Doctolib lanza un agente de IA que permite a los clínicos crear sus plantillas de notas conversando

El problema

Doctolib ofrece un asistente de IA, el Consultation Assistant, que escucha la visita de un paciente y redacta la nota clínica. El ahorro de tiempo depende de que la nota se lea como la habría escrito ese médico. Dos cardiólogos no escriben igual, y cada diferencia obliga al médico a reescribir. El producto de Doctolib permitía añadir instrucciones a las plantillas de notas, pero escribir una buena plantilla exigía tiempo y destreza técnica de los que la mayoría de los profesionales carecía.

Qué construyeron

El Consultation Template Manager sustituye una pantalla de ajustes por un chat. El clínico dice qué tipo de plantilla de nota necesita, con su especialidad y estructura. El agente hace preguntas de opción múltiple, redacta una plantilla y la afina según reacciona el clínico, por ejemplo «añade una sección de alergias». También puede reestructurar de una vez una plantilla antigua de texto libre. Detrás hay un pequeño grupo de agentes de IA que cooperan, coordinados por uno que dirige cada petición a un entrevistador, un constructor o un conversor.

Cómo lo hicieron

La idea surgió en un hackatón interno a principios de marzo de 2026. Unas tres semanas después, el agente estaba en producción con profesionales de la beta externa. El equipo se mantuvo pequeño: dos ingenieros a tiempo completo (uno de software y otro de aprendizaje automático) con ayuda a tiempo parcial de compañeros de gestión de producto, diseño y marketing de producto.

La rapidez vino de una plataforma de IA ya existente. Aporta un marco para agentes basado en el Agent Development Kit de Google, una pasarela que permite a Doctolib cambiar de proveedor de modelos de lenguaje sin modificar el código de la aplicación, despliegue automatizado y monitorización y pruebas integradas. El comité Medical Excellence de Doctolib revisó el producto antes del lanzamiento, y el personal probó una versión alfa en la primera semana.

Antes del lanzamiento, el equipo ejecutó pruebas automatizadas en las que un modelo hacía de médicos con distintas especialidades y objetivos, y otros modelos puntuaban si el agente repetía preguntas, se adaptaba a la especialidad y producía una plantilla coherente.

Resultados

Doctolib comunica cifras de los aproximadamente 6.000 profesionales con acceso. De los usuarios que empezaron a usar el agente, el 78 % termina guardando una plantilla personalizada. Doctolib dice que, aproximadamente nueve de cada diez veces, la plantilla guardada lleva cambios menores o ninguno. Alrededor de la mitad de quienes prueban el agente pasa a usar su propia plantilla en un resumen de consulta real, normalmente en pocos días. El agente funciona en Francia y Alemania.

Son medidas de adopción de un despliegue temprano. La publicación no informa del tiempo ahorrado por nota.

Qué replicar

Elija el paso que impide a la gente aprovechar bien una función y deje que un agente conversacional lo haga por ella. Reutilice una plataforma compartida para el despliegue y la evaluación para que la primera versión lleve semanas, y mida si la gente conserva lo que produce el agente.