Co się stanie, gdy przekażesz AI wyniki badań krwi, historię chorób i dane o każdym treningu? Piotr Smoleń postanowił to sprawdzić. Zbudował agenta, który analizuje jego zdrowie i wpływa na codzienne decyzje.
Piotr Smoleń, CEO i współzałożyciel Symmetrical.ai, od lat buduje firmy technologiczne. Tym razem postanowił potraktować własne zdrowie jak system oparty na danych. Stworzył agenta AI, któremu przekazał dokumentację medyczną, historię chorób w rodzinie oraz informacje o diecie, śnie i aktywności. W rozmowie z nami opowiada, jak działa jego cyfrowy asystent, gdzie popełnia błędy i dlaczego mimo ryzyka nadal pozwala mu wpływać na swoje decyzje.
Z tego wywiadu dowiesz się:
- jak AI może analizować wyniki badań, sen, dietę i trening oraz wpływać na codzienne decyzje dotyczące zdrowia;
- jakie błędy popełnia agent AI i dlaczego nie warto bezkrytycznie ufać jego rekomendacjom;
- czy przekazywanie sztucznej inteligencji dokumentacji medycznej i danych o zdrowiu jest bezpieczne;
- jak zbudować własnego agenta AI, który działa w tle, monitoruje dane i sam wychodzi z inicjatywą;
- jakich błędów unikać podczas tworzenia własnego agenta i ile wiedzy technicznej potrzeba, żeby go uruchomić.
Przekazujesz sztucznej inteligencji wyniki badań krwi, dane o śnie, aktywności i diecie. Pozwalasz jej wpływać na trening, suplementację i diagnostykę. Co daje ci pewność, że nie zbudowałeś bardzo przekonującego systemu, który tylko sprawia wrażenie, że rozumie twój organizm?
Nic. Nie mam stuprocentowej pewności, że agent zawsze ma rację. Zdarza mu się halucynować, a nie każda jego rekomendacja jest dobra. Dlatego staram się je na bieżąco weryfikować i nie wierzyć bezkrytycznie w każdą odpowiedź AI. Wiele zależy również od tego, jak taki system zbudujemy. W moim przypadku sposób działania agenta definiuje zestaw plików MD, czyli plików markdown. Określają one, w jaki sposób ma pracować i podchodzić do danych. Jeżeli chcemy uzyskać sensowny wynik, musimy zadbać zarówno o informacje, które mu przekazujemy, jak i o właściwą konfigurację całego systemu. Do tego dochodzi zdrowy rozsądek i świadomość ograniczeń modeli. Kiedy jakaś rekomendacja budzi moje wątpliwości, po prostu ją sprawdzam.
Rozłóżmy więc ten system na części. Jakie informacje przekazałeś agentowi i co on właściwie z nimi robi?
Zaczęliśmy od zebrania informacji o moim zdrowiu. Załadowałem całą dokumentację medyczną, którą posiadałem. Agent wypytał mnie również o tryb życia i ryzyka genetyczne. Chciał wiedzieć, jakie problemy zdrowotne występowały w mojej bliższej i dalszej rodzinie – od nowotworów po choroby serca.
Kiedy zebrał te informacje, poprosiłem go o przygotowanie zestawu badań, które powinienem wykonać. Zarekomendował między innymi morfologię, CRP i ferrytynę, ale też glukozę i insulinę na czczo, kortyzol czy testosteron.
Badania krwi powtarzam co roku. Agent analizuje wyniki, uwzględnia je w kolejnych rekomendacjach i pilnuje terminów następnych badań. Zrobiłem też badanie mikrobioty jelitowej. EKG i echo serca zamierzam wykonywać rzadziej. Mam również problemy z kręgosłupem, dlatego jednorazowo zrobiłem rezonans magnetyczny, żeby ocenić stan dyskopatii.
Czyli agent nie tylko zbiera dane. Na ich podstawie zaczyna wpływać na twoje codzienne decyzje?
Tak. Na przykład przygotował mi cały program suplementacji, który uwzględnia również wyniki badań. Zarekomendował zwiększenie dawki witaminy D, magnez i kwasy omega. Wziął też pod uwagę mój cykl treningowy, dlatego w planie pojawiły się kreatyna, białko i probiotyki. Jeżeli wyniki wskazują na niedobór którejś z witamin, agent zapisuje również, w jaki sposób powinienem ją suplementować.
Nie doszedłem jeszcze do etapu, na którym układa mi pełną dietę, choć zapewne byłoby to możliwe. Problem jest bardziej przyziemny: nie mam czasu, żeby samodzielnie gotować i trzymać się bardzo rygorystycznego planu żywieniowego.
Staram się za to codziennie zapisywać, co jem. Robię zdjęcie posiłku albo wpisuję, co zjadłem, a model szacuje kaloryczność i zawartość składników odżywczych. Dzięki temu monitoruję liczbę spożywanych kalorii oraz ilość białka, węglowodanów i tłuszczu. Widzę swoje nawyki i mogę je na bieżąco korygować.
