ElevenAgents dla ochrony zdrowia: stwórz agenta obsługującego rezerwację wizyt przychodzących

Telefon wciąż jest główną drogą kontaktu z opieką zdrowotną — i jest przeciążony. Mayo Clinic badania oraz Epic studium przypadku pokazują, że około 30% wizyt jest umawianych poza standardowymi godzinami pracy. Telefony trafiające na pocztę głosową to wizyty, do których po cichu nie dochodzi, a pracownicy recepcji, którzy mieli je obsłużyć, są przeciążeni i szybko odchodzą. Agenci głosowi wyszli już poza etap dema i pomagają klinikom wypełnić tę lukę. Umawianie wizyt to najczęstszy punkt startu: dużo powtarzalnych, przewidywalnych zadań, które stanowią sporą część pracy recepcji i nie wymagają oceny klinicznej.

Umawianie wizyt w ochronie zdrowia stawia też wyższe wymagania. Błędny termin lub źle usłyszany powód wizyty to nie tylko złe doświadczenie — to problem z bezpieczeństwem i zgodnością. Agent do umawiania wizyt na recepcji potrzebuje czegoś więcej niż przyjemnego głosu: niezawodnej weryfikacji tożsamości, twardych zasad, jasnej ścieżki przekazania sprawy człowiekowi, zgodności potrzebnej do obsługi chronionych informacji zdrowotnych oraz możliwości faktycznego tworzenia, zmieniania i anulowania rezerwacji w prawdziwym systemie harmonogramowania.

W tym przewodniku zbudujesz właśnie takiego agenta w ElevenAgents: dostępnego telefonicznie, połączonego z przykładowym EHR, który kompleksowo umawia, przekłada i anuluje wizyty oraz przekazuje rozmowę, gdy trzeba. Poznasz workflow, zasady, testowanie i analizę, które utrzymają go w wyznaczonych granicach — na infrastrukturze stworzonej dla regulowanej opieki zdrowotnej.

Oto demo agenta, którego zbudujesz, obsługującego rozmowę na żywo od początku do końca:

Wymagania wstępne

Na początek potrzebujesz:

• Konta ElevenLabs z dostępem do platformy ElevenAgents i naszych głosów.
• Konta Twilio i numeru.
• Dostępu do Twilio Verify.
• Środowiska sandbox lub deweloperskiego EHR. W tym przewodniku użyjemy HAPI FHIR, otwartej implementacji referencyjnej formatu HL7 FHIR, aby weryfikować dane na syntetycznych rekordach pacjentów.
• Aplikacji kalendarza w twojej placówce. W tym przewodniku używamy natywnej integracji ElevenLabs z Cal.com. 

Opcjonalnie

Jeśli nie masz dostępu do danych sandbox lub robisz to tylko dla celów demonstracyjnych, użyjemy serwera sandbox HAPI FHIR R4 i dodamy do niego przykładowy rekord pacjenta, którego użyjesz na etapie weryfikacji. Aby to zrobić, uruchom w terminalu poniższe polecenie API z przykładowymi danymi:

curl -X POST "https://hapi.fhir.org/baseR4/Patient" \
  -H "Content-Type: application/fhir+json" \
  -H "Accept: application/fhir+json" \
  -d '{
    "resourceType": "Patient",
    "identifier": [
      { "system": "http://hospital.example.org/mrn", "value": "<YOUR-FAKE-MRN-NUMBER>" }
    ],
    "name": [ { "use": "official", "family": "<YOUR-FAKE-FAMILY-NAME>", "given": [ "<YOUR-FAKE-GIVEN-NAME>" ] } ],
    "gender": "<male or female>",
    "birthDate": "<YOUR-FAKE-DOB> (in YYYY-MM-DD format)"
  }'

Dopasowanie jest potwierdzone tylko wtedy, gdy zapytanie zwróci dokładnie jeden rekord — zero wyników oznacza brak dopasowania, a więcej niż jeden oznacza, że parametry wyszukiwania nie były wystarczająco precyzyjne, by bezpiecznie kontynuować. 

