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

Se pide a los sistemas sanitarios que hagan más por pacientes sin aumentar la plantilla. La mayoría de lo que frustra a pacientes ocurre en torno a la atención, no durante ella. Encontrar al médico adecuado requiere esfuerzo. También tener que repetir la misma historia en cada cambio 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 desplegando realmente agentes de IA en el ámbito sanitario y qué hace falta para poner uno en producción.

Lo que distingue los despliegues que se consolidan de los que se estancan es el punto de partida: un recorrido de alto volumen, medible y de bajo riesgo, en lugar de una dispersión de pilotos especializados.

Por qué el recorrido del paciente sigue fallando

Pacientes están 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 el proceso de nuevo.

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

La mayoría de las organizaciones empiezan con la IA en los márgenes, en casos de uso especializados elegidos por su bajo riesgo, y nada de ello se consolida. La alternativa de Jacque es lo que ella llama un recorrido principal: un recorrido central que representa gran parte de lo que haces, sigue siendo de bajo riesgo y sobre el que puedes construir y ampliar en vez de reconstruir 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 un volumen alto, es medible y presenta un riesgo lo bastante bajo como para construir sobre ella. Así es la primera parte de ese 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 de la red en el sitio web de su aseguradora y llama a la consulta, donde atiende un asistente virtual de programación de citas.

Lo que se mostró:

• El agente realizó de forma conversacional la admisión de nuevos pacientes, recopilando el nombre, la fecha de nacimiento y el 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 llamaba no recordaba su identificador de miembro del seguro, el agente le indicó que llevara la tarjeta a la cita y siguió adelante
• Ofreció tres horarios, reservó uno y envió un correo de confirmación elaborado 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 necesidad de un desarrollo independiente

Por qué importa: Un único agente gestionaba tanto la línea telefónica como la conversación por mensajes de texto, por lo que la experiencia era omnicanal de forma predeterminada. La demostración tardó unas dos horas en construirse, suficiente para que un equipo cree un prototipo y lo presente internamente en cuestión de días. La producción empresarial tiene otro alcance. La mayor parte del esfuerzo está en la integración, las pruebas y el trabajo de cumplimiento normativo que un agente necesita antes de salir en producción, y en ElevenLabs ese trabajo lo realizan nuestros ingenieros de despliegue en cliente.

Por dónde empezar y qué lo bloquea realmente

La secuencia para un sistema sanitario que empieza:

• Escucha ambiental: si aún no está integrada en tu historia clínica electrónica. Este trabajo suele realizarse a través de un proveedor de documentación, pero genera la confianza de profesionales clínicos de la que depende todo lo demás.
• El centro de contacto: La mayoría de los sistemas lo consideran 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 tarjetas de preferencias y las plantillas de agenda son la parte visible. Lo lento es coordinar el cambio entre personas con una formación elevada, grandes capacidades y mucha independencia. Lo que funciona es contar con médicos referentes, liderazgo alineado que pueda facilitar el cambio y apoyo continuado, a veces incluso con un mentor individual para cada profesional clínico.

Cómo Renown Health avanza hacia los agentes

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

El equipo de Cristal empieza con un piloto acotado. Los casos de uso que se están considerando evitan por completo la información de pacientes, y los logros internos son los que permiten defender ante el equipo de cumplimiento normativo lo que viene después. 

Para llegar ahí, el punto de partida fueron los datos. El equipo de Cristal trabajó con profesionales sanitarios en las plantillas de agenda mientras estandarizaba la programación abierta. Los avances rápidos de la escucha ambiental abrieron la puerta: profesionales 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 tienen tiempo para 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 deriva a quienes llaman a agentes humanos con más experiencia, trasladando ese contexto durante la transferencia. La misma disciplina se aplica a los agentes de IA.

Incorpora a los agentes como incorporas a las personas: dales procedimientos operativos estándar y un centro de conocimiento, entrena comportamientos para interrupciones y escaladas, y después evalúalos con ejemplos antagónicos antes de salir en producción y en ciclos continuos PDSA (planificar, hacer, estudiar, actuar).

Las medidas de protección actúan en tres capas:

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

En materia de cumplimiento normativo, las salvaguardas son los mismos estándares de HIPAA que regulan las historias clínicas electrónicas, aplicados a los sistemas de IA: BAA con proveedores de IA, interoperabilidad, los sistemas de registro adecuados, desidentificación dondequiera que se mueva información y ninguna formación con datos de pacientes sin consentimiento explícito. ElevenLabs exige un BAA a sus 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 que los almacenes.

Qué está listo y qué medir

La IA ya está en producción con clientes del sector sanitario, manteniendo conversaciones en tiempo real y de baja latencia y siguiendo un guion sin saltarse 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 escalada definidos de antemano, tanto si deriva a una persona como a un modelo más capaz.

Una vez establecido ese umbral, la cuestión es qué medir. Renown Health registra las citas reservadas por canal y atribuye cada una según si llegó a través de 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 medir el net promoter score entre pacientes, cuidadores y médicos, porque a la mayoría de las personas ya les gustan sus médicos. La carga la crea todo lo que rodea a la atención, así que un aumento de la satisfacción significa que la carga disminuye. En la plataforma, observamos los agentes desplegados y los minutos atendidos para medir la adopción, y el CSAT y la tasa de derivación para saber si el trabajo está funcionando.

Buenas prácticas para desplegar agentes de IA en el sector sanitario

1. Elige un recorrido principal, no un caso marginal: Un recorrido de alto volumen, medible y de bajo riesgo que se amplía a toda la organización supera a una dispersión de despliegues especializados que nunca se consolidan.
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 el desorden que tenga debajo.
3. Capta a médicos referentes y respáldalos con liderazgo: El trabajo técnico no es la parte lenta. Lo es conseguir la implicación de profesionales clínicos independientes, y requiere apoyo real durante toda la adopción.
4. Incorpora a los agentes como si fueran nuevas contrataciones: Procedimientos operativos estándar, un centro de conocimiento, comportamientos entrenados para interrupciones y escaladas, y después evaluación con ejemplos antagónicos antes de salir en producción y en ciclos continuos PDSA.
5. Haz determinista todo lo que sea factual: Obtén fechas, disponibilidad y detalles de los registros mediante herramientas. No dejes que el modelo deduzca lo que puede consultar.
6. Define de antemano tu umbral de escalada: Todos los modelos de la pila son probabilísticos. Decide con antelación qué desencadena 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 usando. El NPS entre pacientes, cuidadores y médicos muestra si la carga está disminuyendo.

Ve la sesión completa

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