Dr. Rihan Javid, CEO y Co-Fundador de Rinova – Serie de Entrevistas

Dr. Rihan Javid, CEO y Co-Fundador de Rinova AI, es un ejecutivo médico y emprendedor centrado en modernizar las operaciones de atención médica a través de la inteligencia artificial. Además de liderar Rinova, es Co-Fundador y Presidente de Edge, que ofrece soluciones de infraestructura de lugar de trabajo remoto a prácticas de seguros, médicas y dentales. Como psiquiatra en ejercicio, actualmente se desempeña como Director Médico y Director Médico Jefe en CommonSpirit Health y St. Joseph’s Behavioral Health Center, y también tiene un papel clínico en Touro University Medical Group. Su experiencia anterior incluye ejercer la psiquiatría en The Permanente Medical Group, Inc. y completar su residencia en California Pacific Medical Center y la Universidad de South Florida, junto con experiencia de liderazgo anterior como principal en la contratación legal.

Rinova AI es una empresa de tecnología de atención médica centrada en la gestión del ciclo de ingresos y la automatización de la facturación médica impulsada por inteligencia artificial. La plataforma está diseñada para reducir las cargas administrativas para los proveedores al automatizar procesos clave como la verificación de seguros, la optimización de codificación, la presentación de reclamaciones y la gestión de denegaciones. Al aprovechar la inteligencia artificial para racionalizar los flujos de trabajo y mejorar la precisión, Rinova tiene como objetivo ofrecer ahorros de costos significativos en comparación con los servicios de facturación tradicionales, al tiempo que acelera los reembolsos y mejora el desempeño financiero de las organizaciones de atención médica.

Co-fundaste Edge en 2021 después de años trabajando como psiquiatra y luego como director médico y CMO. Desde una perspectiva de inteligencia artificial, ¿qué señales tempranas notaste en los flujos de trabajo de facturación, como datos fragmentados, reglas de pagadores cambiantes o manejo manual de excepciones, que te convencieron de que la automatización eventualmente se volvería inevitable?

Cuando ejercía y luego dirigía operaciones clínicas, vi cuánta fricción existía en la facturación. Los datos vivían en múltiples sistemas que no se comunicaban bien. Los requisitos de los pagadores cambiaban constantemente. El personal pasaba horas re trabajando reclamaciones por razones que a menudo eran predecibles en retrospectiva.

Lo que me llamó la atención fue la repetición. Los mismos errores, los mismos patrones de denegación, las mismas lagunas de documentación. Estos no eran problemas raros y complejos. Eran fallos operativos recurrentes. En una cierta escala, te das cuenta de que pedir a las personas que manejen manualmente esa complejidad no es sostenible. Eso es cuando se vuelve claro que la automatización no es opcional. Es inevitable.

Cuando lanzaste Rinova AI varios años después, ¿qué había cambiado en el lado tecnológico o de datos que hizo posible aplicar la inteligencia artificial a la gestión del ciclo de ingresos de una manera que pudiera operar de manera confiable contra las reglas de los pagadores en vivo y la complejidad real de las reclamaciones?

Dos cosas cambiaron. Primero, el entorno de datos mejoró. Las integraciones entre los registros electrónicos de salud, las casas de compensación y las plataformas de facturación se volvieron más estructuradas. Eso nos dio entradas más limpias y bucles de retroalimentación más fuertes.

Segundo, la tecnología maduró. Fuimos más allá de los simples motores de reglas. Los modelos se volvieron capaces de evaluar el contexto, no solo de verificar casillas. Eso nos permitió analizar la documentación, la codificación y la lógica del pagador juntas, en lugar de en aislamiento.

No fue que la facturación se volviera sencilla de repente. Fue que el ecosistema se volvió lo suficientemente estable como para que la inteligencia artificial operara con confiabilidad.

La gestión del ciclo de ingresos ha confiado tradicionalmente en reglas estáticas y recuperación después de la denegación. ¿Cómo introduce la inteligencia artificial al principio del flujo de trabajo cambia la forma en que los hospitales piensan sobre el riesgo financiero y la previsibilidad de la retribución?

Tradicionalmente, los equipos del ciclo de ingresos aceptan un cierto nivel de denegación como parte del negocio. El trabajo comienza después de que algo sale mal.

Cuando se introduce la inteligencia artificial en el flujo de trabajo, el objetivo cambia de recuperación a prevención. Puedes identificar lagunas de documentación o mala alineación de codificación antes de la presentación. Eso reduce la variabilidad en la retribución.

Los hospitales comienzan a pensar menos en perseguir ingresos y más en controlar el riesgo antes de que se materialice. Eso cambia la previsión, los modelos de personal y incluso las conversaciones a nivel de junta directiva sobre estabilidad financiera.

Los sistemas de inteligencia artificial a menudo funcionan bien en casos estándar pero luchan en los bordes. En las operaciones de facturación de hoy, ¿qué tipos de escenarios se manejan más efectivamente mediante la automatización y dónde sigue siendo crucial el juicio humano?

La automatización funciona mejor en tareas estructuradas y de alto volumen. Las verificaciones de elegibilidad, la validación de autorización, la consistencia de codificación y la detección de patrones de denegación son áreas donde las máquinas pueden procesar más rápido y de manera más consistente que las personas.

