寫給正在評估我們的人
2018 年，我們幫大同醫院健康管理中心把一本翻到快爛掉的預約簿搬上線——八成的健檢預約從此不再經過電話。時任主任把我們推薦給下一家醫院，然後是下一家、再下一家。八年過去，同一個人在健檢中心、職場、社區留下的健康紀錄，第一次流進了同一個地方。故事才走到一半。
為什麼這件事會越滾越大
每多服務一家機構，我們就多懂一種現場。每多懂一種現場，一個人的健康紀錄就多接上一段。紀錄越完整，就越知道誰、在什麼時候、需要什麼幫助。幫助給得越準，成效就越明顯——而成效，就是下一家機構點頭的原因。
前半圈，八年的院所實績已經驗證；後半圈，正在企業場景中發生。
每轉一圈，都比上一圈快
飛輪轉得動的原因
生態系會不會轉，不是靠人多，是靠這三顆引擎把每一圈需要的工——整理、判斷、交代——壓到最短。它們跑在同一個底座上，每一筆紀錄都同時餵養三顆。
匯入一條龍
把試算表、掃描報告、各種格式的表單自動辨識、清洗，變成一筆結構化、可追溯的醫療紀錄（FHIR）。
終結「說完了還要再打一遍、對完一批新的又進來」。
族群洞察
把個別紀錄拉高成群體視角，主動點出該行動的族群——哪一群高風險個案該進追蹤了——並直接接上照護計畫。雇主端只看得到群體結構，看不到個人。
終結「資料進來了，卻看不出全貌」。
行政公文
OCR 加上文件理解，把政府要求的各種格式表單、稽核與法遵文件自動生成。
終結「稽核前才發現記錄有缺」，法遵文書從幾天縮成幾分鐘。
別人要重做四套系統、養四批 AI；我們是同一個底座長出四個場域，每一筆紀錄都在餵同三顆引擎——資料越用越厚，模型越用越準。這就是別人補不回來的時間差。
為什麼是我們，不是更大的公司
因為這個循環沒有捷徑。醫療現場的信任、每一家健檢中心不同的報告格式、每一張政府要求的表單——都只能用時間換。我們的時間從 2013 年開始計算，中間沒有斷過。
AI 讓這一切跑得更快：語音說完即成紀錄、報告拍照即能歸檔、法遵文書從幾天縮成幾分鐘。但 AI 只是加速器，方向盤在八年的現場經驗手上。
8 成
健檢預約轉為線上（大同醫院）
破百
中高階健檢單月人次，原本二、三十（小港醫院）
2013
進入醫療現場的起點，至今沒有離開
我們要去哪裡
從一個健管中心，被推薦進整個高醫體系。四個場域的工具都在真實院所運轉，拿到衛福部的認證與入選。這一段證明了一件事：醫療現場願意把日常交給我們。
健檢中心與企業職場，本來就是同一群人的兩端——我們同時站在兩端。健康臺灣深耕計畫此刻打開了醫院端的預算與意願，政策窗口不會永遠開著，這是我們此刻踩油門的原因。
紀錄夠完整之後，健檢報告上的紅字會自己去找對的服務。而且能媒合的遠不只健康服務：運動、紓壓、手作、家庭日、進修，需要談談的也有心理支持。員工自己選，雇主只看得到「大家有沒有變健康」，服務提供者接觸到真正需要他的人。三方都付得心甘情願的生意，才是會自己長大的生意。
第一圈我們轉了五年，因為每一步都是手工。現在，AI 把每一圈需要的時間越壓越短。
第三段路面對的市場有多大：台灣有逾 167 萬家企業、逾 900 萬名受僱者，每年的員工健檢多半看完就收進抽屜。把「收進抽屜」變成「接上服務」，就是這門生意的規模。