AI vestlused tervishoius ja finantsteenustes
Triaaž ja esmane kontakt patsientidega tervishoius
AI vestluste rakendamine esialgse triaaži ja patsientidega esmase kontakti vahendina kujutab endast üht olulisemat muutust tervishoiuteenuste osutamise valdkonnas. Need süsteemid toimivad intelligentse esmase suhtluspunktina, mis suudab tõhusalt hinnata terviseprobleemide kiireloomulisust, suunata patsiendid sobivate raviressursside juurde ja optimeerida piiratud tervishoiuvõimekuse kasutamist.
Tõhus triaaž ja patsientide suunamine
Triaaži AI vestlused rakendavad keerukaid algoritme, mis patsiendi kirjeldatud sümptomite, asjakohaste riskitegurite ja haigusloo põhjal hindavad seisundi tõsidust ja soovitavad sobivat ravitasandit. Need süsteemid suudavad eristada juhtumeid, mis nõuavad kohest erakorralist abi, olukordi, mis sobivad perearsti külastuseks, ja seisundeid, mida saab ohutult lahendada telemeditsiini või eneseabivõtete abil.
AI triaaži rakendavad tervishoiuasutused teatavad 35–45% vähenemisest sobimatute erakorralise meditsiini osakonna külastuste arvus, 40–50% paranemisest esialgse hindamise täpsuses ja 30–40% suurenemisest tervishoiuressursside kasutamise tõhususes. Patsiendid teatavad 40–50% suuremast rahulolust tänu kiiremale juurdepääsule sobivale ravitasandile ja tarbetu ootamise vähenemisele.
Eelteabe kogumine enne konsultatsiooni
AI vestluste oluline funktsioon tervishoius on asjakohase teabe süstemaatiline kogumine enne arstiga konsulteerimist. Need süsteemid juhivad struktureeritud dialoogi patsiendiga, selgitades välja sümptomite üksikasjad, nende kestuse ja raskusastme, asjakohase haigusloo ja muud tegurid, mis võivad mõjutada diagnoosi ja ravi.
AI vestluse kogutud teave integreeritakse seejärel patsiendi elektroonilisse tervisekaardile, mis võimaldab arstidel tulla konsultatsioonile juba seisundi põhjaliku ülevaatega. See lähenemisviis suurendab konsultatsioonide tõhusust 25–35%, parandab esialgse hindamise täpsust 30–40% ja vähendab järelkülastuste vajadust 20–30% tänu täielikumale esialgsele uuringule.
Patsiendid hindavad võimalust mõelda läbi ja struktureeritult kirjeldada oma sümptomeid ilma isiklikule konsultatsioonile omase ajasurveta, mis suurendab asjakohaste üksikasjade teatamise määra 35–45% ja vähendab 25–35% juhtumeid, kus patsient mainib võtmesümptomeid alles konsultatsiooni lõpus.
Tervishoiutöötajate halduskoormuse vähendamine
Halduskoormus on üks olulisemaid tegureid, mis aitab kaasa tervishoiutöötajate läbipõlemisele ja tervishoiusüsteemide ebatõhususele. AI vestlused pakuvad sellele probleemile tõhusat lahendust, automatiseerides rutiinseid haldustoiminguid, optimeerides dokumentatsiooni ja lihtsustades suhtlusprotsesse.
Dokumentatsiooni ja tervisekaartide automatiseerimine
Täiustatud AI vestlused rakendavad funktsioone kliiniliste interaktsioonide dokumenteerimise automatiseerimiseks. Need süsteemid võivad abistada konsultatsioonide protokollide koostamisel, aruannete genereerimisel ja elektrooniliste tervisekaartide ajakohastamisel, vähendades dramaatiliselt aega, mida tervishoiutöötajad kulutavad haldustoimingutele.
Nende vahendite rakendamine vähendab dokumenteerimisele kuluvat aega 40–50%, suurendab tervisekaartide täpsust ja järjepidevust 35–45% ning parandab dokumentatsioonistandardite ja regulatiivsete nõuete järgimist 30–40%. Tervishoiutöötajad teatavad 45–55% suuremast rahulolust tööprotsessiga ja 30–40% vähenemisest halduskoormusega seotud läbipõlemissümptomites.
