W 2024 roku wydatki na ochronę zdrowia w Stanach Zjednoczonych osiągnęły astronomiczne 5,3 biliona dolarów — i właśnie ta liczba najlepiej tłumaczy, dlaczego Bunkerhill Health bez trudu zamknął rundę Series B o wartości 55 milionów dolarów. Zaskakujące nie jest jednak samo finansowanie, lecz fakt, że platforma agentycznej AI o nazwie Carebricks działa już dziś w ponad 20 agentach w jednym szpitalu, przetwarzając dane żywych pacjentów — a nie wyłącznie modele w laboratoryjnym piaskownicy. Dla branży, w której niezliczone pilotaże AI nigdy nie opuściły fazy testowej, to zmiana reguł gry.
Co to jest Carebricks i jak różni się od innych platform AI w medycynie?
Carebricks to platforma stworzona przez Bunkerhill Health, która pozwala szpitalom budować własnych agentów AI zamiast kupować gotowe, sztywne rozwiązania pudełkowe. Oznacza to, że każda placówka może projektować autonomiczne programy dopasowane do swoich konkretnych procesów klinicznych i administracyjnych.
Kluczowa różnica w stosunku do poprzedniej generacji narzędzi medycznych polega na tym, że Carebricks nie tylko rejestruje i dokumentuje — agenci działają na danych, podejmując kolejne kroki. Jeden agent może przeanalizować obrazowanie kardiologiczne i automatycznie oznaczyć pacjentów wymagających obserwacji, inny zajmuje się autoryzacjami wstępnymi (prior authorisations) dla ubezpieczycieli, jeszcze inny aktualizuje rejestry medyczne.
Platforma jest już wdrożona w Cleveland Clinic, University of Texas Medical Branch (UTMB) oraz Intermountain Health — trzech poważnych systemach szpitalnych, które trudno zaliczyć do entuzjastów pochopnych eksperymentów technologicznych. UTMB jako najbardziej zaawansowany użytkownik uruchomił ponad 20 agentów jednocześnie na żywym środowisku klinicznym.
Jak działa agentyczna AI w szpitalu?
Agentyczna AI (agentic AI) to model działania, w którym system sztucznej inteligencji nie tylko odpowiada na zapytania, ale samodzielnie inicjuje działania, monitoruje ich wyniki i podejmuje kolejne kroki bez konieczności każdorazowej interwencji człowieka. W kontekście medycznym oznacza to oprogramowanie, które „widzi” dane kliniczne i reaguje na nie autonomicznie.
W praktyce jeden z agentów Carebricks monitoruje wyniki badań obrazowych kardiologii w czasie rzeczywistym. Gdy algorytm wykryje wczesne sygnały choroby serca, samodzielnie generuje alert i kieruje pacjenta do odpowiedniej ścieżki opieki — bez czekania, aż ktoś ze środowiska klinicznego fizycznie przejrzy kolejkę wyników.
Inne agenty obsługują procesy administracyjne, które pochłaniają ogromne zasoby ludzkie, ale rzadko pojawiają się w materiałach marketingowych firm AI. Aktualizacja rejestrów, obsługa dokumentacji ubezpieczeniowej czy uzupełnianie danych rejestrowych to prace wykonywane dotychczas przez personel, który mógłby poświęcić ten czas bezpośredniej opiece nad pacjentem.
Model „zbuduj sam” zamiast gotowego produktu
Filozofia Carebricks zakłada, że szpital jest architektem własnych rozwiązań. Platforma dostarcza infrastrukturę i narzędzia, ale konkretne agenty powstają wewnątrz organizacji, dostosowane do jej procesów, specjalizacji i potrzeb. Taki model eliminuje klasyczny problem: kupujesz gotowe AI, ale okazuje się, że nie pasuje do twojego systemu EHR ani workflow oddziału.
Redakcja IWD Partner: Przez lata obserwowaliśmy setki startupów AI w medycynie, które triumfalnie ogłaszały „przełom” na konferencjach, a potem cicho znikały, gdy okazywało się, że ich modele nie radzą sobie z chaosem prawdziwego szpitala — niejednolitymi danymi, przestarzałymi systemami EHR, niedoborami kadrowym. Bunkerhill robi coś, czego większość pomijała: zamiast sprzedawać gotowy produkt, daje szpitalom klocki do budowania. Pytanie brzmi, czy taki model nie przenosi ciężaru wdrożenia z powrotem na i tak przeciążony personel IT placówek — i kto naprawdę będzie te agenty projektować.
Dlaczego Khosla Ventures i Sequoia zdecydowały się na tę inwestycję?
