ウェビナーまとめ：医療分野におけるAI導入から得た学び

医療機関には、人員を増やさずに患者への対応をさらに充実させることが求められています。患者の不満の多くは、診療そのものではなく、その前後で生じます。適切な医師を探すのにも手間がかかり、引き継ぎのたびに同じ説明を繰り返すのも負担です。

最新のBehind the Agentセッションでは、Cindy Liu（ElevenLabs、エンタープライズ導入担当）が、Jacque Myers（Slalom、グローバルヘルスケア責任者）、Sylvia Doane Stephenson（Slalom、マネージングディレクター）、そしてCristal Woodley（Renown Health、最高マーケティング・エクスペリエンス責任者）とともに、医療現場でAIエージェントが実際にどこへ導入されているのか、そして本番運用を始めるために何が必要かを議論しました。

成果が積み上がる導入と停滞する導入を分けるのは、どこから始めるかです。専門的なパイロットを散発的に行うのではなく、大量の利用が見込め、測定可能で、リスクの低い1つのジャーニーから始めます。

患者ジャーニーが分断されたままの理由

患者は同じことを繰り返すサイクルに陥っています。診療の移行のたびに本人確認をし、電話した理由を説明します。待たされた末に別の窓口へ回され、別の場所で探した回答も一貫していません。ようやく適切な担当者につながっても、また最初から手続きを始めることになります。

Webサイト、患者ポータル、コンタクトセンター、EHR、請求など、接点はすべて存在します。しかし、それぞれが連携していません。つながったジャーニーは患者がいる場所から始め、まずはリスクが低く、効果の大きい領域で対応します。

多くの組織は、リスクが低いと判断された専門的なユースケースなど、周辺領域からAI導入を始めます。しかし、そこから成果は積み上がりません。Jacqueが提案するのは「ヒーロージャーニー」です。これは、幅広い業務を代表し、なおかつ低リスクな中核ジャーニーであり、ユースケースごとに作り直すのではなく、基盤として拡張していけます。

デモ：予約を最初から最後まで完了する

診療予約は、ヒーロージャーニーの有力な候補です。利用件数が多く、測定可能で、拡張の土台にできる程度にリスクも低いためです。ここでは、患者の受付から予約確認まで、このジャーニーの入口から完了までをご紹介します。

シナリオ： 新しいコンタクトレンズの処方箋が必要な患者が、保険会社のWebサイトでネットワーク内の検眼医を探し、その診療所に電話をかけます。そこでバーチャル予約アシスタントが応答します。

デモで紹介した内容：

• エージェントが会話形式で新規患者の受付を行い、氏名、生年月日、電話番号を収集
• 実際のSMSコードで電話番号を確認し、最初の試行でコードを聞き間違えた場合も対応を継続
• 発信者が保険の会員IDを思い出せない場合は、予約時に保険証を持参するよう案内して次へ進行
• 3つの空き枠を提示して1つを予約し、会話履歴をもとに作成した確認メールとテキストリマインダーを送信
• 同じエージェントがSMSでも稼働し、別途構築することなく、同一のワークフローをテキスト会話として実行

重要な理由： 1つのエージェントが電話とテキストメッセージの両方を支えるため、最初からオムニチャネルの体験を提供できます。デモの構築には約2時間しかかからず、チームは数日以内にプロトタイプを作成し、社内提案できます。エンタープライズでの本番運用は別の規模です。稼働開始前に必要となるインテグレーション、テスト、コンプライアンス対応に作業の大半がかかります。ElevenLabsでは、この作業をフォワードデプロイメントエンジニアが担います。

始めるべき場所と、実際の障壁

医療システムが導入を始める際の順序：

• アンビエントリスニング： まだEHRに統合されていない場合に取り組みます。通常は文書作成ベンダーを通じて進めますが、その後の取り組みの基盤となる臨床医の信頼を得られます。
• コンタクトセンター： 多くの医療システムではコスト項目として扱われていますが、成長センターとして機能させることもできます。
• 患者教育と服薬アドヒアランス： ROIをすぐに測定できる反復可能な業務であり、拡張しやすい領域です。

コンタクトセンター自動化を阻む要因は、医師のスケジュール管理です。選好カードやスケジュールテンプレートは目に見える部分にすぎません。時間がかかるのは、高度な訓練とスキルを持ち、自律性の高い人々の間で変化を調整することです。効果的なのは、推進役となる医師、変化を促進できる足並みのそろったリーダーシップ、そして導入後まで続く支援です。場合によっては、臨床医一人ひとりにコーチを付ける必要があります。

Renown Healthのエージェント導入への取り組み

Renownは、ソルトレイクシティからサクラメントに及ぶ10万平方マイルの地域で患者にサービスを提供しています。

Cristalのチームは、対象範囲を限定したパイロットから始めています。検討中のユースケースでは患者情報を一切扱わず、社内での成功を積み重ねて、次の段階に向けたコンプライアンス部門への説得材料にしています。