Planeerimise haldamine ja patsientide meeldetuletused
AI vestlused automatiseerivad tõhusalt protsesse, mis on seotud visiitide planeerimise, patsientide ettevalmistamisega protseduurideks ja järgneva suhtlusega. Need süsteemid võivad töödelda aja broneerimise taotlusi, saata personaliseeritud juhiseid enne protseduure, meenutada ravimite võtmist ja järelkontrolle ning koguda tagasisidet pärast ravi osutamist.
Tervishoiuasutused, mis rakendavad AI vestlusroboteid nendel eesmärkidel, teatavad 30–40% vähenemisest vastamata jäänud visiitide arvus, 35–45% suurenemisest operatsioonieelsete juhiste järgimise määras ja 25–35% paranemisest raviplaanide järgimises. Halduspersonal teatab 40–50% vähenemisest rutiinsele suhtlusele patsientidega kuluvast ajast, mis võimaldab keskenduda patsienditoe keerukamatele aspektidele.
Abi kodeerimisel ja arveldamisel
AI vestluste oluline kasutusvaldkond tervishoius on abi meditsiinilisel kodeerimisel ja arveldamisel. Need süsteemid analüüsivad kliiniliste interaktsioonide dokumentatsiooni, pakuvad välja vastavaid diagnostilisi ja protseduurilisi koode ning aitavad tagada osutatud teenuste korrektse ja täieliku arveldamise.
AI assistentide rakendamine kodeerimiseks vähendab kodeerimisvigu 35–45%, kiirendab arveldustsüklit 30–40% ja suurendab kindlustusandjatelt hüvitiste saamise edukust 25–35% tänu täpsemale ja paremini dokumenteeritud arveldusele. Tervishoiuasutused teatavad ka 20–30% suurenemisest keskmises hüvitise väärtuses tänu kõigi osutatud teenuste täielikumale kajastamisele ja ebapiisava dokumentatsiooni kõrvaldamisele.
Patsientide harimine ja raviprotseduuride toetamine
Patsientide harimine ja raviprotseduuride järgimise toetamine on kriitilised tegurid, mis mõjutavad tervishoiuteenuste tulemusi. AI vestlused muudavad neid valdkondi, pakkudes personaliseeritud, kättesaadavaid ja interaktiivseid hariduskogemusi, mis aitavad patsientidel paremini mõista oma tervislikku seisundit ja aktiivselt osaleda raviprotsessis.
Personaliseeritud terviseharidus
AI vestlused pakuvad väga personaliseeritud terviseteavet, mis on kohandatud patsiendi konkreetsele seisundile, tema tervisekirjaoskuse tasemele, eelistustele ja kontekstile. Erinevalt staatilistest haridusmaterjalidest juhivad need süsteemid interaktiivset dialoogi, mis võimaldab patsientidel esitada täiendavaid küsimusi, küsida selgitusi ebaselgete mõistete kohta ja järk-järgult süvendada oma arusaamist asjakohastest teemadest. Need põhimõtted kasutavad sarnaseid tehnikaid nagu täiustatud haridussüsteemid teistes kontekstides.
Personaliseeritud AI haridusassistentide rakendamine suurendab võtmetähtsusega terviseteabe meeldejätmist 40–50%, parandab raviplaanide mõistmist 35–45% ja suurendab patsientide enesekindlust krooniliste haiguste iseseisval haldamisel 30–40%. Tervishoiutöötajad teatavad 25–35% vähenemisest ajast, mis kulub põhimõistete korduvale selgitamisele, ja 20–30% suurenemisest patsientidega peetavate arutelude kvaliteedis tänu nende paremale ettevalmistusele.
Ravi järgimise ja elustiili muutmise toetamine
Määratud ravi ja soovitatud elustiili muudatuste madal järgimise määr on üks olulisemaid probleeme krooniliste haiguste juhtimise valdkonnas. AI vestlused tegelevad selle probleemiga, pakkudes pidevat tuge, motiveerivaid sekkumisi ja personaliseeritud juhendamist, mis on suunatud tervisliku käitumise tugevdamisele.
Need süsteemid rakendavad käitumuslikke tehnikaid, nagu saavutatavate eesmärkide seadmine, regulaarne edusammude jälgimine, positiivne kinnitamine ja õigeaegsed sekkumised ravi mittejärgimise kõrge riski hetkedel. Patsientidel on pidev tugi praktiliste takistuste, motivatsioonibarjääride või raviplaaniga seotud ebaselguste lahendamisel.
