Klinika stomatologiczna: 4× więcej pacjentów wracających na profilaktykę

Sytuacja wyjściowa

Klient: sieć klinik stomatologicznych w 4 miastach, 8 placówek, 32 stomatologów + 18 higienistek + 14 osób recepcji. Baza pacjentów: 42 tys.

Pacjenci po wizycie znikali — recall rate (powrót na profilaktykę w ciągu 12 mies.) tylko 22%. Standardowa praktyka rynkowa to 40%, top kliniki to 60%+. Recepcja dzwoniła ręcznie do 50-80 pacjentów dziennie z propozycją recall, ale: bez personalizacji, bez timingu, z konwersją 8%.

Jakie procesy weszły na AI

• AI segmentacja pacjentów — Pacjenci podzieleni na ~14 segmentów wg: profil ryzyka (próchnica, paradontoza, ortodoncja), wiek, historia leczenia, preferowany kanał komunikacji, historia płatności. AI sugeruje dla każdego segmentu optymalny rytm recall.
• Spersonalizowane komunikaty — Zamiast „przypominamy o przeglądzie": „Pani Aniu, w ostatniej wizycie 8 miesięcy temu odnotowaliśmy początek ubytku przy 36 — proponujemy konsultację profilaktyczną w czerwcu". Wysyłany SMS, e-mail lub aplikacja zależnie od preferencji.
• Optymalizacja timing — AI uczy się, kiedy każdy pacjent realnie reaguje (rano, wieczorem, weekendy). Wysyła w optymalnym oknie. Brak responsu → przypomnienie po X dniach (X dopasowany do segmentu).
• Asystent recepcji — Recepcja widzi codzienną listę 20-30 pacjentów do telefonicznego follow-up — najwyżej priorytyzowanych przez AI. Scenariusz rozmowy generowany per pacjent.

Architektura rozwiązania

Stack RedAI: Claude Opus 4.7 do generowania spersonalizowanej komunikacji, model segmentacji (clustering + classification) trenowany na 6 latach historii kliniki. Integracje przez MCP z systemem stomatologicznym (Dental4Windows + cloud), narzędziem do kampanii SMS/e-mail, kalendarzem wizyt.

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

Setup: 165 tys. zł. Opex: 12 tys. zł/mies. Korzyść: +78% przychodu per pacjent × 42 tys. pacjentów = bardzo wysokie zyski. Payback w 1-2 miesiące operacyjne.

„Pacjent zadzwonił z podziękowaniem: „dziękuję za przypomnienie o fluoryzacji córki — całkowicie zapomniałam, a wy zadbaliście". To buduje zaufanie."

— Dyr. medyczny sieci

Co dalej

Kolejna faza: predykcja, które pacjenty rozważą leczenie kosztowne (implanty, ortodoncja), AI-assisted plan finansowy dla pacjentów, automatyzacja rozliczeń z NFZ.

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.