د. ريحان جافيد، الرئيس التنفيذي ومؤسس Rinova – سلسلة المقابلات

د. ريحان جافيد، الرئيس التنفيذي ومؤسس شركة Rinova AI، هو طبيب تنفيذي ومؤسس يركز على تحديث عمليات الرعاية الصحية من خلال الذكاء الاصطناعي. بالإضافة إلى قيادته لشركة Rinova، فهو أيضًا المؤسس والرئيس التنفيذي لشركة Edge، التي توفر حلول البنية التحتية للمكان العمل عن بُعد للممارسات التأمينية والطبية والأسنان. وهو طبيب نفسي ممارس، ويخدم حاليًا كطبيب مدير ورئيس قسم الطب النفسي في مركز الصحة الروحية المشتركة ومركز سانت جوزيف للصحة السلوكية، كما يشغل منصبًا سريريًا في مجموعة جامعة تورو الطبية. وتشمل خبرته السابقة ممارسة الطب النفسي في مجموعة بيرمانينت ميديكال جروب، واكتمال تدريب الإقامة في مركز كاليفورنيا 太平洋 الطبي وجامعة جنوب فلوريدا، إلى جانب خبرته القيادية السابقة كشريك في التوظيف القانوني.

Rinova AI هي شركة تكنولوجيا صحية تركز على إدارة دورة الإيرادات والفواتير الطبية المدفوعة بالذكاء الاصطناعي. تم تصميم المنصة لتقليل العبء الإداري للمقدمين من خلال توفير العمليات الرئيسية مثل التحقق من التأمين وتحسين الترميز وطرح الفواتير وإدارة الرفض. من خلال استخدام الذكاء الاصطناعي لتحسين تدفق العمل وتحسين الدقة، تهدف Rinova إلى تقديم وفورات كبيرة في التكاليف مقارنة بالخدمات التقليدية للفواتير، مع تسريع التعويضات وتحسين الأداء المالي للمنظمات الصحية.

أنت مؤسس شركة Edge في عام 2021 بعد سنوات من العمل كطبيب نفسي ولاحقًا كمدير طبي ومدير تنفيذي. من منظور الذكاء الاصطناعي، ما هي الإشارات المبكرة التي لاحظتها في عمليات الفواتير مثل البيانات المنقسمة وسياسات الدافع المتغيرة ومعالجة الاستثناءات اليدوية التي أقنعتك بأن التأتمت سوف يصبح في النهاية أمرًا لا مفر منه؟

عندما كنت أُمارس الطب ولاحقًا أدير العمليات السريرية، رأيت كمية الاحتكاك التي كانت موجودة في الفواتير. البيانات تعيش في أنظمة متعددة لا تت沟م جيدًا. متطلبات الدافع تتغير باستمرار. كان الموظفون يقضون ساعات في إعادة العمل على الفواتير لأسباب غالبًا ما كانت يمكن توقعها فيما بعد.

ما لفت انتباهي هو التكرار. نفس الأخطاء، نفس أنماط الرفض، نفس فجوات الوثائق. هذه لم تكن مشاكل نادرة ومحكمة. كانت انهيارات تشغيلية متكررة. عند مستوى معين من الحجم، تدرك أن طلب الناس لإدارة تلك التعقيدات يدويا ليس مستداما. هذا هو عندما يصبح واضحًا أن التأتمت ليس خيارا، بل هو أمر لا مفر منه.

عندما أطلقت Rinova AI بعد سنوات قليلة، ما Changed على الجانب التكنولوجي أو البيانات الذي جعل من الممكن تطبيق الذكاء الاصطناعي على إدارة دورة الإيرادات بطريقة يمكنها العمل بشكل موثوق ضد قواعد الدافع الحية وعمق الفواتير في العالم الحقيقي؟

发生ت تغيرتان. أولاً، تحسنت بيئة البيانات. أصبحت التكاملات بين السجلات الطبية والمنازل والمنصات الفوترة أكثر هيكلا. هذا أعطانا مدخلات أنظف ودوائر تغذية راجعة أقوى.