Runda Series B o wartości 55 milionów dolarów zamknięta w 2025 roku przyciągnęła zarówno kontynuację zaangażowania Sequoia Capital, Felicis, Optum Ventures i Y Combinator, jak i nowego inwestora — Khosla Ventures. Każde z tych nazwisk to osobna historia wiarygodności w branży deep tech.
Vinod Khosla, założyciel Khosla Ventures, skomentował decyzję inwestycyjną wprost w 2025 roku: „Wąskim gardłem w AI dla zdrowia nigdy nie była technologia — problemem było faktyczne uruchomienie jej w systemie szpitalnym. Bunkerhill zamknął tę lukę. Znacznie, znacznie ułatwili adopcję AI i mają już trakcję wewnątrz kluczowych systemów szpitalnych, na którą większość firm potrzebowałaby lat.”
Optum Ventures — ramię inwestycyjne UnitedHealth Group, jednego z największych ubezpieczycieli i operatorów ochrony zdrowia w USA — obecność w tej rundzie traktuje się jako szczególnie wymowną. Firma z dostępem do danych o setkach milionów pacjentów nie lokuje kapitału w pilotaże bez perspektyw skalowania.
Kontekst: niedobory kadrowe jako katalizator
Stany Zjednoczone zmagają się z chronicznym niedoborem personelu medycznego, który pogłębił się po pandemii COVID-19. Szpitale nie mogą po prostu zatrudnić więcej lekarzy czy pielęgniarek — zarówno ze względu na limity kształcenia, jak i koszty pracy. Agenty AI, które przejmują powtarzalne zadania administracyjne i analityczne, stają się w tym kontekście narzędziem nie tyle optymalizacji, co przetrwania systemu.
Nishith Khandwala, współzałożyciel i CEO Bunkerhill Health, ujął to w 2025 roku następująco: „Medycyna rozwinęła się szybciej niż zdolność systemu ochrony zdrowia do jej operacjonalizacji. Każdy wiodący system szpitalny ma więcej możliwości poprawy wyników pacjentów, niż jego personel jest w stanie realizować. Wierzymy, że agenty AI mogą pomóc im zamienić więcej z tych idei w rzeczywistość.”
Dlaczego agentyczna AI w ochronie zdrowia ma znaczenie?
Skala problemu, który Bunkerhill próbuje zaadresować, jest imponująca. Według Centers for Medicare and Medicaid Services wydatki na ochronę zdrowia w USA osiągnęły w 2024 roku 5,3 biliona dolarów — to więcej niż PKB większości państw świata. Jeśli nawet kilka procent tej kwoty trafia na zbędną dokumentację, powtarzalne procesy administracyjne i opóźnienia wynikające z niedoborów kadrowych, mowa o setkach miliardów dolarów potencjalnych oszczędności.
Równie istotny jest aspekt kliniczny. Wczesne wykrycie choroby serca dzięki automatycznej analizie obrazowania kardiologicznego to nie tylko oszczędność — to mierzalna różnica w rokowaniu pacjenta. Agenty, które monitorują dane 24 godziny na dobę bez zmęczenia i bez kolejek, mogą wychwycić sygnały, które przy tradycyjnej organizacji pracy zostałyby przeoczone do następnego przeglądu.
Fakt, że Cleveland Clinic — placówka regularnie wymieniana w rankingach najlepszych szpitali świata — uruchomiła Carebricks w środowisku produkcyjnym, stanowi silniejszy argument niż jakikolwiek raport z badań. Certyfikacja w realnym środowisku klinicznym to bariera, której większość startupów AI w medycynie nie przekracza nigdy.
Powiązane pojęcia z AI i uczenia maszynowego
- Agentyczna AI (Agentic AI) — podejście, w którym system AI samodzielnie inicjuje, planuje i wykonuje sekwencje działań w celu realizacji określonego zadania, bez konieczności każdorazowego polecenia ze strony człowieka.
- Prior authorisation (autoryzacja wstępna) — proces administracyjny w amerykańskim systemie ubezpieczeń zdrowotnych, wymagający uzyskania zgody ubezpieczyciela przed wykonaniem określonej procedury medycznej; jeden z największych pochłaniaczy czasu personelu klinicznego.
- EHR (Electronic Health Record) — elektroniczny rekord pacjenta, cyfrowy system dokumentacji medycznej stanowiący podstawową infrastrukturę danych w nowoczesnym szpitalu.
- Model piaskownicy (sandbox model) — środowisko testowe odizolowane od danych produkcyjnych, w którym modele AI są walidowane przed wdrożeniem; słabością wielu projektów AI w medycynie jest brak przejścia z piaskownicy do środowiska żywego.
- Series B — runda finansowania venture capital następująca po rundach seed i Series A, zazwyczaj przeznaczona na skalowanie produktu, który udowodnił już swoją wartość rynkową.
Na podstawie materiałów źródłowych.
