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 alrededor de la atención, no durante ella. Encontrar al médico adecuado requiere esfuerzo. También repetir la misma historia en cada transición asistencial. 

En nuestra última sesión de Behind the Agent, Cindy Liu (Implementación 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 ganan impulso 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 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 los derivan de un sitio a otro. Las respuestas que buscan en otros canales son incoherentes. 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 y facturación—, pero no se comunican entre sí. Un recorrido conectado empieza donde está el paciente y actúa primero allí 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 genera impulso. La alternativa de Jacque es lo que llama un recorrido principal: un recorrido central que representa buena parte de lo que haces, sigue teniendo un riesgo bajo y sobre el que puedes construir y ampliar, en vez de volver a empezar para cada caso de uso.

Demostración: reservar una cita de principio a fin

La programación de citas es una buena candidata para ser un recorrido principal: tiene mucho volumen, es medible y su riesgo es 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 graduación para sus lentillas. Encuentra a un optometrista incluido en la red en el sitio 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 la nueva paciente y recopiló 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 identificador de afiliada al seguro, el agente le dijo que llevara la tarjeta a la cita y siguió adelante
• Ofreció tres horarios, reservó uno y envió un correo electrónico de confirmación creado a partir del historial de la conversación, además de un recordatorio por mensaje de texto
• El mismo agente también funcionaba por SMS, con un workflow idéntico como conversación de texto y sin necesidad de un desarrollo independiente

Por qué importa: Un solo agente estaba detrás tanto de la línea telefónica como del hilo de mensajes, por lo que la experiencia era omnicanal por defecto. La demostración se creó en unas dos horas, lo bastante rápido para que un equipo pudiera desarrollar un prototipo y presentarlo 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 entrar en funcionamiento, y en ElevenLabs ese trabajo lo realizan nuestros ingenieros de implementación.

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 hacerse 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 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 automatizar el centro de contacto es la programación de agendas médicas. Las tarjetas de preferencias y las plantillas de agenda son la parte visible. Lo lento es coordinar el cambio entre personas muy formadas, muy cualificadas y muy independientes. Lo que funciona es contar con médicos impulsores, liderazgo alineado que facilite 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 una superficie 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 logros internos son los que permiten justificar ante cumplimiento normativo el siguiente paso. 

Para llegar ahí, empezaron por los datos. El equipo de Cristal trabajó con profesionales sanitarios en las plantillas de agenda mientras estandarizaba la programación abierta. Los resultados 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 utilizando esto y ya lo esperan.

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

Las llamadas con una fuerte 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, manteniendo ese contexto durante la transferencia. La misma disciplina se aplica a los agentes de IA.

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

Las medidas de protección operan 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 respecto a tu política configurada

En cuanto al cumplimiento normativo, las salvaguardas son los mismos estándares de HIPAA que rigen las historias clínicas electrónicas, aplicados a sistemas de IA: BAA con proveedores de IA, interoperabilidad, los sistemas de registro adecuados, desidentificación siempre que la información se mueve y ninguna formación con datos de pacientes sin consentimiento explícito. ElevenLabs exige un BAA a clientes del sector sanitario y ofrece un modo de retención de datos cero, de modo que los datos pasan para su procesamiento 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 de baja latencia y siguiendo un guion sin omitir las preguntas que debe hacer.

Sin embargo, cada modelo de la pila es probabilístico 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 definido ese umbral, la pregunta es qué se mide. Renown Health monitoriza las citas reservadas por canal y atribuye si cada una llegó a través de un agente, una llamada telefónica o un mensaje de texto, porque pacientes deberían poder acceder a la atención sanitaria como acceden a todo lo demás.

También puedes medir el net promoter score entre pacientes, personas cuidadoras y médicos, porque a la mayoría ya les gustan sus médicos. Lo que genera la carga es 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 desvío 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 gran volumen, medible y de bajo riesgo que se expande por toda la organización supera a una dispersión de despliegues especializados que nunca ganan 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 todo el desorden que haya debajo.
3. Busca médicos impulsores 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 toda la adopción.
4. Incorpora agentes como si fueran nuevas contrataciones: Procedimientos operativos estándar, un centro de conocimiento, comportamientos entrenados para interrupciones y escaladas, y después evaluación con ejemplos antagonistas antes de ponerlos en marcha y en ciclos continuos de PDSA.
5. Haz determinista todo lo factual: Obtén las fechas, la disponibilidad y los detalles de los registros mediante herramientas. No dejes que el modelo infiera lo que puede consultar.
6. Define de antemano tu umbral de escalada: Cada modelo de la pila es probabilístico. Decide con antelación qué activa una transferencia 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, personas cuidadoras 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.