ElevenAgents para a área da saúde: crie um agente de agendamento de consultas recebidas

O telefone ainda é a porta de entrada para a saúde, e ela está congestionada. Pesquisas da Mayo Clinic pesquisa e dados de um estudo de caso da Epic estudo de caso mostram que cerca de 30% dos agendamentos de consultas acontecem fora do horário comercial. Chamadas que caem na caixa postal são consultas que simplesmente deixam de acontecer, enquanto a equipe da recepção, que deveria atendê-las, está sobrecarregada e enfrenta alta rotatividade. Agentes de voz já passaram da fase de demonstração como forma de as clínicas fecharem essa lacuna, e o agendamento é o ponto de entrada mais comum: alto volume, repetitivo, previsível e uma parcela significativa da carga de trabalho da recepção que não exige julgamento clínico.

O agendamento de consultas na área da saúde também eleva o nível de exigência. Um horário incorreto ou um motivo da consulta entendido errado não é apenas uma experiência ruim — é um incidente de segurança e conformidade. Um agente de agendamento da recepção precisa de mais do que uma voz agradável: verificação de identidade confiável, proteções rígidas, um caminho claro de escalonamento para uma pessoa, a postura de conformidade necessária para lidar com informações de saúde protegidas e a capacidade de concluir, alterar ou cancelar agendamentos em um sistema de agendamento real.

Este guia mostra exatamente como criar isso com o ElevenAgents: um agente acessível por telefone, conectado a um EHR de exemplo, que agenda, remarca e cancela consultas de ponta a ponta e encaminha para uma pessoa quando necessário. Você terá o workflow, as proteções, os testes e as análises para mantê-lo dentro dos limites — implantado em uma infraestrutura criada para a saúde regulamentada.

Veja uma demonstração do agente que você vai criar atendendo uma chamada ao vivo de ponta a ponta:

Pré-requisitos

Para começar, você vai precisar do seguinte:

• Uma conta da ElevenLabs, com acesso à plataforma ElevenAgents e às nossas vozes.
• Uma conta da Twilio e um número.
• Acesso ao Twilio Verify.
• Um ambiente sandbox ou de desenvolvedor de EHR. Neste guia, usaremos o HAPI FHIR, uma implementação de referência open source do formato HL7 FHIR, para validar registros sintéticos de pacientes.
• O aplicativo de calendário do seu consultório. Para este guia, usamos a integração nativa da ElevenLabs com o Cal.com. 

Opcional

Se você não tiver acesso a dados sandbox ou estiver acompanhando para fins de demonstração, usaremos o servidor sandbox HAPI FHIR R4 e o preencheremos com um registro simulado de paciente que você poderá usar durante a etapa de verificação. Para isso, execute o seguinte comando de API com dados simulados no seu terminal:

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)"
  }'

Uma correspondência é confirmada apenas quando a consulta retorna exatamente um registro — zero resultados significa que não há correspondência, e mais de um significa que os parâmetros de busca não foram específicos o bastante para prosseguir com segurança. 

Arquitetura

Neste guia, você criará um agente de agendamento que funciona por meio de um número da Twilio, integrado de forma nativa ao seu ElevenAgent. Quando a chamada recebida for conectada, o agente ajudará o paciente usando as ferramentas disponíveis para registrar os dados de verificação e da consulta — seja para agendar uma nova consulta, remarcar ou cancelar uma existente — com a possibilidade de transferir a chamada para uma pessoa quando necessário.

Com essa arquitetura e essas ferramentas, um fluxo de chamada bem-sucedido envolverá as seguintes etapas:

1. Início da chamada: um paciente ligará para o número da Twilio associado ao agente, que o cumprimentará e identificará sua intenção.
2. Validação no EHR: o agente validará os dados do paciente com base no registro dele no EHR.
3. Verificação: o agente enviará uma senha de uso único (OTP) para o número de telefone do paciente para a verificação final, usando sua ferramenta de SMS.
4. Agendamento ou alteração: o agente executará a intenção identificada no calendário — para uma nova consulta, coletará os dados de agendamento e verificará a disponibilidade; para uma remarcação, localizará a consulta existente e buscará um novo horário; para um cancelamento, confirmará e removerá a consulta existente.
5. Transferência: se o agendamento ou a alteração não for concluído, se o paciente pedir para falar com uma pessoa ou se for identificada qualquer outra intenção que o agente não consiga atender, a chamada será transferida para um atendente humano.
6. Confirmação e encerramento: após um agendamento, remarcação ou cancelamento bem-sucedido, o agente recapitulará os detalhes da chamada e a encerrará cordialmente.

