Mempercepat Penanganan Awal Telepon dan Form Klinik Umum & Anak dengan Claude Code

Baru 30 menit sejak praktik pagi dibuka. Telepon di meja resepsionis sudah berdering tiga kali, dan isinya sama semua: “Imunisasi perlu janji dulu nggak?”, “Hari ini bisa tes flu nggak ya?”, “Anak saya demam, pendaftaran tutup jam berapa?”

Ruang tunggu sudah penuh pasien, layar sistem rekam medis masih terbuka. Sementara itu telepon terus berbunyi. Begitu satu selesai, ternyata di form pertanyaan website sudah menumpuk lima pertanyaan yang mirip-mirip juga.

Ini bukan cerita karangan. Saya melihat sendiri di klinik anak milik kenalan saya. Dokter dan staf administrasinya pintar semua, tapi setiap hari “pertanyaan yang itu-itu lagi” menyita 1 sampai 2 jam waktu mereka.

Yang saya bantu bukan membuat robot resepsionis canggih. Yang saya bangun adalah fondasi: menuliskan sekali dengan benar “pertanyaan yang sering datang” dan “cara menjawabnya”, supaya siapa pun yang menangani bisa membalas dengan kualitas yang sama. Hari ini saya tulis seluruh langkahnya dalam bentuk yang bisa langsung Anda salin-tempel.

Poin penting

• Sekitar 80% pertanyaan di klinik umum & anak adalah “20-30 jenis yang itu-itu saja”. Hanya dengan mendata ulang daftar ini, beban menjawab telepon langsung jauh lebih ringan.
• Yang diserahkan ke Claude Code adalah “membuat draf FAQ”, “menuliskan skrip telepon”, dan “draf balasan form web”. Pengecekan akhir wajib dilakukan manusia.
• Data pribadi pasien seperti nama, gejala, dan nomor telepon tidak diberikan ke AI. Yang diberikan hanya “pola pertanyaannya”.
• Penghematan 15-20 jam per bulan untuk tiap resepsionis adalah target yang realistis. Biaya pelatihan staf baru juga turun.
• Dengan skrip verifikasi, Anda bisa mengecek otomatis apakah FAQ tercampur kata terlarang (diagnosis, kalimat memastikan).

Apa yang sebenarnya menyita waktu resepsionis klinik umum & anak

Pertama, mari perjelas siapa pembaca tulisan ini. Tulisan ini berguna untuk:

• Kepala klinik umum atau klinik anak yang sudah buka beberapa tahun, dengan staf 2-5 orang.
• Staf administrasi medis yang merangkap resepsionis, telepon, dan pengelolaan janji temu.
• Mereka yang merasa “belum mampu menambah orang, tapi penanganan telepon sekarang sudah mentok”.

Pertanyaan di klinik umum & anak punya ciri khas tersendiri. Untuk klinik anak, orang tua menelepon dalam keadaan cemas, jadi cara bertanyanya pun mendesak. Untuk klinik umum, jenis pertanyaannya luas: janji, pemeriksaan, resep, sampai medical check-up. Banyak juga pertanyaan yang jawabannya berubah tergantung “situasi hari itu”, seperti jadwal poli demam atau stok vaksin.

Karena itu pendekatan “bikin satu buku panduan lalu selesai” sulit berhasil di sini. Dan justru di sinilah AI berguna.

Alur kerja yang biasa terjadi dan titik di mana pekerjaan berulang

Alur penanganan pertanyaan yang khas seperti ini:

1. Telepon berdering, atau pertanyaan masuk lewat form web.
2. Resepsionis mendengarkan isi pertanyaan.
3. Kalau bisa dijawab langsung, dijawab; kalau ragu, tanya ke perawat atau dokter.
4. Kalau perlu menelepon balik, data pasien dicatat lalu dihubungi kemudian.
5. Pertanyaan yang sama datang lagi keesokan harinya.

Pekerjaan berulang terutama muncul di tiga titik:

Titik berulang	Contoh nyata	Yang terjadi
Jawaban tidak konsisten	Pertanyaan sama, jawabannya beda tergantung petugas	Pasien bingung, jadi sumber komplain
Menunggu konfirmasi	Terlalu sering “ini harus tanya dokter dulu”	Telepon balik bertambah, panggilan jadi panjang
Tidak ada catatan	Selesai secara lisan, tidak terpakai lain kali	Selalu mulai dari nol setiap kali

Tiga hal ini hampir hilang seluruhnya kalau “pasangan pertanyaan dan jawaban” sudah ditulis sekali dengan rapi. Kalau dikerjakan manual butuh setengah hari, tapi dengan Claude Code membuat draf, dalam 1-2 jam sudah jadi bentuknya.

