Сеть частных клиник теряла до 40% ночных обращений: ресепшн закрыт, а пациенты не ждали до утра. За 12 дней Lumen.studio развернул Telegram-агента с RAG на прайсе и расписании и интеграцией с МИС — конверсия в запись выросла на треть.
Проект под NDA: название компании, домен и персональные данные не разглашаем. Описание обезличено.
Частная медицинская сеть из двенадцати филиалов в двух регионах работала по единому call-центру с 8:00 до 22:00. Вне этого окна заявки копились в мессенджерах и Instagram Direct — утром операторы разбирали очередь, но к тому моменту треть пациентов уже записалась к конкурентам или отложила визит.
Руководство сети искало решение без найма ночной смены: бюджет на FTE был согласован только на дневное усиление колл-центра. Параллельно шёл проект унификации прайса — цены на услуги и слоты врачей менялись еженедельно, поэтому «жёсткий сценарный бот» отпадал: через месяц половина ответов устарела бы.
Lumen.studio провёл короткую AI-диагностику канала записи и предложил агента первой линии: ответ на типовые вопросы, подбор врача по специализации, проверка свободных слотов и создание записи в МИС с подтверждением пациенту. Эскалация на живого оператора — только при нестандартных кейсах или явном запросе.
Мы выгрузили 6 400 диалогов за квартал из Telegram и WhatsApp (обезличено). 38% обращений приходилось на интервал 22:00–08:00; из них 61% не получали ответа в течение 15 минут. Среднее время от первого сообщения до записи в дневное время — 4,2 минуты, ночью — 11 часов (до ответа утром). Отдельно проанализировали причины отказа: «не дождался ответа» лидировало с 34%, далее — «не нашёл нужного врача» (19%) и «не понял стоимость» (17%). Это три зоны, которые агент закрывает без участия человека. — 40% обращений — вне часов работы колл-центра — 61% ночных диалогов без ответа за 15 минут — Топ-3 причины потери: ожидание, врач, цена
Ядро — YandexGPT с RAG на векторном хранилище Qdrant. Индексируем: прайс-лист по филиалам, расписание врачей (синхронизация каждые 15 минут через REST API МИС), FAQ по подготовке к анализам и правилам отмены. Промпт жёстко ограничивает медицинские советы: агент не ставит диагнозы и при симптомах «срочно» предлагает телефон дежурного администратора. Telegram выбран как основной канал — 72% ночных обращений уже шли туда. Webhook на Python-сервисе, оркестрация напоминаний и retry при сбое МИС — через n8n, чтобы админка сети могла менять тексты напоминаний без деплоя кода. Перед продакшеном прогнали 200 синтетических диалогов и 50 реальных (с согласия пациентов). Порог галлюцинаций по ценам — ноль допустимых; при низкой уверенности модели агент честно говорит «уточню у администратора» и создаёт тикет.
МИС сети не имела публичного API для записи «из коробки» — типичная ситуация для российских медицинских систем. Мы согласовали read-only доступ к расписанию и ограниченный write-endpoint для создания черновика записи со статусом «ожидает подтверждения ресепшном». Так медюристы сети сохранили финальный контроль, а пациент сразу получал SMS с номером заявки. Синхронизация прайса: при изменении в 1С → webhook → переиндексация затронутых услуг в Qdrant за ~90 секунд. Раз в сутки — полный reindex на случай ручных правок в МИС.
Пилот — один флагманский филиал, 5 дней. Затем поэтапное включение остальных одиннадцати точек с мониторингом метрик. Колл-центр получил дашборд: доля автозакрытых диалогов, список эскалаций, оценка операторами качества ответов (👍/👎 в Telegram для пациента). Обучение администраторов заняло два вебинара по 45 минут: как подтверждать черновики записей и как пополнять FAQ без участия разработчиков.
Конверсия «обращение → подтверждённая запись» выросла с 41% до 55% по сети в целом; по ночному окну — с 12% до 38%. Нагрузка на дневной колл-центр снизилась на 28% за счёт типовых запросов, которые агент закрывает полностью. ROI: экономия эквивалента 2,5 FTE операторов при стоимости проекта и поддержки — окупаемость около 5 месяцев. Сеть масштабирует модель на стоматологическое направление — второй контур RAG уже в бэклоге.
По всей сети, 90 дней после полного rollout
Дневные типовые обращения, без учёта эскалаций
Ключевая метрика пилота
От kickoff до prod на всех филиалах
Не будем натягивать этот кейс на вашу ситуацию. Сначала посмотрим на процесс и данные, которые есть именно у вас.