OpenAI udostępniło 16 listopada 2026 r. agentów obsługujących komputer, którzy w ChatGPT for Healthcare, ChatGPT for Clinicians i przez API samodzielnie poruszają się po systemach elektronicznej dokumentacji medycznej (EHR) i portalach ubezpieczycieli: czytają ekran, klikają i wpisują dane tam, gdzie nie ma integracji przez API. W testach przygotowanych przez lekarzy model GPT-6 Astra uzyskał 99 proc. ocen bezpieczeństwa klinicznego w 325 zadaniach i pracuje już produkcyjnie m.in. w CVS Health.
- OpenAI udostępniło 16 listopada 2026 r. agentów opartych na modelach GPT-6 Astra i GPT-6 Luna, którzy samodzielnie obsługują szpitalne systemy EHR i portale ubezpieczycieli poprzez klikanie i wpisywanie danych – bez potrzeby integracji przez API.
- W testach klinicznych GPT-6 Astra uzyskał 99 proc. ocen bezpieczeństwa klinicznego w 325 zadaniach, natomiast w benchmarku HealthAdminBench zdobył 94,3 proc. dostępnych punktów, przy koszcie zadania administracyjnego na poziomie ok. 8,5 centa dla tańszego modelu GPT-6 Luna.
- CVS Health wdrożył agentów produkcyjnie – jeden z nich nadrobił w ciągu jednego weekendu zaległości w wysyłce dokumentów narastające przez kilka miesięcy, a drugi obsługuje kroki administracyjne przy dziesiątkach tysięcy konsultacji dziennie.
Razem z agentami OpenAI dodało do ChatGPT for Healthcare ponad 20 wtyczek od firm z branży medycznej i poprawione wyszukiwanie kliniczne. Wszystkie nowości dotyczą na razie rynku amerykańskiego.
Agenci GPT-6 Astra i GPT-6 Luna obsługują EHR tak jak człowiek przy komputerze
Agenci OpenAI nie potrzebują interfejsu programistycznego, żeby pracować w szpitalnym oprogramowaniu. Model widzi zrzut ekranu, rozpoznaje pola i przyciski, a potem klika, wpisuje tekst i przechodzi między aplikacjami. Tak obsługuje systemy EHR, portale płatników i wewnętrzne narzędzia, których nikt nigdy nie połączył ze sobą przez API.
Za agentami stoją dwa modele. GPT-6 Astra to obecny flagowiec OpenAI, który firma pokazała jesienią i stopniowo udostępnia kolejnym grupom klientów. GPT-6 Luna to najtańszy model z rodziny GPT-6, który zadebiutował 22 września 2026 r. w cenie 0,10 dolara za milion tokenów wejściowych.
OpenAI mocno podkreśla, że agent nie ma działać bez nadzoru. W scenariuszach testowych agent przygotowywał niewysłane wiadomości i niepodpisane notatki, które czekały na akceptację lekarza. Organizacje mogą też:
- określić, do których aplikacji agent ma dostęp,
- wskazać kroki, które wymagają zatwierdzenia przez człowieka,
- prowadzić dziennik każdej akcji agenta na potrzeby audytu i zgodności z HIPAA, czyli amerykańską ustawą o ochronie danych medycznych.
Odpowiedzialność za poprawną konfigurację tych zabezpieczeń OpenAI przerzuca na szpitale i ubezpieczycieli.
OpenAI podaje 99 proc. bezpiecznych działań i 8,5 centa za zadanie administracyjne
GPT-6 Astra przeszła dwa rodzaje testów: kliniczne, w skrzynce odbiorczej EHR, i administracyjne, na zewnętrznym benchmarku HealthAdminBench. Oba modele testowano przy maksymalnym poziomie rozumowania.
