電子カルテを入れて記録が溜まってきた先生へ。
同じことをAIに聞いても、手元にデータがあるかないかで答えがまるで変わります。この記事では、問診履歴から離脱の傾向を出す頼み方と、AIの提案を採用してはいけない理由を書きます。
「AIに聞いてみたんですが、当たり前のことしか返ってきません」
それ、聞き方ではなくて渡すものの問題かもしれません。
事業サポート会議では、会員の先生が抱えている案件を、数字を出しながらほどいていきます。 先日の回で、こういう相談がありました。
電子カルテを入れて1年を超えた。 月次レポートの集計と、予約を取らずに帰られた患者様の抽出は、もうAIにやってもらっている。
このデータで、他に何ができるか、と。
すでに一歩進んでおられる方の質問です。 だからこそ、次に何ができるかを具体的に出せました。
ってことで、その日の答えをそのまま書きます。 問診の履歴が電子で残っている院向けの話です。紙のカルテしかない段階なら、まずそこからになります。
答えから言うと、離脱の理由を出せます。
AIは、手元にデータがないと答えられません
先に、うまくいかない聞き方をお伝えします。
「僕はこういうケースで離脱が多いんです。どうしてだと思いますか」
これは、ほぼ空振りします。
理由は簡単で、AIの手元にデータがないからです。 データがないところから返ってくるのは、一般論なんですよね。 「信頼関係の構築が大切です」とか「次回予約の声かけを見直しましょう」とか。
読んで「まあ、そうだよね」で終わる答えですよね。
うまくいく聞き方はこうです。
「この問診データから、離脱要因を分析してください」
同じテーマでも、渡すものが変わると答えが変わります。
当たり前の話に聞こえますよね。 でも、みんなiPhoneでチャットGPTを開いた瞬間に、このことを忘れます。
相手が自分のことを全部知っている前提で話しかけてしまうんです。
昨日どんな患者さんを診たか、AIは知りません。 知るはずがない。
けれど問診履歴が溜まっていれば、知ることができます。
そうなんです。 同じAIでも、渡すデータがあるかないかで、まったく別の道具になります。
問診履歴があると、何が見えるのか
では、実際に何が出てくるのか。
まず離脱要因です。
これは「○○町の人に離脱が多い」といった話ではありません。 住所や年齢のような属性ではなく、問診の中身から傾向を出します。
問診のダイジェストが入っているなら、そこから読めます。 どんな訴えで来た方が続かないのか、どんな言葉を残して離れているのか。
次に、離脱から復活した方のパターンです。
たとえば12月に復活が集中している、という結果が出たとします。
そうしたら、次の一手が決まりますよね。 12月に向けて、11月のうちにダイレクトメールを送ればいい。
これは属性の分析では出てきません。 時間軸で見ないと見えない傾向です。
3つ目に、紹介の頻度です。
たくさん紹介してくださる方は、データを見れば分かります。 そこからグループが作れます。 「これは○○さんの紹介グループ」というまとまりです。
今月はこのファミリーからの来院が濃かった、という見方ができるようになります。
さらに応用すると、LINE公式アカウントとの連携もできます。
カルテとLINEのIDがつながれば、その方の相談内容、送ってくる頻度、予約の取り方まで一人ひとりのデータベースになります。 この方はいつもギリギリに予約を入れる、というところまで見えます。
僕がデータプールと呼んでいるのは、この状態です。
AIからの提案は、採用しないでください
一つ、注意があります。
こちらから「こういう意図で分析して」と指示すれば、AIはしっかり答えを出します。
一方で、AIのほうから「あなたにはこういう傾向がありますね」と提案してくるものは、たいてい外れています。
理由があります。
AIは、自分が見えているデータの中だけで話を作ります。 しかも、普段の入力のしかたに合わせて「こういう分析なら喜んでもらえそうだ」というほうへ寄っていきます。
言い換えると、迎合しているんです。
仮説を先に立てて、それに合うデータを引っ張ってくる。 順番が逆なんですよね。
これは、相手が考えているように錯覚しやすいタイプの方ほど引っかかります。 会話が自然なので、向こうに意思があるように見えてしまう。
ですから、分析の意図はこちらが決めてください。 何を知りたいのかを言葉にして、データと一緒に渡す。
AIが勝手に持ってきた「気づき」は、いったん脇に置く。 それだけで、出てくるものの質が変わります。
電子カルテを1年使ってきたなら、材料はもう十分に溜まっています。 あとは何を知りたいかを決めるだけです。
コメント