- 24 февраля 2026 года исследование 10 организаций при участии профессора Кейт Келлогг (MIT Sloan) и Даниэль Биттерман (Гарвардская медицинская школа) выявило разрыв между ожиданиями и реальностью при внедрении агентского ИИ в клиническую медицину.
- Агентский ИИ (Agentic AI) — это системы ИИ-агентов, способные автономно выполнять многоэтапные процессы с высокой степенью самостоятельности.
- Исследование было сосредоточено на системе ИИ для обнаружения побочных эффектов у онкобольных, проходящих иммунотерапию, на основе неструктурированных электронных медкарт.
- Система может обрабатывать сотни записей за считанные минуты вместо нескольких часов или дней.
- Точность обнаружения побочных эффектов эквивалентна или более стабильна по сравнению со стандартным процессом, выполняемым координаторами клинических исследований.
- Однако менее 20% усилий по внедрению было потрачено на промпт-инжиниринг и разработку модели; более 80% ушло на «социотехническую» работу.
- На каждый 1 час оптимизации модели организации требуется около 4 часов для практического внедрения. 5 основных «обременений»:
- Интеграция данных: необходимы стабильные конвейеры (pipelines) и инфраструктура данных; если данные не стандартизированы, агентская система «застрянет в цепи».
- Валидация модели: проверка не только выходных данных, но и соблюдения агентами политик, ведения логов и доступа только к разрешенным инструментам.
- Обеспечение экономической ценности: ROI сложно рассчитать из-за колебаний затрат в зависимости от сложности процессов и уровня координации между агентами.
- Мониторинг дрейфа (модели/данных): требуется «адаптивный мониторинг» для отслеживания динамических показателей вместо статических порогов if-then.
- Управление (Governance): уточнение зон ответственности, юридических рисков, безопасности и механизмов подотчетности при возникновении ошибок.
- Исследование подчеркивает, что в медицине высокие риски требуют строгого контроля, но playbook по этим 5 факторам необходим любой отрасли.
Заключение: Внедрение агентского ИИ — это не просто алгоритмическая задача, а трансформация организации: более 80% усилий приходится на инфраструктуру, управление и интеграцию данных. Успех зависит от преодоления 5 ключевых «обременений», особенно в таких критически важных сферах, как медицина.
