Автоматизация коммуникаций в медицине: роботы и ИИ-агенты

Контакт-центр медицинской организации одновременно решает несколько задач: отвечает на вопросы пациентов, помогает записаться и изменить запись на прием, вносит информацию в медицинские системы. При этом значительная часть обращений остается однотипной: пациент хочет узнать статус анализа, подтвердить запись, уточнить график или попасть к нужному специалисту.

В периоды сезонного роста заболеваемости или других пиков нагрузка на контакт-центр увеличивается. Пациент дольше ждет ответа или не дозванивается, а сотрудники тратят время на повторяющиеся операции. Отдельная проблема — неявки по записи: освободившееся окно в расписании врача может остаться незаполненным, если клиника не успеет связаться с пациентом из листа ожидания.

От простых операций к сложным процессам

Сценарии можно условно разделить на несколько уровней — от простых массовых операций до процессов, непосредственно связанных с медицинской деятельностью. Чем сложнее процесс, тем выше требования к качеству сценария, интеграциям и контролю со стороны специалиста.

На первом — простые массовые операции с понятным результатом: подтверждение записи, уведомления об акциях, ответы на типовые вопросы, предоставление статуса заказа, проведение опросов.

На втором — диалоговые процессы, где пациент может формулировать запрос по-разному, а системе необходимо задавать уточняющие вопросы и обращаться к информационным системам. Это маршрутизация, запись, перенос и отмена приема.

На третьем — более сложные медицинские процессы, например дистанционный мониторинг или помощь врачу непосредственно во время приема. Здесь возрастают требования к качеству, интеграциям и контролю со стороны медицинского работника.

Простые массовые сценарии

Подтверждение записи

Один из наиболее подходящих для первого пилота сценариев — напоминание о предстоящем визите. Пациенту не нужно вести сложный диалог: робот сообщает дату и время приема и уточняет, планирует ли человек прийти. Если запись отменяется, освободившийся слот можно предложить пациенту из листа ожидания.

В сети клиник «Элегра» такой робот выполняет до 1000 исходящих звонков ежедневно. Более 85% звонков проходят без участия операторов, а обзвон пациентов занимает в шесть раз меньше времени. 

При этом для запуска такого сценария в жизнь, ну нужна даже интеграция с МИС. Достаточно будет простой ежедневной выгрузки записей из МИС в Excel, по которой будет совершаться обзвон. Даже такая реализация очень быстро покажет свою результативность.

Ответы на типовые вопросы

Другая группа обращений — вопросы, которые операторы регулярно получают в течение дня: график работы, стоимость услуг, подготовка к исследованию, налоговый вычет, адреса клиник.

В этом случае автоматизация может строиться вокруг базы знаний медицинской организации. ИИ-агент получает информацию из документов или информационных систем и формирует ответ непосредственно в ходе диалога. Если нужных данных нет или вопрос выходит за рамки сценария, обращение передается оператору.

При таком подходе особенно важно разделять генерацию ответа и источник информации. Медицинский ИИ не должен самостоятельно придумывать правила подготовки к исследованию или сведения об услуге: ответ должен опираться на актуальные данные самой организации.

Статус анализов и заказов

Для лабораторий отдельный востребованный сценарий — информирование о статусе заказа. Такой запрос обычно хорошо формализуется: система идентифицирует пациента, находит заказ и сообщает его текущий статус. Сложного медицинского диалога здесь не требуется, поэтому процесс хорошо подходит для автоматизации..

В проекте «Гемотеста» робот получает данные о заказе по номеру, ФИО и дате рождения, сообщает статус, а также может подтверждать выезды медицинских сотрудников и проводить опросы.

Для лабораторий такие сценарии особенно важны в периоды пиковой нагрузки, когда значительная часть звонков связана не с консультацией, а с получением стандартной информации.

Опросы и информирование пациентов

Есть процессы, где от ИИ не требуется сложного принятия решений, но важна регулярность. После приема клиника может автоматически собирать обратную связь, проводить NPS- или CSI-опросы и передавать низкие оценки сотрудникам для дальнейшей обработки.

Другой пример — информирование о готовности результатов, изменении расписания или других событиях. Такие коммуникации не требуют постоянного участия оператора, но должны выполняться своевременно. Здесь автоматизация дает эффект прежде всего за счет масштаба: система может одновременно взаимодействовать с большим количеством пациентов, не создавая дополнительную нагрузку на контакт-центр.

Диалоговые процессы: когда одного сценария уже недостаточно

На следующем уровне находятся процессы, в которых недостаточно выполнить одну заранее заданную операцию. Пациент формулирует запрос свободно, меняет условия в ходе разговора, а системе приходится задавать уточняющие вопросы, удерживать контекст и обращаться к нескольким источникам данных.

Маршрутизация обращений

Пациент может не знать, в какую группу ему нужно обратиться. Он просто говорит, что хочет записаться на УЗИ, уточнить вопрос по ДМС или узнать о конкретном исследовании.