Poza tym ćwiczę mniej więcej pięć lub sześć razy w tygodniu. Przeplatam treningi ogólnorozwojowe i cardio z kalisteniką, bieganiem oraz pilatesem. Ten ostatni pojawił się zresztą właśnie za sprawą agenta, który zarekomendował go jako uzupełnienie pozostałych aktywności.
Podczas każdego treningu mierzę zmęczenie organizmu i intensywność wysiłku. Obciążenie dostosowuję do jakości snu, a liczbę spożywanych kalorii – do wydatku energetycznego. Nie mam konkretnego celu siłowego ani założonej progresji poszczególnych parametrów fizycznych. Chodzi mi o coś innego. Chcę po prostu jak najdłużej zachować wysoką formę.
Jak dane z treningu trafiają do agenta?
Korzystam z Garmina. Eksportowanie danych z jego aplikacji jest dość trudne, dlatego na razie robię screenshoty i wrzucam je do agenta. On odczytuje z nich informacje. Na rynku pojawiają się już rozwiązania open source, które automatycznie przekazują dane z Garmina bezpośrednio do modeli. Wykorzystują tak zwany serwer MCP. Jeszcze ich nie testowałem, więc u mnie ten proces nadal jest częściowo ręczny.
AI może jednak źle odczytać albo zinterpretować dane. Przyłapałeś swojego agenta na błędzie?
Tak. Najprostszy przykład to jedzenie. Agent nie zawsze potrafi prawidłowo oszacować kaloryczność dania na podstawie zdjęcia. Czasami źle interpretuje to, co widzi, i podaje błędną wartość.
Jest jeszcze jeden problem. Medycyna stale się rozwija. Jak dbasz o to, żeby agent nie opierał rekomendacji na nieaktualnej wiedzy?
Prawdę mówiąc, obecnie nie aktualizuję swojej bazy o najnowsze badania. Technicznie można to jednak dość łatwo zautomatyzować. Agenta możemy na przykład zapisać do profesjonalnych newsletterów, które publikują podsumowania badań albo materiały z określonej dziedziny. Mój ma własną skrzynkę mailową, więc może otrzymywać takie treści i na ich podstawie uzupełniać swoją bazę. Może też śledzić wybrane profile na X albo monitorować konkretne portale i serwisy internetowe. Możemy mu wręcz powiedzieć: „Kiedy pojawi się nowa publikacja naukowa, przeczytaj ją i zaktualizuj swoją bazę”. Następnie ustawiamy rutynę, która uruchamia ten proces, powiedzmy, raz w tygodniu. Od tego momentu agent sam sprawdza wskazane źródła i uzupełnia wiedzę.
Twój system działa właśnie dlatego, że wie o tobie bardzo dużo. Zna historię twojego zdrowia, wyniki badań i ryzyka genetyczne. Nie miałeś oporów przed przekazaniem firmie technologicznej tak intymnych danych?
Zawsze patrzę na bilans ryzyka i korzyści. Zastanawiam się, co może się wydarzyć, jeżeli ktoś uzyska dostęp do tych danych, ale jednocześnie oceniam, co mogę zyskać dzięki ich przetwarzaniu. Oczywiście mówimy o bardzo prywatnych informacjach. Nie widzę jednak powodu, dla którego ktoś miałby zrobić z nich zły użytek, i nie dostrzegam gigantycznego ryzyka związanego z ich przetwarzaniem. Z drugiej strony potencjalne korzyści dla mojego długoterminowego zdrowia są niesłychanie duże. Zakładam też, że czołowe firmy technologiczne dysponują zabezpieczeniami najwyższej klasy. Tymczasem moje dane medyczne i tak znajdują się w szpitalach oraz innych placówkach, gdzie również przechowuje się je elektronicznie – czasami na niezabezpieczonych stacjach roboczych.
Wystarczy spojrzeć na poziom bezpieczeństwa IT w polskiej ochronie zdrowia i porównać go z rozwiązaniami stosowanymi przez najlepsze firmy technologiczne. W mojej ocenie dane przechowywane w placówkach medycznych są narażone na znacznie większe ryzyko. Zapewne chronią je również słabsze zespoły bezpieczeństwa niż te, które pracują dla największych firm technologicznych na świecie.
Gdzie zatem przebiega granica? W którym momencie rozsądne wykorzystanie AI zmienia się w podejmowanie zbyt dużego ryzyka?
Moim zdaniem wszystko zaczyna się od świadomości, jak te rozwiązania działają. Nie można bezkrytycznie przyjmować rekomendacji modelu tylko dlatego, że brzmią przekonująco. Jeżeli jakaś informacja wydaje nam się niewłaściwa, powinniśmy ją sprawdzić.
