Jak AI podłączony do ZnanyLekarz odciąża rejestrację gabinetu i obsługuje pytania pacjentów?

AI wpięty w ZnanyLekarz może przejąć od recepcji kilka konkretnych rzeczy: wysyłanie spersonalizowanych przypomnień o wizycie, odpowiadanie na powtarzalne pytania pacjentów dotyczące przygotowania i dokumentów, monitorowanie wolnych slotów oraz codzienne streszczenie grafiku dla personelu. Nie zastąpi lekarza ani pielęgniarki, ale odciąży recepcję od czynności, które nie wymagają medycznej oceny, a pochłaniają sporą część dnia.

Co wyciągamy z ZnanyLekarz przez API i jak to wygląda od strony systemu

Docplanner udostępnia API REST. Przez to API możemy w czasie rzeczywistym pobierać dane o rezerwacjach: każda wizyta ma pola startDate, endDate, status (confirmed, cancelled, absent, pending), typ usługi z pola service.name (np. "Wizyta pierwszorazowa", "USG jamy brzusznej", "Konsultacja kardiologiczna") oraz dane kontaktowe pacjenta: patient.phone i patient.email. Dostajemy też widok dostępności terminarza: wolne sloty, godziny pracy lekarzy, przerwy ustawione w panelu ZnanyLekarz.

Oprócz rezerwacji API daje dostęp do wiadomości przesyłanych przez platformę i do sekcji z opiniami wystawionymi po wizycie. Wiadomości to w praktyce te wszystkie pytania pacjentów, które spływają przed wizytą. Opinie z kolei mogą posłużyć do analizy, które aspekty obsługi generują powtarzające się uwagi, choć to już zadanie dla menedżera, nie dla codziennej automatyzacji.

Ważne ograniczenie, o którym zawsze informujemy na początku: API ZnanyLekarz nie daje dostępu do treści notatek klinicznych ani historii medycznej z karty pacjenta. AI operuje wyłącznie na danych logistycznych wizyty. Dane medyczne zostają w systemie gabinetu i dobrze, żeby tak zostało.

Przypomnienia o wizytach: co AI robi inaczej niż wbudowana funkcja platformy

ZnanyLekarz sam wysyła automatyczne przypomnienia SMS i e-mail. To fakt. Ale są one generyczne: "Przypominamy o wizycie jutro o 10:00." AI może to uzupełnić o kontekst konkretnej usługi i sprawić, że przypomnienie jest faktycznie przydatne, a nie tylko informacyjne.

Typowy przypadek: pacjent umówiony na USG jamy brzusznej dostaje wiadomość z informacją, że powinien być na czczo i przez trzy poprzednie dni unikać wzdymających pokarmów. Pacjent umówiony na wizytę pierwszorazową do kardiologa dostaje prośbę o przyniesienie poprzednich wyników EKG i aktualnej listy przyjmowanych leków. Recepcja tego nie wpisuje ręcznie przy każdej rezerwacji. AI pobiera pole service.name z API i dopasowuje je do szablonu przygotowanego raz przez personel gabinetu.

To nie jest żadna "inteligencja" w sensie medycznym. Szablony tworzy i zatwierdza personel. AI tylko dopasowuje typ usługi do właściwego szablonu i wysyła wiadomość. Lekarz albo pielęgniarka decyduje, co pacjent ma wiedzieć przed daną usługą, AI to egzekwuje.

Które pytania pacjentów AI obsługuje samo, a które zostawia personelowi

Większość pytań do rejestracji przed wizytą to pytania logistyczne. Nie wymagają żadnej wiedzy medycznej, ale zajmują czas. AI odpowiada na nie przez chatbota na stronie gabinetu albo przez wiadomość zwrotną, gdy pacjent pisze na adres e-mail rejestracji.

Pytania, z którymi AI spokojnie sobie poradzi:

• Jak dojechać do gabinetu i gdzie zaparkować?
• Czy gabinet przyjmuje na NFZ, czy tylko prywatnie?
• Co zabrać na wizytę pierwszorazową?
• Jak odwołać lub przełożyć wizytę?
• Czy można przyprowadzić dziecko?
• Jak długo trwa wizyta danego typu?

Natomiast są pytania, których AI nie powinno obsługiwać bez człowieka w pętli. Cokolwiek brzmiącego jak: "Mam taki objaw, czy powinienem przyjść szybciej?", "Czy mój wynik badania jest nieprawidłowy?" albo "Lekarz przepisał mi X, ale czy mogę zamienić na Y?" To jest terytorium personelu medycznego. AI powinno powiedzieć jedynie: "Skontaktuj się z rejestracją pod numer..." i nie próbować odpowiadać. Jeśli system nie ma wyraźnej granicy w tym miejscu, to jest problem, który trzeba rozwiązać na etapie projektowania, nie po wdrożeniu.

Streszczenie dnia dla recepcji: jak to wygląda w praktyce

Jedno z bardziej praktycznych zastosowań w gabinetach wielospecjalistycznych: każdego ranka, przed otwarciem, recepcja dostaje na Teams albo e-mailem automatyczne podsumowanie nadchodzącego dnia. Personel nie musi przeklikiwać kilku zakładek, żeby zebrać obraz sytuacji.