Tervishoiuorganisatsioonid, mis rakendavad AI vestlusi ravi järgimise toetamiseks, teatavad 35–45% suurenemisest ravimite järgimise määras, 30–40% paranemisest soovitatud elustiili muudatuste rakendamises ja 25–35% vähenemisest krooniliste seisundite ägedate ägenemiste sageduses, mis nõuavad kiiret sekkumist. Need tulemused väljenduvad 20–30% vähenemises krooniliste haigustega patsientide ravikuludes ja 15–25% paranemises võtmekliinilistes parameetrites, nagu vererõhu kontroll, glükoositase või lipiidiprofiil.
Sümptomite jälgimine ja varajane sekkumine
AI vestlused toimivad tõhusa vahendina sümptomite pidevaks jälgimiseks ja sekkumist nõudvate tervisliku seisundi muutuste varajaseks avastamiseks. Need süsteemid võtavad patsientidega regulaarselt ühendust, koguvad teavet praeguste sümptomite, ravi järgimise ja asjakohaste füsioloogiliste parameetrite kohta ning analüüsivad neid andmeid suundumuste või hoiatussignaalide tuvastamiseks.
Kui AI vestlus tuvastab potentsiaalselt tõsise seisundi muutuse, võib see edastada juhtumi vastavale tervishoiutöötajale ja samal ajal anda patsiendile juhiseid koheseks eneseabiks või kiireloomuliseks abi otsimiseks. See lähenemisviis võimaldab varajast sekkumist enne seisundi olulist progresseerumist, mis viib paremate kliiniliste tulemusteni ja vähendab erakorralise raviga seotud kulusid.
Organisatsioonid, mis rakendavad tehisintellekti juhitud sümptomite jälgimist, teatavad 40–50% suurenemisest tüsistuste varajases avastamises, 35–45% vähenemisest ennetatavate hospitaliseerimiste arvus ja 30–40% paranemisest ravi järjepidevuses tänu tõhusamale teabevahetusele patsientide ja tervishoiuteenuste osutajate vahel.
AI vestlused panganduses ja finantsjuhtimises
Pangandus- ja finantsjuhtimissektor läbib olulist muutust tänu AI vestluste rakendamisele, mis suurendavad finantsteenuste tõhusust, personaliseerimist ja kättesaadavust. Need süsteemid võimaldavad klientidel hõlpsasti hallata oma rahandust, saada asjakohast teavet ja teha tehinguid intuitiivse vestlusliidese kaudu.
Tavaliste pangatoimingute automatiseerimine
AI vestlused automatiseerivad tõhusalt laia valikut tavalisi pangatoiminguid, mis traditsiooniliselt nõudsid kontori külastamist või operaatoriga telefonikõnet. Need süsteemid võimaldavad klientidel teha ülekandeid kontode vahel, maksta arveid, kontrollida saldosid, jälgida tehinguid või muuta kontaktandmeid loomuliku vestlusliidese kaudu.
Pangad, mis rakendavad AI vestlusroboteid nendel eesmärkidel, teatavad 50–60% vähenemisest kontorikülastustes rutiinsete toimingute jaoks, 40–50% vähenemisest klienditeenindusliinile helistamistes ja 35–45% suurenemisest klientide üldises rahulolus teenuste kättesaadavusega. Kliendid hindavad eriti ööpäevaringset kättesaadavust, taotluste töötlemise kiirust ja traditsioonilistele kanalitele omase ootamise kõrvaldamist.
Pankade vaatenurgast vähendab tavaliste toimingute automatiseerimine tegevuskulusid 30–40%, suurendab protsesside tõhusust 35–45% ja parandab osutatavate teenuste täpsust ja järjepidevust 25–35%. Kontorite ja kõnekeskuste töötajad saavad keskenduda keerukamatele juhtumitele, mis nõuavad inimlikku otsustusvõimet, empaatiat ja loomingulisi probleemilahendusi.
Personaliseeritud finantsnõustamine
AI vestluste täiustatud rakendused panganduses pakuvad personaliseeritud finantsnõustamist tehingute, finantskäitumise ja kliendi konkreetsete eesmärkide analüüsi põhjal. Need süsteemid tuvastavad kulutamisharjumusi, potentsiaalseid sääste, optimeerimisvõimalusi ja asjakohaseid finantstooteid, mis on kohandatud individuaalsele olukorrale.
