AI coraz mocniej napędza programy zdrowotne i wellbeingowe, ale sama nie zbuduje zaufania ani nie wyjaśni kontekstu zachowań. Najlepsze efekty daje model hybrydowy: automatyzacja z jasną ścieżką do człowieka.
AI jako silnik cyfrowego zdrowia
Sztuczna inteligencja stała się jednym z głównych narzędzi w cyfrowym zdrowiu: wspiera coaching żywieniowy, pomaga zarządzać stresem, a także porządkuje opiekę nad chorobami przewlekłymi. Skala jest kusząca — algorytmy potrafią obsłużyć więcej osób jednocześnie, szybciej i taniej, a do tego dopasować komunikację do danych o zachowaniach.
Nie dziwi więc, że zdecydowana większość liderów ochrony zdrowia deklaruje dziś testowanie lub wdrażanie rozwiązań opartych na AI. Dla organizacji finansujących świadczenia zdrowotne to obietnica przełomu: większa dostępność wsparcia bez proporcjonalnego wzrostu kosztów.
Dlaczego sama personalizacja nie wystarcza
Problem zaczyna się tam, gdzie „trafna rekomendacja” ma zamienić się w realną zmianę nawyków. AI potrafi przewidzieć, co użytkownik może potrzebować, ale nie została zaprojektowana do zastępowania relacji, zaufania i inteligencji emocjonalnej — zdolności rozpoznawania i rozumienia emocji własnych oraz innych.
W praktyce dane wymagają interpretacji. System może zauważyć tydzień bez aktywności, lecz nie rozstrzygnie, czy przyczyną jest wypalenie, podróż służbowa, kryzys rodzinny czy zwykłe przeziębienie. To właśnie w tej „szarej strefie” człowiek jest nie do zastąpienia: dopyta, dopasuje plan, czasem po prostu odciąży.
Ryzyko halucynacji i koszt błędu
Do tego dochodzi ryzyko tzw. halucynacji, czyli podawania nieprawdziwych informacji w tonie pewnika. W dokumentacji technicznej OpenAI wskazywano, że nowsze modele (o3 oraz o4-mini) potrafiły halucynować w przedziale 30–50% w określonych testach. Niezależne zestawienia pokazują zresztą, że problem dotyczy wielu chatbotów, a poziomy błędów potrafią się znacząco różnić.
W obszarze zdrowia i dobrostanu stawka jest wyjątkowo wysoka: błędna sugestia, źle zinterpretowany objaw czy nieadekwatna porada mogą zaszkodzić, a przynajmniej podważyć zaufanie do całego programu. Dlatego organizacje, które traktują AI jako pełny substytut kontaktu z człowiekiem, podejmują ryzyko trudne do obrony — także reputacyjnie.
Kto odpada z programów opartych wyłącznie na automatyzacji
Nadmierna automatyzacja tworzy paradoks: narzędzia mają zwiększać zaangażowanie, a potrafią je obniżać. Najbardziej narażone są trzy grupy. Po pierwsze osoby, które zasadniczo radzą sobie samodzielnie, ale co jakiś czas potrzebują ludzkiego „check-inu”, poczucia odpowiedzialności i prostego sygnału: ktoś widzi ich wysiłek.
Po drugie — użytkownicy o niższej „health literacy” lub „digital literacy”. Dla nich mnogość komunikatów, aplikacji i zaleceń nie jest wsparciem, tylko przeciążeniem.
Po trzecie — osoby psychicznie lub emocjonalnie „na limicie”. Nie odrzucają pomocy, lecz nie mają zasobów, by wdrażać nowy program; automatyczne przypomnienia mogą brzmieć jak presja, a nie ulga.
Empatia jako warunek skuteczności
W dyskusji o technologii łatwo sprowadzić temat do funkcji i wskaźników, a klucz bywa bardziej podstawowy: ludzie chcą czuć się zauważeni. Badania wskazują, że przestrzeganie zaleceń i utrzymanie terapii rośnie, gdy pacjent ma poczucie zrozumienia i wsparcia. Empatia nie jest więc „miłym dodatkiem”, tylko mechanizmem, który przekłada się na adherencję, uczestnictwo i wyniki zdrowotne.
To ważna korekta dla strategii wellbeingowych: nawet najlepszy algorytm nie zastąpi doświadczenia bycia wysłuchanym. A bez tego programy — choć świetnie zaprojektowane — mogą nie dowieźć efektów, których oczekują finansujący.
Presja kosztowa i oczekiwania wobec HR
Dla pracodawców temat jest dziś szczególnie palący. Prognozy mówią o wzroście kosztów opieki zdrowotnej finansowanej przez pracodawców o 6,5% w bieżącym roku, m.in. przez choroby przewlekłe, otyłość oraz rosnące wykorzystanie leków z grupy GLP-1. Równolegle liderzy HR deklarują, że dobrostan psychiczny i emocjonalny znajduje się wśród priorytetów.
W tej układance AI jawi się jako narzędzie do skalowania wsparcia „rozsądnym kosztem”. Tyle że presja budżetowa nie powinna prowadzić do projektowania programów, które oszczędzają na elemencie decydującym o utrzymaniu uczestników w procesie.
Model hybrydowy: technologia z drogą do człowieka
Najbardziej obiecujący kierunek to nie spór „AI kontra człowiek”, lecz architektura współpracy. Po pierwsze: ścieżka eskalacji. Jeśli AI jest pierwszym kontaktem, system musi umieć rozpoznać moment, w którym potrzebny jest coach lub klinicysta — i płynnie przekazać sprawę dalej.
Po drugie: personalizacja, która brzmi jak rozmowa, a nie jak automatyczny szablon. Dane mogą podpowiadać czas, ton i temat, ale to człowiek nadaje znaczenie niuansom i dopasowuje zalecenia do realnego życia.
Po trzecie: wielokanałowość — czat, SMS, e-mail, coaching grupowy i kontakt telefoniczny powinny się uzupełniać, a nie dublować.
Nadzór i odpowiedzialność w erze automatyzacji
Wreszcie potrzebna jest kontrola jakości: przegląd interakcji, testy A/B, pętle informacji zwrotnej i jasne zasady, kiedy automatyzacja ma się wycofać. Bez tego organizacja ryzykuje, że „wydajność” stanie się tylko pozorna, bo spadek zaufania obniży uczestnictwo, a tym samym zwrot z inwestycji.
Przyszłość cyfrowego zdrowia nie polega na zastąpieniu ludzkiego wglądu, lecz na jego wzmocnieniu. AI może zwiększyć zasięg i szybkość reakcji, ale empatia nadaje temu sens: buduje relację, która utrzymuje ludzi w programie wtedy, gdy najbardziej jej potrzebują.
Oryginalny tekst: When AI meets EQ: the next frontier of digital health
