Kesehatan
League Meluncurkan Agen AI untuk Layanan Kesehatan dengan Kontrol Keselamatan

Poin utamaLeague membatasi jawaban agen pada pengetahuan yang disetujui, bukan pengetahuan umum…
Lihat selengkapnya
- League membatasi jawaban agen pada pengetahuan yang disetujui, bukan pengetahuan umum model.
- Agen harus lulus evaluasi pasien sintetis sebelum dirilis dan menyimpan catatan audit sesudahnya.
- Model eskalasi League mencapai akurasi 99,72% dibandingkan 95,36% untuk Gemini 3.5 Flash Lite.
Pada 16 November 2026, League mengumumkan bahwa AI Front Door untuk pembayar layanan kesehatan dan AI Care Companion untuk penyedia layanan kesehatan kini tersedia secara umum di platform Forge, dengan waktu penerapan yang diklaim bisa sesingkat 12 minggu. Kedua produk ini memadukan agen yang berinteraksi dengan anggota atau pasien, dilengkapi perlindungan dan eskalasi ke petugas manusia.
League menyatakan bahwa produk-produk ini memanfaatkan wawasan dari lebih dari 1,8 miliar interaksi layanan kesehatan nyata. Produk-produk tersebut dikembangkan di atas platform Forge yang diperkenalkan pada 21 Juli 2026, yang menyediakan perangkat untuk menghubungkan agen dengan data yang diizinkan, menetapkan batasan pengaman dan aturan eskalasi, mengujinya dengan populasi sintetis, serta memantau penyelesaian, eskalasi, dan akurasi untuk setiap kasus penggunaan. Rilis sebelumnya menyediakan sistem untuk membangun dan mengelola tata kelola; produk-produk baru menerapkan sistem tersebut pada alur kerja umum pembayar dan penyedia layanan kesehatan.
Alur Kerja yang Berbeda untuk Pembayar dan Penyedia Layanan Kesehatan
AI Front Door menyatukan panduan manfaat, pencarian layanan kesehatan, tindak lanjut kesenjangan perawatan, dan pendampingan kesehatan dalam satu titik akses yang tersedia melalui obrolan, pesan teks, atau widget dalam aplikasi. Jawaban tentang manfaat, cakupan, dan kelayakan bersumber dari materi yang disetujui oleh paket tersebut. Fitur pencarian layanan kesehatannya mencocokkan anggota dengan penyedia atau layanan dalam jaringan sesuai aturan paket. League mencantumkan pengurangan volume panggilan ke pusat layanan dan berkurangnya kunjungan ke penyedia di luar jaringan sebagai sasaran, bukan hasil pelanggan yang telah diukur.
AI Care Companion mendukung pasien di antara kunjungan, di rumah, dan di luar jam kerja, serta bekerja bersama tim perawatan dan klinis. Sistem kesehatan memilih populasi awal, seperti orang yang menangani kondisi kronis atau sedang pulih dari operasi, lalu League menyesuaikan alur kerja untuk kelompok tersebut. Alur kerja ini dapat mencakup penjadwalan dan pengingat janji temu, pemeriksaan gejala secara proaktif, jawaban atas pertanyaan tentang obat atau perawatan yang bersumber dari rencana atau jalur perawatan yang disetujui, serta pengalihan ke spesialis atau tim siaga berdasarkan protokol. Pengasuh yang ditunjuk dapat bertindak atas nama pasien, dan tanggapan mereka diberi penanda terpisah dari tanggapan pasien sendiri. Sasaran yang dinyatakan adalah kepatuhan yang lebih baik terhadap rencana perawatan serta lebih sedikit kunjungan yang sebenarnya dapat dihindari ke unit gawat darurat, panggilan di luar jam kerja, dan tindak lanjut yang terlewat.
