第2章 高壁垒行业审计：金融、医疗与法律

第2章 · 高壁垒行业审计：金融、医疗与法律

本章跟着一条线走：三个最敢在AI上花钱、也最容易被AI坑的行业。我们把"高壁垒"本身作为审计对象——数据特权、监管约束、责任归属如何同时抬高AI的收益天花板和失败代价。

一条主线

一家信用卡中心、一家三甲医院影像科、一家处理海量合同的律所，看起来毫无交集，但在AI落地这件事上共享同一个底层结构：它们的数据别人拿不到（壁垒），它们的错误别人赔不起（责任），它们的每一个流程都被监管盯着（合规）。这条共同结构就是本章的主线。第1章药店案例里那些可以商量的东西——指标可以放宽一点、错误可以容忍一阵——在这里全都变成硬约束。主线从信贷风控出发，因为它是三个行业里数据闭环最完整、审计材料最充分的现场；经过医疗影像这个"辅助而非替代"的典型样本；在法律文书审查处观察大模型进场后角色的重新分工；最后做一次横向复盘，把高壁垒行业的成色规律收敛成三条可迁移的判断。

图：高壁垒三行业的共同结构

沿途站点

2.1节审计金融：信贷评分卡、反欺诈图特征、交易监控，重点核对AUC这类技术指标与坏账率这类业务指标之间的换算链条，代码演示代价敏感的阈值选择。2.2节审计医疗：肺结节筛查与眼底照片辅助诊断，核心问题是"灵敏度优先"的代价结构、假阳性引发的患者伤害、以及审批周期如何吃掉模型的新鲜度。2.3节审计法律：从传统检索到大模型合同审查，看点是幻觉风险如何用"引用定位"约束，以及律师的复核成本才是真正的成本大头。1.1节处理的换算方法在这里会被反复调用，2.2节的代价账与2.3节的锚定设计则是本章两处最值得精读的段落。2.4节横向复盘：把三个现场放回第1章的五维清单，你会发现高壁垒行业几乎总是在"数据可持续性"和"退场机制"两维上分出高下，复盘还给出三把迁移尺子，供后面章节继续使用。

拐点与结论

本章的关键转折是理解"高壁垒是双刃的"：同一种数据特权让模型效果更好，也让数据一旦被监管或隐私法规切断，项目就没有退路。最终落点：在高壁垒行业，AI项目的成色不看模型上限，看它嵌入责任链的方式——凡是把人留在环上、且让人的复核变便宜的设计，成色普遍更好；凡是试图绕开人直接决策的，大多死在监管或一次大额误判上。

读完你应该

• 能把风控模型的技术指标（AUC、KS）换算成业务语言（通过率、坏账率、人工复核量）
• 能解释医疗AI"灵敏度优先"的代价结构，并算出假阳性引发的工作量
• 能识别大模型法律应用里幻觉风险的工程化约束手段
• 能用五维清单对高壁垒行业项目做交叉审计，指出最薄弱的一维
• 能为一个高壁垒行业项目画出责任链图，标出人在哪一环、该环有没有信息与否决权
• 能解释"监管是时间变量"的含义，并在审计报告里写出项目的监管敏感度一栏

下一章的接力

高壁垒行业看完，第3章转向另一个极端：零售、制造、物流、农业这些毛利薄、数据杂、监管松的规模效率行业。壁垒消失后，审计的重心从"责任与合规"移到"钱从哪里省出来"，你会发现第2章里无足轻重的"成本结构"一维在这里几乎是一票否决项。带着本章的三把尺子（责任链位置、回流闭环速度、监管敏感度）去读第3章会有额外收获：两章的行业在五个维度上几乎互补，对照着读，五维清单的每一个格子都会被填上正反两面的实例——这种"形状对比"的读法，比顺序泛读要有效得多。