Come l’automazione basata sull’IA può risolvere il collo di bottiglia nella registrazione dei pagamenti

Da decenni il settore sanitario sta trasferendo i pagamenti dalla carta ai sistemi digitali. Oggi i pagatori inviano elettronicamente i dettagli dei pagamenti e dei dinieghi tramite un file standard, l’Electronic Data Interchange (EDI) 835, che ha eliminato la carta e fornito a tutti un formato comune su cui lavorare. Tuttavia, se standardizzare i dati ha ridotto parte del lavoro manuale, non ha reso automatico il processo. La ricezione di un file in formato elettronico non equivale alla registrazione del pagamento. Il file EDI 835 arriva, ma le persone devono ancora aprirlo, leggere i codici di ciascun pagatore, registrare i pagamenti riga per riga e gestire manualmente i dinieghi.

Questo lavoro manuale è costoso e i costi continuano ad aumentare. Nel sondaggio di Experian Health sullo stato dei sinistri del 2025, il 41 per cento degli operatori sanitari ha dichiarato che almeno un sinistro su dieci viene respinto; Kodiak Solutions ha stimato che nel 2025 gli operatori sanitari hanno perso oltre 48 miliardi di dollari a causa dei dinieghi e dei crediti inesigibili, circa un quarto in più rispetto all’anno precedente. Prima che un conto venga saldato, il personale deve registrare e riconciliare ogni pagamento e gestire ogni diniego; gran parte di queste attività viene ancora svolta manualmente.

Perché la registrazione è ancora manuale

Il fatto che la registrazione sia ancora manuale dipende meno dalla tecnologia che dalle regole stesse. Ogni pagatore gestisce i propri file in modo diverso e le regole cambiano a seconda della situazione e delle eccezioni, che si accumulano più rapidamente di quanto chiunque riesca a documentarle. Molte di queste regole non vengono affatto messe per iscritto. Sono affidate alla memoria di pochi addetti esperti alla fatturazione; di conseguenza, l’organizzazione non riesce ad applicarle in modo coerente né a trasferirle facilmente a un sistema. Se le regole non vengono documentate, i sinistri richiedono più tempo per essere liquidati, i dinieghi evitabili passano inosservati e spesso il primo invio consente di riscuotere meno di quanto si sarebbe dovuto.

Cosa fanno davvero qui i modelli linguistici di grandi dimensioni

L’automazione tradizionale gestisce i sinistri semplici e prevedibili, ma si blocca su tutto il resto. Un motore basato su regole fa soltanto ciò che qualcuno ha programmato in anticipo. La prima volta che un pagatore invia un codice di rettifica che il sistema non ha mai incontrato, il sinistro viene sottoposto alla verifica di una persona. Le differenze tra i pagatori sono tali che molti sinistri finiscono in questa coda.

Un modello linguistico di grandi dimensioni colma questa lacuna perché legge un sinistro come farebbe un addetto esperto alla fatturazione. Esamina il contesto, determina di quale sinistro si tratta, quale regola del pagatore si applica e come gestire le eccezioni, quindi trasmette il sinistro al sistema che registra il pagamento. Il modello fornisce il giudizio, mentre il sistema registra il pagamento sempre allo stesso modo.

Cosa abbiamo realizzato

Marlabs ha realizzato un sistema che fa proprio questo per una società di fatturazione sanitaria che gestisce i pagamenti per i fornitori di servizi medici di emergenza in tutta l’America del Nord. L’azienda elabora circa 85.000 pagamenti al mese e sia i volumi sia la complessità legata ai pagatori stavano crescendo oltre la capacità del suo team di tenere il passo con nuove assunzioni.

L’aspetto più importante era il modo in cui il sistema avrebbe gestito le regole che l’azienda non aveva documentato. Invece di caricarlo con un manuale delle regole dei pagatori che l’azienda non possedeva, abbiamo fatto apprendere l’IA osservando il lavoro degli addetti alla fatturazione e i pagamenti effettuati dai pagatori. Il sistema ha proposto regole, le ha verificate confrontandole con i risultati effettivi e le ha perfezionate per puntare al risultato più importante per l’azienda: riscuotere al primo invio una quota maggiore di quanto le assicurazioni avrebbero pagato, anziché dopo diversi ricorsi. Le conoscenze custodite nella memoria di poche persone sono diventate regole che l’azienda può finalmente consultare e migliorare.

Una persona esamina ogni sinistro

Ogni sinistro viene comunque esaminato da una persona prima di essere finalizzato. Il sistema registra il sinistro e mostra il proprio operato, così chi lo esamina può vedere cosa ha fatto l’IA su un sinistro semplice e approvarlo in pochi secondi. Quando l’IA non è sicura o un addetto alla fatturazione è dovuto intervenire, il sinistro è accompagnato da una spiegazione chiara di ciò che sembrava non funzionare e di ciò che il sistema consiglia. In questi casi, l’IA velocizza l’esame, mentre la responsabilità per ogni sinistro resta dove deve essere: nelle mani delle persone e dell’azienda.

I risultati

Sono state queste scelte progettuali, più della tecnologia in sé, a produrre i risultati. Ora l’azienda registra automaticamente circa l’85 per cento dei pagamenti, consentendo al team di dedicare tempo ai sinistri che richiedono davvero una valutazione. Gli errori di registrazione sono diminuiti del 95 per cento e la riconciliazione tra i sistemi è più precisa. Il team gestisce più rapidamente i dinieghi specifici dei singoli pagatori e, per la prima volta, può monitorare in tempo reale le eccezioni e la loro risoluzione. Poiché abbiamo progettato il modello in modo che possa scalare rispettando i requisiti di conformità di ciascun pagatore, l’aumento dei volumi non richiede più un incremento del personale.

Cosa significa per chi gestisce il ciclo dei ricavi

• Inizia dalle attività ad alto volume e regolamentate, come la registrazione dei pagamenti. Se le regole sono già documentate, usale. Se non lo sono, considera questa mancanza un’opportunità e lascia che l’IA le individui e le verifichi confrontandole con i pagamenti effettivamente effettuati dai pagatori.
• Mantieni una persona coinvolta in ogni sinistro, non soltanto in quelli con eccezioni, e fai in modo che l’IA mostri il proprio operato, così basteranno pochi secondi per approvare un sinistro semplice.
• Chiedi all’IA di spiegare ogni eccezione. Una segnalazione senza motivazione sposta soltanto il collo di bottiglia dalla registrazione alla verifica.
• Integrare fin dal primo giorno la visibilità in tempo reale, così che i responsabili possano vedere come funziona il sistema e prendere decisioni basate sui dati con fiducia.

La registrazione dei pagamenti è uno dei punti più chiari da cui partire, perché le somme in gioco sono ingenti e il ritorno si riflette direttamente negli incassi. Mappando fedelmente il processo, insegnando a un sistema regole che un’organizzazione non ha mai messo per iscritto e lasciando alle persone il controllo di ogni pratica, si possono ottenere risultati misurabili e tangibili. Gestita in questo modo, la registrazione dei pagamenti smette di essere un ostinato collo di bottiglia manuale e diventa un processo che l’azienda può scalare.