AI ENTERPRISE
YoDa Health è la nostra AI Receptionist verticale sulla sanità privata. Quattro mesi di esercizio, numeri reali, cosa funziona e cosa no quando metti l'AI a contatto con utenti veri — non in lab.
Da quattro mesi un'AI risponde al telefono di un poliambulatorio privato a Cremona. Non in un trial controllato, non in un demo room: nel centralino vero, 24 ore su 24, con i pazienti veri che chiamano per prenotare visite o chiedere informazioni. Si chiama YoDa Health, è la nostra AI Receptionist verticale per la sanità privata, e i numeri di questi quattro mesi (gennaio-aprile 2026) sono il caso pubblico più solido che abbiamo per parlare di AI enterprise senza mentire.
I numeri li tiriamo direttamente dal database di produzione (container `sgz-db`, Postgres 15, server `aifabric-yoda-automation-prod`). Sono pubblici nei limiti del trattamento aggregato e li riportiamo qui perché il cliente — SGZ Solutions, Poliambulatorio MedicinaPO Cremona — ha autorizzato la condivisione del case dopo il primo trimestre di esercizio.
YoDa Health non sa rispondere a tutto. Sa rispondere alle 232 FAQ del poliambulatorio. Sa che la dottoressa Rossi vede solo il martedì pomeriggio. Sa che la risonanza magnetica al ginocchio richiede 30 minuti e va prenotata in slot specifici. Sa che il pagamento elettronico è disponibile, ma il POS al banco accetta solo carte non-Diners. Sono dati operativi del singolo cliente, strutturati in YAML e caricati in un knowledge base dedicato per ogni installazione.
La tentazione classica del primo prodotto AI è dire "ah ma noi facciamo RAG" e caricare tutto un sito web come embedding. In una clinica vera questo non funziona: il sito web non sa quando la dottoressa Rossi è in ferie, quando il radiologo cambia turno, quando il poliambulatorio sposta gli orari per il ponte del 25 aprile. Quelle informazioni sono nel gestionale, nel calendario condiviso, nelle teste delle reception. Estrarre, strutturare e mantenere quei dati è dove avviene il vero lavoro — e dove il prodotto vince o perde.
Il pezzo più importante di YoDa Health non è il modello LLM. È l'integrazione bidirezionale con il software gestionale del poliambulatorio (calendario, anagrafe pazienti, listino prestazioni). Il LLM è il front-end. Il valore lo crea il fatto che, dopo una conversazione di 70 secondi, l'appuntamento è effettivamente fissato nel calendario del medico, l'anagrafica paziente è aggiornata, l'email di conferma è partita, e la prestazione è inserita nel listino del giorno.
Senza questa integrazione, sei un voicebot da call center anni 2010 con un vestito nuovo. Con questa integrazione, sostituisci la receptionist per i casi standard, sgravi quella umana sui casi complessi (referti dubbi, reclami, situazioni cliniche delicate), e — non secondario — produci dati strutturati di alta qualità sui pattern di prenotazione.
YoDa Health è progettata per riconoscere quando NON sa cosa rispondere. Le situazioni che la fanno scattare in modalità "passo a operatore" sono codificate: domanda clinica specifica, paziente agitato, richiesta legale, qualunque domanda che esce dal knowledge base con confidence sotto soglia. In quei casi, la chiamata viene messa in coda per la receptionist umana il giorno successivo, oppure — se l'ufficio è aperto — trasferita in tempo reale.
Il punto controintuitivo: questa funzione di fallback è ciò che rende il prodotto vendibile. Una clinica non comprerebbe mai un'AI che pretende di sapere tutto. Compra un'AI che gestisce in autonomia i casi standard e ammette quando deve passare la mano. Il modello mentale del cliente non è "sostituire la receptionist", è "aiutare la receptionist a non perdere chiamate".
I primi tre mesi di YoDa Health sono stati passati a sistemare la qualità della voce di sintesi (TTS). Il modello sapeva cosa dire, ma la voce era robotica abbastanza da far chiudere il telefono al 18% dei chiamanti nei primi 10 secondi. Abbiamo cambiato tre provider TTS, calibrato la voce per il dialetto italiano specifico (le pronunce di nomi propri lombardi che ChatGPT-voice sbaglia regolarmente), e investito in voice cloning della receptionist umana storica. Il drop-off è sceso al 4%. Lezione: in un voicebot, la voce conta più del cervello.
Il segmento di pazienti che ha più resistenza è quello che chiama per la prima volta il poliambulatorio. Non sanno che la receptionist è un'AI, non hanno il riferimento storico, e — soprattutto — non hanno motivi per fidarsi. Quel segmento ha un drop-off del 15% nei primi 5 secondi. I pazienti ricorrenti hanno un drop-off del 2%: si abituano al sistema, lo trovano comodo, alcuni lo preferiscono perché "non devo aspettare in coda".
La soluzione pratica che abbiamo adottato: nei primi 3 secondi della chiamata, YoDa Health dichiara di essere un assistente automatico (non lo nasconde mai), spiega cosa sa fare in 2 frasi, e offre il "premi 0 per parlare con una persona" come opzione esplicita. La trasparenza riduce il drop-off del 40% rispetto al copione che provavamo all'inizio.
Il software gestionale del poliambulatorio è una vecchia gloria — capita spesso, in sanità privata italiana. API limitate, autenticazioni custom, formati di data esotici. Il primo mese di YoDa Health è stato passato a costruire un layer di adattamento bidirezionale che parlasse quel gestionale in modo affidabile. Senza quel lavoro, il LLM avrebbe risposto bene al telefono e poi non avrebbe potuto fare nulla di concreto. Il nostro errore iniziale è stato sottostimare quel layer: in retrospect, vale almeno la metà dello sviluppo totale.
YoDa Health per la sanità è il primo case di AI Fabric, la nostra piattaforma di AI Personas per casi enterprise verticali. Il pattern che abbiamo distillato funziona — crediamo — anche per:
In ognuno di questi verticali, le tre componenti che contano sono le stesse: knowledge base ben strutturato del singolo cliente, integrazione bidirezionale con i sistemi operativi, fallback umano disciplinato. Il LLM è una commodity. Il prodotto è quello che lo circonda.
AI Fabric è oggi un programma di consulenza + tecnologia per medio mercato. Lavoriamo su un verticale alla volta: oggi YoDa Health è il caso più maturo, ma stiamo costruendo i pattern per customer care telco e backoffice professionale. Il modello tipico è: 6-8 settimane di assessment + implementazione MVP, 3-6 mesi di esercizio guidato per misurare il ROI, scaling progressivo dopo il primo trimestre.
I numeri di YoDa Health che vedete sopra non sono un benchmark: sono il caso particolare di un poliambulatorio specifico. Se il vostro contesto è simile per ordini di grandezza (operatività ricorrente, knowledge base finito ma profondo, integrazione necessaria con uno o due sistemi gestionali), parliamone. La prima call è di assessment, dura 60 minuti, è gratuita.
METODO
Più del 50% delle startup fallisce. Non per idee sbagliate, ma perché le costruisce prima di averle validate. Vibe Lab è il nostro modo di fare l'opposto.
Leggi l'articolo →FLEET MANAGEMENT
Provisioning, drift, routing asimmetrico, rollout massivi. Quattro anni di lezioni sul campo concentrate in un solo articolo, per chi gestisce ISP, WISP o MSP e oggi configura router "a mano".
Leggi l'articolo →Un articolo ogni due settimane circa. Niente spam, niente fluff.
