Ochrona zdrowia stopniowo włącza cyfrowego autopilota. Kto siedzi za sterami?

W sierpniu na telefony pierwszych Polek zaczęły trafiać imienne wiadomości od Ministerstwa Zdrowia z zaproszeniem na badania — a w kolejnych falach zaplanowano ich miliony (komunikat MZ). W tym samym czasie w USA asystent Google zaczął samodzielnie umawiać pacjentów do lekarzy.

Wokół AI i digitalu w zdrowiu powstaje infrastruktura — kanały, reguły odpowiedzialności, granice dostępu. Pytanie przestaje brzmieć "co ta technologia potrafi", a zaczyna: kto kontroluje kanał, kto bierze odpowiedzialność — i kto siedzi za sterami, gdy autopilot się pomyli.

W tym wydaniu:

• Sygnał miesiąca: 384 tysiące wolnych terminów na badania i baza 5,5 mln pacjentów — państwo składa rządowy CRM zdrowotny, a czy zadziałał, pierwszy raz sprawdzimy wszyscy, na jawnych wskaźnikach.
• Kto odpowiada, gdy AI się pomyli: bot umawia, algorytm ocenia objawy, skryba notuje — a odpowiedzialność wciąż ma ludzki adres. Od grudnia obejmie też producentów oprogramowania.
• AI w sejfie: powstał model, który zdał egzamin medyczny na 100% — wyjaśniamy, dlaczego producent wydaje go wyłącznie na wniosek.
• Agentic commerce dotarł do ochrony zdrowia: pierwsi pacjenci w USA są już umawiani przez agentów AI — a w Polsce wszystkie miejsca w tym kanale są wciąż wolne.

384 tysiące wolnych terminów i baza 5,5 mln pacjentów. Tak powstaje rządowy CRM zdrowotny.

W drugiej połowie sierpnia, według harmonogramu MZ, pierwsze wiadomości wysłano do kobiet kończących w tym roku 45 lat, które właśnie nabyły prawo do bezpłatnej mammografii. W zaplanowanych kolejnych falach pójdzie łącznie ok. 3,5 mln SMS-ów i ponad 2,6 mln powiadomień push z aplikacji mojeIKP — osobno o mammografii (46–74 lat), osobno o teście HPV HR (25–62 lat) (komunikat MZ, 20.08).

Mechanika: segmentacja po wieku i uprawnieniu, komunikat dopasowany do segmentu, najpierw push w aplikacji, SMS głównie tam, gdzie push nie dotrze. Po umówieniu badania aplikacja przypomni o nim jeszcze na 7 dni i 1 dzień przed (pacjent.gov.pl). Wszystko na bazie 5,5 mln aktywnych użytkowników mojeIKP — o ponad 1,4 mln (34%) więcej niż pod koniec ubiegłego roku (komunikat MZ).

Warto ten ruch zobaczyć w szerszym kontekście, bo rządowy CRM zdrowotny to kolejny element większej układanki. Centralna e-Rejestracja — system, w którym wizyty na NFZ można umówić online przez IKP i mojeIKP, bez telefonu do placówki — obsługuje już mammografię, test HPV i kardiologię (nfz.gov.pl), a sierpniowe rozporządzenie przyspieszyło objęcie nią pozostałych specjalizacji z 2029 na koniec 2027 (Dz.U. 2026 poz. 1143, za rp.pl). Ministerstwo Cyfryzacji chce dołożyć alerty o każdym zdarzeniu medycznym w mObywatelu i mojeIKP (gov.pl, 31.08). Baza z segmentacją, kalendarz wizyt, notyfikacje — trzy warstwy, z których składa się każdy system relacji z klientem.

Czy to zadziała — zobaczymy, i to dosłownie. Powód całej operacji widać w dwóch liczbach: 6 sierpnia w centralnej e-rejestracji czekało ponad 384 tys. wolnych terminów na mammografię i ponad 445 tys. na test HPV w horyzoncie 90 dni — a mimo to w ostatnich dwóch latach z mammografii skorzystało 32,77% uprawnionych kobiet, z testu HPV — 15,22% (komunikat MZ). Podaż jest, brakowało dotarcia. Kierunek ma zresztą poparcie w dowodach: gdy w Wielkiej Brytanii porównano kobiety, które dostały SMS-owe przypomnienie o mammografii, z tymi, które go nie dostały, zgłaszalność wzrosła z 59,1% do 64,4% (British Journal of Cancer). Polskie wskaźniki są jawne i publikowane przez MZ, więc za kilka miesięcy każdy sprawdzi, czy SMS od państwa faktycznie wysyła Polki na badania — trochę tak, jakby największa kampania CRM w kraju publikowała wyniki na otwartym dashboardzie.

