Podsumowanie webinaru: Wnioski z wdrażania AI w ochronie zdrowia

Od systemów opieki zdrowotnej oczekuje się dziś więcej dla pacjentów bez zwiększania zatrudnienia. Większość tego, co frustruje pacjentów, dzieje się wokół opieki, a nie w jej trakcie. Znalezienie odpowiedniego lekarza wymaga wysiłku. Podobnie jak powtarzanie tej samej historii przy każdym przekazaniu sprawy. 

W naszej najnowszej sesji Behind the Agent Cindy Liu (Enterprise Deployment, ElevenLabs) rozmawiała z Jacque Myers (Global Healthcare Lead, Slalom), Sylvią Doane Stephenson (Managing Director, Slalom) oraz Cristal Woodley (Chief Marketing and Experience Officer, Renown Health) o tym, gdzie agenci AI są faktycznie wdrażani w opiece zdrowotnej i co jest potrzebne, by uruchomić ich produkcyjnie.

To, co odróżnia wdrożenia, które można rozwijać, od tych, które grzęzną, to punkt startu: jedna mierzalna ścieżka o dużym wolumenie i niskim ryzyku zamiast rozproszonych, wyspecjalizowanych pilotaży.

Dlaczego ścieżka pacjenta wciąż nie działa

Pacjenci wpadają w błędne koło. Przy każdej zmianie etapu opieki potwierdzają, kim są, i wyjaśniają, dlaczego dzwonią. Czekają i są przekierowywani. Odpowiedzi, których szukają gdzie indziej, bywają niespójne. Gdy w końcu trafiają do właściwej osoby, cały proces zaczyna się od nowa.

Wszystkie punkty kontaktu istnieją — strona internetowa, portal pacjenta, contact center, EHR, rozliczenia — ale nie komunikują się ze sobą. Spójna ścieżka zaczyna się tam, gdzie jest pacjent, i najpierw angażuje go tam, gdzie ryzyko jest niskie, a wpływ duży.

Większość organizacji zaczyna wdrażanie AI na obrzeżach, od wyspecjalizowanych zastosowań wybranych ze względu na niskie ryzyko, ale nic z tego nie daje efektu skali. Alternatywa Jacque to tak zwana hero journey: kluczowa ścieżka, która odzwierciedla dużą część działań organizacji, nadal jest mało ryzykowna i którą można rozwijać, zamiast tworzyć od nowa dla każdego zastosowania.

Demo: rezerwacja wizyty od początku do końca

Umawianie wizyt to dobry kandydat na hero journey: duży wolumen, mierzalność i ryzyko na tyle niskie, by można było na nim budować. Tak wygląda początek tej ścieżki od początku do końca — od przyjęcia pacjenta po potwierdzenie wizyty.

Scenariusz: Pacjentka potrzebuje nowej recepty na soczewki kontaktowe. Na stronie swojego ubezpieczyciela znajduje optometrystę objętego ubezpieczeniem i dzwoni do gabinetu, gdzie odbiera wirtualny asystent umawiania wizyt.

Co pokazano:

• Agent w naturalnej rozmowie przeprowadził przyjęcie nowej pacjentki, zbierając imię i nazwisko, datę urodzenia oraz numer telefonu
• Zweryfikował jej telefon prawdziwym kodem SMS i poradził sobie, gdy kod został źle usłyszany za pierwszym razem
• Gdy dzwoniąca nie pamiętała identyfikatora członkowskiego ubezpieczenia, agent poprosił ją, by przyniosła kartę na wizytę, i przeszedł dalej
• Zaproponował trzy terminy, zarezerwował jeden i wysłał e-mail z potwierdzeniem na podstawie historii rozmowy oraz przypomnienie SMS
• Ten sam agent działał przez SMS — identyczny workflow działał jako rozmowa tekstowa, bez osobnej implementacji

Dlaczego to ważne: Jeden agent obsługiwał zarówno linię telefoniczną, jak i rozmowę tekstową, więc doświadczenie od razu było omnichannel. Zbudowanie dema zajęło około dwóch godzin — wystarczająco szybko, by zespół mógł stworzyć prototyp i przedstawić go wewnętrznie w ciągu kilku dni. Wdrożenie produkcyjne w przedsiębiorstwie to inna skala. Najwięcej pracy wymaga integracja, testowanie i zgodność, których agent potrzebuje przed uruchomieniem. W ElevenLabs zajmują się tym nasi inżynierowie pracujący bezpośrednio z klientem.

