Riepilogo del webinar: cosa abbiamo imparato dall'implementazione dell'IA nella sanità

Ai sistemi sanitari viene chiesto di fare di più per i pazienti senza aumentare l'organico. Gran parte di ciò che frustra i pazienti accade attorno all'assistenza, non durante l'assistenza stessa. Trovare il medico giusto richiede impegno. Così come ripetere la stessa storia a ogni passaggio di consegne. 

Nella nostra ultima sessione di Behind the Agent, Cindy Liu (Enterprise Deployment, ElevenLabs) ha incontrato Jacque Myers (Global Healthcare Lead, Slalom), Sylvia Doane Stephenson (Managing Director, Slalom) e Cristal Woodley (Chief Marketing and Experience Officer, Renown Health) per capire dove gli agenti IA vengono effettivamente implementati nel settore sanitario e cosa serve per metterne uno in produzione.

Ciò che distingue le implementazioni che generano valore nel tempo da quelle che si bloccano è il punto di partenza: un unico percorso ad alto volume, misurabile e a basso rischio, anziché una serie di progetti pilota specializzati.

Perché il percorso del paziente continua a non funzionare

I pazienti restano intrappolati in un ciclo ripetitivo. A ogni passaggio dell'assistenza devono confermare chi sono e spiegare perché chiamano. Aspettano e vengono reindirizzati. Le risposte che cercano altrove sono incoerenti. Quando finalmente raggiungono la persona giusta, devono ricominciare tutto da capo.

Tutti i punti di contatto esistono — sito web, portale pazienti, contact center, EHR, fatturazione — ma non comunicano tra loro. Un percorso connesso inizia dal punto in cui si trova il paziente e coinvolge prima le aree a basso rischio e ad alto impatto.

La maggior parte delle organizzazioni inizia a usare l'IA ai margini, in casi d'uso specializzati scelti perché a basso rischio, ma nulla genera valore nel tempo. L'alternativa proposta da Jacque è ciò che lei chiama un hero journey: un percorso principale che rappresenta gran parte delle attività, ancora a basso rischio, su cui costruire ed espandersi anziché ripartire da zero per ogni caso d'uso.

Demo: prenotare un appuntamento dall'inizio alla fine

La pianificazione degli appuntamenti è una buona candidata per un hero journey: ha un volume elevato, è misurabile e presenta un rischio abbastanza basso da poterci costruire sopra. Ecco come si presenta l'inizio di questo percorso dall'inizio alla fine, dall'accettazione del paziente alla conferma dell'appuntamento.

Scenario: Una paziente ha bisogno di una nuova prescrizione per le lenti a contatto. Trova sul sito della sua assicurazione un optometrista convenzionato e chiama lo studio, dove risponde un assistente virtuale per la pianificazione degli appuntamenti.

Cosa è stato mostrato:

• L'agente ha gestito in modo conversazionale l'accettazione di una nuova paziente, raccogliendo nome, data di nascita e numero di telefono
• Ha verificato il suo numero di telefono con un vero codice SMS e ha gestito il caso in cui il codice fosse stato capito male al primo tentativo
• Quando la chiamante non ricordava il proprio ID associativo dell'assicurazione, l'agente le ha detto di portare la tessera all'appuntamento ed è andato avanti
• Ha proposto tre fasce orarie, ne ha prenotata una e ha inviato un'email di conferma creata dalla cronologia della conversazione, oltre a un promemoria via SMS
• Lo stesso agente funzionava via SMS, con lo stesso identico workflow eseguito come conversazione testuale e senza uno sviluppo separato

Perché è importante: Un unico agente gestiva sia la linea telefonica sia la conversazione via messaggio, quindi l'esperienza era omnicanale per impostazione predefinita. La demo ha richiesto circa due ore di sviluppo, abbastanza rapidamente perché un team potesse creare un prototipo e presentarlo internamente nel giro di pochi giorni. La produzione enterprise ha una portata diversa. L'integrazione, i test e le attività di conformità normativa di cui un agente ha bisogno prima del go-live sono dove si concentra la maggior parte del lavoro e, in ElevenLabs, vengono svolti dai nostri forward deployed engineer.

Da dove iniziare e cosa lo blocca davvero

La sequenza per un sistema sanitario agli inizi:

• Ascolto ambientale: se non è già integrato nel tuo EHR. Questo lavoro viene solitamente svolto tramite un fornitore di documentazione, ma conquista la fiducia dei clinici da cui dipende tutto ciò che viene dopo.
• Il contact center: La maggior parte dei sistemi lo considera una voce di costo. Può invece diventare un centro di crescita.
• Educazione dei pazienti e aderenza alla terapia: Attività ripetibili con un ROI misurabile e immediato, quindi scalabili.

L'ostacolo all'automazione del contact center è la pianificazione dei medici. Le schede delle preferenze e i modelli di pianificazione sono la parte visibile. La parte lenta è orchestrare il cambiamento tra persone altamente formate, altamente qualificate e molto indipendenti. Ciò che funziona sono medici promotori, una leadership allineata in grado di facilitare il cambiamento e un supporto costante, talvolta fino a un coach individuale per ogni clinico.

Come Renown Health sta costruendo il percorso verso gli agenti

Renown serve pazienti in un'area di 100.000 miglia quadrate, da Salt Lake City a Sacramento.

