Anima 的三位 AI 同事：诊所电话从 50 分钟等到 10 分钟

Anima 是一家英国医疗平台，做的是诊所里最琐碎的三件事：患者请求、临床信函和问诊记录。按官方客户故事的口径，它现在服务超过 1400 万患者、英国 1000 多家诊所，每月处理 80 万件以上病例，并正在向美国和澳大利亚扩张。创始人 Shun Pang 的出发点来自临床训练期间的一件旧事：一位患者的异常检查结果在队列里放了六个月，没人处理——那位患者因此错过了可能救命的治疗。他的判断是：单靠人力追不上需求，改变必须来自软件。

选型上，Anima 说他们把闭源和开源模型全部跑过分后选择了 OpenAI；Shun Pang 给出的理由是“更高的智能、每美元的智能、以及用上下文学习调整行为的可控性”。落到产品里是三位各司其职的“AI 同事”：接线员 Andi 用 GPT-Live 接电话，文档流水线用 GPT-6 处理临床信函，速记员 Scribe 用 GPT 5.6 Luna 写病历。值得注意的是分工方式——语音、文档、速记三类工作各配一个合适的模型，而不是一个“万能模型”包打全部；确定性规则也留在关键位置（下两节分别看）。

• 读官方客户故事原文 ↗

Andi 是跑在 GPT-Live 上的语音接线员。患者打电话描述症状，Andi 负责听和问；但决定“接下来问什么”的不是模型自由发挥，而是 Anima 自研的 policy engine——按临床审批过的确定性分诊流程走。每通电话先由 GPT-5.4 mini 从问卷库里选出合适的问卷，答完的病史变成结构化病例进入诊所仪表盘，工作人员审阅后再处置。也就是说，模型承担“听懂人话”的部分，临床流程的每一步仍然钉在经过审批的规则上。

数字是这样的：使用 Andi 的诊所把电话排队从 40–50 分钟降到 10 分钟——按标题口径即约 75% 的降幅；86% 的患者调查说愿意再用一次，80 多岁、90 多岁的用户名列最满意之列，Anima 引用的评语是“无限耐心、非常有礼貌”。这些是 Anima 自报并经 OpenAI 发布的数字，本站未试用；但“从 50 分钟到 10 分钟”的量级，对应的是患者侧一次真实的体验差——打不通的诊所电话，正是 AI 进入生活最具体的一个入口。

• 接看：GPT-6 家族的 Terra 在办公桌上做什么 →

文档这条线最能看出“能力＋接入”的组合。GPT-6 流水线先从每封信里提取寄件人、收件人、文件类型和事件日期，经过多级管道匹配到正确的患者，再对应 SNOMED 临床代码——工程负责人 Michael Skupien 提到一个数字：SNOMED 有约 80 万个可能的代码——然后建议下一步动作。适配靠上下文学习按每家诊所进行，不做逐客微调。效率口径：员工从每小时 15 件提到 30–45 件，最好的诊所到 45–60 件；10 万件以上的历史积压在几天内清空。

Scribe 用 GPT 5.6 Luna 把问诊录音变成结构化病历。官方截图展示了一次 14 分 52 秒的问诊：转写里“咳嗽超过一周”“胸部压迫”被高亮，右侧直接生成 SNOMED 代码（Cough 49727002、Chest Pressure 29857009），蓝色下划线创建了胸片任务。同一份上下文还被复用去写转诊信——过去 5–15 分钟的信，现在秒级完成——和随访消息。Anima 引用的一位医生说法是：现在能准时下班，而不是熬到晚上八九点。多数病例在 24 小时内解决，中位约 3.5 小时。

• 接看：Luna 在本站费用比较里的位置 →

先把口径钉住：本文全部数字来自 OpenAI 发布的 Anima 客户故事，属 Anima 自报，患者调查也是厂商引用；本站没有试用任何产品，也没有登录诊所系统。流程设计上，AI 同事不自行处置——每个病例进仪表盘后由诊所员工审阅再行动，电话分诊走的是临床审批过的确定性流程。英国以外的扩张刚起步，美澳数字尚无。真实体验差多少、出错时怎样纠偏，要等独立材料。

放进本站的线索里看，这是一条完整的“从源头到生活”：语音模型（GPT-Live）和文档理解（GPT-6）是源头能力；Anima 的 policy engine、按诊所的上下文学习、员工审阅是接入层做的功；落到生活一端，是打不通的电话、堆积的信和迟到的病历。站内参照：GPT-6 家族的 Terra 讲同一源头的办公桌一侧；Luna 在本站的 Sol／Luna／Opus 费用比较里出现过，这里承担的是速记；个人 AI 伙伴专题持续追踪的“接手生活事务”，在诊所说的是同一种可能。

• 接看：个人 AI 伙伴专题 →
• 接看：GPT-6.1 Terra 的桌面任务与价格 →