当医生把一半时间花在“非看病”上，AI 的切入点不该只是聊天
在墨西哥城一家中等规模的多专科诊所，前台每天要处理数百条来自 WhatsApp、电话和预约系统的患者消息。有人要改约，有人问检查结果，有人描述症状却说不清该挂哪一科。护士和行政人员在这些消息之间来回切换，医生则在下诊间隙补录病历、追查转诊单。诊所管理者很难说清，到底有多少患者因为一次没人接听的电话或一条迟回的消息，最终没有出现在诊室。
这不是某一家诊所的困境。拉美地区的医疗机构长期面临行政负荷过重、信息系统割裂和患者流失率高的叠加压力。当 AI 被引入这一场景，最直接的想象是“智能客服”——但真正卡住诊所的，往往不是不会聊天，而是聊完之后谁来把预约、分诊、随访和病历串联起来。
2026 年 9 月 2 日，总部位于纽约和哥斯达黎加圣何塞的 Konko AI 宣布获得 600 万美元融资，由 Hi Ventures 领投，LifeX Ventures、SquareOne Capital、GroundUp Ventures、Phoenix Fund 以及来自哈佛、MIT、谷歌和特斯拉的天使投资人参与。公司称，这笔资金将用于产品开发和拉美市场扩张。但比融资本身更值得追问的是：一家从预约排期起步的 AI 公司，能否真正嵌入拉美诊所那些“几十个系统并存”的真实工作流？
| 字段 | 内容 |
|---|---|
| 公司 | Konko AI |
| 轮次 | 未披露 |
| 金额 | 600 万美元 |
| 投资方 | Hi Ventures（领投）、LifeX Ventures、SquareOne Capital、GroundUp Ventures、Phoenix Fund、哈佛/MIT/谷歌/特斯拉背景天使投资人 |
| 总部 | 美国纽约、哥斯达黎加圣何塞 |
| 创始人 | Jean-Marc Goguikian、Michael Haddad |
| 官网 | https://konko.ai/ |
从“妻子的文书负担”到 90 家机构：一个由诊所内部长出来的产品路径
Konko AI 的起点带有很强的个人叙事色彩。据公司披露，联合创始人兼 CEO Jean-Marc Goguikian 看到妻子、医生 Juliana Vallejo 在临床工作之外被大量文书和行政事务消耗，于是与哈佛同学、AI 背景的 Michael Haddad 合作创立了 Konko AI。公司称，其首个部署地点正是 Goguikian 与妻子共同创立的诊所。
这一“从自家诊所长出来”的路径，与许多从技术端切入医疗 AI 的公司形成对比。它意味着早期产品迭代发生在一个真实的、有切肤之痛的场景里，而不是在实验室或 demo 环境中。但这也带来一个天然问题：一家诊所的流程能在多大程度上代表拉美数千家不同规模、不同专科、不同数字化水平的机构？据公司披露，Konko AI 从哥斯达黎加起步，随后进入墨西哥和哥伦比亚，目前覆盖 90 家医疗机构、60 个专科。公司称，其平台已处理超过 200 万次患者交互，其中约 75% 由 AI 端到端完成。这些数据来自公司披露，未经独立验证，目前没有独立第三方审计或公开可查的验证报告。
从产品形态看，Konko AI 已经不再是一个单纯的预约工具。公司披露的平台能力包括四个模块：Front Office 负责多语言患者消息、分诊和排期；Reactivate 主动联系患者以闭合转诊闭环、召回爽约患者；Unify 将患者上下文整合为连续且可互操作的记录；Analyze 提供实时分析和所谓“agentic evaluation”，用于评估患者需求。这套组合试图覆盖患者从首次接触到随访的完整旅程，而不是只解决某一个单点问题。
“75% 端到端由 AI 完成”背后：医疗 AI 的自动化率不能只看数字
