美國診所最缺的不是醫師，是一套會跑帳的作業系統

這篇文章整理自 INSIDE《塞掐 Side Chat》E411 的原始報導〈台裔創辦人做醫療新創，用 AI 重整美國診所的後台！｜Nitra 總裁暨共同創辦人 Jonathan Chen〖塞掐 Side Chat〗E411〉，並補入 Nitra 官方資料與相關公開資訊，改寫為較完整的部落格分析版本。

Nitra 總裁暨共同創辦人 Jonathan Chen 談醫療後台、AI 原生服務，以及為什麼他把台灣放進公司的長期版圖。

醫療最先壞掉的地方，往往不是診間

多數人想到醫療科技，第一個畫面通常是更準的診斷、更快的掛號、更聰明的病歷，或是能幫醫師寫紀錄的 AI。但 Jonathan Chen 看到的問題不是診間裡的那一刻，而是診間外一整串沒人想碰的雜事：病人預約、保險資格查核、理賠、付款、藥品採購、耗材庫存、供應商管理、會計對帳。這些工作不炫，卻決定一家診所能不能活下去。

他創辦的 Nitra，切入點也不是做另一個病患端 App。Nitra 想做的是醫療診所的 AI 作業系統，服務對象主要是美國醫師與診所，尤其是每天被行政、財務與採購拖住的小型或獨立診所。Jonathan 在訪談中把問題講得很白：醫師每天看病，但真正讓診所卡住的，是背後那些辦公室經理、行政人員和採購流程必須處理的事。

這個角度很反直覺。因為病患端看起來比較接近大眾，也比較容易講故事；但美國醫療體系真正昂貴、破碎、讓人崩潰的地方，很多時候藏在後台。Nitra 官方資料也把自己描述為替 healthcare practices 建立 AI-native operating system，處理 finance、procurement、inventory、patient administration 等流程。換句話說，它賣的不是一個漂亮介面，而是一套把診所營運重組起來的底層系統。

這也是為什麼這家公司值得台灣讀者注意。台灣的醫療體系相對集中，健保讓許多流程被標準化；美國則高度分散，保險公司、供應商、醫療集團、獨立診所與病患之間充滿摩擦。美國診所面對的問題，看起來像效率問題，本質上卻是現金流、資訊流與責任分工全部錯位。Nitra 的機會，就長在這些錯位之中。

一家診所的一天，其實是一場現金流戰爭

Jonathan 用一個普通診所的一天拆解 Nitra 的切入點。病人先打電話預約，診所行政要確認保險資格，再安排醫師看診。看診結束後，診所要做醫療編碼、送出理賠申請，接著等保險公司回覆。申請常被拒絕，診所又要來回補件、修正、追款。等錢真的進來，可能已經是三個月後。

但問題是，診所不能等三個月才買藥、買耗材或支付日常支出。尤其是眼科、皮膚科、醫美、專科診所，常常需要先採購昂貴藥品、注射品、設備或手術材料。也就是說，收入慢慢進來，支出卻要先付出去。這不是單純的「行政麻煩」，而是每一天都在消耗診所現金流。

所以 Nitra 先從金融與支出管理切入，這很合理。它提供支付卡、費用管理、bill pay、會計自動化、採購與庫存管理，後來再把 AI 放進這些流程裡。官方在 2026 年公布的資料中提到，Nitra 的平台涵蓋 financial automation、commerce and inventory、patient management；採購 AI 代理可以處理供應商、比價、上架、採購執行與庫存監控；病患管理則包含語音 AI 排程與保險資格查核。

這裡的關鍵不是「AI 能不能回答問題」，而是 AI 能不能在一個真實商業流程中做事。醫療後台的麻煩，通常不是不知道下一步是什麼，而是每一步都牽涉到不同系統、不同供應商、不同保險規則與不同人的判斷。單一工具只能讓某個環節快一點；但如果診所仍要在六個系統之間切換，整體效率不會真的改變。

Jonathan 的判斷是，診所不需要另一個只解決局部問題的軟體。它需要有人把整段流程接下來。這也解釋了 Nitra 為什麼從 fintech 開始，再往採購、庫存、排程、保險查核和 AI agent 擴張。金融不是旁支，而是診所營運的主幹；只要金流、採購和行政工作流進到同一個平台，Nitra 就能越來越深地嵌入診所的日常運作。

AI 原生，不是把聊天機器人裝上去

訪談中最有意思的一段，是 Jonathan 對 AI-native 的定義。他不認為未來只是把 AI 功能加到舊軟體上，然後叫診所自己使用。因為醫療流程太細，每個專科都有自己的規則、例外、術語與保險細節。就算 AI 可以處理一部分，客戶仍然會擔心錯誤，尤其是涉及理賠、採購、病患溝通與合規的流程。

