英格·希万蒂是Droidal的首席执行官，Droidal是一家专注于人工智能的医疗保健技术公司。他领导了应用人工智能解决方案的开发，包括大型语言模型和人工智能代理，这些解决方案旨在改善医疗保健收入和运营决策。他的工作重点是将人工智能集成到复杂的医疗保健环境中，注重负责任和实用的实施。
医疗保健领导者越来越依赖人工智能来降低成本、减少临床医生倦怠、加快运营速度。然而，太多的人工智能试点项目仅能提供令人印象深刻的演示，但对实际运营影响有限。真正的区别在于不是模型本身，而是该人工智能是否被嵌入到已经主导员工时间的工作流程中。在实践中，人工智能仅在支持连接的工作流程、互操作系统和明确的人类监督时，才能在规模上改善结果。当这些部分协同工作时，人工智能不再是一种新奇事物，而是开始像运营基础设施一样运行。为什么医疗保健中的孤立人工智能工具会停滞人工智能采用的常见模式是将每个用例视为一个独立的项目。一个模型可能会总结临床笔记、草拟先前授权包或分类传入病例，但它存在于主要的电子健康记录或管理工作流之外。当这种情况发生时，员工仍然需要手动复制数据、调和标志和导航异常，这意味着负担被转移，而不是被消除。这就是为什么人工智能实施可能会低于预期的原因之一。2024年对医疗成像中人工智能的系统性审查和meta分析发现，虽然许多研究报告了时间节省，但总体证据并没有显示自动效率增益，表明人工智能的实际影响在很大程度上取决于它如何融入临床工作流程。因此，医疗保健领导者应该问一个简单的运营问题：人工智能工具是否减少了工作中的步骤，还是只是在旧过程上添加了一个新层？如果工作流程仍然是碎片化的，答案通常是后者。互操作性是使人工智能在实践中有用的东西人工智能无法改善它无法看到的过程。这就是为什么互操作性在人工智能中不是一个旁注问题，而是决定人工智能如何运行的运营条件。当系统清晰地交换数据时，人工智能可以在正确的时间表面信息、标记缺失的字段并支持决策，而不强迫员工重新输入或重新检查信息。世界卫生组织将数字健康基础设施视为依赖于标准、数据共享和支持跨护理环境更好决策的连接系统。在这种观点中，互操作性不是一个技术上的事后思考；它是人工智能驱动工作流程的核心使能器。在美国背景下，CMS互操作性和先期授权最终规则将这一理念推入政策，通过要求改善健康信息交换来减少先期授权和其他行政流程中的摩擦。该规则表明，互操作性不再是可选的；它正在成为人工智能在索赔和护理协调中运行的基线要求。工作流程协调在哪里带来最大的收益医疗保健中最令人信服的人工智能用例往往是那些从高频、重复任务中去除摩擦的用例。例如，先期授权、文档支持、索赔审查、患者接收、护理协调和决策支持。在每种情况下，好处不仅仅是速度，还包括更低的返工和更少的下游错误，一个在医疗保健收入周期管理中使用类似代理的系统来重塑支付者面向收入周期工作流程的模式越来越明显。美国医院协会指出，人工智能越来越被用于优化临床工作流程和通过支持临床和行政任务来改善患者体验。关键见解是，当人工智能集成到人们工作的方式时，改进开始出现在吞吐量、准确性和满意度中。可靠性比模型演示更重要医疗保健组织自然而然地被模型演示所吸引：在幻灯片上具有高准确率的总结、预测或分类系统可能会带来变革。但是，真正的运营并不是演示。它们包括边缘情况、缺失数据、员工流动和不断变化的要求。在这种环境中，可靠性比视觉效果更重要。这就是为什么仅仅可观察性是不够的。知道事后发生了什么有助于事后总结，但它并不能防止重复的故障。一个可靠的人工智能系统必须表现出可预测的行为，适当地升级异常，并适应组织现有的治理模型以应对变化和风险。在医疗保健中，小的工作流错误可能会产生连锁反应。授权工作流中缺失的字段可能会延迟治疗。时机不当的建议可能会在错误的时刻打断临床医生。弱的升级路径可能会让员工疑惑什么是值得信任的。人工智能应该减少模糊性，而不是制造新的模糊性形式。什么是成功实施的真正要求成功的人工智能实施通常从工作流设计开始，而不是从模型开始。