Resumen del webinar: aprendizajes del despliegue de IA en el sector sanitario

A los sistemas sanitarios se les pide hacer más por pacientes sin aumentar la plantilla. La mayoría de lo que frustra a pacientes ocurre alrededor de la atención, no durante ella. Encontrar al médico adecuado requiere esfuerzo. También tener que repetir la misma historia en cada traspaso de atención. 

En nuestra última sesión de Behind the Agent, Cindy Liu (Despliegue Empresarial, ElevenLabs) conversó con Jacque Myers (responsable global de Salud, Slalom), Sylvia Doane Stephenson (directora general, Slalom) y Cristal Woodley (directora de Marketing y Experiencia, Renown Health) para analizar dónde se están implementando realmente los agentes de IA en el sector sanitario y qué hace falta para poner uno en producción.

El patrón que distingue los despliegues que generan impulso de los que se estancan está en el punto de partida: un recorrido único, de gran volumen, medible y de bajo riesgo, en lugar de una colección de pilotos especializados.

Por qué el recorrido del paciente sigue teniendo fallos

Pacientes quedan atrapados en un ciclo repetitivo. Confirman quiénes son y explican por qué llaman en cada transición asistencial. Esperan y les redirigen. Las respuestas que buscan por otros medios son inconsistentes. Cuando por fin llegan a la persona adecuada, tienen que empezar de nuevo.

Todos los puntos de contacto existen —sitio web, portal del paciente, centro de contacto, historia clínica electrónica (HCE), facturación—, pero no se comunican entre sí. Un recorrido conectado empieza donde está el paciente e interactúa primero donde el riesgo es bajo y el impacto, alto.

La mayoría de las organizaciones empiezan a aplicar la IA en los márgenes, en casos de uso especializados elegidos por su bajo riesgo, y nada de ello genera impulso. La alternativa de Jacque es lo que ella llama un recorrido principal: un recorrido central que representa buena parte de lo que haces, sigue siendo de bajo riesgo y sobre el que puedes construir y ampliar en lugar de empezar de cero para cada caso de uso.

Demostración: reservar una cita de principio a fin

La programación de citas es una buena candidata para un recorrido principal: tiene gran volumen, es medible y su riesgo es lo bastante bajo como para construir sobre ella. Así es este recorrido de principio a fin, desde la admisión del paciente hasta la confirmación de la cita.

Escenario: Una paciente necesita una nueva receta para lentes de contacto. Encuentra a un optometrista dentro de la red en la web de su aseguradora y llama a la consulta, donde responde un asistente virtual de programación de citas.

Lo que se mostró:

• El agente gestionó de forma conversacional la admisión de pacientes nuevos y recopiló nombre, fecha de nacimiento y número de teléfono
• Verificó su teléfono con un código SMS real y se recuperó cuando el código se entendió mal en el primer intento
• Cuando la persona que llamó no recordaba su identificador de miembro del seguro, el agente le indicó que llevara la tarjeta a la cita y continuó
• Ofreció tres franjas horarias, reservó una y envió un correo de confirmación generado a partir del historial de la conversación, además de un recordatorio por mensaje de texto
• El mismo agente funcionaba por SMS, con el mismo workflow como conversación de texto y sin tener que desarrollar una versión independiente

Por qué importa: Un mismo agente atendía tanto la línea telefónica como la conversación por mensajes de texto, por lo que la experiencia era omnicanal por defecto. La demostración se creó en unas dos horas, suficiente para que un equipo hiciera un prototipo y lo presentara internamente en pocos días. La producción empresarial tiene otro alcance. La mayor parte del esfuerzo se concentra en el trabajo de integración, pruebas y cumplimiento normativo que un agente necesita antes de ponerse en marcha; en ElevenLabs, este trabajo lo realizan nuestros ingenieros de despliegue sobre el terreno.

Por dónde empezar y qué lo bloquea realmente

La secuencia para un sistema sanitario que empieza:

• Escucha ambiental: si todavía no está integrada en tu HCE. Este trabajo suele realizarse a través de un proveedor de documentación, pero genera la confianza de personal clínico de la que depende todo lo demás.
• El centro de contacto: La mayoría de los sistemas lo considera una partida de costes. En cambio, puede funcionar como un centro de crecimiento.
• Educación del paciente y adherencia a la medicación: Tareas repetibles con un ROI medible e inmediato, que permiten escalar.

El obstáculo para automatizar el centro de contacto es la programación de médicos. Las fichas de preferencias y las plantillas de agenda son la parte visible. Lo lento es coordinar el cambio entre personas con mucha formación, alta cualificación y gran independencia. Lo que funciona es contar con médicos referentes, un liderazgo alineado que facilite el cambio y apoyo continuado, a veces incluso con un mentor individual por profesional clínico.

Cómo Renown Health avanza hacia los agentes

Renown atiende a pacientes en un territorio de 100.000 millas cuadradas, desde Salt Lake City hasta Sacramento.

