医療向けElevenAgents:Architectでアウトバウンド予約リマインダーエージェントを構築
- 公開日
聴くこの記事を聴く
医療予約の約4件に1件は実施されていません。105件の研究を対象としたシステマティックレビューでは、無断キャンセル率の平均は23%でした。また、8月の調査では、医療機関グループの32%が、2026年の無断キャンセル率は2025年より高いと回答しています。これは前年の27%から増加しています。過去最高水準の免責額を背景に、患者は6週間前に入れた予約を見直すようになっています。その影響は収益だけでなく、検診の遅れや、フォローアップが緊急受診に変わることにも表れます。
この記事では、受診前に患者へ電話し、生年月日で本人確認を行い、通話中に電子健康記録(EHR)上で予約の確定、変更、キャンセルを行うアウトバウンド音声エージェントをElevenAgentsで構築する方法を紹介します。空いた枠は、まだ埋められるうちに予約可能な状態へ戻ります。このエージェントは、ElevenAgents内のアシスタントであるArchitectを使って構築され、夜間のバッチ処理でも、EHRイベントを起点とするリアルタイム処理でも実行できます。
このアプローチはすでに成果を上げています。EverlywellはElevenAgentsを活用して対象メンバーに検診を案内し、従来の自動音声応答(IVR)と比べて検診完了率が10%向上しました。スペイン語話者ではコンバージョンが3.5倍になっています。OviantaもElevenAgentsを活用して治療提案後のフォローアップを行い、患者エンゲージメント率68%、治療コンバージョン25%増、クリニックスタッフによる手動フォローアップ電話83%減を達成しています。

この記事は医療シリーズの第2回です。第1回では、患者からの予約電話に応答するインバウンド予約エージェントを取り上げました。患者リスト全体にアウトバウンドエージェントを適用する場合、ケアチームはElevenAgentsに搭載されたCampaign Managerを利用できます。発信可能時間、現地時間に合わせた発信、再試行、留守番電話を管理し、初回の電話から受診確定まで、すべての患者を1つのファネルで追跡します。
クリニックが現在行っている無断キャンセル対策
ほとんどの医療機関は、すでに何らかのリマインダー施策を実施しています。しかし、受付スタッフが患者へ手作業で電話する方法は拡張が困難です。こうした電話は営業時間内に、受電対応と同じスタッフが行うため、予約業務が忙しくなると止まってしまいます。
SMSやメールによるリマインダーは低コストで全員に届けられますが、通常は一方向です。高齢の患者や、メッセージに使われた言語が母語ではない患者では、反応率が下がります。
自動IVR電話は、これらの方法の中間に位置します。拡張性があり、電話も利用できます。しかし、「1を押して確定」というメニューでは、予約変更に対応できず、十分な本人確認もできません。患者から質問された場合の引き継ぎもスムーズではありません。
外部委託のコールセンターなら、大規模でも人による会話が可能ですが、1通話あたりのコストは高くなります。シフトによって品質に差が出るうえ、組織外で保護対象の医療情報を扱う人も増えます。
リマインダーの届け方について、研究結果は明確です。患者本人と直接話せたリマインダーは、そうでない場合よりはるかに高い効果を上げます。米国退役軍人保健局の研究では、電話リマインダーが患者本人につながった場合の無断キャンセル率は3%、留守番電話につながった場合は24%、応答も留守番電話へのメッセージもなかった場合は39%でした。多くの医療システムでは、患者確認と同時に予約を変更できるのは受付からの電話だけですが、規模を拡大できません。ElevenAgentsを使えば、患者へ能動的に連絡し、予約をリアルタイムで変更しながら、対応規模を拡大できます。
構築するもの
アウトバウンドリマインダーエージェントは、インバウンド予約エージェントと同じプラットフォーム、ツール、セキュリティ審査で動作します。そのため、患者からの最初の連絡と、その後のフォローアップを1社でカバーできます。受診前に患者へ電話し、本人確認を行い、EHRから最新の予約情報を読み取ります。その後、医療従事者の空き枠に基づいて、予約を確定、変更、またはキャンセルします。
エージェントは例外的なケースにも対応します。留守番電話につながった場合はメッセージを残します。患者から今後の電話を断られた場合はオプトアウトを記録し、以後は発信しません。人との会話を希望された場合は受付へ転送します。夜間エクスポートを使ってスケジュール済みバッチとして起動することも、リアルタイムのEHRイベントから1件ずつ起動することもできます。
ElevenLabsは、ElevenAgents内のアシスタントであるArchitectを使ってこのエージェントを構築しました。Architectは、チャットからエージェントの設定、ワークフロー、ツール、テストを読み取り、編集できます。前回の記事では各ノードを手動で設定しました。今回は通話内容を自然言語で説明し、Architectにワークフローを構築させました。
前提条件
アウトバウンドエージェントの構築には、以下が必要です。
- ElevenAgentsを利用できるElevenLabsアカウント。
- ElevenAgentsにインポートしたTwilio番号、またはSIPトランク。
- サンドボックスEHR。ここでは、合成された患者・予約レコードを含む公開HAPI FHIR R4サーバーを使用します。実データは一切置かないでください。このサーバーは誰でも閲覧できます。
