Как клиники и лаборатории используют ИИ‑ассистентов для работы с пациентами и повышения эффективности

Сегодня пациенты оценивают медицинские услуги по доступности и удобству коммуникации с клиникой. Им важно быстро записаться к врачу, перенести прием без долгого ожидания на линии, узнать, как подготовиться к анализам, или спланировать дальнейшие шаги после получения результатов.

При этом колл‑центры и регистратуры сталкиваются с высокой нагрузкой. Значительная часть их времени уходит на рутинные вопросы, повторяющиеся задачи и ручную маршрутизацию. Одно из решений проблемы — ИИ‑ассистенты, такие как чат‑боты и голосовые помощники.

Видим, что внедрение ИИ стало очень востребованным. Решили узнать, как ведущие клиники и лаборатории применяют искусственный интеллект в своей работе и с какими проблемами сталкиваются.

Почему в частной медицине начали внедрять ИИ‑ассистентов

По данным опроса Lab4U, проведенного среди 750 несетевых клиник в 2025 году, 17,4% уже применяют чат‑ботов для записи пациентов, отправки напоминаний и сбора данных. Еще 19,3% планируют их внедрить в ближайшее время.

Первый и главный драйвер развития рынка — рост ожиданий пациентов. Современный пациент хочет получить ответ на свой запрос мгновенно, независимо от времени суток и канала связи. Он не готов подолгу ждать на линии, переключаться между отделами или повторять одну и ту же информацию разным сотрудникам.

Второй фактор — перегрузка колл‑центров, регистратур и администраторов. Ежедневно колл‑центры медицинских организаций обрабатывают сотни звонков.

Например, в федеральном травматологическом центре в 2024 году в среднем принимали 489 звонков в день. При этом среднее время ожидания ответа составляло 1 минуту 1 секунду, а разговора — 2 минуты 16 секунд. 68,3% пациентов по‑прежнему предпочитают именно звонок оператору как способ связи, что создает внушительную нагрузку на колл‑центры в пиковые часы.

Третья причина — необходимость стандартизации качества сервиса и ускорения обучения сотрудников. В многопрофильных клиниках и сетях сложно поддерживать единый уровень коммуникации во всех центрах. Операторы могут по‑разному отвечать на одинаковые вопросы, что влияет на доверие пациентов.

Именно поэтому ИИ‑ассистенты все чаще используются не только для общения с пациентами, но и для внутренних задач — анализа диалогов, автоматической сортировки обращений, выявления узких мест и, главное, обучения персонала.

Какие задачи ИИ‑ассистенты уже могут брать на себя

Следующие сценарии уже стали стандартом:

В мобильном приложении Helix Express Международной медицинской лаборатории «Хеликс» умный помощник решает более сложные задачи. Он проводит мгновенную оцифровку назначений врача — распознает даже рукописный текст из направления и преобразует его в перечень анализов.

Помощник также анализирует симптомы, выстраивает диалог с пациентом и на основе его ответов предлагает клинически обоснованные рекомендации по набору исследований и выбору врача. Кроме того, он интерпретирует результаты анализов, учитывая текущие симптомы и данные из системы. Это позволяет пациенту получить справочную информацию, без постановки диагноза.

Похожий сценарий развивает и «Гемотест». В лаборатории тестируют ИИ‑ассистента на этапе после выдачи результатов.

Особого внимания заслуживают комплексные запросы, когда пациент хочет совместить несколько услуг в один визит. Как показывает практика компании Lithium, современные чат‑боты способны обрабатывать такие обращения без участия оператора.

Дмитрий Голиков, сооснователь & CEO Lithium рассказывает о том, как может выглядеть пример обработки запроса чат‑ботом: «Пациент пишет, что может выделить один день для посещения клиники, ему нужно сдать анализ крови, сделать УЗИ живота, попасть к эндокринологу и, если получится, к тому же стоматологу, у которого он был в прошлый раз. Бот без оператора помогает выбрать день, подбирает удобные слоты на все процедуры и находит нужного специалиста».

Чтобы этот процесс работал предсказуемо и масштабируемо, Lithium выстроила четкую логику взаимодействия.

