Connect with us

Οποιοσδήποτε Πράκτορας AI Μπορεί Να Μιλήσει. Λίγοι Μπορούν Να Εμπιστευτούν

Υγεία

Οποιοσδήποτε Πράκτορας AI Μπορεί Να Μιλήσει. Λίγοι Μπορούν Να Εμπιστευτούν

mm

Η ανάγκη για πράκτορες AI στη φροντίδα υγείας είναι επείγουσα. Σε όλη τη βιομηχανία, οι υπερβολικά φορτισμένες ομάδες είναι καταβεβλημένες από χρονοβόρες εργασίες που καθυστερούν τη φροντίδα των ασθενών. Οι κλινικοί γιατροί είναι εξαντλημένοι, τα κέντρα εξυπηρέτησης των ασφαλιστικών εταιρειών είναι υπερφορτωμένα και οι ασθενείς μένουν να περιμένουν απαντήσεις σε άμεσες ανησυχίες.

Πράκτορες AI μπορούν να βοηθήσουν γεμίζοντας τα βαθιά κενά, επεκτείνοντας την εμβέλεια και τη διαθεσιμότητα του κλινικού και διοικητικού προσωπικού και μειώνοντας την εξάντληση του προσωπικού υγείας και των ασθενών. Αλλά πριν μπορέσουμε να το κάνουμε αυτό, χρειαζόμαστε μια ισχυρή βάση για την κατασκευή εμπιστοσύνης στους πράκτορες AI. Αυτή η εμπιστοσύνη δεν θα έρθει από ένα ζεστό τόνο φωνής ή ροή συζήτησης. Είναι από τη μηχανική.

Ακόμη και ενδιαφέρον για πράκτορες AI εκτοξεύεται και τα επικεφαλίδες κηρύττουν την υπόσχεση της πράκτορας AI, οι ηγέτες της υγείας – υπεύθυνοι για τους ασθενείς και τις κοινότητες τους – παραμένουν διστακτικοί να αναπτύξουν αυτή τη τεχνολογία σε μεγάλη κλίμακα. Οι νεοφυείς εταιρείες διακηρύττουν ικανότητες που κυμαίνονται από την αυτοματοποίηση των τετριμμένων εργασιών όπως η κράτηση ραντεβού μέχρι την επικοινωνία ασθενών υψηλής προσωποποίησης και φροντίδας. Ωστόσο, οι περισσότεροι δεν έχουν αποδείξει ακόμη ότι αυτές οι συμμετοχές είναι ασφαλείς.

Πολλοί από αυτούς δεν θα το κάνουν ποτέ.

Η πραγματικότητα είναι, οποιοςδήποτε μπορεί να ξεκινήσει έναν πράκτορα φωνής που τροφοδοτείται από ένα μεγάλο γλωσσικό μοντέλο (LLM), να του δώσει ένα συναισθηματικό τόνο και να γράψει μια συζήτηση που ακούγεται πειστική. Υπάρχουν πολλές πλατφόρμες σαν αυτή που πουλούν τους πράκτορες τους σε κάθε βιομηχανία. Οι πράκτορές τους μπορεί να φαίνονται και να ακούγονται διαφορετικά, αλλά όλοι συμπεριφέρονται με τον ίδιο τρόπο – ευάλωτοι σε οπτασιασμούς, ανίκανοι να επιβεβαιώσουν κρίσιμες πραγματικότητες και λείπουν μηχανισμών που διασφαλίζουν την ευθύνη.

Αυτή η προσέγγιση – κατασκευή ενός συχνά πολύ λεπτού περιβλήματος γύρω από ένα θεμελιώδες LLM – μπορεί να λειτουργήσει σε βιομηχανίες όπως το λιανικό εμπόριο ή η φιλοξενία, αλλά θα αποτύχει στη φροντίδα υγείας. Τα θεμελιώδη μοντέλα είναι εξαιρετικά εργαλεία, αλλά είναι σε μεγάλο βαθμό γενικού σκοπού· δεν εκπαιδεύτηκαν ειδικά σε κλινικές πρωτόκολες, πολιτικές ασφαλιστών ή κανονιστικά πρότυπα. Ακόμη και οι πιο εloquent πράκτορες που κατασκευάζονται σε αυτά τα μοντέλα μπορούν να οδηγήσουν σε οπτασιαστικές περιοχές, απαντώντας σε ερωτήσεις που δεν πρέπει, εφευρίσκοντας πραγματικότητες ή να μην αναγνωρίζουν όταν ένας άνθρωπος πρέπει να εισαχθεί στη βρόχα.