团队需要在部署任何东西之前定义业务问题、决策点、数据源和所涉及的人类角色。如果这些基本问题不清楚，技术不会弥补过程不清晰的缺陷。范围纪律也至关重要。最有效的部署通常做一两件事很好。它们可能会在案件被路由之前识别缺失的信息、总结图表以供审查或在某些内容超出预期模式时触发异常警报。尝试过早地自动化太多内容通常会产生比价值更大的复杂性。哈佛医学院指出，人工智能可以在实践中减少临床医生的日常负担并提高效率，当人工智能被“深思熟虑地”使用时。关键短语是“深思熟虑地使用”：这意味着培训员工、定义覆盖范围、跟踪结果并确保人工智能适应工作，而不是强迫工作适应人工智能。医疗保健人工智能在流程连接时效果更佳医疗保健中最持久的人工智能收益来自连接的流程，而不是孤立的工具。当数据流动顺畅、审查按正确的顺序进行、异常以一致的方式处理时，人工智能可以通过减少手动努力来支持更好的决策。当这些条件缺失时，技术可能仍然看起来先进，但工作流程仍然缓慢和碎片化。这就是为什么人工智能应该在系统级别进行衡量。领导者应该超越模型准确性，询问流程是否变得更容易执行、更容易监督和更容易扩展。真正的测试不是人工智能是否可以独立完成单个任务，而是整个工作流程是否由于人工智能的存在而变得更加可靠。医疗保健中连接人工智能的真正价值人工智能在支持完整的工作链时效果最佳，而不是单个孤立的动作。这意味着链接系统、阐明所有权、紧密的交接和在人类判断最重要的地方保持人类的参与。当工作流程协同工作时，人工智能变得更加可靠、更有用和更可扩展。人工智能的未来不会由谁拥有最先进的模型决定。它将由谁能够设计围绕模型的工作流程来决定，以便它能够带来一致的、可衡量的效率、准确性和体验的改善。在像医疗保健这样复杂的、高风险的行业中，这可能是人工智能停留在试点阶段和成为医疗服务提供方式的一部分之间的区别。
收入周期一直在收集承诺。机器人流程自动化（RPA）曾经被认为会改变一切。自然语言处理（NLP）也是如此。然后，生成式人工智能完全改变了对话。现在，代理人式人工智能（Agentic AI）已经成为焦点，这次的不同之处在于其中一些已经开始实际应用。并非所有的代理人式人工智能都能实际应用。甚至大部分都没有。但是，有足够多的应用已经在生产环境中运行，这使得这一刻与之前的不同。代理人式人工智能的真正含义有一种“代理人式人工智能”的说法被用在产品演示中，描述任何可以执行多个任务的人工智能。这一说法并没有什么价值。真正的代理人式人工智能不会等待有人解释其输出并决定下一步该做什么。它可以读取临床笔记，识别缺失的授权，导航到支付方的门户，提交请求。如果请求被拒绝，它会拉取相关文档，建立上诉，适当地路由。无需开启票据，无需队列，无需工作人员点击六个屏幕才能到达那里。在收入周期管理（RCM）中，这很重要，因为工作深度非线性。一个预授权请求可能会涉及四个不同的系统才能解决。支付方的要求会变化。文档质量会根据提供者、专业和周而变化。仅遵循固定脚本的系统在这种环境中不会长久。代理人式人工智能的实际应用预授权是几乎每次关于代理人式人工智能的诚实对话中的第一个话题，原因在于其结构。它是收入周期中最耗时、规则最多的任务之一。美国医师协会（AMA）2024年的预授权医师调查发现，27%的医师报告说他们的预授权请求经常或总是被拒绝，医师每周平均完成39个预授权，每一个都直接占用了患者护理的时间。这不是临床失败，而是文档和工作流程失败，这正是代理人式系统所要解决的问题。代理人验证资格，映射临床文档到支付方标准，跟踪提交状态，表面显示缺失信息在人类审查者介入之前。任务结构适合代理人。重复信息收集，可预测的匹配规则，明确的最终状态。主动索赔清理也显示出类似的牵引力。代理人在提交之前运行预提交审计，捕获编码错误、文档差距和授权不匹配。在美国医疗财务管理协会（HFMA）2025年9月对272名医疗保健高管的调查中，已经在收入周期中部署人工智能和自动化的组织报告说，他们的索赔错误率和报销时间线都有了显著的改善。