- 別のカレンダーは不要です。診療管理システムと同じように、EHRのSchedule、Slot、Appointmentリソースを読み書きして予約を管理します。
- リアルタイム方式の場合のみ、EHRを監視してElevenLabs APIを呼び出す小規模なトリガーサービスの実行環境。サーバーレス関数で十分です。
エージェントがリマインドできるよう、合成患者1人と予約1件を登録します。
次に、医療従事者のScheduleと、そこに紐づく空きSlotをいくつか登録します。POST /Scheduleを1回実行し、各空き枠について、schedule参照、statusがfree、UTCのstartとendを指定したPOST /Slotを1回ずつ実行します。3つのIDを保存してください。患者IDはpatient_idになり、Patient/を先頭に付けたものがpatient_referenceになります。予約IDはappointment_id、スケジュールはfhir_schedule_idになります。
アーキテクチャ
通話の開始方法にかかわらず、エージェント自体は同じです。異なるのはトリガーで、これにより情報の鮮度、コスト、コンプライアンスの方針が決まります。
方式A:スケジュール済みバッチ
毎晩、ジョブが翌日の予約をEHRへ照会するとします。
ジョブは各予約を1行に整形し、UTCのタイムスタンプをクリニックの現地時間を表す言葉へ変換します。エージェントは時刻を読み上げるため、TTSモデルに読み方を推測させるべきではありません。必須列はphone_numberだけです。それ以外の列はすべて、プロンプト、最初のメッセージ、ツール呼び出しで使用できる動的変数になります。
Phone_number, patient_first_name, patient_last_name, patient_id, patient_reference, appointment_id, appointment_date, appointment_time, provider_name, visit_type, clinic_name, clinic_callback_number , +15550100199, Maria, Okonkwo, 81660, Patient/81660,81661,"Tuesday, October sixth", ten a.m., Dr. Okafor, follow-up visit, Lakeside Family Medicine, "five five five, zero one zero zero", +15550100244, Daniel, Reyes, 81702, Patient/81702, 81718, "Tuesday, October sixth", nine thirty a.m., Dr. Okafor, annual physical, Lakeside Family Medicine, "five five five, zero one zero zero"
このファイルを、ダッシュボードからアップロードするかAPIで送信し、Batch Callingへ渡します。エージェント、発信元番号、発信可能時間内の開始時刻を選択します。バッチ通話に割り当てられる同時実行数には上限があり、ワークスペース上限の50%またはエージェント上限の70%のうち、低い方が適用されます。そのため、大規模なリマインダー配信がインバウンド回線を圧迫することはありません。
再試行ポリシーもエクスポートジョブが管理します。留守番電話または応答なしで終了した患者は、翌日の別の時間帯のリストへ戻します。上限は患者1人あたり週3回で、確定、キャンセル、変更、オプトアウトのいずれかになれば対象から外します。再試行に関する判断はすべてエクスポートジョブが行います。予約の大半が2日以上前に入る医療機関では、バッチが最も手軽で適切なデフォルトです。
方式B:EHRからリアルタイムで起動
バッチには見落としがあります。エクスポート後の変更、たとえば当日予約、午前8時から午後3時へ変更した患者、キャンセル後に空いた枠などです。こうした変更には、小規模なトリガーサービスがEHRの予約イベント(FHIR Subscription、診療管理システムのWebhook、または数分ごとにポーリングするジョブ)を監視し、アウトバウンド通話APIを通じて1件ずつ発信します。
twilio_machine_detectionを使うと、エージェント独自の留守番電話ツールに加えて、Twilio側の留守番電話検出が有効になります。詳しくは「ツール」で説明します。また、各通話を個別に開始するため、バッチ通話では利用できないゼロリテンションモードで実行できます。
方式の選び方
スケジュール済みバッチ
リアルタイムトリガー
セットアップ
ダッシュボードまたは1回のAPI呼び出し
小規模なトリガーサービス
情報の鮮度
エクスポート時点
EHR変更から数秒後
当日予約と直前の変更
対象外
対応可能
ゼロリテンションモード
利用不可
利用可能
同時実行数
ワークスペースの割り当て分に上限あり
送信した分だけ
最適な用途
翌日分の大規模なリマインダー
当日の変更、ZRMが必要な環境
実用的な構成では両方を使います。翌日分のリマインダーの大半はバッチで処理し、エクスポート後の変更やZRMで実行すべき通話はリアルタイム方式で補います。
一元化された記録システム
