أندرو راي، رئيس المنتجات والابتكار في إنسامبل – سلسلة المقابلات

أندرو راي، رئيس المنتجات والابتكار في إنسامبل، يأتي مع خبرة عميقة في تقاطع التمويل الصحي، وعمليات دورة الإيرادات، واستراتيجية المنتج، والابتكار. في إنسامبل، يقود المنتج، وتحسين العمليات، ومبادرات الابتكار، بما في ذلك شراكة الشركة مع إيبك. يمتد خلفه إلى تحويل مقدمي الرعاية الصحية، والنمو الاستراتيجي في مكنزي، وقيادة دورة الإيرادات في ستانفورد للأطفال الصحة، ودوريات استشارية سابقة في إيرنست آند يونغ وترياج كونسولتنج جروب، مما يمنحه أساسًا قويًا في التنفيذ العملياتي والتحول الصحي المتمكن بالتكنولوجيا.

إنسامبل هيلث بارتنرز هي شركة إدارة دورة الإيرادات الصحية التي تعمل مع المستشفيات، والأنظمة الصحية، وممارسات الأطباء لتحسين الأداء المالي، وخبرة المريض، والكفاءة التشغيلية. توفر الشركة دعمًا شاملاً لدارة الإيرادات عبر مجالات مثل إشراك المرضى، والترميز، وإدارة المطالبات، ومنع الرفض، وأداء الدافع، و حل الحسابات، مع استخدام اتخاذ القرارات المدفوعة بالذكاء الاصطناعي، والآلي، والتحليلات، ومنصة إيق 智慧 دورة الإيرادات لتمكين مقدمي الرعاية من خفض الاحتكاك وتسريع التعويض. كما أنها قد شراكة مع إيبك من خلال برنامج ريف سايكلرز، وتوسعت عملها مع مايكروسوفت أزور جينيراتيف آي وآي وآي لتعزيز عمليات دورة الإيرادات المدفوعة بالذكاء الاصطناعي.

ما هي الانكسارات المحددة في عمليات إدارة دورة الإيرادات التقليدية التي أقنعتك بأن نموذج لغة كبير مخصص كان ضروريًا؟

النظم الصحية تعمل على هامش 2٪ إلى 4٪ بينما ترتفع معدلات الرفض الأولية إلى 12٪ إلى 15٪. هذا هو نقطة الكسر التي أظهرت لنا أن نهج دورة الإيرادات التقليدي لا يحل المشكلة الأساسية وأن نهجًا مختلفًا بشكل أساسي مطلوب. ذلك الضغط يؤثر على كل جزء من المنظمة، من التموين إلى استثمار التكنولوجيا إلى سعة الرعاية.

معظم الحلول لا تعالج النظام ككل. تترك المنظمات مع أدوات منقسمة، وبيانات معزولة، وعمليات غير متصلة تعتمد على خياطة السياق معًا من خلال هندسة البرمجة على نماذج عامة.

هذا النهج أبطأ، وأكثر تكلفة، وأقل متسقًا، وصعب الإدارة على نطاق واسع.

النموذج المخصص يغير ذلك من خلال إحضار البيانات التاريخية والوقت الحقيقي إلى منصة محكمة. يمكن أن يتوقع سلوك الدافع، ويتحسس المعلومات ذات الصلة، ومساعدة في خفض الرفضات، ويعمل في بيئات متوافقة، وقابلة للتدقيق.

هل هناك أي شيء منذ كتابتك السابقة عزز أو غير وجهة نظرك حول الذكاء الاصطناعي العام مقابل النماذج المخصصة؟

استمرارنا في تطوير ونشر أوركسترا الذكاء الاصطناعي الشامل عبر دورة الإيرادات عزز حيث يلمع نماذج لغة كبيرة عامة، وأين توجد فجوات كبيرة نحن نعالجها مع نماذج مخصصة.

نماذج لغة كبيرة تعمل جيدًا مع التفكير السريري، ولكننا نستثمر بشكل كبير في توفير السياق والخبرة من أطبائنا وممرضينا الذين لديهم عقود من الخبرة في جسر الفجوة السريرية والإدارية للرعاية الصحية. هذا يثبت أنه مزيج قوي يلحق نتائج استثنائية عن طريق دمج حلول الذكاء الاصطناعي مع الخبراء في الحلقة.

النماذج الواسعة تواجه حقيقة بيئات دورة الإيرادات المنظمة، ونقص بيانات التدريب لتنقل عمليات دورة الإيرادات الدقيقة. وبعبارة أخرى، الذكاء الاصطناعي العام يحدد وسيلة إلى جواب، ولكنه غالبًا ما يفتقر إلى النعومة لتسليم الذكاء والعمليات التي تدفع النتائج وأداء الأفضل في الفئة.

