Podsumowanie webinaru: Wnioski z wdrażania AI w ochronie zdrowia

Systemy opieki zdrowotnej mają robić więcej dla pacjentów bez zwiększania zatrudnienia. Większość tego, co frustruje pacjentów, dzieje się wokół opieki, a nie w jej trakcie. Znalezienie właściwego lekarza wymaga wysiłku. Tak samo jak powtarzanie tej samej historii przy każdym przekazaniu sprawy. 

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

Wdrożenia, które nabierają rozpędu, od tych, które stają w miejscu, odróżnia punkt startu: jedna mierzalna ścieżka o dużym wolumenie i niskim ryzyku zamiast wielu wyspecjalizowanych pilotaży.

Dlaczego ścieżka pacjenta wciąż nie działa

Pacjenci tkwią w powtarzalnym cyklu. Przy każdym etapie opieki potwierdzają, kim są, i wyjaśniają, dlaczego dzwonią. Czekają, a potem są przekierowywani. Odpowiedzi, których szukają gdzie indziej, bywają niespójne. Gdy w końcu trafią do właściwej osoby, zaczynają cały proces od nowa.

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 — i nic z tego nie daje efektu skali. Alternatywą Jacque jest tak zwana hero journey: kluczowa ścieżka, która obejmuje dużą część działań, wciąż wiąże się z niskim ryzykiem i którą można rozwijać, zamiast tworzyć od nowa dla każdego zastosowania.

Demo: Umawianie wizyty od początku do końca

Umawianie wizyt to dobry kandydat na hero journey: ma duży wolumen, jest mierzalne i na tyle mało ryzykowne, że można je rozwijać. Tak wygląda początek tej ścieżki od początku do końca — od zebrania danych 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 przeprowadził rozmowę wstępną z nową pacjentką, zbierając jej 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 numeru członkowskiego ubezpieczenia, agent poprosił ją o przyniesienie karty na wizytę i przeszedł dalej
• Zaproponował trzy terminy, zarezerwował jeden i wysłał e-mail z potwierdzeniem oparty na historii rozmowy oraz przypomnienie SMS
• Ten sam agent działał przez SMS — identyczny workflow działał jako rozmowa tekstowa, bez osobnej konfiguracji

Dlaczego to ważne: Jeden agent obsługiwał zarówno linię telefoniczną, jak i wiadomości tekstowe, więc doświadczenie od razu było wielokanałowe. Demo powstało w około dwie godziny — wystarczająco szybko, by zespół mógł stworzyć prototyp i przedstawić go wewnętrznie w ciągu kilku dni. Wdrożenie produkcyjne w firmie to inna skala. Najwięcej pracy wymaga integracja, testy i zgodność, których agent potrzebuje przed uruchomieniem. W ElevenLabs zajmują się tym nasi inżynierowie wdrożeniowi.

Od czego zacząć i co naprawdę blokuje postęp

Kolejność dla systemu ochrony zdrowia, który zaczyna:

• Nasłuchiwanie ambientowe: jeśli nie jest jeszcze zintegrowane z EHR. Zwykle zajmuje się tym dostawca systemu dokumentacji, ale buduje to zaufanie klinicystów, od którego zależy wszystko, co nastąpi 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.

Automatyzację contact center blokuje planowanie grafików lekarzy. Karty preferencji i szablony harmonogramów to tylko widoczna część. Wolniej przebiega koordynowanie zmian wśród osób świetnie wykształconych, wysoce wykwalifikowanych i bardzo niezależnych. Sprawdzają się lekarze-liderzy, spójne kierownictwo ułatwiające zmianę oraz stałe wsparcie — czasem aż po indywidualnego trenera dla każdego klinicysty.

Jak Renown Health rozwija agentów

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 zastosowania całkowicie omijają informacje o pacjentach, a wewnętrzne sukcesy pomagają uzyskać zgodę działu compliance na kolejne kroki. 

Punktem wyjścia były dane. Zespół Cristal pracował z placówkami nad szablonami harmonogramów, jednocześnie standaryzując otwarte planowanie wizyt. Szybkie efekty nasłuchiwania ambientowego 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 mogą czekać, bo pacjenci już z tego korzystają i już tego oczekują.

Bezpieczeństwo, HIPAA i wdrażanie agentów jak nowych pracowników

Rozmowy o silnym ładunku emocjonalnym to pierwsza rzecz, o którą pyta większość zespołów. Renown już mierzy sentyment głosowy w swoim call center i kieruje dzwoniących do bardziej doświadczonych konsultantów, przekazując ten kontekst przy transferze. Ta sama dyscyplina dotyczy agentów AI agentów.

