Có nên tin ChatGPT khi hỏi về sức khoẻ: trò chuyện với người phụ trách health AI ở OpenAI
Karan Singhal (OpenAI) kể cách OpenAI đánh giá model y tế với hàng trăm bác sĩ, xử lý bất đồng, đồng thuận y khoa và vai trò của AI giữa các lần khám.
✓ Đã duyệt độc lập · cập nhật 18/11/2026 · 54 min
1. Đoạn mở đầu: 5,3 nghìn tỷ đô, câu chuyện của Nathan Labenz và câu hỏi về niềm tin
Đây là một tập của The a16z Show trên kênh a16z, video đăng ngày 20/10/2026. Người dẫn là Jay Rughani, partner ở a16z, và khách mời là Karan Singhal, người phụ trách nghiên cứu health AI ở OpenAI (vai trò của hai người theo phần mô tả và lời giới thiệu trong video đăng ngày 20/10/2026). Video mở bằng vài đoạn trích ngắn từ chính cuộc trò chuyện, như một đoạn giới thiệu.
Đoạn trích đầu tiên là giọng Jay: theo anh (video đăng ngày 20/10/2026), chúng ta chi hơn 5,3 nghìn tỷ đô cho y tế. Nếu khoản chi đó là một quốc gia riêng, nó sẽ có GDP lớn thứ ba. Vậy mà, Jay nói, chúng ta vẫn đang thiếu thốn rất nhiều thứ.
Tiếp theo là giọng Karan: sứ mệnh của OpenAI là bảo đảm AGI mang lại lợi ích cho toàn nhân loại, và trao cho mọi người quyền tiếp cận một thứ "health intelligence" đáng tin cậy, dồi dào và ổn định (trustworthy, abundant, reliable), theo lời anh trong video đăng ngày 20/10/2026.

Karan kể tiếp, cũng trong đoạn trích (video đăng ngày 20/10/2026): một trong những câu chuyện khiến anh xúc động nhất là câu chuyện của Nathan Labenz. Về cơ bản, Nathan đã trải qua một hành trình dài cùng con trai mình. Tới một lúc, cậu bé bị mệt mỏi và cáu kỉnh rất nhiều, và AI đã giúp gia đình đi qua quá trình đó. Hoá ra cậu bé được chẩn đoán mắc một dạng bệnh bạch cầu (leukemia) thể ác tính (aggressive).

Rồi Jay hỏi về phần việc Karan đã làm quanh sức khoẻ tâm thần (mental health): ở đó có rất nhiều phức tạp. Làm sao để hướng dẫn một người dùng trong chuyện đó, khi câu hỏi của họ có thể mang rất nhiều nghĩa? Karan đáp trong đoạn trích (video đăng ngày 20/10/2026): team của anh đã làm việc với rất nhiều chuyên gia sức khoẻ tâm thần có giấy phép hành nghề trên khắp thế giới, để nghĩ ra cách đúng để định nghĩa hành vi của model trong một loạt tình huống khó, và bảo đảm có thể đạt tới một mức đồng thuận đủ để thật sự đo được hiệu năng.
Đoạn trích cuối là giọng Jay (video đăng ngày 20/10/2026): hãy nói về niềm tin. Một người có thể đang nói chuyện với một LLM và rất mong được nghe rằng mọi thứ đều ổn. Nhưng xét về y khoa, có lẽ điều họ cần nghe lại rất khác. Làm sao dạy một AI nhận ra sự khác biệt đó? Đoạn mở đầu dừng ở một tiếng ngập ngừng "Ừm…", rồi chuyển sang logo The a16z Show.

2. Vì sao OpenAI đầu tư vào sức khoẻ: nâng sàn và nâng trần
Jay chào khán giả và chào mừng mọi người trở lại podcast. Anh tự giới thiệu là Jay Rughani, partner ở a16z, dẫn dắt các khoản đầu tư vào những công ty y tế và công nghệ sinh học (healthcare and biotechnology). Khách mời là Karan Singhal của OpenAI, người dẫn dắt mảng nghiên cứu health AI ở OpenAI (theo lời giới thiệu trong video đăng ngày 20/10/2026). Jay nói hai người có rất nhiều điều để nói và cảm ơn Karan đã tới. Karan cảm ơn vì được mời.

Jay muốn bắt đầu bằng câu hỏi lớn. Trước đó trong năm nay có một báo cáo, và OpenAI đã nói về nó công khai: hàng trăm triệu người mỗi tuần dùng ChatGPT cho những câu hỏi liên quan tới sức khoẻ (theo Jay, video đăng ngày 20/10/2026). Họ đang hỏi gì? Những câu hỏi nào họ hỏi ChatGPT mà không nhận được câu trả lời từ hệ thống y tế chính của chúng ta?
Karan muốn lùi lại một bước để nói vì sao OpenAI đầu tư vào sức khoẻ ngay từ đầu. Sứ mệnh của OpenAI là bảo đảm AGI mang lại lợi ích cho toàn nhân loại. Ở mức cao, Karan và đồng nghiệp ở OpenAI thấy điều đó diễn ra theo ba cách (theo Karan, video đăng ngày 20/10/2026). Cách thứ nhất là build và deploy AGI: build những model có năng lực, build sản phẩm quanh chúng, deploy chúng, và làm partnership. Cách thứ hai là ngăn những mặt trái (downside), tức các loại vấn đề an toàn (safety) khác nhau. Cách thứ ba là làm cho mặt tích cực (upside) xảy ra.
Karan và đồng nghiệp xem sức khoẻ là một cách thật sự, thật sự cụ thể để làm cho upside xảy ra, đồng thời giải quyết một số vấn đề safety nảy sinh trong y tế trên đường đi (theo Karan, video đăng ngày 20/10/2026). Về cơ bản, OpenAI đang đầu tư thật sự nghiêm túc để bảo đảm hai điều. Điều thứ nhất là nâng sàn (raise the floor) của sức khoẻ con người: trao cho mọi người quyền tiếp cận health intelligence đáng tin cậy, dồi dào và ổn định, miễn phí hoặc gần như miễn phí. Điều thứ hai là thật sự nâng trần (raise the ceiling): làm được những điều trước đây không thể.
Theo Karan (video đăng ngày 20/10/2026), cách tốt nhất để thấy chuyện nâng sàn là nhìn vào cách OpenAI làm trong mảng người dùng phổ thông (consumer). Như OpenAI đã báo cáo, có hơn 300 triệu người mỗi tuần dùng ChatGPT cho những câu hỏi kiểu sức khoẻ và wellness. Karan và đồng nghiệp coi đó là một trách nhiệm cực kỳ quan trọng, phải làm cho đúng. Con số đó, theo anh, đã tăng nhanh theo thời gian.
Karan mời người nghe nghĩ về trải nghiệm đi khám chữa bệnh (video đăng ngày 20/10/2026). Ngay cả ở Mỹ, ngay cả ở vùng Bay Area, nếu bạn muốn đặt lịch gặp một bác sĩ chuyên khoa, đôi khi phải chờ hàng tuần hoặc hàng tháng. Bạn có thể tốn rất nhiều thời gian để tìm cách đặt được lịch, sắp xếp đủ thứ. Và sau tất cả thời gian đó, có thể bạn chỉ được gặp bác sĩ 15 phút, trong lúc thấy mình chưa chuẩn bị đủ, rồi bước ra và nghĩ: "Ôi, mình còn khoảng sáu câu hỏi nữa muốn hỏi."
Hi vọng của Karan và đồng nghiệp là AI có thể là một phần của hành trình chăm sóc (care journey) cùng với bạn (theo Karan, video đăng ngày 20/10/2026). Sức khoẻ không phải thứ chỉ gói gọn trong những khoảng 15 phút như thế, và AI thật sự có thể giúp bạn đi qua hành trình chăm sóc của mình. Theo anh, điều đó phản ánh cách mọi người đang dùng AI ở phía consumer vào lúc quay video: họ tới với những câu hỏi, những mối lo, những thông tin họ muốn có. Họ muốn biết cách đi qua các lần khám, muốn đặt câu hỏi, hoặc muốn biết cách theo dõi tiếp những điều bác sĩ đã dặn.
Karan nói OpenAI đang thấy rằng khoảng thời gian giữa các lần khám là lúc AI giúp được mọi người nhiều nhất ở phía consumer (theo anh, video đăng ngày 20/10/2026). Và OpenAI cũng đang đầu tư tương tự ở phía clinician và phía enterprise.
3. Khan hiếm trong hệ thống y tế Mỹ và câu chuyện con trai Nathan Labenz
Jay nói điều đó thật đáng kinh ngạc. Theo anh (video đăng ngày 20/10/2026), nước Mỹ có một hệ thống y tế phi thường: nếu anh ốm thật nặng, không có quốc gia nào anh muốn ở hơn nước Mỹ. Vậy mà vẫn có quá nhiều khan hiếm. Jay dẫn vài con số mà, theo anh, Karan hẳn đã thấy: hơn 100 triệu người không có một bác sĩ chăm sóc ban đầu (primary care doc) thường xuyên. Ngay cả những người có thì thường phải chờ hơn 40 ngày mới gặp được bác sĩ đó. Đôi khi, đúng như Karan nói, bạn gặp bác sĩ trong một lần khám nhanh 15 phút, rồi vẫn còn câu hỏi.
Jay kể chuyện của chính mình (video đăng ngày 20/10/2026): tuần trước anh đi gặp một bác sĩ da liễu về một chuyện. Anh đã ghi hết các câu hỏi vào Apple Notes từ trước, vậy mà vẫn quên hỏi một điều. Giờ anh đang đặt lịch tái khám, và lịch đó lại cách bốn tháng nữa. Jay nói chuyện này xảy ra với tất cả chúng ta, ai cũng từng cảm thấy như vậy.
Rồi Jay hỏi (video đăng ngày 20/10/2026): có câu chuyện bệnh nhân cụ thể hay ca gần đây nào mà Karan và đồng nghiệp đã thấy, giúp mọi người hình dung thế giới đang đi về đâu và công việc của Karan và đồng nghiệp đang đưa chúng ta tới đâu không?
Karan nói có một cách khiến công việc của team anh thấy đáng làm là nhìn các con số: bao nhiêu người đang dùng công nghệ này, và nó có vẻ hữu ích với họ tới mức nào. Một cách khác là nghe trực tiếp từ mọi người. Team nhận được người ta gửi email, liên hệ theo đủ mọi cách, nhiều lần mỗi tuần, để kể: "đây là cách nó đã giúp tôi" (theo Karan, video đăng ngày 20/10/2026).
