Red Hat zahájil výzkumný projekt v oblasti veřejného zdraví. Cílem je pomoci zkrátit časový interval mezi výzkumnou otázkou a odpovědí založenou na datech

Red Hat výzkumný projekt pro Centra pro kontrolu a prevenci nemocí a Národními instituty zdraví

Přechod umělé inteligence od experimentálních chatbotů k agentům čelí v přísně regulovaných odvětvích, jako je biomedicína a veřejné zdraví, zásadní překážce. Ačkoli tyto autonomní systémy dokážou zpracovávat komplexní data a plnit úkoly v reálném světě, zjevně chybí bezpečnostně zaměřený, standardizovaný a sledovatelný rámec, v němž by agenti umělé inteligence mohli pracovat s citlivými daty. Bez ochranných opatření na podnikové úrovni zůstává potenciál agentních pracovních postupů omezen na laboratorní prostředí.

Společnost Red Hat zahájila společný výzkumný projekt s Centry pro kontrolu a prevenci nemocí (CDC) a Národními instituty zdraví (NIH) v USA. Posílením open-source protokolu Model Context Protocol (MCP) stanovuje infrastrukturní požadavky nezbytné pro bezpečnější přesun agentních pracovních postupů do prostředí, kde jsou přesnost a bezpečnost dat nezbytnou podmínkou.

Překlenutí propasti mezi umělou inteligencí a citlivými datovými úložišti

V kontextu veřejného zdraví je „time to science“ – časový interval mezi výzkumnou otázkou a odpovědí založenou na datech – otázkou národní bezpečnosti. Roztříštěná datová sila a nedostatečně zdokumentované volání API tento proces v současné době brzdí, přičemž pracovní postupy trvají hodiny. Použitím protokolu Model Context Protocol v těchto komplexních prostředích se tento čas zkrátí na pouhé sekundy.

Tato společná inženýrská práce řeší čtyři hlavní překážky, které brání výzkumníkům pracujícím s agenty umělé inteligence v dosažení významného vědeckého dopadu:

► Nahrazení latence okamžitým přístupem: Vytvořením standardizovaného rozhraní mezi modely umělé inteligence a významnými repozitáři v oblasti veřejného zdraví mohou výzkumníci přejít od ručního sběru dat k analýze v reálném čase.

► Kontextová integrita nad surovými daty: Ve vědeckém výzkumu je závěr bez kontextu neúplný. Současné úsilí se zaměřuje na rozšíření protokolu MCP tak, aby bylo zajištěno, že agenti AI nepřijímají pouze data, ale také kritické opravy, upozornění a poznámky pod čarou nezbytné k zabránění šíření dezinformací.

► Auditovatelnost jako požadavek: Aby bylo možné přejít od experimentálních asistentů k autonomním agentům, musí být každá interakce sledovatelná. Toto úsilí zavádí vzory správy a sledovatelnosti potřebné k tomu, aby rozhodnutí řízená umělou inteligencí byla plně auditovatelná a v souladu s předpisy.

► Testování přijatelnosti znalostí: Když jsou aplikace nasazovány v regulovaném odvětví, procházejí náročným testováním a schvalováním odborníkem v dané oblasti, který za ně nese odpovědnost. MCP v současné době nedisponuje metodou pro testování přijatelnosti a naše společné inženýrské úsilí tuto mezeru přímo řeší pomocí nové extrapolace v měřítku.

Od spolupráce s agenturami k inovacím v OpenShift AI

Ačkoli je MCP již klíčovou součástí Red Hat OpenShift AI, poznatky a technické vylepšení ze spolupráce s CDC a NIH slouží jako silná zpětná vazba. Tato spolupráce pomůže přímo formovat upstreamovou komunitu MCP a v širším smyslu i další generaci funkcí OpenShift AI.

Tím, že tyto případy použití v oblasti veřejného zdraví považuje Red Hat za ultimátní zátěžový test, zdokonaluje způsob, jakým OpenShift AI spravuje servery MCP, zpracovává datové požadavky s vysokou souběžností a zajišťuje bezpečnostně vylepšená propojení mezi modely a různorodými zdroji dat. Tato vylepšení – od lepší logiky škálování až po robustnější zpracování chyb u komplexních API – se nakonec promítnou zpět do platformy OpenShift AI.

To znamená, že každý zákazník společnosti Red Hat, bez ohledu na odvětví, může těžit z platformy prověřené v praxi předními světovými vědeckými institucemi.

Otevřené standardy pro globální dopad

Cíle tohoto společného výzkumného úsilí přesahují rámec bezprostředních technických přínosů; mohou pomoci utvářet globální přístup k agentní AI. Zpřístupnění testovacích rámců vyvinutých ve spolupráci s partnery pomáhá širší komunitě v oblasti zdravotnictví a vědy překonat kulturní a organizační překážky při přechodu na agentní rámec.

V době, kdy se podniky ubírají směrem k autonomním agentům umělé inteligence, chce Red Hat prostřednictvím spolupráce s CDC/NIH vybudovat infrastrukturu, díky níž budou tito agenti rychlejší, bezpečnější a – co je nejdůležitější – budou si získávat důvěru lidí, kteří se na ně spoléhají při ochraně veřejného zdraví. (23.8.2026)