Jak automatyzacja oparta na sztucznej inteligencji może rozwiązać problem zatorów w księgowaniu płatności

Sektor ochrony zdrowia od dziesięcioleci odchodzi od papierowej obsługi płatności. Płatnicy przesyłają teraz elektronicznie informacje o płatnościach i odmowach w standardowym pliku Electronic Data Interchange (EDI) 835, który wyeliminował papier i zapewnił wszystkim wspólny format pracy. Standaryzacja danych ograniczyła jednak część pracy ręcznej, ale nie zautomatyzowała całego procesu. Elektroniczne dostarczenie pliku nie oznacza jeszcze zaksięgowania płatności. Plik EDI 835 trafia do systemu, ale pracownicy nadal go otwierają, odczytują kody poszczególnych płatników, księgują płatności wiersz po wierszu i ręcznie obsługują odmowy.

Taka ręczna praca jest kosztowna, a jej koszt stale rośnie. W badaniu Experian Health „State of Claims” z 2025 roku 41 procent świadczeniodawców poinformowało, że odrzucane jest co najmniej jedno na dziesięć ich roszczeń, a Kodiak Solutions oszacowała, że w 2025 roku świadczeniodawcy stracili ponad 48 mld dolarów z powodu odmów i nieściągalnych należności — mniej więcej o jedną czwartą więcej niż rok wcześniej. Zanim konto zostanie rozliczone, pracownicy muszą zaksięgować i uzgodnić każdą płatność oraz obsłużyć każdą odmowę, a większość tych czynności nadal wykonuje się ręcznie.

Dlaczego księgowanie nadal odbywa się ręcznie

To, że księgowanie nadal odbywa się ręcznie, wynika w mniejszym stopniu z ograniczeń technologii niż z samych zasad. Każdy płatnik obsługuje pliki inaczej, a zasady zmieniają się zależnie od sytuacji i wyjątku. W rezultacie przypadków brzegowych przybywa szybciej, niż ktokolwiek jest w stanie je opisać. Wiele z tych zasad w ogóle nie zostało spisanych. Są one znane zaledwie kilku doświadczonym pracownikom zajmującym się rozliczeniami, przez co organizacja nie może stosować ich w sposób spójny ani łatwo przekazać ich systemowi. Gdy zasady nie są udokumentowane, rozpatrywanie roszczeń trwa dłużej, można uniknąć niektórych odmów, a przy pierwszym złożeniu roszczenia często udaje się odzyskać mniej, niż powinno.

Co w praktyce robią duże modele językowe

Tradycyjna automatyzacja obsługuje proste, przewidywalne roszczenia, ale nie radzi sobie z pozostałymi. Silnik reguł wykonuje tylko te działania, które ktoś wcześniej w nim zaprogramował. Gdy płatnik po raz pierwszy prześle nieznany mu kod korekty, roszczenie trafia do pracownika do weryfikacji. Płatnicy różnią się na tyle, że znaczna część roszczeń trafia do tej kolejki.

Duży model językowy wypełnia tę lukę, ponieważ analizuje roszczenie tak jak doświadczony pracownik zajmujący się rozliczeniami. Uwzględnia kontekst; ustala, czego dotyczy roszczenie, która zasada płatnika ma zastosowanie i jak obsłużyć wyjątki; a następnie przekazuje je systemowi księgującemu płatność. Model dokonuje oceny, a system za każdym razem księguje płatność w ten sam sposób.

Co stworzyliśmy

Marlabs stworzyła system, który realizuje właśnie ten proces na potrzeby firmy zajmującej się rozliczeniami medycznymi i obsługującej płatności dla świadczeniodawców usług ratownictwa medycznego w Ameryce Północnej. Firma przetwarza około 85 000 płatności miesięcznie, a zarówno ich liczba, jak i złożoność wymagań płatników przerosły możliwości zespołu, który nie był w stanie nadążyć za pracą nawet przy zwiększaniu zatrudnienia.