公司称，约 75% 的患者交互由 AI 端到端处理，该数据未经独立验证。这个数字如果放在客服行业，可能并不惊人；但放在医疗场景中，它的含义要复杂得多。一次“端到端处理”可能只是完成了一次改约，也可能涉及症状初筛、专科匹配和检查安排。两者的风险等级完全不同。
从已披露信息看，Konko AI 的 Front Office 模块处理的是患者消息、分诊和排期，Reactivate 负责召回和转诊闭环。这些任务相对结构化，AI 的容错空间较大。但一旦涉及“agentic evaluation”和“评估患者需求”，就进入临床决策的边缘地带。公司没有披露其 AI 在分诊环节的错误率、人工复核比例或升级机制。也没有披露所谓“agentic evaluation”具体评估什么、以什么标准训练、是否经过当地医疗监管机构的认证或备案。这些未披露项，恰恰是判断“75% 端到端”含金量的关键。
一个可对照的参照系是，美国 AI 患者接入公司 Assort Health 在 2026 年完成了 1.2 亿美元 C 轮融资。该公司同样强调用 AI 自动化患者接入和电话呼叫，但其面对的支付环境、监管框架和 EHR 生态与拉美截然不同。Konko AI 的“75% 端到端”如果放在美国 HIPAA 和 FDA 软件监管语境下，可能面临完全不同的合规要求。拉美各国对医疗 AI 的监管仍在演进中，这既是 Konko AI 快速落地的窗口，也是其规模化过程中必须跨越的隐性门槛。
“最广泛使用”的宣称与拉美医疗 SaaS 的真实天花板
Konko AI 在新闻稿中称，其在一年内成为“其类别中使用最广泛的平台”。这一说法来自公司新闻稿，未经独立验证，且公司未定义“类别”边界，无法复核。拉美医疗 SaaS 市场本身高度分散，缺乏统一的市场份额统计口径，因此“类别最广泛使用”很难被独立验证。公司并未定义“类别”的具体边界，也未披露用于比较的机构范围、时间窗口或统计方法，这使得该宣称在方法论上无法被复核。
更值得关注的是 90 家医疗机构这个客户数量的结构。公司没有披露这 90 家机构中，有多少是 Goguikian 自有诊所体系的关联机构，有多少是独立第三方客户；也没有披露客户留存率、合同金额中位数或收入规模。据公司披露，Konko AI 的客户分布在墨西哥、哥伦比亚和哥斯达黎加三个国家，覆盖 60 个专科。这意味着平均每个专科的机构覆盖数不到两家，单点密度仍然有限。
编辑分析：Konko AI 目前的 90 家客户大概率集中在私营诊所和中小型私立医院，而非公共医疗系统。这一推测的依据是：公司未披露任何公共医疗系统客户；其产品形态以 SaaS 交付为主，与拉美公共医疗采购流程的匹配度较低；且公司披露的客户覆盖三个国家、60 个专科，平均每个专科不足两家机构，更符合私营中小机构的分散特征。该推测的边界在于，公司未披露客户所有制结构，因此无法排除存在少量公共机构或大型私立集团客户的可能。
拉美医疗机构的付费能力和数字化基础差异极大。大型私立医院集团可能有相对完整的 HIS/EMR 系统和 IT 团队，小型诊所则可能连标准化的预约表都没有。Konko AI 强调其平台“可互操作”，但互操作的前提是对方有系统可“互”。在那些仍然依赖纸质记录和 Excel 的诊所，AI 平台需要先完成最基础的数字化改造，这远超一般 SaaS 的交付范围。公司称其平台能“在几十个系统之间”理解诊所的独特工作流，但具体对接了哪些系统、以什么方式对接、是否需要额外集成费用，均未披露。
600 万美元在拉美医疗 AI 竞赛中意味着什么
从资本结构看，这轮 600 万美元由 Hi Ventures 领投，多家机构参与，但公司未披露估值和轮次。600 万美元的规模，放在 2026 年 AI 医疗融资语境中属于早期阶段。相比之下，Assort Health 的 C 轮是 1.2 亿美元，MiiHealth AI 的种子轮是 280 万美元。Konko AI 的融资额介于两者之间，但更接近种子后或 A 轮前的位置。
