一句话看懂：美国最大医院连锁 HCA 与 Palantir 合作开发的 AI 排班工具 Timpani，在约130个院区上线后引发护士集体不满，被指排班失衡、忽视偏好甚至危及患者护理。这起争议把医疗 AI 的“落地质量”问题摆上台面。
事件核心：发生了什么
自2023年起，HCA Healthcare 在旗下约190个院区中的130个部署了与 Palantir 共同开发的 AI 排班系统 Timpani。据 Wired 报道，佛罗里达、德州、密苏里等多地护士反映，该工具频繁无视其申请的班次与休假偏好，将护士排成连续多日值班，或出现资历结构失衡——例如一个班次全是新人、没有资深护士带教。一名有十年经验的护士称，自己曾被迫放慢重症患者护理，去指导新手处理轻症。
HCA 方面回应称，最终排班决定权仍在护理管理者手中，并非 Timpani，并表示“减少人手牺牲护理”的说法不实，公司会根据护士反馈持续优化。据 HCA 数据，Timpani 平均只把1%的申请休假日排成工作日，但护士表示，在引入该工具前，被排到红日几乎闻所未闻。
为什么重要
这不是一次普通的软件差评，而是 enterprise AI 在关键行业落地的典型样本。HCA 的规模意味着 Timpani 直接影响约10万名护士中的一部分，牵动的是真实的临床排班和患者安全。更值得关注的是，该工具建立在 Palantir Foundry 数据平台上，属于典型的“数据整合 + 算法调度”路径，而不是对话式大模型。当 AI 系统在缺乏透明度和一线反馈机制的情况下介入高 stakes 决策，问题往往不在模型能力，而在流程设计与责任归属。
目前公开信息显示，HCA 拒绝了工会 National Nurses United 关于该技术细节的信息请求；一名前 HCA 数据科学经理已于今年7月起诉公司，称因质疑 Timpani 而被解雇，并指控 HCA 定期删除用于排班的数据、妨碍审计。HCA 尚未在法庭正式回应。
对用户/开发者/创作者的影响
对做企业级 AI 应用的开发者来说，这个案例说明：模型或算法本身不是全部，部署后的可解释性、申诉通道和人工兜底同样决定成败。排班、调度、资源分配类 AI 一旦缺乏反馈闭环，容易从“提效工具”变成“矛盾集中点”。对企业采购方而言，选型时应把审计日志、数据留存、一线员工参与度作为硬指标，而不只看自动化率。对普通用户和从业者，医疗、物流等场景中 AI 的决策边界正在变得可见，知情权和申诉权会成为新的合规焦点。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 HCA 是否会公开 Timpani 的审计机制与数据留存政策，回应删数据指控；二是美国监管或工会层面是否会推动对医疗排班类 AI 工具的透明度要求；三是 Palantir Foundry 在医疗行业的其他客户是否会因此重新评估部署方式。这三点将决定“AI 排班”是走向规范化，还是继续在争议中推进。
来源：Wired AI
