把医疗方面的资料转化成Skill，换句话说也就是从单纯存放在那里变成真正能够运用起来
企业天天都在喊着想要更加聪明的AI，然而很多情况下AI连你的资料都还没有看过，哪怕再聪明也帮不上什么忙，电脑里面存放着报告、方案、录音、案例、SOP，老板和老员工脑子里头还有着多年的经验，这些东西明明都在，只是单纯存放在那里，要用的时候怎么也找不到，找到了也不知道到底哪一份才合适，新人来了又得跟着老员工从头开始学起。
文件夹就像是个仓库，东西全都在里面，可是不会帮你干活，Skill做的事情就不一样了，它把散落各处的资料整理起来、并且理解得十分透彻，在真实任务里面随时能够拿出来调用，文件夹里的那些PDF，AI看不懂也调动不了，Skill里面的结构化知识，AI能够直接照着去做，一本内科学放在书架上落灰，和一个住院医把诊断流程背进了脑子里，差别恰恰就在这个地方。
Skill其实就是一份AI能够直接去执行的操作手册，要是跟文件夹里面的资料去做对比，资料是散落的PDF、Word、录音，Skill则是有分类、有索引、有优先级，资料往往需要人找上半天才能拿去使用，Skill按场景随时能够拿出来调用，资料要是只有一个人会用另一个人就得从头学起，Skill团队共享新人上手马上就能用，资料被修改了旧版本新版本不知道在哪里，Skill具备版本管理并且持续进行优化，资料是资料干活是干活，Skill让资料直接参与到业务流程当中去。
给县域医院做诊断的时候发现了五个断点，你可以借助同样的方式去盘点一下自己的资料，定位断，完全不知道哪份资料才是合适的，3个版本的问诊话术没人知道到底该用哪个，获客断，患者搜不到你，小红书和抖音没有内容AI也推不到你那里，内容断，内容同质化一周就会被同行复刻，科普视频跟隔壁诊所做得一模一样，服务链断，看完病就没人管了，没有复诊提醒、慢病管理、康复随访，数据断，科室口径不统一，同一个患者3个科室有3种说法。
先不用把所有的问题全都给解决了，找出最痛的那个断点先把它给做出来，王总并没有一上来就做标书全流程系统，而是先做了责任重的审核环节，先让头一条船下水，别先去造航空母舰。
医疗资料天然是具备结构的，只是还没有被拆解出来，给县域医疗集团设计过一个五层能力栈，L0接美团、小红书、抖音、企业微信、HIS系统，L1建标准知识库、科室库、人群标签、临床路径库，L2做14个可复用场景Skill，L3跑患者洞察、公域获客、私域运营，L4管成果归档、资产管理、数据新鲜度，从L2开始就足够了，前面几层后面再去补上。
在进行拆解的时候不妨问问自己三个问题，这份资料到底解决什么样的场景，不要简单地说这是一份话术，要说是当患者询问你们哪个医生好时所运用的回答模板，这个场景的输入以及输出分别是什么，输入就是患者问了什么内容、触发条件是什么，输出则是AI应该给出什么回答、执行什么动作，这个场景需要哪些知识来提供支撑，医生排班表、科室介绍、价格体系、临床路径、患者画像，把它们逐一列出来，欧经理把审计报告从PDF整理成了结构化表格，7到8分钟就搞定了以前需要人工逐行抄写大半天的活，拆解的威力就在这里，AI并没有变得更聪明，是你把资料的结构喂给了它。
一个完整的Skill由三部分组成，触发条件要具体，不说患者咨询，要说患者问你们哪个医生好，话术要带上正例和反例，AI需要知道不能说什么以及必须说什么，知识依赖要列得清清楚楚，AI不靠猜，靠你喂进去的结构化数据，边界要明确，医疗合规红线多，哪些事AI不能做，必须写死。
冯老师把脱敏后的客户访谈和过去的方案模板放进第二大脑，生成的方案已经能够提炼项目背景、客户需求、实施方向，AI并没有替代顾问的判断，但是让顾问更加高效地做出判断。