Một trong những câu chuyện khiến Karan xúc động nhất là câu chuyện của Nathan Labenz và con trai anh ấy. Nathan là host của podcast The Cognitive Revolution, và đã kể câu chuyện này trong podcast đó. Về cơ bản, Nathan đã trải qua một hành trình dài với cậu con trai còn rất nhỏ của mình. Tới một lúc, cậu bé bị mệt mỏi và cáu kỉnh rất nhiều, cùng những biểu hiện tương tự. AI đã giúp gia đình đi qua quá trình nhận ra đây là chuyện khá nghiêm trọng, trong lúc cả nhà đang đi nghỉ, và quyết định đưa cậu bé đi xét nghiệm. Hoá ra cậu bé được chẩn đoán mắc một dạng bệnh bạch cầu thể ác tính (theo lời Karan kể, video đăng ngày 20/10/2026).
Trong suốt hành trình điều trị của cậu bé, theo Karan kể lại (video đăng ngày 20/10/2026), Nathan cho biết lúc đó anh đã dùng GPT-5 Pro khá nhiều để đi qua quá trình này: giúp hiểu các báo cáo xét nghiệm và những thứ tương tự, kể cả trước khi một bác sĩ chuyên khoa có thời gian giúp diễn giải. Karan nghĩ điều đó đã mang lại cho gia đình rất nhiều sự yên tâm.
Karan nói (video đăng ngày 20/10/2026) Nathan có kể chính câu chuyện này trong podcast của anh ấy. Karan nói anh không biết mình có được phép quảng cáo podcast khác ở đây không, nhưng anh giới thiệu mọi người nghe tập đó.
4. Huấn luyện chuyên môn y tế bên trong một model tổng quát
Jay chuyển sang kiến trúc. Theo anh (video đăng ngày 20/10/2026), theo nhiều cách, OpenAI đang build health intelligence vào model ở mọi bước, nhưng đó vẫn là cùng một model mà mọi người dùng để viết code hay lên kế hoạch cho một chuyến đi nghỉ. Karan có thể giúp mọi người hiểu vì sao OpenAI build theo cách đó, từ góc nhìn kiến trúc không? Vì sao một AI đa năng (general purpose) lại là nền móng đúng cho một thứ phức tạp như y khoa?
Karan nói người ta thường hỏi OpenAI về cuộc tranh luận model tổng quát hay model chuyên biệt (general versus specialized). Anh từng làm về model chuyên biệt ở một vai trò trước đây, nên có kinh nghiệm ở cả hai phía của câu hỏi này. Theo anh (video đăng ngày 20/10/2026), điều quan trọng nhất ở đây là thứ đang nói tới thật ra là huấn luyện chuyên biệt bên trong một model tổng quát, và anh nghĩ đó thật sự là cách lấy được cái tốt nhất của cả hai thế giới (best of both worlds).
Cụ thể, Karan mô tả (video đăng ngày 20/10/2026): với ChatGPT và mọi model OpenAI ship trong ChatGPT, ở mọi giai đoạn huấn luyện model cho ChatGPT, OpenAI đều thêm dữ liệu y tế chuyên biệt vào từng pha huấn luyện, với tất cả các model trong năm qua. Kết quả là bạn có một model vừa hưởng lợi từ toàn bộ quy mô (scale) và những cải tiến chung, trí thông minh và khả năng suy luận (reasoning) của các model frontier rất lớn, vừa hưởng lợi từ phần huấn luyện chuyên biệt, chẳng hạn từ việc tích hợp dữ liệu có được khi làm việc với rất nhiều bác sĩ trên khắp thế giới. Karan nghĩ cách tiếp cận này cho bạn cái tốt nhất của cả hai thế giới.
Theo Karan (video đăng ngày 20/10/2026), nếu bạn tách nhánh và nói "chúng ta sẽ huấn luyện một model nhỏ hơn, chuyên biệt, chỉ dành cho y tế", như chính anh từng làm và như nhiều người đã làm, thì điều bạn sẽ thấy là model đó tụt lại phía sau frontier tương đối nhanh, vì tốc độ của frontier và của các cải tiến model tổng quát quá nhanh.
Và nếu bạn đặt cược vào scale, thì điều OpenAI, và cả ngành, đã nhận ra là mọi thứ sẽ tốt hơn (theo Karan, video đăng ngày 20/10/2026). Điều OpenAI đang làm là "đi nhờ" (hitching a ride) trên frontier của scale đó, đồng thời tận dụng việc OpenAI có khả năng tích hợp eval và dữ liệu huấn luyện vào model, để model vừa chuyên biệt hoá vừa hưởng lợi từ năng lực chung.
5. "Bác sĩ trong túi": trợ lý sức khoẻ cá nhân chủ động
Jay muốn bắt đầu hình dung những gì có thể làm được với công nghệ Karan đang build. Hiển nhiên, theo Jay (video đăng ngày 20/10/2026), nó ở mức hiện tại đã rất đáng kinh ngạc, nhưng OpenAI chưa dừng lại và còn nhiều việc phải làm. Jay nghĩ nhiều người bị cuốn hút bởi ý tưởng một bác sĩ cá nhân trong túi: một thứ hiểu biết hoàn hảo, có kiến thức ở mọi chuyên khoa, để bạn không nhất thiết phải đi gặp bác sĩ tim mạch rồi bác sĩ da liễu cho những câu hỏi khác nhau.
Một thứ được cá nhân hoá hoàn hảo cho bạn, Jay mô tả tiếp (video đăng ngày 20/10/2026): có toàn bộ bệnh sử và bối cảnh của bạn, nhớ mọi điều bạn đã nói, nhớ bệnh sử nhưng cũng nhớ cả sở thích của bạn, và còn có thể tạo động lực, khẽ thúc (nudge) bạn, để thông tin nó đưa ra tới đúng lúc, theo cách đẩy bạn về phía những hành vi sức khoẻ tốt hơn hoặc giúp bạn theo đúng phác đồ bác sĩ đã đưa. Jay hỏi: về lâu dài, đó có phải trải nghiệm OpenAI đang build không, và chúng ta đang ở gần điều đó tới đâu?
Karan nói đó là điều Karan và đồng nghiệp thật sự hào hứng. OpenAI rất hào hứng với tầm nhìn một trợ lý sức khoẻ cá nhân chủ động (proactive personal health assistant). Anh không nghĩ đó là bất kỳ kiểu thay thế nào cho việc thật sự có một bác sĩ hay được tiếp cận một bác sĩ (theo Karan, video đăng ngày 20/10/2026). Nhưng việc nghĩ về những cách lấy trải nghiệm nhận thông tin sức khoẻ và làm nó cá nhân hơn, hợp với bối cảnh của bạn, là một phần thật sự quan trọng trong khoản đầu tư của OpenAI vào health trong ChatGPT.
Theo Karan (video đăng ngày 20/10/2026), health trong ChatGPT là sản phẩm cho người dùng phổ thông của OpenAI, cho phép người dùng kết nối thông tin sức khoẻ của mình, để thông tin đó được dùng một cách an toàn, không dùng làm dữ liệu huấn luyện, không dùng để nhắm quảng cáo hay bất kỳ thứ gì như vậy. Theo anh, đó là một phần lớn trong cách OpenAI nghĩ về việc tiến tới một thế giới mà quyền tiếp cận ngày càng cá nhân hơn và chủ động hơn.
Đó cũng là cách OpenAI nghĩ về deployment, Karan nói tiếp (video đăng ngày 20/10/2026). Ngay từ đầu, OpenAI đã deploy sản phẩm này rộng hết mức có thể cho người dùng miễn phí cũng như người dùng Pro. Trong khoảng 300 triệu người dùng health hoạt động hằng tuần, đại đa số là người dùng miễn phí, và phần lớn họ ở ngoài nước Mỹ. Karan nói OpenAI đặt câu hỏi về phân phối (distribution) ở vị trí thật sự, thật sự trung tâm. Và khi nghĩ về frontier tiếp theo là một trợ lý sức khoẻ cá nhân chủ động, OpenAI cũng sẽ đưa nó tới nhóm người dùng đó.
6. Một tấm lưới an toàn cho cả bệnh nhân lẫn clinician
Jay nghĩ các use case giúp mọi người hình dung điều gì thật sự có thể xảy ra, và tất cả công việc này đang góp vào điều gì. Ý tưởng một bác sĩ cá nhân trong túi, theo anh, là điều đáng hào hứng. Jay kể (video đăng ngày 20/10/2026): khi Greg Brockman lên podcast, Greg có nói một chút về một tình huống với một người bạn. Người bạn đó đang nằm viện, và bác sĩ của cô sắp tiêm một loại thuốc nhất định. Cô kiểm tra lại loại thuốc đó trên ChatGPT và nhận ra, dựa trên bệnh sử của mình, cô có thể gặp một tương tác thuốc hoặc một biến cố bất lợi (adverse event) nào đó từ loại thuốc đó.
Cô đưa điều đó cho bác sĩ xem. Theo câu chuyện Jay kể lại (video đăng ngày 20/10/2026), bác sĩ đồng ý và nói: tôi đã không có đủ thời gian để xem hết bệnh sử của chị nên không nhận ra điều đó, cảm ơn chị rất nhiều vì đã nêu ra. Jay hỏi: chẳng phải chúng ta nên làm điều đó cho tất cả mọi người, mọi lúc sao? Nếu nó đủ rẻ và đủ tiện, chẳng lẽ không thể có ý kiến thứ hai, thứ ba, thứ tư cho mọi tình huống lâm sàng? Chúng ta có đang đi về hướng đó không?
Karan nói anh rất thích ý tưởng một tấm lưới an toàn (safety net) cho cả bệnh nhân lẫn clinician, một thứ đơn giản là có mặt trong hành trình chăm sóc, không phải lúc nào cũng can thiệp hay đứng ở giữa làm trung gian, mà thật sự nghĩ về những cách nó có thể tăng cường trải nghiệm sẵn có và xây tiếp trên đó (theo Karan, video đăng ngày 20/10/2026).
Karan kể OpenAI đã nghiên cứu điều này trực tiếp hơn ở phía clinician, trong một loạt thí nghiệm chạy cùng Penda Health (video đăng ngày 20/10/2026). Ở đó, OpenAI nghiên cứu ý tưởng một clinician copilot được deploy đúng theo cách này: nó là một tấm lưới an toàn cho clinician trong lúc họ làm việc. Nó xuất hiện và chủ động gợi ý, kiểu: "Này, chỗ này có thể không ổn. Có thể có một tương tác thuốc mà bạn đang không theo dõi. Mình có thể điều chỉnh không?", và những thứ tương tự.
Karan nghĩ sẽ thấy điều tương tự xảy ra ở phía bệnh nhân (theo anh, video đăng ngày 20/10/2026). Anh rất, rất hào hứng với ý tưởng một agent chủ động trong hành trình chăm sóc của bạn, thật sự giúp bạn và bảo đảm rằng, chẳng hạn, nếu chỉ số A1C của bạn tăng và bạn bị tiểu đường, thì bạn được bác sĩ xem lại thuốc đang dùng, và chuyện đó được gắn cờ để xem xét đúng mức.
