Podsumowanie webinaru: Wnioski z wdrażania AI w ochronie zdrowia

Systemy ochrony zdrowia 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) rozmawiała z Jacque Myers (Global Healthcare Lead, Slalom), Sylvią Doane Stephenson (Managing Director, Slalom) i Cristal Woodley (Chief Marketing and Experience Officer, Renown Health) o tym, gdzie agenci AI są faktycznie wdrażani w ochronie zdrowia i czego potrzeba, by uruchomić ich produkcyjnie.

Wdrożenia, które przynoszą coraz większe efekty, 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 wpadają w cykl powtórzeń. Przy każdym etapie opieki potwierdzają, kim są, i wyjaśniają, dlaczego dzwonią. Czekają i są przekierowywani. Odpowiedzi, których szukają gdzie indziej, bywają niespójne. Gdy w końcu trafią do właściwej osoby, zaczynają cały proces 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 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 organizacji, nadal ma niskie ryzyko i którą można rozwijać, zamiast budować od nowa dla każdego zastosowania.

Demo: kompleksowe umawianie wizyty

Umawianie wizyt to dobry kandydat na hero journey: ma duży wolumen, jest mierzalne i wiąże się z ryzykiem na tyle niskim, że można na nim budować dalej. Tak wygląda początek tej ścieżki end-to-end — od przyjęcia pacjenta po potwierdzenie wizyty.

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

Co pokazano:

• Agent w naturalnej rozmowie przeprowadził rejestrację nowej pacjentki, zbierając imię i nazwisko, datę urodzenia oraz numer telefonu
• Zweryfikował jej numer telefonu kodem SMS i poradził sobie, gdy kod został źle usłyszany za pierwszym razem
• Gdy dzwoniąca nie pamiętała swojego numeru członkowskiego ubezpieczenia, agent poprosił, 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 wiadomości tekstowe, więc doświadczenie było domyślnie omnichannel. Zbudowanie demo zajęło około dwóch godzin — 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 forward deployed engineers.

Od czego zacząć i co naprawdę blokuje postępy

Kolejność dla systemu ochrony zdrowia, który zaczyna:

• Ambient listening: jeśli nie jest jeszcze zintegrowany z twoim EHR. Zwykle zajmuje się tym dostawca systemu dokumentacji, ale buduje to zaufanie klinicystów, od którego zależą kolejne kroki.
• Contact center: Większość systemów traktuje je jako pozycję kosztową. Zamiast tego może być centrum wzrostu.
• Edukacja pacjentów i przestrzeganie zaleceń dotyczących leków: Powtarzalne zadania z mierzalnym i natychmiastowym ROI, które można skalować.

Przeszkodą w automatyzacji contact center jest harmonogramowanie pracy lekarzy. Karty preferencji i szablony grafików to widoczna część problemu. Wolniej idzie koordynowanie zmian wśród osób wysoko wykwalifikowanych, świetnie wyszkolonych i bardzo niezależnych. Pomagają lekarze-liderzy, zgodne przywództwo ułatwiające zmianę oraz ciągłe wsparcie — czasem nawet indywidualny coach dla każdego klinicysty.

Jak Renown Health buduje drogę do 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 uzasadnić przed zespołem ds. zgodności kolejne kroki. 

Droga do tego prowadziła przez dane. Zespół Cristal pracował z placówkami nad szablonami harmonogramów, jednocześnie standaryzując otwarte umawianie wizyt. Szybkie sukcesy 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 mogą czekać, bo pacjenci już z tego korzystają i już tego oczekują.

Zabezpieczenia, HIPAA i wdrażanie agentów jak nowych pracowników

Rozmowy pełne emocji to pierwsza rzecz, o którą pyta większość zespołów. Renown już mierzy nastawienie rozmówców w swoim call center i kieruje dzwoniących do bardziej doświadczonych konsultantów, przekazując ten kontekst podczas transferu. Ta sama dyscyplina dotyczy agentów AI.

