藥局藥師和 AI 吵架的那個下午

最讓阿宏火大的一段對話是這樣的：

阿宏：「病人有在吃 NSAID 類的止痛藥，每週大概兩到三次，這樣跟降血壓藥一起用，你剛剛完全沒提醒交互作用？」

AI：「NSAID 與降血壓藥物併用時，可能輕微影響血壓控制。建議定期監測血壓。」

阿宏：「『輕微影響』？你知道這位病人上個月才因為血壓飆到 180 被送去急診嗎？你有沒有考慮到他的腎功能已經不好了，NSAID 會讓腎功能更糟？」

AI：「若病人有腎功能不全，建議避免長期使用 NSAID。短期使用請諮詢醫師。」

這段對話裡，AI 其實「沒有說錯」，但它從頭到尾都沒有真正「聽懂」阿宏在擔心什麼。它給的是教科書式的通則，而阿宏要的是針對「這一位病人」的判斷。兩者之間的落差，正是那天下午火藥味的來源。

爭執的轉折點：那個被忽略的腎功能數值

真正讓阿宏決定「跟 AI 槓上」的，是接下來這個問題。

他問：「如果病人今天血壓 165/95，心跳 88，目前服用降血壓藥已兩週，你會建議怎麼處理？」

AI 回答：「建議繼續監測血壓，若持續偏高，可考慮回診由醫師評估是否調整劑量。同時請注意是否有頭暈、頭痛等症狀。」

這段回答看起來四平八穩，但阿宏注意到一個致命問題：從頭到尾，AI 都沒有把「腎功能第三期」這個條件重新納入考量。換句話說，前面阿宏輸入的臨床資訊，在對話過程中「掉」了。AI 並沒有真正記住這位病人的完整輪廓，它只是在回答「一個高血壓病人」的問題，而不是「林伯伯」的問題。

「這就是問題所在。」阿宏後來跟老闆說：「它不是不會查資料，它是不知道自己在跟誰說話。它給的答案放在教科書裡可能都對，但放在這個病人身上，可能會出事。」

於是，他做了一件很多藥師在那個當下都會做的事：他把 AI 的回答整段複製下來，貼進自己的工作紀錄，然後在旁邊用紅字寫下：「AI 建議不適用，已依病人實際腎功能與用藥史重新評估，並與原處方醫師電話確認。」

這場「吵架」到此算是告一段落。但留下來的問題，遠比一場對話更複雜。

為什麼藥師會跟 AI 吵起來？拆解 AI 幻覺在藥事現場的三大風險

風險一：看似專業的錯誤答案，比空白更危險

很多人以為 AI 最可怕的是「答不出來」，但實際上，真正危險的是「答得很像對的」。這種現象在 AI 領域有個專有名詞，叫做「幻覺」（hallucination）。簡單來說，就是 AI 會用非常流暢、非常有自信的語氣，講出一段似是而非、甚至完全錯誤的內容。

在藥事現場，這種「自信的錯誤」特別致命。因為藥師如果看到一個空白欄位，會知道「這裡需要自己查」；但如果看到一段排版漂亮、語氣專業、還附上參考文獻的回答，人的判斷力很容易被「看起來很可靠」這件事給鬆動。

阿宏那天遇到的情況就是典型例子。AI 說「輕度至中度腎功能不全無需調整劑量」，這句話本身在特定藥物、特定條件下可能是對的，但它忽略了病人實際的 eGFR 數值、併用藥物、年齡體重等關鍵變數。對一個忙碌的藥師來說，如果沒有停下來多想三秒，很可能就會被這段話說服，然後做出錯誤的判斷。

風險二：AI 不懂「這位病人」，只懂「平均病人」

這是所有 AI 工具在醫療場域的共同限制，也是那天下午爭執的核心。AI 的訓練資料來自大量的文獻、指引、病例報告，它學到的是「統計上的平均病人」——一個沒有名字、沒有生活習慣、沒有特殊用藥史的理想型。但藥師每天面對的，是活生生的人：有人的腎功能只剩一半、有人同時吃五種科別的藥、有人對某個成分過敏、有人會自己停藥、有人會把藥分給家人吃。

這些「非標準」的細節，才是藥事照護真正困難的地方。AI 可以告訴你「這個藥的標準劑量是多少」，但它沒辦法告訴你「這個阿伯上週才因為吃錯藥住院，這次要特別盯緊」。而後者，往往才是避免藥害事件的關鍵。

