Dlaczego nie wystarczy jeden prompt
AI w pojedynczej odpowiedzi może brzmieć przekonująco, ale łatwo pominie część źródeł, pomiesza screening z diagnostyką albo zaproponuje szeroki pakiet badań zamiast trzech konkretnych decyzji.
Tutaj najpierw przez kilka dni trwało porównywanie programów profilaktycznych, wytycznych, danych publicznych i opisów badań. Codex i Claude pracowały ręka w rękę: jeden porządkował implementację i testy, drugi pomagał wychwytywać luki, sprzeczności i brakujące ścieżki.
Iteracje odkrywały problemy
Kolejne rundy pracy AI ujawniały dziury, które trudno zauważyć w jednym przebiegu: brakujące pytania, źle rozdzielone ścieżki, świeże wyniki, które powinny obniżać priorytet, albo sytuacje, gdzie screening trzeba zastąpić konsultacją.
Dopiero po tej konsolidacji AI dostaje profil użytkownika, styl życia, ryzyka i świeżość wyników. Działa w granicach przygotowanego katalogu kontroli zdrowia i ma wskazać trzy sensowne tematy do rozmowy z lekarzem, nie udawać diagnozę.
Sprawdzamy to na profilach pacjentów
Żeby upewnić się, że proces działa, stworzyliśmy 38 hipotetycznych profili pacjentów w zestawie live-AI. Każdy profil ma oczekiwaną rekomendację, więc test sprawdza, czy realna odpowiedź AI trafia w właściwy kierunek.
Dodatkowo smoke testy obejmują 82 scenariusze profilowe dla katalogu i logiki bezpieczeństwa. To nie gwarantuje nieomylności, ale daje stałą kontrolę jakości przy każdej kolejnej zmianie źródeł, pytań i rekomendacji.
