वेबिनार रिकैप: हेल्थकेयर में AI लागू करने से मिली सीख

हेल्थ सिस्टम्स से कहा जा रहा है कि वे कर्मचारियों की संख्या बढ़ाए बिना मरीज़ों के लिए ज़्यादा काम करें। मरीज़ों को होने वाली ज़्यादातर परेशानी इलाज के दौरान नहीं, उसके आसपास होती है। सही डॉक्टर ढूँढने में मेहनत लगती है। हर हैंडऑफ पर अपनी कहानी फिर से बतानी पड़ती है। 

हमारे नवीनतम Behind the Agent सेशन में, Cindy Liu (Enterprise Deployment, ElevenLabs) ने Jacque Myers (ग्लोबल हेल्थकेयर लीड, Slalom), Sylvia Doane Stephenson (Managing Director, Slalom), और Cristal Woodley (Chief Marketing and Experience Officer, Renown Health) के साथ चर्चा की कि हेल्थकेयर में AI एजेंट वास्तव में कहाँ लागू किए जा रहे हैं और किसी एजेंट को प्रोडक्शन में चलाने के लिए क्या चाहिए।

जिन डिप्लॉयमेंट्स से लगातार आगे काम बनता है और जो रुक जाते हैं, उनके बीच फर्क इस बात से पड़ता है कि आप शुरुआत कहाँ से करते हैं: बिखरे हुए विशेष पायलट्स के बजाय कम जोखिम वाली, अधिक वॉल्यूम वाली और मापी जा सकने वाली एक जर्नी से।

मरीज़ की जर्नी अब भी टूटी हुई क्यों है

मरीज़ एक दोहराए जाने वाले चक्र में फँसे रहते हैं। केयर के हर बदलाव पर उन्हें अपनी पहचान बतानी पड़ती है और कॉल करने की वजह समझानी पड़ती है। वे इंतज़ार करते हैं और उन्हें दूसरी जगह भेज दिया जाता है। कहीं और से ढूँढे गए जवाब असंगत मिलते हैं। जब वे आखिरकार सही व्यक्ति तक पहुँचते हैं, तो उन्हें फिर से शुरुआत करनी पड़ती है।

सभी टचपॉइंट मौजूद हैं—वेबसाइट, पेशेंट पोर्टल, कॉन्टैक्ट सेंटर, EHR, बिलिंग—लेकिन वे एक-दूसरे से बात नहीं करते। एक जुड़ी हुई जर्नी वहीं से शुरू होती है जहाँ मरीज़ मौजूद है, और पहले वहाँ जुड़ती है जहाँ जोखिम कम और असर ज़्यादा हो।

अधिकतर संगठन कम जोखिम के लिए चुने गए विशेष यूज़ केसों में, किनारों से AI की शुरुआत करते हैं, और उससे आगे कुछ नहीं बनता। Jacque का विकल्प है, जिसे वे हीरो जर्नी कहती हैं: एक मुख्य जर्नी जो आपके बहुत से काम को दर्शाती है, जिसका जोखिम फिर भी कम है, और जिसे हर यूज़ केस के लिए दोबारा बनाने के बजाय आप आगे बढ़ाते और विस्तार देते हैं।

डेमो: शुरू से अंत तक अपॉइंटमेंट बुकिंग

अपॉइंटमेंट शेड्यूलिंग हीरो जर्नी के लिए अच्छा उम्मीदवार है: इसका वॉल्यूम ज़्यादा है, इसे मापा जा सकता है और इसका जोखिम इतना कम है कि इस पर आगे काम बनाया जा सके। पेशेंट इनटेक से अपॉइंटमेंट कन्फर्मेशन तक, यह जर्नी शुरू से अंत तक ऐसी दिखती है।

परिदृश्य: एक मरीज़ को कॉन्टैक्ट लेंस के लिए नया प्रिस्क्रिप्शन चाहिए। वह अपनी बीमा कंपनी की वेबसाइट पर नेटवर्क में शामिल ऑप्टोमेट्रिस्ट ढूँढती है और क्लिनिक को कॉल करती है, जहाँ एक वर्चुअल शेड्यूलिंग असिस्टेंट कॉल उठाता है।

