生成 AI 和未来的医疗保健联络中心

TALKDESK电子书 生成AI和医疗保健联络中心 未来的 GPT大型语言模型将如何帮助重新想象患者和会员的体验。 Introduction 随着人们对自动化和便捷服务的期望不断提高 ，我们正处于医疗机构提供患者和会员支持的方式发生巨大变化的开始。 ChatGPT背后的生成预训练转换器（GPT）大型语言模型（LLM）和其他一些生成AI系统将像联络中心的火箭燃料一样。 这些LLM已经接受了大量的文本培训，可以与没有额外培训的人进行完整的对话-引入了一个全新的复杂程度 虚拟代理和机器人，同时使它们更快 来部署。但受益的不仅仅是会话AI。任何交互在涉及的联络中心 语言可以潜在地通过生成AI来增强-意图检测，实体提取，情感分析，编辑，总结 ，分类等。医疗保健组织也应该期望看到这些 LLM做出 对知识管理、质量管理和对外参与产生重大影响。医疗保健提供者和付款人需要注意一些潜在的陷阱。毕竟，这是一项新的强大技术，需要谨慎对待。然而，有了正确的保障措施和流程，医疗保健组织将能够自信地使用geerative。 人工智能创造安全和引人注目的患者和会员体验。 2 目录 I.对话式AI加速了护理访问和股权改善。04 II.AI分析使组织能够查看完整的医疗保健消费之旅。06 III.知识管理和内容制作 为患者和代理人提供方便。07 IV.质量管理为组织提供洞察力 在每次患者呼叫，短信和聊天中。12 I.对话式人工智能加速了医疗服务的获取和公平的改善。 在联络中心的会话人工智能的背景下， GPTLLM可以提高虚拟代理和聊天机器人的准确性和流畅性，使他们能够处理更复杂和微妙的对话。 他们可以根据用户的确切兴趣和偏好生成个性化的响应，或者检测并适当地回应讽刺 和幽默。GPTLLM还有助于减少构建会话所需的培训数据量 人工智能系统几乎为零，因为它们的预训练是如此庞大。 与电子健康记录(EHR)预集成的语音和聊天机器人，如TalkdeskHealthcareExperienceCloud中的语音和聊天机器人，可以调用功能来管理预约、处方、转诊等。生成AI将意味着更自动化地解决重要患者访问 需要，但只需要以前提供这种便利水平所需的一小部分时间和资源。 GPTLLM使用世界上大多数口语。 こんにちは 再见 你好！ Thesemodelsalreadyknowhowtoconversefluidlyandcanadjusttheirlanguagecomplexitytofitanyhealthliteracyneedorcomplywithreading-levelrequirements.Multi-languagehasbeenrevolutionizedbyLLM,astheycanperform 以及在许多语言中，甚至在同一任务中跨语言。 当涉及到健康公平时，这具有重要的意义。生成性人工智能使交付 无论健康素养水平或母语如何，对任何患者人群的对话自动化都比以前容易得多。 4 Summary TalkDesk自动摘要 在每次通话，聊天，短信或电子邮件结束时，大多数联系中心代理 将编写交互的摘要，然后从描述结果的预设处置列表中选择 -例如，“预约安排”或“计费问题回答”等。这些摘要，或呼叫工作后(ACW)， 是下一位可能与同一患者或成员进行后续对话的代理人的关键。而不是慢慢地 滚动浏览以前的对话记录，新代理可以快速阅读前一位代理人的笔记，并立即与患 者或成员接触。 TalkDeskAutomaticSummary由GPT语言模型提供支持，可自动总结客户交互的关键点并选择适当的患者或成员 dispositions.Thedataispopulatedinthenotesarea,wheretheagentcanreview 然后点击一个按钮，所有的ACW都完成了，代理进入下一个对话，干净的数据准备好进行分析 。 