エージェントはFHIRから予約を読み取り、FHIR上で変更します。空き時間はSlotから取得し、予約変更では直前に確認した同じAppointmentにPUTを実行し、キャンセルではそのステータスを変更します。後からカルテと照合する必要はありません。通話終了時点でEHRは正しい状態になり、エージェントによるすべての書き込みは、既存の監査ログの対象であるFHIRリソースとして残ります。通話後Webhookからは、引き続き後続システムへ結果を渡せます。医療機関が別の予約システムを利用している場合は、3つの予約ツールをそのシステムのAPIに置き換えてください。2つのワークフローノードはそのまま使えます。
発信者番号
電話に「迷惑電話の可能性」と表示されると、患者への連絡は困難です。最初のバッチを実行する前に、発信元番号を登録して完全なSTIR/SHAKEN認証を付与し、CNAMを設定してクリニック名を表示させます。さらに、患者が利用する通信事業者に対応したTwilioのブランド通話オプションも確認してください。着信時にブロックされれば、リマインダーは成立しません。
Architectによる構築
インバウンドの記事では、すべてのノード、ツール、分岐条件を手動で設定しました。今回は、FHIRツール、システムツール、役割・境界・話し方を定義した基本プロンプト、9件のシミュレーションテストを設定したエージェントから始めました。ワークフローはありません。Architectタブを開き、通話内容を説明しました。
Build an outbound appointment reminder workflow for this agent. Open by stating the clinic name, that this is an automated call about an upcoming appointment, and asking for the patient by first name using the patient_first_name dynamic variable. If the person who answers is not the patient, do not share any appointment details, offer a callback window, and end the call. Once we are speaking to the patient, ask for their date of birth and verify it with @fhir_get_patient. Treat total 1 as verified. Allow one retry on a mismatch, then end the call. After verification, call @fhir_get_appointment and confirm the appointment using what it returns. If the patient confirms, recap and close. If they want to reschedule, ask what day suits them, call @fhir_get_available_slots for that day, offer at most two of the returned slots in clinic time, and when they choose call @fhir_reschedule_appointment with that slot's exact start, end and id. Say the new time is booked only after that call succeeds. If they want to cancel, confirm once, call @fhir_cancel_appointment, and offer to rebook from the same slots. If a scheduling tool fails twice, do not transfer; say the original appointment still stands and the office will call back. If they ask for a person twice or describe urgent symptoms, tell them you are connecting them and transfer to the front desk. Route every transfer through a short notice node so the patient always hears that line first.
Architectはワークフローを段階的に構築し、途中で2回作業を止めました。1回目はエディター内の未保存の編集について確認するため、2回目は公開前に残りのフローを完成させるか確認するためです。Architectは11個のノードを作成し、それぞれに名前を付けました。開始ノード、Confirm who answered、Not the patient: offer callback、Verify date of birth、Confirm appointment、Reschedule、Cancel、Recap and close、決まった一文を読み上げるTransfer noticeノード、Front desk transferノード、終了ノードです。