Architektura

W tym przewodniku zbudujesz agenta do umawiania wizyt działającego pod numerem Twilio i natywnie zintegrowanego z twoim ElevenAgent. Gdy połączy się rozmowa przychodząca, agent za pomocą dostępnych narzędzi zbierze dane potrzebne do weryfikacji i informacje o wizycie — niezależnie od tego, czy osoba dzwoniąca chce umówić nową wizytę, przełożyć ją czy anulować istniejącą — oraz w razie potrzeby przekaże rozmowę człowiekowi.

W tej architekturze udany przebieg rozmowy obejmuje:

1. Rozpoczęcie rozmowy: pacjent dzwoni na numer Twilio przypisany do agenta, który wita pacjenta i rozpoznaje jego intencję.
2. Weryfikacja EHR: agent sprawdza dane pacjenta z jego rekordem w EHR.
3. Weryfikacja: agent wysyła na numer telefonu pacjenta hasło jednorazowe (OTP), aby ostatecznie potwierdzić jego tożsamość za pomocą narzędzia SMS.
4. Rezerwacja lub zmiana: agent realizuje rozpoznaną intencję w kalendarzu — przy nowej wizycie zbiera dane i sprawdza dostępność; przy zmianie terminu wyszukuje istniejącą wizytę i znajduje nowy termin; przy anulowaniu potwierdza i usuwa istniejącą wizytę.
5. Przekazanie rozmowy: jeśli rezerwacja lub zmiana się nie uda, pacjent poprosi o rozmowę z człowiekiem albo agent wykryje inną intencję, której nie potrafi obsłużyć, rozmowa zostanie przekazana pracownikowi.
6. Potwierdzenie i zakończenie: po udanej rezerwacji, zmianie terminu lub anulowaniu agent podsumowuje rozmowę i uprzejmie ją kończy.

System prompt i ustawienia agenta

Pierwszym krokiem do stworzenia skutecznego ElevenAgent jest jego system prompt. Zgodnie z przewodnikiem po promptach ElevenLabs dzielimy go na podstawowe elementy zalecane dla każdego agenta produkcyjnego — osobowość, cel, ton, narzędzia i zasady — każdy w osobnej, wyraźnie oznaczonej sekcji, zamiast w jednym ciągu instrukcji.

W przypadku agenta do umawiania wizyt w ochronie zdrowia struktura musi uwzględniać, kto naprawdę jest po drugiej stronie słuchawki: osoba starsza, cierpiąca, niedosłysząca albo po prostu zaniepokojona powodem telefonu. Sekcje osobowości i tonu nadają ciepłe, spokojne tempo oraz dbają, by odpowiedzi były krótkie i naturalne, a daty, godziny i liczby wymawiane tak, jak mówi je człowiek, a nie odczytywane z ekranu. Sekcja celu prowadzi przez flow w określonej kolejności — najpierw weryfikacja tożsamości, a następnie, zależnie od tego, czy rozmówca chce umówić, przełożyć czy anulować wizytę: sprawdzenie dostępności i potwierdzenie terminu, znalezienie i przeniesienie istniejącej wizyty albo potwierdzenie wizyty do usunięcia — a narzędzia są opisane z dokładnym formatem danych wejściowych w mowie. Zasady obejmują reguły specyficzne dla tej dziedziny: nigdy nie ujawniaj więcej PHI, niż rozmówca już podał, nigdy nie wymyślaj dostępności ani danych wizyty, gdy narzędzie zawiedzie, odmawiaj odpowiedzi na pytania kliniczne i kieruj do własnego lekarza rozmówcy, a przy opisie pilnych objawów lub nagłego przypadku medycznego od razu eskaluj sprawę. Weryfikacja tożsamości przed każdą czynnością dotyczącą wizyty to jedyna reguła powtarzana, a nie podana tylko raz. To granica, której agent najmniej może sobie pozwolić nie przestrzegać.

Następnie możesz dodać dodatkowe konfiguracje agenta, takie jak pierwsza wiadomość, różne języki (upewnij się, że narzędzie systemowe wykrywania języka jest włączone), wybrany LLM, konwersacyjny model ElevenLabs zamiany tekstu na mowę oraz głos ElevenLabs.

Przykładowy system prompt znajdziesz tutaj.