Kontrol Keselamatan dan Kemampuan Audit
Kedua produk membatasi jawaban agen pada pengetahuan yang diberikan dan disetujui, bukan pengetahuan umum model. Batasan pengaman menyaring informasi terbatas sebelum mencapai model dan jawaban terlarang sebelum mencapai anggota atau pasien. Sebelum dirilis, agen harus lulus evaluasi menggunakan skenario pasien sintetis, kasus ekstrem, dan kumpulan data acuan yang berfungsi sebagai kunci jawaban buatan pakar. Setelah dirilis, kontrolnya mencakup deteksi penyimpangan, validasi ulang atas perubahan, dan catatan audit untuk setiap interaksi. Saat suatu kasus dieskalasikan, tim penerima memperoleh riwayat percakapan dan konteks yang relevan.
Di seluruh platform, League Trust Center menjelaskan pengoperasian agen dalam mode hanya-baca dengan isolasi sesi yang ketat, deteksi masalah mendesak dan informasi klinis yang keliru secara waktu nyata, pelacakan sumber, serta pencatatan saat batasan pengaman aktif. Pelanggan dapat menetapkan kebijakan eskalasi dan ambang sensitivitas dalam batas keselamatan yang telah ditentukan. Informasi kesehatan yang dilindungi tidak disertakan dalam alur pelatihan, sementara data sintetis dan teknik penghilangan identitas digunakan untuk melatih model.
Kontrol tersebut selaras dengan prioritas yang tercermin dalam survei League dan Healthcare Dive terhadap 150 eksekutif layanan kesehatan. Dalam survei itu, 61% responden telah menerapkan AI agentik dan 70% dari kelompok tersebut menggunakannya dalam aplikasi yang berinteraksi langsung dengan anggota atau pasien, tetapi hanya 16% yang telah mencapai penerapan luas. Persyaratan utama untuk peluncuran yang meyakinkan adalah kepatuhan terhadap ketentuan layanan kesehatan yang terintegrasi sebesar 49%, eskalasi otomatis ke petugas manusia sebesar 48%, dan kontrol saat sistem berjalan atas ucapan atau tindakan agen sebesar 46%.
Evaluasi Model Khusus untuk Layanan Kesehatan
League menyatakan bahwa arsitektur hibridanya memadukan model keputusan yang disesuaikan dan model bahasa kecil dengan model bahasa besar serbaguna, dengan tujuan meningkatkan akurasi, mengurangi latensi, dan menekan biaya operasional. Salah satu komponennya, yaitu model eskalasi yang kritis bagi keselamatan, mengidentifikasi pesan anggota dan pasien yang memerlukan bantuan manusia.
Dalam evaluasi internal League Labs, model tersebut mencapai akurasi 99,72% dengan latensi 0,374 detik, dibandingkan dengan akurasi 95,36% dan latensi 1,121 detik untuk Gemini 3.5 Flash Lite.
League juga melaporkan bahwa Synthetic Question Generator, yang memperkirakan pertanyaan yang mungkin diajukan tentang data kesehatan pengguna, menghasilkan 2,2 kali lebih banyak pertanyaan yang dijawab dengan memadai atau lebih baik dan cakupan 11% lebih baik dibandingkan Gemini 3.5 Flash. Penambahan Semantic Expansion, yang menulis ulang pertanyaan panjang, ambigu, atau penuh singkatan sebelum proses pencarian, menghasilkan 3,9 kali lebih banyak pertanyaan yang dijawab dengan memadai atau lebih baik dan cakupan 42% lebih baik dibandingkan Gemini 3.5 Flash, dengan tambahan latensi sekitar 430 milidetik per permintaan. League mendefinisikan ukuran kemampuan menjawab sebagai kasus ketika data kesehatan yang ditemukan relevan dan cukup lengkap untuk memberikan jawaban yang cukup baik atau lebih baik; cakupan menunjukkan seberapa banyak informasi yang diperlukan berhasil ditemukan.
Bagi organisasi layanan kesehatan, arti praktis dari peluncuran ini adalah bahwa pengawasan sudah terintegrasi dalam interaksi: agen dapat dibatasi agar hanya menggunakan materi yang disetujui, diuji sebelum dirilis, dialihkan dengan konteks yang tetap terjaga, dan ditinjau melalui jejak audit pada tingkat interaksi. Model operasional ini secara langsung menjawab kebutuhan akan perlindungan yang menurut para eksekutif harus tersedia sebelum mereka memperluas penggunaan AI yang berinteraksi dengan anggota dan pasien.