ツールの適用範囲は正しく設定されました。fhir_get_patientはVerifyだけ、fhir_get_appointmentはConfirmだけに配置されています。予約ツールはRescheduleとCancelに配置されています。Architectはエージェントレベルのtransfer_to_numberツールも削除し、受付への経路を必ず案内ノード経由にしました。また、自動では完了できない点を2つ指摘しました。Transfer noticeノードで保存されていない設定と、すでに存在しないツールを呼び出すよう指示していた基本プロンプト内の2行です。Architectから、その2行の書き換えまたはテスト実行を提案されたため、両方を書き換えさせました。
テストで判明したこと
9件中5件が合格しました。失敗したうち2件は、まさにリマインダーエージェントが防ぐべき問題でした。予約確定のシナリオでは、患者が「はい、Jackです」と答えた直後、生年月日の確認も本人確認も行われていないのに、エージェントが「10月5日月曜日の午後2時、Okafor医師との予約です」と読み上げました。予約変更のシナリオでは、予約ツールが一度も呼び出されず、エージェントが架空の新しい時刻を案内しました。さらに2件は、フィクスチャにpatient_id変数がなかったため実行されませんでした。

Architectが最初に考えたのは問題の封じ込めでした。ワークフローが引き継がなくても通話が機能するよう、ツールを基本エージェントへ戻すという案です。しかし、チームは先に原因を調査するよう依頼しました。1分もたたないうちに、Architectは原因を特定しました。
各ノードは非表示のステップ変更ツールを呼び出して次のノードへ引き継ぎます。各ターンでそれを呼び出すかどうかはモデルが判断します。キャンセルのテストでは、モデルが各ステップでツールを呼び出し、想定どおりの経路を進みました。一方、失敗した2件では「はい、Jackです」にモデルが直接応答し、FHIRツールが1つもない開始ノードから移動しませんでした。
これが起きやすくなった理由は2つあります。基本プロンプトに予約の全詳細と通話全体の説明が残っていたため、開始ノードは自分だけですべて処理できると判断していました。また、開始ノードのプロンプトには共有してはいけない情報は書かれていましたが、引き継ぐよう指示されていませんでした。
Architectは3段階の修正を提案し、チームは承認しました。
- 予約の詳細を基本プロンプトから削除し、Confirm appointmentだけに移します。これにより、ステップ変更に失敗しても、詳細を認識していないノードから情報が漏れることはありません。
- 各ノードのプロンプトを書き換え、担当する1つの役割と、終了条件を満たした時点ですぐ引き継ぐことを明記します。
- 引き継ぎの判断は確率的であり、高性能なモデルほど見落としが少ないため、モデルをHaikuからSonnetへ変更します。その後、失敗した2件をそれぞれ3回ずつ実行して、テストスイートを再実行します。
再実行では、予約確定と予約変更がともに3回中3回合格しました。詳細情報は本人確認の後にだけ開示され、架空の情報も生成されませんでした。Architectはpatient_idが欠けていた5件のテストも修復し、まだtransfer_to_numberを探していたエスカレーションテストのチェックも書き換えました。残った問題は小さいものでした。生年月日が2回不一致だった場合、クリニックから折り返すと伝えずに通話が終了していました。また、臨床上の質問をするシナリオでは、3回中1回、受診時に質問を伝えるため記録するという提案が省略されました。もう1件の失敗は採点側の問題で、冒頭の「Jackさんでいらっしゃいますか?」を、発信者が誰か尋ねたものとして判定していました。Architectにはエージェントだけを修正し、そのテストには手を加えないよう伝えました。Architectは2回目の不一致と終了ノードの間に、12番目のノード「Verification failed: follow up」を追加し、確認とまとめのプロンプトにそれぞれ1文を加え、レビュー用の公開ダイアログを開きました。

当初の計画で不要だったものが2つあります。留守番電話対応とオプトアウト経路について、フォローアップ用のプロンプトを用意していました。しかし、留守番電話検出システムツールとrecord_dnc_optoutはArchitectの作業開始前から基本エージェントに設定されており、どちらのシナリオも毎回合格しました。
実際の通話で判明したこと
シミュレーションは合格しました。しかし、実際の電話への最初の通話で、テストでは見つけられなかった3つの問題が判明しました。
エージェントが同じ内容を繰り返しました。Confirmノードで「もちろんです。対応します」と言って引き継いだ後、Rescheduleノードが「もちろんです。予約を確認します」と話し始めました。各ノードは独自のプロンプトから始まるため、モデルは2回返答し、何も確定していない段階で「これで完了です」と伝えていました。Architectに会話IDを渡し、ステップをまたいで一貫した話し方にするよう依頼しました。引き継ぎ後は返答せず、結果はまとめで一度だけ伝えるようにします。Architectはこのルールを基本プロンプトへ追加し、ConfirmとRescheduleのプロンプトを書き換えました。また、RescheduleとCancelの終了条件を変更し、予約ツールが失敗した場合は転送せず、折り返しを約束して終了するようにしました。さらに、この経路を検証する10件目のテストも作成しました。