ثانيًا، نضجت التكنولوجيا. انتقلنا إلى ما هو أبعد من محركات القواعد البسيطة. أصبحت النماذج قادرة على تقييم السياق، وليس مجرد التحقق من الصناديق. هذا سمح لنا بتحليل الوثائق والترميز ومنطق الدافع معًا بدلاً من معالجتها بشكل منفصل.

لم يكن الأمر أن الفواتير أصبحت فجأة بسيطة. كان أن النظام البيئي أصبح مستقرًا بدرجة كافية للذكاء الاصطناعي للعمل بشكل موثوق.

تركز إدارة دورة الإيرادات تقليديًا على القواعد الثابتة واسترجاع ما بعد الرفض. كيف يغير إدخال الذكاء الاصطناعي في وقت مبكر من تدفق العمل طريقة تفكير المستشفيات حول المخاطر المالية وتنبؤات التعويض؟

تتقبل فرق دورة الإيرادات تقليديًا مستوى معينًا من الرفض كجزء من العمل.

عندما يتم إدخال الذكاء الاصطناعي في مجرى العمل، يتغير الهدف من الاسترجاع إلى الوقاية. يمكنك تحديد فجوات الوثائق أو سوء الترميز قبل التقديم. هذا يقلل من التباين في التعويض.

ت开始 المستشفيات في التفكير أقل حول مطاردة الإيرادات وأكثر حول التحكم في المخاطر قبل أن تظهر. هذا يغير التوقعات والطرازات الإدارية وحتى المناقشات على مستوى المجلس حول الاستقرار المالي.

نظم الذكاء الاصطناعي غالبًا ما تعمل بشكل جيد على الحالات القياسية ولكنها تكافح على الحواف. في عمليات الفواتير اليوم، ما هي السيناريوهات التي يتم التعامل معها بشكل أكثر فعالية بواسطة التأتمت، وأين لا يزال الحكم البشري يلعب دورًا حاسمًا؟

التأتمت يعمل بشكل أفضل في المهام الهيكلية والكبيرة الحجم. التحقق من الأهلية واعتماد الصلاحية وثبات الترميز واكتشاف أنماط الرفض هي جميعها مجالات يمكن أن يعالجها الآلات بشكل أسرع وأكثر ثباتًا من الناس.

الحكم البشري لا يزال مهمًا في الحالات الحافة. الاستئنافات التي تتطلب دقة سريرية واضطهاد العقد والتصرف الغير عادي للدافع أو السيناريوهات المرضية المعقدة جميعها تستفيد من الخبرة والتفكير. يمكن للذكاء الاصطناعي أن يحدد المخاطر. البشر يفسر Zones الرمادية ويصنعون القرارات النهائية.

تضمن Edge فرق دورة الإيرادات المدربة على الرعاية الصحية في تدفق العمل للمستشفيات، بينما تتم التأتمت في Rinova اتخاذ القرارات في مجرى العمل. كيف تتعامل مع تصميم أنظمة الذكاء الاصطناعي التي تعزز اتخاذ القرارات البشرية بدلاً من إدخال مخاطر تشغيلية جديدة؟

نقترب من الذكاء الاصطناعي كطبقة دعم، وليس بديلاً. النظام يطرح التوصيات ويفسر منطقه. فرقنا المدربة على الرعاية الصحية لا تزال متأصلة في مجرى العمل.

هذه الهيكلة مهمة. الذكاء الاصطناعي يعالج الحجم والتعرف على الأنماط. البشر يعالجون الإشراف والمساءلة. عندما تكون الأدوار واضحة، تقلل من المخاطر بدلاً من زيادتها.

الهدف هو تقليل العبء الإدراكي، وليس إزالة الحكم البشري.

تغير سياسات الدافع بانتظام وليست دائمًا مطبقة بشكل متسق. كيف يغير الذكاء الحقيقي للدافع بين تقديم الفواتير والرفض وتحسين النموذج المستمر؟

تغير سياسات الدافع بانتظام وتنفيذها ليس دائمًا متسقًا. تاريخيًا، قامت المنظمات بتحديث القواعد بشكل دوري وآملت أنها محدثة.

