Inicia 23 novCohorte 3 en vivo de Vibe Coding y Agentes IA: 3 semanas, 9 clases en directoCohorte 3 (23.11) →
LanzamientoAnálisis · En radarElevenLabs Blog→ original

ElevenLabs enseña a sus agentes de voz a oír mejor los medicamentos: un 17% menos de errores

Un agente de voz registra en la ficha del paciente lo que oye, y los nombres de los medicamentos se confunden con facilidad: un modelo tomó la sitagliptina, un fármaco para la diabetes, por citalopram, un antidepresivo. ElevenLabs ha lanzado Scribe v3 Live Medical, un sistema de reconocimiento de voz para llamadas en directo en clínicas. En la prueba PriMock57 (57 simulaciones de consultas), el 12,8% de las palabras contiene errores, un 17% menos que el modelo médico más cercano. Para quienes desarrollan agentes médicos, es una razón para probar el modelo con sus propias llamadas.

Procesado por IA desde ElevenLabs Blog; editado por Hamidun News
ElevenLabs enseña a sus agentes de voz a oír mejor los medicamentos: un 17% menos de errores
Fuente: ElevenLabs Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalElevenLabs Blog ↗
Editor jefe
Dato clave #1Diccionario propio de hasta 10 000 términos: hasta un 48% menos de errores en terminología médica
Dato clave #2Latencia de unos 150 ms, igual que la Scribe v3 Live estándar: las pausas no se notan
Dato clave #3Espera a que el cliente termine de dictar el número de póliza; entiende más de 90 idiomas

Un agente de voz en una clínica actúa en función de lo que oye, así que una sola frase mal reconocida acaba convertida en un registro erróneo. Si un paciente dice que toma sitagliptina para la diabetes, el agente puede anotar ese fármaco en la lista de medicamentos para el médico. Pero en las pruebas de ElevenLabs, uno de los modelos de voz entendió «citalopram», un antidepresivo, un medicamento completamente distinto.

Contra este tipo de errores, la compañía ha lanzado Scribe v3 Live Medical: una versión médica de su modelo de reconocimiento de voz en tiempo real. En la prueba PriMock57 (57 simulaciones de consultas con un médico de cabecera), el modelo registra un 12,8% de palabras mal reconocidas, es decir, unas 13 de cada 100. Eso supone un 17% menos de errores que el modelo médico de calidad más próxima entre los que comparó la propia ElevenLabs.

Para quien desarrolla agentes de voz, la conclusión es sencilla: los medicamentos, las dosis y los números de póliza se rompen sobre todo en el reconocimiento, y aquí fallan menos.

Qué hace el modelo

Scribe v3 Live Medical está construido sobre el nuevo modelo Scribe v3 Live y ya está disponible en la plataforma ElevenAgents: en los ajustes hay que abrir Automatic Speech Recognition y elegirlo en la lista. Hasta ahora, ElevenLabs solo ofrecía transcripción médica para grabaciones, como dictados y visitas. Ahora funciona en llamadas en directo: citas, líneas de información, verificación del seguro por teléfono y consultas sobre solicitudes de reembolso. Estas llamadas no pueden esperar a que termine la grabación, y los nombres de fármacos y las dosis aparecen poco en el habla corriente, por lo que los modelos generalistas fallan más con ellos.

La primera herramienta es un diccionario propio de hasta 10 000 términos. Una red regional de clínicas puede cargar los nombres de todos sus médicos y de sus sucursales, y una farmacéutica, todo su portafolio con nombres comerciales e internacionales. El modelo consulta la lista solo cuando el interlocutor parece pronunciar alguno de esos términos. Según ElevenLabs, con el diccionario hay hasta un 48% menos de errores en términos médicos.

La segunda es el manejo cuidadoso de las cifras. Las personas leen el número de póliza o la fecha de nacimiento por tramos, con pausas mientras buscan el siguiente grupo en la tarjeta. Un agente convencional toma la pausa por el final de la intervención e interrumpe, y la persona tiene que empezar de nuevo. Aquí, el modelo entiende que el número no ha terminado y espera a que continúe.

La tercera es el cambio de idioma en mitad de la conversación. Un paciente puede pasar a su lengua materna para describir mejor un síntoma. El modelo admite más de 90 idiomas y no pierde esos fragmentos.

Qué mostraron las pruebas

La comparación se hizo con modelos de streaming de los principales proveedores, tanto médicos como generalistas, sobre las mismas grabaciones. Eligieron PriMock57 porque reúne todo lo que complica las llamadas en directo: conversación sin guion, audio telefónico con ruido de fondo y detalles clínicos densos.