Z drugiej strony modele, z których dziś korzystamy, przeszły wiele testów bezpieczeństwa i procesów ewaluacji w laboratoriach takich jak Anthropic czy OpenAI. Wydaje się, że osiągnęły już poziom, który zapewnia przynajmniej minimalne bezpieczeństwo podczas codziennego korzystania.
Załóżmy więc, że jutro jeden z naszych czytelników chce zbudować podobnego asystenta zdrowotnego. Od czego powinien zacząć?
Ma dwie możliwości. Najprostsza to ChatGPT albo Claude. W ChatGPT możemy stworzyć custom GPT i zasilić go własnymi danymi. Taki agent pozostaje jednak reaktywny. Czeka, aż do niego napiszemy, i dopiero wtedy odpowiada.
Druga możliwość to agent persystentny. Taki system cały czas pozostaje online, działa w tle i sam wychodzi z inicjatywą. Możemy wykorzystać na przykład OpenClaw albo Hermesa, zasilić agenta danymi o sobie, a następnie zbudować zestaw plików MD, które określą sposób jego działania. Później ustawiamy cron jobs, czyli rutyny. Możemy powiedzieć: „Tutaj masz harmonogram i zestaw badań, które wykonuję. Przez najbliższe lata przypominaj mi, kiedy powinienem zrobić kolejne”. Albo: „Monitoruj ten obszar i daj mi znać, jeżeli coś się zmieni”. Konfigurujemy proces raz, a później agent sam go uruchamia.
Mój agent jest dostępny na Telegramie i WhatsAppie. Mogę do niego pisać albo wysyłać głosówki. Ma też własną skrzynkę mailową, więc przesyłam mu materiały, a on je zapisuje. Potencjalnie mógłby również mówić do mnie z wykorzystaniem ElevenLabs, ale wolę komunikację tekstową.
A co z narzędziami, których już używamy na co dzień? Agent może się z nimi połączyć?
Tak i moim zdaniem powinien mieć możliwie szeroki zakres takich integracji. Jeżeli korzystasz z Todoista, agent może tworzyć zadania, oznaczać je jako wykonane i sprawdzać ich status. Podobnie można go zintegrować z innymi narzędziami, jeżeli mają serwer MCP. Wtedy agent może na przykład aktualizować listę zadań. Nie musi zresztą korzystać z osobnej aplikacji. Może przypominać o czymś przez e-mail, WhatsApp lub Telegram, a nawet wysłać głosówkę.
Brzmi jak projekt dla programisty.
Nie jest to łatwe, ale też nie aż tak trudne, jak mogłoby się wydawać. Można obejrzeć jeden lub dwa filmy na YouTubie i zacząć działać. Postawić ChatGPT na drugim ekranie, poprosić, żeby prowadził nas krok po kroku, a potem z jego pomocą rozwiązywać kolejne problemy. Trzeba jednak założyć, że uruchomienie i skonfigurowanie agenta zajmie kilka godzin.
I pewnie popełnić po drodze kilka błędów. Których najlepiej uniknąć?
Pierwszy dotyczy bezpieczeństwa. Warto uruchomić agenta na dedykowanej stacji roboczej. Jeżeli postawimy go na laptopie, po wyłączeniu komputera przestanie działać. Możemy więc wykorzystać na przykład Maca Mini, który pracuje jak serwer przez całą dobę.
Osobne środowisko ogranicza również ryzyko. Jeżeli agent działa na komputerze, z którego logujemy się do banku, może potencjalnie uzyskać dostęp do danych logowania albo plików cookies. Gdyby ktoś w przyszłości próbował go zhakować, mógłby starać się to wykorzystać. Ja preferuję lokalną stację roboczą, bo daje mi większą kontrolę, ale agenta można też uruchomić na VPS-ie.
Drugi problem to koszty. Agent korzysta z modeli OpenAI albo Anthropic, więc jego działanie kosztuje. Jeżeli do każdego zadania zaprzęgniemy najbardziej zaawansowany model, szybko może się okazać, że zbudowaliśmy bardzo drogą zabawkę. Dlatego warto routować zadania. Proste procesy, takie jak odczytywanie danych ze zdjęcia, mogą wykonywać tańsze modele. Dopiero zaawansowana logika i rekomendacje powinny trafiać do tych mocniejszych.
I wreszcie trzeci błąd: bezkrytyczna wiara w agenta. Trzeba rozumieć, jak został zbudowany, wiedzieć, jakie dane otrzymał, i weryfikować jego odpowiedzi.
Mimo tych zastrzeżeń uważam, że każdy profesjonalista i każda dorosła osoba powinni w najbliższym roku poświęcić tydzień, żeby naprawdę głęboko wejść w tę technologię. Postawić własnego agenta. Skonfigurować go. Zobaczyć, jak działa.
Gwarantuję, że jeżeli ktoś rzeczywiście to zrobi, zmieni swój model operacyjny – zarówno w życiu prywatnym, jak i zawodowym. To prawdopodobnie jedna z najlepszych inwestycji czasowych, jakich można dokonać w 2026 roku.
