Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarElevenLabs Blog→ original

Un agente de IA llama a los pacientes antes de la cita: un 10% más de cribados completados que con IVR

Casi una de cada cuatro citas médicas se pierde: la tasa media de ausencias es del 23%. ElevenLabs ha mostrado cómo construir un agente de voz que llama el día anterior a la visita, verifica la fecha de nacimiento y confirma, aplaza o cancela la cita directamente en la historia clínica electrónica (EHR). En Everlywell, la proporción de cribados completados aumentó un 10% frente a las llamadas automáticas por IVR, el menú de «pulse 1». La clínica llega a tiempo de ofrecer el hueco liberado a otro paciente.

Procesado por IA desde ElevenLabs Blog; editado por Hamidun News
Un agente de IA llama a los pacientes antes de la cita: un 10% más de cribados completados que con IVR
Fuente: ElevenLabs Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalElevenLabs Blog ↗
Editor jefe
Oviantaimplicación de los pacientes del 68% y un 83% menos de llamadas manuales del personal
Dato clave #2Entre los participantes hispanohablantes de Everlywell, la conversión es 3,5 veces mayor
Dato clave #3Si el recordatorio llegó en persona, las ausencias fueron del 3%; con buzón de voz, del 24%; sin respuesta, del 39%

Casi una de cada cuatro citas médicas no se llevará a cabo: una revisión de 105 estudios arrojó una tasa media de ausencias del 23%. En una encuesta de agosto, el 32% de los grupos médicos afirmó que en 2026 hay más ausencias que en 2025 (un año antes respondía así el 27%). Los pacientes reconsideran las visitas programadas con seis semanas de antelación por los deducibles récord.

La clínica pierde ingresos, y el paciente pierde un cribado programado que después acaba convirtiéndose en una consulta urgente. ElevenLabs ha publicado un análisis de cómo construir, en la plataforma ElevenAgents, un agente de voz saliente que aborda este problema: llama el día antes de la cita, verifica la identidad y corrige al instante la reserva en la historia clínica electrónica (EHR).

Cómo se ve en la práctica

Imaginemos a una paciente, María, citada mañana a las 14:00 con su médico. Por la tarde, el agente marca su número, le pide la fecha de nacimiento y la compara con la historia. Después lee la cita vigente y le propone confirmarla, trasladarla a un hueco libre del médico o cancelarla. Si María cambia la cita, el agente modifica ese mismo registro en la EHR y el tiempo liberado vuelve a la agenda mientras aún puede ocuparse.

El agente también gestiona los casos límite. Si salta el contestador automático, deja un mensaje. Si el paciente pide que no se le llame más, la negativa queda registrada y no habrá más llamadas. Si quiere hablar con una persona, la llamada se transfiere a recepción.

Los autores explican por qué fallan los métodos habituales. Un administrador con un teléfono no escala: solo llama en horario laboral y son las mismas personas que atienden las llamadas entrantes. Los SMS y el correo electrónico son baratos, pero unidireccionales, y funcionan peor con personas mayores y con quienes tienen una lengua materna distinta de la del mensaje.

El IVR, una llamada automática con un menú del tipo «pulse 1 para confirmar», no sabe trasladar una visita, no verifica de verdad la identidad y traspasa mal la conversación a una persona si el paciente plantea una pregunta. Un call center externalizado ofrece una conversación en vivo, pero es caro, la calidad depende del turno y los datos de los pacientes los tratan personas ajenas a la organización.

El argumento a favor de la conversación en vivo es un estudio de la Veterans Health Administration: la tasa de ausencias fue del 3% si el recordatorio llegó al paciente en persona, del 24% si cayó en el buzón de voz y del 39% si nadie contestó y no se dejó mensaje.

Resultados de los clientes

Everlywell usa ElevenAgents para recordar a los participantes los cribados que les corresponden. La proporción de cribados completados aumentó un 10% frente al IVR, y entre los participantes hispanohablantes la conversión resultó 3,5 veces mayor. Ovianta utiliza el agente para llamar tras proponer un plan de tratamiento: la implicación de los pacientes alcanzó el 68%, la conversión a tratamiento creció un 25% y el personal de la clínica hace un 83% menos de llamadas manuales. Son datos del propio proveedor; el material no incluye verificación independiente.

