理賠資料是 AI 最棘手的資料難題——專訪 Wisedocs 的 Denys Linkov

Wisedocs 的 AI 計畫負責人 Denys Linkov 認為，多數企業在數位轉型還沒完成之前就急著部署 AI，而這正是 AI 能否落地的前提；保險理賠——尤其是複雜的醫療理賠——則是檢驗這個落差最嚴苛的場景。這場演講大部分時間花在理賠處理的實際運作：紙本、傳真與格式各異的表單為何依然存在、重複與混雜的紀錄如何汙染下游決策，以及要從一份 8GB 的 PDF 裡抽出可靠結構，究竟需要什麼。真正與 AI 相關的內容集中在兩處：Wisedocs 與 Artificial Analysis 共同打造的 MLCR 基準測試，以及結尾關於跨理賠分析的討論。標題把理賠資料稱為「AI 最棘手的資料難題」算是貼切，但這集更像是資料管線的演講，而非 AI 能力的演講。

截至演講時，Linkov 已在 Wisedocs 帶領 AI 計畫兩年，公司的核心業務是複雜醫療理賠處理。讀者讀完應該能具體掌握：理賠流程長什麼樣子、哪些特定的失敗模式讓它如此昂貴、基準測試數字顯示模型準確率進步有多快，以及「人在迴路（human-in-the-loop）審查」為何能化解保險業對 AI 的大部分監管疑慮。

多數企業在 AI 所需的轉型完成前就先做 AI

Linkov 的核心論點是順序問題。AI 在 2023、2024 年到來，但多數公司還沒完成雲端遷移、還沒建好乾淨的資料湖、也還沒從大數據中榨出完整價值。他直接在現場測試：問有誰對自己的資料湖感到滿意，幾乎沒有人舉手。他的框架是先定義問題，「只有在 AI 是正確解方時才選 AI」——他特別強調，演講開頭好幾分鐘裡他只講了一次「AI」這個詞。

他做了一連串準備度調查，點出企業真正卡關的地方：

| 調查專案 | 現場反應 |
|---|---|
| 一週內拿到資料庫或 VM | 多數人舉手——「這算有進步」 |
| 一週內把新應用部署到正式環境 | 有些人舉手，但「我們還需要再進步」 |
| 一週內選定新的 AI 供應商 | 沒有人舉手 |

瓶頸在治理與安全審查，不在基礎設施。Linkov 也描述了高層常見的要求模式——「給我一組完美的資料」，「能不能快點幫我拉出那份報表」——他指出 AI 讓報表變簡單，但不會讓底層資料無中生有。他用一個任何理賠營運單位都會想要的查詢來說明這個落差：針對腳踝受傷的病患，在近期時間範圍內，指派一位病患治療結果位於前 50 百分位的醫師。他說，如果有人能對著自家資料集寫出這個查詢並得到正確結果，他會非常驚訝。

紙本、傳真與 50 種互不相容的州表單，仍舊構成收件層

數位化的進展遠不如 AI 討論所假設的那麼完整。電子病歷採用率在 2008 年只有 8%，直到 COVID 疫情才達到八、九成，而許多醫院至今仍靠紙本運作。Linkov 前一年在 AI Engineer SF 的演講中也提過，傳真市場仍在成長，全球規模超過 70 億美元。診所、法務部門，甚至保險公司自己，都還在使用紙本。

表單問題是結構性的。Linkov 展示了德州、紐約州與加州三個大州的職災收件表單，三份長得完全不一樣。美國 50 州大致就有 50 種不同表單，索取不同的資訊。每一種表單本身內部一致，因此有確定性可以利用，但各州擷取的資訊不同，版本也會隨時間改變。

他也點出一個常讓抽取專案翻車的細節：同一份收件表單上可能有好幾個日期，企業必須先決定要的是受傷日期，還是表單送出的報告日期。這個對齊問題發生在任何模型選擇之前。

一件複雜理賠是一長串交接，每一環都可能斷

Linkov 走了一遍職災理賠的生命週期，說明為什麼理賠裁定最快也要數週、最慢要好幾年。這條鏈從職場傷害通報與收件立案開始，經過急診與專科就診、診斷、主要與附加責任線的給付認定、醫師必須認定手術確有必要性的利用審查、治療、帳單、給付說明、付款，到後續持續治療。他列出這條路上常見出錯的大約 15 個環節。