Prompt de sistema e configurações do agente

O primeiro passo para criar um ElevenAgent eficaz está no prompt de sistema. Seguindo o guia de prompting da ElevenLabs, nós o estruturamos nos blocos fundamentais recomendados para qualquer agente em produção — personalidade, objetivo, tom, ferramentas e proteções —, cada um em sua própria seção claramente identificada, em vez de um único bloco contínuo de instruções.

Para um agente de agendamento na área da saúde, essa estrutura deve levar em conta quem está do outro lado da chamada: alguém que pode ser idoso, estar com dor, ter dificuldade para ouvir ou simplesmente estar ansioso com o motivo da ligação. As seções de personalidade e tom definem um ritmo acolhedor e sem pressa e mantêm as respostas curtas e conversacionais, com datas, horários e números falados como uma pessoa os diria, e não lidos de uma tela. A seção de objetivo apresenta o fluxo como uma sequência ordenada — verificar a identidade e, dependendo de o chamador querer agendar, remarcar ou cancelar, verificar a disponibilidade e confirmar o horário, localizar e alterar a consulta existente ou confirmar a consulta que será removida —, e as ferramentas são documentadas com os dados de entrada exatos no formato falado que esperam. As proteções trazem regras específicas deste domínio: nunca revelar mais PHI do que o chamador já compartilhou, nunca inventar disponibilidade ou detalhes da consulta quando uma ferramenta falhar, recusar perguntas clínicas e orientar o chamador a procurar seu próprio profissional de saúde, e encaminhar imediatamente caso alguém descreva sintomas urgentes ou uma emergência médica. A verificação de identidade antes de qualquer ação na consulta é a única regra repetida, em vez de ser mencionada apenas uma vez. É a regra que o agente menos pode deixar de cumprir.

A partir daí, você pode adicionar configurações adicionais do agente, como a primeira mensagem, idiomas diferentes (verifique se a ferramenta de sistema de detecção de idioma está ativada), o LLM de sua preferência, um modelo de conversão de texto em voz conversacional da ElevenLabs e uma voz da ElevenLabs.

Um exemplo de prompt de sistema está disponível aqui.

Proteções

A seção de Proteções do prompt de sistema abrange regras no nível das instruções e recebe grande peso do modelo. Mas um prompt ainda é uma camada não determinística e está sujeito a desvios em uma chamada longa. O ElevenAgents reforça essas regras com aplicação independente em tempo de execução por meio de suas próprias Proteções. Elas incluem a Proteção de Foco, que reforça o prompt de sistema à medida que as conversas se prolongam; as Proteções contra Manipulação, que detectam tentativas de injeção de prompt antes de o agente responder; e as Proteções de Conteúdo e Personalizadas, que avaliam cada resposta em tempo real e podem bloqueá-la antes que o chamador a ouça. Cada proteção é configurada com um modo de execução — streaming para latência quase zero ou bloqueio para reter uma resposta até que ela seja aprovada — e uma estratégia de saída para o que acontece quando é acionada: encerrar a chamada ou tentar novamente com feedback corretivo inserido no próximo turno.

Para este agente, podemos definir proteções personalizadas para regras específicas da área da saúde ou da clínica: bloquear diagnósticos de condições ou recomendações de tratamento, bloquear perguntas sobre cobrança, bloquear orientações sobre dosagem de medicamentos e bloquear qualquer coisa que substitua a orientação de um profissional de saúde licenciado. Para sintomas urgentes, defina a estratégia de saída para tentar novamente com um feedback que transfira a chamada para uma pessoa, para que a proteção encaminhe a ligação para a equipe em vez de simplesmente encerrá-la.

Ferramentas

Cada etapa do fluxo exigirá ferramentas de webhook e integração específicas para realizar ações específicas enquanto conversa com o paciente.

Ferramenta de verificação no EHR

Para verificar o paciente com base no registro dele no EHR, usaremos a ação de API FHIR GET /Patient. Adicione-a como uma ferramenta de webhook que aponte para sua URL base do HAPI FHIR, com family, given, identifier e birthdate definidos como parâmetros preenchidos pelo LLM. A primeira chamada de ferramenta da etapa de Verificação acessa o endpoint com o nome e a data de nascimento do chamador em uma única consulta:

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

Uma correspondência é confirmada apenas quando a consulta retorna exatamente um registro, e o agente só pode avançar para a etapa de Agendamento se essa condição for atendida.