7. Personal agent trong một hệ thống y tế phân mảnh
Jay nhắc lại cụm từ agent cá nhân hoá, chủ động mà Karan vừa nói. Theo Jay (video đăng ngày 20/10/2026), personal agent nói chung đã nổi lên về độ phổ biến trong vài tháng qua: Instinct, Muse, Grok Bot, Dots của OpenAI. Với những ai chưa quen, bạn có thể giao cho các AI app này một mục tiêu (objective), và nó có thể thực hiện một chuỗi tác vụ. Không chỉ là "làm việc này đi" rồi nó làm xong việc đó trong một vòng lặp duy nhất. Nó có thể dùng sở thích của bạn, có thể truy cập mọi ứng dụng mà bạn cấp quyền, có thể truy cập thông tin thẻ tín dụng nếu bạn đưa cho nó, và có thể thực hiện một mục tiêu thay mặt bạn.
Jay nói (video đăng ngày 20/10/2026) người ta không thể không hình dung các khả năng ở đây trong việc đi qua hệ thống y tế tuyệt vời nhưng thường rời rạc của chúng ta: đặt một cuộc hẹn và bảo đảm bảo hiểm chi trả cho cuộc hẹn đó, giúp và hướng dẫn bạn theo phác đồ chăm sóc bác sĩ đưa sau khi xuất viện, thậm chí thương lượng với công ty bảo hiểm về một lỗi hoá đơn y tế. Đủ loại tác vụ đang tạo ra ma sát trong hệ thống y tế. Jay hỏi: công việc của Karan có đang đi theo hướng đó không? Mọi người có nên chờ đợi điều đó từ OpenAI không?
Karan nói anh rất hào hứng với tầm nhìn đó (video đăng ngày 20/10/2026). Anh nghĩ, nhìn từ cả góc độ bệnh nhân lẫn clinician, một trong những điều khó nhất về hệ thống y tế và cách nó phục vụ mọi người là câu chuyện phân mảnh (fragmentation) và sự thiếu kết nối của cả hệ sinh thái.
Theo Karan (video đăng ngày 20/10/2026), y tế cũng là một trong những ngành mà bạn không nên kỳ vọng ngày mai mọi thứ đều có MCP connector. Đó là nơi có phần mềm legacy, ngay từ đầu đã không có kết nối tốt nhất với AI hay với phần mềm nói chung. Và nhiều người đang chạy phần mềm EHR chính của họ trong hệ sinh thái y tế trên, chẳng hạn, một VM.
Jay nói thêm: kiểu như một virtual machine họ đang chạy trên cloud. Có tiếng đáp: đúng vậy. Theo Karan (video đăng ngày 20/10/2026), ở đây có một điểm thú vị: virtual machine thật ra lại khiến mọi thứ dễ hơn theo một số cách cho AI agent, và điều này hoàn toàn đúng với agent và computer use.
Karan nói anh chắc chắn nghĩ đây là một nơi mà rất nhiều rào cản từng tồn tại giữa bệnh nhân và việc nhận được sự chăm sóc họ cần, giữa clinician và việc mang lại sự chăm sóc đó, và cả với dữ liệu y tế nói chung, thứ thường là một nút thắt khiến cả hệ thống khó vận hành tốt cho bệnh nhân (theo Karan, video đăng ngày 20/10/2026).
8. Niềm tin: cùng một model, nhiều kiểu người dùng
Jay tóm lại (video đăng ngày 20/10/2026): hai người đang nói về các use case, và Karan đang giúp mọi người "mơ giấc mơ" đó. Nhưng trước khi đi tiếp trên con đường ấy, Jay muốn nói về niềm tin. Hiển nhiên, theo anh, niềm tin là thứ quan trọng nhất ở đây. Cùng một model nền có thể giúp Jay hiểu kết quả xét nghiệm của mình hay một điều anh nghe từ bác sĩ, nhưng cũng có thể giúp một bác sĩ chuyên khoa được đào tạo bài bản hiểu một ca bệnh rất phức tạp. Jay hỏi: OpenAI thay đổi gì trong câu trả lời để nó dễ hiểu với mỗi người trong hai kiểu người dùng (persona) đó, hay bất kỳ persona nào khác đang dùng cùng một model nền?
Karan nói, như Jay vừa nói, y tế là nơi mọi thứ đi với tốc độ của niềm tin (it moves at the speed of trust). Theo anh (video đăng ngày 20/10/2026), bạn cần không chỉ làm model tốt hơn và đo được chúng, mà còn phải truyền đạt và đưa cả thế giới đi cùng. Đó là một phần rất quan trọng trong suy nghĩ và chiến lược của OpenAI, cả trong cách làm việc với bệnh nhân và người dùng cuối, lẫn cách làm việc với clinician.
Câu trả lời ngắn gọn của Karan (video đăng ngày 20/10/2026): về cơ bản, OpenAI đánh giá (evaluate) và huấn luyện model bằng cách làm việc với các chuyên gia trên khắp thế giới và nhận phản hồi theo nhiều cách, để điều chỉnh hành vi của model theo việc người dùng là người thường (lay user), là một người thường "chuyên nghiệp" đã tự đi qua một hành trình chăm sóc phức tạp trong một thời gian, là clinician, hay là những persona khác.
Theo Karan (video đăng ngày 20/10/2026), ngay từ bài đánh giá HealthBench đầu tiên mà OpenAI công bố hồi tháng 5/2025, đã có một chủ đề, một phần của bài đánh giá, tập trung đúng vào sự khác biệt này: model cư xử ra sao và điều chỉnh mức dùng thuật ngữ kỹ thuật (technical jargon) cùng những thứ tương tự thế nào, tuỳ người dùng là người thường hay clinician. Từ đó tới nay, OpenAI đã giỏi hơn ở cả việc đo xem model có phục vụ được các kiểu người dùng khác nhau không, lẫn việc huấn luyện model theo hướng đó.
Karan nói rất nhiều trong cách tiếp cận của OpenAI là không chỉ hỏi làm sao để model tốt hơn cho những người dùng khác nhau này, mà còn hỏi làm sao đưa họ đi cùng. Và một phần của chuyện đó là cách OpenAI làm eval và truyền đạt về eval (theo Karan, video đăng ngày 20/10/2026).
9. Bất đồng: khi người dùng muốn được trấn an, khi bác sĩ không đồng ý
Jay nói niềm tin có vài thành phần. Hai người đã nói về việc điều chỉnh câu trả lời theo người dùng. Một thành phần lớn khác là bất đồng (disagreement). Theo Jay (video đăng ngày 20/10/2026), một người có thể đang nói chuyện với một LLM hay với ChatGPT, chia sẻ mọi triệu chứng của mình, nhưng thật lòng chỉ mong được nghe rằng mọi thứ đều ổn. Xét từ góc độ NPS (net promoter score) của người dùng phổ thông, họ muốn được trấn an. Nhưng xét về y khoa, có lẽ điều họ cần nghe lại rất khác. Làm sao dạy một AI nhận ra sự khác biệt đó, và cân các mục tiêu sản phẩm khác nhau ở đây: một bên là engagement và retention của người dùng, một bên là độ đúng và chất lượng lâm sàng?
Karan nói điều này cực kỳ trung tâm trong cách OpenAI làm cả đánh giá lẫn huấn luyện. Anh lùi ra một chút để nói về chuyện đồng thuận và bất đồng trong cách OpenAI trả lời và đánh giá. Theo anh (video đăng ngày 20/10/2026), một cách bạn có thể làm, và có thể đặt cả cách tiếp cận lên đó, là đưa vài clinician vào team health của OpenAI rồi nói: "Các bạn tự tìm cách xử lý những ca bất định này nhé." OpenAI sẽ hỏi họ về những ca bất định đó, họ giúp build eval, dữ liệu huấn luyện và những thứ tương tự, và để vài bác sĩ đó tự quyết.
Karan nói đó thật ra không phải cách tiếp cận tốt nhất. Hoá ra nếu bạn hỏi năm bác sĩ, đại loại thế, bất kỳ câu hỏi nào, bạn sẽ nhận được khoảng tám câu trả lời khác nhau (theo Karan, video đăng ngày 20/10/2026).
Một trong những việc đầu tiên OpenAI làm khi bắt đầu tập trung vào sức khoẻ, Karan kể (video đăng ngày 20/10/2026), là thật sự build một mạng lưới bác sĩ toàn cầu gồm hàng trăm chuyên gia mà OpenAI làm việc cùng, trải khắp thế giới, qua hàng chục chuyên khoa, ngôn ngữ và quốc gia hành nghề. Mục đích là nghĩ ra cách đúng để gộp trí tuệ của các chuyên gia, để OpenAI không phải dựa vào, nhất là ở những lĩnh vực có thể có bất đồng, một, hai hay ba bác sĩ để phân xử. Đó là một phần: nghĩ về eval và dữ liệu huấn luyện đến từ nhiều chuyên gia khác nhau thay vì dựa vào một hai người.
Phần thứ hai trong câu hỏi của Jay, theo Karan, là làm sao cân các mục tiêu cạnh tranh nhau. Giả sử các bác sĩ, và trí tuệ tổng hợp của họ, đang chỉ về một hướng. Rồi có thể người dùng lại muốn bạn nói điều gì đó an ủi, ngay cả khi tình huống không hề đáng an ủi. Theo Karan (video đăng ngày 20/10/2026), về cơ bản đó là chuyện ưu tiên an toàn (prioritization of safety).
Karan nói OpenAI rất coi trọng nghĩa vụ của mình khi có hàng trăm triệu cuộc trò chuyện về sức khoẻ đổ về (theo anh, video đăng ngày 20/10/2026). Trên toàn bộ stack đánh giá và stack huấn luyện, OpenAI có những eval theo dõi các tình huống khó, nơi model nên thật sự lên tiếng: "Này, chuyện này không an toàn, bạn nên đi khám", ngay cả khi người dùng không muốn nghe điều đó, hoặc muốn tìm một kiểu điều trị thay thế nào đó. Đó là một phần rất quan trọng trong cách OpenAI làm eval. Và theo thời gian, OpenAI không chỉ cải thiện cách làm eval cùng các bác sĩ, mà còn thấy model cải thiện khá mạnh trên diện rộng ở những lĩnh vực đó.
Jay nêu một ví dụ bất đồng khác (video đăng ngày 20/10/2026): chính anh, với tư cách người dùng, hỏi ChatGPT một câu hỏi y khoa, rồi đưa câu trả lời đó cho bác sĩ xem trong một lần khám. Jay chen vào: nhân tiện, bác sĩ của anh rất quý anh. Và rồi bác sĩ không đồng ý với câu trả lời đó. Jay nên xử lý tình huống này thế nào?