所以他的想法更像是「接管流程」。不是跟診所說「這裡有一套 AI 工具，你自己用」，而是說「這段工作我們幫你處理，結果一樣或更好，成本隨著 AI 進步而下降」。一開始可以有人在流程中協助，等 AI 越來越可靠，再逐步把人力工作自動化。對診所來說，它買到的是結果，不是軟體座位。

這個觀點和近年創投圈對 vertical SaaS、AI-enabled services 的討論相連。a16z 曾把 vertical SaaS 的演進分成幾波：先是雲端化，再來是嵌入金融服務，現在則是雲端、金融與 AI 結合，讓軟體開始承擔原本只能靠人力完成的營運工作。Nitra 很像這個路徑的醫療版本：先拿下金融與交易，再用 AI 接手流程。

但這條路也有風險。市場不會只因為一家公司說自己 AI-native 就給高估值；真正要證明的是，AI 是否讓成本、速度、品質或錯誤率有實質改善。若只是把一群人包在軟體介面後面，短期可能可以服務客戶，長期毛利與規模化能力會被質疑。Jonathan 在訪談中其實也承認這點：人類仍在流程中，因為客戶需要信任；AI 會逐步改善，但不能假裝第一天就完全取代所有細節。

這讓 Nitra 的故事比一般 AI 新創更複雜。它不是單純賣模型，也不是單純賣 SaaS，而是在做一個又重又有機會的東西：把診所後台變成可被軟體、金融與 AI 協調的系統。成功的話，它拿到的不是一個功能點，而是診所營運的控制面板；失敗的話，它可能會陷入客製服務太重、AI 自動化不夠快的壓力。

成長數字背後，是一場獨立診所保衛戰

Nitra 的成長數字很驚人。公司在 2026 年 3 月宣布完成 1.87 億美元融資，其中包含 5,000 萬美元 Series B、先前未公開的 2,200 萬美元 Series A、2,000 萬美元 venture debt，以及 9,500 萬美元 warehouse facility。官方同時宣稱，2025 年公司 annualized revenue 從 400 萬美元成長到超過 3,300 萬美元，年增超過 740%，平台處理超過 10 億美元 annualized processing volume，服務 700 多家診所與數千名醫師。

這些數字需要標註為公司公布資料，但它們和 Jonathan 在訪談中的說法互相對得上。他提到 2025 年初大約 400 萬美元收入，年底約 3,300 萬美元，處理約 10 億美元交易。這不是小幅優化，而是說明 Nitra 已經從早期 spend management 走到更大規模的診所營運平台。

更大的背景是，美國獨立診所正在被擠壓。美國醫師協會 2024 年調查顯示，只有 42.2% 醫師在 physician-owned private practice 工作，低於 2012 年的 60.1%。醫師不一定想放棄獨立經營，但付款延遲、保險規則、行政負擔、藥品與耗材成本，以及醫院系統與 private equity 的整合壓力，都讓小診所越來越難撐。

Nitra 2026 年 5 月宣布的 Future of Care Initiative，就是把這個市場背景講得更明確：到 2028 年，投入 200 億美元的融資、技術與營運基礎設施，支援全美獨立醫師與診所。內容包括 working capital、claims factoring、equipment financing、AI accounting、patient scheduling、prior authorization、denials management，以及透過 NitraMart 和合作夥伴取得醫療用品與藥品採購能力。

所以 Nitra 的故事不只是「一家 AI 公司募到很多錢」。它真正押注的是：如果獨立診所想活下去，必須擁有大型醫療集團才有的資本、採購能力、行政效率和數據能力。Nitra 想把這些能力產品化、金融化、AI 化，再賣回給小診所。這是一個很美國的問題，也是一個很美國的商業機會。

Jonathan Chen 的第二家公司，延續的是同一種打法

Jonathan Chen 並不是第一次做這種「把破碎資訊變成基礎設施」的公司。公開資料顯示，他是 FiscalNote 的共同創辦人與前 CTO。FiscalNote 2013 年由 Tim Hwang、Gerald Yao 與 Jonathan Chen 共同創立，最早處理政府法規、政策資料與預測分析。公司後來在 2022 年以 NOTE 在紐約證交所交易。

從 FiscalNote 到 Nitra，表面上看是從政府科技轉到醫療金融；但底層邏輯很像。FiscalNote 處理的是法規與政策資訊太分散，讓企業與組織難以理解風險；Nitra 處理的是診所營運資訊、金流與採購流程太分散，讓醫師難以經營自己的 practice。兩者都不是單點工具，而是試圖把一個混亂產業的資訊與流程標準化。