这笔钱的使用方向，据公司披露，包括产品开发和拉美扩张，具体涉及在哥斯达黎加、墨西哥和哥伦比亚招聘软件工程师和销售人员。从地理分布看，Konko AI 选择在哥斯达黎加和纽约双总部运营，工程团队可能部分位于哥斯达黎加，销售则贴近墨西哥和哥伦比亚市场。这种“近岸工程 + 本地销售”的结构，在拉美 SaaS 公司中并不罕见，但能否在三个国家同时推进，取决于团队规模和本地化能力。公司未披露目前员工总数和各国人员分布。
投资方组合中，Hi Ventures 的拉美本土背景、LifeX Ventures 和 SquareOne Capital 的医疗和跨境背景，可能为 Konko AI 提供行业资源。但值得注意的是，这轮没有出现大型拉美医疗集团或医院系统的战略投资。对于一家声称要“嵌入诊所工作流”的公司来说，战略客户资本的缺席，意味着其渠道验证仍主要依赖直销和产品自证，而非产业背书。
与 MiiHealth AI、Assort Health 的错位竞争：拉美不是“低配版美国”
将 Konko AI 与 MiiHealth AI、Assort Health 放在一起比较，能更清楚地看到它的定位差异。MiiHealth AI 的 DAINA 是一个 agentic AI 医疗助手，专注于患者接入和随访自动化，种子轮 280 万美元，体量更小。Assort Health 则在美国市场用语音 AI 代理处理患者和支付方电话，C 轮 1.2 亿美元，资本密度远高于 Konko AI。
Konko AI 的差异化不在技术路线，而在市场选择。它瞄准的是拉美和更广义的“全球南方”市场，公司称其使命是服务全球南方 56 亿人。这个数字来自公司口径，其市场定义和可服务市场（SAM）的边界并不清晰。拉美医疗 AI 的真实付费市场，远小于人口基数所暗示的规模。以墨西哥为例，其医疗体系分为社会保障机构（IMSS、ISSSTE）、公共保险（INSABI）和私营部门三层，支付能力和采购流程差异巨大。
另一个容易被忽略的竞争维度是替代方案。在拉美中小诊所，Konko AI 的直接竞品可能不是其他 AI 平台，而是 WhatsApp Business 免费工具、人工呼叫中心、甚至医生自己的手机。要让一家月流水有限的诊所为一套 AI 平台持续付费，Konko AI 必须证明其带来的收入增长或成本节约足够显著。公司称客户实现了最高 30% 的收入增长、超过 50% 的生产率提升和最高 30% 的患者 NPS 提升。这些数字同样来自公司披露，未经独立验证。而且“最高”这一表述，意味着实际分布可能非常分散，中位数表现未知。
资金用途与扩张路径：工程师和销售能解决“几十个系统”的问题吗
根据公司披露，本轮资金将用于产品开发和拉美扩张，包括在哥斯达黎加、墨西哥和哥伦比亚招聘软件工程师和销售人员。这一表述本身没有太多信息量，但结合 Konko AI 的产品定位，可以推断其资金分配的几个关键方向。
首先是集成层。Konko AI 强调其平台可互操作，能在“几十个系统”之间工作。这意味着工程团队需要持续开发和维护与不同 HIS、EMR、预约系统和通讯工具（尤其是 WhatsApp）的对接。拉美医疗系统的碎片化程度高，集成工作量大且难以标准化。600 万美元中能有多少真正投入到集成层，将直接影响其跨机构复制的速度。
其次是销售和交付。拉美医疗机构的销售周期长，决策链涉及医生、行政主管和财务负责人。Konko AI 需要在三个国家建立本地销售团队，同时承担交付和客户成功职能。公司未披露其目前的客户获取成本（CAC）和客户生命周期价值（LTV），但从 90 家机构的覆盖规模看，其销售效率仍处于早期验证阶段。
