Why AI Could Finally Fix Healthcare Access | Zocdoc CEO Oliver Kharraz｜深度中文详解

播出信息（日期2026-10-17；时长2096秒；含音频/YouTube/Episode 链接）

• 日期：2026-10-17
• 时长：2096 秒（34 分 56 秒）
• 节目：a16z Podcast
• 主持人：Julie Yoo
• 嘉宾：Zocdoc 创始人兼 CEO Oliver Kharraz
• 音频：收听本集
• YouTube：无本集 YouTube 链接
• Episode：官方节目页

背景

找医生不是普通的搜索问题。患者需要同时确认医生是否合适、是否接受自己的保险、何时有空，以及那个时段能否真正约上。医院、诊所和保险机构各自维护信息，排班软件与诊所的实际工作方式也未必一致。因此，一个看似可用的医生名录，距离一次成功就诊仍有好几步。

Zocdoc 长期以面向患者的医生搜索与预约平台为人所知。本集讨论的是它正在扩展的角色：让保险机构、AI 助手及其他平台也能调用其预约能力，而不要求患者必须从 Zocdoc 网站开始。

总结分析

这期节目的核心转变，是把医疗可及性从“能不能查到医生”推进到“能不能完成预约”。Kharraz 认为，静态医生名录会不断过期；只有患者实际预约、诊所确认并持续使用，平台才有机会及时发现保险、排班或诊所流程中的错误。Zocdoc 因而试图将多年积累的系统对接和运营经验，变成供其他入口调用的基础设施。与 Gemini 的合作，是这一方向的例子：AI 可以理解需求、组织选择，Zocdoc 则负责把建议连接到可预约的号源。

这并不等于美国医疗预约难题已经被普遍解决。Kharraz 给出鲜明对比：全国初级保健平均等待时间据其所述已从约 17 天升至 31 天，而通过 Zocdoc 通常可在三天内约到医生。他的解释是，平台能重新利用取消、改期后留下的临时空位，而非凭空创造医生供给。这个思路令人信服，但平台内的等待时间、覆盖范围和医生质量仍需分开检验。节目另一条主线是控制权：Kharraz 反对任何机构独占医疗“前门”，认为患者应按当下需要选择入口和医生；主持人则追问，选择一旦交给 AI 智能体（Agent），排序是否仍然公平，以及开放入口会否削弱长期照护协调。由此看，AI 最可能先改善的是信息到预约之间的执行断层；至于适配性、费用、质量和后续照护，仍不能仅凭一次成功订位来判断。

节目结构 / 议程

1. Zocdoc 从预约网站走向基础设施 — 00:51 🎧
2. 为什么“能查到”不等于“能约到” — 05:33 🎧
3. AI 入口、患者选择权与 Gemini 合作 — 11:42 🎧
4. 专科预约与诊所工作流 — 16:49 🎧
5. 保险机构接入与收费逻辑 — 21:56 🎧
6. 等待时间、空位质量与未来目标 — 27:46 🎧

分节详解

1) Zocdoc 从预约网站走向基础设施 — 00:51 🎧

💬 他们说了什么：Kharraz 说，患者仍可在 Zocdoc 找接受其保险的医生并直接预约；新变化是，支撑这一体验的技术也开始提供给保险机构、AI 平台等第三方。他认为，与其不断出版一份会过期的“医生百科全书”，不如让预约交易持续校验资料。对于已接入的医生，他称平台数据准确率超过 99%；但连接数百种电子病历系统、映射数以万计的保险计划和处理各诊所流程，花了约 20 年。

