soul·dev блог
Жалоба после приема: AI-тренажер для администратора, который первым слышит негатив
Практический материал по теме «Жалоба после приема: AI-тренажер для администратора, который первым слышит негатив»: как тренировать сложный пациентский диалог, объяснять ограничения без обещаний и видеть результат в LMS.
Что пошло не так
В медицинском центре администратор поствизитной поддержки столкнулся с ситуацией: пишет в чат, что врач был невнимателен, и требует немедленного объяснения. Сотрудник пытался быстро успокоить пациент, который недоволен консультацией, но выбрал формулировку, которая усилила конфликт или создала лишнее ожидание.
Ошибка сценария
Первоначальный тренажер не делал акцент на ограничении: не оценивать действия врача в переписке, не обещать компенсацию до проверки и не спорить с эмоцией пациента. Из-за этого участники могли получить высокий балл за вежливость, хотя по смыслу ответ был рискованным.
Почему это опасно
Для медицинской коммуникации опасны не только грубость и молчание. Опасны уверенные обещания, обход правил, раскрытие данных и попытка заменить врача сервисной фразой.
Как переписали AI-тренажер
В новую версию добавили AI-ассессмент коммуникации по критериям: принятие жалобы, сбор фактов, передача в ответственный канал и корректное обещание обратной связи по срокам. Если сотрудник нарушал границы роли, итоговая оценка снижалась независимо от мягкого тона.
Что осталось в практике
Анти-кейс показал, что попытка защитить клинику в первой реплике почти всегда ухудшает ситуацию. Такой анти-кейс полезен для LMS, потому что показывает: ошибка может выглядеть дружелюбно, но все равно вредить пациентскому сервису.