Sieć klinik weterynaryjnych: lekarz pisze 0 notatek z wizyty — wszystko z głosu

Sytuacja wyjściowa

Klient: sieć klinik weterynaryjnych, 14 placówek w aglomeracji warszawskiej, 38 lekarzy weterynarii + 24 asystentów, 38 tys. pacjentów (zwierząt). Średnia liczba wizyt: 320 dziennie na sieć.

Lekarz weterynarii spędzał 35-40% wizyty na dokumentacji: notatki w trakcie wizyty (rozkojarzony), dopisywanie po wizycie (15-20 min), wieczorne nadrabianie zaległości (1h dziennie). Dokumentacja często niekompletna lub niedokładna. Asystenci nie mogli pomóc, bo dokumentacja medyczna wymagała lekarza.

Jakie procesy weszły na AI

• Voice-to-documentation w trakcie wizyty — Mikrofon w gabinecie nagrywa rozmowę lekarz-właściciel-zwierzę. AI transkrybuje, identyfikuje informacje medyczne (objawy, badania fizyczne, propozycje leczenia) i generuje strukturalną dokumentację w formacie SOAP (Subjective, Objective, Assessment, Plan).
• Auto-wpisanie do EMR — Dokumentacja automatycznie wpisywana do systemu medycznego (EMR) z właściwymi kodami diagnostycznymi i procedurowymi. Lekarz weryfikuje w 30 sekund, zatwierdza.
• Generowanie zaleceń dla właściciela — AI generuje pisemne zalecenia w przystępnym języku (nie medical-speak): jak podawać leki, kiedy wrócić na kontrolę, co obserwować. Drukowane lub wysyłane mailem.
• Asystent diagnostyczny — AI sugeruje dodatkowe badania na podstawie objawów (np. „w przypadku takich objawów, w 73% przypadków zalecane jest badanie X"). Lekarz decyduje.

Architektura rozwiązania

Stack RedAI: Whisper PL (transkrypcja), Claude Opus 4.7 do generowania dokumentacji medycznej, embedding e5-large na bazie wiedzy weterynaryjnej (4 200 dokumentów), integracje z systemem EMR (PetDesk lokalnie). Hook PreToolUse anonimizuje wszystkie dane przed wysłaniem do modelu. RODO art. 9 (dane szczególnej kategorii — choć dla zwierząt nie obowiązuje wprost, traktujemy analogicznie).

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: 280 tys. zł. Opex: 22 tys. zł/mies. Korzyść: +50% wizyt × 38 lekarzy × średni przychód = 14 mln zł rocznie + retention lekarzy (mniej rotacji). Payback w 4 miesiące.

„Wreszcie wieczorem nie zostaję godzinę dłużej, żeby uzupełnić niedopisaną dokumentację z dnia. Wieczór jest mój."

— Lekarz weterynarii

Co dalej

Kolejna faza: AI-assisted analiza badań obrazowych (RTG, USG), proaktywny outreach do właścicieli zwierząt przewlekle chorych, predykcja pogorszenia stanu zdrowia.

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.