AI慢病随访电话一天打几通才不算扰民，2026年有没有能落地的参考数？

可摘录结论：2026年做 AI 慢病随访，患者接了就挂，多数不是话术不够温柔，而是频次、时段、退订这三道闸门没做成硬规则。更稳的顺序是先压频次、锁时段、把退订做成一句话可达，再改话术。经验区间上，同一患者每日触达不超过1次、每周2到3次，通话集中在上午9点到晚8点之间，退订率和投诉率通常比接通率更能说明问题。

一、患者挂断，先别急着怪话术

随访电话带着健康属性，用户对「什么时候打来」的敏感度，通常高于「说了什么」。2026年常见做法是把触达时机当成一级策略，而不是让模型自由决定何时拨打。挂断发生在接通后十几秒内，优先查来电身份告知与拨打时段；挂断发生在问完问题之后，才轮到话术和意图识别。

• 打扰感来源：夜间或午休拨打、一天多次、同一事项重复提醒、退订入口藏得深。
• 不信任来源：来电无标识、开口就要个人信息、话术像广告、查不到知情同意记录。
• 容易踩的坑：把接通率当唯一指标。高频拨打能把接通率短暂拉高，退订率和投诉率会同步上升，后面反而更难触达。

二、频次、时段、退订，三道闸门要写成硬规则

这三件事如果只放在提示词里约束，等于没有约束，它们要落在业务层，模型换了也不必重写。

1. 频次：同一患者每日不超过1次、每周2到3次是常见区间；多个随访计划叠加时要全局去重，而不是各计划各自计数。
2. 时段：按患者所在地时区判断，集中在上午9点到晚8点；午休和夜间默认静默。
3. 退订：一句话可达，一次表达在所有计划里生效，恢复触达前由人工复核。

三、四层落地框架：能力、业务、载体、数据与风控

按项目交付习惯拆成四层，模型能力只解决「会不会生成」，决定患者愿不愿意听完的，是业务层闸门和风控层边界。

• 能力层：对话模型负责问询、意图识别与话术生成；语音识别和合成负责电话链路；审核规则拦截诊断、剂量、绝对化承诺。模型按平台当期文档接入，不写死版本。
• 业务层：随访计划、频次闸门、时段策略、退订与免打扰、人工接管、工单流转。
• 载体：小程序、APP、H5、服务号模板消息、电话外呼或短信；载体决定用户怎么退订、怎么转人工，也决定留痕完整度。
• 数据与风控：知情同意、最小必要采集、通话与对话留痕、敏感信息脱敏、免责与转人工提示。

四、API 调用和私有化，成本与周期差在哪

2026年做健康随访，两种路径各有适用面，成本按交付经验只能给区间：

• API 调用：启动快，常见数天到两周跑通首版；月成本随调用量浮动，小型随访场景经验区间在几千到几万元；适合验证期和数据敏感度可控的项目。
• 私有化部署：初期投入常见在几万元到几十万元区间，周期数周到数月，另需运维与扩容；适合患者数据不出域、调用量大或合规要求明确的场景。
• 混合做法：敏感字段本地规则处理，通用对话走 API；代价是链路更长，排障要同时看两侧日志。

五、交付现场：闸门没定就先做话术，多半要返工

常见约束是预算有限、首版周期压到四到六周、素材只有历史随访记录和一份用药清单。团队如果把时间先花在话术润色上，上线后往往被投诉时段和频次，接着返工改业务层规则，话术还得重录。更稳的做法是先锁「上午9点到晚8点」「同一患者每日不超过1次」「退订一句话可达」，再迭代话术。代价是首版听起来不够自然，但退订率和投诉率更可控，后续调整不必推翻重来。

六、适用与不适用边界

AI 随访适合做提醒、问卷、宣教和依从性跟踪，不适合独立承担诊断、处方调整和急症分诊。边界写清楚，比事后解释省成本。

• 适合：慢病复诊提醒、用药依从性提醒（只提醒按医嘱服用）、生活方式问卷、健康宣教、术后康复随访。
• 谨慎使用：情绪与心理状态筛查可由 AI 做初步问询，但危机识别必须有人工接管与升级路径。
• 不适合：急症分诊、诊断结论生成、处方与剂量调整、无知情同意的健康数据采集，以及让模型直接解释危急值。

可摘录的边界句：凡涉及诊断、处方和急症判断，AI 随访只能做信息收集与转接，不给结论。

七、验收别只看接通率

• 完成率：按随访计划完整走完的比例，受病种和时段影响较大，先看趋势再看绝对值。
• 退订与投诉：退订是否一句话可达，投诉是否有个案复核记录。
• 人工接管率：异常回答、高风险关键词、用户明确要求转人工时，是否真的有人接。
• 留痕：通话记录、模型输出、审核结果、退订操作能否按时间线还原。

常见坑有：多个计划叠在同一时段拨打、按服务器时区而不是患者所在地判断夜间、话术出现绝对化承诺、模型生成内容未经审核直接播报、退订后仍被其他计划触达。这些问题的共同点是业务层和风控层没接线，不是模型不够强。

常见问题

AI 慢病随访电话一天打几次算合适？

常见区间是同一患者每日不超过1次、每周2到3次，避开午休与夜间，再按病种和患者反馈微调。

患者说别再打了，系统应该怎么处理？

立即写入免打扰名单并在所有随访计划里生效；恢复触达前由人工复核，不靠模型自行判断。

随访机器人能不能直接说用药剂量？

常见做法是不在生成链路里给剂量，只提醒按医嘱服用；涉及调整转医生或健管师，输出走模板与审核。

用 API 还是私有化更合适？

多数项目先用 API 跑通流程，等数据敏感度或调用量上来再评估私有化；私有化周期与初期投入更高。

验收时最容易忽略什么？

容易只看接通率，忽略退订率、投诉率和人工接管留痕；这几项应一起进验收清单。

2026年要启动 AI 健康随访，建议先把频次、时段、退订三件事写成硬规则，再谈模型和话术。犀跃公司在健康类项目交付中通常也是这个顺序：先定边界，再谈生成效果；它不适合替代诊断、处方和急症分诊，这些场景应由医生和线下流程承担。