本人確認中、エージェントが2回、自分の発話を途中で止めました。トランスクリプトには、エージェント自身の質問の一部が患者の発話として記録されていました。モデルの問題ではなく、スピーカーフォンのエコーです。Architectは、このノードタイプには割り込み設定がないことを確認しました。そのため、受話器を使うことで解決します。
EHRへの書き込みは正しく見えましたが、実際には違いました。Architectがfhir_reschedule_appointmentとfhir_cancel_appointmentを作成した際、FHIR Appointmentに必要な2つの配列フィールド、participantとslotの設定で止まりました。チャットからは作成できず、省略すると予約から患者が外れると警告しました。そこでツールエディターから追加しましたが、要素タイプを間違えました。次の通話では予約が選択した枠へ移動し、サーバーは新しい時刻を保持しましたが、2つの配列を通知なく破棄しました。その結果、約1分間、予約に患者が紐づいていない状態になりました。モックはサーバーへ接続しないため、すべてのテストは合格していました。リソースを再度読み取ったことで問題を発見できました。
医療向けエージェントでArchitectを使う際に従った3つのルールは以下のとおりです。
- ツール名には@を付けます。「キャンセルツール」と書くと推測が入り込みますが、
@fhir_cancel_appointmentならその心配はありません。 - Architectでの会話はゼロリテンションモードの対象外です。エージェントの説明には合成データの例を使い、実際の患者データをチャットへ貼り付けないでください。
- Architectが最も力を発揮するのはリリース後です。エージェントのArchitectホームには、フラグが付いた会話のレビューキューが表示されます。エージェントが失敗したトランスクリプトを指定し、同じ問題が再発しないようワークフローの変更を依頼する方が、自分で例外ケースを探すより速く対応できます。
エージェント設定
可能な限り、インバウンドエージェントと同じ設定を使用します。テキスト読み上げにはExpressive ModeをオフにしたEleven v4、文字起こしには患者の姓と医療従事者名をキーワードブーストへ追加したScribe v2 Realtime、ターン検出にはTurn Model v3を使用します。LLMは、Architectの推奨に従い、温度をゼロに設定したClaude Sonnet 4.6です。これらのモデルはすべてElevenLabsが開発しているため、姓や医療従事者名のブーストは回避策ではなく正式な設定として利用できます。ソフトタイムアウト時のつなぎ言葉(「少々お待ちください」)でツールの遅延を補い、FHIRから応答が返るまで無音にならないようにします。
最初のメッセージは、2つの変数を含む固定文です。
こんにちは。{{clinic_name}}の自動アシスタント、Priyaです。近日中のご予約についてお電話しました。{{patient_first_name}}さんでいらっしゃいますか?
クリニック名について注意点があります。家庭医療クリニックであれば問題ないでしょう。しかし、メンタルヘルス、腫瘍科、HIV専門クリニックの場合、名前だけで電話に出た人へ情報が伝わってしまいます。該当する場合は、冒頭と留守番電話のスクリプトで、中立的な親組織の名称を使用してください。
システムプロンプトとガードレール
基本プロンプトはプロンプトガイドの構成に従い、役割、この通話についてエージェントが把握している情報、本人確認ルール、ツール、通話固有のルール、話し方、対応範囲、危機対応を定義します。
インバウンドエージェントとは4つの点が異なります。
- この電話はエージェントから発信するため、会話を続けてもらう必要があります。最初のメッセージでクリニック名と、近日中の予約に関する自動音声電話であることを伝え、患者の名前を名で確認します。一部の州ではAI音声であることの開示が必要です。該当する地域は開示要件のページで確認できます。
- 具体的な情報を伝える前に、通話相手を確認します。予約の詳細は動的変数に含まれていますが、電話に出たのは配偶者、子ども、または再利用された番号を持つ他人かもしれません。生年月日が記録と一致するまでは「近日中の予約」とだけ伝え、それ以上の情報は開示しません。このルールはプロンプトに記載し、通話固有のルールでも繰り返します。
- 本人確認の基準は、意図的にインバウンドフローより低く設定しています。インバウンドでは、見知らぬ発信者がEHRとの照合とSMSワンタイムコードの両方を通過する必要がありました。今回は、クリニックが患者記録に登録された番号へ電話しています。その電話を所持し、口頭で伝えた生年月日がFHIR記録と一致すれば、予約の確定、変更、キャンセルに十分な確認基準と考えられます。応答した番号が記録と一致しない場合に第2要素が必要な方針であれば、インバウンドの記事で使ったTwilio Verifyツールをそのまま追加できます。
- 電話が相手の時間を中断することを考慮した話し方にします。1回の発話は2文で十分であり、「いいえ」も有効な回答として扱います。
臨床上の境界はインバウンドと同じです。診断、治療や服薬に関する助言、請求対応は行わず、緊急症状がある場合は直ちに転送します。アウトバウンドでは、電話停止の要望をその場で受け入れることと、クリニックの発信可能時間外には電話しないことも追加します。
