Bagaimana Otomatisasi Berbasis AI Dapat Mengatasi Hambatan dalam Pencatatan Pembayaran

Industri layanan kesehatan telah menghabiskan waktu puluhan tahun untuk beralih dari pembayaran berbasis kertas. Kini, pihak pembayar mengirimkan rincian pembayaran dan penolakan secara elektronik melalui berkas standar, Electronic Data Interchange (EDI) 835, yang menghilangkan penggunaan kertas dan menyediakan format umum bagi semua pihak. Namun, meskipun standardisasi data mengurangi sebagian pekerjaan manual, prosesnya tetap tidak berjalan otomatis. Berkas yang diterima secara elektronik tidak serta-merta berarti pembayarannya sudah dicatat. Berkas EDI 835 diterima, tetapi orang masih harus membukanya, membaca kode dari setiap pihak pembayar, mencatat pembayaran satu per satu, dan menangani penolakan secara manual.

Pekerjaan manual ini mahal, dan biayanya terus meningkat. Dalam survei State of Claims 2025 dari Experian Health, 41 persen penyedia layanan melaporkan bahwa setidaknya satu dari sepuluh klaim mereka ditolak. Kodiak Solutions memperkirakan bahwa pada 2025, penyedia layanan kehilangan lebih dari $48 miliar akibat penolakan klaim dan piutang tak tertagih—kira-kira seperempat lebih banyak daripada tahun sebelumnya. Staf harus mencatat dan merekonsiliasi setiap pembayaran, serta menangani setiap penolakan sebelum suatu akun diselesaikan; sebagian besar pekerjaan itu masih dilakukan secara manual.

Mengapa Pencatatan Pembayaran Masih Dilakukan secara Manual

Pencatatan pembayaran masih dilakukan secara manual bukan karena keterbatasan teknologi, melainkan lebih karena aturan yang berlaku. Setiap pihak pembayar menangani berkasnya secara berbeda, dan aturan berubah sesuai situasi serta pengecualian, sehingga kasus-kasus khusus bertambah lebih cepat daripada kemampuan siapa pun untuk mendokumentasikannya. Banyak aturan bahkan sama sekali tidak terdokumentasi. Aturan-aturan itu hanya diketahui oleh segelintir staf penagihan berpengalaman. Akibatnya, organisasi tidak dapat menerapkannya secara konsisten ataupun dengan mudah memasukkannya ke dalam sistem. Jika aturan tidak terdokumentasi, klaim membutuhkan waktu lebih lama untuk diselesaikan, penolakan yang sebenarnya dapat dihindari tidak tertangani, dan pengajuan pertama sering kali menghasilkan pembayaran yang lebih rendah daripada semestinya.

Apa Sebenarnya Peran Model Bahasa Besar dalam Proses Ini

Otomatisasi tradisional dapat menangani klaim yang sederhana dan dapat diprediksi, tetapi terhenti saat menghadapi klaim lainnya. Mesin aturan hanya dapat menjalankan hal-hal yang telah diprogramkan sebelumnya. Saat pertama kali pihak pembayar mengirimkan kode penyesuaian yang belum pernah ditemui sistem, klaim tersebut dialihkan kepada seseorang untuk ditinjau. Karena praktik setiap pihak pembayar cukup beragam, banyak klaim akhirnya masuk ke antrean peninjauan itu.

Model bahasa besar mengatasi kesenjangan ini dengan membaca klaim seperti yang dilakukan staf penagihan berpengalaman. Model tersebut menerima konteksnya; menentukan jenis klaim, aturan pihak pembayar yang berlaku, dan cara menangani pengecualian; lalu meneruskannya ke sistem yang mencatat pembayaran. Model memberikan pertimbangan, sementara sistem mencatat pembayaran dengan cara yang sama setiap kali.

Solusi yang Kami Bangun

Marlabs membangun sistem yang melakukan hal tersebut untuk sebuah perusahaan penagihan layanan kesehatan yang menangani pembayaran bagi penyedia layanan medis darurat di seluruh Amerika Utara. Perusahaan itu memproses sekitar 85.000 pembayaran per bulan, dan volume maupun kompleksitas pihak pembayar terus meningkat hingga melampaui kemampuan timnya untuk mengimbanginya hanya dengan menambah staf.

