Клиника подключила ИИ-регистратора: что вышло и сколько стоит

Голосовые и текстовые ассистенты для записи пациентов перестали быть экзотикой: клиники подключают их к телефонии и мессенджерам, чтобы разгрузить регистратуру. Схема почти всегда одинаковая — распознавание речи (ASR) переводит звонок в текст, языковая модель понимает запрос и подбирает слот, синтез речи (TTS) отвечает голосом, а запись улетает в медицинскую информационную систему через API. Ниже — как устроен типовой кейс, из чего складывается цена и где такие системы дают сбой. Конкретные названия вендоров и внутренние цифры отдельной клиники я не привожу: публичной проверяемой статистики по ним нет, а выдумывать проценты "снижения нагрузки" смысла нет.

Что именно автоматизируют

Запись пациента — это не одно действие, а цепочка. Ассистент закрывает её не целиком, а по кускам, и от того, сколько шагов он берёт на себя, зависит и эффект, и риск.

• Приём входящего звонка или сообщения. Бот отвечает мгновенно и параллельно на десятки линий — здесь и кроется основная экономия на пиковых часах.
• Идентификация пациента. По телефону, ФИО и дате рождения ассистент находит карту в МИС¹ или заводит новую.
• Подбор врача и слота. Модель сопоставляет жалобу с профилем специалиста и предлагает свободное время из расписания.
• Подтверждение и напоминание. Автоматическая отправка деталей визита и напоминание за сутки — это снижает неявки.
• Отмена и перенос. Самая нервная часть: тут ассистент должен корректно освободить слот, иначе расписание рассыпается.

Осознанные внедрения оставляют человеку то, что модель делает плохо: сложные жалобы, конфликтные разговоры, вопросы про цену и показания. Бот в таких случаях переводит звонок на живого оператора, а не пытается импровизировать.

Как это собрано технически

Под капотом почти всегда три слоя. Первый — телефония или канал мессенджера, куда приходит обращение. Второй — конвейер ASR + LLM + TTS: речь в текст, текст в решение, решение обратно в речь. Третий — интеграция с МИС и расписанием через API.

Ключевой узел — языковая модель с доступом к данным клиники. Чтобы бот отвечал не общими фразами, а конкретикой из расписания и прайса, применяют RAG²: модель на лету подтягивает актуальные слоты и правила приёма, а не полагается на то, что "запомнила". Это же снижает риск того, что ассистент выдумает несуществующего врача или свободное окно.

Автоматизировать запись имеет смысл только там, где расписание в МИС ведётся аккуратно. Если слоты руками правят в трёх местах и не синхронизируют, бот будет уверенно записывать пациентов в занятое время — и виноват окажется он, хотя причина в бардаке с данными.

Голосовой бот против текстового и живого оператора

Три подхода к записи решают одну задачу, но по-разному нагружают клинику и по-разному воспринимаются пациентами.

На практике клиники редко выбирают что-то одно. Текстовый бот закрывает молодую аудиторию и сайт, голосовой снимает пик звонков, а операторы остаются на всё, что требует человека и эмпатии.

Сколько это стоит

Единой цены нет — зависит от модели, объёма звонков и того, свой это движок или облачный сервис. Расходы обычно складываются из нескольких статей, и "подписка" — только верхушка.

1. Платформа или подписка. Помесячная плата за сервис голосового бота или лицензию.
2. Оплата за минуты и токены. ASR и TTS чаще тарифицируются по минутам разговора, LLM — по токенам запроса и ответа. На длинных диалогах это накапливается.
3. Интеграция с МИС. Разовая работа по подключению к API конкретной системы — самая недооценённая статья.
4. Телефония. Номера, минуты, каналы связи.
5. Сопровождение. Кто-то должен править сценарии, когда меняется прайс или расписание.

Конкретные тарифы облачных ASR/TTS и LLM меняются часто и зависят от вендора — их стоит смотреть на актуальных страницах поставщиков на дату расчёта, а не ориентироваться на цифры из прошлогодних кейсов.

Кому это пригодится, а кому нет

Пригодится:

• Клиникам с большим потоком типовых звонков "запишите к терапевту на завтра", где регистратура тонет в пик.
• Сетям с несколькими филиалами и общим колл-центром — эффект масштабируется.
• Тем, у кого расписание и карты уже аккуратно ведутся в единой МИС с открытым API.
• Для напоминаний и подтверждений визита — здесь бот почти не рискует, а неявки сокращает.

Скорее навредит:

• Маленькой клинике с парой врачей: интеграция и сопровождение съедят больше, чем сэкономит бот.
• Там, где пациенты идут с непонятной жалобой и им нужно объяснить, к кому вообще идти, — это работа человека.
• Профилям с юридически чувствительными разговорами (диагнозы, показания к операции): ассистент не должен консультировать, только записывать.
• Клиникам с хаосом в расписании: автоматизация не наведёт порядок в данных, а усилит бардак.

Что легко упустить

Записи разговоров и данные пациентов — это персональные данные, причём часть из них относится к сведениям о здоровье. Хранение и обработка таких данных регулируются законом о персональных данных, и передача их во внешний облачный сервис требует юридической проработки, а не только технической. Конкретный порядок стоит согласовать с юристом клиники — здесь я разбираю технику, а не правовую сторону.

Второй частый провал — метрика успеха. "Бот принял звонок" не равно "пациент записался и пришёл". Считать нужно долю доведённых до записи диалогов, долю переводов на оператора и неявки, а не число обработанных обращений.

¹ МИС — медицинская информационная система: программа, в которой клиника ведёт расписание врачей, карты пациентов и записи на приём.

² RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает актуальные данные из внешнего источника (расписания, прайса), а не полагается только на то, что было в обучении.