ChatGPT подключили к медкартам Epic, и все обсуждают врачей. Интереснее здесь то, что происходит с самим чатом

OpenAI подключила ChatGPT к электронным медкартам Epic и добавила плагин с прямым доступом к девяти официальным источникам медицинских данных. Разбираю, что там запустили на самом деле, почему это важно далеко за пределами медицины и что из этого следует для видимости вашего бренда

За релизами больших AI-компаний интересно наблюдать так же, как за электрикой в новостройке. Пока растут этажи, кажется, что главное здесь высота. Но въехать в дом можно только тогда, когда по стенам протянули проводку и в каждой комнате появилась розетка.

Последние два года индустрия строила этажи: каждая следующая модель умнее предыдущей, каждый бенчмарк выше прошлого. Сейчас происходит другое. Тянут проводку.

Поехали.

Внутри ChatGPT for Healthcare появилась интеграция с Epic, самой распространённой системой электронных медкарт в американских больницах. Авторизованный контекст пациента подтягивается в чат сам: приёмы, результаты анализов, назначения, документы узких специалистов. Переносить это руками между системами больше не нужно.

Вопросы, на которые интеграция отвечает по описанию OpenAI, звучат буднично:

Сценариев здесь два, и они разные. Первый: контекст медкарты приходит в ChatGPT, и врач готовится к приёму в чате. Второй: сам ChatGPT встраивается в интерфейс медкарты, и работать с ним можно не выходя из карты пациента. Ответ в обоих случаях ссылается обратно на те записи, из которых он собран.

Вторая часть релиза интереснее первой, хотя обсуждают её заметно меньше. Плагин Healthcare Public Data даёт отдельные коннекторы к девяти официальным государственным и научным базам, среди названных ClinicalTrials.gov, CMS Coverage, RxNorm, DailyMed и PubMed.

Ключевое слово тут «структурированный». Это не поиск по вебу, который принесёт пересказ статьи с чужого сайта. Модель работает с конкретными записями, полями, идентификаторами и версиями документов: критерии включения в исследование, идентификатор препарата, версия страховой политики, запись о провайдере. Сравнить и проверить можно то, что раньше пришлось бы открывать по каждой базе отдельно.

OpenAI работает с сотнями врачей из 60 стран, они говорят на 49 языках и представляют 26 специальностей. К настоящему моменту эти врачи разобрали более 700 тысяч ответов модели на вопросы, взятые из реальной практики.

Отдельно проверяли работу с подключённой медкартой: 27 клинических сценариев, среди них подготовка к приёму, хронология лечения, разбор назначений и передача пациента между врачами. Из 4363 оценок 99,1% ответов признаны безопасными. По коннекторам к публичным базам точность оценивали в два круга, и доля ответов с оценкой «хорошо» и выше превысила 93% для всех пяти проверенных источников: от 93,2% у CMS Coverage до 98,6% у DailyMed.

Здесь стоит отделить один вопрос от другого. «Безопасно» в этой методике не равно «правильно», это оценка того, что ответ не навредит. Порог входа, а не потолок качества. Сама компания это не скрывает и обещает продолжать тренировать модель под отрасль.

А теперь то, ради чего эту новость стоит читать людям, не имеющим к медицине никакого отношения.

В релизе три факта из трёх разных слоёв. Подключение к отраслевой рабочей системе, где лежат данные конкретного человека. Подключение к девяти официальным базам отрасли. И рядом, в том же тексте, плагины к Microsoft SharePoint, Google Drive, Salesforce и Slack, которые приносят в чат корпоративный контекст, не ломая при этом права доступа сотрудников.

Универсальный чат перестаёт продавать себя умом модели. Он продаёт себя тем, к чему подключён. Ценность растёт не от следующего скачка в рассуждениях, а от количества розеток, в которые эту коробку можно воткнуть. Так уже было с браузером, с почтой, с CRM: выигрывала не самая изящная программа, а та, которая оказалась подключена ко всему остальному.

Побочный эффект отсюда неприятный для многих сервисов. Прослойка, которая раньше зарабатывала на том, что таскала данные из системы в чат и обратно, схлопывается ровно в тот момент, когда вендор проводит провод напрямую.