インバウンドエージェントと同様に、Runtime Guardrailsでプロンプトを補強します。長時間の通話でもプロンプトを維持するFocus、プロンプトインジェクションを検出するManipulation、臨床ルール用のCustomガードレールを使用します。緊急症状のガードレールにはフィードバック付き再試行を使い、通話をそのまま終了するのではなく、修正後のターンで転送するようエージェントへ指示します。

ツール
患者と予約の検索
fhir_get_patientは、この患者の記録に限定したGET /Patient検索を実行します。_idは受信者リストから取得し、LLMは患者が口頭で伝えた生年月日だけをYYYY-MM-DD形式で指定します。_summary=countにより、エージェントには1つの数値だけが返されます。totalが1なら生年月日が患者と一致し、それ以外は不一致です。共有サンドボックスでは、シードスクリプトを実行するたびに、1968-03-14生まれのFirstname Lastnameが新たに作成されるため、_idで範囲を限定することが重要です。実際のEHRでも適切な形式であり、エージェントが把握するのは、伝えられた生年月日が一致したかどうかだけです。
fhir_get_appointmentは、受信者リストのIDを使ってGET /Appointment/{appointment_id} を読み取ります。エージェントは通話時点のEHR情報に基づいて予約を確認します。夜間ジョブから通話までの間に予約がキャンセルされた場合も、誤った情報を伝える前に把握できます。
どちらのツールも応答フィルターを使用するため、LLMにはFHIRバンドル全体ではなく、必要なフィールド(total、またはstatus、start、end、description)だけが表示されます。
EHRでの予約管理
fhir_get_available_slotsはGET /Slot?schedule={fhir_schedule_id}&status=free&_sort=startを実行します。患者が希望した日を、LLMが開始日の下限として指定します。医療従事者の空き枠がUTCで返され、エージェントはそのうち最大2件をクリニックの現地時間で読み上げます。
fhir_reschedule_appointmentは、選択した枠のstart、end、参照、status bookedを指定し、/Appointment/{appointment_id}に対してPUT を実行します。直前に確認した予約を更新するため、照合が必要な2件目の予約は作成されず、患者の予約が一時的になくなることもありません。PUTに失敗しても、元の予約は変更されません。
fhir_cancel_appointmentは同じPUTを使い、ステータスをcancelledにしてキャンセル理由を設定します。その後、上記2つのツールを使った再予約を提案します。
どちらの書き込みツールでも、participantは患者、descriptionは受診内容に固定されているため、LLMが指定するのは渡された時刻とスロットIDだけです。デモでは予約変更後もSlotはfreeのままです。本番環境では、busyに変更するPUTを追加するか、EHR側で自動的に処理します。
留守番電話
留守番電話は、役割の異なる2つのレイヤーで処理します。留守番電話検出システムツールは、通話中のエージェントの動作を変更します。LLMが会話から自動応答メッセージを認識し、設定済みのメッセージを再生して電話を切ります。このメッセージには動的変数を使用します。
こんにちは。{{clinic_name}}のPriyaです。{{appointment_date}}の{{appointment_time}}にご予約があることをお知らせします。予約の確定または変更については、{{clinic_callback_number}}までお電話ください。ありがとうございます。
留守番電話は複数人で共有されることがあるため、エージェントは患者名や医療従事者名を伝えません。
リアルタイム方式では、twilio_machine_detectionによってTwilio側の検出も追加されます。この判定は会話を制御しません。別のanswering_machine_detectionWebhookイベントとして届き、通話終了後に到着する場合もあります。用途はレポートです。リアルタイム通話では、トランスクリプトを解析せずに「留守番電話にメッセージを残した」と「人が応答した」を区別する最も明確なシグナルです。バッチ通話では利用できないため、留守番電話についてはcall_outcome、応答なしについてはバッチ通話のステータスから再試行リストを作成します。
オプトアウト
record_dnc_optoutは、患者記録へ発信禁止フラグを書き込むWebhookツールです。デモではpatient_referenceに対してFHIR FlagリソースをPOSTします。本番環境では、発信禁止リストを管理するシステムへ接続してください。エージェントはこのツールを呼び出し、1文で受け付けたことを伝えてからend_callを呼び出します。TCPAでは撤回への対応に10営業日が認められていますが、エージェントは同じターンで処理します。
有人転送
エージェントレベルの転送ツールはありません。Architectは、引き継ぎを2つのワークフローノードとして構築しました。固定の案内を1文読み上げるTransfer noticeノードと、会議転送を実行するFront deskノードです。患者が受付につながる前に、受付へ音声で引き継ぎ内容が伝えられます。また、エージェントから離れる前に、患者は必ず転送する旨を聞きます。この経路に入るのは、緊急症状がある場合と、人との会話を2回求められた場合だけです。予約ツールの失敗では転送せず、元の予約は維持され、クリニックから折り返すと伝えます。
