先不要急著做 AI，先去看 Workflow

1. 01我原本怎麼想

   以前很容易從技術開始：模型準不準？能不能預測？能不能生成報告？能不能做 Agent？

2. 02發現什麼問題

   一個健檢異常出來之後，誰看到？誰決定下一步？決定有沒有變成行動？有沒有持續追蹤？健康結果有沒有改變？這條路沒走通，再好的 AI 都可能只停在 Demo。

   AI 最容易做的是 Prediction，真正困難的是後面四步。

3. 03為什麼改變判斷

   進入醫療場景，還多了一個常被忽略的問題：誰負責？哪些事情可以交給 AI、哪些一定要 Human in the Loop、出錯時責任落在哪裡。

   做不做得到只是第一層，該不該做、該對誰做，才是真正的問題：Can we → Should we → For whom。

4. 04後來怎麼做

   用這條路徑看 AI：Data → Prediction → Decision → Action → Behavior → Outcome。

   設計健康幣時也一樣，不先問「哪些事情可以發幣」，而是問哪些行為值得被鼓勵：AI 判斷這個人最值得改變的下一個行為，誘因讓它真的發生，結果沒改變，就重設機制。

「不是提供更多醫療，而是讓更多人更晚需要醫療。」

— 原文