У модели появляется иерархия источников, и она жёсткая. Там, где есть авторизованный доступ к системе, ответ собирается из неё, с ссылкой на конкретную запись. Там, где такого доступа нет, ответ по-прежнему собирается из открытого веба и обучающих данных.

Про вашу компанию авторизованного источника у модели нет. Ни одна нейросеть не подключена к вашей CRM, вашему прайсу и вашей документации. Значит, ответ про вас останется в нижнем слое, где модель работает с тем, что нашла и запомнила: с вашим сайтом, отзывами, статьями, ветками на форумах и пересказами конкурентов.

Проверить это просто, задайте любой массовой модели десяток вопросов о своей компании и посчитайте, сколько в ответах выдумок, устаревших цен и чужих регалий. По моим наблюдениям на клиентских проектах ошибка встречается примерно в каждом третьем ответе, и это ещё щадящая оценка.

Пока к вашим системам провод не протянут, единственный доступный вам рычаг это плотность и качество фактов о вас в открытом слое. Не подключение, а материал, который модели проще процитировать, чем додумать.

Видимость в нейросетях устроена не как позиции в поиске. Там нет одной строки, которую можно открыть и посмотреть глазами: один и тот же вопрос модель отвечает по-разному в разных сессиях, у разных пользователей и в разных странах. Поэтому единичная проверка не доказывает ничего, считать приходится долю.

Что замерять. Первое, доля упоминаний вашего бренда против конкурентов по вашему собственному списку вопросов. Второе, тональность и фактическая точность того, что модель про вас говорит. Третье, источники, которые она цитирует, отвечая про вашу категорию: это и есть те площадки, куда нужно попадать контентом.

Чем это делают. Вручную возможно: собрать от тридцати до пятидесяти вопросов, раз в неделю прогонять их по нескольким моделям и складывать ответы в таблицу. Первый замер займёт вечер, каждый следующий часа три. Дальше начинается арифметика, которую руками не вытянуть, и под неё сложился отдельный класс GEO-сервисов: из российских Topvisor AI Tracker, VisioBrand, AI Semantica и brandfound, из западных Peec, Otterly и Semrush Brand Radar.

Устроены они близко: берут ваш список вопросов, прогоняют его по нескольким моделям на регулярной основе и показывают долю упоминаний, тональность и цитируемые источники. brandfound, например, отслеживает ответы десяти нейросетей, включая обе поверхности Алисы раздельно, считает по ним долю упоминаний бренда против конкурентов и тональность, показывает, какие источники модели цитируют в ответах, а на основе найденных пробелов помогает генерировать контент, который эти пробелы закрывает.

Но выбор сервиса вторичен. Первично то, что этот замер вообще появляется в отчётности рядом с трафиком и позициями, а не остаётся любопытным опытом на один вечер. Управлять можно только тем слоем, который у вас переведён в цифры.

Первое. Медицинская часть релиза закрыта корпоративными тарифами: интеграция с Epic доступна организациям на ChatGPT for Healthcare и Enterprise, индивидуальным врачам её не дают, им остаётся только плагин с публичными данными, и то пока в США. Второе. Проверенные цифры относятся к безопасности ответов, а не к их клинической точности. Третье. Главное в этой новости не медицина, а направление движения: отраслевой контекст и рабочие системы становятся важнее следующего поколения модели.

Для брендов это не повод для паники, но повод пересчитать приоритеты. Пока крупные вендоры тянут провода к корпоративным системам, ваш бренд живёт в том слое, где модель собирает ответ из открытых источников. Разобраться, что она там про вас говорит, сегодня стоит дешевле, чем потом объяснять клиенту, откуда нейросеть взяла ваш прошлогодний прайс.

А теперь к вам. Какой рабочей системе вы бы первой дали прямой доступ к нейросети: CRM, базе документов, складу или аналитике.

Если разбор пригодился, буду признателен за плюс. Это помогает таким материалам набирать охват и доходить до тех, кому тема актуальна.

Пишу здесь регулярно про видимость брендов в нейросетях, AI в маркетинге, GEO и AEO. Подписывайтесь, чтобы не пропустить следующее.