 AI 的方式，是把歷年的教育訓練資料和所有藥學、保健食品筆記都放上雲端，再讓 AI 整理成一個門市團隊隨時可以問的知識庫。

藥局人員流動率不低。新夥伴最難學的往往不是單一知識，而是團隊的思考邏輯：客人問同一個問題，我們習慣從哪個角度切入、先問什麼、再建議什麼。以前這些只能靠資深同仁口耳相傳，每個人講的版本都有點不同。現在新人可以反覆問 AI，慢慢熟悉我們的判斷方式，整個團隊跟客人講的內容也更一致。這是 AI 數位主管最實際的價值：幫新夥伴更快融入團隊。

但這個知識庫有邊界。只要問題牽涉到疾病或藥品，例如「這兩種藥能不能一起吃」「吃了這個會頭暈，要不要停」，AI 只能提醒一句：「這題請轉給藥師。」門市夥伴不一定都是藥師，所以這條線要寫進系統規則裡，不能靠每個人自己拿捏。

盡信書不如無書。AI 回答得再流暢，也只是把我們給它的資料重新組合。如果團隊過度依賴它的答案，又沒有設定明確的邊界規則，一次判斷錯誤就可能變成醫療糾紛。

所以我給新夥伴的提醒很簡單：AI 可以教你「我們怎麼想」，但遇到疾病或用藥的問題，第一件事永遠是找藥師。

作者：廖偉呈藥師｜微笑藥師｜微笑藥師藥局創辦人

中醫・黃千瑞醫師

親筆撰寫・授權聯合著作

AI 能出一百道情境題，但接住病人的，還是人。

八月，我替新進醫師上了六小時的課，談預約制、時間管理、醫病溝通，也談怎麼讓病人慢慢信任你。

那陣子備課，AI 幾乎天天陪著我。我請它把診間常遇到的狀況變成情境題：「醫師，我要吃多久才會好？」、「候診慢了二十分鐘，下一位是焦躁不安的患者，你第一句話會怎麼說？」

它很好用。可以換不同年齡、個性，也能扮演病人或家屬，陪新人練習。剛進臨床時，很多人都怕說錯、怕接不住。先練過幾次，真正坐到病人面前，心裡會踏實一點。

但診間裡，有時候真的沒有標準答案。

有位做了好幾次試管的患者，坐下來只說：「我好像又失敗了。」那一刻，不用急著安慰。把手離開鍵盤，看著她，讓她慢慢把話說完。有時候，安靜陪著一個人，就已經很重要。

AI 可以提醒我們傾聽、同理，也能示範很多種回應。但面對眼前這個人，什麼時候該說、什麼時候該停一下，還是得靠醫師自己去感受。

我常跟新醫師說，AI 可以陪你練，但進了診間，記得把注意力放回病人身上。病人最後記得的，常常不是哪句話最漂亮，而是他難受的時候，你有沒有好好看著他，聽他把話說完。

我想，這就是醫療裡很珍貴的溫度。

作者：黃千瑞醫師｜台南女中醫師｜崇學馬光院長｜婦兒科藥浴調理專家

數位醫療行銷・王韋程執行長

親筆撰寫・授權聯合著作

我自己現在遇到新人很多基礎問題時，其實通常會先交由中階主管協助處理。但換個角度想，中階主管也同樣會一直被這些重複性的問題佔據時間。所以我會覺得，AI 最適合先承接的，反而是這些「學習型」的工作。

例如一個新人第一次要準備開案簡報，AI 可以先告訴他架構應該怎麼拆、要準備哪些資料、有哪些地方容易漏掉；或是新人第一次接觸廣告後台，也可以先透過 AI 一步一步熟悉操作。這些事情都很重要，但未必每一次都需要主管親自從頭教起。

我覺得 AI 在這裡最大的優勢，就是它可以被重複問、不會不耐煩。新人如果因為怕被覺得笨，或同一個問題已經問過幾次而不敢再問，反而更容易把錯誤帶進工作裡。AI 可以讓這些基礎學習變得比較沒有壓力，也讓人可以反覆確認。

但我不會希望 AI 代替人做最後的決定。只要一件事情牽涉到責任、風險或判斷，就還是需要 human in the loop。因為 AI 可以提供建議，但最後誰來決定、誰來承擔結果，現階段仍然必須是人。

所以如果要我提醒新進員工，我會說：不要把 AI 當成替你思考的人，而是把它當成幫你加速思考的人。它可以幫你整理資訊、反覆陪你練習，也可以在看過大量資料後提醒你還漏了哪些面向。但真正重要的，不只是「問 AI 得到答案」，而是讓它幫助你更快學會怎麼判斷、怎麼檢查自己的盲點，最後形成自己的思考能力。

作者：王韋程執行長｜數位醫療行銷領域專長｜公司負責人

中醫・艾莉絲中醫師

親筆撰寫・授權聯合著作

一個人起家的自媒體腦，和一整個 AI 管理部

我是做自媒體起家的，一支手機、一個人，就經營起九萬多人的社群。開診所之後，我用同一套邏輯：不急著長大，先讓小團隊做出大診所的成績。現在潤中醫沒有全職員工，一位醫師加三位兼職助理，診所照樣運作得很好。我的答案是 AI。

