Anima на GPT-6 и GPT-Live сократила ожидание звонка в клиниках на 75%

Британский стартап Anima, платформа для клиник с более чем 14 млн пациентов, 1000+ клиниками и 800 тысячами кейсов в месяц, собрал три продукта на моделях OpenAI. Это голосовой администратор Andi на GPT-Live, конвейер разбора входящих документов на GPT-6 и сервис клинических заметок Scribe на GPT 5.6 Luna. По данным компании, ожидание ответа по телефону сократилось с 40–50 до 10 минут, то есть минимум на 75%. Пропускная способность по документам выросла в 2–3 раза, а медианное время решения кейса составляет около 3,5 часа.

Голос на коротком поводке

Andi принимает звонки пациентов и собирает анамнез. Разговором при этом управляет не одна лишь языковая модель. Проприетарный policy engine Anima ведёт диалог по детерминированным, клинически утверждённым сценариям. Модель не импровизирует с медицинскими вопросами, а работает внутри заданной структуры.

Дальше в дело вступает GPT-5.4 mini: она выбирает подходящий опросник. Готовая история болезни попадает в дашборд клиники как структурированный кейс, который врач или администратор просматривает и обрабатывает. Распределение ролей прагматичное. Дорогая голосовая модель отвечает за живой диалог, компактная делает быструю классификацию, а правила безопасности живут в обычном коде, где их можно проверить и аудировать.

В опросах Anima 86% пациентов заявили, что воспользуются Andi снова. Неожиданная деталь: среди самых довольных оказались люди 80–90 лет. Гендиректор Shun Pang объясняет это так: голосовой агент «бесконечно терпелив и очень вежлив».

800 000 кодов SNOMED и ни одного дообучения

Продукт Documents на моделях GPT-6 вытаскивает из входящих писем отправителя, получателя, тип документа и даты событий. Многоэтапный конвейер затем сопоставляет документ с нужным пациентом, подбирает клинические коды и предлагает сотруднику следующее действие.

Самое сложное здесь кодирование. По словам Michael Skupien, руководителя инженерной команды, возможных кодов SNOMED около 800 тысяч. Регулярно используется лишь малая часть, но разные практики выбирают коды по-разному. Anima не заставляет клиники настраивать систему и не дообучает отдельную модель под каждого клиента. Вместо этого поведение адаптируется через in-context learning: модель получает в контексте примеры и предпочтения конкретной практики.

С точки зрения экономики это означает один набор моделей на всех клиентов, без зоопарка весов, пайплайнов обучения и версионирования. Расходы смещаются в сторону токенов контекста, зато онбординг новой клиники не требует ML-работы. Такой подход держится на одном свойстве моделей: они должны стабильно следовать инструкциям. Именно поэтому, по словам Skupien, выбор пал на OpenAI. Shun Pang добавляет, что команда сравнила закрытые и открытые модели и оценивала интеллект, интеллект на доллар и управляемость.

Результат в цифрах: практики, обрабатывавшие около 15 документов в час, теперь делают 30–45, лучшие клиники делают 45–60. Бэклоги свыше 100 тысяч документов, по словам Pang, разбирали за несколько дней.

Полный список: продукты, модели и метрики

• Andi, AI-администратор на GPT-Live: приём звонков, сбор симптомов, телефонное ожидание сократилось с 40–50 до 10 минут (минус 75% и больше). • GPT-5.4 mini: выбор подходящего опросника после диалога.

• Documents на GPT-6: извлечение отправителя, получателя, типа и дат, привязка к пациенту, подбор кодов SNOMED, предложение следующего шага. • Scribe на GPT 5.6 Luna: заметки по транскрипту консультации, направления и сообщения пациентам из того же контекста.

• Масштаб: 14 млн пациентов, 1000+ клиник, 800 000+ кейсов в месяц, расширение в США и Австралию. • Скорость: медиана решения кейса около 3,5 часа, большинство кейсов закрывается за 24 часа. • Документы: 15 в час до внедрения, 30–45 после, у лучших клиник 45–60.

• Заметки и письма: заметки готовятся за секунды вместо нескольких минут, направления вместо 5–15 минут. • Удовлетворённость: 86% опрошенных пациентов будут пользоваться Andi снова.

Что забрать в свой стек

Кейс показывает архитектурный шаблон, который переносится за пределы медицины. Критичную логику, то есть маршруты диалога и допустимые действия, держите в детерминированном движке правил. Модель подключайте там, где нужны язык и извлечение смысла. Разные задачи отдавайте моделям разного класса: голос и сложный разбор документов идут на старшие модели, выбор опросника достаётся mini-версии.

Если у вас много клиентов с разными правилами, начинайте с in-context learning, а не с индивидуального дообучения. Это дешевле в поддержке, но требует бюджета на длинный контекст и жёсткого контроля следования инструкциям. Наконец, во всех трёх продуктах Anima человек остаётся в контуре: врач проверяет кейс, заметку и письмо. Выигрыш достигается за счёт скорости подготовки, а не отказа от проверки. Стоит помнить, что все цифры в материале приведены самой компанией и независимо не верифицированы.