Cara pakai 1: mendata ulang pertanyaan yang sering datang dan membuat draf FAQ

Langkah pertama adalah membuat AI mengeluarkan semua “pertanyaan langganan” yang ada di kepala, lalu mengisi yang terlewat. Resepsionis terlalu sibuk, sehingga ironisnya sulit menuliskan sendiri apa saja yang biasa mereka jawab.

Kuncinya di sini: beri tahu dulu informasi klinik Anda ke AI sebelum menyuruhnya menulis. FAQ yang generik tidak akan terpakai di lapangan.

Template prompt yang bisa disalin-tempel

Anda adalah asisten yang paham pekerjaan resepsionis klinik umum & anak.
Berdasarkan informasi klinik berikut, buat daftar 30 pertanyaan yang sering
datang dari pasien lewat telepon/web, dikelompokkan per kategori, dan untuk
masing-masing buatkan usulan jawaban yang bisa diucapkan resepsionis.

[Aturan]
- Jangan memastikan diagnosis atau rencana pengobatan (tidak boleh menilai
  secara medis, misalnya "kemungkinan menderita ...")
- Untuk pertanyaan yang perlu mengarahkan pasien datang/konfirmasi ke dokter,
  wajib sertakan satu kalimat tersebut
- Jawaban maksimal 3 kalimat, dengan bahasa lisan natural yang bisa dibacakan
  lewat telepon
- Untuk pertanyaan klinik anak, gunakan kalimat lembut yang menenangkan orang
  tua yang sedang cemas

[Informasi klinik]
- Poli: umum & anak
- Jam praktik: Senin-Jumat 09:00-12:30 / 15:00-18:00, Sabtu hanya pagi
- Imunisasi: perlu janji, Selasa & Kamis 14:00-15:00
- Poli demam: pintu terpisah, wajib telepon sebelum datang
- Janji online: tersedia (hanya untuk kontrol ulang)
- Parkir: 3 mobil, ada kerja sama parkir berbayar terdekat

Keluaran dalam format tabel: "Kategori / Pertanyaan / Usulan Jawaban /
Perlu konfirmasi dokter (perlu/tidak)".

Dengan ini, 30 pertanyaan sebagai bahan awal langsung keluar sekaligus. Lihat tabelnya bersama staf administrasi, lalu perbaiki: “yang ini salah”, “tambah yang ini juga”. Memperbaiki jauh lebih cepat daripada menulis dari nol, dan Anda jadi lebih mudah menyadari yang terlewat.

Batas yang boleh diserahkan ke AI dan yang wajib diputuskan manusia

Kalau bagian ini dibiarkan kabur, bisa terjadi kecelakaan. Mari pertegas garis batasnya.

Tahap	Boleh diserahkan ke AI	Wajib diputuskan manusia
Mendata pertanyaan	Bagus untuk melengkapi yang terlewat	Kelayakan kategori
Draf jawaban	Bagus untuk membuat bahan awal	Apakah benar secara medis
Penghalusan kalimat	Bagus untuk kalimat lembut	Apakah cocok dengan kebijakan klinik
Publikasi/penempelan	Tidak	Persetujuan akhir oleh kepala klinik

Aturan mutlaknya satu: jangan keluarkan teks berbau medis tulisan AI ke pasien tanpa pengecekan manusia. AI menulis “kebohongan yang terdengar meyakinkan” dengan penuh percaya diri. Apakah kalimat itu benar sebagai ucapan resepsionis harus selalu dibaca dulu oleh dokter atau perawat.

Cara pakai 2: membuat skrip penanganan awal lewat telepon

Setelah FAQ jadi, ubah menjadi “skrip yang bisa dibacakan lewat telepon”. Saat ada staf administrasi baru masuk, keberadaan skrip ini membuat masa adaptasinya jauh lebih ringan.

Prompt yang saya coba seperti ini:

Berdasarkan tabel FAQ berikut, buat skrip penanganan awal yang bisa dipakai
resepsionis lewat telepon. Untuk tiap pertanyaan, bagi menjadi 4 langkah:
"kalimat pembuka -> hal yang dikonfirmasi -> jawaban -> kalimat penutup".

[Yang harus dipatuhi]
- Untuk keluhan dengan tingkat kegawatan tinggi seperti demam tinggi, kejang,
  atau sesak napas, jangan dijawab; wajib sertakan percabangan yang
  mengarahkan "segera periksa/ke IGD"
- Untuk kasus yang perlu telepon balik, sebutkan jelas item yang ditanyakan
  (nama, nomor kartu berobat, kontak, ringkasan gejala)
- Untuk telepon klinik anak yang orang tuanya tampak cemas, sertakan satu
  kalimat empati di awal

Percabangan yang “tidak menjawab dan langsung mengarahkan ke pemeriksaan” untuk keluhan gawat adalah bagian yang menyangkut nyawa di dunia medis, jadi bagian ini jangan sampai dihilangkan. Setelah dibuat AI pun, ini adalah bagian yang harus dicek kepala klinik kata per kata.

