वेबिनार रिकैप: हेल्थकेयर में AI लागू करने से मिली सीख

स्वास्थ्य प्रणालियों से कर्मचारियों की संख्या बढ़ाए बिना मरीजों के लिए और अधिक करने को कहा जा रहा है। मरीजों को निराश करने वाली ज़्यादातर बातें इलाज के दौरान नहीं, बल्कि उसके आसपास होती हैं। सही डॉक्टर ढूंढना मेहनत का काम है। हर हैंडऑफ़ पर अपनी बात फिर से बताना भी। 

हमारे हालिया Behind the Agent सेशन में, Cindy Liu (Enterprise Deployment, ElevenLabs) ने Jacque Myers (Global Healthcare Lead, Slalom), Sylvia Doane Stephenson (Managing Director, Slalom), और Cristal Woodley (Chief Marketing and Experience Officer, Renown Health) के साथ बातचीत की कि स्वास्थ्य सेवा में AI एजेंट्स वास्तव में कहाँ तैनात किए जा रहे हैं और किसी एजेंट को प्रोडक्शन में चलाने के लिए क्या चाहिए।

सफलता के साथ बढ़ने वाली और रुक जाने वाली तैनातियों में फर्क इस बात से पड़ता है कि आप कहाँ से शुरू करते हैं: विशेष पायलट्स के बिखरे हुए समूह के बजाय, एक उच्च-वॉल्यूम, मापने योग्य और कम-जोखिम वाली जर्नी से।

मरीज की जर्नी अब भी क्यों टूटी हुई है

मरीज एक दोहराव वाले चक्र में फंसे रहते हैं। देखभाल के हर चरण में वे अपनी पहचान की पुष्टि करते हैं और बताते हैं कि वे क्यों कॉल कर रहे हैं। उन्हें इंतज़ार करना पड़ता है और फिर दूसरी जगह भेज दिया जाता है। कहीं और खोजे गए जवाब अलग-अलग मिलते हैं। आखिरकार सही व्यक्ति तक पहुंचने पर उन्हें प्रक्रिया फिर से शुरू करनी पड़ती है।

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

ज़्यादातर संगठन कम जोखिम के लिए चुने गए विशेष यूज़ केसेज़ में, किनारों से AI शुरू करते हैं, और इनमें से कुछ भी आगे नहीं बढ़ता। Jacque का विकल्प वह है जिसे वह हीरो जर्नी कहती हैं: एक मुख्य जर्नी जो आपके बहुत से काम का प्रतिनिधित्व करती है, जोखिम में भी कम होती है, और जिसे आप हर यूज़ केस के लिए फिर से बनाने के बजाय उस पर आगे बढ़ाते और विस्तार देते हैं।

डेमो: शुरू से अंत तक अपॉइंटमेंट बुकिंग

अपॉइंटमेंट शेड्यूलिंग हीरो जर्नी के लिए अच्छा विकल्प है: इसका वॉल्यूम अधिक है, इसे मापा जा सकता है और इसका जोखिम इतना कम है कि इस पर आगे काम किया जा सके। मरीज की जानकारी लेने से लेकर अपॉइंटमेंट की पुष्टि तक, इस जर्नी का शुरुआती हिस्सा शुरू से अंत तक ऐसा दिखता है।

परिदृश्य: एक मरीज को कॉन्टैक्ट लेंस के नए प्रिस्क्रिप्शन की ज़रूरत है। वह अपने बीमाकर्ता की वेबसाइट पर नेटवर्क में शामिल ऑप्टोमेट्रिस्ट ढूंढती है और क्लिनिक को कॉल करती है, जहाँ एक वर्चुअल शेड्यूलिंग असिस्टेंट कॉल उठाता है।

क्या दिखाया गया:

• एजेंट ने बातचीत के ज़रिए नए मरीज की जानकारी ली और नाम, जन्मतिथि व फोन नंबर इकट्ठा किया
• इसने असली SMS कोड से उसके फोन का सत्यापन किया और पहली कोशिश में कोड गलत सुन लेने पर स्थिति संभाली
• जब कॉल करने वाली को अपना इंश्योरेंस मेंबर ID याद नहीं आया, तो एजेंट ने उसे अपॉइंटमेंट पर कार्ड लाने को कहा और आगे बढ़ गया
• इसने तीन स्लॉट दिए, एक बुक किया और बातचीत के इतिहास से तैयार किया गया कन्फर्मेशन ईमेल तथा टेक्स्ट रिमाइंडर भेजा
• वही एजेंट SMS पर भी चला, जिसमें वही workflow टेक्स्ट बातचीत के रूप में चला और अलग से कुछ बनाने की ज़रूरत नहीं पड़ी