Um exemplo de JSON da ferramenta está disponível aqui.

Ferramentas de verificação por SMS da Twilio

Com uma correspondência no EHR confirmada, a etapa de Verificação passa para um segundo fator: enviar ao paciente por SMS um código de uso único e confirmá-lo antes que qualquer outra coisa aconteça. A configuração tem três etapas:

1. Crie ferramentas de webhook de SMS. Configure duas ferramentas, send_SMS_verification e check_SMS_verification, ambas apontando para seu serviço Twilio Verify. Cada uma precisa do SID do serviço Verify (o valor VA... das configurações do seu serviço Verify) no caminho da URL e de um cabeçalho de autenticação Basic criado com seu Account SID e Auth Token armazenados como segredo.

2. Defina o destinatário com uma variável de sistema. O ElevenAgents fornece variáveis de sistema que preenchem automaticamente system__caller_id com o número de telefone do chamador em qualquer chamada de voz. Portanto, transmita {{system_caller_id}} como parâmetro To, em vez de pedir que o chamador leia um número em voz alta. Em um ambiente de produção integrado a um EHR ativo, o código seria enviado ao número de telefone armazenado no registro do paciente, e não ao identificador do chamador.

3. Ative skip_turn. Adicionar esta ferramenta de sistema junto às ferramentas de webhook permite que o agente espere em silêncio enquanto o chamador encontra a mensagem, em vez de falar durante a pausa.

Somente um chamador que passe tanto pela consulta no EHR quanto pela verificação de OTP poderá avançar para a etapa de Agendamento. 

Um exemplo de JSON das duas ferramentas está disponível aqui e aqui.

Ferramentas de integração com calendário

A etapa de Agendamento precisa verificar a disponibilidade, agendar, remarcar e cancelar em um calendário real. A configuração da integração com o Cal.com tem três etapas:

1. Conecte a integração. Na aba Ferramentas do agente, adicione a integração com o Cal.com e clique em Conectar.

2. Fixe o tipo de evento. Cada ferramenta de calendário usa um ID do tipo de evento que indica ao Cal.com para qual evento fazer o agendamento. Defina-o como um parâmetro fixo nas ferramentas conectadas, usando o ID do seu painel do Cal.com.

3. Defina o e-mail do participante. As ferramentas de agendamento também precisam de um e-mail do participante. Para fins de demonstração, fixe-o como um parâmetro no seu próprio endereço para que as confirmações cheguem à sua caixa de entrada. Em produção, com um EHR real, você o preencheria com o e-mail no registro do paciente, em vez de usar um valor codificado.

A partir daí, o fluxo de Agendamento depende da intenção identificada em Saudação. Para uma nova consulta, o agente chama calcom_get_available_slots para consultar horários disponíveis antes de oferecer um, depois calcom_create_booking quando o chamador confirmar — sempre nessa ordem, pois verificar a disponibilidade primeiro evita que um horário seja agendado duas vezes. Para uma remarcação ou um cancelamento, ele primeiro localiza a consulta existente do chamador com calcom_find_bookings_by_attendee, confirma o agendamento específico com o chamador e então o remove com calcom_cancel_booking ou, para uma remarcação, agenda o novo horário antes de cancelar o anterior.

Transferência para uma pessoa

Para transferir para uma pessoa, podemos usar a ferramenta de sistema transfer_to_number da ElevenLabs ferramenta de sistema. Adicione-a como uma ferramenta de sistema no nível do agente para que possa ser acessada de Saudação, Verificação ou Agendamento. Na regra de transferência, adicione o número de telefone de destino no formato E.164 e uma condição em linguagem simples que descreva quando ela deve ser acionada. O LLM decide quando e para onde transferir com base nessas condições e na descrição da ferramenta. Mantenha o tipo de transferência como Conference, o padrão, pois ele permite uma mensagem de encaminhamento contextual que informa ao atendente humano por que a chamada está sendo transferida.