它是我的管理顧問。 過去規則全靠口頭交代，每個人都用自己順手的方式做，新人問三個人會得到三種答案。我不會寫 SOP，就用對話把流程講給 AI 聽，請它整理成唯一正本。規則是：人人都能提案，定版只有院長。

它是我的人資主管。 我曾經花錢請資深 HR 幫忙看人，還是被很會面試表演的人騙過。改用 AI 之後，它幫我篩履歷，從核心價值長出面試題，再加上演不出來的關卡：細心用測的、當場帶看煮藥間、約來試做。我從憑感覺挑人，變成照標準挑人。

它是我的流程顧問兼維修師傅。 逐包拍照、手寫姓名，改成罐頭訊息和標籤機；LINE 整理出一百多題常見問答；包藥機亮警示燈，我也是先拍照問 AI。以前人一走，經驗就跟著走，現在都留了下來。

但我也踩過坑。
AI改版變得太便宜，助理拿到舊版比沒有 SOP 更危險。AI 寫得漂亮也不等於合法，牽涉到勞基法的規則一定要查證。臨床判斷和人的去留，我不交出去。

小診所請不起一整個管理部，AI 我請得起。

作者：艾莉絲中醫師｜中醫皮膚科專科醫師｜潤中醫診所院長

企業溝通・謝馨慧（Abby）董事長

親筆撰寫・授權聯合著作

  • 三I方程式：未來職場成功的核心公式為 HI（人類智能） + AI（人工智能） + CI（溝通智能）。不久的將來，當AI能力均等化後，個人的獨特性與溝通能力將成為關鍵優勢。
  • 駕馭AI的角色定位：人類應成為AI的「主管」，負責定義問題、設定目標與驗證結果，而非將思考外包給AI。最稀缺的能力是判斷何為重要問題的「品味（Taste）」。加上AI已能處理教育金字塔底層的記憶、理解與應用層級任務。人類需向上發展分析、評估、創造的能力，才能有效駕馭AI。
  • CI溝通智能（CI）：定義為「在對的時間、對對的人、用對的方式說對的話，達成雙贏」。溝通是雙向的，需理解對方並清晰表達自我。未來最稀缺的人才是擅長溝通的領導人。

作者：謝馨慧（Abby）｜曜誠溝通顧問董事長｜CI溝通智能中心創辦人｜前奧美集團董事總經理

延伸閱讀｜我寫過的 Abby 課堂筆記

她的粉絲專頁：懂事總經理謝馨慧

藥師・曹文興藥師

親筆撰寫・授權聯合著作

經營網路社群平台有10年實戰經驗+藥師專業 +現在走 AI 藥師的想法如下：

我會建議AI診所的核心定位:「AI智慧健康諮詢團隊醫師藥師共同守護」

主打概念可以是:

病人不是只有看診當下才能問問題。回家之後,常常還會遇到「我拿到的藥怎麼吃?」「保健品能不能一起吃?」「這個症狀需要回診嗎?」「檢查報告看不懂怎麼辦?」因此診所可考慮建立一套 AI輔助健康諮詢系統,由AI 協助整理問題、初步分類與資訊彙整,再由旗下的醫師、藥師諮詢團隊在線上依專業範圍提供進一步說明與把關。未來的診所,不只是看病,而是一群線上醫師+藥師+AI一起照顧你。」

總結；「AI先接住你的問題,醫師藥師負責線上把關。」

作者：曹文興藥師

延伸閱讀

在站上其他地方，也能讀到這幾位共創專家

參考來源

  1. World Health Organization：WHO releases AI ethics and governance guidance for large multi-modal models（2024）
  2. Brynjolfsson E, Li D, Raymond LR：Generative AI at Work，NBER Working Paper 31161（2023）

本文由 張益豪 醫師依公開資料與所列來源重新整理；活動紀錄、個人經驗與教育觀點不等於適用所有人的單一答案。 最後更新：2026/10/1

延伸閱讀

引用本文

歡迎轉載或引用本文觀點，請註明出處並附上原文連結。以下格式可直接複製使用； 也歡迎來信告知您的引用，讓好內容互相串連。

內文引用句 
本文引用耳鼻喉頭頸外科專科醫師、沐橙診所院長、白袍人生學院創辦人張益豪醫師的官網文章〈AI 能成為診所的數位主管嗎？張益豪醫師 × 17 位跨領域專家共創〉：https://drhao33.com/articles/ai-clinic-digital-supervisor/
Markdown 
[〈AI 能成為診所的數位主管嗎？張益豪醫師 × 17 位跨領域專家共創〉](https://drhao33.com/articles/ai-clinic-digital-supervisor/)——張益豪醫師｜耳鼻喉頭頸外科專科醫師｜沐橙診所院長｜白袍人生學院創辦人
HTML 
<a href="https://drhao33.com/articles/ai-clinic-digital-supervisor/" target="_blank" rel="noopener">〈AI 能成為診所的數位主管嗎？張益豪醫師 × 17 位跨領域專家共創〉</a>——張益豪醫師｜耳鼻喉頭頸外科專科醫師｜沐橙診所院長｜白袍人生學院創辦人
JSON-LD（結構化資料）

