Как автоматизация на базе ИИ помогает устранить узкое место при разноске платежей

Здравоохранение десятилетиями переводило платежи с бумажного документооборота в электронный формат. Теперь плательщики отправляют сведения о платежах и отказах в оплате в стандартном файле — формате 835 электронного обмена данными (EDI). Это позволило отказаться от бумажных документов и дало всем участникам общий формат для работы. Однако стандартизация данных сократила объем ручной работы, но не автоматизировала ее. Получить файл в электронном виде — не то же самое, что автоматически разнести платеж. Файл EDI 835 поступает, но сотрудники по-прежнему открывают его, читают коды каждого плательщика, разносят платежи построчно и вручную обрабатывают отказы в оплате.

Такая ручная работа обходится дорого, и затраты продолжают расти. Согласно опросу Experian Health «Состояние страховых требований в 2025 году», 41% медицинских организаций сообщили, что им отказывают как минимум по каждому десятому страховому требованию. По оценке Kodiak Solutions, в 2025 году медицинские организации потеряли из-за отказов в оплате и безнадежной задолженности более 48 млрд долларов — примерно на четверть больше, чем годом ранее. Прежде чем закрыть счет, сотрудники должны разнести и сверить каждый платеж, а также обработать каждый отказ в оплате; большую часть этой работы по-прежнему выполняют вручную.

Почему платежи по-прежнему разносят вручную

Причина, по которой платежи по-прежнему разносят вручную, связана скорее с правилами, чем с технологиями. Каждый плательщик обрабатывает файлы по-своему, а правила меняются в зависимости от ситуации и исключений, поэтому нестандартных случаев становится больше быстрее, чем кто-либо успевает их документировать. Многие правила вообще нигде не записаны. Они хранятся в памяти нескольких опытных специалистов по выставлению счетов, поэтому организация не может применять их последовательно и не может просто передать системе. Если правила не задокументированы, обработка страховых требований занимает больше времени, можно предотвратить не все отказы в оплате, а при первой подаче требования часто удается получить меньше, чем следовало бы.

Что на самом деле делают здесь большие языковые модели

Традиционная автоматизация справляется с простыми, предсказуемыми страховыми требованиями, но на всех остальных дает сбой. Механизм правил выполняет только то, что ему заранее запрограммировали. Если плательщик впервые присылает код корректировки, которого система раньше не встречала, требование передают сотруднику на проверку. Плательщики настолько различаются, что значительная часть требований попадает в эту очередь.

Большая языковая модель устраняет этот пробел, поскольку анализирует страховое требование так же, как опытный специалист по выставлению счетов. Она учитывает контекст, определяет, что представляет собой требование, какое правило плательщика применимо и как обработать исключения, а затем передает его системе для разноски платежа. Модель принимает решение, а система каждый раз одинаково разносит платеж.

Что мы создали

Marlabs создала такую систему для компании, занимающейся медицинскими счетами и обрабатывающей платежи для поставщиков услуг экстренной медицинской помощи по всей Северной Америке. Компания обрабатывает около 85 000 платежей в месяц, и объем работы вместе со сложностью взаимодействия с плательщиками росли быстрее, чем команда могла справляться с ними за счет найма новых сотрудников.

Самым важным было то, как система обрабатывала правила, которые компания не задокументировала. Вместо того чтобы загружать систему справочником правил плательщиков, которого у компании на самом деле не было, мы обучили ИИ на примерах работы специалистов по выставлению счетов и фактически произведенных плательщиками выплат. ИИ предлагал правила, проверял их на реальных результатах и настраивал их, ориентируясь на главную для бизнеса цель: получить при первой подаче больше из суммы, которую готова выплатить страховая компания, а не после нескольких раундов обжалования. Знания, хранившиеся в памяти нескольких сотрудников, превратились в правила, которые компания наконец смогла видеть и совершенствовать.

Каждое требование проверяет сотрудник

Прежде чем обработка любого требования будет завершена, его проверяет сотрудник. Система обрабатывает требование и показывает ход своей работы, поэтому проверяющий может увидеть, что ИИ сделал с простым требованием, и одобрить его за несколько секунд. Если ИИ не уверен в результате или специалисту пришлось вмешаться, система сопровождает требование понятным объяснением: что показалось неправильным и что она рекомендует сделать. В таких случаях ИИ ускоряет проверку, а ответственность за каждое страховое требование остается там, где ей и положено быть: у людей и компании.

Результаты

Результаты обеспечили эти проектные решения, а не одни лишь технологии. Теперь компания автоматически разносит около 85% платежей, благодаря чему команда может уделять время требованиям, действительно требующим профессиональной оценки. Число ошибок при разноске платежей сократилось на 95%, а сверка данных между системами стала точнее. Команда быстрее устраняет отказы в оплате, связанные с конкретными плательщиками, и впервые может отслеживать исключения и их обработку в режиме реального времени. Поскольку мы спроектировали систему так, чтобы ее можно было масштабировать с учетом требований каждого плательщика к соблюдению нормативных требований, рост объема работы больше не требует увеличения штата.

Что это значит для руководителей, отвечающих за цикл получения доходов

• Начните с задач, связанных с большими объемами и четкими правилами, например с разноски платежей. Если правила уже задокументированы, используйте их. Если нет, превратите это в возможность: пусть ИИ выявит правила и проверит их на основе фактических выплат плательщиков.
• Поручайте сотруднику проверять каждое требование, а не только исключения, и настройте ИИ так, чтобы он показывал ход своей работы: тогда одобрение простого требования займет всего несколько секунд.
• Требуйте от ИИ объяснять каждое исключение. Если у пометки нет объяснения, узкое место просто перемещается с разноски платежей на проверку.
• С самого первого дня обеспечьте видимость работы системы в реальном времени, чтобы руководители могли оценивать её эффективность и уверенно принимать решения на основе данных.

Внедрение учёта платежей — один из самых очевидных вариантов для начала: речь идёт о крупных суммах, а результат напрямую отражается на объёме фактически полученных денежных средств. Если достоверно описать процесс, обучить систему правилам, которые организация никогда не фиксировала в документах, и сохранить за людьми контроль над каждой претензией, можно добиться измеримых, ощутимых результатов. При таком подходе учёт платежей перестаёт быть упрямым ручным узким местом и превращается в процесс, который бизнес может масштабировать.