Taki brief zawiera zazwyczaj:

• Łączną liczbę wizyt zaplanowanych na dzisiaj z podziałem na lekarzy
• Listę pacjentów ze statusem pending, którzy do tej pory nie potwierdzili wizyty
• Wizyty pierwszorazowe, przy których warto mieć gotowy formularz zgody na przetwarzanie danych
• Wolne sloty możliwe do wypełnienia przez telefon lub przez platformę
• Ewentualne anulowania z poprzedniego wieczoru

U jednego z naszych klientów, gabinetu stomatologicznego z czterema fotelami i dwójką recepcjonistek, zebranie podobnego obrazu dnia zajmowało kilkanaście minut rano. Teraz jest to kilka minut na przejrzenie gotowej wiadomości. Nie brzmi spektakularnie, ale w skali tygodnia to naprawdę odczuwalny zysk czasu i mniejsza szansa, że coś zginie między zakładkami.

Wolne okienka i lista oczekujących: jak AI może pomóc je spiąć

Anulowania zdarzają się codziennie. Pojawia się wolny slot, a recepcja ma przed sobą inne telefony i inne sprawy. AI może monitorować pole status: cancelled w terminarzu i automatycznie wysłać SMS do pacjentów z listy oczekujących przypisanych do danej specjalności.

Schemat jest prosty: anulowanie wizyty o 14:30 u konkretnego lekarza, AI sprawdza listę oczekujących dla tej specjalności, wysyła wiadomość z propozycją terminu. Jeśli nikt nie odpowie w określonym czasie, slot wraca do puli widocznej na portalu. Personel nie klika nic ręcznie.

Jest jeden warunek: żeby to działało, lista oczekujących musi być prowadzona w sposób ustrukturyzowany, czyli albo w samym ZnanyLekarz, albo w zewnętrznym rejestrze, z którym AI ma połączenie. Jeśli lista istnieje tylko w notatniku przy komputerze albo w głowie recepcjonistki, to nie ma czego automatyzować. Ten etap, porządkowanie danych, bywa ważniejszy niż sam wybór narzędzia AI.

RODO w gabinecie: gdzie ustawiamy granicę przy automatyzacji

Dane pacjentów w kontekście medycznym podlegają nie tylko ogólnemu RODO, ale też przepisom o dokumentacji medycznej. AI, o którym piszemy, operuje na danych logistycznych: terminy, statusy rezerwacji, dane kontaktowe, typ usługi. Nie dotyka treści notatek lekarskich, diagnoz ani historii leczenia.

Przed uruchomieniem warto zadbać o kilka rzeczy:

• Umowa powierzenia przetwarzania danych z dostawcą AI lub platformy automatyzacji, przez którą dane przepływają.
• Minimalizacja danych: AI dostaje tylko to, czego potrzebuje do konkretnego zadania. Do wysłania przypomnienia nie potrzebuje historii poprzednich wizyt pacjenta.
• Logi operacji: każda akcja AI, wysłane przypomnienie, udzielona odpowiedź, powinna być zapisana z datą i treścią. To się przydaje przy skargach albo kontroli.
• Klauzula informacyjna: jeśli AI kontaktuje się z pacjentami automatycznie, klauzula informacyjna na stronie gabinetu i w rejestracji powinna to opisywać wprost.

Jedna zasada, której pilnujemy przy każdym wdrożeniu w medycynie: cokolwiek wchodzi w obszar oceny stanu zdrowia, interpretacji wyników albo zaleceń terapeutycznych, zostaje u personelu. AI może powiedzieć "skontaktuj się z lekarzem", nie może mówić "twoje wyniki są w normie". Ta granica musi być twarda i zakodowana w logice systemu, nie tylko zapisana w dokumentach.

Od czego zacząć w gabinecie

Najczęściej zaczynamy od prostego ćwiczenia: przez tydzień ktoś z recepcji notuje, jakie pytania od pacjentów spływają najczęściej przez telefon i przez wiadomości. Prawie zawsze okazuje się, że kilkanaście powtarzających się tematów stanowi większość kontaktów. To jest pierwszy materiał do automatyzacji.

Potem mapujemy typy usług z ZnanyLekarz na instrukcje przygotowania do wizyty. Robi to personel gabinetu, AI tylko dopasowuje i wysyła. Na tym etapie nie potrzeba rozbudowanej integracji. Wystarczy podpięcie pod API i prosta logika dopasowania typu usługi do szablonu wiadomości.

Bardziej złożone funkcje, takie jak automatyczne briefy dla recepcji czy obsługa listy oczekujących, wdrażamy w kolejnym kroku, kiedy podstawowe elementy działają i personel jest do nich przyzwyczajony. Zrobienie wszystkiego naraz rzadko się sprawdza.

Jeśli chcesz sprawdzić, co realnie można wdrożyć w gabinecie lub przychodni działającej na ZnanyLekarz, zacznij od bezpłatnego audytu. Możesz też zobaczyć, jak wyglądają podobne integracje w praktyce, na stronie z realnych wdrożeń.