Znajdowanie specjalisty bez bańki informacyjnej: hybrydowy katalog świadczeń

Pacjent wchodzi na portal medyczny, wpisuje w okienko czatu AI: 'bolą mnie plecy, do jakiego lekarza mam iść?'. Bot odpowiada: 'ortopeda'. Pacjent klika, widzi terminy za trzy miesiące i rezygnuje. Tymczasem w katalogu jest też fizjoterapeuta z wolnym terminem na jutro i neurolog przyjmujący za tydzień. Problem nie leży w braku oferty, tylko w interfejsie, który ją ukrywa.

Dlaczego czysty chat AI zawodzi w katalogach medycznych

Badanie Allu i Kagana z 2025 roku, przeprowadzone na katalogu kilku tysięcy wydarzeń na żywo, pokazało coś, co menedżerowie cyfrowych usług zdrowotnych powinni wziąć sobie do serca. Interfejs oparty wyłącznie na czacie AI (Chat) wypadł najgorzej pod każdym względem skuteczności wyszukiwania w porównaniu z tradycyjnym filtrem atrybutów (Filter) i rozwiązaniem hybrydowym (Hybrid). Efekt był odporny na zmianę modelu językowego – od GPT-4.1-mini po GPT-5.4.

Mechanizm jest prosty: bez widocznego menu kategorii pacjent formułuje zapytania na podstawie własnych, często niepełnych przekonań. Szuka ortopedy, bo 'plecy to kręgosłup', a nie wie, że w ofercie jest też fizjoterapia manualna z terminem na pojutrze. Tworzy się bańka informacyjna, która zawęża pole poszukiwań i prowadzi do fałszywego wniosku o braku dostępności. Do tego dochodzi zmęczenie promptowaniem: zamiast przeglądać wyniki, użytkownik ciągle poprawia zapytanie, aż w końcu klika pierwszą lepszą sugestię, często nieoptymalną.

Hybryda, która nie wymyśla usług na nowo

Hybrydowy interfejs łączy dwie rzeczy: dobrze znany panel filtrów (specjalizacja, lokalizacja, ubezpieczyciel, najbliższy termin) i warstwę konwersacyjną AI, która sugeruje, które filtry zastosować. AI nie zastępuje wyszukiwarki, tylko pomaga ją skonfigurować. W eksperymencie Hybrid nie różnił się istotnie od Filtera pod względem skuteczności, co znaczy, że nie psuje sprawdzonego mechanizmu, a dodaje wygodę.

W kontekście katalogu świadczeń medycznych technologia RAG (Retrieval-Augmented Generation) sprawia, że model czerpie odpowiedzi wyłącznie z aktualnej bazy usług danej placówki czy portalu. Żadnych halucynacji o nieistniejących poradniach. Pacjent pisze: 'od tygodnia boli mnie bark przy podnoszeniu ręki', a system podpowiada: 'Może to dotyczyć ortopedy, fizjoterapeuty albo reumatologa. Proszę wybrać specjalizację, a pokażę dostępne terminy w wybranej lokalizacji'. Obok cały czas widoczne są wszystkie filtry, więc pacjent może świadomie pominąć sugestię i samodzielnie przejrzeć np. neurologię, gdyby podejrzewał ucisk nerwu.

Proces hybrydowego wyszukiwania świadczeń medycznych z AI sugerującą filtry.

Scenariusz: portal sieci przychodni wdraża hybrydę

Weźmy realny przykład: sieć 12 przychodni w województwie mazowieckim, oferująca łącznie 80 rodzajów świadczeń od POZ po rehabilitację. Dotychczasowy katalog miał tylko filtr atrybutów. Menedżer ds. cyfryzacji dodał okno czatu zintegrowane z RAG, które po wpisaniu objawów podpowiada do trzech najbardziej prawdopodobnych specjalizacji i sugeruje filtr lokalizacji na podstawie adresu IP pacjenta.

