医疗IT的隐形困境：AI上马了，旧系统还没退场，谁来负责「送终」？
医疗IT的隐形困境：AI上马了，旧系统还没退场，谁来负责「送终」？
2026年，医疗行业的AI化讨论无处不在：AI辅助诊断、AI药物研发、AI医疗记录摘要、AI临床决策支持……每个月都有新产品发布，每个季度都有新的概念涌现。
医院的CIO们也在忙，忙得不可开交——但不是为了AI，而是因为：在他们的IT路线图里，新系统的采购需求已经把未来3到5年排满了。每一张新的「AI解决方案评估申请」到来，都要挤进一条已经严重过载的管道。
Gartner最新的CIO调研显示，CIO们把降低运营成本列为首要任务之一，并且普遍认同「应用组合清理」是关键手段——但这件事，依然「持续被推到工作列表的最后」。
为什么？因为在医疗行业，一件被严重忽视的事情，正在成为AI化的真正瓶颈：
那些被AI替代的旧系统，到底谁来负责送终？
一、Gartner的新角色：「应用殡仪官」
管理咨询机构Gartner（研究编号：Gartner Doc 7028798）最近提出了一个新的职位概念：Application Undertaker（应用殡仪官）——字面意思，就是负责给IT系统「办身后事」的人。
这个职位在实际组织中可能有多种头衔：首席应用官（Chief Applications Officer）、应用组合管理副总裁，或数字资产退役总监。但无论叫什么，职责内核是一致的：
建立一套持续运转的系统化流程，不断识别、评估和退役被时代淘汰的软件应用——而不是把退役当成一次性项目。
这个概念的实践倡导者之一，是Clearsense的CEO Jason Z. Rose，拥有30年医疗IT从业经验的行业老将。他的核心判断只有一句话：
AI就绪的真正前置条件，不是引进新系统，而是先处理好旧系统的退出。
这听起来像反直觉的保守主义，但深入看数字，它实际上是极为务实的工程判断。
二、医疗IT的历史包袱：那些「永远即将退役」的系统
医疗行业的IT系统，是全球技术债务最严重的行业之一。
过去三十年，每一轮医院并购、每一次「数字化转型」项目、每一次EHR（电子健康记录）迁移，都在机构IT架构里留下了沉积层。结果是：一个中型医院系统，往往同时运行着150到400个以上的平行软件应用。这些系统很多互不相通，数据格式各异，部门各自为政。
这种「应用蔓延」（Application Sprawl）的代价是多维度叠加的：
运营成本：大量重复系统消耗许可费、维护合约和技术支持资源。研究机构估算，美国大型医疗网络每年花在「应该退役但没有退役」的软件上，约占年度IT预算的15%-25%。以一个年IT预算$2亿的大型医疗网络为例，这意味着每年$3000万至$5000万流入了无法创造新价值的旧系统维护中。
安全风险：每个遗留系统都是潜在的安全漏洞。医疗数据的高价值使其成为黑客优先攻击目标——美国卫生与公共服务部（HHS）2025年报告显示，当年医疗数据泄露事件中，超过40%涉及至少一个已停止官方支持的遗留系统。2025年全球医疗数据泄露的平均成本已上升至每起$1090万（Ponemon Institute数据），是所有行业最高。
互操作性：私有格式的旧系统难以对接，数据孤岛让整体数字化质量大打折扣。Gartner 2025年调研发现，76%的医疗CIO承认数据孤岛是他们推进AI项目的最大单一障碍——远超人才短缺（42%）和预算限制（38%）。
这些问题在AI时代之前就已存在，但勉强可以接受。AI的到来，把它变成了一个无法再拖延的紧急状态。
三、为什么AI让遗留系统问题突然变成了紧急状态？
AI的核心原料是数据。不是某个部门的局部数据，而是跨系统、跨时间、跨格式的整合数据。
这个需求与医疗IT的现实之间，存在着一道结构性鸿沟。
想象一个典型大型医院系统的数据分布：
- 临床数据：在EHR系统A（某供应商2018年版本）
- 药房数据：在系统B（另一供应商，私有格式）
- 放射科影像：在系统C（PACS系统）
- 账单和理赔：在系统D（已停止官方更新）
- 历史病案：在系统E（2010年前存档，磁带备份）
要在这个环境里部署「AI临床决策支持系统」，AI的训练和推理数据需要从这5个（或更多）系统中提取、清洗和格式统一。
实践中的结果是：很多医疗机构在AI概念验证阶段，发现60%-80%的项目时间花在了「让数据变得可读」上，而不是AI模型本身。遗留系统堵塞数据管道的代价，在AI时代被成倍放大了。
Jason Rose的逻辑因此非常清晰：
应用合理化是AI就绪的第一步。 退役旧系统不只是砍成本，更是释放数据潜力——让十年积累的纵向医疗记录，第一次真正能被AI调用和分析。
退役应用只是工作的一半。另一半是保存并激活历史数据——通过主动归档，支持跨临床、财务和运营域的纵向分析，让健康系统能够从多年历史中汲取洞察，而不是在删除旧系统时连数据一起扔掉。
