ElevenAgents dla ochrony zdrowia: stwórz agenta obsługującego rezerwację wizyt przychodzących

Telefon nadal jest główną drogą kontaktu z placówką medyczną — i jest przeciążony. Mayo Clinic badanie oraz dane z Epic studium przypadku pokazują, że około 30% wizyt jest umawianych poza standardowymi godzinami pracy. Połączenia trafiające na pocztę głosową to wizyty, które po cichu nie dochodzą do skutku, a personel recepcji, który ma je obsłużyć, jest przeciążony i szybko się zmienia. Agenci głosowi wyszli już poza etap demo i pomagają klinikom zamknąć tę lukę, a umawianie wizyt jest najczęstszym punktem startu: ma dużą skalę, jest powtarzalne, przewidywalne i stanowi znaczną część pracy recepcji, która nie wymaga oceny klinicznej.

Umawianie wizyt w ochronie zdrowia stawia też wyższe wymagania. Błędny termin lub źle usłyszany powód wizyty to nie tylko złe doświadczenie — to incydent związany z bezpieczeństwem i zgodnością. Agent rejestracji potrzebuje czegoś więcej niż przyjemnego głosu: niezawodnej weryfikacji tożsamości, ścisłych zabezpieczeń, jasnej ścieżki przekazania sprawy człowiekowi, możliwości bezpiecznej obsługi chronionych danych medycznych oraz zdolności do faktycznego rezerwowania, zmieniania i anulowania wizyt w prawdziwym systemie rezerwacji.

W tym przewodniku stworzysz to właśnie z ElevenLabs Agents: agenta dostępnego telefonicznie, połączonego z przykładowym EHR, który kompleksowo rezerwuje, przekłada i anuluje wizyty oraz przekazuje sprawę dalej, gdy trzeba. Poznasz workflow, zabezpieczenia, testy i analizy, które pomagają mu działać w wyznaczonych granicach — na infrastrukturze stworzonej dla regulowanej ochrony zdrowia.

Oto demo agenta, którego stworzysz, obsługującego rozmowę na żywo od początku do końca:

Wymagania wstępne

Na początek potrzebujesz:

• Konta ElevenLabs z dostępem do platformy ElevenAgents i naszych głosów.
• Konta Twilio oraz numeru.
• Dostępu do Twilio Verify.
• Środowiska sandbox lub deweloperskiego EHR. W tym przewodniku użyjemy HAPI FHIR, referencyjnej implementacji open source formatu HL7 FHIR, do weryfikacji względem syntetycznych danych pacjentów.
• Aplikacji kalendarza w twojej placówce. W tym przewodniku używamy natywnej integracji ElevenLabs z Cal.com. 

Opcjonalnie

Jeśli nie masz dostępu do danych sandbox albo korzystasz z przewodnika tylko na potrzeby demo, użyjemy serwera sandbox HAPI FHIR R4 i dodamy do niego przykładowy rekord pacjenta, którego użyjesz na etapie weryfikacji. Aby to zrobić, uruchom w terminalu poniższe polecenie API z przykładowymi danymi:

curl -X POST "https://hapi.fhir.org/baseR4/Patient" \
  -H "Content-Type: application/fhir+json" \
  -H "Accept: application/fhir+json" \
  -d '{
    "resourceType": "Patient",
    "identifier": [
      { "system": "http://hospital.example.org/mrn", "value": "<YOUR-FAKE-MRN-NUMBER>" }
    ],
    "name": [ { "use": "official", "family": "<YOUR-FAKE-FAMILY-NAME>", "given": [ "<YOUR-FAKE-GIVEN-NAME>" ] } ],
    "gender": "<male or female>",
    "birthDate": "<YOUR-FAKE-DOB> (in YYYY-MM-DD format)"
  }'

Dopasowanie potwierdzamy tylko wtedy, gdy zapytanie zwróci dokładnie jeden rekord — zero wyników oznacza brak dopasowania, a więcej niż jeden oznacza, że parametry wyszukiwania nie były wystarczająco precyzyjne, by bezpiecznie kontynuować. 