تعديل النماذج العامة لا يزال ينتج عدم انتظام، وحوكمة ضعيفة، و محدودة في إدارة النعومة. هذا هو تحديد هيكلي، وليس مشكلة أدوات.

إنسامبل تبني القدرات، واعادة هندسة العمليات والبيانات لتسليم النتائج – منع الرفض، وتحسين إشراك المرضى، ووصولهم إلى الرعاية، وتحسين محاذاة الرعاية مع الدفعات.

ما هي أهم القيود لنماذج هندسة البرمجة المتراكمة على نماذج عامة في عمليات إدارة دورة الإيرادات؟

وعد الذكاء الاصطناعي في دورة الإيرادات ليس فقط عن تطبيق نموذج عام على مهام الرعاية الصحية – بل عن ما إذا كان الذكاء الاصطناعي يفهم حقًا المجال. قيود هندسة البرمجة على نماذج أساسية هي أنك تحقق قدرات عامة قادرة على اجتياز اختبار المعقولية على السطح، ولكنها تفتقر إلى النعومة اللازمة لتسليم أداء الأفضل في الفئة الذي يستمر في التكيف والتحسين. “الضرورة الطبية” تعني شيئًا مختلفًا لمؤمن وطني تجاري عن ما يعنيه لمؤمن ماك مديكير، وتلك الفرق تحدد الأداء المالي. نموذج مدرب على الإنترنت المفتوح لا يعرف ذلك، ويمكن لهندسة البرمجة إغلاق بعض تلك الفجوات، ولكنها تفوت السياق الكامل والدقيق.

من خلال التصميم، نماذج هندسة البرمجة هي ثابتة. لا يمكنها التعلم عندما يغير دافع سلوك التحكيم بهدوء، أو عندما يظهر نمط رفض جديد، أو عندما تتوقف استراتيجية الطعن التي عملت في الربع الماضي عن العمل. في إنسامبل، بنينا حلقة مفتوحة تتحول إلى كل نتيجة مطالبة إلى ذكاء – لأننا نجلس في مركز دورة الإيرادات عبر مئات من الأنظمة الصحية والدفعات، على نطاق لا يمكن لمقدم رعاية فردي تكراره داخليًا.

ما وجدناه هو أن الحصان الحقيقي في إدارة دورة الإيرادات المدفوعة بالذكاء الاصطناعي ليس النموذج – بل البيانات والخبرة المشفرة فيه. لقد قمنا بتمكين ما يفعله أفضل أخصائيي الرفض، ومدققي الترميز، وخبراء علاقات الدفعات لتحقيق نتائج الأفضل في الفئة. لا يمكنك حقن ذلك في نظام برمجة – يجب أن يعيش في كيفية تدريب النموذج، وما يتم تقييمه ضده، وكيف يتم دمجه في سير العمل.

تحويل الذكاء الاصطناعي في دورة الإيرادات الصحية سوف يفرق بين المنظمات التي تستخدم الذكاء الاصطناعي كطبقة إنتاجية على رأس العمليات الحالية، والمنظمات التي أعادت بناء الذكاء في العمليات نفسها. إنسامبل تقف بشكل قوي في المخيم الثاني – وللنظم الصحية تحت ضغط الهامش، هذا التمييز هو الفرق بين التحسين المتزايد والتحول.

ماذا يبدو سقف الدقة لنماذج هندسة البرمجة الكثيفة في الممارسة عند التعامل مع قواعد الدفعات وعمليات متعددة الخطوات؟

السقف يظهر كلاconsistency في النقاط التي تعتمد فيها أداء دورة الإيرادات على الدقة. ليس فقط عن الدقة الخام. بل عن الموثوقية في ظروف التشغيل الفعلية.

نماذج هندسة البرمجة الكثيفة تحاول إدخال منطق دورة الإيرادات في وقت الاستدلال عن طريق تحميل السياق في كل طلب. يمكن أن يعمل ذلك في سيناريوهات أبسط، ولكنه ينهار مع سلوك دافع معين، و دقة تنظيمية، واعتمادية متعددة.

المخرجات قد تكون في الاتجاه الصحيح، ولكنها ليست موثوقة بما يكفي للعمليات اليومية.

كلما زادت التعقيد، ترتفع التكلفة، وتنخفض الاتساق، مما يؤدي إلى فجوات في التتابع، واعتمادات مفقودة، وفقدان السياق عبر الخطوات.

