Практическая реальность агентского ИИ в управлении циклом доходов здравоохранения

Цикл доходов продолжает собирать обещания. RPA должен был изменить все. Так же и NLP. Затем генеративный ИИ полностью изменил разговор. Теперь это агентский ИИ, и разница в этот раз заключается в том, что часть этого действительно работает.

Не все. Не даже большинство. Но достаточно работает в производственной среде, чтобы сделать этот момент действительно khácным от того, что было раньше.

Что на самом деле означает действие

Существует версия “агентского ИИ”, которая используется в презентациях продукта для описания любого ИИ, который делает больше одного действия. Эта версия не стоит обсуждать.

Настоящий ИИ-агент не ждет, пока кто-то интерпретирует его вывод и решит, что делать дальше. Он читает клиническую заметку, определяет отсутствующую авторизацию, проходит по порталу плательщика, отправляет запрос. Если запрос возвращается с отказом, он извлекает соответствующую документацию, создает апелляцию, направляет ее соответствующим образом. Никаких тикетов не открывается. Никакой очереди. Никакой сотрудник не кликает через шесть экранов, чтобы добраться туда.

В УЦ это имеет значение по конкретной причине. Работа глубоко нелинейна. Запрос предварительной авторизации может затронуть четыре разных системы до разрешения. Требования плательщиков меняются. Качество документации варьируется по поставщикам, специальностям и неделям. Система, которая только следует фиксированному сценарию, не выдержит в этой среде долго.

Где результаты действительно появляются

Предварительная авторизация возникает первой в几乎 каждом честном разговоре об этом, и причина этому структурная. Это одна из самых документоемких, правилонаполненных задач в цикле. Опрос врачей Американской медицинской ассоциации 2024 года о предварительной авторизации показал, что 27% врачей сообщают, что их запросы на предварительную авторизацию часто или всегда отклоняются, и врачи заполняют в среднем 39 предварительных авторизаций в неделю, каждая из которых отнимает время直接 от ухода за пациентами. Это не клиническая неудача. Это неудача документации и потока работы, которая является именно той проблемой, для решения которой предназначены агентские системы.

Агенты проверяют право на получение, сопоставляют клиническую документацию с критериями плательщиков, отслеживают статус отправки, выявляют отсутствующую информацию до того, как человеческий рецензент должен вмешаться. Структура задачи подходит им. Повторяющееся сбор информации, предсказуемые правила сопоставления, ясные конечные состояния.

Продвинутая очистка претензий также показывает подобную трекцию. Вместо того, чтобы гоняться за отказами после отклонения, агенты запускают предварительные аудиты, которые обнаруживают ошибки кодирования, пробелы в документации и несоответствия авторизации до того, как что-либо достигнет плательщика. Согласно исследованию HFMA сентября 2025 года среди 272 руководителей здравоохранения, организации, которые развернули ИИ и автоматизацию в цикле доходов, сообщают о измеримых сокращениях количества ошибок в претензиях и более быстрых сроках возмещения как о двух основных результатах. Такого рода коррекция на уровне потока – это то место, где происходит много реального финансового восстановления.

Честная картина

Опрос HFMA-FinThrive от мая 2025 года показал, что 63% организаций здравоохранения уже используют ИИ и автоматизацию где-то в своем цикле доходов. Это звучит как реальный импульс. И это так, с астериском.

“Некоторая форма ИИ” может охватывать много земли. Для многих организаций это означает ограниченного агента, обрабатывающего одну конкретную задачу, обычно предварительную авторизацию или апелляции по отказам, в одном углу цикла. Это законное начало. Но разрыв между этим и многоагентским потоком, охватывающим право на получение, кодирование, претензии и примирение с конца в конец, не является небольшим разрывом. Как исследовалось в Пересмотре модернизации цикла доходов в эпоху ИИ, структурные барьеры для полной трансформации цикла доходов уходят глубже, чем большинство технологических дорожных карт признают.

