- 行业
- 医疗健康（国际医院）
- 规模
- 三级综合国际医院 · 全院
- 地区
- 上海
上海一家三级综合国际医院：AI 量化 414 项服务标准，提质与增效同时发生
JCI 认证医疗体系，全院 4,198 个传感器支撑每月 215,821 次交付的逐次核验。上线六周，工单及时接单率从 24% 升到 95%。
- 采用产品
- FMClaw 物业智能体—医疗级设施服务管理
- 发布 / 更新
- 2026-07-24 / 2026-07-24
医疗级服务标准，逐条核对完成率
医院后勤不允许「大概做到了」
这家医院对后勤的要求，和写字楼不在一个量级。它是上海一家按国际标准设计建造的三级综合国际医院，所在医疗体系通过了 JCI 认证。配电、暖通、给排水的一次漏检，在写字楼是服务瑕疵，在医院可能是安全问题。保洁关系院感，安保关系患者安全。
难点在于每一项服务不但要做，还要能证明做到了标准。而 FM 服务人力密集、频次密集，过程看不见，工作量和质量的关系说不清。
上线前的状态很典型。服务标准写在制度里，执行靠干部用人盯人。工作量靠经验估，多少人算够、忙闲是否均衡，没有人能给出数字。传统的预防性维护计划解决了「有计划」，解决不了「每一次都真实到位」。
414 项标准建模，215,821 次交付量化
2020 年起，启盟为这家医院提供服务，用 FMClaw 把整套 FM 服务做了数字化改造。改造分三步走。
- 服务标准建模
结合平台推荐、医院原有标准与现场访谈，把「打扫干净」拆成点位、动作、频次、程度。三大工种共建模 414 项标准。
- 交付量化
由标准量化出全院每月 215,821 次服务交付：保洁约 16 万次、安保约 3.5 万次、工程约 2 万次。
- 执行核验
全院投入 4,198 个传感器，谁、何时、在哪个点位、做了什么服务可被完整还原；关键设备的应检应修接入「人单合一」现场核验。
数据跑起来后，AI 把过去只能凭感觉争论的问题变成了数字。管理者第一次看到三类偏差。
- 排班与实到的系统性偏差有的工种日均缺勤 4 人，有的日均加班近 2 人。
- 工时高度集中两个楼层用掉全院 71% 的工时，单点最高的三个点位每天消耗 210 个工时。
- 漏修漏检当天可查人真到了那个位置才填得了那张单，漏检从事后发现变成当天暴露。
改善是按周看得见的。服务标准完成率每周对焦、持续上行，工单指标六周内换了一个量级。
效率的答案随之浮现。有效工时、服务频次、服务标准都被量化后，多少人真正够用不再靠猜。人员优化幅度较大的是工程与安保团队。
数据照出了旧问题
- 起初以为
- 服务过程数据化之后，管理者看到的主要是效率和质量的改善空间。
- 实际发生
- 数据也照出了过去看不见的执行问题：部分岗位人在班上，实际服务量却远低于配置。认真做事的人乐见其成，靠旧办法过日子的人则未必。
- 后来怎么过的
- 按实际服务量重新调整了岗位配置，而不是拿数据去追责个人。这一步绕不过去：想让数据用于决策，就得接住它先暴露出来的东西。
“通过技术手段实现服务过程的数据采集与分析，对成本、质量、效率三者实现可视化，让运营在可控状态下敏捷调配、持续优化。”
提质与增效同时发生
这个项目最值得记下的是两件通常矛盾的事同时发生了。服务质量的关键指标持续上行，服务团队却从 174 人减到 147 人。原因不神秘：每月 215,821 次交付都被量化后，人力配置第一次可以对着事实做决定，砍掉的是错配和空转。
对医院来说，这就是它要的提质增效。钱花在真实发生的服务上，安全建立在可核验的记录上。
这套方法回答的是同一个问题：制度里写的每一次服务，今天真的发生了吗。服务标准建模、频次量化、有效工时统计与现场核验，已成为 FMClaw 的标准做法，正在其他高安全等级场景中复用。
适合谁，什么情况下不适合
- 服务一次不到位就可能是安全问题的场景，如医院、实验室、洁净区
- 服务人力密集、频次密集，工作量和质量的关系说不清
- 要向认证或监管交代每一次服务都达到标准
- 服务标准还停在制度文字层面，没有拆到点位、动作、频次、程度，建模就没有输入
- 把减员当成开场就宣布的项目目标：这里的减员是量化之后的结果，顺序倒过来会失去团队配合
- 不接受先跑一段再看数据：偏差是在数据跑起来之后才浮现的
- 方法已标准化
- 服务标准建模、频次量化、有效工时统计与现场核验已成为 FMClaw 的标准做法。
- 分三步走
- 先建模、再量化交付、最后核验执行，不是一次上齐。
- 需要传感器投入
- 执行核验依赖点位侧的感知部署，这部分投入省不掉。
再看几个在运行的项目
关于这个案例，常被问到的
医院后勤服务外包，怎么保证服务质量，而不是只看人来了没有？
把服务标准变成数字，再逐次核验。在上海一家三级综合国际医院，启盟为保洁、安保、工程三大工种完成 414 项服务标准数字化建模，量化出每月 215,821 次服务交付——该做的每一次服务是什么、什么频次、有没有真实发生，都有数据可查，考核从「数人头」变成对着交付记录说话。
医院的设施设备巡检，和普通写字楼有什么不同？
要求高一个量级。医院的后勤设备直接连着诊疗环境，漏修漏检在写字楼是服务瑕疵，在医院可能是安全问题。所以传统「按计划做了预防性维护」不够，还要能证明每一次应检应修都真实到位。启盟的做法是「人单合一」现场核验——人真到了那个位置，才填得了那张单，配合服务频次量化，把漏修漏检从「事后发现」变成「当天可查」。
什么是服务标准建模？为什么医院需要它？
就是把「打扫干净」「巡查到位」这类模糊要求，拆成一条条可执行、可计数的标准：哪个点位、什么动作、每天几次、达到什么程度。这家医院建模了 414 项标准，算出全院每月 215,821 次服务交付——标准从此不再是纸上的制度，而是每天可以逐条核对完成率的数字。这也是工作量测算和质量评估的共同依据。
提质和增效，医院真的可以同时做到吗？
可以，这个案例两头都有数。质的一头：上线六周内，工单及时接单率从 24% 升到 95%、及时完成率从 56% 升到 93%，服务标准完成率也在持续上行。效的一头：当有效工时、服务频次都被量化后，在同等巡检到位率下，服务团队从 174 人到 147 人，其中工程与安保团队优化幅度较大。人员的优化是量化之后的自然结果，不是先砍人再补窟窿。
保洁、安保这些一线工作的有效工时，真能统计出来吗？
能。全院投入 4,198 个传感器后，谁、何时、在哪个点位、做了什么服务，第一次可以被完整还原——员工有效工时、楼层与点位的工作量分布、服务标准完成率都成了可视的数据。管理者由此发现了排班与实到的偏差、工作量高度集中的楼层，优化有了依据，效果也能被数据反馈验证。
这个医院项目现在还在服务吗？
服务期为 2020 至 2022 年，因疫情原因结束。期间完成的服务标准建模、服务频次量化与「人单合一」核验方法，已沉淀为 FMClaw 的标准做法，正在其他医疗与高安全等级场景中复用。
带你的难题来，
带一个 Agent 走
从你的一个真实业务开始。