这类上游纠正是真正的财务恢复发生的地方。代理人式人工智能的真实图景HFMA-FinThrive 2025年5月的一项调查发现，63%的医疗保健组织已经在其收入周期的某个地方使用人工智能和自动化。这听起来像真正的动力。然而，这也带有一个附加条件。“某种形式的人工智能”可以涵盖很多领域。对于许多组织来说，这意味着一个范围内的代理人处理特定任务，通常是预授权或拒绝上诉。在收入周期的一个角落。这是一个合理的起点。但是，从那里到多代理人工作流程，涵盖资格、编码、索赔和整理等整个过程的差距并不是小的。正如在《代理人式人工智能时代的收入周期现代化重思》中所探讨的，结构性障碍比大多数技术路线图承认的更深刻。大多数供应商对话很快就会跳过这个差距。完全无人值守的收入周期是一个合理的方向。但这并不是大多数组织目前的状态，将其视为近期可实现的目标往往会在部署期间制造问题。为什么试点项目会失败代理人式人工智能很少在测试中失败。试点项目几乎总是看起来很有希望。用例很窄，数据相对干净，总有人密切关注代理人做什么。生产环境则不同。支付方规则会无预警变化。电子健康记录（EHR）文档质量会根据部门、提供者和专业而变化。边缘情况会比预期更快地增加。当没有人设计明确的升级路径来处理代理人超出其范围的内容时，工作流程会停滞或继续运行，错误会在几周后浮现。从试点到生产的扩展是一个与试点项目本身不同的问题。将它们视为同一个问题的组织通常会在部署期间发现这一点，而不是在此之前。这也是为什么更广泛的人工智能采用景观在医疗保健之外苦于生产失败。基础设施问题代理人式人工智能在拥有干净、连贯、相互连接的数据时运行良好。这个限定条件比听起来更重要。大多数中型至大型医疗系统运行着碎片化的EHR环境，跨平台具有不一致的字段定义，不同的支付方门户具有不同的访问规则，文档质量会根据专业和个人提供者而变化。这不是边缘情况。这是标准操作环境。这个挑战与医疗系统如何应对新的人工智能需求的更广泛模式密切相关，这种模式受到技术和结构性债务的影响。杂乱的数据并不总是导致明显的故障。更常见的是，代理人开始升级不应该标记的异常，输出看起来在表面上是正确的，但实际上带有需要几周时间才能浮现的错误。技术在大多数情况下都在按照设计做它应该做的事情。不能坚持下去的是它所依赖的基础设施。在扩展代理人之前，正确构建这一层是这项工作中不那么光鲜的部分，也是供应商路线图中经常被忽视的部分。代理人式人工智能真正发挥作用时会发生什么变化AMA的2024年预授权医师调查清楚地表明：93%的医师说预授权对患者结果产生了负面影响，94%的医师说预授权延迟了必要的护理。当代理人吸收了文档和提交的负担时，临床人员获得了可衡量的时间。代理人式人工智能在RCM中的理由不仅仅是每次索赔的成本，还包括工作人员的时间实际上花在哪里，以及这种情况是否可持续。那些在这方面进展最远的组织并不一定是拥有最大的技术预算的组织。它们往往是那些从狭窄的范围开始、从第一天就将人类监督融入工作流程、并在生产的前几个月里从代理人错误中学习而不是仅仅庆祝代理人正确做了什么的组织。比推销更慢。也更有韧性。代理人式人工智能的未来方向HFMA 2026年3月关于医疗保健利润和人工智能投资的报告指出，收入周期领导者正在从探索性试点转向人工智能的积极投资，以保护利润率进入2026年下半年。这不是推测性的。这是已经做出的预算决策。尚未解决的是，当电子健康记录碎片化、支付方规则不断变化、工作人员模型尚未完全适应代理人式人工智能改变工作的本质时，生产规模上的应用实际上是什么样子。接下来的18个月将比过去三年回答更多这样的问题。值得密切关注。