Zasady

Sekcja zasad w system prompcie obejmuje reguły na poziomie instrukcji, którym model nadaje dużą wagę. Prompt nadal jest jednak warstwą niedeterministyczną i przy długiej rozmowie może odbiegać od założeń. ElevenAgents wspiera je niezależnym egzekwowaniem w czasie działania dzięki własnym zasadom. Obejmują one Focus Guardrail, który wzmacnia system prompt, gdy rozmowa się wydłuża, Manipulation Guardrails, które wychwytują próby prompt injection, zanim agent odpowie, oraz Content i Custom Guardrails, które oceniają każdą odpowiedź w czasie rzeczywistym i mogą ją zablokować, zanim usłyszy ją rozmówca. Każda zasada ma tryb wykonania — streaming dla niemal zerowego opóźnienia lub blocking, który wstrzymuje odpowiedź do czasu jej zatwierdzenia — oraz strategię wyjścia określającą reakcję na aktywację: zakończenie rozmowy lub ponowienie z korygującą informacją zwrotną dodaną do następnej tury.

Dla tego agenta możemy zdefiniować własne zasady dotyczące opieki zdrowotnej lub kliniki: blokować diagnozowanie i zalecanie leczenia, pytania o rozliczenia, wskazówki dotyczące dawkowania leków oraz wszystko, co zastępuje poradę licencjonowanego specjalisty. W przypadku pilnych objawów ustaw strategię wyjścia na ponowienie z informacją zwrotną, która przekaże rozmowę człowiekowi, aby zasada przekazała ją personelowi zamiast ją tylko zakończyć.

Narzędzia

Każdy etap flow wymaga konkretnych narzędzi webhook i integracji do wykonywania określonych działań podczas rozmowy z pacjentem.

Narzędzie do weryfikacji EHR

Aby zweryfikować pacjenta z jego rekordem w EHR, użyjemy akcji API FHIR GET /Patient. Dodaj ją jako narzędzie webhook wskazujące na bazowy URL HAPI FHIR, z parametrami family, given, identifier i birthdate uzupełnianymi przez LLM. Pierwsze wywołanie narzędzia na etapie Verification trafia do endpointu z imieniem, nazwiskiem i datą urodzenia rozmówcy w jednym zapytaniu:

GET /baseR4/Patient?family={lastName}&given={firstName}&birthdate={YYYY-MM-DD}

Dopasowanie jest potwierdzone tylko wtedy, gdy zapytanie zwróci dokładnie jeden rekord. Agent może przejść do etapu Booking wyłącznie po spełnieniu tego warunku.

Przykładowy JSON narzędzia znajdziesz tutaj.

Narzędzia weryfikacji SMS Twilio

Po potwierdzeniu dopasowania w EHR etap Verification przechodzi do drugiego czynnika: wysłania pacjentowi jednorazowego kodu SMS i jego potwierdzenia, zanim wydarzy się cokolwiek innego. Konfiguracja wymaga trzech kroków:

1. Utwórz narzędzia webhook SMS. Skonfiguruj dwa narzędzia: send_SMS_verification oraz check_SMS_verification, oba wskazujące na usługę Twilio Verify. Każde wymaga Verify Service SID (wartości VA... z ustawień usługi Verify) w ścieżce URL oraz nagłówka Basic auth utworzonego z Account SID i Auth Token zapisanych jako sekret.

2. Ustaw odbiorcę za pomocą zmiennej systemowej. ElevenAgents udostępnia zmienne systemowe, które automatycznie wypełniają system__caller_id numerem telefonu rozmówcy przy każdej rozmowie głosowej, więc przekaż {{system_caller_id}} jako parametr To, zamiast prosić rozmówcę o odczytanie numeru. W środowisku produkcyjnym z aktywnym EHR kod byłby wysyłany na numer telefonu zapisany w rekordzie pacjenta, a nie na identyfikator rozmówcy.

3. Włącz skip_turn. Dodanie tego narzędzia systemowego obok narzędzi webhook pozwala agentowi czekać w ciszy, gdy rozmówca szuka SMS-a, zamiast mówić podczas przerwy.

Do etapu Booking może przejść tylko rozmówca, który pomyślnie przejdzie zarówno wyszukiwanie EHR, jak i kontrolę OTP. 

Przykładowy JSON obu narzędzi znajdziesz tutaj oraz tutaj.