Co z tego wynika: państwo zaczęło generować popyt na badania cyfrowo, imiennie, we właściwym momencie, z zapisem w tej samej aplikacji — i kieruje go prosto do centralnej e-rejestracji. Dla laboratoriów i sieci diagnostycznych z kontraktem NFZ pytanie brzmi: czy w CeR widać nasze realne, bliskie terminy — bo to tam rozstrzyga się, dokąd trafi ten ruch. Dla klinik pierwszy kontakt z pacjentem NFZ-owym zyskał właśnie centralny kanał — na znaczeniu rośnie więc dalsza część ścieżki: prowadzenie po badaniu, koordynacja leczenia i stała opieka. To tam buduje się dziś relacja z pacjentem. Dla firm farmaceutycznych rosnąca zgłaszalność to więcej wykrytych przypadków i pacjentów wchodzących w terapie — programy wsparcia i edukacja powinny być gotowe na ten ruch. A jawne wskaźniki zgłaszalności warto monitorować: to najwcześniejszy sygnał, że popyt na diagnostykę i leczenie drgnął.

1. Bot umówił, algorytm ocenił objawy, AI napisało notatkę. Kto odpowiada, gdy coś pójdzie nie tak?

AI obsługuje coraz więcej odcinków ścieżki pacjenta —agenci zaczynają umawiać wizyty (o czym piszemy więcej w ostatnim sygnale tego wydania), narzędzia oceny objawów podpowiadają, jak pilnie i do kogo pacjent powinien trafić (AI triage), a skrybowie AI piszą notatki z wizyt — jak Noa Notes od Docplanner, który opisywaliśmy w pierwszym wydaniu.

Żaden przepis nie przenosi odpowiedzialności na AI — ponosi ją ten, kto narzędzie wystawił i kto zatwierdza jego wynik. W Polsce pokazały to rozstrzygnięcia wokół serwisów wystawiających recepty na podstawie internetowej ankiety — automatyzacja służyła w nich nie wsparciu lekarza, lecz ominięciu badania i realnego kontaktu z nim. Za ten proces odpowiadały podmioty lecznicze, które go uruchomiły: Rzecznik Praw Pacjenta uznał praktyki za naruszające zbiorowe prawa pacjentów, wydał 72 decyzje i nałożył blisko 1,3 mln zł kar, a zapadłe dotąd wyroki utrzymały decyzje Rzecznika (za Rynkiem Zdrowia).

Dojrzale zaprojektowane narzędzia działają odwrotnie — wspierają pracę lekarza, zamiast go omijać. Systemy oceny objawów pilnują, by nie wchodzić w obszar diagnozy, bo ta uczyniłaby z nich wyrób medyczny, z całym ciężarem certyfikacji i odpowiedzialności. Skrybowie AI z kolei jedynie przygotowują notatkę z wizyty — zatwierdza ją lekarz i to on odpowiada za jej treść.

Od grudnia dochodzi nowy element: unijna dyrektywa o odpowiedzialności za produkty wadliwe, którą państwa UE mają wdrożyć do 9 grudnia 2026. Uznaje ona oprogramowanie, w tym systemy AI, za produkt jak każdy inny: gdy wada software'u wyrządzi szkodę, odpowiada producent, tak jak producent wadliwej pralki.

Co z tego wynika: AI to narzędzie — samo nie weźmie odpowiedzialności. Choć zdarzyło się, że kanadyjskie linie lotnicze próbowały przekonywać przed trybunałem, że jest inaczej, bo ich chatbot to "odrębny byt odpowiedzialny za własne działania". Trybunał uznał ten argument za, cytując, "niezwykły" i kazał wypłacić odszkodowanie (Moffatt vs Air Canada, 2024, za American Bar Association). Odpowiedzialność bierze więc administrator — organizacja, która decyduje się na wykorzystanie systemu. A wybiera dziś w trudnych warunkach: w medycynie standardem jest walidacja kliniczna każdego rozwiązania, ale narzędzi AI przybywa szybciej, niż ktokolwiek nadąża je rzetelnie badać — dla wielu produktów dowody skuteczności są na razie skromne. Tym ważniejsze, by wdrożenie traktować jak projekt w równym stopniu operacyjny, co technologiczny: pilotaż przed pełnym startem, przeszkolony zespół, stały monitoring działania i jasne zasady reagowania na błędy — bo własny pilotaż bywa dziś jedyną ewaluacją, jaką narzędzie realnie przejdzie. Odpowiedzialności nie da się zdelegować na algorytm, ale da się nią zarządzać.