डेमो में दिखाया गया:

• एजेंट ने बातचीत के ज़रिए नए मरीज़ का इनटेक किया और नाम, जन्मतिथि व फ़ोन नंबर लिया
• उसने असली SMS कोड से उसका फ़ोन वेरिफ़ाई किया और पहली कोशिश में कोड गलत सुनने पर स्थिति संभाल ली
• जब कॉलर को अपना इंश्योरेंस मेंबर ID याद नहीं था, तो एजेंट ने उसे अपॉइंटमेंट पर कार्ड लाने को कहा और आगे बढ़ गया
• उसने तीन स्लॉट दिए, एक बुक किया, बातचीत के इतिहास के आधार पर कन्फर्मेशन ईमेल भेजा और टेक्स्ट रिमाइंडर भी भेजा
• वही एजेंट SMS पर भी चला, जहाँ बिना अलग बिल्ड के वही workflow टेक्स्ट बातचीत के रूप में काम करता है

यह क्यों मायने रखता है: एक ही एजेंट फ़ोन लाइन और टेक्स्ट थ्रेड, दोनों के पीछे काम कर रहा था, इसलिए अनुभव डिफ़ॉल्ट रूप से ओम्नीचैनल था। डेमो बनाने में करीब दो घंटे लगे—इतनी तेज़ी से कि कोई टीम कुछ दिनों में प्रोटोटाइप बनाकर उसे आंतरिक रूप से पेश कर सकती है। एंटरप्राइज़ प्रोडक्शन का दायरा अलग होता है। गो-लाइव से पहले एजेंट के लिए ज़रूरी इंटीग्रेशन, टेस्टिंग और कंप्लायंस में ही सबसे ज़्यादा मेहनत लगती है, और ElevenLabs में यह काम हमारे फॉरवर्ड डिप्लॉयड इंजीनियर्स करते हैं।

शुरुआत कहाँ करें और असल रुकावट क्या है

शुरुआत कर रहे हेल्थ सिस्टम के लिए क्रम:

• एम्बिएंट लिसनिंग: अगर यह आपके EHR में पहले से इंटीग्रेट नहीं है। यह काम आमतौर पर किसी डॉक्यूमेंटेशन वेंडर के ज़रिए होता है, लेकिन इससे क्लिनिशियन का वह भरोसा बनता है जिस पर आगे का सारा काम निर्भर करता है।
• कॉन्टैक्ट सेंटर: अधिकतर सिस्टम इसे खर्च की मद मानते हैं। लेकिन यह ग्रोथ सेंटर की तरह काम कर सकता है।
• मरीज़ शिक्षा और दवा पालन: ऐसे दोहराए जा सकने वाले काम जिनका ROI तुरंत और मापने योग्य होता है, इसलिए इन्हें बढ़ाया जा सकता है।

कॉन्टैक्ट सेंटर ऑटोमेशन के पीछे की रुकावट फिज़िशियन शेड्यूलिंग है। प्रेफरेंस कार्ड और शेड्यूल टेम्पलेट इसका दिखने वाला हिस्सा हैं। धीमा काम उन लोगों के बीच बदलाव को व्यवस्थित करना है जो बहुत प्रशिक्षित, कुशल और स्वतंत्र हैं। फिज़िशियन चैंपियंस, बदलाव में मदद कर सकने वाला एकजुट नेतृत्व, और अपनाने तक लगातार समर्थन कारगर होता है—कभी-कभी हर क्लिनिशियन के लिए अलग कोच तक।

Renown Health एजेंट्स की दिशा में कैसे आगे बढ़ रहा है

Renown, साल्ट लेक सिटी से सैक्रामेंटो तक, 100,000 वर्ग मील में मरीज़ों को सेवाएँ देता है।

Cristal की टीम एक सीमित पायलट से शुरुआत कर रही है। विचाराधीन यूज़ केस मरीज़ की जानकारी से पूरी तरह बचते हैं, और आंतरिक सफलताएँ ही कंप्लायंस के सामने अगले कदमों का आधार बनाती हैं। 

