Guillem Alsina Gonzàlez
Automatizar la atención al usuario manteniendo el cumplimiento en un sector sujeto a regulación como es el sanitario, no es tarea fácil. Para empezar, debemos partir de unos resultados deterministas o casi deterministas de la IA. Para entendernos, determinismo significa que se puede determinar el resultado del mismo prompt ejecutado en dos ocasiones distintas, porque debe ser el mismo (obviamente, puede haber diferencias en las palabras usadas por la IA, pero ambas respuestas deben ser coincidentes en su fondo). Y eso, ya no es fácil con la IA generativa.
Es por ello que Kyndryl, proveedora internacional de servicios de infraestructura TI, nos invitó durante este Mobile World Congress a una demostración privada de la arquitectura que ha confeccionado para solucionar la atención al usuario de servicios de compañías de seguros mediante IA, pero manteniendo los estándares de cumplimiento exigidos por las pertinentes regulaciones.
Esta arquitectura de referencia, agnóstica en cuanto a modelo de lenguaje (LLM) empleado -en el caso del ejemplo era Gemini 3 Flash de Google, pero habría podido ser uno de los GPTs de OpenAI- ha sido diseñada no como un producto final, sino que funciona como un acelerador de proyectos de ingeniería. De esta manera, se adapta a las necesidades de los clientes, pudiendo operar con un modelo de lenguaje instalado en la nube de una tercera parte, o bien en un servidor propio de la compañía.
Se fundamenta en dos pilares principales que actúan de manera conjunta para guiar el comportamiento del LLM, empezando por el flujo de las acciones que, dependiendo de las peticiones y respuestas del usuario, se desarrolla. Por ejemplo, un cliente de la aseguradora puede llamar para pedir cita con el cardiólogo, cuando todos los síntomas apuntan en realidad a que está sufriendo un infarto en aquel momento, con lo cual debe ser derivado lo más rápidamente al 112 para que una ambulancia se persone y lo traslade. O viceversa.
Por otro lado, tenemos las políticas de actuación de la organización (para el caso que nos ocupa, la aseguradora médica) que son, para entendernos, los manuales que se proporcionarían a los teleoperadores humanos. El agente inteligente ejecuta sus tareas de forma dinámica, pero debe consultar continuamente este repositorio de políticas para asegurar que cada acción cumple con las reglas establecidas.
Toda esta documentación se le da al sistema mientras se personaliza también su interfaz y otros detalles de uso, transformando el texto en un formato estructurado y comprensible por la máquina.
El rol de las personas en toda esta cadena puede ser más activo, tomando decisiones durante el proceso, o bien más pasivo, solamente de supervisión. Esto se hace así tanto para adaptarse a lo que el cliente necesita y quiere, como para evitar colapsos cuando un elevado número de interacciones debe pasar por las manos de un reducido grupo de personas, pero sin negar la posibilidad de que eso sea así si la empresa cliente lo requiere.
El objetivo final es que el sistema actúe como intermediario entre el paciente, su compañía de seguros y una red de centros médicos para gestionar la reserva de citas.
El asistente construído basándose en esta arquitectura verifica el nivel de cobertura del usuario mediante su número de identificación durante la interacción, y rastrea la disponibilidad en los hospitales compatibles. Luego presenta opciones al paciente, priorizando aquellos centros con los que la aseguradora mantiene acuerdos más ventajosos, pero posee la capacidad de adaptarse si el usuario, por ejemplo, rechaza a un facultativo concreto, y solicita alternativas.
Más allá de la mera automatización del proceso de reserva, la arquitectura integra un módulo de observabilidad que monitoriza tanto el rendimiento técnico como el impacto en el negocio. A nivel operativo, el panel de control registra el consumo de recursos (como los tokens empleados con las consultas al modelo de lenguaje) y la latencia de las respuestas.
Desde la perspectiva empresarial, la plataforma es capaz de captar el sentimiento del cliente durante la conversación y calcular los costes de oportunidad. Si un paciente expresa descontento y el sistema debe derivarlo a un hospital fuera de la red preferente, la herramienta cuantifica el sobrecoste económico que esta acción supone para la aseguradora, centralizando una información que tradicionalmente quedaba dispersa en los centros de atención telefónica humana.