Jonathan 在訪談中也談到他和 Tim Hwang 的長期合作。他們從九歲就認識，後來一起創辦 FiscalNote。早期兩人常吵架，因為 Tim 處理投資人、客戶與公司方向，Jonathan 則專注產品與工程。後來他意識到 CEO 和 CTO 的壓力完全不同：CEO 每小時都在切換情境，客戶、投資人、工程、產品都會找上門；工程角色雖然困難，但專注範圍更清楚。

這段經驗變成他對決策的理解：公司長大後，不能每件事都靠共識。你可以提出顧慮，可以不同意，但最後要有人做決定，其他人要承諾執行。這就是他提到的 disagree and commit。更重要的是，他不把「做對」看成唯一目標，而是把「快速做決定，然後快速修正」看成公司運作的核心。

這種觀點很適合解釋 Nitra 為什麼敢做重。醫療後台不是輕鬆市場，採購、金融、合規、保險、AI 都很麻煩；但二次創業者和第一次創業者不同，差別不只在募資比較容易，而是更知道公司會在哪裡痛、哪裡需要清楚決策、哪裡不能拖。Jonathan 從 FiscalNote 帶到 Nitra 的，不只是履歷，而是一套處理複雜系統的肌肉記憶。

為什麼是台灣？不只是便宜的人才

訪談中另一條重要線索，是 Jonathan 對台灣的想法。Nitra 在台灣設研發部門，表面理由可以很務實：成本效益較高、工程人才優秀。但 Jonathan 很快把問題往更深一層推進。如果只是成本，為什麼不去越南、印尼或菲律賓？答案就不只是商業計算，而是身分、人才與生態系。

他是台裔美國人，父母來自台灣。他說自己愛台灣，也相信台灣有機會成為下一個重要的新創中心。台灣已經是全球硬體重鎮，而軟體和硬體並不是完全分開的世界。問題在於，台灣有很多人才，卻還缺少足夠多把軟體新創文化帶進來的公司，讓年輕人看到除了大公司、代工、外商之外的另一種職涯想像。

這段話對台灣讀者特別有意思。因為它不是常見的「台灣工程師便宜又好用」敘事。Jonathan 說的是，他想成為一個現在進行式的例子：把一家公司帶到台灣，雇用台灣人才，拍公司文化內容，讓下一代看見 startup 的工作方式，也把美國資源、經驗和潛在投資人帶進來。

公開資料也能補強這條線。SparkLabs Taiwan 相關資料提到，SparkLabs Taiwan 早期投資 Nitra，並支持它建立台灣 engineering footprint。Nitra 官方融資名單中，也出現 PIDC/Uni-President 等與台灣或亞洲相關的資本。這表示台灣不是 Nitra 故事裡的附註，而是它資本與人才網路的一部分。

當然，Nitra 在亞洲市場還沒有清楚產品路線圖。Jonathan 在訪談中也說，台灣與美國最大差異在保險制度：台灣集中且有效率，美國分散且混亂。這代表 Nitra 在美國成立的很多理由，不會原封不動搬到台灣。但支出管理、採購效率、藥品需求預測與診所營運數據，仍可能是不同醫療體系都會面對的問題。真正的挑戰是，哪些美國痛點是制度造成的，哪些是全球診所都會遇到的營運問題。

AI 會先取代誰？Jonathan 的答案很激進

談到 AI 對工作影響，Jonathan 的看法相當直接。他認為程式設計正在經歷一次類似 C 語言出現時的轉折。過去從機器語言、組合語言到 C，是抽象層次的提升；現在從程式語言再往自然語言前進，也是另一種抽象層次的提升。寫程式不會消失，但會更像寫文章、寫規格、組織邏輯，需要的人會變少。

設計也是類似情況。產品經理可能會變得更有力量，因為他們可以用自然語言驅動更多產出，不再需要同樣多的工程與設計人力。批判性思考、溝通、判斷仍然重要，但傳統管理職可能會被壓縮。Jonathan 的理由很簡單：如果 AI 讓公司變成小團隊高營收，當團隊本身只有八個人時，還需要多少中層管理？

放到診所裡，他的長期想像更激進。第一步是自動化整個後台，從病患排程、保險查核到採購與訂單管理，逐步取代 office manager 的工作。再往後，他認為一般醫療諮詢也會被 AI 大幅改寫。像皮膚問題，也許未來只要拍照、上傳、取得初步判斷與用藥建議；真正卡住的，不是 AI 能不能回答，而是處方、責任與法規。