Od czego zacząć i co naprawdę blokuje postępy

Kolejność dla systemu opieki zdrowotnej, który zaczyna:

• Ambient listening: jeśli nie jest jeszcze zintegrowany z EHR. Zwykle zajmuje się tym dostawca narzędzi do dokumentacji, ale buduje to zaufanie klinicystów, od którego zależy wszystko, co przyjdzie później.
• Contact center: Większość systemów traktuje je jako pozycję kosztową. Zamiast tego może być źródłem wzrostu.
• Edukacja pacjentów i przestrzeganie zaleceń dotyczących leków: Powtarzalne zadania z mierzalnym i natychmiastowym ROI, które można skalować.

Tym, co blokuje automatyzację contact center, jest harmonogram lekarzy. Karty preferencji i szablony grafików to tylko widoczna część. Wolniejsze jest koordynowanie zmian wśród osób wysoko wykształconych, wykwalifikowanych i niezależnych. Skuteczne są ambasadorzy wśród lekarzy, zgodne przywództwo ułatwiające zmianę oraz stałe wsparcie — czasem nawet indywidualny trener dla każdego klinicysty.

Jak Renown Health rozwija rozwiązania oparte na agentach

Renown obsługuje pacjentów na obszarze 100 000 mil kwadratowych — od Salt Lake City po Sacramento.

Zespół Cristal zaczyna od pilotażu o jasno określonym zakresie. Rozważane przypadki użycia w ogóle nie obejmują informacji o pacjentach, a wewnętrzne sukcesy pomagają uzasadnić przed zespołem ds. zgodności kolejne kroki. 

Droga do tego wiodła przez dane. Zespół Cristal pracował z placówkami nad szablonami grafików, jednocześnie standaryzując otwarte umawianie wizyt. Szybkie korzyści z ambient listening otworzyły drzwi: placówki, które odczuły poprawę jakości życia, wracały z pytaniem, co jeszcze jest możliwe.

Mówiła też wprost o tempie: zespoły marketingu i contact center nie mają czasu czekać, bo pacjenci już z tego korzystają i już tego oczekują.

Bezpieczeństwo, HIPAA i wdrażanie agentów jak nowych pracowników

Rozmowy pełne emocji to pierwsza rzecz, o którą pyta większość zespołów. Renown już mierzy sentyment głosowy w swoim call center i kieruje dzwoniących do bardziej doświadczonych ludzkich agentów, przekazując im ten kontekst. Ta sama dyscyplina dotyczy agentów AI agentów.

Wdrażaj agentów tak jak ludzi: daj im SOP-y i centrum wiedzy, naucz reagowania na przerwania i eskalacje, a następnie oceniaj na podstawie przykładów antagonistycznych przed uruchomieniem i w bieżących cyklach PDSA (plan, do, study, act).

Zabezpieczenia działają na trzech poziomach:

• Sterowanie przez prompt systemowy
• Walidacja danych wejściowych wychwytująca próby ataków, zanim agent odpowie
• Ocena w czasie rzeczywistym każdej odpowiedzi względem skonfigurowanej polityki

W kwestii zgodności zabezpieczenia to te same standardy HIPAA, które regulują EHR-y, zastosowane do systemów AI: umowy BAA z dostawcami AI, interoperacyjność, właściwe systemy rejestrów, deidentyfikacja wszędzie tam, gdzie przepływają informacje, oraz brak trenowania na danych pacjentów bez wyraźnej zgody. ElevenLabs wymaga umowy BAA z klientami z sektora opieki zdrowotnej i oferuje tryb zerowego przechowywania danych, więc dane są przetwarzane, a następnie zwracane do twojego własnego, ograniczonego środowiska do przechowywania.