Il team di Cristal sta iniziando con un progetto pilota circoscritto. I casi d'uso presi in considerazione evitano del tutto le informazioni dei pazienti, e i risultati interni sono ciò che rafforza la proposta per la conformità normativa di ciò che verrà dopo. 

Per arrivarci, si è partiti dai dati. Il team di Cristal ha lavorato con i fornitori sui modelli di pianificazione, standardizzando al contempo la pianificazione aperta. I primi risultati dell'ascolto ambientale hanno aperto la strada: i fornitori che hanno percepito un miglioramento nella qualità della propria vita sono tornati chiedendo cos'altro fosse possibile.

È stata anche diretta sul tema della velocità: i team di marketing e contact center non hanno tempo di aspettare, perché i pazienti stanno già usando queste tecnologie e se le aspettano già.

Sicurezza, HIPAA e onboarding degli agenti come nuovi assunti

Le chiamate emotivamente delicate sono la prima cosa di cui si informano la maggior parte dei team. Renown misura già il sentiment vocale nel proprio call center e indirizza i chiamanti ad agenti umani più esperti, trasferendo questo contesto durante il passaggio. La stessa disciplina si applica agli agenti IA.

Fai l'onboarding degli agenti come fai quello delle persone: fornisci loro SOP e un knowledge center, addestra i comportamenti per interruzioni ed escalation, quindi valutali rispetto a esempi antagonistici prima del go-live e nei cicli PDSA (plan, do, study, act) continui.

I guardrail operano su tre livelli:

• Indirizzamento tramite il system prompt
• Validazione dell'input che intercetta i tentativi avversari prima che l'agente risponda
• Valutazione in tempo reale di ogni risposta rispetto alle policy configurate

Per quanto riguarda la conformità normativa, le misure di sicurezza sono gli stessi standard HIPAA che regolano gli EHR, applicati ai sistemi di IA: BAA con i fornitori di IA, interoperabilità, sistemi di registrazione adeguati, de-identificazione ovunque le informazioni vengano trasferite e nessun addestramento sui dati dei pazienti senza consenso esplicito. ElevenLabs richiede un BAA ai clienti del settore sanitario e offre la modalità di conservazione zero dei dati, quindi i dati vengono elaborati e restituiti al tuo ambiente con accesso limitato per essere archiviati.

Cosa è pronto e cosa misurare

Oggi l'IA è in produzione presso clienti del settore sanitario, gestisce conversazioni in tempo reale a bassa latenza e segue uno script senza saltare le domande che deve porre.

Tuttavia, ogni modello nello stack è per natura probabilistico, che si tratti di Speech to Text, dell'LLM o di Text to Speech. Per questo sono importanti i livelli deterministici che li circondano e ogni implementazione richiede una soglia di rischio e un protocollo di escalation definiti in anticipo, sia che il passaggio venga indirizzato a una persona sia a un modello più capace.

Una volta definita questa soglia, la domanda diventa cosa monitorare. Renown Health tiene traccia degli appuntamenti prenotati per canale, attribuendo ciascuno a un agente, a una chiamata telefonica o a un messaggio, perché i pazienti dovrebbero poter accedere all'assistenza nello stesso modo in cui accedono a tutto il resto.

Oppure monitora il Net Promoter Score tra pazienti, caregiver e medici, perché alla maggior parte delle persone piacciono già i propri medici. È tutto ciò che ruota attorno all'assistenza a creare il peso, quindi un aumento della soddisfazione significa che tale peso diminuisce. Dal lato della piattaforma, monitoriamo gli agenti implementati e i minuti erogati per misurare l'adozione, nonché il CSAT e il tasso di deflection per capire se il servizio funziona.

Best practice per implementare agenti IA nel settore sanitario

1. Scegli un hero journey, non un caso limite: Un unico percorso ad alto volume, misurabile e a basso rischio, che si espande in tutta l'azienda, è meglio di una serie di implementazioni specializzate che non generano mai valore nel tempo.
2. Sistema i dati prima di automatizzare il processo: I modelli di pianificazione e gli standard di pianificazione aperta devono essere ordinati prima. Un agente eredita qualsiasi disordine ci sia sotto.
3. Coinvolgi medici promotori e sostienili con la leadership: Il lavoro tecnico non è la parte lenta. Lo è ottenere il consenso dei clinici indipendenti, che richiede un supporto concreto per tutta l'adozione.
4. Fai l'onboarding degli agenti come nuovi assunti: SOP, un knowledge center, comportamenti addestrati per interruzioni ed escalation, poi valutazione rispetto a esempi antagonistici prima del go-live e nei cicli PDSA continui.
5. Rendi deterministico tutto ciò che è fattuale: Recupera date, disponibilità e dettagli delle cartelle tramite strumenti. Non lasciare che il modello deduca ciò che può cercare.
6. Definisci in anticipo la soglia di escalation: Ogni modello nello stack è probabilistico. Decidi in anticipo cosa attiva un passaggio a una persona o a un modello più capace.
7. Misura per canale e per soddisfazione: Gli appuntamenti prenotati per canale mostrano se i pazienti lo stanno effettivamente usando. L'NPS tra pazienti, caregiver e medici mostra se il peso sta diminuendo.

Guarda la sessione completa

Guarda il webinar completo, Behind the Agent: sessione sull'implementazione dell'IA nel settore sanitario.