هذا هو السبب في تركيزنا على نماذج مدعومة ببيانات تشغيلية حقيقية ومضمنة مباشرة في نشاط دورة الإيرادات بدلاً من إعادة بناء السياق عند الطلب.

هل ترى الذكاء الاصطناعي للدفعات وال مقدمي الرعاية يتطور إلى سباق تسلح، وكيف يجب على النظم الصحية الاستجابة؟

إطار سباق التسلح لا يلتقط تمامًا ما يحدث. كلا الدفعات ومقدمي الرعاية يطبقون الذكاء الاصطناعي بسرعة عبر الموافقة المسبقة للمعالجة ومعالجة المطالبات. في nhiều حالات، يزيد ذلك من الاحتكاك بدلاً من تقليله، ويمكن أن يؤدي إلى تفاعل أنظمة آلية بدون حل.

الذكاء الاصطناعي وحده لا يحل عمليات دورة الإيرادات المنقسمة. عند تطبيقه على رأس الانقسام، يمكن أن يزيد من المشكلة. الاستجابة الأقوى هي الانتقال من العمليات التفاعلية إلى العمليات التفاعلية. ذلك يتطلب رؤية عبر دورة الإيرادات الكاملة، وقاعدة بيانات أقوى، والقدرة على توقع سلوك الدافع، وتحديد المخاطر في وقت مبكر، وحل القضايا قبل التقديم.

عندما تعمل المنظمات مع هذا المستوى من التنسيق والرؤية، يتحول الديناميك من الاحتكاك إلى أداء أقوى. نحن ننجز نتائج حقيقية، بهدف تحقيق ذلك، حيث نحقق تقليل الاحتكاك، وتسريع المحاذاة مع الدفعات في كل خطوة – مع إعادة هندسة الذكاء الاصطناعي في كل خطوة.

كيف ت đảmن أن نموذج مدرب بدون بيانات مرضى قابلة للتحديد يلتقط تعقيد العالم الحقيقي؟

غياب بيانات المرضى القابلة للتحديد لا يعني غياب تعقيد العالم الحقيقي.

إدارة 80 مليون معاملة في السنة، إنسامبل وحدت أكثر من两个 بيتابايت من بيانات مقدمي الرعاية، والدفعات، والسريرية في أصل ذكاء اصطناعي. تلك القاعدة تعكس كيفية عمل دورة الإيرادات في الواقع على نطاق واسع، بما في ذلك خبرة المشغل، وسلوك دافع معين، ونمط رفض، وتفتح النماذج التنبؤية، والرؤى في الوقت الفعلي، وعمليات الذكاء الاصطناعي التي تساعد على حماية مقدمي الرعاية من تأخيرات الدفع والرفض.

نستخدم مجموعات بيانات عالية الجودة ومحذوفة من مصادر معتمدة في بيئة متوافقة مع هيبا. تلك المجموعات تحافظ على هيكل، وتنوع، وحالات حافة موجودة في سيناريوهات العالم الحقيقي.

نحن لا نكرر السجل الصحي الإلكتروني. نحن نتبع نهجًا أصليًا للسجل الصحي، بإضافة الذكاء إلى المناطق التي تهم أكثر، خاصة في المجالات المرتبطة بمطالب الدفعات و القرارات التي تقع خارج السجل الصحي.

نحن نعزز هذا النهج مع خبراء من الدرجة الأولى (أطباء، ممرضون، مشغلون دورة الإيرادات) الذين يقدمون نюансًا وخبرة لا يمكن للذكاء الاصطناعي والبيانات تحقيقها بشكل مستقل.

هذا النهج يحافظ على تعقيد العالم الحقيقي، ويسهم في النتائج والأداء، مع حماية خصوصية المرضى.

كيف تترجم اتخاذ القرارات البشرية والعمليات إلى شيء يمكن للنموذج أن يتعلمه ويقوم به بشكل موثوق؟

ما يجعل هذا العمل هو عمق خبرة المشغل خلفه. ترجمة ذلك إلى نموذجنا ليست عن تقريب الخبرة. بل عن 捕获 كيفية عمل فرق الخبراء في الواقع.

نحن ندرّب على مهام دورة الإيرادات الحقيقية، وننظم النظام حول القواعد، والاعتمادات، والأنماط التي يستخدمها المشغلون كل يوم. الأنظمة الأكثر فعالية تجمع بين طبقات متعددة من الذكاء. المنطق التقريري يدعم الخطوات التي يجب أن تبقى متسقة، مثل التحقق والفحص السياسي. النماذج التنبؤية تقييم المخاطر، مثل احتمال الرفض. نماذج العقلانية تتعامل مع التعقيد، بما في ذلك التفسير وتوليد السرد.