Najważniejsze było to, jak system radził sobie z zasadami, których firma wcześniej nie spisała. Zamiast zasilać go podręcznikiem zasad płatników, którego firma nie miała, pozwoliliśmy sztucznej inteligencji uczyć się na podstawie sposobu pracy osób zajmujących się rozliczeniami oraz płatności otrzymywanych od płatników. System proponował zasady, testował je na rzeczywistych wynikach i dostosowywał je tak, by osiągnąć najważniejszy dla firmy cel: odzyskać przy pierwszym złożeniu roszczenia większą część kwoty należnej od ubezpieczyciela, zamiast dopiero po kolejnych odwołaniach. Wiedza, którą dysponowało zaledwie kilka osób, stała się zbiorem zasad, które firma mogła wreszcie przeanalizować i udoskonalić.

Każde roszczenie weryfikuje człowiek

Każde roszczenie nadal trafia do człowieka, zanim zostanie ostatecznie zatwierdzone. System księguje roszczenie i pokazuje, jak do tego doszedł, dzięki czemu osoba weryfikująca może sprawdzić, co sztuczna inteligencja zrobiła z prostym roszczeniem, i zatwierdzić je w kilka sekund. Gdy sztuczna inteligencja nie ma pewności albo konieczna była interwencja pracownika zajmującego się rozliczeniami, do roszczenia dołączone jest jasne wyjaśnienie, co wzbudziło wątpliwości i jakie działanie zaleca system. W takich przypadkach sztuczna inteligencja przyspiesza weryfikację, a odpowiedzialność za każde roszczenie pozostaje tam, gdzie jej miejsce: po stronie ludzi i firmy.

Wyniki

To właśnie te decyzje projektowe, a nie sama technologia, przyniosły rezultaty. Firma automatycznie księguje teraz około 85 procent płatności, dzięki czemu jej zespół może poświęcać czas na roszczenia, które rzeczywiście wymagają oceny. Liczba błędów przy księgowaniu spadła o 95 procent, a uzgadnianie danych między systemami przebiega sprawniej. Zespół szybciej rozpatruje odmowy dotyczące poszczególnych płatników i po raz pierwszy może śledzić wyjątki oraz sposób ich rozstrzygania na bieżąco. Ponieważ zaprojektowaliśmy rozwiązanie tak, by można je było skalować z uwzględnieniem wymogów zgodności każdego płatnika, wzrost liczby płatności nie wymusza już zwiększania zatrudnienia.

Co to oznacza dla osób zarządzających cyklem rozliczeń

• Zacznij od zadań o dużej skali, opartych na określonych regułach, takich jak księgowanie płatności. Jeśli zasady są już udokumentowane, skorzystaj z nich. Jeśli nie, potraktuj to jako szansę i pozwól sztucznej inteligencji je odkryć oraz przetestować na podstawie rzeczywistych płatności otrzymywanych od płatników.
• Zaangażuj człowieka w weryfikację każdego roszczenia, nie tylko wyjątków, i zadbaj o to, by sztuczna inteligencja pokazywała, jak doszła do wyniku. Dzięki temu zatwierdzenie prostego roszczenia zajmie zaledwie kilka sekund.
• Wymagaj, by sztuczna inteligencja wyjaśniała każdy wyjątek. Oznaczenie problemu bez podania przyczyny jedynie przenosi wąskie gardło z księgowania do weryfikacji.
• Od samego początku zapewnij wgląd w działanie systemu w czasie rzeczywistym, aby kierownictwo mogło obserwować jego skuteczność i podejmować decyzje na podstawie danych z pełnym przekonaniem.

Księgowanie płatności to jeden z najbardziej oczywistych obszarów, od których warto zacząć, ponieważ w grę wchodzą duże kwoty, a zwrot z inwestycji widać bezpośrednio w uzyskanych wpływach. Rzetelne odwzorowanie procesu, nauczenie systemu zasad, których organizacja nigdy nie spisała, oraz pozostawienie ludziom kontroli nad każdym roszczeniem pozwala uzyskać wymierne, konkretne rezultaty. Dzięki takiemu podejściu księgowanie płatności przestaje być uporczywym ręcznym wąskim gardłem, a staje się procesem, który można skalować wraz z rozwojem firmy.