Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Elevenagents dlya zdravoohraneniya sozdanie agenta ishodyaschih napominaniy o pr
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

ElevenAgents для здравоохранения: создание агента исходящих напоминаний о приеме с помощью Architect

Источник: ElevenLabs•20 ноября 2026 г. в 18:36

ElevenAgents для здравоохранения: создание агента исходящих напоминаний о приеме с помощью Architect

Создайте исходящего голосового агента на ElevenAgents, который проверяет личность пациентов и подтверждает, переносит или отменяет прием в EHR прямо во время звонка.

Почти каждый четвертый прием у врача не состоится. Исследование systematic review of 105 studies оценивает средний показатель неявок в 23%, а в августовском опросе August poll 32% медицинских групп заявили, что в 2026 году этот показатель выше, чем в 2025-м, по сравнению с 27% годом ранее. Рекордные франшизы заставляют пациентов сомневаться в визитах, запланированных шесть недель назад. Убытки отражаются на выручке, но также и на пропущенных скринингах или контрольных осмотрах, которые перерастают в срочные визиты.

В этой статье показано, как создать исходящего голосового агента на ElevenAgents, который звонит пациентам перед визитом, проверяет их дату рождения, а также подтверждает, переносит или отменяет прием в электронной медицинской карте (EHR) прямо во время разговора. Слот возвращается в расписание, пока его еще можно занять. Агент создан с помощью Architect — ассистента внутри ElevenAgents, и может запускаться как ночной пакет или в режиме реального времени на основе событий из EHR.

Этот подход уже работает. Everlywell использует ElevenAgents, чтобы напоминать участникам о доступных скринингах, и зафиксировала улучшение завершения скринингов на 10% по сравнению с традиционным интерактивным голосовым меню (IVR), при этом конверсия среди испаноязычных участников оказалась в 3,5 раза выше. Ovianta использует ElevenAgents для последующего наблюдения после предоставления планов лечения, достигнув показателя вовлеченности пациентов в 68%, увеличения конверсии лечения на 25% и сокращения ручных звонков для персонала клиники на 83%.

Это вторая статья в серии материалов о здравоохранении. В первой рассматривался входящий агент записи на прием, который отвечает на звонки пациентов, желающих записаться. Чтобы запустить исходящего агента по всему списку пациентов, медицинские бригады могут использовать Campaign Manager — инструмент, доступный в ElevenAgents. Он управляет окнами для звонков, дозвоном с учетом местного времени, повторными попытками и голосовой почтой, а также отслеживает каждого пациента в единой воронке от первого звонка до подтвержденного визита.

Как клиники борются с неявками сегодня

Большинство практик уже используют ту или иную программу напоминаний. Обзвон пациентов силами регистратуры вручную трудно масштабировать. Такие звонки происходят только в часы работы силами тех же сотрудников, которые отвечают на входящие линии, поэтому обзвон прекращается, как только расписание становится плотным.

Напоминания по SMS и электронной почте обходятся недорого и охватывают всех, но они обычно односторонние. Вовлеченность снижается среди пожилых пациентов и тех, для кого язык сообщения не является родным.

Автоматизированные IVR-звонки занимают промежуточное положение. Они масштабируемы и используют телефонную связь. Тем не менее меню «нажмите 1 для подтверждения» по-прежнему не позволяет перенести прием, не способно подтвердить личность по какому-либо реальному стандарту и плохо переключает вызов, когда у пациента возникает вопрос.

Услуги аутсорсинговых колл-центров обеспечивают живое общение с большими объемами, но при высокой стоимости за один вызов. Такой подход сопряжен с качеством, которое варьируется в зависимости от смены, и с тем, что медицинские данные пациентов обрабатывает большее число людей за пределами вашей организации.

Исследования однозначно высказываются в пользу определенного формата доставки: напоминание, переданное пациенту напрямую во время живого разговора, работает намного эффективнее пропущенного. Исследование study Управления здоровья ветеранов показало процент неявок в 3% при живом разговоре с пациентом по телефону, 24% при попадании на голосовую почту и 39% в случае, когда никто не ответил и голосовое сообщение не было оставлено. Для многих систем здравоохранения только звонок из регистратуры позволяет проверить личность пациента и изменить расписание за один контакт, но этот метод не масштабируем. С помощью ElevenAgents системы здравоохранения теперь могут проактивно связываться с пациентами, вносить изменения в расписание в реальном времени и масштабировать свой обзвон.

