رهبران حوزه بهداشت و درمان، هوش مصنوعی جنرال را متحولکننده عملیات RCM میدانند
اکثریت قریب به اتفاق (85٪) از مدیران ارشد بهداشت و درمان که در یک نظرسنجی شرکت کردند، معتقدند که هوش مصنوعی طی پنج سال آینده کارایی عملیات مدیریت چرخه درآمد (RCM) را بهبود می بخشد. این یافته ها بر اساس نتایج گزارش جدید گروه اورست است که با پشتیبانی Omega Healthcare، با عنوان "تحقق وعده مدیریت چرخه درآمد (RCM) مبتنی بر فناوری و هوش مصنوعی: برون سپاری در عصر جدید" منتشر شده است. این مطالعه نشان می دهد که چگونه ارائه دهندگان خدمات بهداشتی با استفاده از خدمات فناوری مبتنی بر هوش مصنوعی (مانند gen AI و agentic AI) و تغییر به سمت مشارکت های برون سپاری استراتژیک تر، به دنبال رفع چالش ها، بهبود عملکرد مالی و ساده سازی فرآیندهای چرخه درآمد هستند.
آورانگ مهتا، مدیر عامل و بنیانگذار Omega Healthcare، گفت: "امید و وعده هوش مصنوعی، gen AI و agentic AI دیگر فقط تبلیغات نیستند." "در حالی که فناوری مهم است، اما تنها بخشی از معادله است. برای بهره برداری کامل از قدرت هوش مصنوعی، برای ارائه دهندگان خدمات بهداشتی بسیار مهم خواهد بود که با شرکای مناسب همکاری کنند."
تغییر به سمت مشارکت های برون سپاری RCM استراتژیک تر
همزمان با ادامه شتاب سرمایه گذاری های gen AI، بیش از نیمی (51٪) از رهبران بهداشت و درمان مورد بررسی انتظار دارند که بودجه برون سپاری RCM تا سال 2030 افزایش یابد و بر اهمیتی که gen AI در این بخش خواهد داشت تأکید می کنند.
مهتا خاطرنشان کرد: "بیش از هفت نفر از هر 10 (71٪) از مدیران اجرایی بخش بهداشت و درمان مورد بررسی قصد دارند از روابط معاملاتی به مشارکت های استراتژیک تکامل یابند و تقریباً نیمی (49٪) علاقه مند به برون سپاری RCM سرتاسری به یک ارائه دهنده خدمات واحد هستند." "موفقیت بلندمدت با انتخاب شریکی تعریف می شود که بتواند به عنوان یک مشاور مورد اعتماد عمل کند و نه تنها فناوری، بلکه ترکیبی جامع از نوآوری دیجیتال مداوم، تخصص در زمینه بهداشت و درمان، خدمات به عنوان راه حل و برتری عملیاتی و امنیت سایبری اثبات شده را ارائه دهد."
Gen AI: پیشبرد تحول RCM
جالب توجه است که این نظرسنجی نشان داد بیش از نیمی (51٪) از ارائه دهندگان خدمات بهداشتی به طور فعال در حال بررسی gen AI در RCM هستند، به طوری که 22٪ در حال آزمایش ابتکارات اثبات مفهوم و 29٪ در مرحله بررسی، ارزیابی موارد استفاده و چالش های بالقوه هستند. اگرچه میزان پذیرش بر اساس اندازه سازمان متفاوت است، اما اجماع غالب این است که gen AI نقش مهمی در خودکارسازی فرآیندهای دستی، بهبود دقت صورتحساب و کاهش رد ادعاها ایفا خواهد کرد.
ویجایاشری ناتاراجان، معاون ارشد و رئیس بخش فناوری Omega Healthcare، گفت: "به عنوان یک مزیت از سرمایه گذاری های gen AI که ما قبلاً انجام داده ایم، مشتریان ما مجبور به انجام آن نیستند، مشتریان ما در حال حاضر موارد استفاده از gen AI را به کار می گیرند و شاهد نتایج معناداری در سراسر عملکردهای RCM هستند." "پلتفرم Omega Digital، با پشتیبانی راه حل های AI/gen AI/agentic AI، به بهبود نتایج تجاری برای مشتریان ما کمک می کند، مانند بهبود ~20-25٪ در وصولی ها. کاهش ~ 25-30٪ در AR مسن؛ و بهبود ~ 30-35٪ در تاخیر شارژ."
پنج مورد برتر استفاده از Gen AI
پنج مورد برتر استفاده از gen AI رهبران RCM عبارتند از: تأیید صلاحیت و مزایای در زمان واقعی؛ تجزیه و تحلیل داده های ادعا و تشخیص الگو برای جلوگیری از رد شدن در آینده؛ چت بات های Gen AI برای پاسخگویی به سوالات بیماران (صورتحساب، پرداخت، زمانبندی) و بهبود تجربه؛ بهبود مستندات از طریق نوشتن هوش مصنوعی؛ و تولید داده های مصنوعی و کدگذاری پزشکی خودکار از اسناد بالینی.
موانع پذیرش
چالش های عمده برای پذیرش gen AI در RCM شامل کمبود تخصص داخلی است، به طوری که حدود 80٪ از مدیران اجرایی آن را به عنوان یک مانع کلیدی ذکر می کنند و موانعی برای ادغام با سیستم های موجود سوابق الکترونیکی سلامت وجود دارد. علاوه بر این، 46٪ از پاسخ دهندگان به نظرسنجی gen AI را یک اولویت بالا می دانند اما منتظر شفافیت نظارتی قبل از تعهد به سرمایه گذاری های بزرگ هستند.
اولویت های سرمایه گذاری آینده
چالش های نوظهور RCM، از جمله نیاز به ردیابی ادعاهای در زمان واقعی، انتقال به مدل های مراقبت مبتنی بر ارزش و افزایش نظارت و انطباق نظارتی نیز بر تصمیمات سرمایه گذاری تأثیر می گذارد.
با نگاهی به آینده، رهبران RCM امنیت سایبری، همکاری پرداخت کنندگان و اتوماسیون مبتنی بر هوش مصنوعی را در اولویت قرار می دهند:
- امنیت سایبری: 63٪ از پاسخ دهندگان امنیت سایبری را به عنوان اولویت اصلی سرمایه گذاری در سال 2025 شناسایی کردند و بر نیاز به حفاظت قوی در برابر نقض داده ها و حملات باج افزار تأکید کردند.
- همکاری پرداخت کننده: بهبود هماهنگی ارائه دهنده و پرداخت کننده به عنوان یک استراتژی کلیدی برای کاهش تأخیر در بازپرداخت و بهبود نتایج بیمار دیده می شود.
- هوش مصنوعی و اتوماسیون: تا سال 2030، انتظار می رود سرمایه گذاری های AI/ML اولویت اصلی رهبران RCM باشد و 66٪ از پاسخ دهندگان آن را یک حوزه با اولویت بالا می دانند.