它还可以以要点格式总结下一个最佳操作，列出代理人同意患者解决问题或需要的建议后续步骤的可操作项目。 摘要和处置也可以写回EHR、CRM、或其他记录系统。 5 II.AI分析使组织能够看到完整的医疗保健消费者旅程。 大多数云联络中心在分析结构化数据方面做得很好。但是对非结构化数据(如成绩单)的分析仍然存在 achallenge.Fewcontactcentersdoitwell,eventhoughthesechatsandcallscomprisecriticalstepsofthepatientandmemberjourney.GPTLLM,however,areexcellentatprocessingandanalyzinglargeamountsofunstructureddata,includingvoicec 和社交媒体互动。 能够理解自然语言的细微差别和复杂性将开辟新的数据源，以帮助联系中心更好地了解患者和成员的意图和情绪。 GPT模型还可用于分析来自多个来源的数据，包括患者互动，EHR数据和消费者反馈，以识别患者和成员沟通中的新模式和趋势。最终结果是医疗保健组织将 能够用他们的消费者互动数据回答新问题，并能够更准确地量化和归因他们的参与活动。 6 III.知识管理和内容生产为患者和代理人创造了便利。 在各种患者和会员服务环境中存储、检索、创建和应用知识的能力变得更加容易。 GPT可以自动捕获来自服务交互、员工培训材料和公司文档的信息 LLM并存储在员工和消费者易于访问的知识库中。他们还可以自动检索相关 来自该知识库的信息 在患者或成员互动期间，并确保它是正面和中心的 供代理访问。 如果你还没有听说过，GPT模型和生成人工智能是相当不错的 在创建内容时。输出的质量取决于质量 的投入，对于医疗机构来说，围绕LLM创建良好的人工智能护栏将是很重要的 在人工智能生成的内容面向患者之前，让人类了解它。 7 医疗保健联络中心的AI伦理 任何考虑在其联络中心使用GPT模型和生成人工智能的医疗保健组织都应该意识到道德考虑，并建立有助于确保安全和积极的患者和会员体验的流程。 1.透明度 患者和会员有权知道 如果他们的互动是由人工智能介导的。例如，如果患者或成员认为他们在和人类交谈，后来发现他们在和聊天机器人交谈，这可能会削弱对组织的信任，并损害他们与负责他们护理的实体的关系。在设计聊天机器人和虚拟代理时 ，向消费者充分披露是至关重要的。 2.Bias 另一个道德问题是聊天机器人和虚拟代理的响应中可能存在偏见。GPT模型是在大量文本数据上训练的，并且存在该数据可能以某种方式存在偏见的风险。例如，如果自动质量审查偏爱一种语音模式而不是另一种语音模式，则可能导致不平等的待遇 病人或成员，导致歧视。 3.数据安全 与处理个人身份数据（尤其是受保护的医疗保健信息 ）的任何软件系统一样，数据流经 LLM需要保持加密的端到端，静止，并遵循所有的 HIPAA和数据 保护患者数据安全的隐私考虑。 8 4.真实输出 另一个道德问题是GPT模型有可能“产生幻觉”或做出可能不真实的答案，但以令人信服的方式传达这些替代事实 。值得庆幸的是，与ChatGPT类型不同，医疗保健联络中心 应用程序被设置为处理相对狭窄的查询范围，并需要来自EHR或CRM的特定输入，而不是从知识库中回答任何用户的问题。 但是，面对患者的任何生成AI的强大护栏仍然是必不可少的。 5.工作流离失所 最后，还有工作流离失所的担忧。尽管目前医疗保健领域存在人员危机，但随着越来越多的公司转向基于人工智能的聊天机器人，人类联络中心代理可能会失去工作 。组织必须考虑自动化可能对 他们的员工，并采取措施减轻任何负面影响，特别是想象新的机会，更好的服务与许多日常工作被自动化。 9 IV.质量管理为组织提供有关每个患者呼叫，短信和聊天的见解。 人工评估的日子已经过去了。