كل طبقة تقلل من عدم اليقين، وتعكس كيفية عمل فرق الأداء العالي في الممارسة.

ماذا يبدو أوركسترا شاملة في الواقع من إشراك المرضى إلى حل الحسابات؟

الأوركسترا الشاملة تعني الانتقال من دعم المهام المعزولة إلى نظام يعمل عبر دورة الحياة السريرية إلى النقدية بالكامل.

تبدأ في إشراك المرضى، ودعم التقاط البيانات الدقيقة، والتحقق من الأهلية، ومتطلبات الموافقة في الوقت الفعلي لمنع المشاكل في وقت لاحق.

كما تتطور الوثائق والترميز، ينسق النظام النشاط مع توقعات الدافع، ويتحسس المخاطر في وقت مبكر. خلال الفواتير والتحكيم، يراقب سلوك الدافع، و دقة العقد، وضمانات الدفع المحتملة.

عندما تحدث مشاكل، يربط النظام النتائج بالأسباب الجذرية، ويغذي الرؤية في اتجاه مجرى النهر.

اليوم، تعتمد العديد من المنظمات على 15 إلى 30 حلًا نقطيًا مختلفًا عبر دورة الإيرادات. كل منها يحسن مجالًا معينًا، ولكنه لا يتعلم معًا. الفجوات بين الوظائف تسمح ل تسرب الإيرادات بالاستمرار.

الأوركسترا الشاملة تجمع كل ذلك معًا من خلال بيانات موحدة، و نشاط دورة الإيرادات المنسق، ومسؤولية واضحة، مما يخلق نظامًا متعلمًا بشكل مستمر عبر دورة الحياة الكاملة.

أين تقع أنظمة السجلات الصحية الإلكترونية الحالية في القصور، وكيف يمتد نهجك لتحسين قدراتها دون تعطيل البنية التحتية الحالية؟

أنظمة السجلات الصحية الإلكترونية هي أساسية. تعمل ك نظام السجل لبيانات السريرية والمالية.

لم تكن مصممة لتعمل كأنظمة ذكاء لعمليات دورة الإيرادات.

الفجوة هي في ربط السياق عبر دورة الإيرادات. في حين أن أنظمة السجلات الصحية الإلكترونية تخزّن وتنظم المعلومات، لا تفسر سلوك الدافع، ولا تتوقع الرفض، ولا توجّه المستخدمين خلال أنشطة معقدة متعددة الخطوات التي تمتد إلى ما وراء حدودها.

معظم العمل المطلوب لإدارة متطلبات الدفعات والاستثناءات يحدث خارج نظام السجلات الصحية الإلكترونية، وهو المكان الذي تتطور فيه الانقسام.

نهجنا يكمّل نظام السجلات الصحية الإلكترونية بدلاً من استبداله. نعمل داخل البيئات الحالية، وإضافة الذكاء إلى المناطق التي يحدث فيها العمل في الواقع.

هذا يسمح لنا بتقليل العبء الإداري، وتحسين الدقة، ومساعدة الفرق على التركيز على أنشطة قيمة أعلى دون الحاجة إلى تغييرات في البنية التحتية الأساسية.

كيف ترى دورة الإيرادات تتطور على مدى الخمس سنوات القادمة، وما هو الدور الذي سيستمر في لعبته مشغلون بشريون؟

على مدى الخمس سنوات القادمة، ستتغير عمليات دورة الإيرادات من تفاعلية ومتطلبة للعمالة إلى تفاعلية ومنسقة.

سيتم تخصيص menos جهد لاعادة العمل مثل الاستئناف والمتابعة، وسيتم التركيز أكثر في مجرى النهر على الوقاية. سيتم تحديد الرفضات والمدفوعات أقل بشكل متزايد في وقت مبكر، مما يحسن هيكل التكلفة والتنبؤ المالي.

هذا التحول يوسع الفرصة للقوى العاملة. اليوم، يتم ربط الكثير من العمل المهرة بالمهام المتكررة. كما تقلل الآلية من هذا العبء، يمكن للفرق التركيز على إدارة الاستثناء، وتحسين العمليات، و اتخاذ القرارات الاستراتيجية، و الرعاية الصحية.

الأدوار لا تختفي. تتطور. الخبرة البشرية لا تتناقص. بل تصبح أكثر أهمية ومركزية لأداء دورة الإيرادات العام.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا إنسامبل هيلث بارتنرز.