Karan nghĩ bạn nên xử lý nó giống như khi bất đồng xảy ra theo bất kỳ cách nào khác. Người ta vẫn bất đồng về nhiều thứ khác nhau. Theo Karan (video đăng ngày 20/10/2026), với tư cách bệnh nhân, bạn có quyền nhờ một bác sĩ khác xem qua, tìm hiểu thêm, và đi gặp một bác sĩ khác để có ý kiến thứ hai (second opinion). Đó là điều anh ủng hộ, dù bạn có đang dùng ChatGPT để tìm thông tin sức khoẻ hay không.
10. Độ đúng, đồng thuận y khoa và độ trễ 5 đến 17 năm theo các nghiên cứu
Jay nói câu trả lời đó rất hợp lý. Theo anh, niềm tin còn một yếu tố khác: độ đúng tuyệt đối (absolute correctness). Jay nói rất nhiều việc Karan và đồng nghiệp đã làm, ít nhất là theo những gì anh nghe từ Karan, có vẻ là để neo (ground) câu trả lời vào tài liệu y khoa và bằng chứng của thế giới. Có những phần của y khoa không có nhiều bất đồng, nhưng rất nhiều phần của y khoa vẫn đang được khám phá hoặc nghiên cứu, và ngay trong giới y khoa cũng có bất đồng (theo Jay, video đăng ngày 20/10/2026). Với những câu hỏi như vậy, rất khó để neo vào sự thật khi chúng ta vẫn đang khám phá ra sự thật; khoa học là một quá trình. Jay hỏi: Karan nghĩ thế nào về độ đúng trong những trường hợp đó?
Karan nói đó là một câu hỏi rất hay, và nó quan trọng dù có AI hay không. Anh mời mọi người lùi ra nhìn xem sự đồng thuận y khoa (medical consensus) được lan truyền thế nào vào lúc này, tức quy trình của nó ra sao (theo Karan, video đăng ngày 20/10/2026). Về cơ bản, có rất nhiều người viết các bài báo y sinh (biomedical paper) đủ loại, đề xuất những cải tiến hay phương pháp điều trị có thể cải thiện chất lượng chăm sóc.
Rồi có một quy trình hằng năm ở các chuyên khoa khác nhau để xây dựng hướng dẫn lâm sàng (clinical guideline), mô tả kiểu: "Trong tình huống này, nếu bạn là bác sĩ tim mạch và gặp một bệnh nhân có X, Y và Z, thì đây là điều có lẽ bạn nên làm." Theo Karan (video đăng ngày 20/10/2026), có thể xem các hướng dẫn lâm sàng này đại khái như những lưu đồ (flow chart), được các tổ chức khác nhau trên khắp thế giới đưa ra mỗi năm, mô tả đại khái bạn nên làm gì trong các tình huống khác nhau, dựa trên nghiên cứu mới nhất.
Bước cuối cùng, Karan nói tiếp: có tài liệu y sinh, có hướng dẫn lâm sàng, rồi có điều người ta thật sự làm trong thực hành. Và hoá ra bước cuối cùng đó là một nút thắt khổng lồ. Theo Karan (video đăng ngày 20/10/2026), có những nghiên cứu về việc mất bao lâu để hướng dẫn lâm sàng thấm vào thực hành hằng ngày của các bác sĩ trên khắp thế giới. Trong quá khứ, người ta thấy rằng, tuỳ nghiên cứu, việc thấm đó mất khoảng 5 đến 17 năm mới thật sự xảy ra, và đó là một khoảng rất lớn. Bạn không muốn hành nghề y chậm 5 đến 17 năm.
Một trong những điều OpenAI nghĩ tới, theo Karan (video đăng ngày 20/10/2026), là làm sao nén khoảng thời gian "hành nghề theo quá khứ" đó xuống còn vài tuần, vài ngày, thậm chí vài giờ. Đây là một nguyên tắc rất quan trọng đằng sau ChatGPT for Healthcare và ChatGPT for Clinicians, hai sản phẩm dành cho clinician và người làm chuyên môn y tế. Ở đó, OpenAI đưa tài liệu y sinh mới ra vào đúng thời điểm chăm sóc, cho phép người ta, trong khoảng chẳng hạn một lần khám 15 phút tại điểm chăm sóc (point of care), nhận được câu trả lời cho câu hỏi của mình rất nhanh.
Đó là một cách trả lời câu hỏi của Jay, Karan nói: trong thực tế, dù ở nhiều lĩnh vực vẫn thiếu đồng thuận y khoa, có những trường hợp đã có đồng thuận nhưng nó không được thực hành. Và một điều bạn có thể làm là giảm thật mạnh mức độ chuyện đó đang xảy ra (theo Karan, video đăng ngày 20/10/2026).
Cách thứ hai để trả lời là cách xử lý những chỗ vẫn còn bất định y khoa thật sự. Karan nói có vài điều. Một là bạn muốn huấn luyện model để nhận ra sự bất định của chính nó: sau khi browse, lấy thông tin và những thứ tương tự, bạn muốn model biết rằng "đơn giản là không có đủ thông tin" và nói thẳng điều đó. Theo Karan (video đăng ngày 20/10/2026), đó là một phần quan trọng trong cách OpenAI làm eval, và nó thật ra là một khía cạnh công khai của HealthBench, vốn có các bài đánh giá về việc nói có chừng mực (hedging) khi có sự bất định kiểu này.
Điều thứ hai, Karan nói, đi vào câu hỏi làm sao nâng trần sức khoẻ con người: thật sự nghĩ về những cách model có thể đẩy nhanh quá trình làm khoa học và đẩy biên giới y khoa ra xa hơn (theo Karan, video đăng ngày 20/10/2026). Anh nói có lẽ hai người sẽ nói về chuyện đó sau.
11. Model, sản phẩm, partnership và việc tích hợp với Epic
Jay nói (video đăng ngày 20/10/2026) nghe Karan nói, anh có cảm giác Karan lúc nào cũng nghĩ về một trong ba nhóm đối tượng: bệnh nhân, có thể là từng clinician tự đăng ký dùng, hoặc có thể là enterprise, dù là một tổ chức cung cấp dịch vụ y tế (provider) hay một enterprise nào khác. Jay hỏi: Karan nghĩ thế nào về việc thiết kế sản phẩm ở tầng kiến trúc, và, chẳng hạn, ở tầng harness, để đáp ứng nhu cầu của tất cả những người dùng khác nhau này?
Karan nghĩ có lẽ chuyện này có ba phần (theo anh, video đăng ngày 20/10/2026). Một là làm model thật sự, thật sự tốt cho những người dùng này. Hai là build harness hay sản phẩm đúng quanh model. Ba là thật sự có động thái deployment hay partnership để tiếp cận người dùng.
Theo Karan (video đăng ngày 20/10/2026), mặc định, anh nghĩ nhiều lúc các model ngày nay thường đã khá tốt. Hai người đã nói về cách OpenAI làm eval, làm việc với clinician và những thứ tương tự, và OpenAI đang thấy những cải thiện khá mạnh về hiệu năng và độ tin cậy (reliability). Vài tháng trước, OpenAI đã nói về những cải tiến đang làm ở bản miễn phí (free tier), đưa hiệu năng của bản miễn phí lên tới frontier. Cụ thể, với 1,2 tỷ người dùng ChatGPT hằng tuần, trao cho họ miễn phí một model cho sức khoẻ cực kỳ hữu ích ở mức frontier. Hiển nhiên, theo Karan, đó là một phần lớn trong chiến lược làm cho health intelligence trở nên dồi dào.
Điều thứ hai là các sản phẩm của OpenAI. Theo Karan (video đăng ngày 20/10/2026), cách OpenAI nghĩ về chuyện này là: bạn có thể có một model rất tốt, nhưng nếu "năng lượng kích hoạt" (activation energy) để dùng model đó cải thiện sức khoẻ quá cao, người ta sẽ không dùng. Nên rất nhiều nỗ lực sản phẩm là nghĩ về chính các nhóm đối tượng Jay vừa nói, và nghĩ cách giảm activation energy để mọi người dùng compute và trí thông minh vào việc cải thiện sức khoẻ con người. Đó là hướng của health trong ChatGPT, ChatGPT for Healthcare ở phía enterprise, và ChatGPT for Clinicians.
Karan nói rất nhiều trong cách OpenAI thiết kế các sản phẩm này, về cơ bản, là nghĩ xem đâu là rào cản, nút thắt và activation energy khiến người ta khó dùng model. Ví dụ, những nút thắt về security và compliance khi cung cấp một bản ChatGPT cho enterprise tới các hệ thống y tế là gì? Đó là một câu hỏi OpenAI đã nghĩ rất nhiều hai năm trước (theo Karan, video đăng ngày 20/10/2026). Và OpenAI nghĩ: được rồi, cần đầu tư vào security và compliance, cần bảo đảm cung cấp được HIPAA compliance, cần bảo đảm cung cấp được những bảo vệ quyền riêng tư mà các tổ chức y tế cần, để xử lý được dữ liệu y tế họ cần xử lý và cung cấp những dịch vụ họ tin tưởng.
Theo Karan (video đăng ngày 20/10/2026), đó là một phần rất quan trọng trong công việc OpenAI làm từ khoảng hai năm trước tới khoảng một năm trước. Và từ đó OpenAI cứ thế đi tiếp, dựa trên những nút thắt thấy được đối với việc áp dụng (adoption).
Điều thứ ba là partnership và deployment. Karan nói (video đăng ngày 20/10/2026): vài năm trước, anh nghĩ OpenAI còn ở giai đoạn rất sớm trong việc nói ngôn ngữ của ngành y tế, và khi làm việc với các đối tác y tế, OpenAI còn ở giai đoạn đầu trong những cuộc trao đổi đó. Một trong những điều OpenAI mang vào từ đó tới nay là thật sự nghĩ về từng nhóm đối tượng Jay vừa nói, nghĩ cách nói ngôn ngữ của họ và cách đưa họ đi cùng hành trình này. Bởi vì, theo Karan, ngay cả khi model trở nên rất thông minh, nếu không ai thật sự tin hay dùng chúng, thì điều đó không thật sự đạt được sứ mệnh của OpenAI.
Jay hỏi (video đăng ngày 20/10/2026): có phải Karan đang ám chỉ một chút tới phần việc với Epic, tích hợp sản phẩm trực tiếp vào Epic? Jay mời Karan chia sẻ thêm, vì nhiều người đã gắn bó lâu với ngành y tế rất quan tâm khi thấy mức hợp tác đó với Epic.
Karan nói đây là một phần rất quan trọng trong cách tiếp cận của OpenAI. Như hai người đã nói, phân mảnh trong y tế là một trong những vấn đề. Theo anh (video đăng ngày 20/10/2026), việc dữ liệu và workflow bị tách rời khỏi nhau là một trở ngại lớn đối với việc dùng AI hiệu quả trong y tế.