ИИ-агент может понять цель обращения, задать уточняющий вопрос и направить пациента в нужную группу операторов. Если вопрос типовой, он может решить его самостоятельно; если требуется специалист — передать звонок оператору. 

Преимущество такого сценария в том, что автоматизация начинается еще до работы оператора: сотруднику не приходится тратить время на выяснение причины звонка и последующее переключение.

Запись, перенос и отмена приема

Более сложная задача — самостоятельно записать пациента. Здесь системе необходимо учитывать несколько параметров: идентификацию пациента, тип приема, ДМС или платную услугу, возраст пациента, прикрепление, клинику, врача и свободное время. Причем пациент может сообщать эти сведения в любом порядке и менять пожелания в ходе разговора. Поэтому здесь уже недостаточно простого алгоритма. Система должна удерживать контекст диалога и взаимодействовать с МИС, другими системами и справочниками.

В «МЕДСИ» такой сценарий находится в эксплуатации более пяти лет. ИИ-агент обрабатывает около 3,5 млн звонков в год, а 95% клиентов положительно оценивают его работу. 

При этом этот пример показывает и другую сторону автоматизации: чем больше параметров нужно учитывать, тем выше требования к интеграции и качеству сценария. Поэтому процессы записи и изменения записи логичнее запускать после более простых пилотов, когда организация уже определила требования к интеграции, контролю качества и передаче сложных обращений оператору.

Работа при перегрузке контакт-центра

Автоматизация не обязательно должна полностью заменить человека в процессе. Иногда ее задача — просто не допустить перегрузки.

Например, в периоды, когда все операторы заняты, ИИ может принимать заявки на вызов врача на дом или другие типовые обращения. Таким образом, пациент получает возможность оставить запрос даже тогда, когда свободного оператора нет.

Это особенно актуально для медицинских организаций с выраженными пиковыми периодами: вместо того чтобы масштабировать штат под максимальную нагрузку, часть потока можно распределять между сотрудниками и автоматизированными каналами.

Когда непонятно, как улучшить качество взаимодействия с клиентами: речевая аналитика

Если клиника уже знает, какие процессы хочет автоматизировать, и работа контакт-центра выстроена, можно сразу переходить к пилоту. Но бывает иначе: руководство чувствует, что с обработкой обращений что-то не так — пациенты жалуются, линия перегружена, записей меньше, чем звонков, — а в чем именно проблема, непонятно. В такой ситуации помогает речевая аналитика существующих разговоров пациентов с операторами.

Система транскрибирует звонки и оценивает каждый разговор по чек-листу, который настраивается под задачи конкретной клиники. Например: представился ли оператор, уточнил ли данные пациента, рассказал ли о подготовке к исследованию, предложил ли записаться. Поиск работает по смыслу, а не по ключевым словам. Так можно найти, например, все звонки, где пациент так и не смог записаться.

В результате клиника получает статистику в двух разрезах:

• по обращениям — с какими темами звонят, какие из них самые частые и где разговор чаще всего заканчивается неудачей;
• по сотрудникам — как каждый оператор выполняет стандарты и в каких пунктах чек-листа команда ошибается чаще всего.

Эта картина подсказывает, куда двигаться дальше:

• Автоматизация. Частые типовые темы — статусы, подтверждения, справка, запись — первые кандидаты для робота или ИИ-агента. Потенциал можно оценить еще до старта проекта.
• Улучшение скриптов. Для сценариев, которые клиника пока не планирует автоматизировать, аналитика показывает слабые места диалога, и скрипт можно доработать.
• Обучение операторов. По провалам в реальных звонках готовятся сценарии симуляций. Оператор голосом разговаривает с ИИ-пациентом, отрабатывает сложные ситуации и возражения и получает разбор по чек-листу.

Записи и транскрипты при этом остаются в контуре клиники, а персональные данные маскируются до анализа.

Более сложные сценарии: от коммуникаций к медицинским процессам

На следующем уровне автоматизация выходит за рамки типовых обращений и начинает затрагивать непосредственно медицинские процессы. Здесь система не просто отвечает пациенту или помогает записаться на прием, а собирает и обрабатывает данные, взаимодействует с медицинскими информационными системами и передает результаты специалисту.

Это повышает требования к качеству сценария, контролю и интеграциям. Поэтому на этом уровне особенно важно четко разделять задачи ИИ и медицинского работника: система может собирать информацию, фиксировать данные и сигнализировать об отклонениях, но принятие медицинских решений остается за специалистом.

Дистанционный мониторинг

Следующий уровень — коммуникации, связанные непосредственно с наблюдением за состоянием пациента. Пример такого сценария  — дистанционный мониторинг, при котором система взаимодействует с пациентами с хроническими заболеваниями, собирает показатели давления, пульса и уровня глюкозы, а при отклонении от заданных параметров передает сигнал врачу. 