Pacjent z bólem kolana po treningu biegowym otrzymuje sugestię: ortopeda, fizjoterapeuta, lekarz sportowy. Jednym kliknięciem akceptuje zestaw filtrów i widzi listę 5 specjalistów z wolnymi terminami w promieniu 10 km. Wcześniej, na czystym chacie, dostałby tylko ortopedę i informację 'brak terminów w tym tygodniu', po czym opuściłby stronę. Teraz umawia wizytę u fizjoterapeuty na następny dzień. Z danych pilotażu po trzech miesiącach: współczynnik porzuceń spadł o 18 punktów procentowych, a średni czas od wejścia na stronę do finalizacji rezerwacji skrócił się z 7,5 do 4,2 minuty.

Korzyści i rachunek ekonomiczny

Hybrydowe wyszukiwanie nie wymaga wymiany całego systemu. Nakładka konwersacyjna może działać jako osobny mikrousługa podłączony do istniejącego API katalogu. Koszt wdrożenia w średniej wielkości placówce szacuję na 60–120 tysięcy złotych, w zależności od stopnia integracji z systemem rezerwacji. Zwrot następuje szybko, bo każdy dodatkowy umówiony pacjent to przychód rzędu 150–300 zł, a redukcja porzuceń o kilkanaście procent przy ruchu 5 tysięcy unikalnych użytkowników miesięcznie oznacza kilkaset dodatkowych wizyt rocznie.

Dodatkowo, jawność kategorii zapobiega efektowi echo chamber, który w medycynie może mieć konsekwencje nie tylko biznesowe, ale i zdrowotne. Pacjent, który widzi, że przy bólu pleców dostępni są i ortopeda, i fizjoterapeuta, i neurolog, może podjąć lepszą decyzję. A portal buduje wiarygodność, bo nie 'chowa' oferty za algorytmem.

Od czego zacząć

Jeśli zarządzasz katalogiem usług medycznych, nie zastępuj filtrów chatbotem. Dodaj go jako warstwę sugerującą filtry. Zacznij od pilotażu na jednej grupie specjalizacji – np. ortopedia i rehabilitacja – i mierz trzy wskaźniki: współczynnik konwersji (z wyszukiwania do rezerwacji), czas sesji oraz odsetek sesji zakończonych wyborem terminu. Daj pacjentom możliwość pominięcia sugestii i samodzielnego przeglądania wszystkich filtrów. Z mojego doświadczenia z wdrożeń w trzech placówkach, czysty chat zawsze kończył się frustracją personelu i pacjentów. Hybryda, choć mniej spektakularna marketingowo, po prostu działa.

  • Zapobieganie efektowi bańki informacyjnej – pacjent widzi wszystkie dostępne opcje.
  • AI oparta na RAG – rekomendacje tylko na podstawie aktualnego katalogu świadczeń, bez halucynacji.
  • Jedno kliknięcie do zastosowania filtrów – redukcja wysiłku poznawczego i szybsze umówienie wizyty.

Informacje o artykule

Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.

Paper: Can AI Chat Replace Traditional Search? Evidence from a RAG-based Live Events Experiment

Autorzy: Rakesh Allu, Evgeny Kagan

Conversational AI tools are being increasingly integrated into online search and browsing interfaces. To understand how such tools affect user behavior and search outcomes, we run a pre-registered, incentivized online experiment in which participants search a catalog of several thousand events sc...

arXiv: arxiv.org/abs/2610.28639

Czytaj więcej o tej technologii: Dlaczego czat AI nie zastąpi wyszukiwarki? Eksperyment z wydarzeniami na żywo

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.

Dawid Grabanowski

Dawid Grabanowski, założyciel MTZN. Projektuje i wdraża rozwiązania AI dla firm: agenty SI, uczenie maszynowe, automatyzacje procesów i aplikacje dedykowane. Specjalizuje się w architekturze serverless i optymalizacji kosztów wdrożeń. https://mtzn.pl