Architektura

W tym przewodniku stworzysz agenta do umawiania wizyt, działającego pod numerem Twilio i natywnie zintegrowanego z twoim ElevenAgent. Gdy przychodzące połączenie zostanie odebrane, agent za pomocą dostępnych narzędzi zbierze dane do weryfikacji i szczegóły wizyty — niezależnie od tego, czy rozmówca chce zarezerwować nową wizytę, przełożyć ją czy anulować istniejącą — a w razie potrzeby przekaże połączenie człowiekowi.

W tej architekturze udany przebieg rozmowy obejmuje następujące kroki:

1. Rozpoczęcie połączenia: pacjent dzwoni na numer Twilio przypisany do agenta, który go wita i ustala cel rozmowy.
2. Weryfikacja EHR: agent sprawdza dane pacjenta względem jego rekordu w EHR.
3. Potwierdzenie tożsamości: agent wysyła na numer pacjenta hasło jednorazowe (OTP), używając narzędzia SMS.
4. Rezerwacja lub zmiana: agent realizuje ustalony cel w kalendarzu — przy nowej wizycie zbiera dane do rezerwacji i sprawdza dostępność; przy przełożeniu wyszukuje istniejącą wizytę i znajduje nowy termin; przy anulowaniu potwierdza i usuwa istniejącą wizytę.
5. Przekazanie połączenia: jeśli rezerwacja lub zmiana się nie uda, pacjent poprosi o rozmowę z człowiekiem albo agent wykryje intencję, której nie obsługuje, połączenie zostanie przekazane pracownikowi.
6. Potwierdzenie i zakończenie: po udanej rezerwacji, zmianie terminu lub anulowaniu agent podsumowuje rozmowę i serdecznie ją kończy.

System prompt i ustawienia agenta

Pierwszym krokiem do stworzenia skutecznego ElevenAgent jest jego system prompt. Zgodnie z przewodnikiem ElevenLabs dotyczącym tworzenia promptów, dzielimy go na podstawowe elementy zalecane dla każdego agenta produkcyjnego — osobowość, cel, ton, narzędzia i zabezpieczenia — każdy w osobnej, wyraźnie oznaczonej sekcji, zamiast w jednym ciągłym bloku instrukcji.

W przypadku agenta do umawiania wizyt medycznych ta struktura musi uwzględniać osobę po drugiej stronie rozmowy: może być starsza, cierpieć, niedosłyszeć lub po prostu odczuwać niepokój. Sekcje osobowości i tonu nadają rozmowie ciepłe, spokojne tempo, a odpowiedzi są krótkie i naturalne. Daty, godziny i liczby agent wypowiada tak, jak zrobiłby to człowiek, a nie odczytuje z ekranu. Sekcja celu prowadzi przez kolejne kroki — weryfikację tożsamości, a następnie, zależnie od tego, czy rozmówca chce zarezerwować, przełożyć czy anulować wizytę, sprawdzenie dostępności i potwierdzenie terminu, wyszukanie i zmianę istniejącej wizyty albo potwierdzenie usuwanej wizyty. Narzędzia są opisane z dokładnymi danymi wejściowymi, których oczekują w formie mówionej. Zabezpieczenia zawierają zasady specyficzne dla tej branży: nigdy nie ujawniaj więcej PHI, niż rozmówca już podał, nie wymyślaj dostępności ani danych wizyty, gdy narzędzie zawiedzie, odsyłaj pytania kliniczne do lekarza pacjenta i od razu eskaluj sprawę, gdy ktoś opisuje pilne objawy lub nagły przypadek medyczny. Weryfikacja tożsamości przed każdą operacją na wizycie to jedyna zasada, którą powtarzamy, zamiast podać ją tylko raz. To granica, której agent nie może przekroczyć.

Następnie możesz dodać dodatkowe konfiguracje agenta, na przykład pierwszą wiadomość, różne języki (upewnij się, że narzędzie systemowe detect language jest włączone), wybrany LLM, konwersacyjny model ElevenLabs zamiany tekstu na mowę oraz głos ElevenLabs.

Przykładowy system prompt znajdziesz tutaj.

