104學習

上個月我跟一位開業 12 年的家醫科醫師吃飯，他講了一段話我一直記著。他說：「我們診所現在不是看診累，是凌晨被掛號電話吵醒這件事讓人撐不住。」 他的診所原本只接受現場掛號，後來開了電話預約，沒多久 LINE 又加入。看似服務愈來愈周到，但護理師的工作從 8 點半開始到晚上 9 點半，凌晨還要接「醫師明天有看診嗎」的訊息。三個資深護理師，半年內離職兩個。 他問我：「林執行長，診所這種規模也可以做自動化嗎？我們不是大醫院。」 我說：可以，而且診所做診所自動化，CP 值往往比大醫院更高。 戰國策集團 26+ 年陪台灣各種規模的服務業走過自動化這條路，這幾年特別有感的，是診所、牙科、復健科、中醫這類「小而美」的醫療單位。今天這篇就用實際協助多家診所導入「診所自動化」、「掛號自動化」、「病歷處理」、「醫療 AI」的經驗，講清楚診所自動化到底該怎麼做。 ──────────────────────────────────── 【一、診所為什麼需要自動化？不是大醫院的特權】 很多診所老闆有個誤解，覺得自動化、AI、RPA 這些東西是大醫院在用的，自己人少、規模小，沒必要。 但實際上，我看到的數據剛好相反——診所的人力配置更緊、每個人要做的事更雜，反而更需要診所自動化。 舉個例子，一家標準的家醫科診所，可能就一位醫師、兩到三位護理師、一位櫃台。但他們要處理的事情包括：掛號、現場分流、病歷調閱、健保申報、慢箋管理、檢驗報告通知、預約提醒、LINE 客服、口碑回應、進貨庫存。任何一個環節卡住，整天節奏就亂了。 大醫院因為人多，可以一個職位專做一件事。診所做不到，所以每個人都在做「半專業 + 半雜事」的工作。診所自動化要做的，就是把「雜事」這部分用系統跑掉，讓專業人員專心做專業的事。 ──────────────────────────────────── 【二、掛號自動化：從凌晨電話到 LINE 機器人】 回到開頭那位家醫科醫師。 他們診所的掛號流程原本是：早上 8:00 開始電話預約、9:00 現場掛號開放、LINE 接受全天諮詢，但要等護理師有空才回。結果就是電話常常打不進、LINE 訊息累積到深夜、現場看到掛號滿了還要解釋給病人聽。 我們協助他們導入掛號自動化之後，流程變成：LINE 官方帳號接管 90% 的掛號入口，病人輸入「掛號」自動跳出當天剩餘號數與時段；選好時段直接給號；候診人數即時更新；前 3 號到了會自動推播提醒病人準備出門。 電話保留下來，但只接「真的需要人講」的案例（複診諮詢、轉介、急症詢問）。 護理師的工作量直接降了 40%。重點不是省人，是讓那兩位資深護理師願意留下來。 ──────────────────────────────────── 【三、病歷處理自動化：紙本到電子的最後一哩】 很多診所現在還有大量紙本病歷。不是不想電子化，是電子化的「過渡期」太痛苦——既要用舊系統、又要建新系統，醫師一個下午要看 40 個病人，根本沒時間慢慢輸入。 病歷處理這件事，自動化的切入點其實很巧妙。我們不是要求醫師改變看診習慣，而是用 OCR + AI 把醫師手寫的單據、檢驗報告、轉診單，自動辨識成結構化資料，存到電子病歷系統。 我們協助一家骨科診所做這件事，他們原本 X 光報告要靠護理師手動 key in 到病歷，平均一份 6 分鐘。導入醫療 AI + OCR 之後，一份 30 秒，而且錯誤率比人工還低。 醫師的看診筆記也是。原本要在診間打字，現在可以用語音輸入 + AI 整理，看完一個病人，病歷就自動寫好 70%，醫師只要補關鍵判斷。 這就是病歷處理自動化最大的價值——它不是取代醫療專業，是把醫療專業從「文書工作」裡解放出來。 ──────────────────────────────────── 【四、醫療 AI 的真實應用：影像、預約、衛教】 醫療 AI 這四個字這幾年很紅，但在診所端真正落地的，其實是三個很實務的場景。 第一個是影像輔助判讀。眼科、皮膚科、放射科這些科別，AI 可以做為「第二雙眼睛」，把可疑病灶標出來讓醫師再確認。我看過一家眼科診所，導入眼底影像 AI 之後，糖尿病視網膜病變的早期發現率提升將近一倍。 第二個是智慧預約。AI 會根據過往看診時間、病人類型、季節因素，預測每個時段的看診時長，自動調整號次間隔。減少病人等候時間，也減少醫師被擠壓的情況。 第三個是衛教自動化。病人看完診，AI 自動依據病名、用藥、注意事項，產生個人化衛教訊息推到 LINE。醫師不用花時間重複講「飯後吃」、「七天回診」、「避免劇烈運動」，省下來的時間可以多看一個病人，或者準時下班。 醫療 AI 在診所不是要做出醫療診斷，那是醫師的工作。