Keuntungan:
- Memahami tahapan siklus pendapatan (pencatatan, pengkodean, pembuatan faktur, penggantian biaya, pengumpulan) dan di mana kecerdasan buatan menghasilkan draf/pemeriksaan di setiap tahap
- Kemampuan untuk mengklasifikasikan SSI/penolakan pembayaran dengan dukungan kecerdasan buatan dan menghasilkan akar permasalahan dan draf keberatan
- Memahami bahwa kepatuhan terhadap peraturan dan persetujuan akhir dalam pembuatan faktur dan pengkodean adalah milik ahli yang berwenang, dan risiko kecerdasan buatan menyarankan kode palsu
Sekalipun sebuah rumah sakit menyembuhkan pasiennya, rumah sakit tersebut tidak akan mampu bertahan secara finansial jika rumah sakit tersebut tidak dapat melakukan penagihan dengan benar dan tepat waktu atas layanan yang diberikannya. Keseluruhan aliran uang ini disebut siklus pendapatan: ini adalah proses keuangan yang dimulai dari pendaftaran pasien, pengkodean layanan, penagihan, penggantian biaya oleh lembaga (kebanyakan SGK - Lembaga Jaminan Sosial di Türkiye) dan berlanjut hingga pengumpulan. Hal yang paling menjengkelkan dari siklus ini adalah penolakan: SSI menolak membayar faktur karena menganggapnya tidak lengkap/salah. Penolakan berarti tidak bisa mendapatkan bayaran untuk pekerjaan yang dilakukan. Dalam unit ini kami akan menggunakan kecerdasan buatan sebagai alat kontrol dan penyusunan di setiap tahap siklus pendapatan. Namun batasan terberat berlaku di sini: Penagihan dan pengkodean diatur; AI dapat dengan lancar mengadaptasi kode yang tidak valid. Persetujuan akhir atas setiap kode dan keberatan terletak pada ahli yang berwenang.
Tahapan siklus pendapatan
Mari kita bagi siklusnya menjadi lima tahap. Registrasi adalah memasukkan informasi pasien dan asuransi dengan benar ke dalam sistem; kesalahan di sini (tipe sekring salah) diteruskan hingga akhir. Pengkodean adalah penerjemahan layanan yang diberikan ke dalam kode transaksi resmi (SUT - Kode Komunike Praktik Kesehatan di Türkiye). Faktur adalah transmisi layanan berkode ke lembaga penggantian sebagai faktur. Penggantian biaya adalah fase di mana institusi meninjau dan membayar (atau menolak) faktur. Penagihan adalah penerimaan uang yang sebenarnya. Penolakan sebagian besar disebabkan oleh kesalahan pada tahap pengkodean dan penagihan: dokumen hilang, prosedur diagnosis tidak sesuai, registrasi duplikat, pelanggaran aturan SUT.
Di manakah manfaat AI dalam siklus ini? Memeriksa bidang yang hilang dalam catatan; Dalam pengkodean, kemungkinan saran kode (harus diverifikasi); Dalam pra-kontrol kepatuhan penagihan; Dalam analisis penolakan, mengklasifikasikan penolakan, mencari akar permasalahan, dan menyusun permohonan keberatan. Dimana tidak berfungsi? Dalam memutuskan dengan tepat apa kode yang valid - karena hanya SUT saat ini dan pakar yang mengetahui hal ini.
Penting untuk membedakan dua jangka waktu yang berbeda dalam manajemen penolakan. Yang pertama adalah kerja reaktif: menganalisis penolakan dan menolak pihak yang benar, yaitu berusaha mendapatkan kembali kerugian tersebut. Kedua, dan yang lebih berharga, adalah upaya preventif: menemukan akar penyebab penolakan dan mengubah proses untuk memastikan penolakan tidak terjadi lagi. Kebanyakan institusi menghabiskan seluruh energinya untuk menolak; sedangkan jika Anda mendapat penolakan berulang kali karena alasan yang sama dari bulan ke bulan, keberatan tersebut hanyalah mengosongkan ember dengan sendok — tugas sebenarnya adalah mematikan keran. AI bermanfaat dalam kedua aspek: di sisi reaktif, AI mempercepat penyusunan keberatan, di sisi preventif, AI membuat pola penolakan dan akar permasalahan terlihat. Namun menerapkan perubahan preventif (checklist, pelatihan coding, system warning) di lapangan dan mematuhi peraturan perundang-undangan adalah pekerjaan manusia.