第三是合规和临床安全。随着 AI 从排期向分诊和需求评估延伸，Konko AI 可能需要面对各国医疗设备软件或 AI 医疗应用的监管要求。公司未披露其是否已获得任何认证、备案或监管沟通记录。这是一个重要的待验证假设：如果监管门槛在未来 12—24 个月内提高，Konko AI 的扩张速度可能被迫放缓。
风险与待验证假设：从“自动化率”到“临床结果”的证明链
Konko AI 的核心叙事是“给医生更多时间”。这个叙事在情感上成立，在商业上也有吸引力，但从已披露数据到这一结论之间，存在多个未闭合的证明链。
第一，自动化率不等于医生时间释放。公司称 75% 的端到端 AI 处理率，如果集中在低风险、高重复的排期和消息回复上，确实能减轻前台和行政负担；但这些负担的减轻是否转化为医生临床时间的增加，取决于诊所如何重新配置人力。公司没有披露医生实际节省的时间数据，也没有披露自动化前后医生工作负荷的变化。对 Konko AI 而言，这一缺口尤其关键，因为其创始人叙事正是从“妻子的文书负担”出发，但公司尚未披露其自有诊所部署前后的医生时间对比，也未披露 90 家机构中是否有任何一家完成了此类内部评估。
第二，收入增长和 NPS 提升的归因不清晰。公司称客户实现了最高 30% 的收入增长和最高 30% 的 NPS 提升。但收入增长可能来自 Reactivate 模块召回爽约患者、闭合转诊闭环带来的增量就诊，也可能来自诊所自身的扩张或价格调整。NPS 提升可能来自响应速度加快，也可能来自其他服务改进。在没有对照组和基线数据的情况下，这些数字只能作为方向性参考。Konko AI 未披露其是否在自有诊所或任何客户中设置了对照期，也未披露 Reactivate 模块单独贡献的召回率或增量就诊数，这使得“最高 30% 收入增长”无法被拆解到具体产品动作。
第三，跨市场复制的假设尚未被充分验证。Konko AI 在哥斯达黎加起步，那里有创始团队的诊所网络和本地关系。墨西哥和哥伦比亚的市场结构、支付能力、竞争格局和监管环境不同，能否以相似的单位经济模型复制，是这轮融资后最关键的验证点。公司未披露墨西哥和哥伦比亚客户在 90 家机构中的占比，也未披露各国客户的留存和扩张情况。尤其值得关注的是，Konko AI 的首个部署点是创始人自有诊所，这意味着其早期成功可能依赖创始团队的现场介入和流程改造能力，而非可标准化的远程交付。公司未披露在墨西哥和哥伦比亚的客户中，有多少是无需创始人团队深度介入即可上线的。
第四，竞争窗口正在收窄。2026 年 AI 患者沟通自动化赛道融资活跃，Assort Health 的 1.2 亿美元 C 轮和 MiiHealth AI 的种子轮只是公开可见的一部分。拉美本土创业公司也在进入这一领域。Konko AI 的 600 万美元融资，在资本规模上并不构成护城河。其真正的护城河，如果存在，应该来自对拉美医疗工作流的深度理解和集成积累。但这个护城河能否在产品层面形成可防御的壁垒，目前还缺乏公开证据。对 Konko AI 而言，一个更具体的风险是：其宣称的“几十个系统”互操作能力尚未披露任何已命名的系统集成案例，也未披露与任何拉美主流 HIS/EMR 厂商的正式合作或认证关系。如果这一能力主要依赖定制集成而非标准化连接器，其跨机构复制的边际成本可能远高于一般 SaaS。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Konko AI 的故事之所以值得跟踪，不是因为它宣称的“75% 端到端自动化”有多惊人，而是它试图在一个被全球 AI 叙事忽略的市场里，回答一个更朴素的问题：当诊所的瓶颈不是“不会聊天”，而是“聊完之后谁来干活”时，AI 能否真正嵌入那些由几十个系统、纸质记录和 WhatsApp 消息拼凑起来的工作流。600 万美元不足以证明答案，但足以让这个问题变得更难回避。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。