除了偶尔的抽查，没有理由再做了。 这些模型还可以用于为模拟现实生活中的患者或成员交互的代理创建交互式训练模块。这可以帮助代理商在安全，低压的环境中发展他们的技能，从而提高工作绩效。如前所述，GPTLLM可以分析通话记录和聊天记录，以确定趋势和改进领域。这将有助于联络中心优化其核心业务。 并提高整体性能。 GPTLLM可以自动分析和评估每个患者或成员 互动，以确定代理人擅长或挣扎的领域，并提供改进反馈 。 10 V.路由和编排将变得更快，并节省团队时间和头痛。 如果您的组织像大多数医疗保健部门一样，在设置呼叫、电子邮件、聊天和短信路由方面遇到困难，GPTLLM将使其变得更加容易。您只需告诉系统，“当有人打电话询问与‘预约’相关的事情时，请将其路由到患者访问队列。如果我们在工作时间之外，请路由它们 到患者门户或语音邮件。“。GPT模型将能够弄清楚如何在后端完成所有这些工作。 注射了GPTLLM的对话式IVR系统也将能够了解可用代理的技能，并将患者和会员查询实时路由到最合适的代理。 这将有助于优化路由并提高联络中心运营的效率。 11 VI.联络中心代理的角色将演变而不是消失。 WithGPT-poweredcontactcenters,almostallincomingrequestswillbefirsthandledbysomeformofanautomatedsystem.Thisautomatedsystemwillhave 与患者或成员的简短对话 对他们进行身份验证，了解他们的问题，并启动解决过程。 传统的“今天我能为您提供什么帮助？”-人类提出的问题将不 再必要。 分诊后，自动化系统将尝试解决多达80％的患者和会员服务 1.训练有素的特工处理最复杂和需要同理心的对话 (即20%的查询不是自动化的)。 2.转向剂监督一组机器人，让他们在遇到问题时重回正轨。 查询。因此，联络中心代理可能会分为两个不同的角色： 指导者将是一个新角色。同时进行数十次对话 -通过语音，电子邮件，短信和聊天-在患者和机器人之间，机器人可能偶尔需要帮助来理解查询。然后 ，代理将“引导”对话回到正轨，在极少数情况下，可能不得不接管对话。 12 Conclusion 在技术方面，医疗保健通常被描绘成一个保守且采用缓慢的行业。这种声誉通常被证明是准确的，并且证明了医疗保健组织向消费者提供的“产品”和“服务”的重要性。其他行业糟糕的客户服务体验可能意味着损失 收入或退货；在医疗保健中，它可能导致负面的健康结果。当涉及到某人的健康时，“相当不错”的症状检查聊天机器人是不可接受的。 因此，在围绕人工智能的所有炒作和兴奋中，这似乎是一个安全的，如果愤世嫉俗的赌注，这本电子书中列出的未来将需要很多年才能到达医疗保健领域。 然而，我们的赌注是，我们将继续对GPTLLM和生成式AI对医疗保健联系中心的影响有多快和多广泛感到惊讶。患者和会员的期望从未如此高，医疗保健系统的导航变得越来越复杂，医疗保健组织无法持续地提供帮助。 患者和会员的旅程迫切需要自动化，以便它可以成为现代消费者期望和应得的同步，个性化和便捷的体验。 13 术语表 聊天GPT是一个聊天应用程序，可以就几乎任何话题进行类似人类的对话。它是由一家名为OpenAI的营利性初创公司构建的 ，该公司已从Microsoft获得了大量投资。 深度学习技术是一类人工智能算法，旨在从大型数据集中学习和提取复杂的模式和关系，可应用于各种任务，如图像和语音识别 、自然语言处理和决策。 GPT代表generativepre-trainedtransformer。它描述了使用无监督学习技术在大量文本数据上训练的一系列大型语言模型。ChatGPT目前由GPT-4提供支持。 GenerativeAI指的是一类人工智能技术和模型，可以生成新的原始数据，如文本、图像和音乐。 生成模型大型语言模型是生成AI用于生成新数据的一