Langkah demi langkah: Analisis penolakan dengan AI
- Kumpulkan penolakan secara anonim. Urutan anonim, kode/alasan penolakan, grup transaksi, jumlah, bukan nomor faktur. Tidak ada ID pasien.
- Menggolongkan. Minta AI untuk mengelompokkan penolakan berdasarkan alasannya: dokumen hilang, ketidakcocokan tindakan diagnosis, aturan SUT, duplikat.
- Keluaran Pareto. Kebanyakan penolakan biasanya datang karena beberapa alasan (80/20). Alasan manakah yang membuat Anda kehilangan uang paling banyak?
- Temukan akar permasalahannya. Untuk kelompok penolakan terbesar, periksa pertanyaan “mengapa” dengan metode 5 Mengapa.
- Tindakan pencegahan + rancangan keberatan. Merekomendasikan perubahan proses yang akan mencegah duplikasi; Cetak draf petisi keberatan untuk penolakan yang beralasan.
- Persetujuan ahli. Setiap kode dan keberatan diverifikasi oleh SUT saat ini dan ahli pendapatan/kode; Draf AI tidak menggantikan tanda tangan.
Perhatian: Kesalahan paling berbahaya adalah menanyakan AI "apa kode SUT transaksi ini" dan langsung memasukkan kode tersebut ke dalam invoice. Model dapat mengetahui dengan penuh keyakinan bahwa kode tersebut tidak ada atau sudah ketinggalan zaman. Kode tidak akan pernah digunakan tanpa konfirmasi dengan daftar SUT resmi.
tiga kasus mini
Kasus 1 - Pareto Penolakan. Penolakan bulanan satu rumah sakit adalah 1,240 faktur, total 860,000 TL. Pakar pendapatan memberikan data penolakan anonim kepada AI. Klasifikasi AI menunjukkan bahwa 62 persen penolakan berasal dari dua alasan: "dokumen epikrisis tidak lengkap" dan "ketidakcocokan prosedur diagnosis". Tim fokus pada dua hal ini terlebih dahulu: daftar periksa dokumentasi pemulangan dan pemeriksaan silang pengkodean-diagnostik dibuat. Dalam waktu dua bulan, penolakan karena dua alasan ini berkurang setengahnya, dan kerugian bulanan berkurang ~300.000 TL.
Kasus 2 — Perangkap kode halusinasi. Seorang karyawan meminta AI untuk kode SUT untuk operasi baru; AI dengan lancar mengembalikan kode yang tampak realistis seperti "P612340". Pakar memeriksa: kode ini tidak ada dalam daftar SUT, model telah mengada-ada. Jika dimasukkan tanpa verifikasi, invoice tersebut akan ditolak secara massal atau bahkan dianggap tidak tepat pengkodeannya. Pelajaran: kode selalu dikonfirmasi dengan daftar resmi.
Kasus 3 — Mempercepat rancangan keberatan. Menulis keberatan terhadap penolakan yang beralasan di unit pendapatan membutuhkan waktu berjam-jam sehari. Ahli memberikan alasan penolakan secara anonim dan dasar SUT terkait kepada YZ serta meminta rancangan permohonan keberatan. AI menghasilkan garis besar terstruktur dalam hitungan menit; Ahli memeriksa dan menandatangani dasar dan jumlahnya. Waktu persiapan keberatan berkurang secara signifikan, jumlah keberatan meningkat, dan jumlah yang diperoleh kembali meningkat. AI yang menulisnya, ahli memverifikasinya dan bertanggung jawab.
Empat templat yang dapat disalin
1) Klasifikasi penolakan:
Peran Anda: asisten analis siklus pendapatan. Di bawah ini adalah data penolakan anonim: nomor urut anonim, alasan penolakan, grup transaksi, jumlah (tidak ada ID pasien). Tugas: kelompokkan penolakan menurut alasannya, kurangi jumlah dan jumlah masing-masing kelompok, tandai 3 alasan yang paling banyak menimbulkan kerugian. Jangan menambahkan kode atau alasan yang dibuat-buat.
2) Akar penyebab (5 Alasan):
Kelompok penolakan terbesar adalah “ketidaksesuaian diagnosis-prosedur”. Untuk melakukan hal ini, buatlah draf analisis 5 Mengapa: sarankan kemungkinan jawaban untuk setiap pertanyaan “mengapa”, cari akar permasalahannya, dan sarankan 3 perubahan proses yang akan mencegah terulangnya kembali. Menyatakan bahwa hal tersebut merupakan hipotesis dan perlu dibuktikan kebenarannya di lapangan.
