让我们来继续寻找那些AI不太好替代的人类“铁饭碗”。
医疗行业中，有一个岗位的AI化与自动化一直以来备受争议。正方认为分分钟被AI取代不用解释，反方却认为这是人类最稳的岗位之一，医生被取代了它都不会——那就是护士。
有心人肯定会发现，大约从2015年到现在，各种各样的智能护士、机器人护士、AI护士系统层出不穷。近到我们身边的医院，远到世界知名学府的实验室，各种与护士相关的AI技术不断出现。于是不断有媒体和专家发出声音，认为AI浪潮很可能对护士群体产生职业挤压效应。
与此同时，中国护士行业的实质状况，是近几年虽然注册护士人数不断增加，高学历护士比率不断扩大，但护士岗位的整体需求缺口却在不断加大。2010年，有研究报告提出全国护士缺口总额大体在120万人，而到了2017年，多种研究报告认为这个缺口已经增加到了300万以上。
换句话说，当务之急或许不是护士能不能被取代，而是能不能解决没有那么多护士的社会问题。
想要探究AI技术与护士岗位之间的关系，我们必须先认真了解一下“AI护士”到底能做什么。知道了AI的能力边界之后，才可以客观讨论人类与机器在这一行业中的共存状况。
大体来看，今天的AI护士可以分为两种：智能平台与机器人。
虚拟护士
我们知道，护士的工作是非常复杂的。而用AI技术来替代这些工作，也就自然而然出现了两种模式：一种是不会动的智能平台解决方案，我们这里姑且称之为“虚拟护士”;而会动的自然是“机器人护士”。这只是相对笼统的划分，因为“虚拟护士”也很多被制作成机器人型，方便患者与之交流，而且也常常被安装上并不复杂的移动装置。
我们可以举几个例子，来看看“虚拟护士”们是怎么工作的。
今天在一线城市的三甲医院中，已经可以看到一种“问答机器人”。它基于AI带来的语音交互技术，实现患者可以通过语音与之进行交流。其多被放置在问询台、挂号处等地方，用来回答患者问题，发放排队号码、挂号等等。比如去年年底，上海仁济医院投放了智能问询机器人“小i”。患者可以跟它聊天，咨询专家号、就诊时间、科室分布等问题。
这种AI技术并不复杂，国内BAT以及科大讯飞等公司都提供开源的技术接口，医院或供应商可以根据自己的需求进行开发。其价值在于能够24小时不休息回答患者问题，在实际医疗场景里其实是非常实用的。
这可以看做基础款虚拟护士，但确实可以大幅度降低咨询台、挂号处等工作所需要的人力。
而进一步作用于临床的则是病床看护系统。这类系统最早在英国产生，在日本发展非常迅猛，已经广泛应用。国内的科技公司也已经将类似方案引用到养老、医疗护理等场景。
其工作原理，基本上是利用语音交互+机器视觉摄像头，在病房陪伴患者。患者可以通过语音直接呼叫服务，比如询问时间天气、治疗情况，也可以通过系统呼叫人工服务。此外，系统还可以根据智能摄像头和传感器的观察，自动分辨一些状况，比如患者突然跌倒、患者需要换药等等，来通知护士站进行处理。
这类解决方案相对复杂，需要在病房建立一整套的传感与交互装置，但价值在于可以解决很多病人无人陪床以及夜班护士不够的情况，降低病患的突发情况处置不及时风险。
而在进一步发展中，病房看护AI也在向病房陪伴机器人、养老陪伴机器人方向过渡，从而可以完成被看护者更复杂的指令。
比这再复杂一点的，就是让AI直接参与到护士系统的运算与决策当中去，让AI护士直接升级为“AI护士长”。
这并非不可能实现。2016年，有媒体报道麻省理工计算机科学和AI实验室的一个研发小组日前正在研究一款可为医护人员提供建议，帮助护士系统在复杂情况下进行决策的机器人。
时至如今，这款名叫Ginger的AI系统已经在以色列等地的医院中实际投入使用。
Ginger虽然外形是款机器人，但主要承担的工作还是软件层面的。它的工作原理，是将医疗机构中的护士资源调配进行数据化，从而在任务调配中找到资源的***配置。比如某个手术应该调配哪位护士;如何安排工作能够在医护工作者的工作与休息间达成平衡;如何分配床位等等。此外，Ginger还在不断添加更多AI能力，它就像一个护士系统的大脑，为医疗机构提供建议。
听起来还不错对不对?而在“虚拟护士”之外，一些造价更昂贵，但也更有效率的护士也在来的路上。那就是我们在无数科幻电影中见过的“机器人护士”。
机器人护士
由于护理本身是一个精细要求程度高、但偏于重复性的工作，所以很久以前就有人开始思考能不能用机器人来执行护理工作。
早在几年前，英国、日本等国家就开始在医院中引入机器人护士，当时的解决方案还相对简单，差不多相当于医用物流车。机器护士主要承担在医疗部门与病房间递送医疗器械、传递纸质文件的任务。
而AI技术的成熟，让机器人护士的能力得到了极大的延展。比如人类可以直接与这些机器人对话、机器护士可以通过机器视觉来识别外物，自主判断医患需求并提供服务;而且识别能力与数据智能化处理能力，还让机器人护士在精准度上得到了巨大的提升。很多由护士完成的精密工作也可以交给机器。