Về công việc với Epic và các đối tác khác, Karan kể OpenAI vừa có một thông báo gần đây (theo video đăng ngày 20/10/2026): giờ đã có cách dùng Epic trong ChatGPT nếu bạn là provider hay người làm chuyên môn y tế, và cũng có cách để ChatGPT hữu ích ngay trong Epic. Trong chính workflow của Epic, bạn có thể có một thanh bên (sidebar) nhỏ để dùng ChatGPT. Đó là một việc. OpenAI cũng đang làm những loại connector khác, cũng đã thông báo gần đây, và còn nhiều cái nữa sắp tới.
Theo Karan (video đăng ngày 20/10/2026), OpenAI đang làm khá nhiều việc để bảo đảm phá bỏ những rào cản này, để hệ sinh thái y tế được kết nối. Và anh nghĩ Epic chỉ là một trong nhiều ví dụ về việc OpenAI nhận ra những nút thắt đó và cố gắng sửa chúng.
12. Sức khoẻ tâm thần và Mental Health Bench
Jay nói điều cuối cùng anh muốn chạm tới về niềm tin là phần việc Karan đã làm quanh sức khoẻ tâm thần. Theo Jay (video đăng ngày 20/10/2026), đây là một lĩnh vực khác có rất nhiều phức tạp, và có thể có những mục tiêu khác cần giải quyết, ngoài sự phức tạp lâm sàng hai người đã nói. Jay đưa ví dụ: nếu anh nói với Dot của OpenAI của mình, "này, tôi muốn thấy khá hơn trong vài tuần tới", thì làm sao diễn giải câu đó? Làm sao giúp hành động theo nó? Làm sao hướng dẫn một người dùng trong chuyện đó, khi nó có thể mang rất nhiều nghĩa?
Karan nói, bất kể sản phẩm (surface) nào, OpenAI cực kỳ cam kết giúp người dùng khi họ đang gặp khó khăn hay đang ở trong khủng hoảng (theo Karan, video đăng ngày 20/10/2026). Ví dụ với Dots, OpenAI đã đầu tư cùng những biện pháp bảo vệ (safeguard) mà OpenAI đặt ở tất cả các sản phẩm khác vào sản phẩm này. Đó là một phần quan trọng trong cách tiếp cận: một kiểu sàn an toàn cơ bản (baseline safety floor).
Rồi với Mental Health Bench, theo Karan (video đăng ngày 20/10/2026), OpenAI thật sự chọn cách không chỉ đo sàn an toàn, mà nghĩ về những cách model có thể thật sự chủ động giúp nâng trần, thật sự nghĩ về những cách model có thể giúp mang lại những trải nghiệm sức khoẻ tâm thần tích cực, và đi từ chỗ chỉ lo về sàn an toàn sang đo những mặt tích cực đó.
Karan nói, một lần nữa, cách tiếp cận này rất giống phần việc với HealthBench (video đăng ngày 20/10/2026): OpenAI đã làm việc với rất nhiều chuyên gia sức khoẻ tâm thần có giấy phép hành nghề trên khắp thế giới, để nghĩ ra cách đúng để định nghĩa hành vi của model trong một loạt tình huống khó, và bảo đảm đạt tới một mức đồng thuận. Theo anh, ở đây người ta chắc chắn bất đồng còn nhiều hơn so với sức khoẻ thể chất. Đạt tới một mức đồng thuận trong một số tình huống khó, để có thể thật sự đo hiệu năng và tạo ra một kiểu benchmark chung cho cả ngành.
Theo Karan (video đăng ngày 20/10/2026), OpenAI đã công bố benchmark đó rất gần đây. Và tương tự HealthBench và HealthBench Professional, mục tiêu thật sự là: liệu có tạo được một benchmark nâng trần cho tất cả mọi người, tạo ra cho mọi bên phát triển model, cho ngành y tế và cho các chuyên gia sức khoẻ tâm thần một cây thước đo chung (shared ruler, measuring stick) để bảo đảm mọi người đang đi đúng hướng không.
13. Thông tin y tế khác với chăm sóc y tế
Jay tổng kết (video đăng ngày 20/10/2026): hai người đã nói về trí thông minh và các use case đang xuất hiện khi trí thông minh cải thiện, đã nói về niềm tin, thứ rất quan trọng. Giờ hãy nói về chăm sóc y tế (medical care). Jay muốn phân biệt thông tin y tế (medical information) với chăm sóc y tế.
Với thông tin y tế, Jay nghĩ (video đăng ngày 20/10/2026): nếu bạn có một mối lo sức khoẻ, nếu anh có một mối lo về bản thân hay điều gì đó anh đang gặp, thì ChatGPT và các LLM khác ngày càng là cách tốt hơn, nhanh hơn, rẻ hơn để có câu trả lời và giải quyết được câu hỏi đó. Nhưng trong những tình huống mà chỉ thông tin y tế thôi không giúp anh giải quyết được, thì, ít nhất vào lúc này, anh bị đẩy vào hệ thống chăm sóc y tế truyền thống.
Jay liệt kê: nếu anh cần đi lấy đơn thuốc, nếu cần gặp trực tiếp một bác sĩ chuyên khoa, nếu cần làm thêm xét nghiệm máu tiếp theo, chụp MRI hay một kiểu chụp chiếu khác, nếu cần một clinician khám cho mình theo cách nào đó, thì anh vẫn phải đi qua hệ thống y tế truyền thống. Và theo Jay (video đăng ngày 20/10/2026), rất nhiều phần việc đó được chi phối và quản lý bởi giấy phép hành nghề y ở Mỹ cùng hạ tầng khác trong hệ thống y tế. Đó là một cuộc trò chuyện nhiều lượt, không phải giải quyết một câu hỏi đơn lẻ: phải đi nói chuyện với vài người, phải đi làm vài việc, phải thu thập thêm thông tin.
Theo nhiều cách, Jay nói (video đăng ngày 20/10/2026), chăm sóc y tế là một sản phẩm đóng gói (bundled product). Chúng ta nhận chẩn đoán, phân loại (triage) và kế hoạch chăm sóc. Chúng ta nhận sự đồng cảm từ clinician, sự trấn an và hỗ trợ. Chúng ta nhận cả trách nhiệm pháp lý (legal liability) gắn với điều đó, thứ họ gánh lấy. Jay hỏi: AI sẽ cung cấp tất cả những thứ đó chứ? Nó sẽ dừng ở đâu? Karan nghĩ mọi chuyện đang đi về đâu?
Karan nói anh không nghĩ AI có thể hay sẽ cung cấp tất cả những thứ đó (theo Karan, video đăng ngày 20/10/2026). Anh nghĩ Jay đúng khi nói có sự phân biệt giữa thông tin sức khoẻ và chăm sóc y tế. Cách OpenAI nhìn vai trò của mình ở đây là thật sự tạo điều kiện cho cả hệ sinh thái, vì không có tương lai nào mà một công ty duy nhất mang lại toàn bộ sự chăm sóc y tế.
Theo Karan (video đăng ngày 20/10/2026), vai trò của OpenAI ở đây là thật sự nghĩ xem "chặng cuối" (last mile) của chăm sóc y tế trông thế nào với mọi người. OpenAI có thể thật sự hiểu nó không? Và có thể làm nó ngày càng dễ hơn cho mọi người, để chặng cuối của việc thật sự tạo tác động lên bệnh nhân chỉ còn như trăm mét cuối với tất cả các đối tác không? Đó đại khái là cách OpenAI nghĩ về chuyện này: thật sự làm cho các đối tác rất dễ dùng AI để hỗ trợ mọi người trong hành trình chăm sóc.
Karan nghĩ có những việc OpenAI có thể làm một cách tương đối độc đáo ở đây, vì "cửa trước vào sức khoẻ" (front door to health) mà OpenAI đang có (theo Karan, video đăng ngày 20/10/2026). Ví dụ, nó có thể giúp bạn đi qua nhiều câu hỏi kiểu này, giúp bạn đi qua hành trình này, hoặc, khi personal agent ngày càng hữu ích, giúp bạn một phần chuyện hậu cần lịch hẹn và những thứ tương tự, và đơn giản là làm "quarterback" cho sức khoẻ của bạn.
Dù vậy, Karan không nghĩ nó sẽ giải quyết hết những thách thức đó, ít nhất là không trong ngắn hạn (theo anh, video đăng ngày 20/10/2026). Anh nghĩ ở mức độ lớn, OpenAI đang tìm cách tạo điều kiện cho rất nhiều đối tác đang mang lại sự chăm sóc, những đối tác mà, theo lời anh, đang dùng model của OpenAI một cách áp đảo theo nhiều cách, để những hoạt động này diễn ra trơn tru và dễ dàng hơn, để bệnh nhân không bị bỏ lại trong một trải nghiệm phân mảnh như thế này.
Jay hỏi tiếp (video đăng ngày 20/10/2026): với tư cách người dùng, trải nghiệm anh nên chờ đợi từ OpenAI có phải là kiểu chăm sóc "quarterback" Karan vừa mô tả không? Anh có lúc nào nói chuyện với một clinician ngay trong giao diện không? Hay có thể OpenAI sẽ chuyển anh tới một bác sĩ và giúp anh tìm bác sĩ đó? Theo Jay, chỉ riêng việc đặt lịch và làm cho các lần khám đó diễn ra đã là cả một thách thức, vậy anh nên chờ đợi điều gì?
Karan nghĩ mọi người sẽ thấy OpenAI, hi vọng là, rất hữu ích trong việc giúp bạn đi qua quá trình tìm nơi chăm sóc (theo Karan, video đăng ngày 20/10/2026). Anh không nghĩ OpenAI sẽ làm công việc làm tất cả những điều Jay vừa nhắc. Đó là chỗ OpenAI thật sự dựa vào tất cả các startup, các tổ chức cung cấp dịch vụ chăm sóc, các đối tác và những bên tương tự.
Jay quay lại một câu anh đã nhắc (video đăng ngày 20/10/2026): Karan đang build tương lai đó, nhưng build cùng các đối tác. Build cho người dùng và bệnh nhân, build cho clinician, build cho enterprise. Với clinician và enterprise, Jay mời Karan kể cụ thể hơn về những công cụ OpenAI đang ra mắt và những hợp tác thật sự hiệu quả.
14. UCSF, AdventHealth và ChatGPT trên màn hình của bác sĩ
Karan nói OpenAI đã có vài partnership thật sự thú vị (theo Karan, video đăng ngày 20/10/2026). OpenAI có những đối tác ra mắt (launch partner) thật sự tuyệt vời cho ChatGPT for Healthcare. Có rất nhiều người dùng ChatGPT for Clinicians và thật sự thích nó. Retention của các sản phẩm này, theo anh, là một bất ngờ rất dễ chịu: mọi người có vẻ thật sự thích chúng. OpenAI đang làm việc với nhiều hệ thống y tế khác nhau.