En Fareez OSCE (272 grabaciones de entrevistas docentes con pacientes), el modelo logra la tasa de errores «semántica» más baja entre los modelos médicos: 0,6%. Esta métrica cuenta solo los errores que cambian el sentido: «20 mg» y «twenty milligrams» se consideran una coincidencia, por lo que sus cifras son más bajas que las de la tasa habitual de palabras erróneas. En el conjunto Eka Medical ASR (más de 3 600 grabaciones en inglés de médicos y estudiantes con nombres comerciales de medicamentos), hay un 4,7% menos de errores que con la Scribe v3 Live estándar: 11% frente a 11,54% según la métrica semántica.

Para las clínicas multilingües existe la prueba MED-Term de Corti, con términos poco frecuentes: la tasa de errores semántica es del 2,24% en inglés, del 2,81% en alemán y del 3,24% en francés. En habla corriente (Common Voice y FLEURS), el modelo rinde aproximadamente igual que la versión base, por lo que puede activarse en todas las llamadas, incluidas las de cambio de cita y las consultas sobre horarios. La latencia se mantiene en torno a 150 ms, de modo que la especialización clínica no añade una pausa perceptible.

ElevenLabs traduce esto a cifras cotidianas. Una llamada de 10 minutos contiene unas 1 500 palabras, y el modelo reconoce unas 40 más que su competidor médico más cercano. Con 1 000 llamadas al día, son unas 40 000 palabras. No todas las palabras pesan lo mismo: un «eh» perdido es inocuo, pero un fármaco confundido acaba en una solicitud de receta, y un dígito erróneo en el número de póliza retrasa la verificación del seguro.

Privacidad y salvedades

El modelo cumple los requisitos de HIPAA para clientes corporativos, siempre que haya un acuerdo BAA firmado y el modo Zero Retention esté activado (los datos no se almacenan). ElevenAgents cuenta con las certificaciones SOC 2 Type II, ISO 27001 y PCI DSS Level 1. Los datos de los pacientes se almacenan por defecto en EE. UU., y, si hace falta, pueden usarse entornos aislados en la UE, la India o Singapur.

Una salvedad: todas las comparaciones las realizó la propia ElevenLabs con los proveedores que eligió y en la mejor configuración de cada uno; no se mencionan los nombres de los competidores concretos y la lista de modelos es incompleta. Entre sus clientes, la compañía cita a Pfizer, que destaca la precisión con nombres comerciales e internacionales, y a Vintage Labs, donde, según su fundador, las enfermeras confían en el resumen de la llamada sin volver a escuchar la grabación.

La conclusión práctica para quienes construyen agentes de voz médicos: pasar el modelo por grabaciones reales de sus propias llamadas, cargar un diccionario de medicamentos y nombres de médicos, y comprobar cuántos errores desaparecen precisamente en los fármacos y en los números.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hace el modelo?

Scribe v3 Live Medical está construido sobre el nuevo modelo Scribe v3 Live y ya está disponible en la plataforma ElevenAgents: en los ajustes hay que abrir Automatic Speech Recognition y elegirlo en la lista. Hasta ahora, ElevenLabs solo ofrecía transcripción médica para grabaciones, como dictados y visitas. Ahora funciona en llamadas en directo: citas, líneas de información, verificación del seguro por teléfono y consultas sobre solicitudes de reembolso.

¿Qué se sabe sobre Qué mostraron las pruebas?

La comparación se hizo con modelos de streaming de los principales proveedores, tanto médicos como generalistas, sobre las mismas grabaciones. Eligieron PriMock57 porque reúne todo lo que complica las llamadas en directo: conversación sin guion, audio telefónico con ruido de fondo y detalles clínicos densos. En Fareez OSCE (272 grabaciones de entrevistas docentes con pacientes), el modelo logra la tasa de errores «semántica» más baja entre los modelos médicos: 0,6%.

¿Qué se sabe sobre Privacidad y salvedades?

El modelo cumple los requisitos de HIPAA para clientes corporativos, siempre que haya un acuerdo BAA firmado y el modo Zero Retention esté activado (los datos no se almacenan). ElevenAgents cuenta con las certificaciones SOC 2 Type II, ISO 27001 y PCI DSS Level 1. Los datos de los pacientes se almacenan por defecto en EE. UU., y, si hace falta, pueden usarse entornos aislados en la UE, la India o Singapur.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…