Zabezpieczenia

Sekcja Guardrails w system prompcie obejmuje zasady na poziomie instrukcji, którym model nadaje dużą wagę. Prompt nadal jest jednak warstwą niedeterministyczną i może odbiegać od założeń podczas długiej rozmowy. ElevenAgents wzmacnia je niezależnym egzekwowaniem zasad w czasie działania dzięki własnym Zabezpieczenia. Obejmują one Focus Guardrail, który wzmacnia system prompt w trakcie długich rozmów, Manipulation Guardrails, które wykrywają próby prompt injection, zanim agent odpowie, oraz Content i Custom Guardrails, które oceniają każdą odpowiedź w czasie rzeczywistym i mogą ją zablokować, zanim usłyszy ją rozmówca. Każde zabezpieczenie ma tryb działania — streaming dla niemal zerowych opóźnień albo blocking, który wstrzymuje odpowiedź do czasu jej zatwierdzenia — oraz strategię wyjścia określającą reakcję na wyzwalacz: zakończenie połączenia albo ponowną próbę z korygującą informacją zwrotną dodaną w następnej turze.

Dla tego agenta możemy zdefiniować własne zabezpieczenia dla zasad medycznych lub specyficznych dla kliniki: blokowanie diagnozowania chorób i zalecania leczenia, pytań o rozliczenia, wskazówek dotyczących dawkowania leków oraz wszystkiego, co zastępuje poradę licencjonowanego lekarza. W przypadku pilnych objawów ustaw strategię wyjścia na ponowną próbę z informacją zwrotną, która przekaże połączenie człowiekowi — dzięki temu zabezpieczenie kieruje rozmowę do personelu, zamiast ją po prostu kończyć.

Narzędzia

Każdy etap procesu wymaga konkretnych narzędzi webhook i integracji do wykonywania określonych działań podczas rozmowy z pacjentem.

Narzędzie do weryfikacji EHR

Aby zweryfikować pacjenta względem jego rekordu w EHR, użyjemy działania FHIR GET /Patient API. Dodaj je jako narzędzie webhook wskazujące podstawowy URL HAPI FHIR, z family, given, identifier i birthdate ustawionymi jako parametry wypełniane przez LLM. Pierwsze wywołanie narzędzia na etapie Verification wysyła do endpointu imię, nazwisko i datę urodzenia rozmówcy w jednym zapytaniu:

GET /baseR4/Patient?family={lastName}&given={firstName}&birthdate={YYYY-MM-DD}

Dopasowanie potwierdzamy tylko wtedy, gdy zapytanie zwróci dokładnie jeden rekord. Agent może przejść do etapu Booking wyłącznie po spełnieniu tego warunku.

Przykładowy JSON narzędzia znajdziesz tutaj.

Narzędzia weryfikacji SMS Twilio

Po potwierdzeniu dopasowania w EHR etap Verification przechodzi do drugiego czynnika: wysłania pacjentowi kodu jednorazowego SMS-em i jego potwierdzenia, zanim wydarzy się cokolwiek dalej. Konfiguracja obejmuje trzy kroki:

1. Utwórz narzędzia webhook SMS. Skonfiguruj dwa narzędzia: send_SMS_verification i check_SMS_verification, oba wskazujące usługę Twilio Verify. Każde wymaga Verify Service SID (wartości VA... z ustawień usługi Verify) w ścieżce URL oraz nagłówka Basic auth utworzonego na podstawie Account SID i Auth Token zapisanych jako sekret.

2. Ustaw odbiorcę za pomocą zmiennej systemowej.ElevenAgents udostępnia zmienne systemowe, które automatycznie wypełniają system__caller_id numerem telefonu rozmówcy przy każdym połączeniu głosowym, więc przekaż {{system_caller_id}} jako parametr To, zamiast prosić rozmówcę o podyktowanie numeru. W środowisku produkcyjnym połączonym z aktywnym EHR kod byłby wysyłany na numer zapisany w rekordzie pacjenta, a nie na identyfikator rozmówcy.

3. Włącz skip_turn. Dodanie tego narzędzia systemowego obok narzędzi webhook pozwala agentowi czekać w ciszy, gdy rozmówca szuka wiadomości, zamiast mówić podczas przerwy.

Do etapu Booking może przejść tylko rozmówca, który pomyślnie przejdzie zarówno wyszukiwanie EHR, jak i weryfikację OTP. 

Przykładowy JSON obu narzędzi znajdziesz tutaj oraz tutaj.

