La investigación se centra en las limitaciones de los sistemas tradicionales para optimizar el flujo de información en el ámbito de la salud. Se enfoca en integrar gráficos de conocimiento (KGs) y utilizar aplicaciones impulsadas por IA, específicamente agentes conversacionales (CAs), particularmente durante las horas pico de operación en los departamentos de emergencia (EDs). Aprovechando el marco del Proceso Estándar de la Industria Cruzada para la Minería de Datos (CRISP-DM), los autores adaptaron una metodología personalizada, el gráfico de conocimiento CRISP (CRISP-KG), diseñado para aprovechar los KGs en la construcción de una base de conocimiento (KB) inteligente para los CAs. Esta ampliación de KG empodera a los CAs con habilidades avanzadas de razonamiento, gestión del conocimiento y conciencia del contexto. Utilizamos un método híbrido que integra una metodología colaborativa de diseño participativo (CM) y Methontology para construir un modelo ontológico formal robusto centrado en el dominio que representa y mapea el flujo de información durante las horas pico en los EDs. El objetivo final es empoderar a los CAs con KBs inteligentes, permitiendo una interacción fluida con los usuarios finales y mejorando la calidad de la atención dentro de los EDs. Los autores aprovecharon el lenguaje de reglas de la web semántica (SWRL) para mejorar aún más las capacidades de inferencia dentro del marco de KG, facilitando la gestión eficiente de la información para asistir a los profesionales de la salud y a los pacientes. Esta solución asistencial innovadora ayuda a gestionar de manera eficiente el flujo de información y la provisión de información durante las horas pico. También conduce a mejores resultados en la atención y a flujos de trabajo más eficientes dentro de los EDs.