Что мы создаем

Агент исходящих напоминаний работает на той же платформе, использует те же инструменты и проходит те же проверки безопасности, что и входящий агент записи, поэтому один поставщик закрывает задачи как приема, так и последующего сопровождения. Он звонит пациенту перед визитом, подтверждает его личность и считывает актуальные данные о приеме из EHR. На основе этого он подтверждает, переносит или отменяет прием с учетом свободных слотов врача.

Агент также обрабатывает нестандартные ситуации. Если вызов попадает на голосовую почту, он оставляет сообщение. Если пациент просит больше не звонить ему, агент регистрирует отказ, чтобы исключить будущие звонки. Если пациент хочет поговорить с живым человеком, происходит перевод вызова в регистратуру. Ночной экспорт может запустить обзвон по расписанию пакетным методом, либо события EHR в реальном времени могут инициировать его для каждого звонка по отдельности.

ElevenLabs создала этого агента с помощью Architect — ассистента внутри ElevenAgents, который читает и редактирует конфигурацию, рабочий процесс, инструменты и тесты агента с помощью чата. В прошлой статье каждый узел настраивался вручную. На этот раз вызов был описан на обычном языке, и Architect построил рабочий процесс.

Предварительные требования

Для создания исходящего агента вам потребуется:

  • Учетная запись ElevenLabs с доступом к ElevenAgents.
  • Номер Twilio, импортированный в ElevenAgents, или SIP-транк.
  • Песочница EHR. Мы используем публичный сервер HAPI FHIR R4 с синтетическими записями пациентов и приемов. На этом сервере нет реальных данных, он доступен для чтения всем.
  • Отдельный календарь не нужен. Планировщик читает и записывает ресурсы Schedule, Slot и Appointment в EHR, точно так же, как это делает система управления клиникой.
  • Только для работы в реальном времени: среда для запуска небольшой службы триггеров, которая прослушивает вашу EHR и вызывает API ElevenLabs. Достаточно бессерверной функции (serverless function).

Добавьте одного синтетического пациента и один прием, чтобы агенту было о чем напомнить:

Затем создайте расписание (Schedule) для врача и несколько свободных слотов (Slots) в нем: один запрос POST /Schedule и по одному POST /Slot для каждого свободного окна с указанием ссылки на расписание, статуса «свободно» и времени начала и окончания в формате UTC. Сохраните три идентификатора. Идентификатор пациента становится patient_id (а с префиксом Patient/ — patient_reference), идентификатор приема становится appointment_id, а расписание — fhir_schedule_id.

Архитектура

Агент работает одинаково независимо от того, как начался звонок. Отличается лишь триггер, который определяет актуальность, стоимость и уровень соответствия требованиям.

Путь A: плановый пакетный запуск

Представим, что каждый вечер задание выполняет запрос к EHR для получения завтрашних приемов:

Задание преобразует каждый прием в одну строку и конвертирует метку времени UTC в понятные для клиники формулировки, поскольку агент произносит время вслух, а модель синтеза речи (TTS) не должна заниматься догадками. phone_number — единственная обязательная колонка. Все остальные колонки становятся динамическими переменными, которые агент может использовать в своем промпте, первом сообщении и вызовах инструментов:

Phone_number, patient_first_name, patient_last_name, patient_id, patient_reference, appointment_id, appointment_date, appointment_time, provider_name, visit_type, clinic_name, clinic_callback_number , +15550100199, Maria, Okonkwo, 81660, Patient/81660,81661,"Tuesday, October sixth", ten a.m., Dr. Okafor, follow-up visit, Lakeside Family Medicine, "five five five, zero one zero zero", +15550100244, Daniel, Reyes, 81702, Patient/81702, 81718, "Tuesday, October sixth", nine thirty a.m., Dr. Okafor, annual physical, Lakeside Family Medicine, "five five five, zero one zero zero"

Этот файл отправляется в службу пакетного обзвона (Batch Calling), загружаясь через дашборд или передаваясь через API. Вы выбираете агента, исходящий номер и время начала в пределах вашего окна обзвона. Пакетные вызовы используют ограниченную долю параллелизма (меньшую из двух величин: 50% от лимита рабочей среды или 70% от лимита агента), поэтому масштабная рассылка напоминаний не исчерпает ресурс входящей линии.