💡 为什么重要：平台的价值不只是展示医生资料，而是让外部应用能够发起并完成预约。如果这一能力可靠，患者从保险目录或 AI 对话开始，也不必再跳到电话排队。

⚡ 争议点：“超过 99%”针对已连接网络中的数据，不应理解为全美医生名录都已准确；准确率的计算口径和预约最终成功率，节目中也未交代。

2) 为什么“能查到”不等于“能约到” — 05:33 🎧

💬 主持人把医生数据分成身份与资质、实际执业情况、实时可预约时段三类。Kharraz 认为后两类尤其难标准化：Zocdoc 已有针对 175 种以上电子病历系统的现成集成，仍可能遇到医生请假只被诊所经理写在显示器便利贴上、没有录入系统的情况。团队不得不逐一处理大量微小却会导致取消预约的例外。他也强调患者视角：患者会比较多位医生，但一旦建立关系，在同一专科再次预约时，约 75%—80% 会回到同一位医生。

💡 软件接口读到的日历，不一定等于诊所真正执行的日历。预约准确性取决于技术集成，也取决于发现和纠正线下工作习惯。患者在初次选择时拥有开放选项，并不必然妨碍此后形成稳定关系。

⚡ 同一专科的重复预约率可以说明留存，却不能单独证明诊疗效果更好，也不能回答跨专科、跨机构的照护协调是否充分。

3) AI 入口、患者选择权与 Gemini 合作 — 11:42 🎧

💬 双方谈到 Zocdoc 与 Gemini 的合作。Kharraz 将分工描述为：AI 提供更个性化的信息，Zocdoc 将建议变成可执行的预约。他希望医生只需对接 Zocdoc 一次，就能把可用时段分发给不同患者入口，而无需逐个连接 AI 智能体。面对主持人关于智能体如何排序候选医生的追问，他说 Zocdoc 会提供可用选项，由患者及代表患者的智能体决定匹配结果。

💡 医疗入口可能从单一网站变成搜索、保险会员页和多种 AI 助手。共同的预约层可以降低医生逐一接入的负担，但患者实际看到什么，仍取决于入口如何表达其偏好。

⚡ 把 AI 智能体视作患者意志的延伸，并不能自动保证它准确理解患者要求。若智能体只展示少数选项，排序依据、遗漏项和商业关系仍需透明。

4) 专科预约与诊所工作流 — 16:49 🎧

💬 Kharraz 说平台覆盖 250 个专科类别，仅纽约市就有数万次肿瘤科预约经由 Zocdoc 完成。对于专科诊所担心患者占用不合适号源，他认为筛选工具在改善，患者也常按初级保健医生的转诊建议寻找专科。产品方面，Zocdoc 的能力如今也可放在医生官网、呼叫中心及诊所内部，而不限于自有网站。

💡 若预约工具只适用于常规、低复杂度就诊，它对医疗可及性的改善会有明显边界。专科场景则要求平台处理更细的临床匹配与诊所规则。

⚡ 预约量不等于专科匹配质量。节目没有提供误约、转诊资料是否齐备、预约后能否顺利就诊等指标。

5) 保险机构接入与收费逻辑 — 21:56 🎧

💬 加州 Blue Shield 会员可在保险方目录直接预约，由 Zocdoc 提供底层能力。Kharraz 认为，及时引导患者去门诊，也可能减少急诊使用；他称急诊费用可达门诊的 10—12 倍。商业模式上，Zocdoc 从统一订阅费转向对“泛搜索后发现医生并预约”的订单向医生收费；若患者原本就指定某位医生、平台仅协助订位，则不收该笔费用。他称过去 12 个月新签约医生中 97% 主动联系平台。保险方等合作伙伴的收费则依关系而异。

💡 保险匹配决定一个可预约时段对患者是否真正可用；区分“带来新患者”与“替既定患者完成订位”，也是降低医生加入门槛、解释平台收费依据的关键。

⚡ 急诊与门诊费用比较不能说明所有急诊都可由门诊替代。不同合作关系的具体收费、转介激励及合规安排，节目没有展开到足以独立评估的程度。

6) 等待时间、空位质量与未来目标 — 27:46 🎧

💬 Kharraz 称，美国初级保健的全国平均等待时间从 Zocdoc 创立时约 17 天升至如今 31 天；通过其平台，患者通常能在 3 天或 72 小时内看到医生，原因包括及时填补取消和改期留下的时段。他称医生总体时段利用率略低于 70%。针对“能迅速约到是否意味着医生较差”的质疑，他举例说，一位自认未来三个月都约满的医学中心负责人，在继续上线约 30 天后，仍因临时空位获得约 40 次预约。他表示平台会审核医生资质并移除不符合要求者，长期目标是连接更多医生与患者入口。