Bagian terpentingnya adalah cara sistem menangani aturan yang belum didokumentasikan oleh perusahaan tersebut. Alih-alih mengisinya dengan buku aturan pihak pembayar yang sebenarnya tidak dimiliki perusahaan, kami membuat AI mempelajari cara kerja staf penagihan dan jumlah yang dibayarkan pihak pembayar. AI mengusulkan aturan, mengujinya berdasarkan hasil nyata, lalu menyempurnakannya demi mencapai hasil yang paling penting bagi bisnis: memperoleh lebih banyak pembayaran yang bersedia dibayarkan asuransi sejak pengajuan pertama, alih-alih setelah beberapa kali mengajukan banding. Pengetahuan yang sebelumnya hanya ada di benak segelintir orang akhirnya menjadi aturan yang dapat dilihat dan disempurnakan oleh perusahaan.

Setiap Klaim Ditinjau oleh Seseorang

Setiap klaim tetap ditinjau oleh seseorang sebelum diputuskan. Sistem mencatat klaim dan menunjukkan proses yang dilakukannya, sehingga peninjau dapat melihat tindakan AI pada klaim yang tidak bermasalah dan menyetujuinya hanya dalam beberapa detik. Jika AI tidak yakin atau staf penagihan harus turun tangan, klaim tersebut disertai penjelasan sederhana tentang hal yang tampak keliru dan rekomendasi sistem. Dalam kasus-kasus ini, AI mempercepat peninjauan, sementara tanggung jawab atas setiap klaim tetap berada di tangan pihak yang semestinya: orang-orang dan perusahaan.

Hasilnya

Pilihan desain tersebut, bukan teknologi semata, menghasilkan capaian ini. Kini, perusahaan mencatat sekitar 85 persen pembayarannya secara otomatis, sehingga timnya dapat mencurahkan waktu untuk klaim yang benar-benar membutuhkan pertimbangan. Kesalahan pencatatan pembayaran turun 95 persen, dan rekonsiliasi antar sistem menjadi lebih rapi. Tim menyelesaikan penolakan yang spesifik pada tiap pihak pembayar dengan lebih cepat, dan untuk pertama kalinya dapat memantau pengecualian serta penyelesaiannya saat terjadi. Karena kerangka kerja ini dirancang agar dapat ditingkatkan skalanya sesuai persyaratan kepatuhan setiap pihak pembayar, peningkatan volume tidak lagi mengharuskan penambahan staf.

Artinya bagi Anda yang Mengelola Siklus Pendapatan

• Mulailah dengan pekerjaan bervolume tinggi yang diatur oleh aturan, seperti pencatatan pembayaran. Jika aturan Anda sudah terdokumentasi, gunakan aturan tersebut. Jika belum, jadikan hal itu sebagai peluang dan biarkan AI menemukan serta menguji aturan berdasarkan pembayaran yang benar-benar dilakukan pihak pembayar.
• Libatkan seseorang dalam peninjauan setiap klaim, bukan hanya klaim yang dikecualikan, dan minta AI menunjukkan proses yang dilakukannya agar klaim yang tidak bermasalah dapat disetujui hanya dalam hitungan detik.
• Wajibkan AI menjelaskan setiap pengecualian. Penanda tanpa alasan hanya memindahkan hambatan dari pencatatan pembayaran ke peninjauan.
• Bangun visibilitas waktu nyata sejak hari pertama agar para pemimpin dapat melihat kinerja sistem dan mengambil tindakan dengan yakin berdasarkan angka-angka tersebut.

Pencatatan pembayaran adalah salah satu titik awal yang paling jelas, karena jumlah yang terlibat besar dan hasilnya terlihat langsung pada kas yang terkumpul. Dengan memetakan proses secara apa adanya, mengajarkan sistem aturan yang tidak pernah didokumentasikan organisasi, serta memastikan manusia tetap memegang kendali atas setiap klaim, Anda dapat melihat hasil yang terukur dan nyata. Jika ditangani dengan cara ini, pencatatan pembayaran berubah dari hambatan manual yang sulit diatasi menjadi proses yang dapat dikembangkan seiring pertumbuhan bisnis.