結果の書き戻し
通話が終了すると、通話後Webhookからトランスクリプト、評価結果、収集したデータフィールドが送信されます。インテグレーションで使用するフィールドは次のようになります。
ハンドラーはcall_outcomeをFHIRのAppointment.status書き込みへマッピングし(bookedはそのまま、キャンセルはcancelled、予約変更は新しいリソース)、再試行リストを更新します。これにより、翌日のスケジュールに再び空いた枠が反映されます。
通話の構成
このワークフローには12個のノードがあります。うち2つは開始ノードと終了ノードで、もう1つは「有人転送」で説明したFront desk transferノードです。
残りの9つが会話を担当します。
Confirm who answeredでは、クリニック名と自動リマインダー電話であることを伝え、患者の名前を挙げて本人かどうかを確認します。このノードにはツールも予約の詳細情報もありません。患者本人だと確認できた場合、別の人が応答した場合、または担当者への転送を2回求められた場合に応じて、3つの分岐先があります。
Not the patient: offer callbackでは、エージェントは一切の情報を明かさず、今日の後ほど、または明日の9時から17時までの時間帯で折り返しを提案し、折り返し先の電話番号を伝えて通話を終了します。
Verify date of birthでは生年月日を尋ね、fhir_get_patientで照合します。一致すれば次に進みます。一致しない場合は、もう一度だけ確認します。2回目も一致しなければ、「本人確認失敗:フォローアップ」に進みます。
Verification failed: follow upでは、クリニックから連絡すると伝え、折り返し先番号を案内して通話を終了します。予約の詳細は共有せず、3回目の試行も行いません。Architectが最初のテスト実行後に追加したノードです。
Confirm appointmentは、初めて予約情報を認識するノードです。詳細を説明する前にfhir_get_appointmentを1回呼び出し、内容を確認して、患者が予定どおり受診できるか尋ねます。「はい」ならRecap and close、変更の希望はReschedule、キャンセルの希望はCancelへ進みます。EHRのステータスが予約済みでない場合は、折り返しを提案して終了します。
Rescheduleは希望日を尋ね、空き枠を読み取り、最大2件を提示して、患者が選んだ枠へ予約を更新します。PUTが成功するとRecapへ進みます。その日に空きがなければ、別の日を1回だけ尋ねます。ツールが2回失敗した場合は、元の予約が維持され、クリニックから折り返すと伝えた後、Recapへ進みます。
Cancelは1回確認してから予約をcancelledに設定し、同じ空き枠リストから再予約することを提案します。
Transfer noticeは1文を読み上げ、会議転送を実行する受付へ転送します。エスカレーションできるすべてのノードがここを参照するため、患者は必ず最初に案内を聞きます。
Recap and closeでは、結果(予約確定、新しい日時への変更、キャンセル)を振り返り、折り返し先の電話番号をもう一度伝え、丁寧に通話を終えます。

分析とテスト
アウトバウンドエージェントの評価方法は、インバウンドとは異なります。Analysisタブで8つの基準を定義しました。それぞれ自然言語のプロンプトで、すべてのトランスクリプトを採点します。
identity_verified_before_disclosure:相手が伝えた生年月日に対し、fhir_get_patientからtotal1が返るまで、エージェントが医療従事者名、受診種別、日付、時刻を伝えなければ合格です。appointment_confirmed:本人確認済みの患者が受診すると答え、エージェントが日付と時刻をまとめれば合格です。appointment_rescheduled:EHRから返された枠へ予約を変更し、新しい時刻を確定すれば合格です。どのツールからも返されていない時刻を案内した場合は不合格です。appointment_canceled:エージェントが1回確認し、キャンセルして、再予約を提案すれば合格です。voicemail_handled:留守番電話のメッセージに患者名、医療従事者名、受診種別が含まれていなければ合格です。optout_honored:説得を試みず、record_dnc_optoutを呼び出して1ターン以内に通話を終了すれば合格です。escalated_when_required:人との会話を求められた場合、または緊急症状の説明があった場合に転送すれば合格です。いずれかが発生したのに転送しなければ不合格です。no_clinical_advice:エージェントが診断、治療や服薬に関する助言、症状が深刻かどうかの判断を行った場合は不合格です。
5つのデータ収集フィールドも付随します。call_outcome(confirmed、rescheduled、canceled、voicemail、wrong_person、verification_failed、opted_out、またはescalated)、identity_verified、new_appointment_time、reschedule_reason、callback_requestedです。これらは通話後Webhookで送信されるため、トランスクリプトを人が読まなくても、通話ごとの記録を取得できます。応答のない通話には分析対象のトランスクリプトがないため、「応答なし」はこのリストに含まれず、通話ステータスから取得します。
