Creative Economy Creative Economy Креативная экономика 1994-6929 2409-4684 BIBLIO-GLOBUS Publishing House 127085 10.18334/ce.20.11.127085 MJXHQV Articles Статьи Research Article The impact of generative artificial intelligence on the transformation of information asymmetry in healthcare Влияние генеративного искусственного интеллекта на трансформацию информационной асимметрии в здравоохранении

30 11 2026 20 11 VOL 20, NO11 (2026) ТОМ 20, №11 (2026) 04 10 2026 06 11 2026 Copyright ©; 2026, Strelnikov S.S., Ushakova O.M. Copyright ©; 2026, Стрельников С.С., Ушакова О.М. 2026 Strelnikov S.S., Ushakova O.M. Стрельников С.С., Ушакова О.М. https://1economic.ru/lib/127085

In the article, the authors consider the impact of generative artificial intelligence technologies on changing the nature of information asymmetry in healthcare and medicine amid digitalization. Large language models are understood by the authors both as an institution influencing the production, distribution and consumption of information and as a factor of the information asymmetry development. It is shown how large language models carry out a structural transformation of asymmetry. The possibilities of simultaneously reducing transaction costs and incurring the costs of using available information to make a decision on concluding a contract are determined. The concept of speed asymmetry as a form of digital inequality is introduced, and the barriers that form it are characterized. They are: infrastructural, technological, competence, structural, resource, and institutional ones. The specifics of speed asymmetry in the healthcare sector in modern conditions are shown. The influence of speed asymmetry on the formation of trust in the healthcare system and the formation of patient compliance is reflected.

В статье авторами рассматривается воздействие технологий генеративного искусственного интеллекта на изменение природы информационной асимметрии в сфере здравоохранения и медицины в условиях цифровизации. Большие языковые модели понимаются авторами одновременно как институт, оказывающий влияние на производство, распределение и потребление информации и как фактор формирования информационной асимметрии. Показано, как большие языковые модели осуществляют структурную трансформацию асимметрии: определяются возможности одновременного снижения транзакционных издержек и возникновения издержек применения имеющейся информации для принятия решения о заключении контракта. Вводится понятие асимметрии скорости как формы цифрового неравенства, охарактеризованы барьеры, его формирующие: инфраструктурно-технологический, компетентностный, структурно-ресурсный, институциональный. Показана специфика функционирования асимметрии скорости в сфере здравоохранения в современных условиях. Отражено влияние асимметрии скорости на формирование доверия системе здравоохранения и формирование комплаентности пациента

