← Wszystkie case studies · ✨ Inne
Sieć aptek · 62 placówkiSieć aptek: 89% interakcji lekowych wykrywanych w trakcie wydania recepty
Sieć aptek (62 placówki) — system łączy bazę leków + AI sugeruje pytania do pacjenta, wykrywa potencjalne interakcje i alternatywy.
Okres pomiaru: 3 miesiące pierwszej fazy
Sytuacja wyjściowa
Klient: sieć aptek, 62 placówki w 3 województwach, 480 farmaceutów, 1,2 mln wydanych recept rocznie. Konkurencja: duże sieci ogólnopolskie + niezależne apteki.
Farmaceuta przy okienku ma 90 sekund na pacjenta i kilkanaście leków na recepcie. Sprawdzenie interakcji w czasie wydania — niemożliwe w pełni manualnie. Pacjenci z polifarmacją (>5 leków od >2 lekarzy) byli szczególnie ryzykowni. Powikłania lekowe to 12% hospitalizacji w grupie 65+. Apteki teoretycznie powinny być pierwszą linią obrony, w praktyce — nie były.
Jakie procesy weszły na AI
- Skanowanie i AI walidacja recepty — Recepta skanowana w 5 sekund, AI łączy z historią pacjenta (jeśli ten sam pacjent w sieci), wykrywa: interakcje (DDI database), powielenia, niespójności dawkowania, błędy receptury.
- Sugerowane pytania do pacjenta — AI generuje 2-3 sugerowane pytania dla farmaceuty: „Czy bierze Pan jeszcze X i Y?", „Czy ma Pan alergię na Z?". Farmaceuta pyta naturalnie, AI klasyfikuje odpowiedź.
- Proponowanie alternatyw — Jeśli wykryta jest istotna interakcja, AI sugeruje alternatywny preparat (z notatką dla farmaceuty, żeby skontaktował się z lekarzem przepisującym).
- Edukacja pacjenta — AI generuje krótkie podsumowanie dla pacjenta: jak brać leki, na co uważać, kiedy wrócić. Wydruk lub aplikacja.
Architektura rozwiązania
Stack RedAI: Claude Opus 4.7 do generowania pytań i edukacji pacjenta, baza interakcji lekowych (Lexicomp), OCR recept (przepisanych pismem). Integracje przez MCP z systemem aptecznym, IKP (Internetowe Konto Pacjenta) gdy pacjent się zgodzi. Hook PreToolUse: pełna anonimizacja przed wysłaniem do modelu, RODO art. 9 jako dane szczególnej kategorii.
Dane klienta nie wychodzą poza prywatną instancję RedAI. Wszystkie wywołania modeli, retrieval z bazy wiedzy i operacje na systemach źródłowych logowane do audytu (NIS2, AI Act art. 12, RODO art. 32). Hooks Claude wymuszają deterministyczne kontrole uprawnień (ACL) przed każdym wywołaniem narzędzia.
Liczby i wyniki
| Metryka | Przed | Po wdrożeniu | Zmiana |
|---|---|---|---|
| Wykrywalność potencjalnych interakcji | 38% | 89% | +51 pp |
| Czas wydania recepty | 2,4 min | 2,1 min | -13% (bez utraty jakości) |
| Sugerowane interwencje farmaceuty | baseline | 320/mies. na sieć | — |
| Lekarz przepisujący — zwrotny kontakt | baseline | 180/mies. | — |
| Satysfakcja pacjentów 65+ | baseline | +42% | +42% |
| Postrzeganie farmaceuty jako doradcy | baseline | +71% | +71% |
Setup: 420 tys. zł. Opex: 32 tys. zł/mies. Korzyść trudna w zł — głównie reputacja, retention pacjentów, redukcja powikłań zdrowotnych w populacji obsługiwanej. Strategiczna wartość.
„Pacjent miał 80 lat, 7 leków od 4 specjalistów. Wcześniej żaden z nich nie widział całości. Teraz w naszej aptece widzimy."
— Kierownik apteki
Co dalej
Kolejna faza: zdalna konsultacja farmaceuty (telefoniczna z asystą AI), zaawansowane programy zarządzania terapią dla pacjentów przewlekłych, AI-assisted compounding (przygotowanie leków robionych).
RedAI działa jako prywatna instancja w infrastrukturze klienta. Dane nie wychodzą poza firmę. Umówcie 30-minutowe demo — pokażemy analogiczne wdrożenie w Waszej branży i policzymy ROI na Waszych liczbach.
„Pacjent miał 80 lat, 7 leków od 4 specjalistów. Wcześniej żaden z nich nie widział całości. Teraz w naszej aptece widzimy."
Inne case studies z działu inne.
Chcesz, żeby Wasza firma była następna na tej liście?
30-min rozmowa — pokazujemy 2–3 case'y najbliższe Waszej sytuacji (pod NDA) i mówimy, ile zaoszczędzicie w pierwszym roku.