他點名的失敗模式都很具體：

• 重複紀錄。 依各州規定不同，重複紀錄可能高達處理量的 50% 以上。有些重複是刻意的——申請人因為流程太慢而重複送件，形成連鎖失敗效應。客戶會問 Wisedocs 能不能讓對方停止重複送件；但沒有偵測系統，壞資料還是會一直進來。
• 混雜紀錄。 「Bob Joe」和「Bob Joe Jr.」被混在一起，這違反 HIPAA，也帶來監管風險。在高複雜度理賠中，上游由醫師或行政人員混入的一筆紀錄，就可能讓整件理賠崩盤。
• 病歷複製貼上。 醫師與護理師會在病患之間、就診之間複製貼上，這是已知的汙染來源。
• 電子病歷（EMR）不一致。 來自多倫多的 Linkov 說，許多加拿大醫院每次建置 EMR 都是全新匯入，而且 EMR 的巢狀欄位很奇怪。因為資料難以抽出，大家乾脆預設用傳真或 PDF 送件。
• 紀錄缺漏。 病程紀錄提到某日安排的 X 光，但申請人資料包裡就是沒有。一次要處理 200 件理賠的理賠專員，很容易漏掉後續追蹤。
• 診斷衝突。 第二意見會給出不同答案，理賠越複雜，衝突越可能發生。解決途徑是獨立醫療評估（IME），這又多了一位醫師、一個醫療網路，以及更多協調工作。
• 檔案規模。 Linkov 回憶公司資料庫裡有一份 8GB 的 PDF。理賠檔案包含傷勢與事故現場照片、X 光報告、超音波等。這種檔案會讓 PDF 檢視器當掉，也不可能直接丟進上下文視窗。

訴訟層讓一切雪上加霜。保險公司通常站在被告方。原告事務所的誘因是案件量與和解金額，Linkov 說他們採用 AI 的速度比辯方快，因為他們的經濟模式獎勵速度與理賠金額。加州職災案件的勝訴酬金大約 9–15%，其他州則可達三分之一到 40%。保險公司會為進入訴訟的理賠提列大筆準備金，而尚未數位化的組織更容易遭到反覆送件與詐欺送件——他比喻成經營一個很容易被 DDoS 的網站。

「這就像你的網站很容易被 DDoS 一樣，對吧，大家就會一直 DDoS 你。」

MLCR 基準測試顯示，模型在理賠問題上的準確率幾個月內從 20% 跳到 75%

Wisedocs 與 Artificial Analysis 共同打造了名為 MLCR 的基準測試，用來衡量模型回答真實理賠問題的能力。它分六個難度層級，從簡單抽取（「這個傷害何時發生、是什麼傷害」），到手術次數統計與能力評估，再到連專家都覺得困難的問題。前三個較簡單的層級以開放資料集釋出；另有一組私有題庫託管在 Artificial Analysis，以降低基準測試被「刷分」的空間。

評分以人工專家驗證過的答案為基準，透過一組校準過的評審模型，從三個面向打分：

| 面向 | 衡量內容 |
|---|---|
| 精簡度 | 回答有多精簡 |
| 準確度 | 答案是否正確 |
| 完整度 | 是否涵蓋所有相關資訊 |

最受矚目的結果是：評測釋出時，在受測的推理層級上最高準確率只有 20%。幾個月後，最高推理層級已達到 75%。Linkov 說，正因為進步這麼快，評測才如此重要；這也讓公司能更有信心地把更難的問題產品化，並判斷每個答案需要多少人工審查。在帕雷托前沿上，「問一個問題並得到合適答案」的成本曲線，過去幾個月也持續改善。

他也提到評測過程中觀察到的模型家族取捨：GPT 系列在準確度上表現極佳，但會漏掉一些關鍵資訊；Anthropic 的模型完整度較高，準確度則略低。他說，完整度在多數模型供應商身上仍未解決。後續文章說明瞭評審模型如何校準；他也強調，如果上游資料是錯的，下游再怎麼用都沒有價值。

抽取管線層層濃縮資訊密度，並在每一層驗證

被問到資料實際上如何結構化時，Linkov 描述了一套分層架構。OCR 與影像處理從原始紀錄中抽出文字與影像——這是標準前處理，但他提醒 PDF 前處理並不簡單，那些 8GB 檔案裡藏著百萬分之一的怪東西。其上則是 NLP 與抽取模型、用於結構化的視覺語言模型（VLM），某些情況下還有標準的實體抽取模型，加上各種分類器。再上一層是摘要層，負責彙整檔案並由人工驗證。更上層還有其他分析層。

設計原則是抽象化模式：越往堆疊上層，資訊密度越高，並在多個節點由模型與人工驗證。價值最高的問題——MLCR 那類問題——之所以能在最上層回答，是因為下面各層已經清理並核對過輸入。Linkov 明確表示，MLCR 本身用的是乾淨資料，而真實世界資料並不乾淨，所以清理步驟是必要前提，而非選項。

