Microsoftova AI diagnostikovala 83 % nejtěžších případů. Lékaři zvládli 36 %

Microsoft zveřejnil v časopise Science studii, podle níž jeho diagnostický systém správně určil 83 procent extrémně složitých lékařských případů. Lékaři s přístupem k příručkám dosáhli jen 36 procent. Co to znamená pro každou firmu, která řeší složitá rozhodnutí.

Představte si problém, nad kterým si zkušený profesionál láme hlavu celé hodiny — a stroj ho vyřeší se čtyřnásobně vyšší úspěšností. Přesně to se podle nové studie děje v jedné z nejnáročnějších disciplín vůbec: v lékařské diagnostice nejsložitějších případů. A principy, které za tím výsledkem stojí, se netýkají jen medicíny.

Microsoft 22. října zveřejnil v prestižním časopise Science studii, podle níž jeho systém umělé inteligence s názvem MAI-DxO správně diagnostikoval 83 procent nejtěžších případů převzatých z renomovaného New England Journal of Medicine. Skupina praktikujících lékařů z USA a Velké Británie se stejnými případy — a s přístupem k odborným příručkám — dosáhla úspěšnosti pouhých 36 procent. Bez příruček to bylo ještě méně, kolem 22 procent.

A nešlo o žádný laboratorní trik. Šlo o skutečné, publikované diagnostické hádanky — ty nejsložitější případy, které New England Journal of Medicine vybírá právě proto, že na nich zkušení lékaři tápou. Na doplňující sadě případů z pohotovosti jedné bostonské nemocnice dosáhl systém 80 procent úspěšnosti proti 47 procentům u lékařů. Přesně taková čísla v posledních letech přiživují debatu o tom, zda umělá inteligence míří k něčemu, co Microsoft bez okolků nazývá „lékařskou superinteligencí“.

Co přesně Microsoft otestoval

Zkratka MAI-DxO znamená Microsoft AI Diagnostic Orchestrator — tedy „diagnostický dirigent“. A to slovo je klíčové. Nejde o jeden velký jazykový model, který na dotaz vyplivne odpověď. MAI-DxO je nadstavba, která sama o sobě žádnou medicínu „neumí“. Místo toho orchestruje — řídí a koordinuje — několik existujících jazykových modelů a nutí je pracovat jako virtuální panel lékařů s různými přístupy.

Celé to běží na testovacím prostředí, kterému Microsoft říká Sequential Diagnosis Benchmark (SDBench). To proměnilo 304 skutečných, publikovaných klinických případů v interaktivní simulaci. Systém — stejně jako lékař — nedostane rovnou všechna data. Musí se postupně ptát, objednávat vyšetření, vyhodnocovat výsledky a teprve pak stanovit diagnózu, kterou nástroj porovná se správným řešením.

Právě v tom postupném, sekvenčním uvažování je rozdíl oproti běžným testům AI. Systém si klade otázky, objedná test, ověří si vlastní úvahu, provede kontrolu nákladů — a teprve potom se rozhodne. Microsoft zdůrazňuje, že MAI-DxO nejen diagnostikoval přesněji, ale zároveň objednával méně vyšetření než lékaři i než jednotlivé modely pracující bez orchestrace. Jinými slovy: správnou odpověď našel levněji.

Náklady tu nejsou vedlejší poznámka. Microsoft upozorňuje, že výdaje na zdravotnictví se v USA blíží pětině celého hrubého domácího produktu a odhaduje se, že až čtvrtina z nich přijde vniveč — mimo jiné kvůli nadbytečným a špatně cíleným vyšetřením. Systém, který dojde ke správné diagnóze s menším počtem objednaných testů, tak neřeší jen přesnost, ale i peníze. A to je argument, kterému rozumí každý manažer, ať podniká v jakémkoli oboru.

Proč je důležitý způsob, ne jen číslo

Nejzajímavější zjištění nebylo samotné procento úspěšnosti, ale to, že orchestrace zlepšila výkon každého modelu, který Microsoft do systému zapojil — ať už šlo o modely od OpenAI, Google, Anthropic, Metu, xAI nebo DeepSeek. Jeden a tentýž model dosáhl výrazně lepších výsledků, když pracoval pod taktovkou MAI-DxO, než když odpovídal sám.