Wdrażaj agentów tak jak ludzi: zapewnij im SOP-y i centrum wiedzy, naucz zachowań przy przerwaniach i eskalacji, a następnie oceń je na podstawie antagonistycznych przykładów przed uruchomieniem oraz w ciągłych cyklach PDSA (planuj, wykonaj, zbadaj, działaj).

Zabezpieczenia działają na trzech warstwach:

• Sterowanie za pomocą promptu systemowego
• Walidacja danych wejściowych wychwytująca próby ataków, zanim agent odpowie
• Ocena w czasie rzeczywistym każdej odpowiedzi względem skonfigurowanej polityki

Jeśli chodzi o zgodność, zabezpieczenia to te same standardy HIPAA, które regulują EHR, zastosowane do systemów AI: BAA z dostawcami AI, interoperacyjność, właściwe systemy rejestracji, deidentyfikacja wszędzie tam, gdzie przepływają informacje, oraz brak trenowania na danych pacjentów bez wyraźnej zgody. ElevenLabs wymaga BAA od klientów z sektora ochrony zdrowia i oferuje tryb zerowego przechowywania danych, więc dane przechodzą przez system tylko do przetworzenia, a następnie wracają do twojego własnego, chronionego środowiska, gdzie są przechowywane.

Co jest gotowe i co mierzyć

AI już działa produkcyjnie u klientów z sektora ochrony zdrowia: prowadzi rozmowy w czasie rzeczywistym z niskimi opóźnieniami i realizuje skrypt, nie pomijając pytań, które powinno zadać.

Każdy model w tym stosie ma jednak z natury charakter probabilistyczny — niezależnie od tego, czy to zamiana mowy na tekst, LLM czy zamiana tekstu na mowę. Dlatego ważne są otaczające je warstwy deterministyczne i dlatego każde wdrożenie potrzebuje z góry ustalonego progu ryzyka oraz protokołu eskalacji — czy to do człowieka, czy do bardziej zaawansowanego modelu.

Gdy ten próg jest ustalony, pojawia się pytanie, co śledzić. Renown Health monitoruje wizyty umówione w poszczególnych kanałach, przypisując każdą z nich do agenta, rozmowy telefonicznej lub wiadomości tekstowej, ponieważ pacjenci powinni mieć dostęp do opieki tak, jak mają dostęp do wszystkiego innego.

Można też śledzić wskaźnik NPS wśród pacjentów, opiekunów i lekarzy, ponieważ większość osób już lubi swoich lekarzy. Obciążenie tworzy wszystko wokół opieki, więc rosnąca satysfakcja oznacza, że ono maleje. Po stronie platformy obserwujemy liczbę wdrożonych agentów i obsłużonych minut jako wskaźniki adopcji, a CSAT i wskaźnik przekierowań — by sprawdzić, czy rozwiązanie działa.

Najlepsze praktyki wdrażania agentów AI w ochronie zdrowia

1. Wybierz hero journey, a nie przypadek brzegowy: Jedna mierzalna ścieżka o dużym wolumenie i niskim ryzyku, która rozszerza się na całą organizację, jest lepsza niż wiele wyspecjalizowanych wdrożeń, które nigdy nie dają efektu skali.
2. Uporządkuj dane, zanim zautomatyzujesz proces: Najpierw trzeba uporządkować szablony harmonogramów i standardy otwartego planowania wizyt. Agent odziedziczy każdy bałagan, który znajduje się pod spodem.
3. Pozyskaj lekarzy-liderów i wesprzyj ich kierownictwem: Praca techniczna nie trwa najdłużej. Najtrudniejsze jest zdobycie poparcia niezależnych klinicystów — i wymaga ono realnego wsparcia przez cały proces wdrażania.
4. Wdrażaj agentów jak nowych pracowników: SOP-y, centrum wiedzy, wyuczone zachowania przy przerwaniach i eskalacji, a następnie ocena na podstawie antagonistycznych przykładów przed uruchomieniem i w ciągłych cyklach PDSA.
5. Wszystko, co faktyczne, uczyń deterministycznym: Pobieraj daty, dostępność i szczegóły dokumentacji za pomocą narzędzi. Nie pozwalaj modelowi wnioskować o tym, co może sprawdzić.
6. Z góry ustal próg eskalacji: Każdy model w tym stosie jest probabilistyczny. Zdecyduj wcześniej, co uruchamia przekazanie sprawy człowiekowi lub bardziej zaawansowanemu modelowi.
7. Mierz według kanału i satysfakcji: Liczba wizyt umówionych w każdym kanale pokazuje, czy pacjenci rzeczywiście z niego korzystają. NPS wśród pacjentów, opiekunów i lekarzy pokazuje, czy obciążenie maleje.

Obejrzyj całą sesję

Obejrzyj cały webinar: Behind the Agent: sesja o wdrażaniu AI w ochronie zdrowia.