風險三：責任歸屬的真空地帶

那天下午還有一個沒說出口、但瀰漫在空氣中的問題：如果真的出事了，誰要負責？

AI 不會被告。開發 AI 的公司會說「我們只是提供輔助工具，最終判斷仍由專業人員負責」。藥局老闆會說「藥師應該要有專業判斷」。病人會說「我是照你們給的藥吃的」。到頭來，站在第一線承擔責任的，還是那位在櫃檯後面、被 AI 氣得半死的藥師。

這也是為什麼阿宏堅持要把 AI 的錯誤建議「留檔」——不是為了跟 AI 賭氣，而是為了留下一個清楚的紀錄：這個判斷是人做的，而人為什麼做出跟 AI 不同的判斷，是有憑有據的。這樣的紀錄，在醫療現場叫做「專業問責」，也是人機協作能不能長久走下去的基礎。

AI 在社區藥局的真實定位：它不是藥師，它是「超級實習生」

吵完架之後，阿宏和老闆坐下來聊了很久。他們共同的結論是：AI 不是不能用，而是「不能當成藥師來用」。與其把它當成一個「會回答問題的專家」，不如把它當成一個「記憶力超強、反應超快、但臨床經驗為零的實習生」。

這個比喻後來成為這家藥局內部使用 AI 的基本原則。以下，就是他們整理出來的「三種可以幫上忙」與「三種絕對不該單獨決定」的場景。

三種 AI 可以幫上忙的場景

第一，資料整理與初步彙整。例如把一張處方箋上的所有藥品整理成表格、標註每一顆藥的常見副作用、列出可能的交互作用「候選清單」。這類工作需要的是速度與記憶力，正好是 AI 的強項。藥師再接下去做判斷，可以省下大量翻查資料的時間。

第二，衛教素材的初稿生成。很多社區藥局會做簡單的用藥衛教單張。AI 可以根據藥品名稱，快速生成一份白話版的說明草稿，藥師再根據實際病人狀況修改。這比從零開始寫快得多，而且品質通常有一定水準。

第三，常規問題的即時回覆輔助。例如病人問「這個藥要飯前還是飯後吃」、「忘記吃藥怎麼辦」、「可不可以跟牛奶一起吃」。這類問題有標準答案，AI 可以提供一個初步版本，藥師確認後再回答，能有效分流櫃檯的諮詢壓力。

三種 AI 絕對不該單獨決定的場景

第一，涉及個別病人特殊條件的劑量調整。像林伯伯這種腎功能不全、多重用藥、年齡偏高的病人，任何劑量建議都必須由藥師根據完整臨床資訊判斷。AI 可以提供「文獻上的通則」，但不能取代「針對這個人的判斷」。

第二，藥物不良反應的因果判定。病人說「我吃了這個藥之後頭暈」，這到底是藥物引起的、還是本來就有的毛病、還是另一顆藥的交互作用？這需要藥師去問、去推敲、去跟醫師討論。AI 在這種情況下最多只能列出「可能相關的藥物」，不能下結論。

第三，涉及法律與倫理責任的溝通。例如病人問「這個藥會不會影響開車」、「我懷孕了還能不能吃」，這類問題的回答會牽涉到責任歸屬與風險告知，必須由受過專業訓練的藥師親自處理，不能讓 AI 代勞。

藥師的專業價值，在 AI 時代反而更清晰

藥師賣的不是藥，是判斷

很多人對藥局的想像是「照處方抓藥的地方」，但實際上，一位有經驗的社區藥師每天做的事情，遠比「把藥裝進袋子」複雜得多。他要看這個病人的用藥組合有沒有重複、要判斷這個劑量對這個體重與腎功能是否合適、要發現病人自己偷偷加了哪些保健食品、要聽出病人語氣裡的猶豫、要在醫師與病人之間當那個「翻譯者」。

這些事情，沒有一項是 AI 現在能獨立完成的。AI 可以幫你查資料、幫你整理、幫你生成草稿，但它沒辦法「感覺」到這個病人今天臉色不太對，也沒辦法在病人說「這個藥吃了都怪怪的」的時候，追問出真正的原因。

換句話說，AI 越強，藥師的「判斷力」就越顯得珍貴。因為當所有查得到的資料都已經被 AI 整理好了，真正拉開差距的，就是那個「知道什麼時候不該相信資料」的專業直覺。