Задача экспорта также управляет политикой повторных попыток. Каждый, кто попал на автоответчик или не ответил, возвращается в список на следующий день в другое время. Максимум составляет три попытки на пациента в неделю, а подтвержденный, отмененный, перенесенный или отклоненный вызов удаляет его из списка. Задача экспорта отвечает за каждое решение о повторной попытке. Для практики, которая бронирует большинство визитов более чем за день до их начала, пакетный обзвон является оптимальным и наименее трудоемким вариантом по умолчанию.

Путь Б: в реальном времени из EHR

У пакетного обзвона есть «слепое пятно»: все, что меняется после экспорта, например бронирования в тот же день, пациент, перенесший визит с 8:00 на 15:00, или окно, освободившееся после отмены. Для таких случаев небольшая служба-триггер прослушивает события записей на прием из EHR (подписку FHIR, вебхук от системы управления практикой или задачу, которая опрашивает систему каждые несколько минут) и совершает по одному вызову через API исходящих вызовов:

Параметр twilio_machine_detection включает определение автоответчика на стороне Twilio параллельно с собственным инструментом определения голосовой почты агента, о котором мы рассказываем в разделе «Инструменты». И поскольку каждый вызов запускается индивидуально, он может выполняться в режиме нулевого хранения данных (Zero Retention Mode), чего пакетные вызовы делать не могут.

Выбор между ними

Запланированный пакетный обзвон

Триггер в реальном времени

Настройка

Дашборд или один вызов API

Небольшая служба-триггер

Актуальность

По состоянию на момент экспорта

Через секунды после изменений в EHR

Бронирования в тот же день и поздние изменения

Пропущенные

Охваченные

Режим нулевого хранения данных (Zero Retention Mode)

Недоступно

Доступно

Параллельность

Ограниченная доля рабочей среды

Все, что вы отправляете

Лучше всего для

Массовые напоминания на следующий день

Изменения в тот же день; развертывания, требующие ZRM

Практичная установка включает оба варианта. Пакетный обзвон берет на себя основной объем напоминаний на следующий день, в то время как путь реального времени подхватывает все, что изменилось после экспорта, и все, что должно выполняться в режиме ZRM.

Единая система учета

Агент считывает данные о приеме из FHIR и изменяет их в FHIR. Свободное время берется из Slot, перенос — это запрос PUT для того же Appointment, который агент только что подтвердил, а отмена изменяет его статус. После этого ничего не нужно сверять с картой, EHR актуальна в момент завершения звонка, а каждая запись, сделанная агентом, представляет собой ресурс FHIR, который уже охвачен вашим журналом аудита. Вебхук после завершения вызова по-прежнему передает результат во все последующие системы. Если ваша практика использует отдельную систему планирования, замените три инструмента планирования на API этой системы; два узла рабочего процесса останутся прежними.

Идентификатор вызывающего абонента (Caller ID)

Взаимодействие с пациентами затруднено, если на телефоне отображается «Возможно спам» («Spam Likely»). Перед запуском первого пакета зарегистрируйте исходящий номер, чтобы вызовы имели полную аттестацию STIR/SHAKEN, установите CNAM, чтобы отображалось название клиники, и рассмотрите варианты брендированных вызовов Twilio для операторов, услугами которых пользуются ваши пациенты, поскольку напоминание, которое отсеивается фильтром, не приводит к результату.

Создание с помощью Architect

В случае с входящими вызовами каждый узел, инструмент и граничное условие настраивались вручную. Здесь мы начали с агента, к которому были подключены инструменты FHIR, включены системные инструменты, задан базовый промпт, охватывающий роль, границы и манеру речи, а также подготовлены девять имитационных тестов. Никакого рабочего процесса. Мы открыли вкладку Architect и описали вызов:

"Создай рабочий процесс исходящих напоминаний о приеме для этого агента. Начни с озвучивания названия клиники, того, что это автоматический звонок о предстоящем приеме, и запроса пациента по имени, используя динамическую переменную patient_first_name. Если отвечает не пациент, не сообщайте никаких деталей приема, предложите окно для обратного звонка и завершите вызов. Как только мы заговорили с пациентом, запросите его дату рождения и проверьте ее с помощью @fhir_get_patient. Считайте общее количество 1 подтвержденным. Разрешите одну повторную попытку при несоответствии, затем завершите вызов. После верификации вызовите @fhir_get_appointment и подтвердите прием, используя возвращенные данные. Если пациент подтверждает, сделайте краткий итог и закройте вызов. Если они хотят перенести запись, спросите, какой день им подходит, вызовите @fhir_get_available_slots для этого дня, предложите не более двух возвращенных слотов по времени клиники, и когда они выберут, вызовите @fhir_reschedule_appointment с точным временем начала, окончания и идентификатором этого слота. Скажите, что новое время забронировано, только после того, как этот вызов завершится успешно. Если они хотят отменить запись, подтвердите один раз, вызовите @fhir_cancel_appointment и предложите перебронировать из тех же слотов. Если инструмент планирования дважды дает сбой, не переводите звонок; скажите, что первоначальная запись остается в силе и офис перезвонит. Если они дважды просят человека или описывают неотложные симптомы, скажите, что вы их соединяете, и переведите звонок на стойку регистрации (front desk). Направляйте каждый перевод через узел короткого уведомления, чтобы пациент всегда слышал эту фразу в первую очередь".

Architect построил рабочий процесс по этапам, дважды приостановив работу: один раз, чтобы спросить о несохраненных изменениях в редакторе, и второй раз, чтобы уточнить, нужно ли завершить остальную часть потока перед публикацией. Architect вернулся с одиннадцатью узлами и сам дал им имена: начальный узел, «Подтвердить, кто ответил», «Не пациент: предложить обратный звонок», «Проверить дату рождения», «Подтвердить прием», «Перенести», «Отменить», «Итог и закрытие», узел «Уведомление о переводе», который произносит одну фиксированную фразу, узел «Перевод на стойку регистрации» и конечный узел.

Определение областей применения инструментов прошло успешно. fhir_get_patient работает только в Verify. fhir_get_appointment работает только в Confirm. Инструменты планирования работают в Reschedule и Cancel. Architect также удалил инструмент transfer_to_number на уровне агента, так что единственным путем к стойке регистрации стал узел уведомлений, и отметил две вещи, которые не смог завершить самостоятельно: настройку в узле уведомлений о переводе, которая не сохранилась, и две строки в нашем базовом промпте, которые все еще предписывали агенту вызывать инструмент, которого больше не существовало. Architect предложил переписать эти строки или запустить тесты, и мы поручили ему переписать обе.

Что показали тесты

Пять из девяти тестов прошли успешно. Два сбоя были именно тем, для чего существует агент-напоминатель. В сценарии подтверждения агент зачитал: «Понедельник, 5 октября, в 14:00 с доктором Окафором» в тот момент, когда пациент сказал: «ага, это Джек», еще до того, как была проверена дата рождения и подтверждена личность. В сценарии переноса вообще не был вызван ни один инструмент планирования; агент объявил новое время, которое он сам придумал. Еще два теста не выполнились, потому что в их тестовых данных отсутствовала переменная patient_id.

Первым инстинктом Architect была изоляция: вернуть инструменты базовому агенту, чтобы вызов работал, даже если рабочий процесс не берет управление на себя. Команда попросила его сначала провести расследование, и менее чем через минуту у Architect была причина.

Каждый узел передает управление следующему путем вызова скрытого инструмента смены шага, и модель на каждом шаге решает, вызывать ли его. В тесте с отменой модель вызывала его на каждом шаге и проходила по намеченному пути. В двух неудачных тестах модель ответила «ага, это Джек» напрямую и так и не покинула начальный узел, в котором нет ни одного инструмента FHIR.

Этому способствовали две причины. Базовый промпт по-прежнему содержал все детали записи и описывал весь звонок целиком, поэтому начальный узел считал, что может справиться со всем самостоятельно. В промпте начального узла также было указано, чем делиться нельзя, но отсутствовало указание на необходимость передачи управления.

Архитектор предложил исправление, состоящее из трех частей, и команда одобрила его:

  • Перенести детали записи из базового промпта исключительно в узел подтверждения записи, чтобы узел, у которого нет доступа к деталям, не мог их раскрыть даже при сбое смены шага.
  • Переписать промпт каждого узла так, чтобы в нем была указана его единственная задача и требование передавать управление в момент выполнения условия выхода.
  • Переключить модель с Haiku на Sonnet, поскольку решение о передаче управления носит вероятностный характер, и более мощная модель реже упускает его из виду. Затем перезапустить набор тестов, причем каждый из двух упавших тестов запустить по три раза.