从几个案例中，我们可以大体理解机器人护士的工作性质。当然机器人护士的解决方案非常多，能力也千差万别，这里只是示例。
提起机器人护士，无法绕开对机器人疯狂痴迷的日本。虽然日本机器人的强项在于机械制造，但医护机器人领域已经越来越多见到AI的身影。
比如机器人护士界的颜值担当，著名的机器熊。这款日本理化学研究所与RSC合作研发的机器人护士。它的能力是“公主抱”或者搀扶病患，从而帮助病患洗澡或者坐上轮椅等等。在老龄化严重的日本，机器人护士正在得到高速发展，而机器熊的特质在于利用AI视觉+传感系统，它可以相对准确地判断病患替代、速度与空间关系等，从而变成一只足够温柔的熊，不会弄伤老人与儿童，同时也替代人类护士完成了这项最吃力的护理工作。
而在国内，更多机器人护士的工作还是集中在物流上。比如去年年底，协和医院引进了物流机器人“大白”，主要负责手术间所需要的物资配送。
根据数据的显示，一台机器人可以负责20个手术间所需要的医疗器械、药品与文件配送，跑一趟只需要不到两分钟。从效率上看，一台机器人相当4个人类配送员。最重要的是，通过数据标记的识别与智能运算，物流机器人基本可以实现零失误。这解决了一个十分重要的问题：手术室弄错东西很可能造成严重后果，但人类显然是无法保证永远不出差错的。
另一个机器人护士的主要能力，是配药与物资管理这类高精度和高重复性工作。从机器的角度看，这类工作的本质是物理识别与数据匹配，显然可以通过AI识别+高精度机器臂来解决。
这一类工作的更大价值，是让医院中很多高危工作可以用机器人来完成。
比如去年上海仁济医院，就在日间化疗中心引入了配药机器人。由于化疗中心的药物往往有毒副作用，因此配药是绝对的高危工作，尤其孕妇绝不敢尝试。而通过可以自主识别药物、并能判断药物多少的机器人来代替这一工作，放化疗类医疗部门的人力问题或许能得到极大缓解。并且相对来说，AI机器人的配药准确率也会高于人类护士，对于药品库存的把握与预测能力也更为精准。
不难看出，近两年随着AI的爆发，医疗场景中实用机器人技术的案例也在不断扩大。但是AI+机器人这样能够24小时保持高准确率的“新护士”，真的能够一举替代人类护士吗?
恐怕还有点难。
护士的工作性质，与AI的能力/成本边际
AI护士或者机器人护士，***的挑战想必大伙都知道，那就是人类护士需要处理复杂的医患关系，需要依靠经验和观察来与病患沟通，承担着医疗机构与患者间的信息与情感交互。这些显然是AI护士无法完成的工作。
这也是很多专家判断人类护士会比人类医生更晚消失的依据——毕竟医生绝大多数工作是可量化和逻辑化的，临床护士却带有强烈的感性色彩。
而实际上，护士工作难以被取代的原因还不止如此。从上面那些案例就可以发现，护士的工作相当复杂，无论是医疗系统还是护理机器人，都只能设定相对单一的工作目标。再昂贵与高科技的机器人，也不可能取代一个初级护士的全面工作。
这样的现实情况，极大限制了AI护士的能力/成本边际：能力不全面与成本极高昂，迫使医疗机构还是会选择培养和聘用人类护士。
而从AI与人类的协作关系上看，护士领域人类实际负担的是一个极其复杂的工作集群。其中有一些可以被AI+机器人所替代，一些绝对不行，一些可以人机协作方式达成更好效率，还有一些可以替代却可能造成成本过高，效率降低。
因此上，AI护士在今天主要任务还是担任帮手，替代部分低智力密度和高强度岗位，而不是取代任何一个护士的综合工作。
此外，AI护士与医护机器人的成本问题，对于中小医疗机构来说依然是很大的负担。比如一个配药机器人成本要在几百万人民币，大医院可以依靠患者众多摊薄使用成本，中小医疗机构显然还是倾向将资源投入到核心医疗器械的采购当中。
而从AI医护这个行业发展上看，短时间出现具备综合能力、成本合理、适合大规模复制推广的AI护士解决方案，也还是不切实际的。
目前，医疗机器人的技术发展非常不平衡，缺乏统一的模块化系统与行业标准，各国技术优势与发展方案也不平均。这直接导致供应商往往只能提供某种解决方案，医疗机构也只能这边采购一点，那边采购一点，每次增强某个领域的智能化能力，无法实现大规模医护工作被AI所替代。
确切来说，AI在今天更像是给白衣天使们提供的新工具，只是有些是机器人形态，有些不是。比如智能穿戴设备、与病历关联的人脸识别系统，以及主动警报呼叫系统，都在从各方面提高着护士的工作质量与效率。
也就是说，从发展趋势上来看，今天的AI化首先是对护士行业极为有利的。比如应对护士工作中的职业危险，无论是配药机器人、患者智能识别系统，还是医患纠纷情况下的主动报警能力，都解决了突出的行业问题。
而接下来一步，是利用AI与机器人提供的综合护理能力，缓解严重的护士岗位缺口，让护士从业者能够从劳动密集型工作中解脱出来，专注于临床护理与病患沟通等复杂工作。
而在更远的将来，从严格意义上来说，护士岗位的整体数量被AI压缩，是一个大概率事件。但这需要非常漫长的过程，需要科技行业、医疗行业、社会系统的配合与协调。
路还远着呢。
