40 mln pytań o zdrowie dziennie. Kto na nie odpowiada?

Najczęściej odwiedzany gabinet świata nie ma adresu ani godzin przyjęć. Ponad 40 mln osób dziennie pyta ChatGPT o zdrowie (dane OpenAI). Po drugiej stronie biurka dzieje się to samo: ok. 65% lekarzy w USA konsultuje decyzje z OpenEvidence – asystentem AI opartym na recenzowanej literaturze (za NBC News).

Tam, gdzie wcześniej była wyszukiwarka i papierowa ulotka, dziś staje AI – między lekiem a lekarzem i między lekiem a pacjentem.

W tym wydaniu:

• Sygnał miesiąca: AI staje się nowym interfejsem wiedzy o zdrowiu – i niewielkim kosztem można już dziś sprawdzić, co mówi o Waszej marce.
• Ambient AI: narzędzia, które słuchają wizyty i same piszą notatkę, ale czy wejdą do polskich gabinetów na większą skalę?
• ePI: informacja o leku przestaje być zamkniętym PDF-em, a staje się ustrukturyzowanym zestawem danych.
• Pharma buduje własne platformy dla pacjentów w USA: LillyDirect i NovoCare, czyli producent przejmuje cyfrową ścieżkę pacjenta.

Łączy je jeden wzorzec: między marką a odbiorcą wymieniają się pośrednicy. I jedno pytanie: czy jesteście gotowi na moment, w którym pierwszej odpowiedzi o leku, produkcie czy leczeniu udzieli maszyna?

AI staje się nowym interfejsem wiedzy o zdrowiu

Pacjenci pytają ChatGPT o objawy, możliwe przyczyny i wyniki badań – rzeczy, które wcześniej sprawdzali w Google albo odkładali do wizyty. Lekarze pytają OpenEvidence, zanim podejmą decyzję o zastosowaniu leku – w kwietniu 2026 robiło tak już ok. 650 tysięcy lekarzy w USA (dane OpenEvidence, za NBC News).

Po stronie lekarza warto zatrzymać się przy modelu biznesowym. OpenEvidence odpowiada na podstawie recenzowanej literatury i licencjonowanych wytycznych i jest dla lekarzy darmowy – wymaga jednak założenia konta, weryfikacji zawodu i podania m.in. specjalizacji. Utrzymuje się z reklam firm farmaceutycznych (w styczniu 2026 firma deklarowała ponad 100 mln USD rocznego przychodu, dane za CNBC). Mechanika jest ciekawsza, niż sugeruje słowo „reklama”: materiał wyświetla się przez kilka sekund, gdy AI zbiera dowody i pisze odpowiedź, a następnie znika. Firma deklaruje, że reklama nie wpływa na odpowiedź, a targetowanie opiera się na danych własnych platformy, m.in. profilu zawodowym i aktywności lekarza, nie na treści pojedynczego pytania. Niezależnego audytu tej separacji na razie jednak nie ma. Efekt? Coś jak Google Search, tylko w zamkniętym środowisku zweryfikowanych lekarzy: pełna uwaga wąskiej grupy w momencie wysokiej intencji klinicznej. Tak blisko decyzji nie dociera żadne klasyczne medium.

Po stronie pacjenta wzorzec jest ten sam – i reklamy też już tam są. Od lutego 2026 OpenAI testuje oznaczone reklamy w darmowym ChatGPT (na razie poza UE), na starcie obowiązywała prosta zasada: przy tematach zdrowotnych reklamy nie wyświetlają się wcale. Ale już w kwietniu OpenAI tę granicę przesunęło – reklamy mogą dziś towarzyszyć ogólnym pytaniom medycznym, a wyłączone z emisji pozostają tylko wrażliwe, osobiste rozmowy o zdrowiu (za openai.com i CNN). Reklamy są dobierane przede wszystkim do tematu bieżącej rozmowy, a przy włączonej personalizacji także na podstawie wcześniejszych czatów, pamięci i interakcji z reklamami – bez udostępniania tych danych reklamodawcom.

