Clínica Familiar Maple Heights

Caso ficticio construido por el curso: una clínica de tamaño medio despliega su primer Agente de voz con IA tras un piloto impecable y el sistema fracasa en producción. Es el hilo conductor del módulo 6 y el ejemplo al que vuelven todos sus capítulos.

Qué implementó

Contexto. Centro de salud de tamaño medio en una ciudad densamente poblada, con unos 150 pacientes al día, mayoritariamente adultos trabajadores y residentes mayores del entorno. La atención clínica está bien valorada, pero el equipo administrativo vive saturado: las mañanas arrancan con una acumulación de mensajes de voz y las líneas siguen congestionadas hasta la tarde.

Decisión. El director de operaciones propone un agente de voz para descargar a recepción. Tras evaluar proveedores se elige un sistema con tres funciones: reservar citas, informar horarios de atención y derivar la llamada a una persona cuando haga falta.

El piloto. Se ejecuta internamente, con empleados que simulan ser pacientes siguiendo guiones predefinidos y frases limpias del tipo "quisiera programar un chequeo físico para el próximo martes". El sistema responde con fiabilidad en ese entorno controlado y la dirección aprueba el lanzamiento en vivo.

El defecto está sembrado ahí: el piloto validó la capacidad del agente para seguir un guion, no para sostener una conversación humana real.

Resultados

Cuatro modos de fallo en producción:

#	Modo de fallo	Qué ocurrió
1	Desajuste entre entrenamiento y realidad	Los pacientes reales no hablaban como los probadores: personas mayores con habla lenta o poco clara, expresiones coloquiales, interrupciones a mitad de frase. El ejemplo del material: una madre intenta reprogramar la vacuna antigripal de su hijo desde un coche en marcha con el GPS interfiriendo; el agente no interpreta la petición, repite el mismo prompt y acaba colgando. El problema de fondo no era acústico sino de conciencia del contexto
2	Fallos de integración	La conexión con el sistema de programación era frágil: en horas punta la API devolvía información desactualizada y el agente ofrecía huecos de agenda inexistentes. Consecuencia: citas duplicadas y ausencias, pacientes que se presentaban sin figurar en el sistema, recepción improvisando y retrasos en cascada
3	Fallas en las vías de escalamiento	La derivación era literal: solo se activaba con fórmulas como "hablar con alguien" o "hablar con una persona". Un paciente mayor que dijo "necesito hablar con la enfermera sobre mi nivel de azúcar en la sangre" volvió al menú principal. Otro, angustiado tras un alta hospitalaria, colgó sin recibir ayuda
4	Pérdida de confianza del paciente	En una semana aparecieron quejas públicas en sitios de reseñas. La moral del personal también se resintió: en vez de reducir carga, el agente generó trabajo nuevo —atender reclamos, reprogramar manualmente citas perdidas—. La mejora de eficiencia esperada nunca llegó

Por qué el piloto no lo predijo: fue engañosamente exitoso porque midió obediencia al guion y no robustez conversacional; no hubo pruebas de resistencia con audio superpuesto, ruido de fondo, jerga inesperada ni acentos multilingües; y no existía capacidad de aprendizaje —sin panel de monitoreo, sin etiquetado de interacciones fallidas y sin canal estructurado para que el personal reportara problemas—. En una frase: la clínica resolvió el problema técnico y no el problema operativo.

Los KPI que habrían dado la alarma (aplicación retrospectiva del capítulo 4): índice de escalamiento, índice de exactitud en citas e índice de abandono. Ver KPI.

El contraejemplo real

El módulo contrapone Cencora, gran distribuidor y operador de clínicas en Estados Unidos, que desplegó el agente de voz Eva desarrollado por Infinitus para verificación de beneficios y gestión de servicios farmacológicos: absorbió tareas que antes hacían más de 100 empleados a tiempo completo, procesa solicitudes cuatro veces más rápido, clasifica los casos inciertos para revisión humana y graba todas las llamadas, que se revisan aleatoriamente para verificar exactitud. La diferencia no está en la tecnología sino en el andamiaje: alcance acotado al back office, triaje explícito hacia humanos y auditoría continua desde el primer día.

En el curso

Módulo 6 — capítulo 1 lo plantea íntegro; el capítulo 2 lo usa para explicar el Purgatorio del piloto y la Integración de la última milla; el capítulo 4 vuelve sobre él para derivar los KPI que debieron vigilarse.

Relacionado

Agente de voz con IA · KPI · Purgatorio del piloto · Integración de la última milla · EMR · Human-in-the-loop · Modelo ADKAR · Air Canada