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

कहाँ से शुरू करें और असल में रुकावट क्या है

शुरुआत करने वाली स्वास्थ्य प्रणाली के लिए क्रम:

• ऐम्बिएंट लिसनिंग: अगर यह आपके EHR में पहले से इंटीग्रेट नहीं है। यह काम आमतौर पर किसी डॉक्यूमेंटेशन वेंडर के ज़रिए होता है, लेकिन इससे चिकित्सकों का वह भरोसा मिलता है जिस पर आगे की हर चीज़ निर्भर करती है।
• कॉन्टैक्ट सेंटर: ज़्यादातर सिस्टम इसे लागत की मद मानते हैं। इसके बजाय यह ग्रोथ सेंटर के रूप में काम कर सकता है।
• मरीज शिक्षा और दवा अनुपालन: 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 चिकित्सकों की शेड्यूलिंग है। प्रेफरेंस कार्ड और शेड्यूल टेम्पलेट इसका दिखाई देने वाला हिस्सा हैं। धीमा हिस्सा उन लोगों के बीच बदलाव को व्यवस्थित करना है जो बहुत प्रशिक्षित, कुशल और स्वतंत्र हैं। जो काम करता है, वह है चिकित्सक चैंपियंस, बदलाव को आसान बनाने वाला एकजुट नेतृत्व और लगातार सहायता—कभी-कभी हर चिकित्सक के लिए व्यक्तिगत कोच तक।

Renown Health एजेंट्स की दिशा में कैसे आगे बढ़ रहा है

Renown, Salt Lake City से Sacramento तक 100,000 वर्ग मील में मरीजों को सेवा देता है।

Cristal की टीम एक सीमित पायलट से शुरुआत कर रही है। विचाराधीन यूज़ केसेज़ में मरीज की जानकारी का बिल्कुल इस्तेमाल नहीं होता, और अंदरूनी सफलताएँ ही आगे के काम के लिए कंप्लायंस के सामने मजबूत आधार बनाती हैं। 

इस दिशा में आगे बढ़ने की शुरुआत डेटा से हुई। ओपन शेड्यूलिंग को मानकीकृत करते समय Cristal की टीम ने प्रोवाइडर्स के साथ शेड्यूलिंग टेम्पलेट्स पर काम किया। ऐम्बिएंट लिसनिंग से मिली शुरुआती 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 को लेकर भी साफ़ बात कही: मार्केटिंग और कॉन्टैक्ट सेंटर टीमों के पास इंतज़ार का समय नहीं है, क्योंकि मरीज पहले से इसका इस्तेमाल कर रहे हैं और अब यही उनकी अपेक्षा है।

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

भावनात्मक रूप से संवेदनशील कॉल्स पहली चीज़ हैं जिनके बारे में ज़्यादातर टीमें पूछती हैं। Renown अपने कॉल सेंटर में पहले से वॉइस सेंटिमेंट मापता है और कॉलर्स को अधिक अनुभवी मानव एजेंट्स तक भेजता है, ट्रांसफ़र के दौरान उस संदर्भ को साथ रखते हुए। यही अनुशासन AI एजेंट्स पर भी लागू होता है।

एजेंट्स को उसी तरह ऑनबोर्ड करें जैसे लोगों को करते हैं: उन्हें SOPs और नॉलेज सेंटर दें, इंटरप्शन और एस्केलेशन के व्यवहार सिखाएं, फिर गो-लाइव से पहले और जारी PDSA (plan, do, study, act) चक्रों में विरोधी उदाहरणों के विरुद्ध 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 पकड़ लेता है
• रियल-टाइम मूल्यांकन आपकी कॉन्फ़िगर की गई पॉलिसी के अनुसार हर जवाब का

कंप्लायंस के लिए सुरक्षा उपाय वही HIPAA मानक हैं जो EHRs पर लागू होते 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 मरीज के डेटा पर कोई ट्रेनिंग नहीं। ElevenLabs को स्वास्थ्य सेवा ग्राहकों के साथ BAA की ज़रूरत होती है और हम ज़ीरो डेटा रिटेंशन मोड देते हैं, इसलिए डेटा प्रोसेसिंग के लिए होकर गुजरता है और स्टोर करने के लिए आपके अपने सीमित एक्सेस वाले एनवायरनमेंट में वापस भेज दिया जाता है।

क्या तैयार है और क्या मापें

AI आज स्वास्थ्य सेवा ग्राहकों के साथ प्रोडक्शन में है, रियल-टाइम में कम-लेटेंसी वाली बातचीत कर रहा है और जिन सवालों को पूछना ज़रूरी है, उन्हें छोड़े बिना स्क्रिप्ट का पालन कर रहा है।