Это уже принципиально отличается от информирования о статусе заказа. ИИ включается в медицинский процесс, поэтому требования к сценарию, контролю и участию специалиста становятся существенно выше. Именно здесь особенно важно проводить границу между автоматизацией коммуникации и принятием медицинского решения.

Помощник медицинского работника

Автоматизация постепенно выходит за пределы коммуникаций между клиникой и пациентом. Следующий перспективный сценарий — помощь непосредственно медицинскому работнику во время приема.

Цифровой помощник может слушать разговор врача и пациента через микрофон в кабинете или носимое устройство, выделять жалобы, симптомы и анамнез, фиксировать факты и помогать заполнять медицинскую информационную систему. Во время исследования врач может диктовать результаты измерений, а система переносит их в протокол.

После приема помощник может подготовить черновик протокола, памятку для пациента и данные для повторной записи. Врач проверяет информацию и подтверждает ее.

Принципиально важно, что в таком сценарии ИИ не ставит диагноз и не назначает лечение. Его задача — снять с врача часть рутинной работы с документацией и дать ему возможность больше времени уделять самому пациенту. 

Что учитывать при автоматизации коммуникаций

Выбор сценария для автоматизации зависит не только от количества обращений. Важно оценить его сложность, ожидаемый эффект, особенности аудитории и то, как система будет работать с нестандартными ситуациями.

1. Начинать с понятного и измеримого сценария

Для первого проекта лучше выбирать процесс с большим количеством повторяющихся обращений и понятным результатом. Например, подтверждение записи позволяет быстро оценить эффект автоматизации: сколько звонков обработано без оператора, сколько визитов подтверждено и на сколько выше стала посещаемость. При этом начинать можно с отдельного участка процесса и постепенно его расширять.

2. Предусмотреть передачу оператору

Автоматизация должна дополнять контакт-центр, а не создавать новый барьер между пациентом и специалистом. Если ИИ не понял запрос, не располагает необходимой информацией или сталкивается с эмоционально сложной ситуацией, разговор должен передаваться оператору вместе с контекстом диалога, чтобы пациенту не пришлось повторять информацию. Особенно это важно при общении с пациентами с тяжелыми заболеваниями, для которых может требоваться человеческое участие и индивидуальный подход.

3. Учитывать профиль пациента

Один и тот же сценарий может требовать разной подачи в зависимости от аудитории. При настройке голосового агента можно учитывать особенности собеседника: выбирать подходящий темп речи, интонацию, формулировки и голос. Например, для пожилых пациентов может потребоваться более спокойный темп и более четкая подача информации. Такой подход помогает сделать автоматизированное взаимодействие более понятным и комфортным для пациента.

4. Решить вопрос размещения системы. 

Если речь идет о персональных данных пациентов, то важны наличие возможность развернуть решение в контуре самой клиники, чтобы содержание  разговоров не покидало ее инфраструктуру. Для части сценариев можно использовать и облачное размещение.

5. Не усложнять автоматизацию без необходимости

Не для каждого процесса нужен ИИ-агент. Если задача строго формализована и имеет ограниченное число вариантов действий, ее можно решить по заранее заданному алгоритму. ИИ-агент оправдан там, где требуется свободный диалог, работа с контекстом, базой знаний и несколькими информационными системами.

6. Постоянно анализировать результаты

После запуска необходимо смотреть, какие обращения робот решает успешно, где пациенты чаще переходят к оператору и какие ветки сценария требуют изменений. Транскрибация и анализ диалогов помогают находить такие точки и одновременно выявлять новые процессы для автоматизации.

Та же речевая аналитика после запуска показывает, где пациенты чаще уходят от робота к оператору и какие сценарии стоит автоматизировать следующими.

Автоматизация как система, а не отдельный робот

Автоматизация коммуникаций в медицине не заканчивается запуском одного сценария. После первого пилота организация получает данные о том, какие обращения удается решать автоматически, где пациенты чаще обращаются к оператору и какие процессы можно передать системе дальше.

Если же клиника пока не понимает, с чего начать, отправной точкой может стать речевая аналитика текущих разговоров контакт-центра. Анализ звонков по чек-листам, настроенным под задачи организации, показывает, с какими темами чаще всего обращаются пациенты, где диалоги заканчиваются неудачей и как с ними справляются конкретные сотрудники. По итогам становится понятно, какие сценарии стоит автоматизировать в первую очередь, какие скрипты нужно доработать и в каких ситуациях операторам требуется дополнительное обучение.

Следующий этап — последовательное расширение автоматизации: от простых массовых операций к более сложным диалогам и, при готовности инфраструктуры и процессов, к сценариям, связанным непосредственно с медицинской деятельностью. При этом границы автоматизации должны определяться не только техническими возможностями, но и требованиями к качеству, безопасности и участию медицинского специалиста. В результате автоматизация позволяет перераспределить нагрузку внутри медицинской организации: рутинные коммуникации берет на себя технология, контакт-центр сосредотачивается на более сложных обращениях, а медицинские специалисты получают больше времени на работу с пациентами.