Какие метрики помогают оценить эффект от внедрения ИИ‑ассистента

Первый уровень — технологические и операционные метрики. Здесь важно измерять скорость ответа, долю обращений, решенных без участия оператора, количество переводов на человека, повторные обращения по одному вопросу и конверсию из запроса в целевое действие.

Никита Карташев из «МЕДСИ» отмечает: в фокусе команды не только технологические параметры, но и доступность каналов, корректность маршрутизации и удовлетворенность пациентов. Автоматизация не должна ухудшать качество коммуникации.

В Lithium, где система находится на пилотной стадии, ключевым индикатором снижения нагрузки служит количество переводов на оператора. Дополнительно отслеживаются обращения к базе знаний и расход токенов LLM (Large Language Model — большая языковая модель).

Второй уровень — бизнес‑результаты и клиентский опыт. В «Гемотест» на пилоте ассистента, сопровождающего пациента после выдачи результатов, переходы к следующему действию выросли на 6%, а повторные обращения в целевых сегментах — на 2%. Вместо сухих показателей пациент получает понятный сценарий: какие исследования могут быть полезны дальше, к каким специалистам обратиться. Рост метрик становится прямым следствием улучшения клиентского опыта.

Как ИИ‑ассистент улучшает клиентский опыт — и когда он должен передать обращение человеку

Отношение пациентов к искусственному интеллекту остается сдержанным. По данным ВЦИОМ за 2024 год, 94% россиян в той или иной степени осведомлены о технологиях ИИ, но доверие к ним выражают только 52%. При этом с 2022 года уровень фокусированного знания вырос с 36% до 50%.

Для пациента ценность ИИ‑ассистента заключается не в самом факте использования технологии, а в результате: быстром, понятном и без лишних усилий.

При этом разные пациенты предпочитают разные форматы общения. Часть аудитории, особенно в лабораторных сервисах, сознательно выбирает бесконтактный опыт. В «Хеликс» отмечают, что умный помощник не призван заменить работу колл‑центра или администраторов, но он востребован теми, кому ближе получение услуг без лишних контактов — через приложение.

Внедряя ИИ, нельзя игнорировать различия в предпочтениях пациентов. Молодые пациенты чаще ожидают цифрового формата общения — через чат, мобильное приложение или быстрые онлайн‑сервисы. Часть пациентов старшего возраста может предпочитать живое общение, и это нормально.

В «МЕДСИ» исходят из принципа омниканальности: пациент должен иметь возможность выбрать удобный для себя способ коммуникации. ИИ‑ассистент помогает там, где это уместно, но у пациента всегда должен оставаться понятный путь к сотруднику клиники или оператору.

Современные LLM позволяют передать ответственность за маршрутизацию самой модели. Как отмечает Дмитрий Голиков, сооснователь & CEO, Lithium, чат‑бота настраивают таким образом, чтобы он сам принимал решение о переводе на оператора, в том числе когда данные для ответа есть, но он не уверен в них или считает, что оператор сможет предложить более творческую помощь.

Василий Захаров рассказывает, что в «Гемотест» внедряют механизмы умной маршрутизации на основе профиля клиента.

Интересное наблюдение из практики Lithium: чем менее ответ бота похож на заранее продуманный сценарий, тем чаще люди общаются с ним как с человеком‑оператором — благодарят, говорят «вы очень помогли». И это несмотря на то, что компания открыто сообщает, что на связи ИИ‑ассистент. По мнению Дмитрия Голикова, живое, нескриптованное общение повышает доверие и делает взаимодействие более естественным.

Зона работы ИИ‑ассистента в медицине строго ограничена: он не ставит диагноз, не назначает лечение, не интерпретирует клинически значимые данные как врач и не принимает решения за врача.

Никита Карташев подчеркивает: для «МЕДСИ» принципиально, чтобы ИИ работал в контролируемом контуре. В медицинской сфере он должен передавать человеку все ситуации, где требуется профессиональная оценка. То же самое касается случаев с повышенной чувствительностью коммуникации.

Обработка типовых запросов, которые раньше занимали значительную часть времени операторов, все чаще переходит к ИИ. По данным кейса компании «Гемотест», внедрение голосового бота Robovoice позволило оптимизировать трудозатраты контакт‑центра на 40% за счет автоматизации обзвона для подтверждения записи и обработки запросов о статусе заказов.

