Эту статью написал Саси Муккамала (Sasi Mukkamala), технический директор Redox.
Продолжение статьи «LLM, MCP и агентный ИИ — о боже!»
В декабре 2025 года я писал, что интероперабельность движется к миру, где интеграции формируются, контролируются и исправляются ИИ-агентами, которые понимают намерения и могут действовать на их основе. В то время это была лишь гипотеза. У нас в Redox внутренне работал сервер MCP, имелся набор принципов проектирования и была уверенность в том, что естественный язык станет полноценным интерфейсом для инфраструктуры медицинской интеграции. Мы прогнозировали, что к июню у нас появятся беты для тестирования с клиентами, а общая доступность (GA) запланирована на конец 2026 года.
Вместо этого в июне 2026 года мы выпустили релиз. Наш сервер MCP и набор ИИ-ассистентов стали общедоступными, и клиенты начали использовать их для рабочих интеграций. Фактически внедрение клиентами превзошло все целевые показатели. Единственное, что опережает внедрение клиентами — это их энтузиазм по поводу этих новых функций. Всего за несколько коротких месяцев системы и инструменты, на которых работает интероперабельность, принципиально изменились неожиданным образом. Что-то стало проще. Что-то — нет. На вопросы «кто выполняет работу?» и «сколько работы выполняется?» теперь есть совсем другие ответы. Некоторые из наших гипотез подтвердились. Некоторые уточнились. Все эти выводы сформировали наше текущее видение и дорожную карту. Давайте разберем это подробнее.
Что стало проще, а что нет
Заставить клиентов захотеть использовать функции ИИ стало проще. Когда мы открыли бету MCP в конце 2025 года, нам приходилось самим искать участников. Был длинный список кандидатов, но лишь горстка клиентов была готова действительно попробовать это на практике. Интерес был реальным, но абстрактным; немногие имели конкретный план или понимание того, что они будут с этим делать. За месяцы между бета-версией и релизом GA разговор полностью изменился. Клиенты теперь легко видят ценность нашего сервера MCP, часто потому, что они уже запускают агентов где-то в своем стеке. Полезность нашего набора ИИ-ассистентов говорит сама за себя, и клиенты стремятся включить эти функции как можно скорее. (Небольшая самореклама: найдите наш сервер MCP в Anthropic Connector Marketplace!)
Сделать ИИ-функции безопасными проще не стало. Разработка нашего сервера MCP — задача относительно простая. Экспортировать через него платформу медицинской интеграции — нет. То, что ограничивает работу агента в этой инфраструктуре, — это способность видеть правильное состояние, наличие разрешений на изменение того, что его просят изменить, а также обратимость этого изменения и возможность отслеживания авторства впоследствии. Соблюдение требований конфиденциальности и безопасности медицинских данных — это то, в чем мы никогда не пойдем на компромисс. За последние два квартала мы потратили столько же времени на определение области действия авторизации, аннотации инструментов, разрешение контекста организации и поверхности аудита, сколько и на промпт-инжиниринг и проектирование контекста. Вся эта работа привела к тому, что мы предоставили надежный и безопасный опыт для пользователей, ежедневно взаимодействующих с нашими ИИ-функциями и MCP.
Что изменилось
Только подумайте: для изменения конфигурации исторически требовалось знание нашего DSL (доменно-специфичного языка), а это значит, что руководителю проекта или бизнес-аналитику, который идеально понимает клинические требования, требовался специалист Redox в помощь для внесения изменений. С ИИ-ассистентом для изменения конфигурации тот же клиент просто описывает маппинг и получает работающую схему за считанные минуты. Мы наблюдали, как клиенты сопоставляли полные сегменты HL7 для типов сообщений, к которым они никогда раньше не прикасались, включая условную логику, зависящую от наличия ресурса FHIR, а затем применяли ту же логику для нескольких подписок. С другой стороны, операционный персонал теперь безопасно самостоятельно вносит изменения в конфигурацию и HL7 вместо того, чтобы полагаться на инженера.