它是要把醫師身邊那些「重複、規則性、低判斷強度」的工作接走。 ──────────────────────────────────── 【五、診所自動化的常見三個誤區】 最後講一下我這幾年看到的三個常見誤區，給打算導入診所自動化的老闆參考。 第一個誤區：以為要全部一次到位。診所人力有限，一次導入太多系統，前台後台都會崩潰。比較好的做法是先做掛號自動化（最有感）→ 再做 LINE 客服 → 再做病歷處理 → 最後串醫療 AI。 第二個誤區：把自動化當成「省護理師」的工具。這個心態會讓導入失敗。實務上沒有一家診所是因為導入自動化而資遣護理師，反而是因為導入之後留得住資深護理師。資深護理師的價值在「判斷」與「人際」，那不是機器人做得到的事。 第三個誤區：忽略病人感受。診所自動化的目標不只是內部效率，更是病人體驗。如果病人覺得「被機器人應付」，自動化就失敗了。設計時要把「人味」留下——機器人回完，要讓病人知道「下一步可以怎麼找到真人」。 戰國策做診所自動化，這三點是預設動作。我們踩過坑，所以知道怎麼幫診所避開。 ──────────────────────────────────── 【六、給診所老闆與經理人的一句話】 診所這幾年的競爭其實愈來愈激烈。同一條街、同一個科別，可能就有三家在搶病人。 但我觀察到一件事——病人選診所，不只是看醫術，是看「整體體驗」。掛號順不順、櫃台有沒有耐心、LINE 訊息有沒有人回、回診提醒有沒有到、衛教內容清不清楚。 這些「整體體驗」的事，靠人撐很累，靠診所自動化很穩。 戰國策集團 26+ 年陪台灣各種規模的服務業走過自動化這條路，診所這個垂直市場我們有很多實戰經驗。如果你也在思考診所自動化怎麼起步，歡迎聊聊。 ──────────────────────────────────── 【七、常見問題 FAQ】 Q1：診所自動化跟診所管理系統（HIS）是同一件事嗎？ 不是。HIS 是診所的核心系統（病歷、健保申報、收費），診所自動化是「圍繞 HIS 之外的流程」——掛號、LINE、衛教、預約提醒這些。兩者要互補，不會互相取代。 Q2：我們是小型診所，導入自動化會不會太貴？ 診所自動化的好處就是可以模組化。先從掛號自動化開始（入門方案六位數內可以做），看到效益再延伸。不需要一次砸大錢。 Q3：掛號自動化會不會讓老人家不會用？ 這是最常被問的問題。實務上，會用 LINE 的老人比想像中多。但我們設計時一定會「保留電話與現場掛號」，自動化只是多一個選項，不是取代。 Q4：病歷處理用 OCR + AI，辨識準不準？ 醫療單據的辨識率目前可以做到 95% 以上，比人工 key in 還準。剩下 5% 的不確定，系統會標記出來讓人確認，不會直接寫入病歷。 Q5：醫療 AI 在診所合法嗎？會不會違反醫療法？ 要分情況。「輔助判讀」是合法的，但最終診斷必須由醫師做；「衛教自動化」、「掛號自動化」完全沒問題。我們在設計時會把法規邊界畫清楚。 Q6：診所自動化導入大概需要多久？ 單一模組（如掛號自動化）3 到 6 週可以上線。整體（掛號 + LINE + 病歷 + 預約提醒）大約 3 到 4 個月。我們建議分階段做，看到效益再往下推。 Q7：戰國策有提供診所 SBIR 代辦或營運陪跑嗎？ 沒有。戰國策只提供「工作流程自動化導入」，包含診所 RPA、LINE 客服、OCR 病歷處理、醫療 AI 串接。SBIR、陪跑這類服務我們不做，建議找專業醫療顧問。 Q8：護理師會不會擔心被自動化取代？ 會擔心，但我們協助過的診所，沒有一家因為導入自動化裁掉護理師。原因很單純——護理師的核心價值在「判斷」與「人際照護」，這部分機器人做不來。導入後反而留得住資深護理師。 Q9：如果我們是醫療連鎖（多間分院），需要怎麼規劃？ 連鎖的好處是「一次規劃、多店複製」。我們會建議先在旗艦店試做半年，把流程跑順、把細節調好，再標準化複製到其他分院。這樣總成本最低、風險也最小。 Q10：診所自動化做完之後，預期的 ROI 大概多少？ 我們協助過的診所，平均在 8 到 14 個月內回收投資。除了顯性的人力節省，更大的價值是「資深員工留得住」、「病人滿意度上升」、「醫師有時間做進階服務」。 ──────────────────────────────────── 【戰國策企業一站式管理系統｜業界領導品牌．26+ 年企業服務資歷】 26+ 年陪台灣服務業走過數位化、自動化、智慧化三個階段。協助多家診所、牙科、復健、中醫導入掛號自動化、LINE 客服、病歷處理、醫療 AI，讓醫護專業留給真正需要的事。 服務專線：0800-003-191 LINE 諮詢：@119m 官方網站：RPA.com.tw （戰國策提供工作流程自動化導入，不提供 SBIR 代辦與陪跑 SOP 服務。）