從「抓藥的人」到「用藥的把關者」

那天下午的爭執，其實也讓阿宏重新思考自己的角色。以前他會覺得，藥師的工作就是「把藥調劑正確」。但現在他發現，真正的價值在於「把關」——在醫師的處方、病人的實際狀況、藥品的特性、以及各種工具（包括 AI）提供的資訊之間，做出一個最適合這位病人的決定。

這個角色，用一個比較時髦的說法，叫做「用藥整合的把關者」。它需要的不只是藥理知識，還需要溝通能力、臨床判斷、以及對病人整體狀況的理解。而這些，正是 AI 目前最欠缺的部分。

人機協作的正確姿勢：給社區藥局經營者的五個實務建議

如果你也是一家社區藥局的經營者，或者正在考慮導入 AI 工具，以下這五個建議，是從那天下午的「吵架事件」中整理出來的實務心得。

建議一：建立 AI 回答的「複核關卡」

不管 AI 聽起來多可靠，任何涉及病人個別狀況的建議，都應該經過藥師複核。這不是對 AI 不信任，而是對病人負責。實務上可以這樣做：把 AI 的回答當成「草稿」，藥師看過、改過、確認過，才進入正式紀錄。這個動作看起來多花幾分鐘，但長期下來，它會建立起一套可追蹤的品質控管流程。

建議二：把 AI 當「第二意見」而非「第一意見」

最好的使用順序是：藥師先根據自己的專業做出判斷，再用 AI 來「對照」。如果 AI 的答案跟自己的判斷一致，那很好，多一層確認；如果不一致，那就停下來想清楚——是 AI 漏掉了什麼，還是自己忽略了什麼。這個順序很重要，因為如果先看 AI 的答案，人的判斷很容易被「錨定」，失去獨立思考的空間。

建議三：訓練 AI 說「我不知道」

這是很多 AI 工具使用者的共同痛點：AI 很少承認自己不確定。實務上，可以在提示詞（prompt）裡明確要求 AI：「如果資訊不足，請直接說無法判斷，不要自行推測。」雖然這不能完全消除幻覺，但至少可以降低「自信地胡說八道」的機率。更重要的是，藥師自己要養成習慣：看到 AI 給出太過肯定的答案時，反而要提高警覺。

建議四：留下人工判斷的痕跡

那天阿宏把 AI 的錯誤建議複製下來、用紅字加註，這個動作非常關鍵。它不只是「留證據」，更是一種專業態度的展現：我知道 AI 說了什麼，我也知道我為什麼不採用它。這樣的紀錄，在面對病人質疑、醫師詢問、甚至未來可能的法律責任時，都是非常重要的保護。建議藥局可以建立一個簡單的「AI 建議與人工判斷對照表」，定期回顧。

建議五：讓藥師參與 AI 導入的決策

很多藥局導入 AI 工具，是老闆或資訊人員決定的，第一線藥師只能被動接受。但實際上，最了解現場需求的人，就是每天在櫃檯後面工作的藥師。如果導入的 AI 工具不符合實際工作流程，最後只會變成另一個「沒人想用的系統」。比較好的做法是：讓藥師參與工具選擇、參與提示詞設計、參與使用規範的制定，這樣才能真正把 AI 變成助力，而不是負擔。

結語：吵完架之後，藥局變得不太一樣了

那個下午之後，阿宏的藥局並沒有把 AI 系統關掉。相反地，他們重新調整了使用方式：AI 依然在，但它現在的角色被清楚地定義為「輔助工具」。藥師們會在需要查資料時用它、在寫衛教單張時用它、在整理處方資訊時用它，但任何涉及個別病人判斷的事情，一律由藥師自己做決定。

有趣的是，經過那次「吵架」，藥局裡的氣氛反而變得更好了。因為大家開始會討論：「你覺得 AI 這個回答對不對？」「它剛剛是不是漏掉了什麼？」這種討論，無形中提升了整個團隊對用藥安全的重視程度。甚至連來領藥的阿公阿嬤都開始會問：「那個電腦今天有沒有亂講話？」

AI 不會消失，它只會越來越常出現在我們的工作與生活裡。但那天下午的故事告訴我們：工具再聰明，也不能取代人的判斷；而人的判斷，也應該學會在適當的時候，善用工具、質疑工具、甚至跟工具「吵一架」。

畢竟，藥師的工作對象是人，不是資料。而人，永遠比資料複雜得多。

—— 本文同步刊載於「雅寶社區 · 頂客論壇」🤖 AI 趨勢分類，歡迎留言分享你在工作現場與 AI 交手的故事。

```

🏠 返回首頁