Narzędzia integracji z kalendarzem

Etap Booking musi sprawdzać dostępność, rezerwować, przekładać i anulować wizyty w prawdziwym kalendarzu. Konfiguracja integracji z Cal.com obejmuje trzy kroki:

1. Połącz integrację. Na karcie Tools agenta dodaj integrację Cal.com i kliknij Connect.

2. Przypnij typ wydarzenia. Każde narzędzie kalendarza przyjmuje ID typu wydarzenia, które wskazuje Cal.com, dla którego wydarzenia ma utworzyć rezerwację. Ustaw je jako stały parametr w połączonych narzędziach, używając ID z panelu Cal.com.

3. Ustaw e-mail uczestnika. Narzędzia rezerwacji wymagają też e-maila uczestnika. Na potrzeby demo przypnij jako stały parametr własny adres, aby potwierdzenia trafiały do twojej skrzynki. W produkcji, z prawdziwym EHR, pobierzesz go z adresu e-mail w rekordzie pacjenta, zamiast wpisywać go na stałe.

Dalszy przebieg Booking zależy od intencji wykrytej w Greeting. Przy nowej wizycie agent wywołuje calcom_get_available_slots , aby sprawdzić wolne terminy, zanim zaproponuje którykolwiek z nich, a następnie calcom_create_booking po potwierdzeniu przez rozmówcę — zawsze w tej kolejności, bo wcześniejsze sprawdzenie dostępności zapobiega podwójnej rezerwacji terminu. Przy przełożeniu lub anulowaniu agent najpierw wyszukuje istniejącą wizytę rozmówcy za pomocą calcom_find_bookings_by_attendee, potwierdza konkretną rezerwację z rozmówcą, a następnie usuwa ją przez calcom_cancel_booking lub, przy przełożeniu, najpierw rezerwuje nowy termin, a dopiero potem anuluje poprzedni.

Przekazanie połączenia człowiekowi

Aby przekazać połączenie człowiekowi, możemy użyć narzędzia ElevenLabs transfer_to_number narzędzie systemowe. Dodaj je jako narzędzie systemowe na poziomie agenta, aby było dostępne z Greeting, Verification i Booking. W regule przekazania podaj docelowy numer telefonu w formacie E.164 oraz prosty opis warunku, w którym ma zostać użyte. LLM decyduje, kiedy i gdzie przekazać połączenie, na podstawie tych warunków i opisu narzędzia. Pozostaw domyślny typ przekazania Conference, ponieważ obsługuje komunikat wprowadzający, który wyjaśnia pracownikowi, dlaczego połączenie jest do niego kierowane.

Struktura ścieżki pacjenta

Workflow to wizualne, oparte na grafie przepływy rozmów zbudowane z kilku typów węzłów: węzłów subagentów, które dodają system prompt, narzędzia i bazę wiedzy do bazowego agenta orkiestratora dla jednego etapu rozmowy; węzłów narzędzi dispatch, które gwarantują wykonanie konkretnego narzędzia i rozgałęziają się zależnie od powodzenia lub błędu; węzłów przekazania do agenta i transfer-to-number; oraz węzła końcowego zamykającego rozmowę. Węzły łączą krawędzie, a krawędzie prowadzące dalej mogą zawierać warunek LLM — regułę w języku naturalnym, którą model ocenia w czasie rzeczywistym, aby wybrać ścieżkę. Budujemy agenta z pięciu węzłów subagentów — Greeting, Verification, Booking, Transfer Notice i Close — każdy z własnymi narzędziami, oraz jednego węzła Phone Number Transfer dostępnego z Transfer Notice.

Powitanie to punkt wejścia: odbiera połączenie, przedstawia klinikę i ustala intencję pacjenta przed przekazaniem sprawy dalej — bez własnych narzędzi, tylko z wystarczającą ilością informacji, by właściwie skierować rozmowę.

Weryfikacja realizuje opisaną wcześniej weryfikację dwuskładnikową. Używa narzędzia FHIR GET /Patient do potwierdzenia, że rozmówca odpowiada rekordowi w EHR, a następnie narzędzi send_SMS_verification i check_SMS_verification do wysłania i sprawdzenia kodu jednorazowego, zanim rozmówca przejdzie dalej. Dalej przechodzi tylko rozmówca, który pokona oba etapy; pozostali trafiają przez krawędź do Transfer Notice.