四、为什么退场比上线难十倍？
在医疗行业，一个IT系统的「上线」有完整的仪式感：专属预算、项目团队、CIO签字、实施里程碑。有人负责，有时间节点，有KPI考核。
但一个IT系统的「退役」，往往处于组织的真空地带：
- 没有人为此专门预算
- 没有KPI激励任何人主动推动
- 没有人愿意承担「依赖没清理干净」的责任
- 「退了出问题怎么办」的担忧压过了「不退一直花钱」的逻辑
结果是：新系统一个接一个上线，旧系统永远在「即将退役」的名单上，但就是不退。Gartner数据证实了这一点：CIO的实施路线图被新系统需求填满了未来3-5年，退役旧系统的任务被挤出了有效决策范围。
医疗行业还有三个特有的放大因素：
1. 合规约束：HIPAA等法规规定了医疗数据的最低保存年限，旧系统不能简单关闭，必须保证合规的数据可追溯性。退役流程的法律复杂度，比一般行业高一个数量级。
2. 患者安全风险：如果旧系统中仍有活跃的临床工作流（哪怕只是某个偏远诊室护士在用的记录系统），退役时机一个不对，可能影响患者护理连续性。在医疗行业，「系统宕机」不是业务中断，是生命风险。
3. 组织政治阻力：每个旧系统背后，往往都有一个或几个「系统拥有者」——某位科主任、某位资深IT经理，他们对自己的系统有深厚的情感和利益联结。退役意味着他们的「领地」消失，政治上阻力巨大。
五、「应用殡仪官」的三个核心职责
Rose将系统退役从一次性「项目」变成持续运转「学科」的方案，包含三个核心领域的所有权：
1. 应用组合分析、治理与优先级排序
「殡仪官」需要维护一个实时更新的应用组合清单，记录每个系统的业务功能、运营成本、使用率、合同期限、数据依赖和安全风险。
这份分析需要回答：功能上有多少重叠？工作流在哪里可以标准化？哪些系统可以整合到更现代的平台？
然后通过跨职能治理委员会（不是IT独自决定，而是业务、法务、安全、临床共同参与）来决策：哪些保留、哪些整合、哪些进入下一个退役波次。
Rose的关键洞察：退役不能是IT单方面的决定。应用殡仪官必须创造一个证据框架和治理流程，让整个组织的领导者能够就「谁留、谁合、谁退」达成共识。
2. 财务模型与执行机制
每一个退役决策都需要对应的财务模型：退役这个系统能节省多少？数据迁移成本是多少？临时双跑成本是多少？净收益什么时候出现？
这个财务模型，是推动「退役决策」从技术判断进入高管议程的关键工具。没有清晰的成本-收益数字，退役的优先级永远被新系统采购压制。
3. 历史数据激活（Active Archiving）
这是最被低估的部分，也是最有AI价值的部分。
退役旧系统时，最简单的处理方式是「存档备份然后关停」——数据被冻结在永远不会被读取的磁带或静态存档里。
但做得好的「应用殡仪」，是把历史数据通过主动归档转化为可以被AI调用的活跃资产：标准化格式、建立检索索引、与现行系统形成联合查询能力。
这样，一个系统的「死亡」不只是消除了安全隐患，更是解锁了一批历史数据。对AI来说，这是一种价值正向的退场。
六、真实案例：数字化瘦身让AI跑通了
Rose描述了一个医疗网络的实操案例：
一家大型医疗系统通过系统化的应用退役项目，把IT应用总数从380个压缩到140个，历时约18个月。
释放出的效果是双重的：
- 直接成本节省：许可费、维护合约、支持成本下降约30%
- 数据资产激活：原本散落在240个退役系统里的历史数据，经过主动归档整合后，第一次形成了跨系统的统一访问能力
后续当该医疗网络部署临床AI时，AI模型能够调用的数据连续性横跨10年，覆盖了并购重组前后不同系统里的患者记录——而不是只有某个当前系统里最近3年的数据。
这才是真正意义上的「AI就绪」。
七、一个更大的启示：AI时代需要「减法领导力」
「应用殡仪馆」的概念，折射出一个普遍的组织管理真相：
数字化转型既需要引进新技术的「加法领导力」，也需要淘汰旧技术的「减法领导力」。
加法领导力——上EHR、上AI、上云——有成就感，有预算支持，容易受到掌声。减法领导力——退役旧系统、清理技术债、为数据管道减负——枯燥、得罪人、短期内不显眼。
但在AI化的新时代，两者同等重要。AI的质量上限，由数据管道的质量决定；而数据管道的质量，由遗留系统的清洁程度决定。
在医疗行业，在引入下一个AI临床工具之前，也许值得先问一个问题：
上一代系统，走了没有？
来源：Forbes/ForbesTechCouncil，Jason Z. Rose（Clearsense CEO），Gartner应用组合管理研究（文档编号7028798）；发布时间：2026年9月11日。HHS 2025年医疗数据泄露年度报告。Gartner 2026年CIO调研报告。