Голосовой робот для стоматологии: сортировка по боли и запись в IDENT
Частная стоматология в Петербурге. Главврач лично отвечал на WhatsApp вечерами и в выходные, потому что 60% обращений — «острая боль», а ресепшен не отличал срочное от планового. Голосовой робот сам определяет приоритет обращения и записывает пациента в IDENT — время реакции упало с 47 минут до 4.
Главврач отвечает в WhatsApp в 23:40
Частная стоматология на два кабинета. 60% обращений — «болит сильно, нужно сейчас». Остальное — плановое: чистка, контроль, эстетика. Ошибка сортировки дорого стоит в обе стороны: пропустить острую боль — потеря пациента и медицинская проблема; принять плановое как экстренное — занятое окно, которое нужно пациенту с острой болью.
Ресепшен в дневные часы и WhatsApp вечером и в выходные плохо отличали одно от другого. По фразе «болит зуб» ничего не понять: одинаково пишет и тот, кто вчера съел холодное, и тот, у кого температура и опухла щека.
В итоге главврач сам читал каждое сообщение и принимал решение. Это 18 часов в неделю личного времени, из которых половина — вечера и выходные.
Сортировка по приоритету 1/2/3 → прямая запись в IDENT
Голосовой робот собирает анамнез по 8 пунктам: характер боли, длительность, куда отдаёт, температура, отёк, реакция на холодное, горячее и давление, прошлые вмешательства, принимаемые лекарства. GigaChat присваивает приоритет 1 (немедленно), 2 (в течение 24 часов) или 3 (плановая запись). Запись уходит в IDENT напрямую через сценарий в n8n. Первый приоритет одновременно уходит главврачу в Telegram.
Подменный номер и связка с WhatsApp: пациент выбирает голос или текст
GigaChat задаёт 8 структурированных вопросов про характер боли
Решение по медицинскому шаблону и по жёстким правилам для тревожных признаков
Запись в подходящее по приоритету время, с разбором накладок
Приоритет 1 — сразу главврачу в Telegram; приоритеты 2 и 3 — SMS пациенту с подтверждением
Опрос собирается из 8 пунктов
Робот ведёт разговор по фиксированному шаблону: характер боли (острая, тупая, пульсирующая), длительность (часы или дни), куда отдаёт (челюсть, висок, ухо), температура тела, отёк мягких тканей, реакция на холодное, горячее и давление, прошлые вмешательства в этой зоне, принимаемые лекарства. На выходе — размеченный JSON, который идёт на определение приоритета и в карточку IDENT.
Тревожные признаки важнее решения модели
Поверх GigaChat работает набор жёстких правил: температура выше 38 °C вместе с отёком — сразу приоритет 1, минуя языковую модель; невозможность открыть рот — приоритет 1; травма зуба за последние 6 часов — приоритет 1. Модель не может «передумать» в этих случаях — это страховка от выдуманного ответа.
ФЗ-152: персональные данные на серверах в РФ, модель их не видит
Персональные данные пациентов (ФИО, телефон, медицинские сведения) хранятся в PostgreSQL на Selectel в РФ. В GigaChat уходят обезличенные данные: возрастная группа («45-55»), пол, симптомы — без имени, телефона и паспортных данных. Связка номера разговора с пациентом хранится локально и не выходит за пределы клиники. Согласие на обработку данных запрашивается до начала разговора.
Запись напрямую в IDENT через n8n
Сценарий в n8n принимает размеченный запрос и записывает пациента через IDENT API: выбирает кабинет, врача и ближайшее подходящее по приоритету время. Если свободного окна для первого приоритета нет — главврачу уходит сообщение в Telegram со всей информацией для решения: перенести планового пациента, открыть дополнительное окно или направить в дежурную клинику.
Всё по ФЗ-152, без вывода персональных данных за границу
Голосовой канал: подменный номер и связка с WhatsApp клиники
Собирает анамнез и определяет приоритет; работает на обезличенных данных
Запись пациентов в нужный кабинет и время, проверка накладок
Сценарий: приоритет → IDENT → сообщение врачу, разбор накладок
Срочные случаи сразу главврачу, с краткой выжимкой анамнеза
Персональные данные пациентов и связка разговора с пациентом — только внутри РФ
Согласие на обработку данных до начала разговора, с журналом согласий
Тревожные признаки перекрывают решение модели в острых случаях
Что изменилось в цифрах
верно определённые срочные случаи попадают в нужное окно
от первого контакта до подтверждённой записи
только реально срочные случаи и разбор спорных
высвобожденного времени = +1 рабочий день/нед
Главный результат — медицинское качество: пациент с острой болью попадает в кабинет за минуты, плановый — на удобное ему время. Никаких «приходите, посмотрим» и «давайте я уточню и перезвоню в течение часа».
Бонус, который не закладывали в показатели: главврач теперь видит в отчёте, как приоритеты 1, 2 и 3 распределяются по дням недели и часам — стало понятно, когда нужны дополнительные окна под экстренные случаи, а когда планёрки и эстетика.
Где ещё ложится та же методология
Общая схема — «подробный опрос → сортировка по срочности → запись, а срочное сразу человеку». Подходит везде, где входящий поток смешан по срочности и цена ошибки сортировки высока:
- → Многопрофильные клиники — распределение между специалистами по симптомам
- → Ветеринарные клиники — острая боль животного vs плановая вакцинация
- → Сервис-центры техники — оборудование встало или плановая профилактика; срочные выезды
- → Юридические консультации — горящие сроки и обычные процедурные вопросы
- → Техподдержка в B2B — «система лежит» и «нужна новая функция» — это разные сроки реакции
- Шаблон опроса по пунктам с выдачей результата в JSON-схеме
- Слой жёстких правил: в критичных случаях они перекрывают решение модели
- Архитектура по ФЗ-152: персональные данные в РФ, модель получает обезличенные
- Передача срочного человеку в Telegram или Slack — с краткой выжимкой и кнопками действий
Если у вас входящий поток смешан по срочности и люди принимают решение вручную — это автоматизируется
Медицинские и сервисные сценарии с персональными данными требуют отдельной архитектуры по ФЗ-152 — я знаю, как оставить модели только обезличенные данные и хранить всё остальное внутри РФ. До запуска в работу — 5-7 недель, в зависимости от сложности интеграции с CRM или медсистемой.
Разбор по теме:Персональные данные и нейросети: что уходит в модель и как это проверить
Похожие кейсы
Автозапрос отзывов на Я.Карты и 2GIS + AI-ответы
Сценарий срабатывает, когда в 1С закрывают наряд-заказ. 5★ → ссылка на Я.Карты, ≤3★ → форма владельцу. AI…
Пропущенные звонки: авто-SMS с реальным сроком отгрузки
Как только телефония фиксирует пропущенный звонок, система находит клиента и его заказ в Shopify и отправляет…
Собственный AI-консультант на сайте магазина
Собственный поиск по описаниям товаров (RAG): модель отвечает только по ним и не выдумывает, текст идёт по…
Аудит за 9 900 ₽ — с конкретным отчётом и сметой
Расскажу что внедрить в вашем бизнесе в первую очередь, какая будет окупаемость, и нужен ли вообще AI для вашей задачи (иногда — нет).
Или просто напишите свой вопрос — отвечу в течение 2 часов