Οι συνέπειες αυτών των συμπεριφορών δεν είναι θεωρητικές. Μπορούν να μπερδέψουν τους ασθενείς, να παρεμβαίνουν στη φροντίδα και να οδηγήσουν σε δαπανηρή ανθρώπινη επανεπεξεργασία. Αυτό δεν είναι ένα πρόβλημα ευφυΐας. Είναι ένα πρόβλημα υποδομής.

Για να λειτουργήσουν ασφαλώς, αποτελεσματικά και αξιόπιστα στη φροντίδα υγείας, οι πράκτορες AI πρέπει να είναι περισσότεροι από απλές αυτόνομες φωνές στο άλλο άκρο του τηλεφώνου. Πρέπει να λειτουργούν από συστήματα που σχεδιάστηκαν ειδικά για τον έλεγχο, το контέκστ και την ευθύνη. Από την εμπειρία μου στη κατασκευή αυτών των συστημάτων, αυτό είναι το που μοιάζει στην πρακτική.

Ο έλεγχος της απόκρισης μπορεί να καταστήσει τους οπτασιασμούς μη υπαρκτούς

Οι πράκτορες AI στη φροντίδα υγείας δεν μπορούν απλώς να παράγουν πιθανές απαντήσεις. Χρειάζεται να παραδώσουν τις σωστές απαντήσεις, κάθε φορά. Αυτό απαιτεί ένα ελεγχόμενο «χώρο δράσης» – einen μηχανισμό που επιτρέπει στον AI να καταλαβαίνει και να διευκολύνει τη φυσική συζήτηση, αλλά διασφαλίζει ότι κάθε πιθανή απάντηση είναι περιβαλλόμενο από προκαθορισμένη, εγκεκριμένη λογική.

Με παραμέτρους ελέγχου απόκρισης που κατασκευάζονται, οι πράκτορες μπορούν να αναφέρουν μόνο επιβεβαιωμένα πρωτόκολλα, προκαθορισμένες διαδικασίες λειτουργίας και κανονιστικά πρότυπα. Η δημιουργικότητα του μοντέλου χρησιμοποιείται για να οδηγήσει τις συζητήσεις αντί να εφευρίσκει πραγματικότητες. Αυτός είναι ο τρόπος με τον οποίο οι ηγέτες της υγείας μπορούν να διασφαλίσουν ότι ο κίνδυνος οπτασιασμού εξαλείφεται εντελώς – όχι με δοκιμή σε πιλότο ή σε μια seule ομάδα εστίασης, αλλά με σχεδιασμό του κινδύνου στο έδαφος.

Ειδικευμένα γράφοι γνώσης μπορούν να διασφαλίσουν αξιόπιστες ανταλλαγές

Ο контέκστ κάθε συζήτησης για την υγεία είναι βαθιά προσωπικός. Δύο άτομα με διαβήτη τύπου 2 μπορεί να ζουν στην ίδια γειτονιά και να ταιριάζουν στο ίδιο προφίλ κινδύνου. Η ικανότητά τους για ένα συγκεκριμένο φάρμακο θα ποικίλλει με βάση το ιατρικό ιστορικό, τις οδηγίες θεραπείας του γιατρού, το σχέδιο ασφάλισης και τους κανόνες φαρμακοποιίας.

Οι πράκτορες AI δεν χρειάζεται μόνο πρόσβαση σε αυτόν τον контέκστ, αλλά πρέπει να είναι σε θέση να συζητούν με αυτόν σε πραγματικό χρόνο. Ένας ειδικευμένος γράφος γνώσης παρέχει αυτή τη δυνατότητα. Είναι ένας δομημένος τρόπος αναπαράστασης πληροφοριών από πολλές αξιόπιστες πηγές που επιτρέπει στους πράκτορες να επικυρώνουν τι ακούν και να διασφαλίζουν ότι οι πληροφορίες που επιστρέφουν είναι ακριβείς και προσωποποιημένες. Πράκτορες χωρίς αυτό το στρώμα μπορεί να ακούγονται ενημερωμένοι, αλλά στην πραγματικότητα ακολουθούν μόνο σκληρές ροές εργασίας και γεμίζουν τα κενά.

