Doctolib lancia un agente di IA che permette ai clinici di creare i propri modelli di note conversando

Il problema

Doctolib offre un assistente di IA, il Consultation Assistant, che ascolta la visita di un paziente e abbozza la nota clinica. Il risparmio di tempo dipende dal fatto che la nota si legga come l'avrebbe scritta quel medico. Due cardiologi non scrivono allo stesso modo, e ogni differenza rimanda il medico a riscrivere. Il prodotto di Doctolib permetteva di aggiungere istruzioni ai modelli di nota, ma scrivere un buon modello richiedeva tempo e competenze tecniche che la maggior parte dei professionisti non aveva.

Cosa hanno costruito

Il Consultation Template Manager sostituisce una schermata di impostazioni con una chat. Il clinico dice che tipo di modello di nota serve, con specialità e struttura. L'agente pone domande a scelta multipla, abbozza un modello e lo perfeziona in base alle reazioni del clinico, per esempio «aggiungi una sezione allergie». Può anche ristrutturare in un solo passaggio un vecchio modello a testo libero. Dietro c'è un piccolo gruppo di agenti di IA che cooperano, coordinati da uno che smista ogni richiesta a un intervistatore, un costruttore o un convertitore.

Come ci sono riusciti

L'idea è nata da un hackathon interno a inizio marzo 2026. Circa tre settimane dopo, l'agente era in produzione con professionisti della beta esterna. Il team è rimasto piccolo: due ingegneri a tempo pieno (uno di software, uno di machine learning) con l'aiuto part-time di colleghi di product management, design e product marketing.

La rapidità è venuta da una piattaforma di IA già esistente. Fornisce un framework per agenti basato sull'Agent Development Kit di Google, un gateway che permette a Doctolib di cambiare fornitore di modelli linguistici senza modificare il codice dell'applicazione, rilascio automatizzato e monitoraggio e test integrati. Il comitato Medical Excellence di Doctolib ha esaminato il prodotto prima del rilascio, e il personale ha provato una versione alfa nella prima settimana.

Prima del rilascio, il team ha eseguito test automatizzati in cui un modello impersonava medici di diverse specialità e con obiettivi diversi, mentre altri modelli valutavano se l'agente ripetesse domande, si adattasse alla specialità e producesse un modello coerente.

Risultati

Doctolib riporta dati dei circa 6.000 professionisti con accesso. Tra gli utenti che hanno iniziato a usare l'agente, il 78% arriva a salvare un modello personalizzato. Doctolib dice che, circa nove volte su dieci, il modello salvato contiene modifiche minime o nessuna. Circa la metà di chi prova l'agente passa a usare il proprio modello in un vero riepilogo di visita, di solito entro pochi giorni. L'agente funziona in Francia e Germania.

Sono misure di adozione di un rilascio iniziale. Il post non riporta il tempo risparmiato per nota.

Cosa replicare

Individuare il passaggio che impedisce alle persone di usare bene una funzione e lasciare che un agente conversazionale lo svolga per loro. Riutilizzare una piattaforma condivisa per rilascio e valutazione, così la prima versione richiede settimane, e misurare se le persone conservano ciò che l'agente produce.