El juicio humano sigue siendo importante en casos de borde. Las apelaciones que requieren sutileza clínica, disputas contractuales, comportamiento inusual de los pagadores o escenarios de pacientes complejos todos se benefician de la experiencia y el razonamiento. La inteligencia artificial puede señalar el riesgo. Los humanos aún interpretan áreas grises y toman decisiones finales.

Edge incorpora equipos de ciclo de ingresos de atención médica capacitados en los flujos de trabajo de los hospitales, mientras que Rinova automatiza la toma de decisiones en el flujo de trabajo. ¿Cómo abordas el diseño de sistemas de inteligencia artificial que fortalezcan la toma de decisiones humanas en lugar de introducir nuevos riesgos operativos?

Abordamos la inteligencia artificial como una capa de apoyo, no como un reemplazo. El sistema presenta recomendaciones y explica su lógica. Nuestros equipos de atención médica capacitados siguen incorporados en el flujo de trabajo.

Esta estructura es importante. La inteligencia artificial maneja la escala y el reconocimiento de patrones. Los humanos manejan la supervisión y la rendición de cuentas. Cuando esos roles están claros, reduces el riesgo en lugar de aumentarlo.

El objetivo es reducir la sobrecarga cognitiva, no eliminar el juicio humano.

Las políticas de los pagadores cambian con frecuencia y no siempre se aplican de manera consistente. ¿Cómo la inteligencia de pagadores en tiempo real redefine el bucle de retroalimentación entre la presentación de reclamaciones, denegaciones y mejora continua del modelo?

Las políticas de los pagadores cambian con frecuencia y la aplicación no siempre es consistente. Históricamente, las organizaciones actualizaban las reglas periódicamente y esperaban estar actualizadas.

Con la retroalimentación en tiempo real, cada denegación y aprobación se convierte en un punto de datos. El modelo aprende de los resultados reales en lugar de suposiciones estáticas. Eso acorta la brecha entre el cambio de política y el ajuste operativo.

Con el tiempo, eso reduce las denegaciones sorpresa y mejora la precisión de la presentación. Hace que el sistema sea más adaptable.

Los hospitales son comprensiblemente cautos sobre los sistemas de inteligencia artificial que influyen en el flujo de caja. ¿Qué nivel de transparencia o control crees que los líderes de la atención médica deberían esperar antes de confiar en decisiones de facturación impulsadas por inteligencia artificial?

Los líderes deberían esperar claridad. Deberían entender por qué se hizo una recomendación. Deberían poder anularla. Y deberían tener un registro de auditoría claro.

El ciclo de ingresos afecta directamente el flujo de caja y el cumplimiento. La confianza proviene de la visibilidad y el control, no de la automatización ciega. Cualquier sistema de inteligencia artificial que opere en este espacio necesita cumplir con ese estándar.

Las escaseces de personal en los equipos del ciclo de ingresos a menudo se tratan como problemas laborales. Desde tu perspectiva, ¿cuánto del problema está realmente arraigado en la calidad de los datos y el diseño del flujo de trabajo, y dónde puede tener la inteligencia artificial el mayor impacto?

Los desafíos de personal son reales, pero muchos de ellos se ven amplificados por un mal diseño del flujo de trabajo. Cuando los equipos pasan la mayor parte de su tiempo corrigiendo errores prevenibles, el agotamiento aumenta y la productividad disminuye.

Si limpias las entradas de datos y reduces las denegaciones evitables, el mismo equipo puede operar de manera más efectiva. La inteligencia artificial tiene el mayor impacto donde elimina el trabajo repetitivo y estandariza los procesos.

A menudo, el problema no es simplemente la cantidad de personal. Es la fricción.

A medida que la inteligencia artificial se incorpora a las operaciones del ciclo de ingresos, ¿cómo ves evolucionar el papel de los equipos del ciclo de ingresos en los próximos años en términos de supervisión, manejo de excepciones y gobernanza?

Espero que los equipos del ciclo de ingresos se vuelvan más estratégicos. Menos tiempo en procesos repetitivos. Más tiempo en supervisión, apelaciones complejas, negociaciones con pagadores y análisis de desempeño.

A medida que la automatización maneja el trabajo rutinario, los equipos humanos se desplazan hacia la gobernanza y la optimización. Eso eleva la función en lugar de reducirla.

Mirando hacia adelante, ¿esperas que las plataformas de ciclo de ingresos impulsadas por inteligencia artificial se conviertan en infraestructura financiera central para los hospitales en lugar de herramientas opcionales, y qué permitiría ese cambio para las organizaciones que operan bajo presión constante de margen?

Sí. La presión de margen no desaparecerá. La previsibilidad en la retribución se volverá esencial.

Las plataformas impulsadas por inteligencia artificial que mejoran la precisión y reducen las pérdidas se moverán de ser herramientas opcionales a infraestructura fundamental. Cuando el flujo de caja se vuelve más estable, los hospitales pueden planificar con más confianza e invertir de manera más intencional en la atención al paciente.

Esos son los resultados que realmente nos importan.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Rinova AI o Edge.