वेबिनार रिकैप: स्वास्थ्य सेवा में AI लागू करने से मिली सीख

हेल्थ सिस्टम्स से कहा जा रहा है कि वे स्टाफ बढ़ाए बिना मरीज़ों के लिए और ज़्यादा करें। मरीज़ों को होने वाली ज़्यादातर परेशानी इलाज के दौरान नहीं, बल्कि उसके आसपास होती है। सही डॉक्टर ढूँढना मुश्किल होता है। हर हैंडऑफ पर अपनी वही कहानी दोहराना भी।

हमारे हालिया Behind the Agent सत्र में, Cindy Liu (एंटरप्राइज़ डिप्लॉयमेंट, ElevenLabs) ने Jacque Myers (ग्लोबल हेल्थकेयर लीड, Slalom), Sylvia Doane Stephenson (मैनेजिंग डायरेक्टर, Slalom), और Cristal Woodley (चीफ मार्केटिंग और एक्सपीरियंस ऑफिसर, Renown Health) के साथ चर्चा की कि स्वास्थ्य सेवा में AI एजेंट वास्तव में कहाँ लागू हो रहे हैं और किसी एजेंट को प्रोडक्शन में चलाने के लिए क्या चाहिए।

हमने उस पैटर्न पर चर्चा की जो आगे बढ़ने वाले डिप्लॉयमेंट्स को रुक जाने वाले डिप्लॉयमेंट्स से अलग करता है: शुरुआत कहाँ से की जाती है। कई विशेष पायलट्स की जगह एक हाई-वॉल्यूम, मापने योग्य और कम-जोखिम वाली जर्नी से शुरुआत करें।

मरीज़ की जर्नी अब भी क्यों टूटी हुई है

मरीज़ एक दोहराव वाले चक्र में फँसे रहते हैं। देखभाल के हर चरण में उन्हें अपनी पहचान बतानी पड़ती है और कॉल करने की वजह समझानी पड़ती है। उन्हें इंतज़ार करना पड़ता है और दूसरी जगह भेज दिया जाता है। जिन जवाबों को वे कहीं और ढूँढते हैं, वे अलग-अलग मिलते हैं। आखिरकार सही व्यक्ति तक पहुँचने पर भी उन्हें फिर से शुरू करना पड़ता है।

वेबसाइट, पेशेंट पोर्टल, कॉन्टैक्ट सेंटर, EHR और बिलिंग जैसे सभी टचपॉइंट मौजूद हैं, लेकिन वे आपस में जुड़े नहीं हैं। एक कनेक्टेड जर्नी वहीं शुरू होती है जहाँ मरीज़ है और पहले वहाँ काम करती है जहाँ जोखिम कम और असर ज़्यादा हो।

ज़्यादातर संगठन AI को किनारों पर, कम जोखिम वाले विशेष उपयोग मामलों से शुरू करते हैं, और उसका कोई लाभ आगे नहीं बढ़ता। Jacque का विकल्प वह है जिसे वह हीरो जर्नी कहती हैं: एक ऐसी मुख्य जर्नी जो आपके बहुत से काम का प्रतिनिधित्व करती हो, जिसका जोखिम कम हो और जिसे हर उपयोग मामले के लिए दोबारा बनाने के बजाय आगे बढ़ाया और विस्तारित किया जा सके।

डेमो: शुरू से अंत तक अपॉइंटमेंट बुकिंग

अपॉइंटमेंट शेड्यूलिंग हीरो जर्नी के लिए अच्छा विकल्प है: इसकी मात्रा ज़्यादा है, इसे मापा जा सकता है और इसका जोखिम इतना कम है कि इस पर आगे काम किया जा सके। पेशेंट इंटेक से लेकर अपॉइंटमेंट कन्फर्मेशन तक, यह जर्नी शुरू से अंत तक ऐसी दिखती है।

परिस्थिति: एक मरीज़ को कॉन्टैक्ट लेंस का नया प्रिस्क्रिप्शन चाहिए। वह अपने बीमा प्रदाता की वेबसाइट पर नेटवर्क के भीतर एक ऑप्टोमेट्रिस्ट ढूँढती है और क्लिनिक को कॉल करती है, जहाँ एक वर्चुअल शेड्यूलिंग असिस्टेंट कॉल उठाता है।

क्या दिखाया गया:

• एजेंट ने बातचीत के ज़रिए नए मरीज़ की जानकारी ली, जिसमें नाम, जन्मतिथि और फ़ोन नंबर शामिल था
• उसने असली SMS कोड से उसका फ़ोन वेरिफ़ाई किया और पहली कोशिश में कोड गलत सुनने पर उसे संभाल लिया
• जब कॉल करने वाली को अपना बीमा सदस्य 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 और बातचीत के इतिहास के आधार पर बना कन्फर्मेशन ईमेल तथा टेक्स्ट रिमाइंडर भेजा
• वही एजेंट SMS पर भी चलता है—बिना अलग से बनाए, उसी वर्कफ़्लो को टेक्स्ट बातचीत के रूप में चलाया गया

यह क्यों ज़रूरी है: एक ही एजेंट फ़ोन 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 टीम कुछ ही 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 ज़रूरी इंटीग्रेशन, टेस्टिंग और अनुपालन का काम ही सबसे ज़्यादा मेहनत मांगता है। ElevenLabs में यह काम हमारे फॉरवर्ड डिप्लॉयड इंजीनियर्स संभालते हैं।

शुरुआत कहाँ करें और असल रुकावट क्या है

शुरुआत करने वाले 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 चिकित्सकों का वह भरोसा बनता है जिस पर आगे की हर चीज़ निर्भर करती है।
• कॉन्टैक्ट सेंटर. ज़्यादातर सिस्टम इसे एक लागत मद मानते हैं। इसके बजाय यह विकास केंद्र के रूप में काम कर सकता है।
• मरीज़ शिक्षा और दवा का नियमित पालन. ये दोहराए जा सकने वाले काम हैं, जिनका ROI तुरंत और मापने योग्य होता है, इसलिए इन्हें बढ़ाया जा सकता है।

कॉन्टैक्ट सेंटर ऑटोमेशन के पीछे की रुकावट फिज़िशियन शेड्यूलिंग है। प्रेफ़रेंस कार्ड्स और शेड्यूल टेम्पलेट्स उसका दिखने वाला हिस्सा हैं। धीमा हिस्सा उन लोगों के बीच बदलाव को व्यवस्थित करना है जो बहुत प्रशिक्षित, कुशल और स्वतंत्र हैं। इसके लिए फिज़िशियन चैंपियंस, बदलाव को आसान बनाने वाला एकजुट नेतृत्व और लगातार सहयोग चाहिए—कभी-कभी हर चिकित्सक के लिए अलग कोच तक।

Renown Health एजेंट्स की दिशा में कैसे आगे बढ़ रहा है

Renown, Salt Lake City से Sacramento तक 100,000 वर्ग मील क्षेत्र में मरीज़ों को सेवाएँ देता है।

Cristal की टीम एक सीमित पायलट से शुरुआत कर रही है। विचाराधीन उपयोग मामलों में मरीज़ की जानकारी शामिल ही नहीं है, और अंदरूनी सफलताएँ ही आगे के काम के लिए अनुपालन टीम के सामने मजबूत आधार बनाती हैं।

इस दिशा में आगे बढ़ने की शुरुआत डेटा से हुई। Cristal की टीम ने ओपन शेड्यूलिंग को मानकीकृत करते समय प्रदाताओं के साथ शेड्यूलिंग टेम्पलेट्स पर काम किया। एम्बिएंट लिसनिंग से मिली शुरुआती सफलताओं ने रास्ता खोला: जिन प्रदाताओं ने अपनी जीवन गुणवत्ता में फर्क महसूस किया, वे लौटकर पूछने लगे कि और क्या संभव है।

उन्होंने गति को लेकर भी साफ़ कहा: मार्केटिंग और कॉन्टैक्ट सेंटर टीम्स के पास इंतज़ार करने का समय नहीं है, क्योंकि मरीज़ पहले से इसका उपयोग कर रहे हैं और यही उनकी अपेक्षा भी है।

सुरक्षा, HIPAA और नए कर्मचारियों की तरह एजेंट्स को 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 कॉलर्स को ज़्यादा अनुभवी मानव एजेंट्स तक भेजता है, साथ ही ट्रांसफ़र के दौरान संदर्भ भी साझा करता है। AI एजेंट्स पर भी यही अनुशासन लागू होता है।

एजेंट्स को उसी तरह ऑनबोर्ड करें जैसे लोगों को करते हैं: उन्हें SOPs और एक नॉलेज सेंटर दें, रुकावटों और एस्केलेशन के लिए व्यवहार प्रशिक्षित करें, फिर गो-लाइव से पहले विरोधी उदाहरणों के आधार पर और लगातार PDSA (प्लान, डू, स्टडी, एक्ट) चक्रों में उनका मूल्यांकन करें।

गार्डरेल्स तीन स्तरों पर काम करते हैं:

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

अनुपालन के मामले में, 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, जहाँ भी जानकारी स्थानांतरित हो वहाँ डी-आइडेंटिफ़िकेशन, 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, जिसमें डेटा प्रोसेसिंग के लिए होकर गुज़रता है और स्टोर करने के लिए आपके अपने प्रतिबंधित एनवायरनमेंट में वापस भेज दिया जाता है।

क्या तैयार है और क्या मापें

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

हालाँकि, स्टैक का हर मॉडल स्वभाव से प्रायिकतामूलक होता है, चाहे वह स्पीच टू टेक्स्ट हो, LLM हो या टेक्स्ट टू स्पीच। इसलिए उनके आसपास की निर्धारक लेयर्स ज़रूरी हैं, और हर डिप्लॉयमेंट के लिए जोखिम सीमा और एस्केलेशन प्रोटोकॉल पहले से तय होना चाहिए—चाहे उसमें किसी मानव या अधिक सक्षम मॉडल को भेजना हो।

सीमा तय होने के बाद सवाल यह 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 हर अपॉइंटमेंट किसी एजेंट, फ़ोन कॉल या टेक्स्ट से आया था या नहीं। मरीज़ों को देखभाल तक उसी तरह पहुँच मिलनी चाहिए जैसे वे बाकी हर चीज़ तक पहुँचते हैं।

या मरीज़ों, देखभालकर्ताओं और चिकित्सकों के बीच नेट प्रमोटर स्कोर ट्रैक करें, क्योंकि ज़्यादातर लोग अपने चिकित्सकों को पहले से पसंद करते हैं। बोझ देखभाल के आसपास की चीज़ों से बनता है, इसलिए बढ़ती संतुष्टि का मतलब है कि बोझ कम हो रहा है। प्लेटफ़ॉर्म की ओर से, अपनाने को समझने के लिए हम डिप्लॉय किए गए एजेंट्स और दी गई मिनट्स देखते हैं, और काम कितना असरदार है यह जानने के लिए CSAT और डिफ्लेक्शन रेट देखते हैं।

स्वास्थ्य सेवा में AI एजेंट्स लागू करने के लिए सर्वोत्तम तरीके

1. किसी एज केस को नहीं, हीरो जर्नी चुनें। एक हाई-वॉल्यूम, मापने योग्य और कम-जोखिम वाली जर्नी, जिसे पूरे एंटरप्राइज़ में बढ़ाया जा सके, ऐसे कई विशेष डिप्लॉयमेंट्स से बेहतर है जिनका लाभ कभी आगे नहीं बढ़ता।
2. प्रक्रिया ऑटोमेट करने से पहले डेटा ठीक करें। पहले शेड्यूलिंग टेम्पलेट्स और ओपन शेड्यूलिंग मानकों को व्यवस्थित करना होगा। एजेंट के नीचे जो भी अव्यवस्था होगी, उसे वह अपना लेगा।
3. फिज़िशियन चैंपियंस को शामिल करें और उन्हें नेतृत्व का समर्थन दें। तकनीकी काम धीमा हिस्सा नहीं है। स्वतंत्र चिकित्सकों की सहमति लेना धीमा है, और अपनाने तक उसे वास्तविक सहयोग चाहिए।
4. एजेंट्स को नए कर्मचारियों की तरह ऑनबोर्ड करें। SOPs, एक नॉलेज सेंटर, रुकावटों और एस्केलेशन के लिए प्रशिक्षित व्यवहार; फिर गो-लाइव से पहले विरोधी उदाहरणों के आधार पर और लगातार PDSA चक्रों में मूल्यांकन।
5. तथ्यात्मक हर चीज़ को निर्धारक बनाएं। टूल्स के ज़रिए तारीखें, उपलब्धता और रिकॉर्ड का विवरण प्राप्त करें। जिस जानकारी को मॉडल खोज सकता है, उसका अनुमान उसे न लगाने दें।
6. अपनी एस्केलेशन सीमा पहले से तय करें। स्टैक का हर मॉडल प्रायिकतामूलक है। पहले ही तय कर लें कि किस स्थिति में मामला मानव या अधिक सक्षम मॉडल को सौंपा जाएगा।
7. चैनल और संतुष्टि के आधार पर मापें। हर चैनल से बुक हुए अपॉइंटमेंट्स से पता चलता है कि मरीज़ वास्तव में इसका उपयोग कर रहे हैं या नहीं। मरीज़ों, देखभालकर्ताओं और चिकित्सकों के बीच NPS से पता चलता है कि बोझ कम हो रहा है या नहीं।

पूरा सत्र देखें

पूरा वेबिनार यहाँ देखें।