這段話需要小心閱讀。它不是醫療建議，也不是說醫師明天就會消失。更合理的理解是，Jonathan 在描述 Nitra 的二十年遠景：先從低風險、低臨床判斷的後台流程開始，逐步靠近病患管理，再看 AI、法規與醫療責任如何演進。短期內，最容易被替代的不是醫師，而是診所裡大量重複、跨系統、低成就感的行政工作。

這也回到文章開頭。醫療科技最容易吸引注意的，是診斷和治療；但最先被 AI 重塑的，可能是接電話、查保險、追理賠、對帳、採購、補庫存這些無聊工作。它們無聊，卻占用醫師和診所大量時間。若 Nitra 能把這些流程真的變簡單，影響不會只在效率表格上，而會回到醫師每天能多看幾個病人、少花幾小時處理雜事。

真正的問題：誰掌握診所的營運資料？

Nitra 的長期價值，最後會落在一個問題：誰掌握診所的營運資料與工作流？如果一家診所的付款、採購、庫存、排程、保險查核、病患溝通都在同一個平台上發生，那這家公司就不只是軟體供應商，而是診所營運的基礎設施。它知道哪些藥品常缺、哪些供應商價格好、哪些保險最常延遲、哪些流程最耗人力。

這些資料累積起來，會形成更強的預測與自動化能力。Nitra 官方也在 founding story 中提到，更多工作流進入平台後，系統會在 prediction、benchmarking、recommendation、automation 上變得更好。這就是 network effect 在垂直產業裡的樣子：不是社群人數越多越有價值，而是交易與流程越多，系統越懂這個產業怎麼運作。

對醫師來說，這既是機會，也是依賴。機會在於，獨立診所終於可能取得過去只有大型醫療集團才有的營運能力；依賴在於，當越多流程被單一平台接管，換系統的成本也會升高。這是所有垂直作業系統公司都會面對的問題：它一方面替客戶省事，另一方面也變成客戶不容易離開的核心節點。

因此，Nitra 最值得觀察的不是某一個單點功能，而是資料飛輪能不能真的轉起來。若平台能持續吸收診所支出、採購、庫存、保險與病患排程資料，它就有機會把個別診所看不見的模式變成建議：什麼時候該補貨、哪類理賠最容易被拒、哪個供應商價格異常、哪些排程安排會拖慢收款。這些判斷一旦變準，平台價值就會從「幫你省時間」升級成「幫你少犯錯」。

Jonathan 的投資哲學其實也可以拿來理解 Nitra。他說自己不再追逐短線交易，而是選擇定期投入自己長期相信的東西，等待五到十年的結果。Nitra 也是類似押注。它不是賭一個短期 AI 功能爆紅，而是賭美國醫療診所的後台會被重做，賭 AI 會把服務與軟體的邊界打開，賭獨立診所需要新的金融與營運基礎設施。

這個賭注很大，也不輕鬆。醫療法規、保險制度、臨床責任、供應鏈、金融風險，每一項都可能讓公司踩坑。但如果成功，Nitra 會證明一件事：AI 在醫療裡最早帶來巨大改變的地方，不一定是白袍醫師面前的那個診斷畫面，而是診所後面那張永遠對不完的帳、那通永遠等不到人的保險電話，以及那一筆還沒收款就必須先買的藥。

資料來源

1. 台裔創辦人做醫療新創，用 AI 重整美國診所的後台！｜Nitra 總裁暨共同創辦人 Jonathan Chen〖塞掐 Side Chat〗E411 - 本文整理與改寫的主要原始來源。
2. Side Chat 訪談：台裔創辦人做醫療新創，用 AI 重整美國診所的後台，Nitra 總裁暨共同創辦人 Jonathan Chen - Podcast 原始訪談連結。
3. The Nitra Founding Story - Nitra 官方公司故事、平台定位與成長資料。
4. Nitra Raises $187 Million as AI-Native Platform for Healthcare Practices Surpasses$1 Billion in Processing Volume - Nitra 官方融資公告、產品模組與公司公布營運數據。
5. Nitra Launches Future of Care Initiative - Nitra 官方 200 億美元獨立診所支援計畫。
6. Smaller share of doctors in private practice than ever before - 美國醫師協會對 2024 年 private practice 趨勢的摘要。
7. Charting Success: CS Alum Jonathan Chen on Entrepreneurship - University of Maryland 對 Jonathan Chen 創業背景的介紹。
8. About FiscalNote - FiscalNote 官方公司源起與共同創辦人資訊。
9. Vertical SaaS: Now with AI Inside - a16z 對 vertical SaaS、fintech 與 AI 結合的分析。
10. Meet FiscalNote Co-founder Jonathan Chen - Jonathan Chen 台裔美國人背景與早期創業訪談。