Karan nêu vài cái tên nổi bật (video đăng ngày 20/10/2026). Một là UCSF, mà OpenAI đã làm việc và trao đổi cùng. Theo Karan, UCSF là một trong những bên áp dụng sớm nhất cho kết nối giữa Epic, EHR và ChatGPT, và đã thật sự ở tuyến đầu trong việc nghĩ về, chẳng hạn, clinician dùng nó để xem lại hồ sơ bệnh án (chart review) và những việc tương tự, nghĩ về cách để trải nghiệm chăm sóc một bệnh nhân không cần phải phân mảnh tới mức phải chuyển tab hay chuyển trải nghiệm này sang trải nghiệm khác. UCSF là một trong những power user của OpenAI ở mảng đó.
Một cái tên khác là AdventHealth. Theo Karan (video đăng ngày 20/10/2026), AdventHealth là một trong những power user trong việc nghĩ về deploy agent khắp nơi làm việc của họ, thật ra là tính trên toàn OpenAI. AdventHealth là một bên dẫn đầu và có những kết quả tuyệt vời: theo Karan, AdventHealth báo cáo giảm khoảng 80% ở rất nhiều phần khối lượng công việc hành chính của họ (con số AdventHealth báo cáo, Karan nhắc lại trong video đăng ngày 20/10/2026).
Jay hỏi (video đăng ngày 20/10/2026): nếu anh bước vào phòng khám và thấy ChatGPT đang mở trên màn hình của bác sĩ, anh nên khó chịu hay vui? Karan nghĩ mọi người sẽ phản ứng thế nào?
Karan nói anh nghe những điều khác nhau, và nghĩ chuyện này thật ra đang thay đổi theo thời gian (theo Karan, video đăng ngày 20/10/2026). Đó là một điều thú vị: cửa sổ Overton (Overton window) đang dịch chuyển theo thời gian thực. Anh nghĩ trước đây có thể đã có mức độ lo ngại nào đó. Nhưng ngày càng nhiều, ở cả hai phía, có câu hỏi liệu clinician có phản đối việc bệnh nhân dùng AI, và liệu bệnh nhân có phản đối việc clinician dùng AI theo kiểu Jay vừa mô tả.
Nhưng Karan nghĩ cả hai bên thật ra đều đang thấy nó cực kỳ hữu ích cho mục đích riêng của mình (theo Karan, video đăng ngày 20/10/2026). Điều OpenAI đang thấy trong thực tế, nhất là theo thời gian, là cả hai bên có thể thật sự thấy an toàn hơn khi có AI trong hành trình chăm sóc, dù là clinician dùng nó hay bệnh nhân dùng nó như một kiểu kiểm tra chéo (sanity check). Anh nghĩ thái độ đó chắc chắn đang thay đổi theo thời gian. Anh sẽ không nói rằng mọi người đã hoàn toàn tới đó, nhưng đó là dự đoán của anh về cách mọi chuyện diễn ra.
Jay đẩy câu hỏi đi thêm một bước (video đăng ngày 20/10/2026). Giả sử một bệnh nhân đã tự tìm hiểu hết trước buổi khám, đã tích hợp toàn bộ dữ liệu sức khoẻ của mình, đã hỏi ChatGPT cả loạt câu hỏi. Còn clinician, trước buổi khám, đã tự động hoá hết bằng các loop, đã chạy toàn bộ ca bệnh qua ChatGPT. Rồi buổi khám diễn ra. Hai người nên nói về điều gì?
Hi vọng của Karan là họ nói về khía cạnh con người của chăm sóc sức khoẻ (theo Karan, video đăng ngày 20/10/2026). Theo anh, vẫn còn rất nhiều bất định. Có rất nhiều sự đồng cảm, rất nhiều cách cư xử bên giường bệnh (bedside manner) đi vào khía cạnh con người của chăm sóc sức khoẻ. Cũng có rất nhiều tương tác thể chất trong đó.
Karan không nghĩ toàn bộ thông tin đã tồn tại để AI, chỉ dựa trên thông tin về mặt lý thuyết, tự tìm ra mọi điều nên làm (theo Karan, video đăng ngày 20/10/2026). Một phần lý do của một buổi khám là để lấy thêm thông tin, làm quy trình hỏi bệnh sử (history taking), thăm khám và những việc tương tự. Anh nghĩ điều đó sẽ không biến mất, nhất là những phần thể chất của nó. Và anh nghĩ ngay cả về mặt nhận thức, những phần như sự đồng cảm, được an ủi, và có thêm một lần kiểm tra thứ hai, vẫn sẽ là thứ người ta đòi hỏi.
15. Giữa các lần khám, và một "Move 37" cho y tế
Jay hỏi (video đăng ngày 20/10/2026): Karan nghĩ AI nói chung, hay chẳng hạn Dots, sẽ làm gì giữa các lần khám? Và Karan có nghĩ OpenAI sẽ bước qua ranh giới, chuyển sang cung cấp chăm sóc giữa các lần khám rồi chia sẻ lại với bác sĩ không?
Karan bắt đầu "tôi không nghĩ chúng tôi sẽ…", rồi nói lại: anh nghĩ OpenAI chắc chắn sẽ tập trung vào thông tin sức khoẻ (theo Karan, video đăng ngày 20/10/2026). Nhưng anh nghĩ, dù là Dots hay bất kỳ sản phẩm nào khác, OpenAI thật sự hào hứng với tương lai đi xa hơn theo hướng chủ động mà Jay vừa phác ra.
Karan đưa ví dụ (video đăng ngày 20/10/2026): hãy hình dung ai đó đang đi một hành trình chăm sóc bệnh mạn tính, và, lại như ví dụ lúc nãy, ai đó nhận kết quả xét nghiệm với chỉ số A1C cao hơn, và họ ở mức tiền tiểu đường hoặc tiểu đường. Liệu có thể gắn cờ cho họ, kiểu "này, có lẽ bạn nên đi kiểm tra lại thuốc và đi gặp bác sĩ tim mạch của bạn hay ai đó", và nghĩ về cách đúng để gắn cờ cho người dùng những vấn đề tuân thủ dùng thuốc (medication adherence) hay những vấn đề khác?
Karan nghĩ những vấn đề kiểu đó là nơi AI có thể có tác động sức khoẻ tiềm năng rất cao, nhất là trong những hành trình chăm sóc bệnh mạn tính như thế này (theo Karan, video đăng ngày 20/10/2026). Nhưng anh không nghĩ OpenAI sẽ làm công việc tự mình quản lý tất cả những chuyện này. Có tiếng đáp: "Sure."
Jay nói một điều khác anh tò mò (video đăng ngày 20/10/2026): trong những lĩnh vực mà AI được áp dụng vào, chẳng hạn trò chơi như cờ vua và cờ vây (chess and Go), khi AI giỏi lên ở cờ vua và cờ vây, nó cũng lộ ra những chiến lược và cách chơi mà ngay cả những chuyên gia giỏi nhất trong các lĩnh vực đó đã không khai thác hay theo đuổi. Điều đó giúp chúng ta hiểu thêm về các trò chơi này và hiểu thêm về AI. Jay hỏi: có điều gì tương tự như vậy mà Karan đã thấy khi AI được áp dụng vào sức khoẻ trong công việc nghiên cứu của anh không? Đã có những phát hiện khiến Karan ngạc nhiên, có thể mở ra những cách mới để mang lại chăm sóc hay hiểu một tình huống lâm sàng, cho chúng ta lý do để lạc quan không?
Karan nói anh nghĩ OpenAI đã thấy điều này ở quy mô nhỏ hơn. Nhưng anh lùi ra để nói rằng một điều đang thúc đẩy team của anh gần đây quanh việc nâng trần sức khoẻ con người là ý tưởng tạo ra một kiểu "Move 37 cho sức khoẻ" (theo Karan, video đăng ngày 20/10/2026).
Ý tưởng Move 37 đến từ AlphaGo, Karan giải thích (video đăng ngày 20/10/2026): trong một ván đấu giữa hệ thống AlphaGo, vốn chơi một trò cờ phức tạp như thế này, và Lee Sedol, có một nước đi cụ thể mà ngay lúc đó trông như một nước đi rất dở và rất bất ngờ với tất cả các chuyên gia con người đang theo dõi ván đấu giữa hệ thống AI và nhà vô địch thế giới về cờ vây đó. Nhưng nhìn lại, đó là một nước đi xuất sắc và sâu sắc, mà con người giờ mới bắt đầu hiểu và học theo các khuôn mẫu của nó. Karan nói đây là một ví dụ rất thú vị.

Vậy làm sao để có một Move 37 trong y tế, Karan hỏi: một nước đi hay một dự đoán mà model đưa ra, thứ một con người có thể đã không dự đoán được, và nhìn lại thì có vẻ đúng, xuất sắc, sâu sắc và có tác động lớn (theo Karan, video đăng ngày 20/10/2026). Anh nghĩ mọi người đang ở giai đoạn rất sớm, và sẽ thấy nhiều điều như vậy trong tương lai hơn nhiều so với trong quá khứ.
Một ví dụ, theo Karan (video đăng ngày 20/10/2026), lại là cách các hệ thống này đã được deploy như tấm lưới an toàn cho clinician, nơi clinician đang thật sự mang lại sự chăm sóc, và ngay trong lúc đó AI gắn cờ kiểu "này, có thể có gì đó không ổn ở đây", như trong nghiên cứu của OpenAI với Penda Health, và nghĩ về các khuôn mẫu kết quả thấy được ở đó.
Karan kể (video đăng ngày 20/10/2026): trong bối cảnh đó, các clinician có hơi dễ có xu hướng lạm dụng kháng sinh (overuse of antibiotics). Và một khuôn mẫu rất phổ biến mà model gắn cờ đơn giản là tránh lạm dụng kháng sinh, nghĩ ít hơn về ca bệnh cục bộ và nghĩ nhiều hơn về vấn đề toàn cầu là tình trạng kháng thuốc kháng sinh (resistance to antibiotics). Đó là một ví dụ cụ thể.
Nhưng một lần nữa, Karan nghĩ mọi người sẽ thấy nhiều ví dụ hơn về việc model tiếp nhận bệnh sử theo chiều dọc (longitudinal history) của một người dùng trong 10 năm, trên toàn bộ dữ liệu của họ, dữ liệu EHR, dữ liệu chat, tất cả những thứ đó, và đưa ra những dự đoán trước đây có vẻ không thể, vì một con người thậm chí không thể gộp hết chỗ dữ liệu đó trong đầu: dự đoán về sức khoẻ của họ, về rủi ro của họ và những thứ tương tự, những điều trước đây có vẻ không thể. Theo Karan (video đăng ngày 20/10/2026), điều đó sẽ xứng đáng được gọi là Move 37.
Karan nói tiếp: anh nghĩ một trong những điều thú vị nhất về agent là chúng giải quyết được nhiều nút thắt trong việc phân tích dữ liệu đã có sẵn. Theo anh (video đăng ngày 20/10/2026), có nhiều nơi khắp hệ sinh thái y tế đang tạo ra dữ liệu, dữ liệu EHR, bệnh sử theo chiều dọc, dữ liệu claims, đủ loại, và dữ liệu đó cứ thế được lưu ở đó. Những hiểu biết (insight) từ nó chưa được khai thác hết, chưa được dùng để tạo ra tri thức mới.