写完Skill还得进行验证，借助真实业务跑上一遍，用10条真实患者咨询来测试，看AI是否正确识别了场景，让医疗负责人审核回答，是否踩了广告法和医疗合规红线，找3个AI没答上来的问题，补充知识依赖，故意问AI不该答的问题，比如你推荐我去别家吗，看它是否守住了边界，一次问答结束后，检查AI是否自然引导到了下一步，预约或者到店，黄经理头一个原型不理想，但问题在现场就拆解开了，实操里面怕的其实不是头一次做得不好，而是卡住以后不知道问题出在哪里。
凭借诊所和县域医院的实战经验，有5个场景ROI比较高，智能客服核心问答，患者晚上8点在小红书看到你的笔记想问你们能看胃病吗，私信没人回他划走了，覆盖5类核心问题，哪个医生好推荐专长加引导预约，跟别家比有什么优势不贬低对手说清楚差异化，要排队吗告诉什么时候来不用等，哪天上班告诉近一次合适的时间，怎么预约帮操作别教操作，每天多接5到10条下班后的咨询，转化3到5个到店，一个月多赚2.7到4.5万。
复诊提醒，患者吃完药就不来了，话术可以这样来写，王先生您上周来看了胃病医生开了两周的中药现在应该快吃完了您感觉怎么样需要我帮您预约复诊吗，10个患者里面有3个因为提醒回来复诊，光这一项就足够覆盖软件成本了。
针对小红书健康科普内容生成这块，要是每周3到5条笔记写不出来或者写了也没人搜到，那就运用GEO本地搜索优化策略，关键词选用患者能搜到的词，内容得是干货并且加上软植入千万别写硬广，不要写我们诊所胃病看得好，要写深圳尿酸高的人注意了这3种食物要少吃。
服务链条延伸方面，诊疗做了前后都没接住，向前没有筛查和慢病管理，向后没有康复和随访，仅做诊疗1次到诊人均300元，加上慢病管理平均3.2次到诊人均960元，再加家庭筛查推荐1个患者带2.3个家人家庭消费2060元，服务链条每延伸一环，患者生命周期价值提升40%以上。
患者洞察与专科定位这块，专科定位靠经验拍板打偏了也不知道，借助AI对患者的真实声音进行分析，把咨询记录、差评、搜索词拿来校验定位假设，在县域医院发现，原假设中老年是主要人群，但患者说的是手机看久了眼花、带父母来查，凭借患者语言进行定位和投放，到诊率直接加了35%。
从0到0.1落地节奏上，头一周做诊断，盘点资料断点找痛的那一个，交付断点清单并且加上优先级排序，第二周做体感，做1个Skill借助真实业务跑上一遍，交付头一个可测试的MVP，第三到四周陪跑，进真实项目，交付可验收的Skill，第五到八周做灯塔，小团队跑通闭环拿到量化结果，交付病源回流数据加可复制的模型。
几点原则，从病源切入，做什么能让外流率降10%先做这个，先出体感再上体系，头一个Skill先让人惊艳，让院长看到患者回来了比PPT管用，AI干活人来拍板，人守住每一个对结果负责的决策点，医疗决策必须有人负责，不等完美先跑闭环，从业务场景反推数据，别等系统完美了才开始。
林总做了新伙伴跟进助手的0.1版，可能只是0.1版，但它已经不是零了，一个脑子里的想法，已经变成可以展示、测试并且修改的东西了。
你可能觉得资料太多了整理不完，其实先做最痛的那一个场景就足够了，你觉得AI会自己学会，不会的，没有结构化知识喂给它，AI就像新员工头一天上班什么都不知道，想等AI更聪明了再弄，越早喂资料越早见效，想一次性做全套系统，头一步迈得太大项目容易停在方案里，Skill写完就完了，知识库三个月就过时，持续进行更新才能持续产生价值。
医疗资料变成Skill，就是从存着变成用起来，先从最痛的一个场景开始，做一个0.1版的Skill，借助真实业务去验证它，有了这个起点，后面的迭代才有地方落脚。很多医院和诊所已经跑通了这套方法，效果看得见摸得着，不是PPT上的数字，是真实的患者回来了，真实的收入增加了，同时真实的新人上手快了。
以上，既然看到这里了，要是觉得有用，不妨点个赞，我们下期见。