Rezerwacja zawiera narzędzia kalendarza z poprzedniej sekcji, a intencja wykryta w Greeting określa ścieżkę: sprawdzenie dostępności i rezerwacja nowej wizyty, wyszukanie istniejącej rezerwacji i utworzenie nowej przed anulowaniem starej przy zmianie terminu albo potwierdzenie i anulowanie wizyty. Ten węzeł może też przejść do Transfer Notice — jeśli żaden termin nie pasuje, nie można odnaleźć istniejącej wizyty rozmówcy albo rozmówca woli porozmawiać z personelem, krawędź prowadzi tam zamiast blokować rozmowę.

Informacja o przekierowaniu znajduje się między pozostałą częścią workflow a samym przekazaniem — to krótki subagent, którego jedynym zadaniem jest poinformować rozmówcę o przekazaniu połączenia (np. „Łączę teraz z kimś z naszego zespołu”), zanim rozmowa faktycznie opuści agenta. Kierowanie najpierw każdego warunku przekazania przez ten węzeł, zamiast wywoływania transfer_to_number bezpośrednio z Greeting, Verification lub Booking, gwarantuje, że rozmówca zawsze usłyszy ten komunikat, zamiast zostać po cichu przekierowanym, gdy sformułowanie różni się między subagentami.

Przekierowanie na numer telefonu, oparty na narzędziu transfer_to_number, to węzeł, do którego zawsze prowadzi Transfer Notice. Jego reguły łączą numer docelowy z tymi samymi warunkami przekazanymi z wcześniejszych etapów — nieudaną weryfikacją, wyraźną prośbą, rezerwacją, której nie można dokończyć — i realizują przekazanie, gdy rozmówca wie już, że nastąpi.

Zakończenie jest osiągany tylko po udanej rezerwacji: podsumowuje szczegóły wizyty i kończy rozmowę w ciepłym tonie.

Przykładowy szablon JSON workflow znajdziesz tutaj.

Analiza i testowanie

Większość pracy nad medycznym agentem głosowym nie dotyczy idealnego scenariusza, lecz wszystkiego, co musi zadziałać poprawnie, gdy rozmowa nie przebiega zgodnie ze skryptem. ElevenAgents oferuje wbudowane testowanie i analizę na platformie. Oznacza to, że te same kryteria oceny, których używasz przed wdrożeniem, oceniają każdą rozmowę w produkcji — bez osobnego narzędzia do podłączania i uzgadniania wyników.

Kryteria sukcesu

Zdefiniuj kryteria sukcesu odpowiadające konkretnym kryteriom oceny zgodnym z celami biznesowymi i operacyjnymi. Na karcie Analysis każde kryterium jest promptem w języku naturalnym, który LLM uruchamia na transkrypcji i zwraca sukces, niepowodzenie lub nieznany wraz z uzasadnieniem. Dla tego agenta mogą to być na przykład:

• patient_verified: „Oznacz jako sukces, jeśli agent potwierdził tożsamość rozmówcy zarówno przez wyszukiwanie EHR, jak i kod jednorazowy SMS, przed przejściem do rezerwacji.”
• appointment_booked: „Oznacz jako sukces, jeśli wizyta pacjenta została zarezerwowana.”
• appointment_changed: „Oznacz jako sukces, jeśli pacjent poprosił o zmianę terminu lub anulowanie istniejącej wizyty, a agent wykonał tę zmianę — aktualizując lub usuwając wydarzenie w kalendarzu — i potwierdził wynik rozmówcy.” 
• call_escalated_when_requested: „Oznacz jako sukces, jeśli rozmówca poprosił o rozmowę z człowiekiem, a agent przekazał połączenie; oznacz jako błąd, jeśli rozmówca poprosił, a agent nie przekazał połączenia.”

Zbieranie danych

Możesz połączyć je z polami zbierania danych. Na przykład dodać requested_action (rezerwacja, zmiana terminu lub anulowanie), appointment_date lub appointment_type. Są one wyodrębniane z każdej transkrypcji jako uporządkowane wartości tekstowe, logiczne lub liczbowe i przesyłane dalej przez webhook po rozmowie do systemu śledzącego wyniki połączeń. 