Estruturando a jornada do paciente

Workflows são fluxos de conversa visuais baseados em grafos, criados com alguns tipos de nós: nós de subagentes que adicionam um prompt de sistema, ferramentas e uma base de conhecimento ao agente-base orquestrador para uma fase da chamada; nós de ferramenta de despacho que garantem a execução de uma ferramenta específica e se ramificam conforme o sucesso ou a falha; nós de transferência de agente e de transferência para número para encaminhamentos; e um nó de encerramento para finalizar a chamada. Os nós são conectados por arestas, e as arestas de avanço podem ter uma condição de LLM — uma regra em linguagem natural que o modelo avalia em tempo real para decidir qual caminho seguir. Criamos o agente com cinco nós de subagentes — Saudação, Verificação, Agendamento, Aviso de Transferência e Encerramento —, cada um limitado às suas próprias ferramentas, além de um único nó de Transferência de Número de Telefone acessível a partir do Aviso de Transferência.

Saudação é o ponto de entrada: atende à chamada, apresenta a clínica e identifica a intenção do paciente antes de encaminhar — sem ferramentas próprias, apenas coleta de contexto suficiente para direcionar corretamente.

Verificação realiza a verificação de dois fatores descrita antes, usando a ferramenta FHIR GET /Patient para confirmar que o chamador corresponde a um registro no EHR e, em seguida, as ferramentas send_SMS_verification e check_SMS_verification para enviar e verificar um código de uso único antes que o chamador possa prosseguir. Só avança quem passar pelas duas etapas; quem não passar recebe uma aresta de avanço para Aviso de Transferência.

Agendamento é onde ficam as ferramentas de calendário da seção anterior, e a intenção identificada em Saudação determina o caminho: verificar a disponibilidade e agendar uma nova consulta, localizar o agendamento existente e fazer um novo agendamento antes de cancelar para uma remarcação, ou confirmar e cancelar para um cancelamento. Esse nó também falha de forma aberta para Aviso de Transferência — se nenhum horário no calendário servir, se não for possível associar o chamador a uma consulta existente ou se ele preferir falar com a equipe, a aresta o direciona para lá em vez de interromper a chamada.

Aviso de Transferência fica entre o restante do workflow e o encaminhamento em si — um subagente breve cuja única função é informar ao chamador que uma transferência está acontecendo (por exemplo, "Agora vou conectar você a alguém da nossa equipe") antes de a chamada realmente sair do agente. Direcionar primeiro todas as condições de transferência por esse nó, em vez de acionar transfer_to_number diretamente de Saudação, Verificação ou Agendamento, garante que o chamador sempre ouça essa mensagem, em vez de ser transferido em silêncio caso a formulação varie entre os subagentes.

Transferência de Número de Telefone, criada com base na ferramenta transfer_to_number, é o nó para o qual o Aviso de Transferência sempre encaminha. Suas regras associam um número de destino às mesmas condições trazidas das etapas anteriores — uma verificação sem sucesso, uma solicitação explícita, um agendamento que não pode ser concluído — e executam o encaminhamento real depois que o chamador já foi informado de que ele acontecerá.

Encerramento só é alcançado após um agendamento bem-sucedido: ele recapitula os detalhes da consulta para o chamador e encerra a chamada de forma acolhedora.

Um modelo de JSON de exemplo do workflow está disponível aqui.

Análise e testes

A maior parte do trabalho em um agente de voz para a área da saúde não está no caminho ideal — está em tudo que precisa acontecer corretamente quando a chamada não segue o roteiro. O ElevenAgents foi criado para testes e análises nativos da plataforma, o que significa que os mesmos critérios de avaliação usados para testar antes do lançamento são os que pontuam cada chamada em produção, sem precisar integrar ou conciliar uma ferramenta separada.

Critérios de sucesso

Defina critérios de sucesso para registrar critérios de avaliação específicos alinhados aos seus objetivos comerciais e operacionais. Na aba Análise, cada critério é um prompt em linguagem simples que um LLM executa no transcript, retornando sucesso, falha ou desconhecido com uma justificativa. Para este agente, eles poderiam incluir critérios como:

• patient_verified: "Marque como bem-sucedido se o agente confirmou a identidade do chamador por meio da consulta no EHR e do código de uso único enviado por SMS antes de prosseguir para o agendamento."
• appointment_booked: "Marque como bem-sucedido se a consulta do paciente foi agendada"
• appointment_changed: "Marque como bem-sucedido se o paciente pediu para remarcar ou cancelar uma consulta existente e o agente concluiu essa alteração — atualizando ou excluindo o evento do calendário — e confirmou o resultado ao chamador." 
• call_escalated_when_requested: "Marque como bem-sucedido se o chamador pediu para falar com uma pessoa e o agente transferiu a chamada; marque como falha se o chamador pediu e o agente não transferiu."