Это и есть реальная трансформация, и дело не в том, что «инженеры стали работать быстрее». Круг людей, способных безопасно вносить изменения, стал намного шире.
Вторичный эффект оказался тем, чего я не предсказывал, и теперь мы слышим его версию от большинства клиентов, которые используют эти инструменты уже несколько месяцев: ИИ-инструменты генерируют больше бэклога, а не меньше. Когда стоимость предложения изменений интеграции падает, предлагается больше изменений. Высвобожденные на этапе реализации ресурсы почти мгновенно поглощаются работой, которую раньше не стоило даже записывать. Если вы измеряете свои инвестиции в ИИ количеством сэкономленных штатных единиц, вы измеряете не то. Измеряйте то, насколько больше ваша команда выпускает в рамках тех же ограничений. Это вариант парадокса Джевонса: удешевление какого-то процесса увеличивает объемы его выполнения, а не количество освободившегося у вас свободного времени.
Третий эффект перенаправил нашу дорожную карту. Когда мы спросили клиентов, что по-прежнему доставляет неудобства, они назвали не объем ошибок. Они назвали невидимые сбои. Очередь, тихо повторяющая попытки ниже порога оповещения. Поток на стороне источника, изменивший форму на верхнем уровне (upstream) и оставшийся незамеченным до тех пор, пока данные на нижнем уровне (downstream) не стали выглядеть неправильно. Один из руководителей направления интеграции описал нам свое устранение неполадок следующим образом:
«Иногда это действительно поиски иголки в стоге сена. Что-то, что поможет мне понять, стог какого сена я ищу, было бы отличным шагом в правильном направлении».
Это проблема, которую стоит решить. Дорогая часть сбоя интеграции в здравоохранении — это редко стоимость исправления. Это стоимость плохих данных или отсутствия обмена данными в промежуток времени между тем, как что-то сломалось, и тем, как кто-то это понял.
В недавнем вебинаре наша старший вице-президент по работе с клиентами Кэлин Гигот (Kalyn Gigot) рассказала историю о медицинской организации, которая шесть месяцев не отправляла ни одного результата. Организация работала с интеграционной платформой без каких-либо настроенных оповещений или мониторинга. Никто не замечал отсутствия трафика до тех пор, пока кто-то не спросил, почему затих выставление счетов (биллинг), потому что в этом рабочем процессе отсутствие результата означало отсутствие счета. Шесть месяцев молчания в бизнесе с оборотом почти в миллиард долларов в год — это не погрешность округления. Это реальная выручка, которую приходится преследовать задним числом.
Этот разрыв между поломкой и обнаружением — вот где происходит реальный ущерб. Он может превратиться в расторгнутый контракт или испорченные отношения с клиентом задолго до того, как кто-то вообще найдет первопричину.
Как мы смотрим на ИИ-инструменты сейчас
Вот какие выводы мы сделали за последние шесть месяцев: внедрение было простым, но безопасность потребовала реальной работы; высвободившееся время превратилось в больший объем работы в бэклоге, а не меньший; а сбои, которые ранили больнее всего, оказались теми, которых никто не ожидал.
Глядя в будущее, мы разделяем инвестиции на три направления, поскольку они несут разные риски и разное бремя доказательств:
- Сервер MCP — типизированные инструменты с разграничением прав, которые может вызывать любой клиент, совместимый с MCP. Это обеспечивает агентское самообслуживание с использованием инструментов, которыми наши клиенты уже пользуются
- Ассистенты в дашборде — контекстный слой для того, кто уже просматривает лог, полезную нагрузку (payload) или редактор конфигураций внутри нашего дашборда
- Агенты в фоновом режиме — интеллектуальные процессы, непрерывно работающие в вашей среде и сообщающие вам то, о чем вы не просили, но должны знать
Во втором полугодии 2026 года мы сосредоточимся на следующем:
Агенты, которые наблюдают
Мы начинаем с поиска ошибок, триажа и устранения неисправностей, опережая более специализированную работу по обеспечению качества данных. Причина — покрытие. Агент по очистке данных — это высокоточный инструмент, чрезвычайно ценный для определенной части клиентов. Агент по ошибкам — это пожарная сигнализация: она нужна в каждом здании.
