Цифровой помощник фармацевта

AI-сервис, который в режиме реального времени анализирует диалог между клиентом и фармацевтом в контакт-центре, автоматически выявляет вопросы, связанные с фармацевтикой (например, о лекарствах, их применении или взаимодействии), ищет по ним релевантную информацию в базе знаний и генерирует для оператора-фармацевта точные и содержательные подсказки для оптимального ответа клиенту

Срок начала реализации

Апрель 2024 года

Срок вывода в ПРОМ

Июль 2024 года

Блок

Центр индустрии здоровья

Подразделение

Фабрика навыков медицинского домена GigaChat Центра индустрии здоровья

01

Проблема

Клиенты задают сложные фармацевтические вопросы, недостаток экспертизы у специалистов
Фармацевт не полностью соблюдает стандарты консультирования пациентов
Для оказания онлайн-консультаций в интернет-аптеках требуются дежурства высококвалифицированных специалистов

02

Цель

Повышение эффективности фармацевтического консультирования за счёт AI-автоматизации поддержки

03

Решение

AI-сервис, который в режиме реального времени анализирует диалог между клиентом и фармацевтом в контакт-центре, автоматически выявляет вопросы, связанные с фармацевтикой (например, о лекарствах, их применении или взаимодействии), ищет по ним релевантную информацию в базе знаний и генерирует для оператора-фармацевта точные и содержательные подсказки для оптимального ответа клиенту

Функциональность

Классифицирует запрос клиента (фармацевтический/не фармацевтический запрос)
Учитывает контекст диалога фармацевта с клиентом
Отвечает на основные фармацевтические вопросы: вопросы, содержащие сложный анамнез и описание симптоматики, содержащие информацию об оптимальных препаратах с учетом симптоматики, о показаниях, составе, противопоказаниях, действующих веществах, условиях хранения, сроке годности, стране выпуска, дозировке, побочных эффектах и вопросы, связанные с подбором аналогов конкретного препарата
Имеет возможность добавлять и учитывать информацию из каталога аптеки (ссылки на товар, приоритет в пользу собственных торговых марок и высокомаржинальных товаров)

Визуализация решения

Текущий эффект

Целевой эффект

Используемая фундументальная модель

GigaChat Pro

GigaChat Lite

GigaChat Embedding

Используемые инструменты разработки и улучшения GenAI-решений

LangChain

RAG

Размер и роли команды реализации решения

13 ПШE

1 Владелец продукта (PO)

2 ИТ-аналитика

2 Тестировщика (QA)

1 Менеджер проекта/эксперт индустрии (PM)

1 Delivery Lead (DL)

2,5 Data Scientist (DS)

2,5 Back-разработчика (Python)

1 DevOps

Контактное лицо

Ночевкин Евгений Виктрович

EVNochevkin@sberbank.ru

Хештеги

#АнализДокументов #ИзвлечениеДанных #АнализТекстов #ОбработкаОбращений #КлассификацияЗапросов #СемантическийПоиск #ПодготовкаОтветов #УправлениеДиалогом #ПоискАналогов #ПоискВБазеЗнаний #ПродажиВДиалоге