Coleta de dados

Você pode combiná-los com campos de coleta de dados. Por exemplo, adicionando requested_action (agendar, remarcar ou cancelar), appointment_date ou appointment_type, que são extraídos como valores estruturados de string, booleano ou número de cada transcript e enviados adiante por meio de um webhook pós-chamada para qualquer sistema que acompanhe os resultados das chamadas. 

Simulações e testes

Na área da saúde, um agente precisa conquistar confiança antes da primeira chamada real — os modos de falha precisam aparecer nos testes, não diante de um paciente. A API de Simulação de Conversas simula cenários realistas de chamadores, tanto de ponta a ponta quanto em segmentos específicos, e pontua os resultados automaticamente usando os mesmos critérios aplicados em produção — as verificações exatas de patient_verified e appointment_booked definidos acima, e não uma rubrica separada apenas para testes. Execute simulações completas para toda a chamada ou simulações parciais que começam no meio da conversa para validar um único ponto de decisão, o caminho mais rápido para iterar em um nó sem executar todo o fluxo novamente. 

Para este agente, isso significa criar roteiros de cenários que vão além do caminho ideal: um chamador cujo nome não corresponde a nenhum registro no EHR, alguém que erra o OTP duas vezes, um paciente que pede para remarcar em vez de agendar e um chamador que pede explicitamente para falar com uma pessoa no meio da verificação — cenários claros e focados que dão cobertura para casos extremos, uso de ferramentas e lógica de fallback, em vez de esperar que apareçam em produção.

Conecte seu número de telefone da Twilio

Com o agente criado, conectá-lo a um número ativo leva alguns minutos:

1. No painel da ElevenLabs, acesse Números de telefone e clique em Importar número.
2. Insira um Rótulo, o Número de telefone e seu Account SID e Auth Token
3. Depois de importado, atribua o número ao seu agente pelo menu suspenso
4. Ligue para o número para testá-lo e verifique o painel de histórico de Conversas para confirmar que as primeiras chamadas se comportaram como esperado.

Pronto para pacientes reais

O que criamos é um agente de agendamento para pacientes que faz mais do que atender ao telefone: ele verifica a identidade em um EHR e com um OTP de segundo fator antes de acessar um registro, agenda, remarca e cancela diretamente em um calendário ativo por meio da API do Cal.com e sabe quando dar espaço e encaminhar um chamador para uma pessoa. O workflow determinístico, as proteções em tempo de execução e os critérios de avaliação fornecem às equipes a trilha de auditoria e o padrão de testes repetível que as implantações na área da saúde exigem.

A entrada em produção é onde esse padrão mostra seu valor. Os critérios de avaliação definidos durante a criação se tornam o limite para entrar em operação — quando o agente os atende de forma consistente e as métricas se estabilizam, você tem confiança para lançar, em vez de depender de uma decisão subjetiva — e, após o lançamento, o aprendizado passa de testes simulados para transcripts de produção. Abordamos essas práticas, desde lançamentos graduais até saber quando parar de iterar, em um blog anterior.

Uma etapa essencial rumo à conformidade com a HIPAA é o tratamento dos dados. Ativar o Modo de Retenção Zero remove gravações de chamadas, transcripts e metadados que contêm PII assim que a chamada termina, eliminando a maior fonte de risco de conformidade em uma implantação por telefone. Combinado a um webhook pós-chamada, nada da visibilidade é perdido — todos os resultados de agendamento, resultados de verificação e pontuações de avaliação são enviados ao seu próprio sistema em tempo real quando a chamada é encerrada.

Agora você tem um modelo para colocar IA de voz agêntica na porta de entrada da sua clínica. O agendamento é o ponto de partida de maior volume, e o mesmo padrão se estende à triagem de pacientes, renovação de receitas, cobrança e acompanhamentos pós-consulta — cada um deles uma chamada que não precisa mais cair na caixa postal fora do horário de atendimento. Nossa equipe de Engenharia de Implantação trabalha em estreita parceria com organizações de saúde para transformar implantações como esta em recursos concretos do produto. Se você quer levar um workflow voltado a pacientes para o ElevenAgents com a postura de conformidade que a área da saúde exige, experimente esta abordagem e conte para nós o que achou.