El equipo de Cristal empieza con un piloto acotado. Los casos de uso que están considerando evitan por completo la información de pacientes, y los éxitos internos son los que permiten demostrar a cumplimiento normativo el valor de lo que vendrá después. 

El camino pasó por los datos. El equipo de Cristal trabajó con proveedores sanitarios en las plantillas de agenda mientras estandarizaba la programación abierta. Los avances rápidos de la escucha ambiental abrieron la puerta: proveedores que notaron la diferencia en su calidad de vida volvieron preguntando qué más era posible.

También fue clara sobre el ritmo: los equipos de marketing y del centro de contacto no pueden esperar, porque pacientes ya están usando esto y ya lo esperan.

Seguridad, HIPAA e incorporación de agentes como si fueran nuevas contrataciones

Las llamadas con una gran carga emocional son lo primero por lo que preguntan la mayoría de los equipos. Renown ya mide el sentimiento de voz en su centro de llamadas y dirige a quienes llaman hacia agentes humanos con más experiencia, trasladando ese contexto durante la transferencia. La misma disciplina se aplica a los agentes de IA.

Incorpora agentes como incorporas a personas: dales procedimientos operativos estándar y un centro de conocimiento, entrena comportamientos para interrupciones y escalados, y después evalúalos con ejemplos antagonistas antes de ponerlos en marcha y en ciclos continuos de PDSA (planificar, hacer, estudiar, actuar).

Las medidas de protección operan en tres capas:

• Orientación mediante el prompt del sistema
• Validación de entradas que detecta intentos adversariales antes de que responda el agente
• Evaluación en tiempo real de cada respuesta conforme a la política configurada

En cuanto al cumplimiento normativo, las salvaguardas son los mismos estándares HIPAA que regulan las HCE, aplicados a sistemas de IA: BAA con proveedores de IA, interoperabilidad, los sistemas de registro adecuados, desidentificación siempre que se mueva información y ninguna capacitación con datos de pacientes sin consentimiento explícito. ElevenLabs exige un BAA con clientes del sector sanitario y ofrece un modo de retención cero de datos, de modo que los datos se procesan y se devuelven a tu propio entorno restringido para almacenarlos.

Qué está listo y qué medir

La IA ya está en producción con clientes del sector sanitario, manteniendo conversaciones en tiempo real y con baja latencia, y siguiendo un guion sin omitir las preguntas que debe hacer.

Sin embargo, todos los modelos de la pila son probabilísticos por naturaleza, ya sea Voz a Texto, el LLM o Texto a Voz. Por eso importan las capas deterministas que los rodean y por eso cada despliegue necesita un umbral de riesgo y un protocolo de escalado definidos de antemano, ya sea para derivar a una persona o a un modelo más capaz.

Una vez definido ese umbral, la cuestión pasa a ser qué medir. Renown Health registra las citas reservadas por canal y atribuye cada una a un agente, una llamada telefónica o un mensaje de texto, porque pacientes deberían poder acceder a la atención del mismo modo que acceden a todo lo demás.

También puedes hacer seguimiento del net promoter score entre pacientes, cuidadores y médicos, porque a la mayoría de las personas ya les gustan sus médicos. La carga la genera todo lo que rodea a la atención, así que una mayor satisfacción indica que esa carga disminuye. En la plataforma, analizamos los agentes desplegados y los minutos atendidos para medir la adopción, así como el CSAT y la tasa de derivación evitada para saber si el trabajo está dando resultado.

Buenas prácticas para desplegar agentes de IA en el sector sanitario

1. Elige un recorrido principal, no un caso marginal: Un recorrido de gran volumen, medible y de bajo riesgo que se amplía a toda la empresa supera a una colección de despliegues especializados que nunca generan impulso.
2. Corrige los datos antes de automatizar el proceso: Primero hay que ordenar las plantillas de agenda y los estándares de programación abierta. Un agente hereda cualquier desorden que haya debajo.
3. Busca médicos referentes y respáldalos con liderazgo: El trabajo técnico no es la parte lenta. Lo es conseguir la aceptación de profesionales clínicos independientes, y requiere apoyo real durante todo el proceso de adopción.
4. Incorpora agentes como si fueran nuevas contrataciones: Procedimientos operativos estándar, un centro de conocimiento, comportamientos entrenados para interrupciones y escalados, y después evaluación con ejemplos antagonistas antes de ponerlos en marcha y en ciclos continuos de PDSA.
5. Haz determinista todo lo que sea factual: Obtén fechas, disponibilidad y detalles de registros mediante herramientas. No dejes que el modelo infiera lo que puede consultar.
6. Define de antemano el umbral de escalado: Todos los modelos de la pila son probabilísticos. Decide con antelación qué activa una derivación a una persona o a un modelo más capaz.
7. Mide por canal y por satisfacción: Las citas reservadas por canal muestran si pacientes realmente lo están utilizando. El NPS entre pacientes, cuidadores y médicos muestra si la carga disminuye.

Ve la sesión completa

Ve el webinar completo, Behind the Agent: sesión sobre el despliegue de IA en el sector sanitario.