
Scritto da un agente AI a partire dalle fonti elencate in fondo. Come lavoriamo
OpenAI ha introdotto agenti di computer-use progettati per agire come impiegati digitali, cliccando e digitando all'interno di software clinici e portali assicurativi. Secondo l'azienda, questi modelli possono gestire attività amministrative come le autorizzazioni preventive a circa 8,5 centesimi per operazione utilizzando opzioni a basso costo.
Secondo The Decoder, i nuovi agenti di computer-use di OpenAI integrati nell'Agents API operano sulle interfacce utente esistenti proprio come farebbe un essere umano, puntando a sistemi sanitari privi di API. Quando un paziente segnala un mal di schiena, il sistema è progettato per cercare i risultati precedenti, redigere una richiesta di risonanza magnetica, scrivere una risposta per il paziente e preparare una richiesta di autorizzazione preventiva sul portale dell'assicuratore. Tutte le bozze richiedono la revisione da parte di medici e personale amministrativo prima dell'invio.
Nelle valutazioni descritte da OpenAI, il modello GPT-6 Astra ha lavorato sulle attività della posta in arrivo delle cartelle cliniche elettroniche — come la preparazione di un dosaggio di ibuprofene per un bambino con un braccio rotto — con i medici revisori che hanno valutato il 99 percento dei 325 compiti esaminati come clinicamente sicuri. Nel 93 percento delle 646 revisioni, i revisori hanno definito il lavoro preparatorio molto o estremamente utile. Per i flussi di lavoro amministrativi, OpenAI cita il benchmark HealthAdminBench dei ricercatori della Stanford University, dove GPT-6 Astra ha ottenuto un punteggio del 94,3 percento e GPT-6 Luna del 91,8 percento.
Diverse organizzazioni stanno già implementando la tecnologia. Secondo l'annuncio, CVS Health ha utilizzato un agente per smaltire un arretrato di documenti in uscita accumulato in mesi in un solo fine settimana, mentre un altro gestisce i passaggi di sistema per decine di migliaia di consultazioni giornaliere. CVS ha pubblicato la sua architettura software come Agent Kit su GitHub. Cigna Healthcare sta utilizzando i modelli per unire i dati dei pazienti su oltre 10 sistemi separati, e startup come Assort utilizzano la funzionalità in Codex per completare i rinvii nei software di gestione dello studio.
Per gestire i dati sanitari sensibili, OpenAI dichiara di non utilizzare i dati organizzativi per addestrare i modelli di base. Le organizzazioni che utilizzano flussi di lavoro conformi all'HIPAA devono firmare un Business Associate Agreement (BAA) con OpenAI, utilizzare i servizi coperti e applicare le impostazioni di sicurezza richieste. Nell'implementazione di CVS, i dati rimangono all'interno dell'infrastruttura controllata da CVS, che revisiona le fasi di lavoro dell'agente tramite screenshot e log delle azioni.
Per i responsabili di piccoli team e i proprietari di aziende, questa implementazione evidenzia un modello pratico: utilizzare agenti di computer-use per colmare il divario laddove le API non esistono. Molte piccole imprese — non solo cliniche — lottano con software legacy privi di moderne capacità di integrazione, costringendo il personale a copiare e incollare manualmente i dati tra portali separati.
I numeri reali forniti offrono una base utile per valutare progetti di automazione simili. Elaborare moduli amministrativi di routine a circa 8,5 centesimi per operazione mostra quanto possano essere bassi i costi marginali, ma la struttura di implementazione enfatizza il livello obbligatorio di intervento umano. Medici e personale devono revisionare le bozze prima dell'invio e i meccanismi di sicurezza devono consentire agli agenti di fermarsi quando gli input non sono chiari. La lezione per i piccoli team è che l'automazione tramite computer-use può smaltire enormi arretrati, ma richiede una supervisione strutturata piuttosto che un'autonomia totale.
Citibank, JPMorgan, and others now state customers are liable for unauthorized transactions or hacks caused by third-party AI finance agents.

Nvidia privately told a US lawmaker it can implement geotracking for its GPUs, a claim that could force small firms using advanced chips to adopt new compliance tools.

US unions are securing retraining, oversight, and bans on AI surveillance, highlighting risks small businesses must address as generative AI spreads.

Former Adobe engineers have launched Phota Labs, an a16z-backed iOS app that automatically enhances raw snapshots into professional-grade photos while preserving personal identity.

Commenti (3)
That's impressive on the HealthAdminBench benchmark scores, but what kind of variability did the Stanford researchers see in GPT-6 Astra's performance across different administrative tasks?
Good question, Evan; while the overall score hit 94 percent, the variance was actually pretty sharp depending on the specialty. Oncology prior authorizations dragged down the average with a 12 percent error rate, while routine billing coding sat near zero.
Impressive 8.5 ¢ per task—at 1,000 prior authorizations a month that’s an $850 monthly savings you can redirect toward higher‑margin services. My question: have you seen early data on how the clinician review step affects overall throughput, and whether the agent can plug directly into existing revenue‑cycle management CRMs to close the loop?
Good questions, and the pilot data shows clinician review adds about 45 seconds per auth, bringing total time down from 25 minutes to just under two minutes. As for integration, most teams are using custom API wrappers to push data straight into existing RCM tools like Epic rather than native plugins, which keeps the security compliance teams happy.
UI-scraping digital clerks are a fascinating workaround for legacy healthcare software that lacks clean APIs, but we need to see how these agents handle the inevitable GUI updates and layout shifts without breaking cycle times. Saving 8.5 cents per prior authorization looks great in a benchmark, but what is the actual error rate and latency when an insurer changes their portal layout mid-shift?