Resumo do webinar: aprendizados sobre a implementação de IA na área da saúde

Os sistemas de saúde precisam fazer mais pelos pacientes sem aumentar o quadro de funcionários. A maior parte do que frustra os pacientes acontece ao redor do atendimento, não durante ele. Encontrar o médico certo dá trabalho. O mesmo vale para repetir a mesma história a cada transferência.

Em nossa mais recente sessão Behind the Agent, Cindy Liu (Enterprise Deployment, ElevenLabs) conversou com Jacque Myers (Líder Global de Saúde, Slalom), Sylvia Doane Stephenson (Diretora Executiva, Slalom) e Cristal Woodley (Diretora de Marketing e Experiência, Renown Health) para analisar onde os agentes de IA estão sendo implementados na área da saúde e o que é necessário para colocar um deles em produção.

O padrão que diferencia implementações que ganham escala das que estagnam está no ponto de partida: uma jornada de alto volume, mensurável e de baixo risco, em vez de vários pilotos especializados e dispersos.

Por que a jornada do paciente continua falha

Os pacientes ficam presos em um ciclo repetitivo. Confirmam quem são e explicam por que estão ligando a cada transição no atendimento. Esperam e são redirecionados. As respostas que buscam em outros lugares são inconsistentes. Quando finalmente chegam à pessoa certa, precisam recomeçar o processo.

Todos os pontos de contato existem — site, portal do paciente, central de atendimento, prontuário eletrônico e faturamento —, mas eles não se comunicam. Uma jornada conectada começa onde o paciente está e prioriza interações de baixo risco e alto impacto.

A maioria das organizações começa a usar IA nas bordas, em casos de uso especializados escolhidos pelo baixo risco, e nada disso ganha escala. A alternativa de Jacque é o que ela chama de jornada principal: uma jornada central que representa boa parte do que você faz, ainda com baixo risco, e que você desenvolve e expande em vez de reconstruir para cada caso de uso.

Demo: agendamento de consulta do início ao fim

O agendamento de consultas é uma boa opção de jornada principal: tem alto volume, é mensurável e apresenta risco suficientemente baixo para servir de base. Veja como é o início dessa jornada do começo ao fim, desde o cadastro do paciente até a confirmação da consulta.

Cenário: uma paciente precisa de uma nova receita para lentes de contato. Ela encontra um optometrista credenciado no site da seguradora e liga para o consultório, onde uma assistente virtual de agendamento atende.

O que foi demonstrado:

• O agente fez o cadastro de uma nova paciente de forma conversacional, coletando nome, data de nascimento e número de telefone
• Ele verificou o telefone com um código SMS real e se recuperou quando o código foi entendido incorretamente na primeira tentativa
• Quando a pessoa não se lembrou do número de identificação do plano de saúde, o agente pediu que ela levasse o cartão à consulta e seguiu adiante
• Ele ofereceu três horários, agendou um deles e enviou um e-mail de confirmação criado com base no histórico da conversa, além de um lembrete por mensagem de texto
• O mesmo agente funcionou por SMS, com o workflow idêntico em uma conversa por texto e sem necessidade de uma implementação separada

Por que isso importa: um único agente atendia tanto a linha telefônica quanto a conversa por texto, tornando a experiência omnicanal por padrão. A demo levou cerca de duas horas para ser criada, tempo suficiente para uma equipe fazer um protótipo e apresentá-lo internamente em poucos dias. A produção em escala empresarial é outra realidade. É na integração, nos testes e no trabalho de conformidade necessários antes do lançamento que está a maior parte do esforço, e, na ElevenLabs, esse trabalho é conduzido por nossos engenheiros de implantação.

Por onde começar e o que realmente impede o avanço

A sequência para um sistema de saúde que está começando:

• Escuta ambiente: caso ainda não esteja integrada ao seu prontuário eletrônico. Esse trabalho normalmente passa por um fornecedor de documentação, mas conquista a confiança dos profissionais clínicos, da qual todo o restante depende.
• A central de atendimento: a maioria dos sistemas a trata como um centro de custos. Ela pode funcionar como um centro de crescimento.
• Educação do paciente e adesão à medicação: tarefas repetíveis com ROI mensurável e imediato, que podem ganhar escala.

O obstáculo à automação da central de atendimento é o agendamento dos médicos. Cartões de preferências e modelos de agenda são a parte visível. A parte lenta é conduzir mudanças entre pessoas altamente treinadas, qualificadas e independentes. O que funciona são médicos que defendem a iniciativa, uma liderança alinhada que possa facilitar a mudança e suporte contínuo, às vezes até com um orientador individual para cada profissional clínico.

Como a Renown Health está avançando rumo aos agentes

A Renown atende pacientes em uma área de 100 mil milhas quadradas, de Salt Lake City a Sacramento.

A equipe de Cristal está começando com um piloto de escopo definido. Os casos de uso em avaliação evitam completamente informações de pacientes, e os resultados internos ajudam a construir o argumento de conformidade para os próximos passos.

