Anima, com GPT-6 e GPT-Live, reduz em 75% a espera por ligações em clínicas

A startup britânica Anima, plataforma para clínicas com mais de 14 milhões de pacientes, 1000+ clínicas e 800 mil casos por mês, montou três produtos com modelos da OpenAI: o atendente de voz Andi, no GPT-Live; o pipeline de análise de documentos recebidos, no GPT-6; e o serviço de notas clínicas Scribe, no GPT 5.6 Luna. Segundo a empresa, a espera por resposta no telefone caiu de 40–50 para 10 minutos, ou seja, uma redução de no mínimo 75%. A capacidade de processamento de documentos cresceu de 2 a 3 vezes, e o tempo mediano de resolução de um caso é de cerca de 3,5 horas.

Voz na rédea curta

O Andi atende as ligações dos pacientes e coleta o histórico clínico. A conversa, no entanto, não é conduzida apenas por um modelo de linguagem. O policy engine proprietário da Anima guia o diálogo por roteiros determinísticos, aprovados do ponto de vista clínico. O modelo não improvisa em perguntas médicas: ele trabalha dentro de uma estrutura definida.

Em seguida entra o GPT-5.4 mini, que escolhe o questionário adequado. O histórico pronto chega ao dashboard da clínica como um caso estruturado, que o médico ou o administrador revisa e processa. A divisão de papéis é pragmática. O modelo de voz, mais caro, cuida da conversa ao vivo; o modelo compacto faz a classificação rápida; e as regras de segurança ficam em código comum, onde podem ser verificadas e auditadas.

Nas pesquisas da Anima, 86% dos pacientes disseram que usariam o Andi novamente. Um detalhe inesperado: entre os mais satisfeitos estavam pessoas de 80 a 90 anos. O CEO Shun Pang explica que o agente de voz é "infinitamente paciente e muito educado".

800 000 códigos SNOMED e nenhum fine-tuning

O produto Documents, baseado em modelos GPT-6, extrai das cartas recebidas o remetente, o destinatário, o tipo de documento e as datas dos eventos. Um pipeline de várias etapas então associa o documento ao paciente correto, seleciona os códigos clínicos e sugere ao funcionário a próxima ação.

O mais difícil é a codificação. Segundo Michael Skupien, chefe da equipe de engenharia, existem cerca de 800 mil códigos SNOMED possíveis. Só uma pequena parte é usada com regularidade, mas cada consultório escolhe os códigos de um jeito. A Anima não obriga as clínicas a configurar o sistema nem faz fine-tuning de um modelo para cada cliente. Em vez disso, o comportamento é adaptado por in-context learning: o modelo recebe no contexto exemplos e preferências de cada consultório.

Do ponto de vista econômico, isso significa um único conjunto de modelos para todos os clientes, sem um zoológico de pesos, pipelines de treinamento e versionamento. O custo se desloca para os tokens de contexto, mas o onboarding de uma nova clínica não exige trabalho de ML. Essa abordagem depende de uma característica dos modelos: eles precisam seguir instruções de forma consistente. Foi por isso, segundo Skupien, que a escolha recaiu sobre a OpenAI. Shun Pang acrescenta que a equipe comparou modelos fechados e abertos e avaliou inteligência, inteligência por dólar e controlabilidade.

O resultado em números: consultórios que processavam cerca de 15 documentos por hora agora processam 30–45, e as melhores clínicas chegam a 45–60. Segundo Pang, backlogs de mais de 100 mil documentos foram resolvidos em alguns dias.

Lista completa: produtos, modelos e métricas

• Andi, administrador de IA no GPT-Live: atendimento de chamadas, coleta de sintomas, espera no telefone reduzida de 40–50 para 10 minutos (redução de 75% ou mais). • GPT-5.4 mini: escolha do questionário adequado após o diálogo.

• Documents no GPT-6: extração de remetente, destinatário, tipo e datas, associação ao paciente, seleção de códigos SNOMED, sugestão do próximo passo. • Scribe no GPT 5.6 Luna: notas a partir da transcrição da consulta, encaminhamentos e mensagens aos pacientes, tudo a partir do mesmo contexto.

• Escala: 14 milhões de pacientes, 1000+ clínicas, 800 000+ casos por mês, expansão para os EUA e a Austrália. • Velocidade: mediana de resolução de um caso de cerca de 3,5 horas, e a maioria dos casos é encerrada em 24 horas. • Documentos: 15 por hora antes da implantação, 30–45 depois, e 45–60 nas melhores clínicas.

• Notas e cartas: as notas ficam prontas em segundos, em vez de vários minutos, e os encaminhamentos, em vez de 5–15 minutos. • Satisfação: 86% dos pacientes pesquisados voltariam a usar o Andi.

O que levar para o seu stack

O caso mostra um modelo de arquitetura que vale também fora da medicina. Mantenha a lógica crítica, ou seja, as rotas do diálogo e as ações permitidas, em um motor de regras determinístico. Use o modelo onde são necessários linguagem e extração de significado. Distribua as tarefas entre modelos de classes diferentes: voz e análise complexa de documentos ficam com os modelos maiores, e a escolha do questionário, com a versão mini.

Se você tem muitos clientes com regras diferentes, comece pelo in-context learning, e não pelo fine-tuning individual. Isso sai mais barato de manter, mas exige orçamento para contexto longo e controle rígido sobre o cumprimento das instruções. Por fim, nos três produtos da Anima o humano continua no circuito: o médico revisa o caso, a nota e a carta. O ganho vem da rapidez na preparação, e não da eliminação da revisão. Vale lembrar que todos os números do material foram divulgados pela própria empresa e não foram verificados de forma independente.