W Polsce pacjent korzysta na razie z ogólnych modeli – ChatGPT czy Gemini. „Zdrowotne" wersje tych narzędzi – ChatGPT Health i Perplexity Health, z dostępem do danych medycznych pacjenta – działają na razie tylko w USA (za perplexity.ai), ale skala pytań w „zwykłych" modelach mówi sama za siebie: ponad 230 mln osób tygodniowo pyta ChatGPT o zdrowie (za openai.com).

Wiedza o tym, co pomaga - od leku i terapii, przez wybór apteki, po miejsce badania czy wizyty - coraz rzadziej jest samodzielnie wyszukiwana i porównywana. Coraz częściej trafia do odbiorcy jako jedna gotowa odpowiedź. I tu leży różnica wobec SEO: w wyszukiwarce marka walczyła o pozycję na liście linków, ale użytkownik sam wybierał, w co kliknąć. W AI model wybiera za niego – czasem z materiałów, które kontrolujecie, czasem z zewnętrznych, a czasem pomijając to, co z Waszej perspektywy najważniejsze. Widoczności w tej warstwie nie kupuje się w mediach i nie załatwia jednym dobrym tekstem.

Co z tego wynika: to nowy punkt styku z pacjentem, lekarzem i klientem, który trzeba nauczyć się rozumieć i mierzyć – inaczej niż klasyczną obecność w wyszukiwarce. Dobry pierwszy krok jest tani: sprawdźcie, co ChatGPT i asystenci dla lekarzy (jak OpenEvidence) odpowiadają dziś na pytania o Waszą kategorię i markę – niezależnie od tego, czy tą marką jest lek, apteka, czy klinika. Jakie źródła cytują? Gdzie pojawia się konkurencja? Czego brakuje? To pokaże punkt wyjścia.

Kolejny krok to systematyczność: zestaw promptów odpowiadających etapom ścieżki odbiorcy – od pierwszego objawu po decyzję, gdzie kupić lek albo umówić wizytę – plus regularne testy i przekładanie wykrytych luk na działania w treściach i danych. Samodzielnie albo z partnerem.

1. AI-notatki wchodzą do gabinetów, także w Polsce

Ambient AI to narzędzia, które słuchają wizyty w tle i same przygotowują notatkę do dokumentacji – do sprawdzenia i zatwierdzenia przez lekarza. Cleveland Clinic, jeden z najwyżej ocenianych szpitali w USA, wdrożył je u ponad 4000 lekarzy w 15 tygodni (za consultqd.clevelandclinic.org). W Polsce ten kierunek prowadzi Noa Notes od Docplanner (ZnanyLekarz) – a grunt jest podatny: 64% lekarzy wskazuje dokumentację jako największe obciążenie, przy zaledwie ok. 9% placówek z wdrożonym AI (badanie Docplanner, jesień 2025, za noa.ai i termedia.pl).

To, że AI umie napisać notatkę, już wiemy. Cała stawka leży w tym, czy robi to bezpiecznie – i w procesie, w którym lekarz kontroluje finalny zapis. W drugim sezonie serialu The Pitt (docenionego przez krytyków i medyków, za Rotten Tomatoes i The Guardian) takie narzędzie myli urologa z neurologiem i funduje ostremu dyżurowi chaos. Fikcja – ale celnie pokazuje naturę ryzyka. Lepszy model popełni takich pomyłek mniej, ale żaden nie sprowadzi ich do zera – a w dokumentacji medycznej nawet pojedynczy błąd może kosztować zbyt wiele. Dlatego o bezpieczeństwie nie decyduje sam model, tylko guardrails, czyli mechanizmy kontroli wokół niego: zgoda pacjenta, kontrola lekarza, jasna odpowiedzialność, integracja z dokumentacją, ochrona danych.

AI może wspierać przygotowanie notatki, ale odpowiedzialność za jej ostateczną treść i decyzje kliniczne nadal spoczywa na lekarzu. Dlatego wraz z upowszechnieniem tych narzędzi rośnie znaczenie kompetencji, która pozostaje niezmienna: umiejętności krytycznej oceny i zweryfikowania wyniku wygenerowanego przez AI.