Конкретно мы стремимся выявлять сбои, которые остаются ниже порога современных систем оповещения. Очереди, застрявшие в циклах повторных попыток. Негласные сбои на стороне источника. Ухудшение сетевого подключения, заметное только в логах и больше нигде. Клиенты заслуживают упреждающих уведомлений, а не панели мониторинга, которую кто-то должен не забыть открыть. Мы начинаем со строгих пороговых значений и со временем снижаем количество ложных срабатываний, а не наоборот, потому что недостаточно чувствительное оповещение приучает людей игнорировать его, а этот ущерб трудно исправить.
Параллельно с этим — обнаружение дрейфа. Когда вышестоящая система EHR меняет формат потока данных, этот сигнал часто уже содержится в собираемых нами ошибках. Задача заключается в том, чтобы связать эти симптомы с причиной и представить ее как изменение в системе, а не как список отдельных сбоев.
Самообслуживание от начала до конца
Вторая инвестиция — это завершение пути от намерения до работающей интеграции с помощью MCP. Наши собственные команды внедрения теперь выполняют весь процесс от начала до конца через сервер MCP — это внутреннее доказательство, которое мы хотели получить, прежде чем открывать его шире. Внутренняя фраза, которую мы используем, звучит так: «Сделай сам, но не один». Это означает, что клиенты могут использовать функции самообслуживания, когда это целесообразно, но при этом могут полагаться на руководство и поддержку команды Redox. В данном случае цель состоит в том, чтобы клиент мог настроить подключение полностью самостоятельно, если захочет.
Дело не только в скорости. Когда стоимость внедрения структурно снижается, меняется экономика небольших подключений: клиника, интеграция с которой раньше не стоила усилий, становится выгодной для подключения. Это проникает в здравоохранение глубже, чем любой прирост эффективности.
Еще одна небольшая самореклама: подписывайтесь на нас в LinkedIn или подписывайтесь на нашу ежемесячную рассылку, чтобы узнавать о новых функциях, которые мы выпускаем каждый месяц!
Что не изменилось
Позиция в отношении управления осталась такой же, какую мы представили в июне, и она не смягчится по мере расширения возможностей агентов.
PHI не используется для обучения моделей. Данные промптов проходят установленный путь хранения и деидентификации, а обработка клинических данных по-прежнему регулируется теми же протоколами интеграции, что и всегда. Вывод (инференс) работает на совместимом с HIPAA движке с соблюдением границ данных. Функции ИИ остаются отключенными, пока владелец организации не включит их и не примет условия — мы никогда и ни для кого не включали их по умолчанию.
Что касается именно агентской работы, здесь действуют три правила. 1) Права на чтение расширяются раньше прав на запись. 2) Каждое действие агента поддается отслеживанию и аудиту. 3) В вашей среде ничего не меняется до тех пор, пока человек не даст на это согласие.
Мы принимаем это ограничение, а не тяготимся им. Автономия в отношении инфраструктуры здравоохранения должна завоевываться постепенно, в условиях реальной эксплуатации и на основе фактов.
Куда это приведет дальше
Видение не изменилось: функциональная совместимость как программируемая инфраструктура, где намерение является первостепенным вводом, а замкнутый цикл устроен так, что один и тот же уровень настраивает конфигурацию, отслеживает ее, объясняет и восстанавливает.
Изменилось то, что теперь я знаю, какая часть является самой сложной. Это не создание интеграции. Это долгий, лишенный блеска средний этап — годы, в течение которых поток данных работает в продакшене, пока системы с обоих концов незаметно развиваются под ним. Именно здесь на самом деле завоевывается или теряется доверие к медицинским данным, и именно туда мы направляем наших агентов в следующий раз.