產品設計師、UIUX設計師、視覺設計師，傻傻分不清？！沒有設計師經驗的採訪編輯透過自學也能轉型成為產品設計師！這一集，跟著資深產品設計師Kinny一次搞懂各種設計師的精髓和差異。其中，產品設計師可視為UIXI設計師和視覺設計師的進階職務，光有設計美感還不夠，還要擅長溝通，看透user的痛點，擬定產品策略，讓抽象的概念具體化。 【Pocket Casts這裡聽】　 【MixerBox這裡聽】 【本集來賓】Kinny Lai 賴沼彣，104人力銀行設計處平台體驗設計部經理，帶領8位產品設計師，團隊負責104逾20個產品設計。曾擔任視覺設計師、UI設計師，現為產品設計師。 【本集重點】04:33 非典型設計師職涯，網路小編也能當設計師？05:38 視覺設計師重「好看」，產品設計師重「好用」08:15 產品設計師是UI、UX進階職類13:11 網路產品設計師，一條龍前中後都要兼顧。開發前，使用者研究，對齊公司產品與目標15:40 開發中：梳理資訊架構、內容結構，其次是視覺設計、符合品牌調性16:24 上線後才是挑戰，驗證，了解使用者反饋。17:40 前期最困難，溝通最花心力與時間，把模糊需求具體化23:17 具備跨單位溝通能力，產品設計師是橋樑 ▍　開箱更多職務，你別錯過EP466【百工大吉】工程師斜桿自媒體，月增六千零用金。工作療癒系po文，圈粉超自然 EP434 【百工大吉】前端工程師多非本科生？ 說人話、懂人性，決定你的本事 EP427 【百工大吉】開箱show girl (上)：技能篇。選腦子！3C產品主持展示，上場前，先考試

當AI成為每個人都能用的外掛，獲取專業能力的成本就發生了斷崖式下跌。台灣大哥大總經理林之晨與資訊長蔡祈岩指出，生成式AI終結傳統分工邏輯，唯有翻轉晶體智力、全面轉向流體智力，才能不讓自己變成被組織埋葬的零件。本文節錄自《逆分工》。 文／林之晨、蔡祈岩 本文目錄（點擊可快速前往） AI為什麼是那個「破牆者」？AI帶來的改變：專業能力邊界消失硬知識貶值了，活腦袋才是王道 既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？ 原因很簡單：過去做不到。 過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。 你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。 直到生成式AI出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。 AI為什麼是那個「破牆者」？ 要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。 根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。 我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。 AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」──它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。 它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。 這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。 AI讓這件事變了。 AI帶來的改變：專業能力邊界消失 當AI成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。 這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。 但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。 在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。 這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。 「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。 硬知識貶值了，活腦袋才是王道 我們接著談智力。 