Большинство разговоров поставщиков быстро обходят этот разрыв. Полностью бесконтактный цикл доходов – это разумное направление, к которому можно стремиться. Это просто не то место, где большинство организаций находятся сейчас, и отношение к этому как к достижимому в ближайшем будущем tends создает проблемы во время развертывания.

Почему пилоты застревают

Агентский ИИ редко терпит неудачу во время тестирования. Пилоты почти всегда выглядят перспективно. Случай использования узок, данные достаточно чисты, и кто-то внимательно следит за тем, что делает агент.

Производство отличается. Правила плательщиков меняются без уведомления. Качество документации EHR меняется по отделениям, поставщикам и специальностям. Случаи на границе умножаются быстрее, чем ожидалось. Когда никто не разработал четкий путь эскалации для случаев, когда агент сталкивается с чем-то вне его сферы действия, поток либо застревает, либо продолжает движение с ошибками, которые требуют недель, чтобы обнаружить.

Масштабирование от пилота к производству – это фундаментально другая проблема, чем сделать пилот работать. Организации, которые рассматривают их как одну и ту же проблему, обычно обнаруживают это во время развертывания, а не до этого. Это одна из причин, почему более широкий ландшафт внедрения ИИ борется с неудачами в производстве далеко за пределами здравоохранения.

Проблема инфраструктуры

Агентский ИИ работает хорошо, когда он имеет чистые, последовательные, связанные данные для работы. Этот квалификатор более значим, чем звучит.

Большинство средних и крупных систем здравоохранения работают в фрагментированных средах EHR с неоднозначными определениями полей на платформах, порталах плательщиков с разными правилами доступа и качеством документации, варьирующимся по специальностям и отдельным поставщикам. Это не случаи на границе. Это стандартная операционная среда. Вызов тесно связан с более широким шаблоном накопленного технического и структурного долга, который формировал, как системы здравоохранения реагируют на новые требования ИИ.

Сложные данные не всегда вызывают очевидные неудачи. Чаще агенты начинают эскалировать исключения, которые они не должны флагировать, и выводы выглядят правильными на поверхности, при этом тихо несущие ошибки, которые требуют недель, чтобы обнаружить. Технология, в большинстве этих случаев, делает именно то, для чего она была разработана. То, что не выдерживает, – это инфраструктура, на которой она сидит.

Получение этого слоя правильно до масштабирования агентов – это негламурная часть этой работы, и также часть, которая не получает достаточно внимания в дорожных картах поставщиков.

Что меняется, когда это действительно работает

Опрос Американской медицинской ассоциации 2024 года о предварительной авторизации рассказывает часть этой истории четко: 93% врачей говорят, что предварительная авторизация негативно влияет на результаты лечения пациентов, и 94% говорят, что она задерживает доступ к необходимой помощи. Когда агенты поглощают эту документацию и бремя подачи, клинический персонал получает измеримое время. Аргумент в пользу агентского ИИ в УЦ не только о стоимости за претензию. Это также о том, куда фактически идет время персонала, и является ли это устойчивым.

Организации, которые продвигаются дальше с этим, не обязательно являются теми, у которых есть самые крупные технологические бюджеты. Они, как правило, являются теми, кто начал с узкого круга, встроил человеческий надзор в поток с первого дня и провел первые месяцы в производстве, учась тому, что агент сделал неправильно, а не только празднуя то, что он сделал правильно. Медленнее, чем звучит. Также более прочное.

Куда это идет

Отчет HFMA марта 2026 года о марже здравоохранения и инвестициях в ИИ отметил, что лидеры цикла доходов переходят от исследовательских пилотов к активным инвестициям в ИИ как основной рычаг для защиты маржи в ближайшие месяцы 2026 года. Это не спекулятивно. Это уже принятые бюджетные решения.

Что менее решено, так это то, как производство в масштабе на самом деле выглядит, когда фрагментация EHR реальна, правила плательщиков продолжают меняться, и модели рабочей силы еще не полностью адаптировались к тому, что автономные агенты меняют в работе. Следующие 18 месяцев ответят на больше вопросов, чем предыдущие три года вместе. Стоит внимательно следить за этим.