हालाँकि, स्टैक में हर मॉडल अपनी प्रकृति से प्रॉबेबिलिस्टिक है, चाहे वह स्पीच टू टेक्स्ट, LLM या टेक्स्ट टू स्पीच हो। इसी वजह से इनके आसपास की डिटरमिनिस्टिक लेयर्स मायने रखती हैं और हर डिप्लॉयमेंट के लिए जोखिम की सीमा और एस्केलेशन प्रोटोकॉल पहले से तय होना चाहिए, चाहे कॉल किसी इंसान को भेजी जाए या अधिक सक्षम मॉडल को।

यह सीमा तय होने के बाद सवाल यह होता है कि आप क्या ट्रैक करते हैं। Renown Health हर चैनल पर बुक हुए अपॉइंटमेंट्स ट्रैक करता है और यह भी देखता है कि हर अपॉइंटमेंट एजेंट, फोन कॉल या टेक्स्ट के ज़रिए आया था या नहीं, क्योंकि मरीजों को इलाज तक उसी तरह पहुंचना चाहिए जैसे वे हर दूसरी चीज़ तक पहुंचते हैं।

या मरीजों, केयरगिवर्स और चिकित्सकों के बीच नेट प्रमोटर स्कोर ट्रैक करें, क्योंकि ज़्यादातर लोग अपने चिकित्सकों को पहले से पसंद करते हैं। बोझ इलाज के आसपास की चीज़ों से पैदा होता है, इसलिए बढ़ती संतुष्टि का मतलब है कि बोझ कम हो रहा है। प्लेटफ़ॉर्म की ओर से हम अपनाने को समझने के लिए तैनात एजेंट्स और दी गई मिनट्स देखते हैं, और यह जानने के लिए CSAT व डिफ्लेक्शन रेट देखते हैं कि काम असरदार है या नहीं।

स्वास्थ्य सेवा में AI एजेंट्स तैनात करने के लिए सर्वोत्तम तरीके

1. एज केस नहीं, हीरो जर्नी चुनें: एक उच्च-वॉल्यूम, मापने योग्य और कम-जोखिम वाली जर्नी, जिसे पूरे एंटरप्राइज़ में बढ़ाया जा सके, उन विशेष तैनातियों के बिखरे समूह से बेहतर है जो कभी आगे नहीं बढ़ते।
2. प्रक्रिया ऑटोमेट करने से पहले डेटा ठीक करें: शेड्यूलिंग टेम्पलेट्स और ओपन शेड्यूलिंग मानकों को पहले ठीक करना होगा। एजेंट के नीचे जो भी गड़बड़ी होती है, वह उसे विरासत में मिलती है।
3. चिकित्सक चैंपियंस चुनें और उन्हें नेतृत्व का समर्थन दें: तकनीकी काम धीमा हिस्सा नहीं है। स्वतंत्र चिकित्सकों की सहमति पाना धीमा है, और अपनाने तक इसे वास्तविक समर्थन चाहिए।
4. एजेंट्स को नए कर्मचारियों की तरह ऑनबोर्ड करें: SOPs, नॉलेज सेंटर, इंटरप्शन और एस्केलेशन के लिए प्रशिक्षित व्यवहार, फिर गो-लाइव से पहले और जारी PDSA चक्रों में विरोधी उदाहरणों के विरुद्ध मूल्यांकन।
5. तथ्यात्मक हर चीज़ को डिटरमिनिस्टिक बनाएं: तारीखें, उपलब्धता और रिकॉर्ड विवरण टूल्स के ज़रिए प्राप्त करें। मॉडल को उस चीज़ का अनुमान न लगाने दें जिसे वह देख सकता है।
6. अपनी एस्केलेशन सीमा पहले से तय करें: स्टैक में हर मॉडल प्रॉबेबिलिस्टिक है। पहले ही तय कर लें कि किन स्थितियों में बातचीत किसी इंसान या अधिक सक्षम मॉडल को सौंपी जाएगी।
7. चैनल और संतुष्टि के आधार पर मापें: हर चैनल पर बुक हुए अपॉइंटमेंट्स से पता चलता है कि मरीज वास्तव में इसका इस्तेमाल कर रहे हैं या नहीं। मरीजों, केयरगिवर्स और चिकित्सकों के बीच NPS से पता चलता है कि बोझ कम हो रहा है या नहीं।

पूरा सेशन देखें

पूरा वेबिनार देखें, Behind the Agent: स्वास्थ्य सेवा में AI तैनात करने पर सेशन।