مع التغذية الراجعة في الوقت الفعلي، يصبح كل رفض وموافقة نقطة بيانات. النموذج يتعلم من النتائج الفعلية بدلاً من الافتراضات الثابتة. هذا ي缩ص الفجوة بين تغيير السياسة والتكيف التشغيلي.

بمرور الوقت، يقلل ذلك من الرفض المفاجئ ويحسن دقة التقديم. هذا يجعل النظام أكثر مرونة.

المستشفيات حريصة بشكل معقول على أنظمة الذكاء الاصطناعي التي تؤثر على تدفق النقد. ما هو مستوى الشفافية أو التحكم الذي يجب على قادة الرعاية الصحية أن يتوقعوه قبل ثقة القرارات الفوترة المدفوعة بالذكاء الاصطناعي؟

يجب على القادة أن يتوقعوا الوضوح. يجب أن يفهموا لماذا تم تقديم التوصية. يجب أن يكونوا قادرين على إلغاءها. ويجب أن يكون لديهم سجل مساءلة واضح.

دورة الإيرادات تؤثر بشكل مباشر على تدفق النقد والامتثال. الثقة تأتي من الرؤية والتحكم، وليس من التأتمت الأعمى. أي نظام ذكاء اصطناعي يعمل في هذا المجال يجب أن يلبي هذا المعيار.

تُعالج عادةً نقص الموظفين في فرق دورة الإيرادات على أنه مشكلة عمل. من منظورك، كم جزء من المشكلة هو في الواقع جذرًا في جودة البيانات وتصميم مجرى العمل، وأين يمكن للذكاء الاصطناعي أن يكون له أكبر تأثير؟

تحديات الموظفين حقيقية، ولكن العديد منها يزيد بسبب تصميم مجرى العمل السيئ. عندما يقضي الفريق معظم وقته في تصحيح الأخطاء التي يمكن منعها، يزيد الإرهاق ويقلل من الإنتاجية.

إذا قمت بتنظيف مدخلات البيانات وتقليل الرفض المتجنب، يمكن للفريق نفسه العمل بشكل أكثر فعالية. للذكاء الاصطناعي أكبر تأثير حيث يزيل العمل المتكرر ويوحّد العمليات.

غالبًا ما يكون المشكلة ليست مجرد عدد رأس العمل. إنها الاحتكاك.

كما يصبح الذكاء الاصطناعي متأصلاً في عمليات دورة الإيرادات، كيف ترى دور فرق دورة الإيرادات يتطور على مدى السنوات القليلة القادمة من حيث الإشراف ومعالجة الاستثناءات والحوكمة؟

أتوقع أن تصبح فرق دورة الإيرادات أكثر استراتيجية. أقل وقت على المعالجة المتكررة. أكثر وقت على الإشراف والاستئنافات المعقدة ومفاوضات الدافع وتحليل الأداء.

كما يعالج التأتمت العمل الروتيني، تتحرك الفرق البشرية نحو الحوكمة والتحسين. هذا يرفع الوظيفة بدلاً من تقليلها.

فيما يخص المستقبل، هل تتوقع أن تصبح منصات دورة الإيرادات المدفوعة بالذكاء الاصطناعي بنية تحتية مالية أساسية للمستشفيات بدلاً من أدوات اختيارية، وماذا سوف يسمح هذا التحول لمنظمات تعمل تحت ضغط هامش دائم؟

نعم. ضغط الهامش لن يزول. سوف يصبح التنبؤ بالتعويض أمرًا ضروريًا.

منصات الذكاء الاصطناعي التي تحسن الدقة وتقلل الفاقد سوف تتحرك من كونها أدوات اختيارية إلى بنية تحتية أساسية. عندما يصبح تدفق النقد أكثر استقرارًا، يمكن للمستشفيات التخطيط بثقة أكبر و الاستثمار بشكل أكثر عقلانية في رعاية المرضى.

هذا هو النتيجة النهائية التي نهتم بها.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Rinova AI أو Edge.