Apa yang berubah sebelum dan sesudah penerapan

Perubahan kasar di klinik kenalan saya:

• Sebelum: rata-rata 4-5 menit per panggilan. Staf baru mentok di jawaban, selalu tanya senior. Pertanyaan yang sama datang lebih dari 10 kali sehari.
• Sesudah: 2-3 menit per panggilan sambil melihat FAQ dan skrip. Staf baru pun bisa menjawab di tempat. Pertanyaan baku di form web cukup salin draf balasan lalu kirim.

Kalau dihitung waktu, tiap resepsionis menghemat 40-60 menit per hari, atau sekitar 15-20 jam per bulan. Dikonversi ke upah pun setara sekian ratus ribu rupiah per bulan. Sementara biaya pakai AI hanya beberapa puluh ribu rupiah sebulan, jadi ini bukan level yang perlu dipusingkan soal ROI.

Cara pakai 3: membuat draf balasan untuk pertanyaan via web

Pertanyaan lewat form web harus dibalas dengan kalimat sopan, jadi lebih makan waktu daripada telepon. Di sini pun membuat AI menulis draf jauh lebih cepat.

Tapi menempelkan langsung isi tulisan pasien ke AI itu TIDAK boleh (alasannya nanti dijelaskan). Sebagai gantinya, sampaikan hanya “jenis pertanyaannya”, suruh AI buat template, lalu nama-nama spesifik diisi manusia secara manual.

Buat 5 jenis template balasan untuk pertanyaan web klinik umum & anak.
Jenis: 1) cara membuat janji 2) konfirmasi jam praktik 3) janji imunisasi
4) cara berobat di poli demam 5) janji medical check-up

[Aturan]
- Awali dengan ucapan terima kasih, akhiri dengan penutup seperti
  "semoga lekas sembuh / kami tunggu kedatangan Anda"
- Jangan menyentuh data pribadi atau memastikan gejala
- Tandai bagian yang diisi manusia kemudian dengan kurung kurawal ganda,
  seperti {{nama}} {{tanggal}}

Template yang kembali tinggal diisi nama pasien dan tanggal oleh resepsionis, lalu dikirim. Balasan yang tadinya butuh 3 menit per pesan jadi di bawah 1 menit.

Catatan data pribadi dan keamanan

Bagian ini mutlak tidak boleh dilewatkan sebagai fasilitas kesehatan, jadi saya buat menjadi bagian tersendiri.

• Jangan tempel nama asli pasien, nomor kartu berobat, nomor telepon, atau gejala spesifik ke kolom input AI. Anggap mengirim ke layanan AI cloud = mengeluarkan data ke pihak luar.
• Yang diberikan ke AI hanya “pola pertanyaan” dan “informasi publik klinik (seperti jam praktik)”. Rekam medis dan data klaim sama sekali tidak diberikan.
• Sebelum dipublikasikan, pastikan FAQ dan skrip yang dibuat tidak tercampur informasi yang bisa menebak pasien tertentu.
• Rangkum aturan untuk staf saat memakainya (apa yang boleh dan tidak boleh dimasukkan) dalam satu lembar, lalu tempel.

Intinya, pakai AI sebagai “alat membuat kalimat”, dan jangan pakai untuk mengolah data pribadi pasien. Selama garis ini dijaga, Anda tidak akan jauh menyimpang dari prinsip pengelolaan keamanan informasi medis. Sebagai rujukan internasional yang baik, lihat panduan privasi data kesehatan dari WHO di WHO: data and health information privacy.

Skrip verifikasi untuk mengecek FAQ secara otomatis

Terakhir, pasang satu “penjaga gerbang” yang tidak hanya bergantung pada mata manusia. Ini skrip untuk mengecek otomatis apakah di dalam FAQ tercampur ungkapan memastikan yang tidak boleh diucapkan resepsionis (misalnya “pasti sembuh”, kalimat berbau diagnosis). Bisa jalan asal ada Node.js.

