The partial adoption trap: Coordination failure, trust, and cultural lock-in in health AI adoption

以下是阿里·埃科（Ari Ercole）的论文《部分采用陷阱》的通俗化解读，辅以类比说明。

宏观图景：“半心半意”的困境

想象一家医院决定安装一套全新的、超级智能的 AI 系统来辅助医生。其目标不仅仅是让某位医生的工作更轻松，而是要彻底重组整个医院的运作模式，从而加快患者就诊速度并降低成本。

论文指出，虽然医生们很乐意将 AI 用于简单的小任务（例如录入病历），但他们往往拒绝为了发挥系统的预期作用而彻底改变整个工作流程。结果呢？AI 虽然“安装”到了各处，但医院却从未获得其承诺的巨大收益。这就是部分采用陷阱。

作者利用数学模型（类似于博弈论模拟）来解释为何会发生这种情况，以及为何标准解决方案（例如给医生发放奖金）往往会加剧这一问题。

---

医生参与博弈的三种方式

该模型表明，当新系统到来时，医生有三种选择：

1. 真正采用（“全情投入”型玩家）： 医生彻底改变其工作惯例以适应新 AI。他们改变接诊患者的方式、预约安排的方式以及与员工沟通的方式。
   • 代价： 起初这非常艰难且具有破坏性。
2. 部分采用（“精明节省”型）： 医生利用 AI 处理简单事务（例如节省文书工作时间），但在其他所有方面保持旧有的工作惯例。
   • 代价： 这能立即带来好处，因为它节省了时间，却无需承担彻底改变整个系统的麻烦。
3. 拒绝（“卢德分子”型）： 医生完全无视该工具。

陷阱所在： 由于“部分采用”在短期内感觉更轻松且回报更高，大多数医生会选择它。然而，只有当足够多的人选择“真正采用”时，系统才能发挥作用。如果每个人都在“部分采用”，那么这个系统就像是一辆引擎在运转但车轮空转的汽车——它制造了噪音，却寸步难行。

---

陷阱发生的四个原因

论文指出了医院陷入这种“半心半意”状态的四个具体原因。

1. “太小而无足轻重”的问题（阈值失效）

类比： 想象试图生起一堆篝火。你需要一定数量的木柴同时燃烧，才能产生足以温暖整个帐篷的火焰。如果你只点燃几根木柴，它们只会冒烟然后熄灭。
现实： 只有当临界数量的医生改变工作流程时，AI 才能产生系统层面的收益（例如加快患者流转）。如果你是唯一改变的人，你只是一个与潮流对抗的异类。收益只有在跨越“临界点”后才会显现。由于没有任何一位医生能独自跨越那个临界点，他们都在等待他人，结果什么也没发生。

2. “承诺落空”的问题（信任失效）

类比： 想象一位老板告诉团队：“如果你们更努力工作并为公司省钱，我会给你们奖金。”团队努力工作并省下了钱，但老板却说：“实际上，我要把省下的钱留给公司。没有奖金给你们。”
现实： 医生们知道，如果他们真正重组工作，医院将节省大量资金。但医生不信任医院会与它们分享这些节省下来的资金。他们担心，如果他们做了艰苦的工作，医院只会拿走功劳和现金。因此，他们选择“部分”路线，保留自己的时间节省，而不是为了一个可能落空的承诺去冒险选择“真正”路线。

3. “旧习难改”的问题（文化锁定）

类比： 想象一群朋友，大家都约定“我们不跳那种新舞”。如果一个人尝试跳那种舞，其他人就会嘲笑或无视他。最终，那个人为了合群而停止了跳舞。
现实： 如果大多数医生都在“部分采用”，团队的文化就会变成“我们使用工具，但我们不真正改变工作方式”。如果一位医生试图走向“真正采用”，他就会面临来自未加入变革的同事的社会压力和摩擦。群体文化将所有人锁定在平庸的“部分”状态中。

4. “价值的悖论”

类比： 宝藏越有价值，就越难让人们一起挖掘它。
现实： 论文发现了一个残酷的讽刺：那些具有拯救生命和节省资金最大潜力（系统变革型 AI）的技术，恰恰是最难被采用的。而那些容易采用的技术（点解决方案 AI，例如简单的拼写检查器）却最容易传播。变革的价值越高，它陷入陷阱的可能性就越大。

---

“成本棘轮”：一线希望

模型中有一个有趣的转折，称为成本棘轮。

类比： 想象试图将一块巨石推上山坡。起初极其困难。但如果你把它推到某个点之后，地面就会发生变化，巨石将永远变得更容易推动。即使你停止推动，巨石滚回山下，地面也保持改变。下次你再尝试时，会比第一次更容易。

现实： 如果医院尝试实施 AI 却失败了（未达到临界点），他们可能会认为浪费了时间。但论文认为，即使是失败的尝试也会“衰减”成本。医生们学到了一点，系统也稍微熟悉了一点。进入门槛被永久性地降低了。

• 然而： 这只有在医生没有过快失去信任的情况下才有效。如果医院过快违背承诺，医生的信任崩塌的速度将快于“学习”发生的速度，陷阱会因此变得更深。

---

如何逃离陷阱（解决方案）

论文认为，标准政策（例如给每位医生发放小额奖金以使用工具）实际上会使陷阱恶化，因为它们鼓励了“部分采用”，却未能解决底层的信任或文化问题。

要逃离陷阱，医院需要采取一系列特定的行动：

1. 首先修复信任： 在要求医生改变之前，医院必须签署合同，保证如果系统节省了资金，医生将获得分成。没有信任，就没有改变。
2. 准备文化： 在引入技术之前，先让团队做好准备。确保“群体规范”支持变革，这样首批采用者就不会受到现状的排挤。
3. 培育团队，而非个人： 不要将变革稀薄地分散在整个医院。选择一个特定的团队（一个“种子”），并确保该团队中的每个人同时走向“真正采用”。这有助于他们在局部跨越临界点，创造出一团最终可以蔓延的小火苗。
4. 支持“嵌入”阶段： 当团队最终跨越阈值时，将所有支持资源倾注于那一刻，以确保新的工作方式能够稳固下来。

核心结论

论文总结道，我们不能将“系统变革型 AI"视为简单的软件更新。如果我们试图在没有信任的情况下，仅靠个人激励强行将其施加给医生，我们将得到一家充满医生的医院，他们利用该工具更快地录入笔记，而医院却依然像以前一样缓慢且昂贵。我们将陷入一种“看似改变了，实则未变”的陷阱。