Dos formas de ponerlo en marcha

La primera vía es un lote nocturno. Por la tarde, un script extrae de la EHR las citas de mañana, convierte cada una en una fila de una tabla y las envía a Batch Calling. Solo es obligatoria la columna con el teléfono; el resto (nombre, fecha, médico, tipo de visita, nombre de la clínica) se convierten en variables que el agente utiliza en el prompt y durante la conversación.

La hora se escribe en la tabla con palabras, por ejemplo «ten a.m.», porque el agente la lee en voz alta y el sintetizador de voz no debe adivinar el formato.

El lote ocupa una parte limitada de las llamadas en paralelo: el menor valor entre el 50% del límite del espacio de trabajo y el 70% del límite del agente, para que la línea de entrada no quede desatendida. La política de reintentos la controla el script: no más de tres intentos por paciente a la semana, y una confirmación, un traslado, una cancelación o una negativa sacan a la persona de la lista.

La segunda vía es una llamada por evento de la EHR mediante la API de llamadas salientes. Cubre lo que el lote se deja: citas para hoy, un traslado de las 8 de la mañana a las 15:00, un hueco liberado tras una cancelación. Solo en este modo está disponible Zero Retention Mode (modo sin retención de datos). En la práctica, los autores aconsejan usar ambas vías: el lote para los recordatorios del día siguiente y el tiempo real para los cambios de última hora.

El agente lee y escribe en un único sistema. Los huecos libres se obtienen del recurso Slot, el traslado es un PUT sobre el mismo registro Appointment y la cancelación cambia su estado. Tras la llamada no hay nada que conciliar con la historia clínica, y cada cambio entra en la auditoría ya existente. En el entorno de pruebas se usó el servidor público HAPI FHIR con datos sintéticos. Para las llamadas masivas, los equipos pueden conectar Campaign Manager, que tiene en cuenta las franjas permitidas para llamar, la hora local, los reintentos y el buzón de voz.

Architect y los detalles que se olvidan

Esta vez el workflow no se montó a mano. El agente de partida ya tenía conectadas herramientas FHIR, herramientas de sistema, un prompt base con el rol y la forma de hablar, y nueve pruebas de simulación, pero no tenía workflow. La llamada se describió en lenguaje natural en el chat del asistente Architect, y este construyó el esquema.

Por separado, los autores recuerdan el identificador de llamada. Si en la pantalla aparece «Spam Likely», el paciente no contestará. Antes del primer envío hay que registrar el número para STIR/SHAKEN, configurar el CNAM para que se muestre el nombre de la clínica y comprobar las llamadas de marca de Twilio para los operadores de sus pacientes.

Conclusión para los desarrolladores: el mayor valor de un agente así no es la voz, sino la escritura directa en el sistema de gestión. El material lo ha publicado un proveedor, así que conviene contrastar las métricas de los clientes con los datos propios, y la responsabilidad de cumplir los requisitos médicos y de obtener el consentimiento para las llamadas sigue recayendo en la clínica.

Historia

Preguntas frecuentes sobre la noticia

Cómo se ve en la práctica?

Imaginemos a una paciente, María, citada mañana a las 14:00 con su médico. Por la tarde, el agente marca su número, le pide la fecha de nacimiento y la compara con la historia. Después lee la cita vigente y le propone confirmarla, trasladarla a un hueco libre del médico o cancelarla. Si María cambia la cita, el agente modifica ese mismo registro en la EHR y el tiempo liberado vuelve a la agenda mientras aún puede ocuparse. El agente también gestiona los casos límite.

¿Qué se sabe sobre Resultados de los clientes?

Everlywell usa ElevenAgents para recordar a los participantes los cribados que les corresponden. La proporción de cribados completados aumentó un 10% frente al IVR, y entre los participantes hispanohablantes la conversión resultó 3,5 veces mayor. Ovianta utiliza el agente para llamar tras proponer un plan de tratamiento: la implicación de los pacientes alcanzó el 68%, la conversión a tratamiento creció un 25% y el personal de la clínica hace un 83% menos de llamadas manuales.

¿Qué se sabe sobre Dos formas de ponerlo en marcha?

La primera vía es un lote nocturno. Por la tarde, un script extrae de la EHR las citas de mañana, convierte cada una en una fila de una tabla y las envía a Batch Calling. Solo es obligatoria la columna con el teléfono; el resto (nombre, fecha, médico, tipo de visita, nombre de la clínica) se convierten en variables que el agente utiliza en el prompt y durante la conversación.

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.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…