 information asymmetry large language models speed asymmetry healthcare compliance информационная асимметрия большие языковые модели асимметрия скорости здравоохранение комплаентность 1. Андронова Е.С., Рей А.И., Акжигитова Г.Р. Влияние цифровых многосторонних платформ на выживаемость фирм отрасли розничной торговли // Вопросы экономики. – 2021. – № 8. – c. 93-122. – doi: 10.32609/0042-8736-2021-8-93-122. 2. Земцов С.П. Цифровое неравенство и региональное развитие в России в условиях распространения технологий искусственного интеллекта // Журнал новой экономической ассоциации. – 2025. – № 2. – c. 225-233. – doi: 10.31737/22212264_2025_2_225-233. 3. Канеман Д. Думай медленноhellip; решай быстро. / Даниэль Канеман ; перевод с английского А. Андреева. - Москва : АСТ, 2020. – 702 c. 4. Стрельников С.С., Ушакова О.М., Каткова А.Л., Вохминцев А.П. Отношение студентов медицинского вуза к использованию искусственного интеллекта в медицине динамика и факторы // Отношение студентов медицинского вуза к использованию искусственного интеллекта в медицине динамика и факторы. – 2026. – № 1. – c. 175–191. – doi: 10.31862/2218-8711-2026-1-175-191. 5. Стрельников, С. С.; Брынза Н.С. Применение теории либертарианского патернализма в общественном здравоохранении // Проблемы стандартизации в здравоохранении. – 2024. – № 11-12. – c. 72-78. – doi: 10.26347/1607-2502202411-12072-078. 6. Ушакова О.М., Стрельников С. С. Парадокс цифровой асимметрии: сообщества пациентов против логики системы здравоохранения // Креативная экономика. – 2025. – № 10. – c. 2695-2714. – doi: 10.18334/ce.19.10.123964. 7. Эрроу К. Неопределенность и экономика благосостояния здравоохранения. / Вехи экономической мысли. Экономика благосостояния и общественный выбор. Т.4./Под общ.ред. А.П. Заостровцева. - СПб. : Экономическая школа, 2004. – 293-338 c. 8. Acquisti A., Taylor C., Wagman L. The Economics of Privacy // Journal of Economic Literature. – 2016. – № 2. – p. 442–49. – doi: 10.1257/jel.54.2.442. 9. Aquilina M., Budish E., O’Neill P. Quantifying the High-Frequency Trading “Arms Race” // The Quarterly Journal of Economics. – 2022. – № 1. – p. 493-564. – doi: 10.1093/qje/qjab032. 10. Bakos J.Y. Reducing Buyer Search Costs Implications for Electronic Marketplaces // Management Science. – 1997. – № 12. – p. 1676–1692. – doi: 10.1287/mnsc.43.12.1676. 11. Bergemann D., Bonatti A. Data, Competition, and Digital Platforms // American Economic Review. – 2024. – № 8. – p. 2553–2595. – doi: 10.1257/aer.20230478. 12. Blease C. Lewis M. Riggare S. Fraile Navarro D. Lehman R. How generative AI affects patient agency // BMJ. – 2025. – p. e085323. – doi: 10.1136/bmj-2025-085323. 13. Burrell J. How the Machine ‘Thinks’ Understanding Opacity in Machine Learning Algorithms // Big Data Society. – 2016. – № 1. – p. 1–12. – doi: 10.1177/2053951715622512. 14. Busch F., Hoffmann L., Rüger C. Current Applications and Challenges in Large Language Models for Patient Care A Systematic Review // Communications Medicine. – 2025. – p. 26. – doi: 10.1038/s43856-024-00717-2. 15. Bedi S., Liu Y., Orr-Ewing L., Dash D. Testing and Evaluation of Health Care Applications of Large Language Models A Systematic Review // JAMA. – 2025. – № 4. – p. 319–328. – doi: 10.1001/jama.2024.21700. 16. Friedman B., Nissenbaum H. Bias in Computer Systems // ACM Transactions on Information Systems (TOIS). – 1996. – № 3. – p. 330-347. – doi: 10.1145/230538.230561. 17. Gans J.S. Market Power in Artificial Intelligence // Annual Review of Economics. – 2026. – № 1. – p. 417–445. – doi: 10.1146/annurev-economics-051624-061832. 18. Goddard K. Roudsari A. Wyatt J.C. Automation Bias A Systematic Review of Frequency, Effect Mediators, and Mitigators // Journal of the American Medical Informatics Association. – 2012. – № 1. – p. 121–127. – doi: 10.1136/amiajnl-2011-000089. 19. Goldfarb A., Tucker C. Digital Economics // Journal of Economic Literature. – 2019. – № 1. – p. 3-43. – doi: 10.1257/jel.20171452. 20. Hoffmann P. A Dynamic Limit Order Market with Fast and Slow Traders // Journal of Financial Economics. – 2014. – № 1. – p. 156–169. – doi: 10.1016/j.jfineco.2014.04.002. 21. Huang J., Neill L., Wittbrodt M. et al. The Impact of Artificial Intelligence on the Reading Times of Radiologists for Chest Radiographs // npj Digital Medicine. – 2023. – p. 160. – doi: 10.1038/s41746-023-00829-4. 22. Jones C. I., Tonetti C. Nonrivalry and the Economics of Data // American Economic Review. – 2020. – № 9. – p. 2819-2858. – doi: 10.1257/aer.20191330. 23. Kwon Y., Liu Y.-L., Bohlin E. Enhancing AI Literacy for Inclusive Digital Economies and Societies // Telecommunications Policy. – 2026. – № 7. – p. 103231. – doi: 10.1016/j.telpol.2026.103231. 24. Li J., Dada A., Puladi B. ChatGPT in healthcare A taxonomy and systematic review // Computer Methods and Programs in Biomedicine. – 2024. – p. 108013. – doi: 10.1016/j.cmpb.2024.108013. 25. Lyell D., Coiera E. Automation Bias and Verification Complexity A Systematic Review // Journal of the American Medical Informatics Association. – 2017. – № 2. – p. 423–431. – doi: 10.1093/jamia/ocw105. 26. Mihet R., Rishabh K., Gomes O. Is it AI or data that drives firm market power? // Journal of Monetary Economics. – 2026. – p. 103878. – doi: 10.1016/j.jmoneco.2025.103878. 27. Nakagomi A., Abe N., Tabuchi T. Emerging Generative AI Divide // Telematics and Informatics. – 2026. – p. 102360. – doi: 10.1016/j.tele.2025.102360. 28. Pham, V. K., Pham Thi, T. D., Duong, N. T. (2024). A Study on Information Search Behavior Using AI-Powered Engines: Evidence From Chatbots on Online Shopping Platforms. Sage Open, 14(4). DOI: 10.1177/21582440241300007 29. Selbst A.D., Barocas S. The Intuitive Appeal of Explainable Machines // Fordham Law Review. – 2018. – № 3. – p. 1085–1139. – doi: 10.2139/ssrn.3126971. 30. Tadelis Steven Reputation and Feedback Systems in Online Platform Markets // Annual Review of Economics. – 2016. – № 1. – p. 321-340. – doi: 10.1146/annurev-economics-080315-015325. 31. Thompson Y.L.E., Fergus J., Chung J. Impact of Artificial Intelligence Triage on Radiologist Report Turnaround Time Real-World Time Savings and Insights From Model Predictions // Journal of the American College of Radiology. – 2026. – № 1. – p. 63–73. – doi: 10.1016/j.jacr.2025.07.033. 32. Wachter S. Mittelstadt B. Russell C. Counterfactual Explanations without Opening the Black Box Automated Decisions and the GDPR // HNO. – 2018. – № 2. – p. 841–887. – doi: 10.2139/ssrn.3063289. 33. Wang L., Wan Z., Ni C. Applications and Concerns of ChatGPT and Other Conversational Large Language Models in Health Care Systematic Review // Journal of Medical Internet Research. – 2024. – p. e22769. – doi: 10.2196/22769. 34. Western M.J., Smit E.S., Gültzow T. Bridging the Digital Health Divide // Health Psychology and Behavioral Medicine. – 2025. – № 1. – p. 2493139. – doi: 10.1080/21642850.2025.2493139.