Narzędzia integracji kalendarza

Etap Booking musi sprawdzać dostępność oraz tworzyć, przekładać i anulować wizyty w prawdziwym kalendarzu. Konfiguracja integracji Cal.com wymaga trzech kroków:

1. Połącz integrację. Na karcie Tools agenta dodaj integrację Cal.com i kliknij Connect.

2. Przypnij typ wydarzenia. Każde narzędzie kalendarza przyjmuje identyfikator typu wydarzenia, który wskazuje Cal.com, dla którego wydarzenia ma utworzyć rezerwację. Ustaw go jako stały parametr w połączonych narzędziach, używając identyfikatora z panelu Cal.com.

3. Ustaw e-mail uczestnika. Narzędzia rezerwacji potrzebują też e-maila uczestnika. Do celów demonstracyjnych przypnij jako stały parametr własny adres, aby potwierdzenia trafiały do twojej skrzynki. W produkcji z prawdziwym EHR pobierzesz go z rekordu pacjenta, zamiast wpisywać go na stałe.

Dalszy przebieg Booking zależy od intencji rozpoznanej w Greeting. Przy nowej wizycie agent wywołuje calcom_get_available_slots , aby sprawdzić wolne terminy przed zaproponowaniem jednego z nich, a potem calcom_create_booking po potwierdzeniu przez rozmówcę — zawsze w tej kolejności, ponieważ sprawdzenie dostępności zapobiega podwójnej rezerwacji terminu. Przy zmianie terminu lub anulowaniu agent najpierw znajduje istniejącą wizytę rozmówcy za pomocą calcom_find_bookings_by_attendee, potwierdza konkretną rezerwację z rozmówcą, a następnie usuwa ją przez calcom_cancel_booking lub, przy zmianie terminu, rezerwuje nowy termin przed anulowaniem starego.

Przekazanie rozmowy człowiekowi

Aby przekazać rozmowę człowiekowi, możemy użyć narzędzia systemowego ElevenLabs transfer_to_number narzędzie systemowe. Dodaj je na poziomie agenta, aby było dostępne z etapów Greeting, Verification i Booking. W regule przekazania podaj docelowy numer telefonu w formacie E.164 oraz opisany prostym językiem warunek jego uruchomienia. LLM decyduje, kiedy i gdzie przekazać rozmowę, na podstawie tych warunków i opisu narzędzia. Pozostaw domyślny typ przekazania Conference, ponieważ obsługuje ciepłe przekazanie z wiadomością wyjaśniającą pracownikowi, dlaczego rozmowa trafia do niego.

Projektowanie ścieżki pacjenta

Workflows to wizualne, oparte na grafie flow rozmów zbudowane z kilku typów węzłów: węzłów subagentów, które dodają system prompt, narzędzia i bazę wiedzy do bazowego agenta orkiestratora dla jednego etapu rozmowy; węzłów narzędzi dispatch, które gwarantują wykonanie określonego narzędzia i rozgałęziają flow zależnie od powodzenia lub błędu; węzłów transferu agenta i transfer-to-number do przekazywania rozmów oraz węzła końcowego do zakończenia rozmowy. Węzły łączą krawędzie, a krawędzie prowadzące dalej mogą zawierać warunek LLM — regułę w języku naturalnym, którą model ocenia w czasie rzeczywistym, by wybrać ścieżkę. Budujemy agenta z pięciu węzłów subagentów — Greeting, Verification, Booking, Transfer Notice i Close — każdy z własnymi narzędziami, oraz jednego węzła Phone Number Transfer dostępnego z Transfer Notice.

Greeting to punkt wejścia: odbiera rozmowę, przedstawia klinikę i rozpoznaje intencję pacjenta przed przekazaniem dalej — bez własnych narzędzi, tylko z kontekstem wystarczającym do właściwego skierowania rozmowy.

Verification realizuje opisaną wcześniej kontrolę dwuskładnikową, używając narzędzia FHIR GET /Patient do potwierdzenia, że rozmówca odpowiada rekordowi w EHR, a następnie narzędzi send_SMS_verification i check_SMS_verification do wysłania i sprawdzenia kodu jednorazowego, zanim rozmówca będzie mógł przejść dalej. Dalej przechodzi wyłącznie rozmówca, który przejdzie obie kontrole; pozostali są kierowani krawędzią do Transfer Notice.

