Лаборатория Lab4U открыла ИИ-агентам Lab4U доступ к каталогу из 780 анализов и комплексов в 144 городах. Агент может распознать назначение врача по фотографии, сверить позиции с доступностью в конкретном городе и собрать корзину заказа — для российского рынка это показательный переход от медицинского чата к подключенному сервису, который выполняет действие.
О запуске сообщает CNews. Пользователь загружает снимок бланка с назначениями либо описывает задачу обычным языком: например, просит проверить щитовидную железу или подобрать базовый чекап. Система должна сопоставить запрос с каталогом лаборатории, показать подходящие исследования и выдать ссылку на готовую корзину. Если нужные анализы входят в комплекс, агент может предложить его вместо набора отдельных позиций, а также объяснить, чем такой выбор отличается от исходного запроса.
Практическая ценность здесь не в самом распознавании текста на фотографии: OCR уже давно не выглядит магией. Сложнее связать распознанные «ТТГ», «свободный Т4» и «антитела к ТПО» с актуальными карточками услуг, региональной доступностью, сроками выполнения и правилами комплектации заказа. Обычный поиск на сайте перекладывает эту работу на пациента, а универсальный медицинский чат-бот может подсказать названия исследований, но не знает, можно ли заказать их в выбранном городе прямо сейчас.
Для интеграции Lab4U использует Model Context Protocol, или MCP. Это открытый протокол, через который модель обращается к внешнему сервису и вызывает предоставленные им инструменты. В данном случае лаборатория отдает агенту фактические сведения из своего каталога: перечень исследований, комплексы и сроки выполнения. Подбор анализов и формулировки объяснений остаются на стороне ИИ-модели. Такая граница важна: модель не должна «помнить» ассортимент лаборатории из обучения, потому что каталог, цены, города и доступность меняются заметно чаще, чем обновляются знания модели.
Lab4U отдельно ограничила контур данных. Результаты ранее сданных анализов пациента сторонним ИИ-сервисам не передаются, а персональные данные не нужны на этапе подбора. Их пользователь вводит уже на сайте лаборатории при оформлении заказа. Для медицинских компаний это, пожалуй, более важная часть анонса, чем эффектная демонстрация корзины: интеграция с генеративной моделью не требует сразу отдавать ей всю медицинскую историю клиента. Можно выделить узкий набор разрешенных операций и данных, достаточный для конкретного сценария.
Во внутреннем тестировании компания проверила сервис на 132 сценариях, составленных по реальным обращениям клиентов: назначениям врача, запросам на чекапы и жалобам. В 92% сценариев агент сформировал корзину при просьбе оформить заказ, а в 90% ее состав совпал с эталонной рекомендацией. Для испытаний использовали модели OpenAI и Anthropic; в Lab4U оговаривают, что итог зависит и от возможностей выбранной модели. Эти цифры не заменяют клиническую валидацию и не говорят о качестве медицинской диагностики, но хорошо описывают более узкую задачу — насколько надежно агент превращает намерение пользователя в заказ в каталоге.
Генеральный директор Lab4U Алексей Образцов называет сервис следующим этапом взаимодействия ИИ-систем: агент пациента получает не справочный ответ из интернета, а связывается с системой медицинской организации и возвращает готовое решение. Формулировка амбициозная, но технически точнее говорить об агенте с доступом к инструментам и ограниченному набору функций. Это не самостоятельный «ИИ лаборатории», а интеграционный слой между языковой моделью, каталогом и оформлением заказа — именно в таком виде ИИ-агенты Lab4U могут быть полезны и менее рискованны для внедрения.
Для разработчиков кейс интересен как пример MCP в регулируемой отрасли, где ответ модели недостаточно просто сделать убедительным. Нужно контролировать источник данных, доступные действия, региональные ограничения и передачу персональной информации. Для клиник, страховщиков и телемедицинских сервисов это потенциально готовый сценарий встраивания в корпоративных агентов: Lab4U допускает такое подключение. Но у интеграторов останутся привычные вопросы — кто отвечает за неверно интерпретированное назначение, как логировать действия агента и где заканчивается навигация по каталогу, а начинается медицинская рекомендация.
Дальше Lab4U планирует добавить поиск ближайшего медцентра, запись на время, статус заказа и повторный заказ. Если эти функции появятся в одном агентном сценарии, пользовательский путь станет почти бесшовным: от фотографии назначения до визита в пункт сдачи. Главный тест для ИИ-агентов Lab4U будет не в умении собрать красивую корзину, а в устойчивости на неразборчивых бланках, спорных формулировках и региональных исключениях — там, где медицинский e-commerce обычно и начинает требовать живого оператора.