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 mayor parte 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 traspaso. 

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 agentes de IA en el sector sanitario y qué hace falta para poner uno en producción.

El patrón que distingue los despliegues que generan avances acumulativos de los que se estancan está en el punto de partida: un recorrido de gran volumen, medible y de bajo riesgo, en lugar de una dispersión de proyectos piloto especializados.

Por qué el recorrido del paciente sigue estando fragmentado

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 en otros lugares no son coherentes. 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, 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 organizaciones empiezan con la IA en los márgenes, en casos de uso especializados elegidos por su bajo riesgo, y nada de ello genera avances acumulativos. La alternativa de Jacque es lo que ella llama un recorrido principal: un recorrido central que representa gran parte de lo que haces, sigue teniendo bajo riesgo y que puedes desarrollar y ampliar en lugar de reconstruirlo 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 desarrollarla. 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 graduación para sus lentes de contacto. Encuentra a un optometrista de la red de su aseguradora en el sitio web de esta 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 la nueva paciente, recopilando su 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 llamaba no recordaba su número de afiliada al seguro, el agente le indicó que llevara la tarjeta a la cita y continuó
• 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 operaba tanto detrás de la línea telefónica como del hilo de mensajes de texto, por lo que la experiencia era omnicanal por defecto. La demostración se creó en unas dos horas, lo bastante rápido para que un equipo pueda hacer un prototipo y presentarlo internamente en cuestión de días. La producción empresarial tiene otro alcance. La mayor parte del esfuerzo está en el trabajo de integración, pruebas y cumplimiento normativo que un agente necesita antes de ponerse en marcha, y en ElevenLabs ese trabajo lo realizan nuestros ingenieros de despliegue.

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 historia clínica electrónica. Este trabajo suele realizarse mediante un proveedor de documentación, pero genera la confianza del personal clínico de la que depende todo lo que viene después.
• El centro de contacto: La mayoría de sistemas lo tratan como 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 la automatización del centro de contacto es la programación de los médicos. Las tarjetas de preferencias y las plantillas de agenda son la parte visible. La parte lenta es coordinar el cambio entre personas con mucha formación, grandes competencias 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 asesor 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 proyecto piloto de alcance definido. Los casos de uso considerados evitan por completo la información de pacientes, y los éxitos internos son los que respaldan ante cumplimiento normativo lo que viene después. 

Llegar hasta ahí pasó por los datos. El equipo de Cristal trabajó con proveedores en las plantillas de agenda mientras estandarizaba la programación abierta. Los resultados 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 respecto al 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 gran carga emocional son lo primero por lo que preguntan la mayoría de equipos. Renown ya mide el sentimiento de voz en su centro de contacto y deriva a quienes llaman a agentes humanos con más experiencia, manteniendo ese contexto durante la transferencia. La misma disciplina se aplica a los agentes de IA.

Incorpora agentes como incorporas a las personas: proporciónales procedimientos operativos estándar y un centro de conocimiento, entrena comportamientos ante interrupciones y escalaciones, y después evalúalos con ejemplos antagonistas antes de la puesta en marcha y en ciclos continuos de PDSA (planificar, hacer, estudiar, actuar).

Las medidas de protección funcionan en tres niveles:

• 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 que hayas configurado

En cuanto al cumplimiento normativo, las salvaguardas son los mismos estándares HIPAA que rigen las historias clínicas electrónicas, aplicados a los sistemas de IA: BAA con proveedores de IA, interoperabilidad, los sistemas de registro adecuados, desidentificación siempre que se mueva información y ningún entrenamiento 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 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 con baja latencia, y siguiendo un guion sin omitir las preguntas que debe formular.

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 escalación decididos de antemano, tanto si deriva a una persona como a un modelo más capaz.

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

También puedes medir el net promoter score entre pacientes, cuidadores y médicos, porque a la mayoría de personas ya les gustan sus médicos. Es todo lo que rodea a la atención lo que genera la carga; por eso, 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 desvío para comprobar 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 excepcional: Un recorrido de gran volumen, medible y de bajo riesgo que se amplía a toda la organización es mejor que una dispersión de despliegues especializados que nunca generan avances acumulativos.
2. Corrige los datos antes de automatizar el proceso: Primero hay que resolver las plantillas de agenda y los estándares de programación abierta. Un agente hereda el desorden que haya debajo.
3. Capta a médicos referentes y respáldalos con liderazgo: El trabajo técnico no es la parte lenta. Lo es conseguir el apoyo de profesionales clínicos independientes, y requiere respaldo real durante todo el proceso de adopción.
4. Incorpora agentes como si fueran nuevas contrataciones: Procedimientos operativos estándar, un centro de conocimiento, comportamientos entrenados ante interrupciones y escalaciones, y después evaluación con ejemplos antagonistas antes de la puesta en marcha y en ciclos continuos de PDSA.
5. Haz que todo dato objetivo sea determinista: Obtén las fechas, la disponibilidad y los detalles de los registros mediante herramientas. No dejes que el modelo deduzca lo que puede consultar.
6. Define de antemano tu umbral de escalación: 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 indican si pacientes realmente lo están utilizando. El NPS entre pacientes, cuidadores y médicos indica 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.