При повторном запуске тесты подтверждения и переноса прошли все три раза. Детали остались за защитным барьером верификации, и ничего лишнего придумано не было. Архитектор также исправил пять тестов, в которых отсутствовал patient_id, и переформулировал проверку в тесте эскалации, где все еще осуществлялся поиск transfer_to_number. Объем оставшихся проблем уменьшился. Путь второго несовпадения завершал звонок без фразы о том, что клиника перезвонит, а в одном из трех запусков сценарий с клиническим вопросом пропустил предложение записать вопрос для визита. Один оставшийся сбой относился к оценщику, который засчитал начальную фразу «Я говорю с Джеком?» как запрос имени звонящего. Мы поручили Архитектору исправить агента и не трогать этот тест. Он добавил двенадцатый узел «Верификация не пройдена: последующее действие» между узлом второго несовпадения и конечным узлом, добавил одно предложение в промпты подтверждения и подведения итогов, а также открыл диалоговое окно публикации для проверки.

Два пункта из нашего плана оказались ненужными. Мы подготовили проекты последующих промптов для обработки голосовой почты и сценария отказа. Инструмент системы определения голосовой почты и record_dnc_optout были настроены у базового агента еще до начала работы Архитектора, и оба сценария успешно проходили при каждом запуске.

Что показал реальный звонок

Симуляции прошли успешно. Первые реальные вызовы на телефон выявили три проблемы, которые тесты не смогли обнаружить.

Агент повторял сам себя. Узел подтверждения произнес: «Конечно, сейчас я с этим разберусь», передал управление, а узел переноса начал с фразы: «Конечно, давайте я открою вашу бронь». Каждый узел запускается со своим собственным промптом, поэтому модель подтвердила действие дважды, а фраза «у вас все готово» прозвучала до того, как что-либо было настроено. Мы передали Архитектору идентификатор разговора и попросили обеспечить единый голос на всех этапах: отсутствие подтверждения после передачи управления, результат озвучивается один раз в итоговом блоке. Он добавил этот раздел в базовый промпт, переписал промпты подтверждения и переноса, изменил условия выхода для переноса и отмены таким образом, чтобы сбой планирования завершался обещанием обратного вызова, а не переводом вызова, и написал десятый тест для этого сценария.

Агент обрывал сам себя дважды во время верификации. В расшифровке стенограммы обнаружились фрагменты его собственного вопроса, поступающие как речь пациента: это эхо от громкой связи, а не проблема модели. Архитектор подтвердил, что у данного типа узлов нет настройки прерывания, поэтому решением является использование гарнитуры.

Запись в ЭМК выглядела корректной, но таковой не являлась. Когда Архитектор создал функции fhir_reschedule_appointment и fhir_cancel_appointment, он остановился на двух массивах, необходимых для записи FHIR: participant и slot. Он сообщил, что не может сформировать их из чата, и предупредил, что их отсутствие приведет к удалению пациента из записи. Мы добавили их в редактор инструментов с неверным типом элементов. Следующий вызов перенес запись в выбранный слот, сервер сохранил новое время и молча отбросил оба массива, и в течение минуты в записи не было пациента. Все тесты горели зеленым, поскольку имитации никогда не обращаются к серверу. Проблема обнаружилась только при чтении ресурса обратно.

Три правила, которым мы следовали при использовании Архитектора для агента в сфере здравоохранения:

  • Именуйте инструменты с помощью символа @. Написание «инструмент отмены» подталкивает к догадкам; @fhir_cancel_appointment — нет.
  • Разговоры с Архитектором не подпадают под действие режима нулевого хранения данных. Описывайте агента с помощью синтетических примеров. Никогда не вставляйте реальные данные пациентов в чат.
  • Самый сильный режим Архитектора — после запуска. На главной странице Архитектора для агента отображается очередь проверки помеченных разговоров. Указать ему на стенограмму, где агент допустил оплошность, и попросить изменить рабочий процесс так, чтобы это больше не повторилось, быстрее, чем искать уязвимость самостоятельно.