Booking zawiera narzędzia kalendarza z poprzedniej sekcji, a intencja zebrana w Greeting określa ścieżkę: sprawdzenie dostępności i rezerwacja nowej wizyty, wyszukanie istniejącej rezerwacji i ponowna rezerwacja przed anulowaniem przy zmianie terminu albo potwierdzenie i anulowanie. Ten węzeł ma też otwartą ścieżkę awaryjną do Transfer Notice — jeśli żaden termin w kalendarzu nie pasuje, nie można dopasować rozmówcy do istniejącej wizyty albo woli on porozmawiać z personelem, krawędź kieruje tam zamiast zatrzymywać rozmowę.

Transfer Notice znajduje się między resztą workflow a samym przekazaniem — to krótki subagent, którego jedynym zadaniem jest poinformowanie rozmówcy o przekazaniu (np. „Łączę teraz z kimś z naszego zespołu”) przed faktycznym opuszczeniem agenta przez rozmowę. Kierowanie najpierw każdego warunku przekazania przez ten węzeł, zamiast uruchamiania transfer_to_number bezpośrednio z Greeting, Verification lub Booking, gwarantuje, że rozmówca zawsze usłyszy tę informację, zamiast zostać po cichu przekazanym, gdy sformułowanie różni się zależnie od subagenta.

Phone Number Transfer, oparty na narzędziu transfer_to_number, to węzeł, do którego zawsze prowadzi Transfer Notice. Jego reguły łączą numer docelowy z tymi samymi warunkami z wcześniejszych etapów — nieudaną weryfikacją, wyraźną prośbą, rezerwacją, której nie można ukończyć — i realizuje przekazanie, gdy rozmówca został już o nim poinformowany.

Close jest osiągany wyłącznie po udanej rezerwacji: podsumowuje rozmówcy dane wizyty i ciepło kończy rozmowę.

Przykładowy szablon JSON workflow znajdziesz tutaj.

Analiza i testowanie

Większość pracy nad głosowym agentem dla ochrony zdrowia nie dotyczy idealnego scenariusza — lecz wszystkiego, co musi zadziałać poprawnie, gdy rozmowa nie przebiega według planu. ElevenAgents oferuje wbudowane testowanie i analizę na platformie, więc te same kryteria oceny, których używasz przed wdrożeniem, oceniają każdą rozmowę w produkcji — bez osobnego narzędzia do łączenia czy uzgadniania.

Kryteria sukcesu

Zdefiniuj kryteria sukcesu obejmujące konkretne kryteria oceny zgodne z twoimi celami biznesowymi i operacyjnymi. Na karcie Analysis każde kryterium jest promptem w prostym języku, który LLM uruchamia dla transkrypcji i zwraca success, failure lub unknown wraz z uzasadnieniem. Dla tego agenta mogą to być na przykład:

• patient_verified: „Oznacz jako sukces, jeśli agent potwierdził tożsamość rozmówcy zarówno przez wyszukiwanie EHR, jak i jednorazowy kod SMS, zanim przeszedł do rezerwacji.”
• appointment_booked: „Oznacz jako sukces, jeśli wizyta pacjenta została zarezerwowana”
• appointment_changed: „Oznacz jako sukces, jeśli pacjent poprosił o przełożenie lub anulowanie istniejącej wizyty, agent dokonał tej zmiany — aktualizując lub usuwając wydarzenie z kalendarza — i potwierdził wynik rozmówcy.” 
• call_escalated_when_requested: „Oznacz jako sukces, jeśli rozmówca poprosił o rozmowę z człowiekiem, a agent przekazał rozmowę; oznacz jako porażkę, jeśli rozmówca poprosił o to, a agent nie przekazał rozmowy.”

Zbieranie danych

Możesz połączyć je z polami zbierania danych. Na przykład dodać requested_action (rezerwacja, zmiana terminu lub anulowanie), appointment_date albo appointment_type, które są wyodrębniane z każdej transkrypcji jako ustrukturyzowane wartości tekstowe, logiczne lub liczbowe, a następnie przesyłane dalej przez webhook po rozmowie do dowolnego systemu śledzącego wyniki rozmów. 