談到成本與模型選擇，他不贊成什麼都用 LLM。分類與抽取任務更適合用專門訓練的模型，這也是 Wisedocs 自己訓練模型的原因。他提到會議上流傳的一篇關於決策 API 與 Jevons 悖論的論文（以及他為大會 AI 新聞刊物撰寫的文章），說他對研究發現本身並不意外，意外的是花了這麼久——「每個問題都要用推理 Token」的時代一直延續到 2026 年成本成為首要考量才結束。

跨理賠分析才是組合層級價值的所在

一旦理賠層級的抽取可行，真正有趣的問題就變成跨理賠。一家年收 10 億美元保費的中型保險公司，一年可能理賠 2 萬件，它想知道是什麼在推動賠付率：哪些理賠型別、哪些地區、哪些傷害、哪些醫師。Linkov 描述了 Wisedocs 在去識別化的加州資料上做過的幾項分析：

• 網路內就醫移動。 舊金山或紐約的病患是否在地就醫，治療提供者是否適切。
• 醫師與律師網路。 哪些律師、醫師、脊骨神經醫師與物理治療師會合作，理賠內部的合作關係長什麼樣子。
• 共病情形。 把診斷對應到 ICD 碼，看哪些病症會群聚，以及為什麼不同醫師的紀錄寫法不同。
• 費用差異。 兩位醫師的兩次物理治療、價格不同。多付一點錢給能在五次療程內讓病患康復、而非拖到十次的好醫師，是說得通的；但成本膨脹會層層疊加到保費與費用上。有個例子顯示某位醫師的某項治療費用年增 10%，這就引出問題：這是地區性現象還是全行業現象。
• 反事實分析。 改變網路、改變病患導流方式或改變計費方式能省下多少，以及哪些處置符合醫療標準。

他引用一篇關於增加 10 億美元帳單的近期文章，作為資料無法有效處理時會發生什麼的例證。這一層的產出會回饋到核保、詐欺偵測與其他業務線：如果車禍傷害或職災出現某種趨勢，一般責任險是否也有？能否用理賠資料所顯示的內容，讓核保模型更具可解釋性？用他的話說，目標是那張「我們希望資料湖裡存在的魔法資料表」。

他對成效的說法很謹慎。Wisedocs 目前還不能宣稱所有病患的理賠時間平均縮短五天。官網上確實有案例研究，顯示特定業務線、特定組織的成本下降與速度提升。

人在迴路審查能消除大部分的監管疑慮

談到監管，Linkov 的立場是：管線末端由人做決策，就能解決保險公司提出的大約 70% 疑慮。系統只呈現發現，不做決定：遇到診斷衝突時，它會指出第 2 頁與第 20 頁，標記兩位醫師之間的分歧供人審查。他說公司會向客戶內部的法遵與監管團隊說明 AI 管線如何運作、用了哪些資料，並引用 NAIC 的報告與指引作為相關公開資料。監管仍在追趕，他強調不要打造黑箱，一切都要可稽核。

匯入流程也同樣務實。最重要的因素是改變的意願。流程從各種格式的樣本檔案開始——通常是客戶正在處理或回測中的案件——接著比對客戶抽出的內容與系統抽出的內容，並對齊業務定義（例如受傷日期與報告日期）。如果幾個標準案例可行，就進入更大規模的試辦，然後透過 API 與上游提供者整合，而不是手動上傳。有些能力開箱即用，有些不行，有時還需要整合多個內部系統。

談到「核彈級判決」——1,000 萬美元的賠償，或高達 1 億美元、會迫使重新分配準備金的「熱核級」判決——他說客戶通常帶著自己的做法上門，平臺讓他們依業務判斷，優先處理最複雜或最早送件的理賠。他也提到大型保險公司每年花數億美元在法律費用上，這是一個與病患體驗完全無關的最佳化目標。

理賠管線仍解決不了的事

這場演講未解的張力在於：技術層疊在它無法改變的誘因結構之上。原告事務所採用得更快，因為其經濟模式獎勵速度與金額。重複送件有一部分是申請人面對緩慢系統的理性反應。各州規定的處理時限——德州幾小時、其他州七天或 21 天——與現實相衝突：一位 60 歲、在同一家工廠工作 30 年的勞工，醫療史龐大，還得在改姓、搬家、換醫師之間重建。Linkov 也承認，在進入訴訟的案件中，資訊有時是刻意被省略的，因為組織根本來不及處理。基準測試從 20% 到 75% 的準確率躍升，顯示模型層進步神速；但紙本、傳真、50 種州表單，以及勝訴酬金的誘因，走的卻是另一個時鐘。