W części klinicznej lekarze zaprojektowali wieloetapowe zadania wymagające przejrzenia historii pacjenta i nawigacji po interfejsie. Przykład z materiałów OpenAI: agent przeglądał notatki o złamaniu u dziecka i zapisy wagi, a potem przygotowywał dla opiekuna instrukcję dawkowania ibuprofenu, zalecenia dotyczące gipsu i osobną notatkę do podpisu lekarza.
| Test | GPT-6 Astra | GPT-6 Luna |
|---|---|---|
| Działania ocenione jako bezpieczne klinicznie (325 zadań) | 99 proc. | brak danych |
| Oceny „bardzo pomocne” lub „niezwykle pomocne” (646 ocen) | 93 proc. | brak danych |
| HealthAdminBench (odsetek punktów) | 94,3 proc. | 91,8 proc. |
| Koszt zadania w HealthAdminBench | brak danych | ok. 8,5 centa |
Według OpenAI zadanie wykonane przez Lunę kosztuje o 98 proc. mniej niż to samo zadanie wykonane przez Astrę. Przy kilku punktach procentowych różnicy w wyniku to dla działów rozliczeń wybór oczywisty. Wszystkie liczby w tabeli pochodzą z własnych testów OpenAI. Niezależnej weryfikacji na razie nie ma.
Stanford jeszcze w kwietniu wystawiał agentom znacznie gorsze oceny
HealthAdminBench opublikowali w kwietniu 2026 r. badacze z Uniwersytetu Stanforda, Stanford Health Care i firmy Kinetic Systems. Benchmark składa się ze 135 zadań przygotowanych przez ekspertów i obejmuje uprzednią autoryzację świadczeń, odwołania od odmów refundacji oraz zamówienia sprzętu medycznego. Zadania wykonuje się w czterech symulowanych środowiskach: systemie EHR, dwóch portalach ubezpieczycieli i systemie faksowym.
Autorzy benchmarku zwracają uwagę na skalę problemu: amerykańska administracja w ochronie zdrowia kosztuje ponad bilion dolarów rocznie. W pierwotnej publikacji najlepszy agent ukończył od początku do końca tylko 36,3 proc. zadań. Badacze opisali też typowe zjawisko: agenci wykonują od 70 do 95 proc. kroków pośrednich i mimo to rzadko kończą cały proces.
To ważne dla odczytania wyniku OpenAI. Astra zdobyła 94,3 proc. „dostępnych punktów”, czyli wynik liczony z punktacji za poszczególne kroki. OpenAI nie podało w ogłoszeniu, jaki odsetek całych procesów agent zamknął bez błędu. Moim zdaniem obu liczb nie można porównywać jeden do jednego, nawet jeśli postęp od kwietnia jest wyraźny.
Przeczytałem ogłoszenie OpenAI dwa razy i mam mieszane uczucia. Agent klikający w stare oprogramowanie to rozwiązanie brzydkie technicznie. I bardzo możliwe, że właśnie dlatego zadziała. Szpitale latami czekały na porządne API od dostawców EHR. OpenAI mówi im teraz, że czekać nie muszą.
Niepokoi mnie co innego. Nadzór człowieka wygląda świetnie na slajdzie. W praktyce lekarz po dwunastu godzinach dyżuru zatwierdza setną notatkę agenta, nie czytając jej. Wynik 99 proc. w 325 zadaniach brzmi dobrze. Przy dziesiątkach tysięcy konsultacji dziennie jeden procent to setki sytuacji, które ktoś musi wychwycić. Kto za nie odpowiada? Na razie odpowiedź OpenAI brzmi: organizacja, która skonfigurowała agenta.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
CVS Health i Cigna mają agentów w produkcji, Abridge i Ambience je rozwijają
OpenAI wymieniło czterech partnerów. Są na różnym etapie, od pracy produkcyjnej po pokazy możliwości:
- CVS Health używa agentów do wysyłania dokumentów, obsługi skierowań i konsultacji specjalistycznych. Jeden agent nadrobił w ciągu weekendu zaległości w wysyłce dokumentów, które narastały przez kilka miesięcy. Drugi wykonuje kroki administracyjne przy dziesiątkach tysięcy konsultacji dziennie, pod nadzorem ludzi i z weryfikacją na podstawie zrzutów ekranu. CVS udostępnia też jako open source swój Agent Kit, zbudowany na Agents SDK od OpenAI.
- Cigna Healthcare przeszła od pomysłu do wdrożenia produkcyjnego w niecałe osiem tygodni. Wcześniej opiekunowie przypadków przed telefonem do ubezpieczonego przeglądali ręcznie ponad 10 systemów, żeby zebrać dane o świadczeniach, wizytach i historii leczenia. Teraz robi to agent.
- Abridge rozwija agentów dla oddziałów szpitalnych, którzy mają usuwać przeszkody przy wypisie pacjenta, np. załatwiać dostęp do leków i opiekę domową. Decyzje kliniczne wracają do lekarza.