Symulacje i testy

W ochronie zdrowia agent musi zdobyć zaufanie przed pierwszą prawdziwą rozmową — tryby błędów powinny ujawnić się w testach, a nie przed pacjentem. Conversation Simulation API symuluje realistyczne scenariusze rozmówców, kompleksowo i w wybranych fragmentach, a wyniki automatycznie ocenia według tych samych kryteriów używanych w produkcji — dokładnie według zdefiniowanych wyżej kontroli patient_verified i appointment_booked, a nie osobnej rubryki tylko do testów. Uruchamiaj pełne symulacje dla całej rozmowy lub częściowe, zaczynające się w jej środku, by sprawdzić pojedynczy punkt decyzyjny. To szybszy sposób iteracji nad jednym węzłem bez ponownego uruchamiania całego flow. 

Dla tego agenta oznacza to przygotowanie scenariuszy wykraczających poza idealny przebieg: rozmówca, którego imię i nazwisko nie pasuje do żadnego rekordu EHR, osoba, która dwa razy błędnie poda OTP, pacjent chcący zmienić termin zamiast umówić wizytę, oraz rozmówca, który wprost prosi o człowieka w trakcie weryfikacji. To jasne, skupione scenariusze zapewniające pokrycie przypadków brzegowych, użycia narzędzi i logiki awaryjnej, zamiast liczyć, że ujawnią się w produkcji.

Połącz swój numer Twilio

Gdy agent jest gotowy, połączenie go z aktywnym numerem zajmie kilka minut:

1. W panelu ElevenLabs przejdź do Phone Numbers i kliknij Import number.
2. Podaj Label, Phone Number oraz Twilio Account SID i Auth Token
3. Po zaimportowaniu przypisz numer do agenta z listy rozwijanej
4. Zadzwoń pod ten numer, aby go przetestować, a następnie sprawdź panel historii Conversations, aby potwierdzić, że pierwsze rozmowy przebiegły zgodnie z oczekiwaniami.

Gotowe na prawdziwych pacjentów

Zbudowaliśmy agenta do umawiania wizyt, który robi więcej niż odbiera telefon: weryfikuje tożsamość w EHR i przez drugi czynnik OTP przed dostępem do rekordu, bezpośrednio rezerwuje, przekłada i anuluje wizyty w aktywnym kalendarzu przez API Cal.com oraz wie, kiedy ustąpić miejsca i przekazać rozmówcę człowiekowi. Deterministyczny workflow, zasady egzekwowane w czasie działania i kryteria oceny zapewniają zespołom ścieżkę audytu oraz powtarzalny sposób testowania wymagany przy wdrożeniach w ochronie zdrowia.

Wdrożenie produkcyjne pokazuje wartość tego podejścia. Kryteria oceny zdefiniowane podczas budowy stają się progiem wdrożenia — gdy agent przechodzi je konsekwentnie, a metryki się stabilizują, masz podstawy, by go uruchomić, zamiast kierować się intuicją — a po wdrożeniu nauka przenosi się z symulowanych testów do transkrypcji produkcyjnych. Opisujemy te praktyki, od etapowych wdrożeń po decyzję, kiedy zakończyć iteracje, w poprzednim artykule na blogu.

Kluczowym krokiem w kierunku zgodności z HIPAA jest obsługa danych. Włączenie Zero Retention Mode usuwa nagrania rozmów, transkrypcje i metadane zawierające PII od razu po zakończeniu rozmowy, eliminując największe źródło ryzyka zgodności we wdrożeniu telefonicznym. W połączeniu z webhookiem po rozmowie nie tracisz wglądu — wynik każdej rezerwacji, weryfikacji i oceny trafia do twojego systemu w czasie rzeczywistym po zakończeniu rozmowy.

Masz teraz szablon, który pozwoli wdrożyć agentową głosową AI na pierwszej linii kontaktu twojej kliniki. Umawianie wizyt to obszar o największej liczbie zgłoszeń na początek, a ten sam wzorzec sprawdzi się też przy przyjmowaniu pacjentów, odnowieniach recept, rozliczeniach i kontaktach po wizycie — każde z tych połączeń nie musi już trafiać po godzinach na pocztę głosową. Nasz zespół Forward Deployed Engineering blisko współpracuje z organizacjami ochrony zdrowia, by przekładać takie wdrożenia na konkretne funkcje produktu. Jeśli chcesz wdrożyć workflow dla pacjentów w ElevenAgents ze zgodnością wymaganą w ochronie zdrowia, wypróbuj to podejście i daj nam znać, co o nim myślisz.