這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。 我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。 第1種：晶體智力 你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。 例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。 這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。 第2種：流體智力 它更像是你大腦的中央處理器，負責運算速度和靈活性。 它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。 例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。 殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。 如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。 未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。 當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。 節錄自：天下雜誌出版《逆分工：AI 時代的生產力革命，重構組織、市場到經濟的生存新賽局》／林之晨、蔡祈岩 著

一、從事石綿特殊作業的體格（健康）檢查紀錄，應至少保存______年？ 二、一般體格檢查保存多久______年？ 三、雇主對在職勞工，應依下列規定，定期實施一般健康檢查： 1.年滿六十五歲者，每年檢查______次。 2.四十歲以上未滿六十五歲者，每______年檢查一次。 3.未滿四十歲者，每________年檢查一次。

長照產業商業模式：創業從0開始《50床長照機構一年營收模型》 一、基本假設條件 機構規模： • 床數：50床 • 入住率：90% • 實際住民：約45人 平均收費： • 每人每月：40,000元（含住宿、照護、餐費） 二、每月營收 住民收入：45人 × 40,000元= 1,800,000元 政府補助 很多住民有長照補助。 平均：每人 5,000元 45人 × 5,000= 225,000元 其他收入 例如： • 尿布 • 營養品 • 特殊照護 平均：每人 3,000元 45人 × 3,000= 135,000元 每月總營收 項目 金額 住民費用 1,800,000 政府補助 225,000 其他收入 135,000 合計：2,160,000元 / 月 三、每月成本 長照機構最大成本是 人事費。 1 人事成本 50床機構典型人力： 職位 人數 護理師 2 照服員 10 社工 1 行政 1 廚務清潔 2 約 16人 平均薪資：約 38,000元 人事成本：16 × 38,000= 608,000 加上： • 勞保 • 健保 • 加班 通常約：900,000 / 月 2 租金 依城市不同： 約 200,000 – 400,000 假設：300,000 3 餐食成本 平均：每人 6,000 45人 × 6,000= 270,000 4 其他費用 包括： • 水電 • 尿布 • 清潔 • 維修 約：200,000 每月總成本 項目 金額 人事 900,000 租金 300,000 餐食 270,000 其他 200,000 合計：1,670,000 / 月 四、每月淨利 營收：2,160,000 成本：1,670,000 每月淨利：490,000元 五、一年營收與利潤 年營收2,160,000 × 12= 25,920,000 約：2,600萬 年利潤490,000 × 12= 5,880,000 約：590萬 六、投資回本 如果開一家50床機構： 投資： 項目 金額 裝修 800萬 設備 300萬 前期營運 500萬 總投資：1600萬 如果一年賺：590萬 理論回本：3–4年 七、實際經營可能情況 現實通常會有波動： 第一年：入住率60% 第二年：入住率80% 第三年：入住率90% 所以很多機構：5–7年回本 八、長照經營最重要的三個變數 影響獲利最大的是： 1 入住率 每增加10%入住率，收入增加很多。 2 人事成本 如果照服員不足：加班費會增加。 3 租金太高會壓縮利潤。 長照機構不是暴利 但只要入住率穩定，就是有了很穩定的現金流生意