- Ambience pokazało wysyłkę wniosków o uprzednią autoryzację na portalach ubezpieczycieli. Agent zatrzymuje się i prosi lekarza o wyjaśnienie, gdy dokumentacja jest niejednoznaczna.
Z agentów korzystają też mniejsze firmy, m.in. Assort Health, Bunkerhill, Forus, Gravity i Tennr, np. do domykania skierowań w systemie athenahealth.
ChatGPT for Healthcare dostaje ponad 20 wtyczek i dokładniejsze wyszukiwanie kliniczne
Nowe wtyczki działają w ChatGPT for Healthcare i w ChartGPT, czyli wersji ChatGPT osadzonej bezpośrednio w systemie EHR. Według zestawienia HIT Consultant obejmują cztery grupy:
- wiedza kliniczna i terminologia: UpToDate Expert AI, IMO Health MCP Server,
- EHR i wymiana danych: Elation Health, Redox, Metriport, Oracle HDI Overview,
- rozliczenia i izby rozliczeniowe: Availity Extend, Stedi, TriZetto, PenguinAI Medical Coding, Turquoise,
- kontakt z pacjentem i farmacja: Assort Health, Luma Health, Photon, Infinitus Relay, Amion, Aiva, Ferry, K Health, Notable Integration Specs, Subsalt.
OpenAI poprawiło też wyszukiwanie kliniczne. W ślepej ocenie ponad 1300 wieloetapowych rozmów lekarze ocenili nową wersję wyżej we wszystkich ośmiu badanych wymiarach. Poprawność faktów wzrosła z 93,4 do 97,6 proc., bezpieczeństwo kliniczne z 89,4 do 95,5 proc., a aktualność informacji z 94,4 do 98,8 proc. To także dane samego OpenAI, zebrane w kontrolowanych warunkach.
Dla OpenAI to kolejny krok w tym samym kierunku. ChatGPT for Healthcare wystartował w styczniu 2026 r., m.in. w AdventHealth, Cedars-Sinai i HCA Healthcare. We wrześniu firma dodała integrację z systemem Epic. ChatGPT for Clinicians jest bezpłatny, ale tylko dla zweryfikowanych lekarzy z USA.
Polskich lekarzy ta premiera na razie omija
Agenci OpenAI zostali zbudowani pod amerykańskie realia: systemy Epic i athenahealth, portale prywatnych ubezpieczycieli i procedurę uprzedniej autoryzacji. Wszystkie opisane wdrożenia i większość wtyczek dotyczy USA. OpenAI nie podało, kiedy i czy w ogóle agenci trafią do europejskich szpitali.
Problem, który rozwiązują, w Polsce wygląda podobnie. Lekarze od lat skarżą się na czas spędzany na dokumentacji. Polskie placówki dopiero jednak przyglądają się AI. W badaniu Docplanner (w Polsce ZnanyLekarz) z jesieni 2025 r. wdrożenie AI zadeklarowało 9 proc. placówek, a 40 proc. chce sprawdzić jej możliwości w najbliższym czasie.
Polski przykład pokazuje też, jak wygląda nadzór człowieka bez procedur. W marcu 2026 r. dyrekcja Wojewódzkiego Szpitala Dziecięcego w Bydgoszczy potwierdziła autentyczność karty informacyjnej izby przyjęć, w której został roboczy fragment wygenerowany przez ChatGPT. Według szpitala lekarz rezydent użył narzędzia tylko do poprawy językowej trzech zdań wywiadu.
Polska ma też własne projekty. W październiku 2026 r. Politechnika Wrocławska i Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii przedstawiły w sejmowej podkomisji ds. AI projekt „Polska AI dla zdrowia”. System ma analizować dokumentację pacjentów z rakiem płuca i wskazywać brakujące badania. Dane mają pozostać w szpitalach dzięki uczeniu federacyjnemu. To podejście lepiej pasuje do europejskich przepisów: RODO traktuje dane o zdrowiu jako szczególną kategorię danych osobowych.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu OpenAI z dnia 16.11.2026, publikacji Stanford Medicine o benchmarku HealthAdminBench oraz HIT Consultant. Do weryfikacji wykorzystano również materiały Interesting Engineering, Inside AI, Healthcare IT News i Artificial Analysis. Polski kontekst: Android.com.pl oraz Spider’s Web.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o agentach OpenAI w ochronie zdrowia.