Finantsasutused, mis rakendavad tehisintellekti juhitud nõustamist, teatavad 35–45% suurenemisest klientide kaasatuses finantsplaneerimisse, 30–40% kasvust soovitatud finantstoodete vastuvõtmises ja 25–35% paranemisest klientide peamistes finantsnäitajates, nagu säästumäär, võla vähendamine või investeeringute tootlus.
Kliendid teatavad 40–50% kõrgemast finantskirjaoskusest, 35–45% suuremast enesekindlusest finantsotsuste tegemisel ja 30–40% paranemisest üldises finantsilises heaolus tänu personaliseeritud nõuannetele ja proaktiivsetele teavitustele. AI nõustamine on eriti väärtuslik segmentidele, kellel on piiratud juurdepääs traditsioonilistele nõustamisteenustele, mis olid ajalooliselt kättesaadavad peamiselt suure varade väärtusega klientidele.
Pettuste ja anomaaliate avastamine
AI vestlused mängivad olulist rolli pettuste avastamise süsteemides ja klientide kaitsmisel finantsohtude eest. Need süsteemid analüüsivad tehingumustreid reaalajas, tuvastavad potentsiaalselt kahtlaseid tegevusi ja võtavad klientidega proaktiivselt ühendust ebatavaliste toimingute kontrollimiseks.
Kui AI tuvastab potentsiaalse pettuse, võib see kohe alustada vestlust kliendiga, paluda tehingu legitiimsuse kinnitust ja vajadusel kiiresti rakendada kaitsemeetmeid. See lähenemisviis vähendab dramaatiliselt aega kahtlase tegevuse avastamise ja sekkumise vahel, minimeerides potentsiaalseid finantskahjusid.
Pangad, mis rakendavad tehisintellekti juhitud pettuste avastamist, teatavad 50–60% suurenemisest petturlike tehingute tuvastamise edukuses, 40–50% vähenemisest valepositiivsetes teavitustes ja 35–45% vähenemisest pettustest põhjustatud finantskahjudes. Kliendid teatavad 45–55% suuremast usaldusest oma rahanduse turvalisuse vastu ja 30–40% suuremast rahulolust panga proaktiivse lähenemisega nende vahendite kaitsmisele.
Kindlustussektori ümberkujundamine AI vestluste abil
Kindlustussektor on valdkond, millel on märkimisväärne potentsiaal AI vestluste kaudu ümber kujuneda. Need süsteemid optimeerivad võtmeprotsesse alates klientide hankimisest, kindlustuslepingute haldamisest kuni kindlustusjuhtumite käsitlemiseni, mis viib suurema tõhususe, parema kliendikogemuse ja täpsema riskijuhtimiseni.
Kindlustustoodete personaliseerimine
AI vestlused muudavad viisi, kuidas kindlustusandjad pakuvad ja personaliseerivad tooteid oma klientidele. Need süsteemid juhivad interaktiivset dialoogi, kaardistades kliendi spetsiifilisi vajadusi, eelistusi ja riskiolukorda ning soovitavad selle teabe põhjal optimaalset kindlustustoodete kombinatsiooni sobiva kattega.
Standardiseeritud pakettide asemel võimaldab AI luua väga personaliseeritud kindlustuslahendusi, mis peegeldavad täpselt kliendi individuaalset olukorda - alates demograafilistest teguritest, spetsiifilistest riskipositsioonidest kuni finantspiirangute ja prioriteetsete kattevaldkondadeni. See lähenemisviis suurendab pakkumiste asjakohasust 35–45%, parandab konversioonimäära 30–40% ja vähendab ebapiisava või liigse kindlustuse juhtumeid 25–35%.
Personaliseerivaid AI tehnoloogiaid rakendavad kindlustusandjad teatavad 40–50% kasvust rist- ja lisamüügi võimalustes, 35–45% suurenemisest klientide hoidmises ja 30–40% paranemisest kliendi eluaegses väärtuses tänu optimaalsemale tooteportfellile, mis peegeldab kliendi tegelikke vajadusi.