Co z tego wynika: odciążenie lekarzy z dokumentacji to realna korzyść dla całego systemu – więcej czasu na pacjenta, mniej wypalenia. Ale ambient AI to produkt zaufania: działa wtedy, gdy informacja, proces i odpowiedzialność są zaprojektowane równie starannie jak sama technologia.

2. ePI: informacja o leku przestaje być zamkniętym plikiem PDF

ePI (elektroniczną informację o produkcie leczniczym) łatwo zbyć jako „cyfrową ulotkę”. Sedno jest inne: informacja o leku przestaje być zamkniętym plikiem, który czyta tylko człowiek, a staje się ustrukturyzowanym zestawem danych, które mogą czytać także systemy. Dawkowanie, przeciwwskazania, interakcje to już nie akapity w PDF-ie, tylko osobne, opisane elementy, z których naraz korzysta portal dla lekarzy, aplikacja pacjenta i asystent AI.

Marketerowi z e-commerce przypomni to PIM (Product Information Management): jedno źródło opisów zasila sklep, aplikację i kampanie. W pharma stawka jest wyższa, bo to nie opis produktu, tylko zatwierdzona wiedza medyczna – aktualna, wersjonowana, zgodna z regulacjami. Kierunek jest przesądzony: według projektu roadmapy EMA z marca 2026 (za ema.europa.eu) nieobowiązkowy start obejmie szczepionki w Q4 2026 i onkologię w Q1 2027.

Co z tego wynika: ePI i tak uporządkuje Waszą treść – warto potraktować to jako okazję, nie tylko obowiązek. Porządkując ulotkę pod ePI, przy okazji przygotowujecie ją do wykorzystania w portalu dla HCP, aplikacji i asystencie AI. Jedna praca, wiele zastosowań.

3. Pharma buduje własne platformy dostępu do leczenia. Na razie (oczywiście) w USA

Eli Lilly, Novo Nordisk i Pfizer rozwijają platformy skierowane bezpośrednio do pacjentów: LillyDirect, NovoCare Pharmacy i PfizerForAll. Łączą w jednym miejscu informacje o terapii, dostęp do niezależnej konsultacji, wsparcie cenowe, realizację recepty przez licencjonowaną aptekę i dostawę leku. Nie omijają jednak lekarza ani apteki: pacjent nadal potrzebuje decyzji lekarza i ważnej recepty.

To więc nie tyle sprzedaż „bezpośrednio od producenta”, ile przejęcie większej odpowiedzialności za cyfrowe doświadczenie pacjenta. Zamiast odsyłać go między stroną informacyjną, lekarzem, ubezpieczycielem, programem wsparcia i apteką, platforma pomaga przejść przez te etapy w bardziej uporządkowany sposób. W praktyce oznacza to, że pharma buduje kompetencje znane dotąd z e-commerce: projektowanie ścieżki, obsługę klienta, logistykę i retencję.

Co z tego wynika: „LillyDirect po polsku” szybko nie powstanie. Lek na receptę można u nas zarezerwować online, ale odebrać trzeba go w aptece, a jego reklamy nie można kierować do pacjentów (za GIF i przepisami dotyczącymi reklamy produktów leczniczych). Regulacje blokują jednak transakcję, nie relację. Pomiędzy wizytami pacjent nadal potrzebuje rzetelnej informacji, wsparcia w terapii i podpowiedzi, kiedy ponownie zgłosić się do lekarza. Dla aptek i healthtechów to szansa na spięcie rozproszonej ścieżki. Dla pharmy – sygnał, że kompetencje znane z e-commerce warto budować już dziś, tylko w innym miejscu niż checkout.

To już wszystko w tym miesiącu.

O czym powinniśmy napisać następnym razem? Tworzymy ten newsletter, żeby opisywać technologie i cyfrowe zmiany, które realnie wpływają na pracę firm z rynku pharma i healthcare. Dlatego pytamy: jaki temat, problem albo trend powinniśmy rozłożyć na czynniki pierwsze w kolejnym wydaniu?

Daj nam znać → hi@meets.health