Karan nghĩ một trong những frontier cho việc sức khoẻ có thể cải thiện trong tương lai, cho việc trần sức khoẻ có thể nâng lên, sẽ là nghĩ về những cách tận dụng dữ liệu đang nằm "trong những cái hộp" ở nhiều nơi khác nhau, và để model tạo ra những insight mới từ dữ liệu này (theo Karan, video đăng ngày 20/10/2026). Anh cũng lạc quan về tương lai đó.
Karan còn lạc quan về một tương lai khác. Jay đã nhắc hai nhóm đối tượng là người dùng hay bệnh nhân, và clinician. Theo Karan (video đăng ngày 20/10/2026), còn một nhóm thứ ba là các nhà khoa học, những người đang giúp đẩy biên giới tri thức trong lĩnh vực này. Anh cũng rất lạc quan về một tương lai mà AI giúp đẩy nhanh nhiều nút thắt trong khâu kiểm chứng (validation), thứ anh nghĩ rốt cuộc sẽ là nút thắt, chứ không phải khâu đề xuất ý tưởng hay phương pháp điều trị mới. Anh nói anh cũng rất lạc quan về điều đó.
16. Chi phí của trí thông minh y tế và cuộc chạy đua bot giữa bên khám và bên chi trả
Jay đổi hướng một chút. Theo anh, Karan cũng đã chia sẻ suy nghĩ về việc chi phí của trí thông minh, đầu vào của trí thông minh y tế, đang giảm mạnh, và tới một lúc nó sẽ rẻ tới mức không cần đo đếm (too cheap to meter). Jay kể (video đăng ngày 20/10/2026) anh và team của anh đã dành rất nhiều thời gian cố hiểu những công nghệ này sẽ tác động thế nào tới hệ thống y tế của chúng ta, một hệ thống đang tăng chi phí vượt xa lạm phát.
Theo Jay (video đăng ngày 20/10/2026), chúng ta chi hơn 5,3 nghìn tỷ đô cho y tế. Nếu nó là một quốc gia riêng, nó sẽ có GDP lớn thứ ba. Đó là phần lớn nhất của nền kinh tế, và cũng là nơi tuyển dụng nhiều người nhất trong nền kinh tế: 23 triệu người Mỹ làm việc trong ngành y tế. Chúng ta chi cho y tế nhiều tới vậy. Jay hỏi: Karan nghĩ gì về công việc mình đang làm và tác động của nó lên chi phí chăm sóc?
Karan nghĩ một trong những cách quan trọng nhất để OpenAI theo đuổi sứ mệnh là không chỉ làm model tốt hơn ở frontier, mà làm cho chúng được tiếp cận rộng rãi với tất cả mọi người (theo Karan, video đăng ngày 20/10/2026). Hiển nhiên đó là một phần lớn trong cách OpenAI đã deploy được health intelligence miễn phí tới rất nhiều người trên khắp thế giới. Anh nghĩ đó cũng là một phần lớn trong cách OpenAI nghĩ về API: model của OpenAI tốt tới đâu cho sức khoẻ ở đó, giá ở đó, và những thứ tương tự.
Một cập nhật gần đây, theo Karan (video đăng ngày 20/10/2026): OpenAI vừa ra mắt GPT-6 Luna. GPT-6 Luna là model rẻ nhất hiện tại của OpenAI trên API, hay đúng hơn, model frontier rẻ nhất trên API. Và điều OpenAI thấy với GPT-6 Luna là nó thật ra làm tốt hơn trên benchmark HealthBench Professional. Karan mô tả HealthBench Professional là benchmark mới nhất hiện tại của OpenAI về các workflow của clinician thật sự khó, được chọn theo độ khó với các model hiện tại, trải trên mọi cách clinician đang dùng model của OpenAI, và ở đó các model vẫn còn cần cải thiện.
Theo Karan (video đăng ngày 20/10/2026), GPT-6 Luna làm tốt hơn GPT-5.6 Sol, model mà anh nói đúng nghĩa đen là model tốt nhất của OpenAI chừng một tháng trước, và làm tốt hơn dù rẻ hơn 34 lần. Anh nói OpenAI đã có vài khoảnh khắc như vậy ngay trong năm qua.
Karan nói đã có nhiều xu hướng cho thấy AI, so với những công nghệ khác từng được đưa ra trong quá khứ, đang giảm chi phí ở một mức năng lực hay mức hữu ích nhất định nhanh hơn nhiều công nghệ khác đó (theo Karan, video đăng ngày 20/10/2026). Một canh bạc OpenAI đặt ra là chi phí của health intelligence sẽ lao dốc ở một mức health intelligence nhất định. Và mức health intelligence mà clinician và bệnh nhân cảm thấy có thể tin cậy trong hành trình chăm sóc đang bắt đầu tới gần.
Theo Karan (video đăng ngày 20/10/2026), xét theo một nghĩa nào đó, đó là một mức trí thông minh cố định. Hi vọng là sau đó cái mức ấy cũng sẽ được nâng lên theo thời gian. Kỳ vọng của anh là khi mọi người tới gần mức trí thông minh đó, chi phí cho mức đó cũng giảm mạnh như nó đã và đang giảm. Hi vọng là health intelligence trở thành một kiểu hàng hoá phổ thông (commoditization). OpenAI không muốn ôm giữ health intelligence; OpenAI muốn tất cả mọi người dùng nó. Anh hi vọng điều đó góp phần vào chuyện này.
Nhưng để trả lời câu hỏi của Jay về toàn bộ chi tiêu y tế, Karan không nghĩ tất cả chuyện đó là về health intelligence (theo Karan, video đăng ngày 20/10/2026). Anh không nghĩ health intelligence đã có tác động vĩ mô lên vấn đề Jay đang mô tả. Nhìn vào toàn bộ ngành y tế, dù vậy, có khá nhiều mảng, chẳng hạn quản lý bệnh mạn tính, ghi chép hồ sơ (documentation), hành chính, hay rất nhiều workflow hành chính đủ loại, workflow back office, nơi có rất nhiều tiền được chi theo những cách có lẽ không cần phải chi như thế.
Và OpenAI rất lạc quan về một sự nén chi tiêu tổng thể trong những năm tới, Karan nói (video đăng ngày 20/10/2026). Anh không nghĩ điều đó đã xảy ra. Và anh không nghĩ nó tự xảy ra chỉ bằng việc làm cho health intelligence trở nên dồi dào. Anh nghĩ nó xảy ra nhờ tích hợp, workflow, deployment và việc mở rộng quy mô những thứ đó, và thật sự bảo đảm các model này có giá trị trong những tác vụ có giá trị kinh tế mà người ta đang dùng chúng. Nhưng anh nghĩ đó là một điều kiện tiên quyết để tương lai đó xảy ra.
Jay tóm lại: nhiều chăm sóc hơn, ít giấy tờ hơn, đại khái là hướng mọi thứ đang đi, ít nhất là có rất nhiều khoản tiết kiệm chi phí ở đó. Rồi Jay nhắc (video đăng ngày 20/10/2026): chắc Karan đã thấy vài tiêu đề báo trong vài tuần qua, có một bài trên New York Times nói rằng về cơ bản AI của bên cung cấp dịch vụ (provider) và AI của bên chi trả (payer) đang đánh nhau. Và có một phân tích của Blue Cross Blue Shield Association cho thấy các bot làm hoá đơn và bot làm giấy tờ của mỗi bên trên thực tế đã làm tăng chi tiêu khoảng một tỷ đô, hay đại loại như vậy (theo Jay dẫn lại, video đăng ngày 20/10/2026).
Jay hỏi (video đăng ngày 20/10/2026): khi Karan đang làm nghiên cứu tiên phong về sức khoẻ, cố kéo chi phí của trí thông minh y tế xuống gần bằng không, rồi lại thấy những tiêu đề như vậy, anh nghĩ gì?
Karan nghĩ đây có thể là một trong những lĩnh vực có chút đau ngắn hạn quanh cuộc chạy đua vũ trang giữa provider và payer, nhưng về dài hạn, không có lý do gì để chuyện này phải tồn tại (theo Karan, video đăng ngày 20/10/2026). Theo anh, mọi người đang bước vào một thế giới mà nhiều lần khám có một kiểu trí thông minh "ambient" ngay trong phòng, lắng nghe, ghi lại lời nói thành văn bản và những thứ tương tự. Có ghi chú, có ghi chú lâm sàng, có những chi tiết do AI ghi từ ghi chú lâm sàng và những thứ tương tự. Và bạn có rất nhiều chi tiết cần để phân xử (adjudicate) các lần khám.
Thế giới lý tưởng, theo quan điểm của Karan (video đăng ngày 20/10/2026), là một thế giới mà provider và payer có một kiểu "bắt tay" (handshake): "Đây là sự thật gốc (ground truth) về điều đã xảy ra trong lần khám này. Đây là toàn bộ thông tin chúng tôi có." Đơn giản là không có nguồn thông tin nào khác. Rồi một AI giúp phân xử tình huống đó. Có thể có một quy trình khiếu nại (appeals process) hạn chế hay những thứ tương tự.
Nhưng Karan không nghĩ cần phải có cả quy trình mà ở đó có một cuộc chạy đua vũ trang AI giữa payer và provider. Anh nghĩ chuyện đó hoàn toàn có thể tránh được, và anh xem nó là một sự xao nhãng ngắn hạn (theo Karan, video đăng ngày 20/10/2026).
17. Nên build gì, và AI với procedural care
Jay nói (video đăng ngày 20/10/2026) có rất nhiều nhà khởi nghiệp đang build công nghệ trong y tế, có lẽ đang xem tập này. Theo Jay, có lẽ họ đang cố tìm hiểu: khi Karan tiếp tục đẩy công việc của mình đi xa và kéo chi phí trí thông minh y tế xuống gần bằng không, và nó trở thành một kiểu tiện ích (utility) có mặt khắp nơi, chảy qua mọi tương tác y tế cho người dùng, cho clinician, cho phần hành chính của stack công nghệ y tế, thì mọi người nên build gì ở tầng trên? Các ứng dụng chuyên biệt nên làm gì, giả định thứ này tốt lên hơn 100 lần?
Karan nói đó là một câu hỏi hay. Như anh đã nhắc, OpenAI nghĩ nhiều phần tác động sức khoẻ của mình không đến trực tiếp qua các sản phẩm OpenAI cung cấp, mà thật ra qua các đối tác và chặng cuối của việc mang lại sự chăm sóc (theo Karan, video đăng ngày 20/10/2026).