Kindlustusjuhtumite tõhus käsitlemine
Kindlustusjuhtumite käsitlemine on kriitiline tõehetk kindlustusandja ja kliendi vahelises suhtluses. AI vestlused muudavad seda protsessi, pakkudes intuitiivset liidest juhtumist teatamiseks, asjakohase teabe ja dokumentatsiooni kogumiseks ning läbipaistvat suhtlust menetluse seisu kohta.
Kaasaegsed AI süsteemid kindlustusjuhtumite käsitlemiseks kasutavad multimodaalset lähenemist - kliendid saavad kirjeldada juhtumit oma sõnadega, laadida üles fotosid või videoid kahjust, esitada asukohaandmeid ja muud asjakohast teavet ühtse vestlusliidese kaudu. AI analüüsib seejärel neid sisendeid, eraldab võtmeteabe ja kategoriseerib juhtumi esialgselt.
Kindlustusandjad, mis rakendavad AI vestlusroboteid kindlustusjuhtumite käsitlemiseks, teatavad 45–55% lühenemisest keskmises töötlemisajas, 40–50% vähenemisest halduskuludes ja 35–45% suurenemisest nõude esialgse hindamise täpsuses. Kliendid teatavad 50–60% suuremast rahulolust protsessiga tänu läbipaistvusele, kiirusele ja tõhusale suhtlusele.
Riski hindamine ja pettuste ennetamine
AI vestlused mängivad olulist rolli riski hindamise protsessi moderniseerimisel ja potentsiaalsete kindlustuspettuste avastamisel. Need süsteemid analüüsivad suhtlust klientidega, tuvastavad esitatud teabes ebakõlasid või hoiatussignaale ning annavad märku juhtumitest, mis nõuavad täiendavat kontrollimist või eksperthinnangut.
Pettuste ennetamise valdkonnas rakendab AI keerukaid analüütilisi meetodeid kahtlaste käitumismustrite, nõuete ebatavaliste omaduste või anomaaliate tuvastamiseks võrreldes tüüpiliste juhtumitega. Süsteem võib adaptiivselt genereerida täiendavaid küsimusi, mis on suunatud juhtumi võtmeaspektide kontrollimisele, ja koguda üksikasjalikumat teavet potentsiaalselt problemaatilistes valdkondades.
Kindlustusandjad, mis rakendavad tehisintellekti juhitud pettuste avastamist, teatavad 40–50% suurenemisest petturlike nõuete avastamise määras, 35–45% vähenemisest valepositiivsetes märgistustes ja 30–40% vähenemisest kindlustuspettustest põhjustatud kogukahjudes. See lähenemisviis võimaldab samal ajal kiiremini töödelda legitiimseid nõudeid tänu tõhusamale juhtumite sorteerimisele, mis nõuavad üksikasjalikku uurimist.
Regulatiivsed nõuded ja andmeturve tundlikes sektorites
AI vestluste rakendamine tervishoius ja finantsteenustes peab arvestama keerukate regulatiivsete nõuetega ja kõrgeimate andmekaitsestandarditega. Need sektorid alluvad rangele regulatsioonile töödeldava teabe tundlikkuse ning võimalike mõjude tõttu üksikisikute tervisele, finantsstabiilsusele ja privaatsusele.
Vastavus valdkondlikele regulatsioonidele
AI vestluste edukas rakendamine reguleeritud sektorites nõuab laia valiku valdkondlike regulatsioonide ja standardite järjekindlat järgimist. Tervishoius hõlmavad peamised regulatiivsed raamistikud GDPR Euroopas, HIPAA (Health Insurance Portability and Accountability Act) USA-s ja muud riiklikud õigusaktid, mis käsitlevad terviseandmete käitlemist, telemeditsiini ja meditsiiniseadmeid.
Finantssektoris peab rakendamine austama regulatsioone nagu PSD2 (makseteenuste direktiiv), rahapesu tõkestamise direktiive (AML), tunne-oma-klienti nõudeid (KYC), MiFID II (finantsinstrumentide turgude direktiiv) ning muid riiklikke ja rahvusvahelisi finantsregulatsioone. Need raamistikud määratlevad ranged reeglid kasutajate autentimiseks, protsesside läbipaistvuseks, auditeerimisjälje jaoks, riskijuhtimiseks ja tarbijakaitseks.