Co jest gotowe i co mierzyć

AI działa dziś produkcyjnie u klientów z sektora opieki zdrowotnej, prowadząc rozmowy w czasie rzeczywistym z niskimi opóźnieniami i trzymając się scenariusza bez pomijania pytań, które ma zadać.

Jednak każdy model w tym stosie ma z natury charakter probabilistyczny — niezależnie, czy chodzi o zamianę mowy na tekst, LLM czy zamianę tekstu na mowę. Dlatego znaczenie mają deterministyczne warstwy wokół nich i dlatego każde wdrożenie potrzebuje z góry ustalonego progu ryzyka oraz protokołu eskalacji — niezależnie od tego, czy sprawa trafia do człowieka, czy do bardziej zaawansowanego modelu.

Gdy próg jest ustalony, pojawia się pytanie, co śledzić. Renown Health śledzi wizyty zarezerwowane w każdym kanale, przypisując je do agenta, rozmowy telefonicznej lub wiadomości tekstowej, ponieważ pacjenci powinni móc docierać do opieki tak samo, jak docierają do wszystkiego innego.

Możesz też śledzić wskaźnik net promoter score wśród pacjentów, opiekunów i lekarzy, bo większość osób już lubi swoich lekarzy. Obciążenie tworzy wszystko wokół opieki, więc rosnąca satysfakcja oznacza, że ono maleje. Po stronie platformy śledzimy liczbę wdrożonych agentów i obsłużonych minut pod kątem adopcji, a także CSAT i wskaźnik deflection, by sprawdzić, czy rozwiązanie działa.

Dobre praktyki wdrażania agentów AI w opiece zdrowotnej

1. Wybierz hero journey, nie przypadek brzegowy: Jedna mierzalna ścieżka o dużym wolumenie i niskim ryzyku, którą można rozszerzać na całą organizację, jest lepsza niż rozproszone, wyspecjalizowane wdrożenia, które nigdy nie dają efektu skali.
2. Uporządkuj dane, zanim zautomatyzujesz proces: Najpierw trzeba uporządkować szablony grafików i standardy otwartego umawiania wizyt. Agent przejmuje cały bałagan, który znajduje pod spodem.
3. Pozyskaj ambasadorów wśród lekarzy i zapewnij im wsparcie liderów: Praca techniczna nie jest najwolniejszą częścią. Jest nią poparcie niezależnych klinicystów, które wymaga realnego wsparcia przez cały proces adopcji.
4. Wdrażaj agentów jak nowych pracowników: SOP-y, centrum wiedzy, wyuczone zachowania przy przerwaniach i eskalacjach, a potem ocena na podstawie przykładów antagonistycznych przed uruchomieniem i w bieżących cyklach PDSA.
5. Wszystko, co faktograficzne, uczyń deterministycznym: Pobieraj daty, dostępność i szczegóły z rejestrów przez narzędzia. Nie pozwalaj modelowi wnioskować o tym, co może sprawdzić.
6. Z góry określ próg eskalacji: Każdy model w stosie jest probabilistyczny. Zdecyduj wcześniej, co uruchamia przekazanie sprawy człowiekowi lub bardziej zaawansowanemu modelowi.
7. Mierz według kanału i satysfakcji: Liczba wizyt zarezerwowanych w każdym kanale pokazuje, czy pacjenci rzeczywiście z tego korzystają. NPS wśród pacjentów, opiekunów i lekarzy pokazuje, czy obciążenie maleje.

Obejrzyj całą sesję

Obejrzyj pełny webinar Behind the Agent: Sesja o wdrażaniu AI w opiece zdrowotnej.