To je poučení, které platí daleko za hranicemi medicíny. Firmy často hledají „nejlepší model“ a soustředí se na to, který AI nástroj koupit. Microsoftova studie ale naznačuje něco jiného: větší rozdíl než volba modelu dělá architektura kolem něj — způsob, jakým model nutíte přemýšlet, ptát se, ověřovat a postupovat krok za krokem.

• Rozdělte složitý úkol na sekvenci kroků místo jedné velké otázky
• Nechte AI klást doplňující otázky dřív, než dá konečnou odpověď
• Zaveďte kontrolní krok, kdy model ověří vlastní úvahu
• Sledujte nejen přesnost, ale i náklady na cestu k výsledku
• Nespoléhejte na jediný model — kombinujte a porovnávejte perspektivy

Tyto údaje popisují vyhodnocené úlohy, nikoli výsledky u pacientů, kteří by byli léčeni podle doporučení AI.

Pro české firmy je to dobrá zpráva i z praktického hlediska. Znamená to totiž, že konkurenční výhoda neleží jen v rozpočtu na nejdražší model od amerického giganta. Leží ve znalosti vlastního procesu — v tom, že víte přesně, jaké otázky je potřeba položit, v jakém pořadí a jak ověřit výsledek. A tuhle znalost má malá specializovaná firma často lepší než kdokoli jiný. Dobře navržený postup kolem levnějšího či dokonce otevřeného modelu tak může porazit nepromyšlené nasazení toho nejdražšího.

Zároveň studie zapadá do širšího trendu roku 2026: pozornost se přesouvá od samotných jazykových modelů k takzvaným agentním a orchestračním systémům — nadstavbám, které modely řídí, zapojují do pracovních postupů a nechávají je spolupracovat. Microsoft to demonstruje na medicíně, ale stejný princip dnes pohání firemní nasazení AI napříč obory. Kdo pochopí, že klíč je v architektuře kolem modelu, získá náskok dřív, než se trh nasytí.

Kde je háček — a proč na něm záleží i vám

Microsoft i nezávislí komentátoři jsou v jednom bodě opatrní: celé testování proběhlo v simulovaném prostředí, nikoli na skutečných pacientech. Lékaři navíc v experimentu neměli to, co mají běžně v praxi — tedy možnost poradit se s kolegy, nahlédnout do vlastních poznámek nebo použít generativní AI. Jejich 36 procent tak není obrazem reálné lékařské praxe, ale uměle omezeného testu.

Systém také zatím není schválen pro klinické použití a Microsoft spolupracuje se zdravotnickými organizacemi na reálném ověření. Studie navíc cílila na extrémně vzácné a složité případy — ne na běžné, každodenní diagnózy, kde jsou lékaři velmi spolehliví. To všechno jsou důvody, proč zprávu nečíst jako „AI nahradí doktory“.

A přesně tahle opatrnost je poučením i pro podnikatele. Nadšené titulky o „nadlidské AI“ se v praxi často rozpadnou, jakmile nástroj narazí na reálná, nejednoznačná data a chybějící kontext. Rozumný postup proto není AI slepě nasadit, ani ji odmítnout — ale otestovat ji na svých vlastních, skutečných případech a změřit, kde reálně pomáhá a kde selhává.

Praktický takeaway pro vaši firmu

Microsoftova studie je další silný signál, že AI dokáže v úzce vymezených, datově bohatých a strukturovaných úlohách dosáhnout kvality srovnatelné s expertem — nebo ji překonat. Diagnostika je jen příklad. Stejný princip „sekvenčního uvažování pod dohledem orchestrátoru“ se dá přenést do analýzy smluv, posuzování úvěrových žádostí, technické podpory, kontroly kvality nebo zpracování reklamací.

Pro firmu z toho plyne konkrétní zadání. Najděte ve svém provozu rozhodovací proces, který je opakovatelný, založený na datech a náročný na expertízu — takový, kde dnes platíte drahého specialistu za to, aby se postupně proptal k závěru. Právě tam má smysl AI pilotovat jako první. Ne jako náhradu člověka, ale jako „dirigenta“, který expertovi připraví podklady, nabídne druhý názor a pohlídá, aby se na nic nezapomnělo.

Rok 2026 ukázal, že závod o AI už dávno není jen o tom, kdo má největší model. Je o tom, kdo ho umí nejchytřeji zapojit do reálného rozhodování. A to je hra, do které může vstoupit i malá a střední firma — pokud začne u správně vybraného procesu a nenechá se oslnit čísly z laboratoře.