そこに至るまでの鍵はデータでした。Cristalのチームは、オープンスケジューリングを標準化する一方で、医療提供者とともにスケジュールテンプレートを検討しました。アンビエントリスニングによる早期の成果が道を開きました。生活の質の違いを実感した医療提供者が、他にどんなことができるのかを尋ねるようになったのです。

Cristalはスピードについても率直でした。患者はすでにこうした技術を使っており、それを当然のものとして期待しているため、マーケティングチームやコンタクトセンターチームには待っている時間がありません。

セーフティ、HIPAA、新入社員のようにエージェントをオンボーディングする方法

感情的に緊迫した電話への対応は、ほとんどのチームが最初に尋ねることです。Renownはすでにコンタクトセンターで音声センチメントを測定し、より経験豊富な有人エージェントへ発信者を引き継ぐ際にも、そのコンテキストを引き継いでいます。同じ規律はAI エージェントにも当てはまります。

人をオンボーディングするようにエージェントもオンボーディングします。SOPとナレッジセンターを提供し、割り込みやエスカレーションへの対応を学習させます。そして、稼働開始前と継続的なPDSA（計画、実行、評価、改善）サイクルの中で、敵対的な事例に対して評価します。

ガードレールは3つの層で機能します：

• 制御：システムプロンプトを通じて実施
• 入力検証：エージェントが応答する前に敵対的な試みを検知
• リアルタイム評価：設定したポリシーに照らしてすべての応答を評価

コンプライアンス面では、EHRを規定するHIPAA基準と同じ保護措置をAIシステムにも適用します。AIベンダーとのBAA、相互運用性、適切な記録システム、情報が移動するすべての場所での匿名化、明示的な同意なしに患者データを学習に使用しないことが含まれます。ElevenLabsは医療分野のお客様とのBAA締結を必須とし、データゼロ保持モードも提供しています。データは処理のために通過するだけで、お客様自身のアクセスが制限された環境に返却され、そこで保存されます。

すでに実現できることと、測定すべきこと

AIはすでに医療分野のお客様のもとで本番稼働しており、リアルタイムかつ低レイテンシーの会話を行い、聞くべき質問を飛ばすことなくスクリプトに従っています。

ただし、スタック内のすべてのモデルは、本質的に確率的です。スピーチtoテキスト、LLM、またはテキスト読み上げのいずれであっても同じです。だからこそ、それらを囲む決定論的なレイヤーが重要であり、すべての導入においてリスクのしきい値とエスカレーションプロトコルを事前に決める必要があります。人間へ引き継ぐのか、より高性能なモデルへ引き継ぐのかも、あらかじめ定めます。

しきい値を設定した後は、何を追跡するかが問題になります。Renown Healthでは、患者が他のあらゆるサービスと同じように医療へアクセスできるべきだという考えのもと、チャネルごとの予約件数を追跡しています。各予約がエージェント、電話、テキストメッセージのどれを経由したかも把握します。

あるいは、患者、介護者、医師を対象にネットプロモータースコア（NPS）を追跡することもできます。多くの人はすでに医師に満足しています。負担を生むのは診療そのものではなく、その周辺の体験です。満足度の上昇は、負担の軽減を意味します。プラットフォーム側では、導入状況を把握するために稼働中のエージェント数と対応分数を、成果を確認するためにCSATと自己解決率を見ています。

医療分野でAIエージェントを導入するためのベストプラクティス

1. エッジケースではなく、ヒーロージャーニーを選ぶ： 全社に拡張できる、大量利用・測定可能・低リスクの1つのジャーニーは、成果が積み上がらない専門的導入の寄せ集めより優れています。
2. プロセスを自動化する前にデータを整備する： まずスケジュールテンプレートとオープンスケジューリングの標準を整理する必要があります。エージェントは、その下にある混乱をそのまま引き継ぎます。
3. 推進役となる医師を確保し、リーダーシップで支える： 時間がかかるのは技術作業ではありません。自律性の高い臨床医からの賛同を得ることであり、導入完了まで実質的な支援が必要です。
4. 新入社員のようにエージェントをオンボーディングする： SOP、ナレッジセンター、割り込みやエスカレーションへの対応を学習させたうえで、稼働開始前と継続的なPDSAサイクルにおいて敵対的な事例で評価します。
5. 事実に関する情報は決定論的に扱う： 日付、空き状況、記録の詳細はツールを通じて取得します。検索できる情報をモデルに推測させないでください。
6. エスカレーションのしきい値を事前に定義する： スタック内のすべてのモデルは確率的です。人間またはより高性能なモデルへの引き継ぎを開始する条件を、あらかじめ決めておきます。
7. チャネル別・満足度別に測定する： チャネルごとの予約件数は、患者が実際に利用しているかを示します。患者、介護者、医師のNPSは、負担が軽減しているかを示します。

セッション全編を見る

ウェビナー全編はこちら：Behind the Agent：医療分野でのAI導入セッション。