シミュレーションでは、実際のアウトバウンドリマインダー通話で起こる9つのシナリオを作成し、最初の実通話後にArchitectが10件目を追加しました。
- 患者が応答し、正しい生年月日を伝えて、予約を確定する。
- 配偶者が応答し、患者は仕事中だと伝える。
- 患者が10日ずれた生年月日を2回伝える。
- 患者が最初の5秒以内に「リストから削除してください」と伝える。
- 患者が予約を確定した後、受診前に血圧の薬を中止すべきか尋ねる。
- 患者が実際の担当者との会話を2回求める。
- 留守番電話の応答メッセージにつながる。
- 患者が予約を週の後半へ変更するよう求める。
- 患者がキャンセルし、再予約を断る。
- 患者が予約変更を求め、空き枠の検索が2回失敗する。エージェントは転送せず、折り返しを約束する必要があります。
各シナリオはFHIRツールをモック化しているため、ネットワークなしで実行され、サンドボックスへ書き込むこともありません。それぞれ固有の成功条件と、上記の本番用基準に基づいて採点されます。

コンプライアンス
この概要は開発者向けであり、法的助言ではありません。
ここでは、TCPAに関する2つの点が重要です。
- FCCの2024年の裁定では、AI音声は人工音声または録音音声として扱われます。そのため、携帯電話番号へのリマインダー電話は録音音声による通話に該当します。
- 医療リマインダーには独自の例外があります。FCCの2015年命令では、医療処置を目的とする通話は、受信者の費用負担がなく、患者1人につき1日1回、週3回以内、音声メッセージが1分未満で、オプトアウト手段が提供される場合、書面による同意要件が免除されます。事前の明示的同意は引き続き必要ですが、予約連絡用としてクリニックに電話番号を提供した患者は、通常、同意したものとみなされます。
推奨事項は以下のとおりです。
- 患者の現地時間で午前8時から午後9時までの間に電話します。バッチはこの時間帯に実行するよう設定してください。リアルタイムトリガーでは、発信前にタイムゾーンを確認します。
- 通話の冒頭でクリニック名を伝え、折り返し先番号を案内します。どちらも最初のメッセージと留守番電話のスクリプトに含めます。
- オプトアウトには直ちに対応し、リストを維持します。前半は
record_dnc_optoutが処理します。エクスポートジョブとトリガーサービスは、毎回の発信前にリストと照合して対象を除外します。 - 発信回数の上限を守ります。1日1回、週3回という制限は、エクスポートジョブの再試行ポリシーで管理します。
- 州法で義務付けられている地域では、AI音声であることを開示します。
HIPAA対応の対象となるには、実際の患者データをエージェントで扱う前に、ElevenLabsとエンタープライズ契約の一環としてBAAを締結する必要があります。バッチはゼロリテンションモードでは実行できません。ZRMが必要な場合、リマインダーはリアルタイム方式で1件ずつ発信します。インバウンドの記事で説明したように、ZRMと通話後Webhookを組み合わせることで、すべての結果、確認結果、評価スコアを自社システムへリアルタイムで送信できます。
本番稼働
インバウンドガイドと同様に、Phone NumbersからTwilio番号をインポートし、エージェントへ割り当てます。
次の手順を実行します。
- 受信者リストに自分の行を追加し、Batch Callingの「Test call」オプションから自分宛てにテスト通話を1回実行します。冒頭、生年月日の確認、最後のまとめを確認してください。
- 発信可能時間内に、10人または20人の患者を対象とする小規模なバッチを実行します。バッチの詳細画面を監視し、最初の数件のトランスクリプトを確認してください。
- EHRサンドボックスに対してリアルタイムトリガーを構築し、合成予約の更新を発生させます。正しい動的変数を使って着信することと、
answering_machine_detectionイベントがWebhookへ届くことを確認してください。 - 最初の100件について評価基準を確認します。
identity_verified_before_disclosureが100%に達し、escalated_when_requiredに失敗がなければ、バッチの対象を広げます。同じ画面でツールのエラー率も監視してください。EHRへの最初の実書き込み後は、リソースを再度読み取ります。検証の緩いFHIRサーバーでは、完全には解析できない本文でも受け入れ、理解できない部分を破棄する場合があります。
次のステップ
同じパターンは、受診前の問診、期限を過ぎた検診の再案内、受診後のフォローアップ、処方薬の補充案内にも利用できます。いずれも、患者へ発信して本人確認を行い、記録システム上で処理するアウトバウンド通話です。上記のドキュメントを使って導入できます。
構築に関する追加サポートが必要なチームには、Forward Deployed Engineeringチームが医療機関のアウトバウンド患者対応ワークフローを支援します。
VishはElevenLabsのエンタープライズ導入チームの一員で、AI、ライフサイエンス、ヘルステック分野で15年以上の経験を持ち、生成AIヘルスプラットフォームMediKarmaの共同創業者でもあります。