इसकी शुरुआत डेटा से हुई। ओपन शेड्यूलिंग को मानकीकृत करते हुए Cristal की टीम ने प्रोवाइडर्स के साथ शेड्यूलिंग टेम्पलेट्स पर काम किया। एम्बिएंट लिसनिंग से मिली छोटी, त्वरित सफलताओं ने रास्ता खोला: जिन प्रोवाइडर्स ने अपनी जीवन-गुणवत्ता में फर्क महसूस किया, वे वापस आकर पूछने लगे कि और क्या संभव है।

उन्होंने गति की ज़रूरत पर भी साफ़ बात की: मार्केटिंग और कॉन्टैक्ट सेंटर टीम्स के पास इंतज़ार करने का समय नहीं है, क्योंकि मरीज़ इसे पहले से इस्तेमाल कर रहे हैं और अब यही उनकी अपेक्षा है।

सुरक्षा, HIPAA और एजेंट्स को नए कर्मचारियों की तरह ऑनबोर्ड करना

भावनात्मक रूप से संवेदनशील कॉल्स के बारे में ज़्यादातर टीमें सबसे पहले पूछती हैं। Renown अपने कॉल सेंटर में पहले से वॉइस सेंटिमेंट मापता है और उस संदर्भ को ट्रांसफ़र के साथ भेजते हुए कॉलर्स को ज़्यादा अनुभवी मानव एजेंट्स तक पहुँचाता है। AI एजेंट्स पर भी यही अनुशासन लागू होता है।

एजेंट्स को वैसे ही ऑनबोर्ड करें जैसे लोगों को करते हैं: उन्हें SOPs और नॉलेज सेंटर दें, बीच में रोकने और एस्केलेशन के लिए व्यवहार प्रशिक्षित करें, फिर गो-लाइव से पहले और जारी PDSA (plan, do, study, act) चक्रों में विरोधी उदाहरणों के आधार पर उनका मूल्यांकन करें।

गार्डरेल्स तीन स्तरों पर काम करते हैं:

• मार्गदर्शन सिस्टम प्रॉम्प्ट के ज़रिए
• इनपुट वैलिडेशन जो एजेंट के जवाब देने से पहले विरोधी प्रयासों को पकड़ता है
• रियल-टाइम मूल्यांकन आपकी कॉन्फ़िगर की गई पॉलिसी के आधार पर हर जवाब का

कंप्लायंस के लिए सुरक्षा उपाय वही HIPAA मानक हैं जो EHRs को नियंत्रित करते हैं, बस इन्हें AI सिस्टम्स पर लागू किया जाता है: AI वेंडर्स के साथ BAA, इंटरऑपरेबिलिटी, सही सिस्टम्स ऑफ रिकॉर्ड, जानकारी जहाँ भी जाए वहाँ डी-आइडेंटिफिकेशन, और स्पष्ट सहमति के बिना मरीज़ के डेटा पर कोई ट्रेनिंग नहीं। ElevenLabs को हेल्थकेयर ग्राहकों के साथ BAA चाहिए और हम ज़ीरो डेटा रिटेंशन मोड देते हैं, इसलिए डेटा प्रोसेसिंग के लिए गुज़रता है और स्टोर करने के लिए आपके अपने प्रतिबंधित वातावरण में वापस भेज दिया जाता है।

क्या तैयार है और क्या मापें

AI आज हेल्थकेयर ग्राहकों के लिए प्रोडक्शन में है। यह रियल-टाइम, कम लेटेंसी वाली बातचीत करता है और जिन सवालों को पूछना ज़रूरी है, उन्हें छोड़े बिना स्क्रिप्ट का पालन करता है।

लेकिन स्टैक का हर मॉडल स्वभाव से प्रायिकतात्मक होता है, चाहे वह स्पीच टू टेक्स्ट हो, LLM हो या टेक्स्ट टू स्पीच। इसलिए इनके आसपास की डिटरमिनिस्टिक लेयर्स मायने रखती हैं, और इसलिए हर डिप्लॉयमेंट के लिए जोखिम सीमा और एस्केलेशन प्रोटोकॉल पहले से तय होना चाहिए—चाहे कॉल किसी इंसान को जाए या अधिक सक्षम मॉडल को।