2. Zbudowali AI, które zdało egzamin medyczny na 100%. I schowali je do sejfu.

Model nazywa się Darwin i — według deklaracji producenta — jako pierwsze AI w historii odpowiedział bezbłędnie na wszystkie pytania MedQA, najważniejszego egzaminu testującego wiedzę medyczną modeli. Mimo to nie trafi do otwartej dystrybucji: dostęp wymaga indywidualnego wniosku — zespół badawczy opisuje, kim jest i do czego chce modelu użyć, a firma każdorazowo decyduje. Na razie korzystają z niego m.in. organizacja chorób rzadkich NORD, która konsultuje z Darwinem swoje najtrudniejsze przypadki, i akredytowani badacze bezpieczeństwa AI w medycynie (komunikat OpenEvidence, 3.09).

Za Darwinem stoi OpenEvidence — asystent AI dla lekarzy oparty na recenzowanej literaturze, z którego korzysta ok. 65% lekarzy w USA; wracał już w tym newsletterze dwa razy: w wydaniu #1 opisywaliśmy jego model biznesowy, a w wydaniu #2 — punkty edukacyjne za zadawanie pytań. Darwin to szczyt ogłoszonej właśnie własnej rodziny modeli medycznych, którą firma uniezależnia się od popularnych dostawców AI w samym sercu produktu. Pozostałe trzy modele trafiają do wszystkich zweryfikowanych klinicystów bezpłatnie i odpowiadają różnym sytuacjom w pracy lekarza: najszybszy daje odpowiedź w kilka sekund w trakcie wizyty, najgłębszy przez kilka minut robi pełny przegląd literatury — na przykład przy nietypowym przypadku albo decyzji o terapii, dla której trzeba zważyć aktualne badania, nie tylko podręcznikowy standard.

A dlaczego Darwin został schowany do sejfu? Uzasadnienie firma podała wprost w komunikacie: model zdolny do rozumowania na granicy wirusologii, immunologii i genetyki człowieka mógłby w niepowołanych rękach przyspieszyć prace, które świat ściśle reguluje z dobrych powodów — jako przykłady wymienia badania istotne dla broni biologicznej i edycję ludzkiej linii zarodkowej poza nadzorem naukowym.

Co z tego wynika: to sektorowa wersja dyskusji, którą w Polsce znamy pod hasłem suwerenności technologicznej — u nas toczy się wokół narodowych modeli językowych, jak Bielik czy PLLuM, a OpenEvidence pokazuje jej logikę w skali jednej firmy: jeśli AI jest sercem Twojego produktu, w pewnym momencie przestajesz go wynajmować. I drugi wniosek: medycyna okazuje się dziedziną, w której budowa dedykowanego modelu — zamiast nakładki na uniwersalny — jest racjonalna, bo stawka (jakość odpowiedzi przy decyzjach klinicznych i kontrola nad tym, kto z nich korzysta) uzasadnia koszt. Kierunek wart obserwacji: kolejne wyspecjalizowane dziedziny mogą pójść tą samą drogą.

3. Agentic commerce dotarł do ochrony zdrowia. Pierwsi lekarze są już umawiani przez agentów AI.

„Dermatolog w okolicy, przyjmujący moje ubezpieczenie, najlepiej jutro." W USA od sierpnia takie zdanie wpisane do Gemini może zakończyć się umówioną wizytą: Zocdoc — największa amerykańska wyszukiwarka wizyt lekarskich — zintegrował się z Google Gemini, który przeszukuje kalendarze ponad 200 tys. lekarzy w czasie rzeczywistym i domyka rezerwację już w rozmowie (komunikat Zocdoc, 12.08). Zdrowie dołącza tym samym do wzorca znanego np. z podróży: w ChatGPT hotel wybiera się już przez aplikację Booking.com — asystent pokazuje oferty z cenami w oknie czatu, a rezerwację finalizuje się u dostawcy, więc na razie generuje to ruch, nie sprzedaż bezpośrednio (OpenAI).

Czy to już się liczy biznesowo? Jeszcze nie: na konferencji wynikowej za II kwartał 2026 CFO Booking Holdings podał, że ruch trafiający do serwisów grupy z czatów AI — płatny i bezpłatny — odpowiada za mniej niż 1% rezerwowanych nocy i od kilku kwartałów ta liczba drgnęła nieznacznie (za PhocusWire). Kanał już istnieje, widoczność rośnie, ale sprzedaż wciąż płynie starymi drogami.

Co z tego wynika: obsługa ruchu agentowego może się okazać następną wersją "być na ZnanymLekarzu". Droga jest otwarta dla każdego, kto ma system rezerwacji online: marketplace'u medycznego, sieci klinik, pojedynczej przychodni — w Polsce nie zrobił tego jeszcze nikt. Dzisiejszy wolumen jest mały, więc nie chodzi o szybką sprzedaż, tylko o pole position: kto wystawi swój kalendarz agentom, zanim ten sposób szukania usług nabierze rozpędu, ten będzie startował z pierwszego rzędu, gdy ruch ruszy na dobre.

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