Настройки агента

Настройки максимально дублируют настройки входящего агента. Eleven v4 для синтеза речи с отключенным экспрессивным режимом (Expressive Mode), Scribe v2 Realtime для транскрипции с добавлением фамилии пациента и имени врача в качестве ключевых слов для повышения точности, Turn Model v3 и Claude Sonnet 4.6 в качестве языковой модели при температуре ноль в соответствии с рекомендацией Архитектора. ElevenLabs создает каждую из этих моделей, поэтому повышение приоритета фамилии и имени провайдера является настройкой, а не обходным путем. Заполнители пауз при мягком таймауте («Хорошо, одну секунду») маскируют задержку инструментов, чтобы линия не замолкала во время ответа FHIR.

Первое сообщение представляет собой фиксированный текст с двумя переменными:

Hi, this is Priya, the automated assistant from {{clinic_name}}, calling about an upcoming appointment. Am I speaking with {{patient_first_name}}?

One sentence on the clinic name itself. For a family practice it is harmless. For a behavioral health, oncology or HIV clinic, the name alone discloses something to whoever picks up. Use a neutral parent organization name in the opening and the voicemail script if that applies to you.

System prompt and guardrails

The base prompt follows the structure from the prompting guide: role, what the agent knows about this call, identity rules, tools, call-specific rules, speaking style, boundaries, crisis handling.

Four things differ from the inbound agent:

  • The agent placed this call, so it must earn the conversation. The first message states the clinic name and that this is an automated call about an upcoming appointment, then asks for the patient by first name. Some states require disclosing an AI voice; the disclosure requirement page covers where.
  • The agent confirms who it is talking to before it says anything specific. The appointment details are in the dynamic variables, but the person who picked up might be a spouse, a child, or a stranger with a recycled number. Until the date of birth matches the record, the agent says "an upcoming appointment" and nothing more. The prompt states this rule, then restates it under call-specific rules.
  • We set the verification bar lower than the inbound flow, on purpose. There, an unknown caller had to clear an EHR match and an SMS one-time code. Here, the clinic dialed the number on the patient's record. Possession of that phone plus a spoken date of birth that matches the FHIR record is a defensible bar for confirming, moving, or canceling an appointment. If your policy needs a second factor when the answering number doesn't match the record, the Twilio Verify tools from the inbound post drop in unchanged.
  • The speaking rules account for the call being an interruption. Two sentences is a complete turn, and "no" is an acceptable answer.

Клинические рамки остаются неизменными: никаких диагнозов, никаких рекомендаций по лечению или приему медикаментов, никакого биллинга и немедленный перевод звонка при срочных симптомах. Исходящие вызовы добавляют еще два правила: немедленно выполнять просьбу прекратить звонок и никогда не звонить за пределами разрешенного для клиники времени.

Системные защитные барьеры (Runtime Guardrails) подкрепляют промт так же, как и для входящего агента: Focus удерживает промт во время длинного разговора, Manipulation пресекает попытки инъекций, а Custom guardrails обеспечивают соблюдение клинических правил. Для защитного барьера по срочным симптомам мы используем повторную попытку с обратной связью (retry with feedback), поэтому скорректированная реплика указывает агенту выполнить перевод вместо того, чтобы звонок просто завершился.

Инструменты

Поиск пациента и записи

fhir_get_patient выполняет поиск GET /Patient, ограниченный записями конкретного пациента: параметр _id берется из списка получателей, языковая модель (LLM) передает только дату рождения, названную пациентом в формате ГГГГ-ММ-ДД, а параметр _summary=count означает, что агент получает в ответ одно число. Общее количество, равное 1, означает, что дата совпадает с данным пациентом, любое другое значение — что не совпадает. Ограничение по _id имеет значение в общей песочнице (sandbox), где каждый читатель, запускающий скрипт инициализации, создает еще одного «Иван Иванов», родившегося 1968-03-14; кроме того, это правильный формат запроса к реальной EHR, поскольку единственное, что узнает агент — это совпала ли названная дата.

fhir_get_appointment считывает данные с помощью GET /Appointment/{appointment_id}, используя идентификатор из списка получателей. Агент сверяет информацию с актуальным состоянием в EHR на момент звонка. Если запись была отменена в промежутке между ночным заданием и звонком, агент узнает об этом до того, как скажет что-то неверное.