Tulis FAQ ke CSV (faq.csv, dengan kolom question,answer), lalu jalankan ini:

import { readFile } from "node:fs/promises";

// Ungkapan berbahaya jika dipakai sembarangan oleh resepsionis
// (penilaian medis, memastikan, menenangkan secara berlebihan)
const NG_WORDS = [
  "pasti sembuh", "dijamin sembuh", "tidak ada masalah", "tidak perlu khawatir",
  "Anda menderita", "didiagnosis", "kalau minum obat", "dibiarkan saja aman",
];

const csv = await readFile("./faq.csv", "utf8");
const rows = csv.trim().split("\n").slice(1); // baris pertama adalah header

let hit = 0;
rows.forEach((line, i) => {
  const answer = line.split(",").slice(1).join(",");
  const found = NG_WORDS.filter((w) => answer.includes(w));
  if (found.length > 0) {
    hit++;
    console.log(`[Perlu diperbaiki] Baris ${i + 2}: ${found.join(" / ")}`);
    console.log(`  -> ${answer.trim()}`);
  }
});

console.log(hit === 0
  ? "OK: Tidak ditemukan ungkapan memastikan yang berbahaya."
  : `Ada ${hit} hal yang perlu dicek. Teruskan ke review kepala klinik.`);

Cukup jalankan ini sekali sebelum publikasi, dan Anda bisa mencegah kalimat berbahaya seperti “pasti sembuh” menyusup ke materi untuk pasien. Pakai bersama checklist sebagai penjaga gerbang sebelum publikasi.

Checklist sebelum publikasi (bisa dicetak dan ditempel di meja resepsionis):

• Tidak ada penilaian/diagnosis medis yang dipastikan
• Ada percabangan yang mengarahkan “periksa/ke IGD” saat darurat
• Tidak tercampur informasi yang bisa menebak pasien tertentu
• Jam praktik, cara membuat janji, dll. sesuai operasional saat ini
• Sudah lewat pengecekan akhir kepala klinik atau perawat

Pertanyaan umum

T. Apakah bisa dipakai tanpa pengetahuan pemrograman? J. Kalau hanya membuat FAQ dan template, Anda bisa mulai cukup dengan menempel prompt ke chat di browser. Hanya tahap menjalankan skrip verifikasi yang sedikit merepotkan, tapi mulailah dari membuat kalimat dulu. Gambaran besar penerapannya bisa dilihat di panduan memulai Claude Code untuk pemula.

T. Apakah bisa diwariskan kalau ada staf resepsionis baru masuk? J. Justru serah-terima jadi lebih mudah. Karena skrip dan FAQ tersimpan dalam bentuk tulisan, waktu mengajari secara lisan berkurang. Cara membuatnya bisa ditangani staf non-teknis dirangkum di memanfaatkan Claude Code untuk yang bukan engineer.

T. Bagaimana kalau AI mengeluarkan informasi medis yang salah? J. Justru karena itu, langkah “wajib dicek manusia sebelum publikasi” dimasukkan ke dalam alur kerja. AI hanya tukang draf, tanggung jawab akhir ada di manusia. Dengan dua lapis (skrip verifikasi dan review kepala klinik), kesalahan dihentikan.

T. Saya ingin membuat prompt yang lebih pas untuk klinik saya. J. Semakin detail informasi klinik yang diberikan, semakin tinggi akurasinya. Tips menulis prompt yang berbeda-beda diperkenalkan dengan contoh konkret di praktik prompt engineering. Untuk merapikan aturan kerja sehari-hari, tips produktivitas Claude Code juga bisa membantu.

Hasil yang benar-benar saya coba

Saya sendiri menjalankan prompt di atas di klinik anak kenalan saya, dan membuat 30 FAQ plus skrip telepon dalam setengah hari. Yang paling terasa: di tahap pendataan ulang, muncul 7-8 pertanyaan yang ternyata “ini juga sering ditanyakan”. Pertanyaan yang selama ini dijawab resepsionis secara refleks akhirnya benar-benar menjadi kata-kata.

Skrip verifikasi pun saya jalankan beneran, dan di antara usulan jawaban tulisan AI ternyata terselip kalimat “tidak perlu khawatir” di dua tempat, dan skripnya berhasil menangkapnya. Di dunia medis, satu kalimat ini berbahaya. Saat itulah saya merasa beruntung sudah memasang penjaga gerbang mesin.

Dua minggu setelah penerapan saya tanya lagi, jawabannya: “sekarang nggak deg-degan lagi tiap menerima telepon pertanyaan yang itu-itu.” Bukan hanya waktu yang terhemat, berkurangnya stres saat menangani ternyata yang paling berarti.

Kalau Anda ingin menanamkan sistem seperti ini di seluruh klinik, atau merapikannya sebagai pelatihan staf, di pelatihan & konsultasi kita bisa menyusun bersama sampai ke aturan operasionalnya. Bagi yang ingin mencoba sendiri dulu, mulailah dengan menyalin prompt di artikel ini dan menggantinya dengan informasi klinik Anda.