医疗保健领域的收入循环现代化通常由速度来定义。医院和医疗系统投资于能够减少手动输入、改善资格验证和加快计费周期的系统。这些变化是实用和必要的。在许多组织中，它们减少了积压并改善了对现金流的可见性。然而，随着时间的推移，人们逐渐意识到，仅仅依靠效率并不能带来稳定性。通过内部检查的索赔仍可能被拒绝。文档可能满足编码标准，但未能满足支付者的医疗必要性解释。授权时间可能与政策语言保持一致，但触发额外的审查。这些情况并非罕见，它们是收入运营的日常现实的一部分。大多数计费系统都是为确认规则是否被遵守而设计的。它们并不是为评估索赔在提交后可能遇到的阻力而设计的。随着报销条件变得更加复杂，这个局限性变得更加明显。当验证不够时基于规则的系统仍然是必不可少的。必填字段必须完整。代码必须正确对齐。支付者要求仍需要在索赔审查期间正确应用。没有这些保障，基本的合规性很快就会崩溃。挑战出现在技术上正确但上下文脆弱的案例中。拒绝趋势往往反映出模式而不是单个错误。特定的文档短语、重复的时间序列或微妙的合同条件可能会影响报销结果。这些因素相互作用，通常比明显的计费错误更难发现。斯坦福人工智能指数指出，更多的行业正在转向预测工具，当决策依赖于不断变化的条件和不完整的信息时。医疗保健报销符合这一描述。结果受到历史、解释和支付者行为的影响，而不仅仅是书面政策。认识到这一点改变了目标。问题从询问索赔是否正确转变为询问索赔可能产生的阻力有多大。为收入决策添加视角将预测分析引入收入系统并不消除现有的检查。它添加了视角。历史拒绝模式、支付者行为、文档变异和上诉结果可以一起审查以估计风险。在实践中，这使得团队能够更有效地分配注意力。看起来更容易受到影响的索赔可以在提交之前进行审查。随着风险模式变得更加明显，团队可以更早地调整文档，并将上诉努力集中在可能带来更大财务影响的索赔上。随着时间的推移，结果会告知未来的评估。随着支付者解释的变化，系统会进行调整。这使得收入管理变得不那么被动。文档和财务后果临床文档以超出编码字段的方式影响报销，因为即使在叙述细节方面的微小差异也会影响最终的医疗必要性解释。当文档分析直接连接到报销模式时，重复出现的风险指标变得更容易识别。这并不消除人工审查。它通过提供对可能不为人注意的模式的更广泛的可见性来支持人工审查。好处不仅仅是自动化，而是改进的洞察力。数据一致性的重要性收入运营通常跨越多个平台，这些平台最初并不是为一个系统而设计的。电子健康记录、计费软件、合同数据库和支付者门户可能以不同的方式存储信息。拒绝类别可能在各个部门之间有所不同。上诉结果可能不会始终反馈到分析中。世界卫生组织强调了可互操作性作为长期数字进步的基础。没有一致的数据标准，分析工具会随着时间的推移而失去可靠性。提高数据一致性可能看起来并不那么引人注目，但它通常决定了预测工具是否保持准确和有用。日常实践中的监督由于收入运营影响了财务结果和监管风险，因此在此环境中引入的分析工具必须得到明确和持续的监督。NIST人工智能风险管理框架强调了在高级系统中透明度、监控和问责制的重要性。在收入运营中，这转化为可理解的风险指标、定期的绩效审查和当报销模式发生变化时的记录调整。团队更愿意依赖他们理解的工具。监督加强了信任并支持合规性。渐进式变化而非突然转变从工作流自动化到预测评估的转变很少会一次性完成。许多组织从关注有限的拒绝类别或支付者群体开始。随着结果变得更加明显，集成会扩展。医疗保健财务管理协会报告称，拒绝复杂性正在增加，整个医疗服务提供者组织的财务压力也在增加。在这些条件下，能够预测变化的系统比仅在中断发生后做出反应的系统提供了更大的稳定性。收入循环现代化在过去的监管和支付者变化中已经发生了变化。当前阶段反映了对理解可能性重要性的认识，这与确认合规性同样重要。结论在收入管理中，提高效率仍然很重要，但它不再是现代化的唯一定义。报销环境受到解释、行为和变化的影响。仅设计为验证规则的系统可能难以预测中断。开始关注预测模式、文档细节和数据一致性的组织通常会注意到，他们可以更早地识别报销压力。在收入循环管理中，分析往往在锐化判断而不仅仅是加快流程步骤时最有价值。随着报销条件继续演变，快速处理和更强的决策之间的差异变得越来越有意义。