वह सीमा तय होने के बाद सवाल होता है कि आप क्या ट्रैक करते हैं। Renown Health हर चैनल से बुक हुए अपॉइंटमेंट्स ट्रैक करता है और यह भी देखता है कि वे एजेंट, फ़ोन कॉल या टेक्स्ट से आए थे या नहीं, क्योंकि मरीज़ों को केयर तक उसी तरह पहुँच पाना चाहिए जैसे वे बाकी सभी चीज़ों तक पहुँचते हैं।

या मरीज़ों, केयरगिवर्स और फिज़िशियंस के बीच नेट प्रमोटर स्कोर ट्रैक करें, क्योंकि अधिकतर लोग अपने फिज़िशियन को पहले से पसंद करते हैं। बोझ केयर के आसपास की चीज़ों से बनता है, इसलिए बढ़ती संतुष्टि का मतलब है कि बोझ कम हो रहा है। प्लेटफ़ॉर्म के स्तर पर, अपनाने को समझने के लिए हम डिप्लॉय किए गए एजेंट्स और सर्व किए गए मिनट्स देखते हैं, और काम असरदार है या नहीं, यह जानने के लिए CSAT और डिफ्लेक्शन रेट देखते हैं।

हेल्थकेयर में AI एजेंट्स लागू करने के लिए सर्वोत्तम तरीके

1. एज केस नहीं, हीरो जर्नी चुनें: एंटरप्राइज़ भर में विस्तार पाने वाली एक अधिक वॉल्यूम, मापी जा सकने वाली और कम जोखिम वाली जर्नी, ऐसे बिखरे विशेष डिप्लॉयमेंट्स से बेहतर है जिनसे आगे कुछ नहीं बनता।
2. प्रोसेस ऑटोमेट करने से पहले डेटा ठीक करें: पहले शेड्यूलिंग टेम्पलेट्स और ओपन शेड्यूलिंग मानकों को ठीक करना ज़रूरी है। एजेंट को नीचे मौजूद सारी अव्यवस्था विरासत में मिलती है।
3. फिज़िशियन चैंपियंस को शामिल करें और नेतृत्व का समर्थन दें: तकनीकी काम धीमा हिस्सा नहीं है। स्वतंत्र क्लिनिशियंस की सहमति लेना धीमा है, और अपनाने तक उसे वास्तविक समर्थन चाहिए।
4. एजेंट्स को नए कर्मचारियों की तरह ऑनबोर्ड करें: SOPs, एक नॉलेज सेंटर, बीच में रोकने और एस्केलेशन के लिए प्रशिक्षित व्यवहार, फिर गो-लाइव से पहले और जारी PDSA चक्रों में विरोधी उदाहरणों के आधार पर मूल्यांकन।
5. तथ्य से जुड़ी हर चीज़ डिटरमिनिस्टिक रखें: टूल्स के ज़रिए तारीखें, उपलब्धता और रिकॉर्ड विवरण प्राप्त करें। मॉडल को उस चीज़ का अनुमान न लगाने दें जिसे वह खोज सकता है।
6. अपनी एस्केलेशन सीमा पहले से तय करें: स्टैक का हर मॉडल प्रायिकतात्मक है। पहले से तय करें कि किस स्थिति में किसी इंसान या अधिक सक्षम मॉडल को हैंडऑफ करना है।
7. चैनल और संतुष्टि के हिसाब से मापें: हर चैनल से बुक हुए अपॉइंटमेंट्स बताते हैं कि मरीज़ वास्तव में इसका इस्तेमाल कर रहे हैं या नहीं। मरीज़ों, केयरगिवर्स और फिज़िशियंस का NPS बताता है कि बोझ कम हो रहा है या नहीं।

पूरा सेशन देखें

पूरा वेबिनार देखें, Behind the Agent: हेल्थकेयर में AI लागू करने पर सेशन.