Organisatsioonid, mis rakendavad AI vestlusi nendes sektorites, peavad tagama, et kogu süsteem on kavandatud põhimõttel "vastavus juba kavandamisjärgus" - regulatiivsed nõuded on integreeritud arhitektuuri, protsessidesse ja kontrollimehhanismidesse alates arenduse algusest. Tõhus rakendamine hõlmab korrapäraseid vastavusauditeid, süsteemi toimimise kõigi aspektide dokumenteerimist ja regulatiivse keskkonna muutuste pidevat jälgimist.
Privaatsuskaitse ja andmeturve
Tundlike andmete kaitse on absoluutne prioriteet AI vestluste rakendamisel tervishoius ja finantsteenustes. Need süsteemid töötavad väga tundliku teabega, mille kompromiteerimine võib põhjustada tõsiseid tagajärgi nii üksikisikutele kui ka organisatsioonidele.
Tugev turvaarhitektuur AI vestlustele nendes sektorites hõlmab tavaliselt kogu suhtluse ja salvestatud andmete täielikku krüpteerimist, kasutajate mitmefaktorilist autentimist, rangeid juurdepääsukontrolle, mis põhinevad minimaalsete õiguste põhimõttel, ning kõigi interaktsioonide ja andmeedastuste põhjalikku logimist ja jälgimist.
Kriitiline aspekt on andmete minimeerimise ja eesmärgi piiramise põhimõtete rakendamine - AI süsteem peaks koguma ja töötlema ainult nõutava teenuse osutamiseks vajalikke andmeid ning kasutama neid andmeid ainult deklareeritud eesmärkidel. Andmete säilitamise poliitikad peaksid selgelt määratlema, kui kaua erinevat tüüpi andmeid säilitatakse ja millal/kuidas need turvaliselt eemaldatakse.
Organisatsioonid peaksid rakendama ka tugevaid protsesse andmeturbe rikkumiste juhtumite haldamiseks - alates varajasest avastamisest, kiirest parandamisest kuni läbipaistva suhtluseni mõjutatud isikute ja reguleerivate asutustega vastavalt asjakohaste regulatsioonide, nagu GDPR, nõuetele.
AI otsustusprotsesside läbipaistvus ja selgitatavus
AI otsustusprotsesside läbipaistvus ja selgitatavus on võtmenõuded reguleeritud sektorites, kus otsused võivad oluliselt mõjutada üksikisikute tervist, finantsolukorda või põhiõigusi. Nii reguleerivad asutused kui ka kasutajad nõuavad võimalust mõista, kuidas AI süsteem jõudis konkreetse soovituse või otsuseni.
Tervishoius peavad AI vestlused suutma anda selgeid selgitusi oma soovitustele, mis puudutavad triaaži, diagnostilisi hüpoteese või kavandatud protseduure. Arstid ja patsiendid peavad mõistma, millistel andmetel ja põhimõtetel need soovitused põhinevad, et nad saaksid teadlikult hinnata nende asjakohasust ja kehtivust konkreetses kliinilises kontekstis.
Finantsteenustes nõuavad regulatsioonid nagu GDPR või erinevad tarbijakaitse regulatsioonid, et organisatsioonid suudaksid selgitada, kuidas AI jõudis otsusteni, mis puudutavad krediidivõimelisust, kindlustusriski, pettuste avastamist või investeerimissoovitusi. Klientidel on õigus saada arusaadavat selgitust tegurite kohta, mis mõjutasid otsust, millel on mõju nende finantsolukorrale.
Tõhus rakendamine hõlmab selgitatava tehisintellekti (XAI) tehnoloogiate kasutamist, mis võimaldavad genereerida arusaadavaid selgitusi ka keerukate masinõppemudelite jaoks. Need lähenemisviisid kombineerivad tavaliselt mudeli globaalset tõlgendatavust (süsteemi üldine toimimine) lokaalse selgitatavusega (tegurid, mis mõjutavad konkreetset otsust spetsiifilisel juhul).
Organisatsioonid, mis rakendavad AI vestlusi reguleeritud sektorites, peaksid tagama ka inimliku järelevalve mehhanismi - võimaluse edastada juhtumeid, mis nõuavad eksperthinnangut, ning selgelt määratletud protsessid läbivaatamiseks ja sekkumiseks olukordades, kus automatiseeritud otsus ei pruugi olla optimaalne või kui klient nõuab oma juhtumi inimlikku hindamist.