Ρομποτικές συστήματα αναθεώρησης μπορούν να αξιολογήσουν την ακρίβεια

Ένας ασθενής μπορεί να κρεμάσει με έναν πράκτορα AI και να αισθανθεί ικανοποιημένος, αλλά η δουλειά για τον πράκτορα είναι ακόμη μακριά. Οι οργανώσεις υγείας χρειάζονται την εγγύηση ότι ο πράκτορας όχι μόνο παρήγαγε σωστές πληροφορίες, αλλά κατέλαβε και έγγραφε την αλληλεπίδραση. Εκεί είναι που έρχονται τα αυτόματα συστήματα μετα-επεξεργασίας.

Ένα ρομποτικό σύστημα αναθεώρησης πρέπει να αξιολογήσει κάθε συζήτηση με τον ίδιο βαθμό σχολαστικότητας που θα έφερε ένας ανθρώπινος επόπτης με όλο τον χρόνο του κόσμου. Πρέπει να είναι σε θέση να αναγνωρίσει εάν η απάντηση ήταν ακριβής, να διασφαλίσει ότι η σωστή πληροφορία καταγράφηκε και να καθορίσει εάν απαιτείται επανεξέταση. Εάν κάτι δεν είναι σωστό, ο πράκτορας πρέπει να είναι σε θέση να αναβαθμίσει σε έναν άνθρωπο, αλλά εάν όλα είναι εντάξει, η εργασία μπορεί να σημειωθεί με εμπιστοσύνη.

Πέρα από αυτά τα τρία θεμελιώδη στοιχεία που απαιτούνται για την κατασκευή εμπιστοσύνης, κάθε υποδομή AI πράκτορα χρειάζεται ένα ρομποτικό πλαίσιο ασφάλειας και συμμόρφωσης που προστατεύει τα δεδομένα των ασθενών και διασφαλίζει ότι οι πράκτορες λειτουργούν εντός των κανονιστικών ορίων. Αυτό το πλαίσιο πρέπει να περιλαμβάνει αυστηρή συμμόρφωση με κοινά βιομηχανικά πρότυπα όπως SOC 2 και HIPAA, αλλά πρέπει επίσης να έχει διαδικασίες που κατασκευάζονται για δοκιμή προκατάληψης, προστασία πληροφοριών υγείας και διατήρηση δεδομένων.

Αυτά τα μέτρα ασφαλείας δεν απλώς ελέγχουν τις θυρίδες συμμόρφωσης. Σχηματίζουν την σπονδυλική στήλη ενός αξιόπιστου συστήματος που μπορεί να διασφαλίσει ότι κάθε αλληλεπίδραση διαχειρίζεται σε επίπεδο που οι ασθενείς και οι παρόχοι περιμένουν.

Η βιομηχανία υγείας δεν χρειάζεται περισσότερο AI θόρυβο. Χρειάζεται αξιόπιστη υποδομή AI. Σε περίπτωση πράκτορα AI, η εμπιστοσύνη δεν θα κερδηθεί τόσο πολύ όσο θα κατασκευαστεί.

Ο Shyam Rajagopalan είναι συνιδρυτής και CTO της Infinitus. Ως έμπειρος και πρακτικός ηγέτης, ο Rajagopalan συνεργάζεται ενεργά με την ομάδα του, συμβάλλοντας στον κώδικα και παρέχοντας καθοδήγηση για τεχνικά και σχεδιασμό προϊόντων.

Πριν από την Infinitus, ως αρχιτέκτονας λογισμικού, ο Rajagopalan σχεδίασε, κατασκεύασε και εκτόξευσε υψηλά ασφαλείς, υψηλής απόδοσης συστήματα για την Snap Inc. και τις πλατφόρμες σύνδεσης και ασφάλειας του Google. Προηγουμένως ηγήθηκε της ομάδας μηχανικών ως Διευθυντής Μηχανικής στην εταιρεία κινητής νοημοσύνης Quettra (κτηθείσα από την Similar Web). Ο Rajagopalan ξεκίνησε την καριέρα του στην MIPS και την Nvidia, σχεδιάζοντας και κατασκευάζοντας υψηλές επιδόσεις CPU.