Symulacje i testy

W ochronie zdrowia agent musi zdobyć zaufanie przed pierwszą prawdziwą rozmową — błędy muszą wyjść na jaw w testach, a nie przed pacjentem. Conversation Simulation API symuluje realistyczne scenariusze rozmówców, zarówno end-to-end, jak i w wybranych fragmentach, oraz automatycznie ocenia wyniki według tych samych kryteriów, które działają w produkcji — dokładnie tych kontroli patient_verified i appointment_booked zdefiniowanych wyżej, a nie osobnej rubryki tylko do testów. Uruchamiaj pełne symulacje całej rozmowy albo częściowe, zaczynające się w jej środku, aby sprawdzić pojedynczy punkt decyzyjny. To szybszy sposób na iterację jednego węzła bez ponownego uruchamiania całego procesu. 

Dla tego agenta oznacza to tworzenie scenariuszy wykraczających poza idealny przebieg: rozmówcy, którego nazwisko nie pasuje do żadnego rekordu EHR, osoby, która dwukrotnie pomyli kod OTP, pacjenta proszącego o zmianę terminu zamiast rezerwacji, oraz rozmówcy, który wyraźnie prosi o człowieka w trakcie weryfikacji. To jasne, skupione scenariusze, które obejmują przypadki brzegowe, użycie narzędzi i logikę awaryjną, zamiast liczyć, że pojawią się w produkcji.

Podłącz numer telefonu Twilio

Gdy agent jest gotowy, podłączenie go do aktywnego numeru zajmie kilka minut:

1. W panelu ElevenLabs przejdź do Numery telefonów i kliknij Importuj numer.
2. Wpisz Etykieta, Numer telefonu oraz dane Twilio: SID konta i Token uwierzytelniający
3. Po zaimportowaniu przypisz numer do agenta z listy rozwijanej.
4. Zadzwoń pod ten numer, aby go przetestować, a następnie sprawdź panel historii Conversations, by potwierdzić, że pierwsze połączenia przebiegły zgodnie z oczekiwaniami.

Gotowe na prawdziwych pacjentów

Stworzyliśmy agenta do umawiania wizyt, który robi więcej niż odbieranie telefonu: weryfikuje tożsamość względem EHR i OTP jako drugiego czynnika, zanim uzyska dostęp do rekordu, a także bezpośrednio rezerwuje, przekłada i anuluje wizyty w aktywnym kalendarzu przez API Cal.com oraz wie, kiedy ustąpić i przekazać rozmówcę człowiekowi. Deterministyczny workflow, zabezpieczenia działające w czasie rzeczywistym i kryteria oceny dają zespołom ślad audytowy i powtarzalny model testowania, którego wymagają wdrożenia w ochronie zdrowia.

Po uruchomieniu ten model naprawdę pokazuje swoją wartość. Kryteria oceny zdefiniowane podczas budowy stają się progiem wejścia na produkcję — gdy agent przechodzi je konsekwentnie, a metryki się stabilizują, masz podstawy, by go uruchomić, zamiast podejmować decyzję na wyczucie. Po wdrożeniu nauka przenosi się z symulowanych testów do transkrypcji produkcyjnych. Omawiamy te praktyki — od etapowych wdrożeń po rozpoznawanie momentu, gdy warto przestać iterować — w poprzednim artykule na blogu.

Kluczowym krokiem w stronę zgodności z HIPAA jest sposób obsługi danych. WłączenieTryb zerowej retencji usuwa nagrania rozmów, transkrypcje i metadane zawierające PII natychmiast po zakończeniu połączenia, eliminując największe źródło ryzyka zgodności we wdrożeniu telefonicznym. W połączeniu z post-call webhook nie tracisz jednak widoczności — każdy wynik rezerwacji, weryfikacji i oceny trafia do twojego systemu w czasie rzeczywistym, gdy rozmowa się kończy.

Masz teraz szablon, który pozwala umieścić agentową głosową AI przy wejściu do twojej kliniki. Umawianie wizyt to obszar o największym wolumenie i dobry punkt startu, a ten sam model można rozszerzyć na przyjmowanie pacjentów, odnowienia recept, rozliczenia i kontakt po wizycie — każde z tych połączeń nie musi już trafiać na pocztę głosową po godzinach. Nasz zespół Forward Deployed Engineering blisko współpracuje z organizacjami medycznymi, aby przekładać takie wdrożenia na konkretne możliwości produktu. Jeśli chcesz wdrożyć workflow dla pacjentów w ElevenLabs Agents z poziomem zgodności wymaganym w ochronie zdrowia, wypróbuj to podejście i daj nam znać, co o nim myślisz.