先想清楚核心矛盾：不是技术不行，是责任没地方放
医疗和金融跟电商最大的区别在于：电商 AI 答错了，损失是退货和差评；医疗 AI 答错了，可能是人命；金融 AI 答错了，是真金白银加监管处罚。所以这两个行业的所有产品设计都围绕一个问题展开——出了事谁负责。答案在现有法规框架下永远是「持牌的人和机构负责」，AI 不能成为责任主体。想明白这一点，产品形态就清晰了：AI 做草稿、做筛选、做提示，人做最终决策并签字。谁在这个行业宣称「AI 替代医生/理财师」，要么是外行，要么是在打擦边球。
医疗：卡在「建议权」和「诊断权」的边界上
国内医疗 AI 的合规框架很清晰：面向患者的健康咨询可以做，但要明确标注不构成诊疗建议；辅助诊断软件要拿医疗器械注册证，按二类、三类器械管，拿证周期以年计。所以市面上的产品分两层：一层是讯飞医疗、百度灵医这类做医院场景的，CDSS（临床决策支持）辅助医生看片子、写病历，医生保留最终决定权；另一层是面向 C 端的健康问答，功能边界划得很小心。设计上有个共识做法我认：AI 输出必须附带证据来源，引用的是哪条指南、哪篇文献，让医生能快速核验，而不是给一个裸结论。另外医院场景对私有化部署是硬性要求，病历数据不出院，这直接决定了交付形态是项目制而不是 SaaS，毛利结构和销售周期完全是另一套逻辑。
金融：留痕和可解释是产品的骨架
金融的监管逻辑是「适当性」加「留痕」。你给用户的每一笔投资建议，都要匹配他的风险测评等级，而且全过程要可追溯、可回放。蚂蚁财富的「支小助」、招行等银行的智能投顾助理，定位都是辅助客户经理/理财师，而不是直接对客给买卖指令。BloombergGPT 那种是自研模型服务自家终端的专业场景，国内机构更多是在通用模型上做行业微调。对 PM 来说，金融 AI 产品的骨架是三件事：一是可解释，模型给出的建议要能拆出依据，「因为这个板块估值处于历史低位」这种，黑箱结论在合规那里过不了；二是全链路留痕，对话记录、调用的数据、模型版本都要存，监管检查时能完整回放；三是话术合规，夸大收益、淡化风险的表述要在生成层就拦掉，不能指望事后人工审。
合规前置：从 PRD 阶段就要请法务进场
普通互联网产品习惯「先上线再补票」，强监管行业反过来：需求评审时法务和合规就得在场，上线前要过监管报备甚至备案。国内做面向公众的生成式 AI 服务，按《生成式人工智能服务管理暂行办法》要做备案，医疗金融叠加行业监管只会更严。这带来一个很实际的产品方法论：设计功能时先问「这个功能的最坏情况是什么」。健康问答的最坏情况是用户信了 AI 延误就医，所以急重症关键词要直接引导去医院；投顾助理的最坏情况是不当销售，所以高风险产品推荐要强制人工复核。把这些「最坏情况」列成清单逐条设计兜底，这就是强监管行业的需求文档和互联网产品的本质区别。
机会判断：慢，但护城河也深
我的观点是：医疗金融的 AI 产品节奏慢、交付重、赚钱慢，但一旦进院、进机构，替换成本极高，续约率也稳。对 PM 个人来说，这两个行业的壁垒是「行业知识 + 合规常识 + AI 能力」三样都得有，纯互联网背景的 PM 进去要补一年课。反过来说，补上这一课的人，市场上是稀缺的。