💡 等待时间既受医生供给影响，也受现有时段能否被及时发现和利用影响。释放临时空位，可能让患者更快就诊，同时减少医生的闲置时间。

⚡ 三天内约到的患者，与全国等待时间统计所涵盖的人群及条件未必相同；临时空位也不能解决某地区或专科根本缺少医生的问题。节目未给出质量审核标准及移除比例。

人物与机构

• Oliver Kharraz：Zocdoc 创始人兼 CEO，本集主要受访者。
• Julie Yoo：a16z 普通合伙人，本集主持人；曾从事医疗服务方信息与预约相关工作。
• Zocdoc：医生搜索与预约平台，正向第三方提供医疗预约基础设施。
• Gemini：节目提及的 Zocdoc 合作 AI 平台。
• Blue Shield of California：节目所举保险机构接入案例，会员可从其目录发起预约。
• a16z：本集节目的出品方。

金句

“在电商，你可以买；在旅行，你可以预订；在医疗，你却被挡在门外。”——Oliver Kharraz，意译

“我们不需要每一次预约都发生在 Zocdoc 网站或应用里；我们希望患者敲的每一扇门都能打开。”——Oliver Kharraz，意译

“患者赢了，所有人才会赢。”——Oliver Kharraz，意译

洞见与延伸背景

医疗预约的难点可以理解为三层连续校验：这个医生是否适合我、我的保险是否适用、这个时段是否真的能订。AI 擅长在对话中帮助患者说明需求，却不能仅凭语言生成能力保证后两项成立。Kharraz 所说的“基础设施”价值，就在于把患者选择连接到诊所实际执行的工作流。

同时，“有号”只是就医链条的一环。尤其在专科，转诊要求、既往病历、就诊费用和后续照护安排，都可能影响一次预约是否真正解决问题。评价这类产品时，应把搜索便利、订位成功与临床结果区分开。

争议与需核实

• 数据口径：超过 99% 的准确率、三天内就诊及全国 31 天等待时间，分别如何定义、统计和取样？本集未提供可复核的方法说明。
• 覆盖与代表性：平台接入医生的地区、专科和保险分布，是否足以支持更广泛的可及性判断？
• AI 排序公平性：第三方智能体若筛选或重排候选医生，患者能否看见完整选项及排序理由？
• 医疗适配与质量：专科误约率、预约后的实际到诊率、医生审核标准及患者结果，仍需更多证据。
• 费用与合规：泛搜索预约收费与指定医生免费订位之间如何判定；不同保险或平台合作的商业条款如何影响推荐，需要进一步说明。

行动建议

• 患者：使用 AI 或预约平台找医生时，同时核对保险网络、具体就诊项目、最早时段及诊所最终确认信息；专科就诊尤其要确认转诊与病历要求。
• 医疗产品团队：不要只以“找到医生”衡量成功；追踪预约确认、取消、实际到诊和不匹配原因。
• 诊所与保险机构：检查线上日历与线下排班习惯是否一致，并明确取消后的空位如何及时重新开放。
• 评估 AI 智能体的人：要求其说明推荐条件、排序依据及无法完成预约时的人工接续方式。

来源

• 本集官方 Episode 页面
• 本集音频
• 英文转写来源：asr:transcribe-svc:job_e95cea95a555。时间戳依据所提供转写；文中受访者数据与案例均按其节目陈述呈现，未作独立核验。