Оба инструмента используют фильтр ответа, благодаря которому LLM видит только необходимые ей поля (total, status, start, end, description), а не весь пакет FHIR целиком.

Планирование в EHR

fhir_get_available_slots выполняет GET /Slot?schedule={fhir_schedule_id}&status=free&_sort=start, где день, о котором спрашивает пациент, передается LLM в качестве нижней границы start. Инструмент возвращает доступные слоты провайдера в формате UTC, а агент зачитывает не более двух из них по времени клиники.

fhir_reschedule_appointment представляет собой запрос PUT на /Appointment/{appointment_id} с указанием времени начала, окончания и ссылки выбранного слота, со статусом booked. Поскольку обновляется запись, которую агент только что подтвердил, не требуется согласовывать вторую бронь, и не возникает моментов, когда у пациента нет никакой записи. Если запрос PUT завершается с ошибкой, исходная запись остается нетронутой.

fhir_cancel_appointment — это аналогичный запрос PUT со статусом cancelled и указанием причины отмены, за которым следует предложение перенести запись с помощью двух упомянутых выше инструментов.

Оба инструмента записи фиксируют участника как пациента, а описание — как визит, поэтому LLM передает только время и переданный ей идентификатор слота. В демо-версии слот остается свободным после переноса записи; в продакшн-сборке добавляется запрос PUT, помечающий его как занятый, либо это позволяет сделать сама EHR.

Горячая линия и голосовая почта

Обработка голосовой почты реализована на двух уровнях, выполняющих разные задачи. Системный инструмент обнаружения голосовой почты — это то, что меняет поведение агента во время звонка: LLM распознает автоматическое приветствие по ходу разговора, воспроизводит настроенное сообщение и вешает трубку. В сообщение подставляются динамические переменные:

Здравствуйте, это Прия из {{clinic_name}}. Напоминаем вам о записи на прием {{appointment_date}} в {{appointment_time}}. Для подтверждения или отмены пожалуйста позвоните нам по номеру {{clinic_callback_number}}. Спасибо.

Агент не называет имя пациента или имя врача, поскольку голосовыми ячейками часто пользуются совместно.

Отказ от звонков

Перевод на человека

Соответствие требованиям

Затем:

← Все статьи

О чём эта статья

Ещё в разделе «AI и машинное обучение»

Все →
Как масштабировать маркетинговую экспертизу с помощью ИИ-агентов
Jasper

Как масштабировать маркетинговую экспертизу с помощью ИИ-агентов

Как мы обеспечиваем безопасность 100+ кластеров в 20+ облаках
Baseten

Как мы обеспечиваем безопасность 100+ кластеров в 20+ облаках

Улучшенные средства контроля для новой эры кибератак
Baseten

Улучшенные средства контроля для новой эры кибератак

Qwen3 TTS теперь доступна на Together AI
Together AI

Qwen3 TTS теперь доступна на Together AI

Представляем варианты видеорекламы и локализацию в Ads Engine
ElevenLabs

Представляем варианты видеорекламы и локализацию в Ads Engine

WRITER AI Studio теперь называется Control Center
Writer

WRITER AI Studio теперь называется Control Center

Ещё от ElevenLabs

Представляем варианты видеорекламы и локализацию в Ads Engine
ElevenLabs

Представляем варианты видеорекламы и локализацию в Ads Engine

Сколько звонков может одновременно обрабатывать голосовой ИИ-агент?
ElevenLabs

Сколько звонков может одновременно обрабатывать голосовой ИИ-агент?

Как Candid Health автоматизирует звонки плательщикам с помощью ElevenAgents
ElevenLabs

Как Candid Health автоматизирует звонки плательщикам с помощью ElevenAgents

Что такое векторная база данных? Как ИИ-поиск находит смысл
ElevenLabs

Что такое векторная база данных? Как ИИ-поиск находит смысл

ElevenAgents для здравоохранения: агенты, которым доверяют пациенты и медицинские команды в клинических условиях
ElevenLabs

ElevenAgents для здравоохранения: агенты, которым доверяют пациенты и медицинские команды в клинических условиях

Что такое WebRTC? Руководство по веб-коммуникациям в реальном времени
ElevenLabs

Что такое WebRTC? Руководство по веб-коммуникациям в реальном времени