Điều Karan muốn nói với các đối tác (video đăng ngày 20/10/2026): hãy build trên những model thật sự có năng lực. Và điều quan trọng nhất là đặt cược rằng những model đó sẽ ngày càng có năng lực hơn. Hãy đặt cược vào tương lai. Anh nghĩ nhiều người trong ngành y tế đang nằm đâu đó trên một dải: đặt cược chống lại model, đặt cược trung lập, và đặt cược cùng phe với model hay đặt cược cho model. Anh nói: hãy đặt cược vào việc model ngày càng tốt hơn. Đó có lẽ là điều quan trọng nhất.
Theo Karan (video đăng ngày 20/10/2026), hãy nghĩ về cách rất nhiều công nghệ đang được phát triển, dù là agent, computer use hay những công nghệ frontier khác, sẽ đẩy nhanh ngành y tế, rồi đặt cược vào đó và build hướng tới tương lai đó. Anh cũng nghĩ rất nhiều phần chăm sóc y tế sẽ thật sự trở nên dễ tiếp cận hơn với bệnh nhân khi có AI. Hai người đã nói về ý tưởng một kiểu "quarterback" và việc làm tan biến nhiều rào cản. Và, theo anh, chỉ cần tập trung vào việc mang lại sự chăm sóc chất lượng thật sự tốt, và để AI là một phần trong việc theo dõi hành trình chăm sóc đó, cũng là một phần rất quan trọng.
Jay lùi ra nhìn toàn bộ hệ thống y tế. Theo Jay (video đăng ngày 20/10/2026), hai người đã nói về con số 5,3 nghìn tỷ. Rất nhiều khoản chi trong đó là giấy tờ giữa provider, payer và các bên liên quan khác trong "năm chữ P" của ngành y tế (five Ps of healthcare). Rất nhiều trong đó là chăm sóc nhận thức (cognitive care), thứ mà, theo Jay, Karan đang lập luận là có thể được tăng cường, và có thể đưa thêm rất nhiều năng lực chăm sóc nhận thức vào hoạt động; điều đó thú vị xét về khả năng tiếp cận. Và còn rất nhiều khoản chi trong y tế là thủ thuật (procedural): cần chụp chiếu, xét nghiệm máu, một lần thăm khám tiếp theo, hoặc là một can thiệp phẫu thuật.
Jay hỏi (video đăng ngày 20/10/2026): Karan thấy công việc trí thông minh mà anh đang làm trong y khoa tác động tới procedural care ở đâu? Liệu đó có phải nút thắt cuối cùng, một nút thắt mới, một nút thắt được tăng cường, hay có lẽ một nút thắt bị làm trầm trọng thêm? Hay Karan kỳ vọng sẽ làm nhiều việc ở đó nữa, như robotics và những thứ tương tự?
Karan nghĩ trong ngắn hạn, với procedural care, bạn muốn nhắm (targeting) tốt hơn khi nào cần đến nó. Theo anh (video đăng ngày 20/10/2026), AI có thể giúp cung cấp thông tin hữu ích để biết khi nào nên tìm tới kiểu chăm sóc đó. Có lẽ yếu tố vĩ mô lớn nhất trong một hai năm tới sẽ đơn giản là những thứ phòng ngừa chủ động tốt hơn, để bạn không phải đi làm thủ thuật đó về sau. Bởi vì nếu bạn đi đúng nước sớm hơn và AI giúp bạn đi qua hành trình đó, thì hi vọng bạn tránh được nhiều chi phí phía sau của những thủ thuật đắt nhất. Karan nói đó có thể là một yếu tố vĩ mô cần để ý, theo phỏng đoán của anh.
Về robotics trong chăm sóc, Karan nghĩ đó là một câu hỏi dài hạn hơn, cả từ góc độ công nghệ lẫn từ góc độ hoàn trả chi phí (reimbursement) và tích hợp vào ngành. Kỳ vọng của anh là đó không phải chuyện của vài năm tới (theo Karan, video đăng ngày 20/10/2026).
18. Nhìn về phía trước: ChatGPT Health và những dự đoán cho 5 đến 10 năm
Có tiếng nói "Very cool". Jay tổng kết (video đăng ngày 20/10/2026): hai người đã đi qua rất nhiều chủ đề, đã nói về trí thông minh đang cải thiện, về niềm tin, về việc đi từ thông tin y tế tới chăm sóc y tế. Jay hỏi: khi mọi thứ tiếp tục diễn ra, khi agent, personal agent và các model nền ngày càng mạnh, mọi người có thể chờ đợi điều gì? Mọi người có thể chờ đợi gì từ ChatGPT Health?
Karan nghĩ thật sự có hai điều ở mức cao mà OpenAI đang thật sự tập trung làm cho xảy ra (theo Karan, video đăng ngày 20/10/2026). Một, lại là nghĩ về những cách nâng sàn sức khoẻ con người và làm cho health intelligence đáng tin cậy, ổn định trở nên dồi dào cho mọi clinician, mọi người dùng và bệnh nhân. Và tiến tới điểm mà, như hai người đã nói, mọi bệnh nhân và clinician đơn giản là cảm thấy an toàn hơn khi có AI trong hành trình chăm sóc. Khi bác sĩ đang dùng ChatGPT, bạn thật sự cảm thấy an toàn hơn, và ngược lại. Theo Karan, để tới điểm đó không chỉ là chuyện model tốt và eval tốt, mà còn là cách OpenAI deploy, là activation energy quanh việc đó, là các sản phẩm và những thứ tương tự.
Điều thứ hai, theo Karan (video đăng ngày 20/10/2026), là thật sự nghĩ về việc nâng trần: những cách AI có thể thật sự làm những điều trước đây không thể. Anh nghĩ một trong số đó thật ra là kiểu trợ lý sức khoẻ cá nhân chủ động, một phần trong hành trình chăm sóc của bạn, giúp bạn đi qua những khoảnh khắc này, làm quarterback của bạn, giúp bạn sắp xếp lịch cho tất cả những việc này, nhưng cũng gắn cờ những chỗ bạn có thể can thiệp vào sức khoẻ của mình ngay hôm nay và ngăn rất nhiều sự suy giảm tốn kém về sau trong tương lai. Anh nghĩ đó sẽ là một phần quan trọng trong cách OpenAI nghĩ về việc cải thiện tương lai sức khoẻ cho càng nhiều người càng tốt.
Và Karan nói tiếp rằng điều thứ hai đơn giản là điều Jay đã nhắc trước đó: thật sự nghĩ về những cách mở khoá giá trị của dữ liệu sẵn có, thứ đôi khi được cất trong đủ loại "hộp", và nghĩ cách tận dụng nó để tạo ra những insight mới có lợi cho bệnh nhân (theo Karan, video đăng ngày 20/10/2026).
Jay nói thật đáng chú ý, đáng kinh ngạc và khiến người ta khiêm tốn khi nhận ra rằng ChatGPT, anh nghĩ, ra đời khoảng ba năm trước (theo Jay, video đăng ngày 20/10/2026). Đã có rất nhiều tiến bộ trong một khoảng thời gian rất, rất ngắn. Nên ngay cả việc nói chuyện theo mốc 5 hay 10 năm cũng có cảm giác hàn lâm. Nhưng Jay vẫn hỏi Karan vài dự đoán: có tính năng nào mà hôm nay trông như khoa học viễn tưởng, nhưng một ngày nào đó, ba, năm, mười năm nữa, chúng ta có thể có không?
Karan nói những ngày này dự đoán tương lai cực kỳ, cực kỳ khó, nên đây là một câu khó. Nhưng điều anh muốn nói là (theo Karan, video đăng ngày 20/10/2026): anh nghĩ thứ có thể có tác động lớn nhất tới sức khoẻ con người trong khung thời gian đó, 5 đến 10 năm tới, có lẽ sẽ là những phương pháp điều trị mới hơn, đến từ có lẽ hai thứ. Một là AI dẫn dắt việc tạo ra các đích (target) hay phân tử mới có thể thú vị cho những phương pháp điều trị mới. Hai là AI dẫn dắt việc ưu tiên (prioritization) và kiểm chứng (validation).
Theo Karan (video đăng ngày 20/10/2026), đó là nghĩ về những cách đúng để ưu tiên. Mọi người đã ở thời điểm mà số phân tử và thuốc người ta muốn đề xuất đưa vào thử nghiệm lâm sàng (clinical trial) và những thứ tương tự nhiều hơn hẳn số suất có sẵn trong các thử nghiệm lâm sàng. Và nghĩ về những cách model có thể giúp ưu tiên và chạy các thử nghiệm lâm sàng này, để chúng chạy trơn tru hơn và nhanh hơn.
Phỏng đoán của Karan (video đăng ngày 20/10/2026) là trong khung thời gian đó, mọi người sẽ nói về những loại thuốc được cải tiến, những loại thuốc được cá nhân hoá hơn cho từng người, và những thứ tương tự. Và điều đó chỉ có thể xảy ra vì đã đầu tư vào hai trụ cột đó.
Jay nói điều đó thật tuyệt. Hai người đã đi qua rất nhiều chủ đề, và Jay rời cuộc trò chuyện này còn lạc quan hơn trước. Jay cảm ơn Karan rất nhiều vì đã tới với podcast a16z. Có tiếng đáp lời cảm ơn vì đã được mời.
Nguồn và liên kết 10 nguồn
- Tên gốc: OpenAI’s Head of Health AI on Whether You Should Trust ChatGPT
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=9n0MI4D7TCM youtube.com
- Kênh YouTube a16z (Jay Rughani, khách mời Karan Singhal): youtube.com/channel/UC9cn0TuPq4dnbTY-CBsm8XA youtube.com
- HealthBench, bài đánh giá Karan nhắc tới: bài báo "HealthBench: Evaluating Large Language Models Towards Improved Human Health" trên arXiv, nộp ngày 13/05/2025, Karan Singhal là một trong các tác giả (đọc ngày 18/11/2026): arxiv.org/abs/2505.08775 arxiv.org
- Nghiên cứu cùng Penda Health mà Karan nhắc tới: bài báo "AI-based Clinical Decision Support for Primary Care: A Real-World Study" trên arXiv, mô tả AI Consult như một tấm lưới an toàn cho clinician tại các phòng khám chăm sóc ban đầu của Penda Health ở Nairobi, Kenya (đọc ngày 18/11/2026): arxiv.org/abs/2507.16947 arxiv.org
- Mã nguồn tham chiếu của HealthBench nằm trong repo openai/simple-evals; README của repo ghi repo này tiếp tục lưu các bản cài đặt tham chiếu cho HealthBench (đọc ngày 18/11/2026): github.com/openai/simple-evals github.com
- The Cognitive Revolution, podcast của Nathan Labenz mà Karan nhắc tới (đọc ngày 18/11/2026): cognitiverevolution.ai cognitiverevolution.ai
- Epic, phần mềm EHR mà Karan nói OpenAI đã tích hợp với ChatGPT (đọc ngày 18/11/2026): epic.com epic.com
- UCSF, một trong những hệ thống y tế Karan nêu tên (đọc ngày 18/11/2026): ucsf.edu ucsf.edu