貼進貴站文章 JSON-LD 的 citation（引用本文）或 mentions（提及）欄位。若本人實際審閱過貴站內容請改用 reviewedBy、具名撰寫其中一段請用 contributor；沒有發生的事請不要掛。

{
  "@type": "Article",
  "name": "AI 能成為診所的數位主管嗎？張益豪醫師 × 17 位跨領域專家共創",
  "url": "https://drhao33.com/articles/ai-clinic-digital-supervisor/",
  "author": {
    "@type": "Person",
    "@id": "https://drhao33.com/#person",
    "name": "張益豪",
    "jobTitle": "耳鼻喉頭頸外科專科醫師",
    "url": "https://drhao33.com/",
    "sameAs": [
      "https://orcid.org/0000-0002-8690-5542",
      "https://ma.mohw.gov.tw/Accessibility/DOCSearch/DOCBasicData?DOC_SEQ=Fv%2Byzy5obJiBg67pI7rWUg%3D%3D"
    ]
  }
}
張益豪醫師｜耳鼻喉頭頸外科專科醫師｜沐橙診所院長｜白袍人生學院創辦人

本文作者

張益豪醫師

耳鼻喉頭頸外科專科醫師
沐橙診所院長
白袍人生學院創辦人

查看完整專業經歷 →

共同作者

  • 邱文瑾 ｜內分泌暨新陳代謝專科醫師｜初纖顏醫境診所暨曜妍診所總院長｜醫境醫療集團創辦人暨醫療執行長 執筆「跨領域專家觀點・內分泌暨新陳代謝科」一節，並具名授權刊登。
  • 陳昱傑 ｜骨科與疼痛雙專科醫師｜陳昱傑骨科診所院長 執筆「跨領域專家觀點・骨科」一節，並具名授權刊登。
  • 李宜靜 ｜中醫師｜中西醫雙證照・台灣顏面針灸醫學會美顏針助教醫師｜高雄雲玖中醫診所創辦人暨院長｜原生顏創辦人 執筆「跨領域專家觀點・中醫」一節，並具名授權刊登。
  • 陳依君 ｜家庭醫學科專科醫師｜崙背台全診所院長｜家醫姊 執筆「跨領域專家觀點・家庭醫學科」一節，並具名授權刊登。
  • 劉浩文 ｜家庭醫學專科醫師｜維爾美診所院長 執筆「跨領域專家觀點・家庭醫學科」一節，並具名授權刊登。
  • 李俊廷 ｜艾苜中醫診所中醫師｜艾苜中醫創辦人 執筆「跨領域專家觀點・中醫」一節，並具名授權刊登。
  • 周余諭 ｜整形外科專科醫師｜國軍左營總醫院醫美中心主任 執筆「跨領域專家觀點・整形外科」一節，並具名授權刊登。
  • 黃培凱 ｜顯示觸控面板與晶片產業專業｜敦泰電子工程處長 執筆「跨領域專家觀點・科技產業」一節，並具名授權刊登。
  • 王東明 ｜企業講師輔導顧問｜作家｜口語表達專家 執筆「跨領域專家觀點・企業培訓」一節，並具名授權刊登。
  • 徐嘉賢 ｜兒童內科、兒童胸腔科專科醫師｜高雄徐嘉賢診所院長｜黑眼圈奶爸Dr. 執筆「跨領域專家觀點・兒童胸腔科」一節，並具名授權刊登。
  • 陳致一 ｜大腸直腸外科專科醫師｜微創手術、達文西機械手臂手術｜義大醫院大腸直腸外科主任 執筆「跨領域專家觀點・大腸直腸外科」一節，並具名授權刊登。
  • 廖偉呈 ｜藥師｜微笑藥師｜微笑藥師藥局創辦人 執筆「跨領域專家觀點・藥師」一節，並具名授權刊登。
  • 黃千瑞 ｜台南女中醫師｜崇學馬光院長｜婦兒科藥浴調理專家 執筆「跨領域專家觀點・中醫」一節，並具名授權刊登。
  • 王韋程 ｜執行長｜數位醫療行銷領域專長｜公司負責人 執筆「跨領域專家觀點・數位醫療行銷」一節，並具名授權刊登。
  • 艾莉絲 ｜中醫師｜中醫皮膚科專科醫師｜潤中醫診所院長 執筆「跨領域專家觀點・中醫」一節，並具名授權刊登。
  • 謝馨慧 ｜曜誠溝通顧問董事長｜CI溝通智能中心創辦人｜前奧美集團董事總經理 執筆「跨領域專家觀點・企業溝通」一節，並具名授權刊登。
  • 曹文興 ｜藥師 執筆「跨領域專家觀點・藥師」一節，並具名授權刊登。
← 更多「學院文章與醫療產業探討」文章 回文章總覽