Por Andrew Crook, consultor sênior e John Hillary, chefe de desenvolvimento de novos produtos da Tally, Inc.
Tornou-se um cliché falar sobre IA em termos ofegantes: revolução, transformação, perturbação do mercado de trabalho, mudança que ocorre uma vez numa geração.
Trazida para o ciclo de receitas, esta linguagem pode soar mais como um aviso do que como uma promessa: os CFOs têm razão em não mergulhar cegamente. Existem riscos de conformidade e de segurança da informação, preocupações de que as pistas de auditoria se tornem uma “caixa negra” e levantam questões sobre a qualidade ou quão grave pode ser o impacto das “alucinações” nos processos de recolha.
Alguns líderes presumem que observar os outros agirem primeiro ajudará a melhorar a gestão e os processos. Mas esperar e ver tem as suas consequências –UnitedHealth Group está prestes a investir US$ 1,5 bilhão em IA.
Vimos várias maneiras práticas pelas quais as ferramentas de automação de IA podem ser implementadas de forma segura e produtiva em organizações de fornecedores. Esses princípios orientadores podem ajudá-lo a transformar a IA de assustadora em factível:
- Não se apresse em reduzir o número de funcionários. Os ganhos rápidos estão no uso de ferramentas de automação para potencializar as pessoas e os processos existentes. Este é o conceito de bicicletas tandem e é particularmente adequado para equipas de “ciclistas de rendimento”. Perguntas de longo prazo sobre pessoal, funções e responsabilidades e o formato da sua função financeira exigirão um planejamento mais cuidadoso e não devem ser apressadas. Em uma empresa de dispositivos médicos, a equipe criou centenas de relatórios sobre políticas de pagadores e alterações na tabela de tarifas, mas sempre não conseguiu manter ou cobrir a maioria de seus pagadores. Hoje, em vez de criar, eles revisam, aprovam e atualizam sistemas – atuando em planejamentos e previsões financeiras para as quais nunca tiveram tempo.
- Faça sua lição de casa sobre os riscos e os melhores pontos de partida. Os líderes que mais progridem analisam as etapas do ciclo de receitas e diagnosticam onde estão as oportunidades de melhoria, moderadas por qualquer risco que possa ser irreversível.
Para cada etapa, eles perguntam: quão corrigível seria um erro antes de causar uma perda permanente de receita? O desempenho da IA é um alvo móvel, portanto avalie-o usando benchmarks atuais ou dados de fornecedores, como fizemos no scorecard. Comece onde a prontidão é alta – uma grande oportunidade de melhoria e uma área onde a IA pode ser eficaz, com uma desvantagem administrável se algo der errado.
- Não espere apenas que a IA “aprenda à medida que avança” – em vez disso, considere fornecer seus dados e experiência às ferramentas. Existe uma percepção no mercado de que a IA simplesmente aprende, “entende” e melhora com o tempo. É verdade que os agentes são poderosos e os modelos estão cada vez melhores, mas a realidade é que fornecer à IA o contexto de dados correto é mais importante do que a própria IA. Esta é uma boa notícia para os líderes de MCR – vocês têm os dados e a experiência; só precisa ser dominado. O histórico de reclamações, o desempenho passado com os pagadores, dicas e truques que estão na cabeça das pessoas precisam ser sistematicamente alimentados nas fontes de dados das quais a IA se baseia.
- Explore o significado de “man in the loop” em profundidade. É importante notar que a IA pode ser usada em muitos graus diferentes; não é uma escolha entre 100% humano/manual e 100% IA. Por um lado, os agentes de IA podem ser simplesmente “ferramentas poderosas” que os funcionários da RCM utilizam como impulsionadores da produtividade. Na outra extremidade, eles podem ser construídos para executar tarefas do ciclo de receita de forma autônoma e até mesmo encadeados para executar RCM de ponta a ponta, alcançando o que alguns chamam de RCM “sem contato”. A maioria das organizações não faz a transição de processos manuais para IA da noite para o dia. Em um fornecedor odontológico com quem trabalhamos, Destination Smiles, a AI realiza algumas etapas de RCM e aconselha a equipe sobre o acompanhamento de AR. O CEO vê a velocidade, mas “(caso contrário) você não pode dizer se é IA ou humano porque são ambos, e o processo é praticamente o mesmo”.
“Human in the loop” aparece em praticamente todas as apresentações do RCM AI. Isso poderia significar uma abordagem baseada em inspeção, onde um humano analisa os resultados da IA e observa erros. Um ciclo baseado na produção significa que a equipe humana do RCM faz o trabalho principal no ciclo de receita, com a IA apoiando e aprendendo com suas ações. A diferença de significados tem implicações no cumprimento e no risco de erros.
- Limite as alterações em sistemas legados. Muitas organizações se preocupam com o custo, o tempo e o risco de revisar sistemas legados de PMS e EHR. A boa notícia é que você não precisa destruir sistemas de registro para aproveitar algum poder de processamento da IA para um ciclo de receita. A maioria tem APIs para acesso e write-back, e você pode adicionar revisão humana para garantir que as alterações no sistema de gravação sejam precisas.