O caminho passou pelos dados. A equipe de Cristal trabalhou com os profissionais de saúde nos modelos de agenda enquanto padronizava o agendamento aberto. Os ganhos rápidos com a escuta ambiente abriram portas: profissionais que perceberam a diferença em sua qualidade de vida voltaram perguntando o que mais era possível fazer.

Ela também foi direta sobre o ritmo: as equipes de marketing e da central de atendimento não têm tempo para esperar, porque os pacientes já usam isso e já esperam por isso.

Segurança, HIPAA e integração de agentes como novos colaboradores

Ligações com carga emocional são a primeira preocupação da maioria das equipes. A Renown já mede o sentimento na voz em sua central de atendimento e encaminha as pessoas para agentes humanos mais experientes, levando esse contexto durante a transferência. A mesma disciplina se aplica aos agentes de IA.

Integre agentes da mesma forma que você integra pessoas: forneça POPs e uma central de conhecimento, treine comportamentos para interrupções e escalonamentos e, depois, avalie-os com exemplos antagônicos antes do lançamento e em ciclos contínuos de PDSA (planejar, fazer, estudar, agir).

As proteções atuam em três camadas:

• Direcionamento por meio do prompt de sistema
• Validação de entrada que detecta tentativas adversariais antes que o agente responda
• Avaliação em tempo real de cada resposta em relação à política configurada

Em relação à conformidade, as proteções são os mesmos padrões HIPAA que regem os prontuários eletrônicos, aplicados a sistemas de IA: BAAs com fornecedores de IA, interoperabilidade, os sistemas de registro adequados, desidentificação sempre que informações forem movimentadas e nenhum treinamento com dados de pacientes sem consentimento explícito. A ElevenLabs exige um BAA com clientes da área da saúde e oferece o modo de retenção zero de dados: os dados passam pelo sistema para processamento e retornam ao seu próprio ambiente restrito para armazenamento.

O que já está pronto e o que medir

A IA já está em produção com clientes da área da saúde, conduzindo conversas em tempo real e com baixa latência, além de seguir um roteiro sem deixar de fazer as perguntas necessárias.

No entanto, todo modelo da stack é probabilístico por natureza, seja Speech to Text, o LLM ou Text to Speech. Por isso, as camadas determinísticas ao redor deles são importantes e toda implementação precisa de um limite de risco e de um protocolo de escalonamento definidos antecipadamente, seja para encaminhar a uma pessoa ou a um modelo mais capaz.

Depois de definir esse limite, a pergunta passa a ser o que acompanhar. A Renown Health monitora as consultas agendadas por canal, atribuindo cada uma a um agente, uma ligação telefônica ou uma mensagem de texto, porque os pacientes devem conseguir acessar o atendimento da mesma forma que acessam todo o resto.

Você também pode acompanhar o Net Promoter Score entre pacientes, cuidadores e médicos, porque a maioria das pessoas já gosta de seus médicos. É tudo o que acontece ao redor do atendimento que cria a sobrecarga; portanto, quando a satisfação aumenta, essa sobrecarga diminui. Do lado da plataforma, acompanhamos os agentes implementados e os minutos atendidos para medir a adoção, além de CSAT e taxa de desvio para avaliar se o trabalho está funcionando.

Boas práticas para implementar agentes de IA na área da saúde

1. Escolha uma jornada principal, não um caso de borda: uma jornada de alto volume, mensurável e de baixo risco, que se expande por toda a organização, é melhor do que várias implementações especializadas que nunca ganham escala.
2. Organize os dados antes de automatizar o processo: os modelos de agenda e os padrões de agendamento aberto precisam estar organizados primeiro. Um agente herda toda a desordem que existe por trás dele.
3. Recrute médicos que defendam a iniciativa e conte com o apoio da liderança: o trabalho técnico não é a parte lenta. Conseguir a adesão de profissionais clínicos independentes é, e isso exige apoio real durante toda a adoção.
4. Integre agentes como novos colaboradores: POPs, uma central de conhecimento, comportamentos treinados para interrupções e escalonamentos e, depois, avaliações com exemplos antagônicos antes do lançamento e em ciclos contínuos de PDSA.
5. Torne determinístico tudo que for factual: consulte datas, disponibilidade e detalhes de registros por meio de ferramentas. Não deixe o modelo inferir o que ele pode consultar.
6. Defina antecipadamente seu limite de escalonamento: todo modelo da stack é probabilístico. Decida antes o que deve acionar uma transferência para uma pessoa ou para um modelo mais capaz.
7. Meça por canal e por satisfação: as consultas agendadas por canal mostram se os pacientes estão realmente usando a solução. O NPS entre pacientes, cuidadores e médicos mostra se a sobrecarga está diminuindo.

Assista à sessão completa

Assista ao webinar completo, Behind the Agent: sessão sobre a implementação de IA na área da saúde.