Wdrażaj agentów tak jak ludzi: zapewnij im SOP-y i centrum wiedzy, naucz zachowań przy przerwaniach i eskalacji, a następnie oceniaj je na przykładach antagonistycznych przed uruchomieniem i w ciągłych cyklach PDSA (plan, do, study, act).

Zabezpieczenia działają na trzech poziomach:

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

W kwestii zgodności stosuje się te same standardy HIPAA, które regulują EHR, ale wobec systemów AI: BAA z dostawcami AI, interoperacyjność, właściwe systemy ewidencji, 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 wyłącznie do przetworzenia, a następnie wracają do twojego własnego ograniczonego środowiska, gdzie są przechowywane.

Co jest gotowe i co mierzyć

AI już działa produkcyjnie u klientów z sektora ochrony zdrowia, prowadząc rozmowy w czasie rzeczywistym z niskim opóźnieniem i realizując skrypt bez pomijania pytań, które ma zadać.

Każdy model w tym stosie jest jednak z natury 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 wymaga z góry ustalonego progu ryzyka oraz protokołu eskalacji — niezależnie od tego, czy przekierowuje on do człowieka, czy do bardziej zaawansowanego modelu.

Gdy ten próg jest ustalony, pytanie brzmi, co śledzisz. Renown Health śledzi wizyty zarezerwowane w każdym kanale, przypisując je do agenta, rozmowy telefonicznej lub SMS-a, ponieważ pacjenci powinni mieć dostęp do opieki tak, jak mają dostęp do wszystkiego innego.

Możesz też śledzić wskaźnik Net Promoter Score wśród pacjentów, opiekunów i lekarzy, ponieważ większość ludzi już lubi swoich lekarzy. Obciążenie tworzy wszystko wokół samej opieki, więc rosnące zadowolenie oznacza, że ono maleje. Po stronie platformy obserwujemy liczbę wdrożonych agentów i obsłużonych minut pod kątem adopcji, a CSAT i wskaźnik przekierowań — by sprawdzić, czy rozwiązanie działa.

Dobre praktyki wdrażania agentów AI w ochronie zdrowia

1. Wybierz hero journey, a nie przypadek brzegowy: Jedna mierzalna ścieżka o dużym wolumenie i niskim ryzyku, którą można rozszerzać na całą organizację, jest lepsza niż wiele wyspecjalizowanych wdrożeń, które nigdy nie przynoszą efektu skali.
2. Uporządkuj dane, zanim zautomatyzujesz proces: Najpierw trzeba uporządkować szablony harmonogramów i standardy otwartego umawiania wizyt. Agent przejmuje cały bałagan, który jest pod spodem.
3. Zaangażuj lekarzy-liderów i zapewnij im wsparcie kierownictwa: Praca techniczna nie jest najwolniejszą częścią. Jest nią akceptacja ze strony niezależnych klinicystów, która wymaga realnego wsparcia przez cały proces wdrożenia.
4. Wdrażaj agentów jak nowych pracowników: SOP-y, centrum wiedzy, wyuczone zachowania przy przerwaniach i eskalacji, a potem ocena na przykładach antagonistycznych przed uruchomieniem i w ciągłych cyklach PDSA.
5. Wszystko, co oparte na faktach, musi być deterministyczne: Pobieraj daty, dostępność i szczegóły dokumentacji za pomocą narzędzi. Nie pozwalaj modelowi wnioskować o tym, co może sprawdzić.
6. Zdefiniuj próg eskalacji z wyprzedzeniem: Każdy model w stosie jest probabilistyczny. Z góry zdecyduj, co uruchamia przekazanie sprawy człowiekowi lub bardziej zaawansowanemu modelowi.
7. Mierz według kanału i zadowolenia: 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 cały webinar Behind the Agent: sesja o wdrażaniu AI w ochronie zdrowia.