А в «МЕДСИ» с помощью голосового ИИ‑агента было автоматизировано более 3,5 млн звонков в год, при этом 95% клиентов положительно оценивают его работу.

В период пандемии Международная медицинская лаборатория «Хеликс» ежедневно обрабатывала более 10 тыс обращений. Чат‑бот брал на себя большую часть этих запросов, что позволяло избежать перегрузок контакт‑центра.

Данные, интеграции и безопасность ИИ‑ассистента

Один из ключевых вопросов при внедрении ИИ‑ассистента в медицинской организации — какие данные ему действительно нужны и стоит ли давать доступ к медицинской информационной системе (МИС).

Безопасность и соответствие законодательству. Обработка персональных данных регулируется ФЗ‑152, врачебная тайна — статьей 13 ФЗ‑323. Если ПО с ИИ выполняет диагностические функции или принимает решения о маршрутизации на основе клинических признаков, оно может быть классифицировано как медицинское изделие — с соответствующими требованиями по регистрации в Росздравнадзоре.

Так, «Гемотест» выстроил многоуровневую систему защиты.

Эксперты сходятся во мнении: полный доступ ИИ‑ассистента к МИС в большинстве случаев не требуется, а иногда и опасен. Подходы к организации данных и обучению моделей различаются в зависимости от задач и архитектуры сервиса.

Работа без подключения к МИС. Пример «Хеликс» демонстрирует, что эффективный ИИ‑ассистент может работать и вовсе без подключения к МИС. Сервис оценивает только те данные, которые пользователь сообщил во время диалога или самостоятельно сохранил в личном кабинете, включая всю историю лабораторных показателей.

Такой подход исключает риск несанкционированного доступа к чувствительной информации, но при этом позволяет помощнику давать персонализированные рекомендации на основе данных, которые пациент предоставил сам.

При этом «Хеликс» использует для разработки как собственные данные, накопленные за многие годы работы, так и доступные возможности больших языковых моделей. Важным этапом стала настройка моделей при участии собственной группы медицинских экспертов — это, по мнению команды, необходимо для корректной работы сервиса и исключения критических ошибок.

Проектирование безопасной интеграции с МИС. Если интеграция с МИС необходима, важно подходить к ней с особой осторожностью. Дмитрий Голиков подчеркивает: доступ в МИС должен быть организован безопасно, чтобы чат‑бот не смог совершить неверные действия, а злоумышленник — получить данные, которые ему не должны быть доступны.

Кроме того, интеграция должна быть адаптирована под задачи, которые решает чат‑бот, и под саму LLM — существуют форматы записи информации, которые модель лучше понимает, и подходы по уменьшению количества затрачиваемых токенов.

Вместо прямого доступа к МИС Дмитрий Голиков предлагает проектировать отдельные инструменты под конкретные задачи.

Почему именно в таком порядке? Потому что если сначала отменить запись, а потом пытаться записаться на новое время, в случае ошибки у клиента уже не будет старого слота, и вернуть его может не получиться.

Дмитрий Голиков также отмечает, что создать чат‑бота можно и без связи с МИС — исключительно на базе знаний, то есть на текстовых документах, загруженных заранее. Но полноты функционирования и значимой экономической выгоды от такого внедрения для крупных бизнесов ожидать не стоит.

Эксперты предупреждают: самое сложное в внедрении ИИ — не создание стандартных сценариев, а настройка его поведения в нестандартных ситуациях.

Часто ИИ‑агент превосходно работает с целевым сценарием, и бизнес‑заказчикам может показаться, что его можно внедрять. Но на тестирование и доработку ограничений необходимо потратить в разы больше времени, особенно в медицинской тематике.

Именно ограничения, проверки и сценарии передачи на человека отличают безопасный медицинский ИИ от просто умного чат‑бота.

Таким образом, подход к данным в медицинских ИИ‑ассистентах строится на нескольких ключевых принципах: минимизация информации, проектирование безопасных интеграций и тщательная настройка ограничений, которая занимает значительно больше времени, чем разработка самих сценариев. И это правильно: в медицине лучше потратить лишнее время на тестирование, чем рискнуть доверием пациента или безопасностью его данных.