3) Rancangan permohonan keberatan:
Tuliskan DRAFT permohonan keberatan atas penolakan anonim di bawah ini: alasan penolakan [...], dasar pelayanan [...], pasal perundang-undangan terkait [diisi oleh ahli]. Gunakan bahasa yang formal, penuh hormat, dan beralasan. JANGAN membuat nomor pasal peraturan perundang-undangan; Biarkan kosong dengan tag [VERIFY].
4) Daftar periksa awal pendaftaran:
Sebelum melakukan penagihan, siapkan checklist registrasi/coding yang akan mencegah penolakan: apakah jenis asuransi sudah benar, apakah sesuai dengan diagnosis dan prosedur, apakah dokumen yang diperlukan (epikrisis, laporan) sudah lengkap, apakah ada duplikasi pencatatan. Biarkan setiap item menjadi satu baris, ditandai ya/tidak.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Berikan kode SSI transaksi ini dan siapkan untuk faktur.
Ini berbahaya: menggantikan AI dengan sumber resmi, sehingga mengundang risiko kode palsu.
Perintah yang kuat:
Di bawah ini adalah data penolakan anonim kami. Klasifikasikan penolakan berdasarkan alasannya, urutkan alasan yang paling banyak menimbulkan kerugian secara Pareto dan rekomendasikan tindakan preventif yang paling besar. kode SUT atau pasal peraturan perundang-undangan, fabrikasi JIKA DIPERLUKAN; Tandai "[verifikasi ahli]".
Panggung
Kontribusi AI
persetujuan manusia
Pendaftaran
Pra-pemeriksaan area hilang
pendaftar
Pengkodean
Kemungkinan saran kode (terbuka untuk konfirmasi)
Pakar pengkodean + SUT
Faktur
Daftar periksa awal kepatuhan
spesialis pendapatan
Analisis penolakan
Klasifikasi, Pareto, akar permasalahan
manajer pendapatan
keberatan
Draf petisi
Tanda tangan ahli yang berwenang
Kesalahan umum
- Menggunakan kode AI tanpa verifikasi. Kode palsu/warisan menimbulkan risiko penolakan dan penyimpangan.
- Bergegas menghadapi semua penolakan sekaligus. Gunakan Pareto dan fokuslah pada alasan yang paling membuat Anda rugi.
- Melewati akar permasalahan. Jika penolakan yang sama berulang, berarti prosesnya belum diperbaiki.
- Membuat undang-undang mematuhi AI. Nomor item selalu dikonfirmasi dari sumber resmi.
- Mengira keberatan sebagai draf yang tidak ditandatangani. Draf tidak akan dikirim tanpa pengawasan dan tanda tangan ahli.
Tip: Kategorikan alasan penolakan setiap bulan menggunakan templat yang sama dan pertahankan trennya. Jika satu alasan turun dan alasan lainnya naik, Anda akan melihat sejak awal apakah perubahan proses Anda berhasil. AI mempercepat klasifikasi; Tugas Anda adalah menafsirkan tren tersebut.
Singkatnya
Siklus pendapatan adalah cara layanan diubah menjadi uang, dan penolakan adalah kebocoran terbesarnya. AI; Ini adalah akselerator yang kuat untuk mengklasifikasikan penolakan, ekstraksi Pareto dan akar permasalahan, menyusun pengajuan banding, dan prapendaftaran. Namun pengkodean dan penagihan diatur; AI dapat membuat kode yang tidak valid. Setiap kode diverifikasi oleh SUT resmi, setiap keberatan oleh ahli yang berwenang. Tanggung jawab dan persetujuan akhir selalu ada pada manusia.
Tugas aplikasi
Dapatkan daftar penolakan anonim (alasan, grup transaksi, jumlah) atau buat daftar hipotetis. Tanyakan AI untuk klasifikasi Pareto dengan template "Klasifikasi penolakan" dan temukan alasan yang menyebabkan kerugian paling besar. Oleh karena itu, uraikan akar permasalahannya dengan template "5 Mengapa" dan sarankan tindakan pencegahan. Harap dicatat dalam pasal 5 bahwa Anda tidak menerima kode SUT apa pun tanpa memverifikasinya dan bahwa persetujuan akhir adalah milik ahli.
daftar periksa
- [ ] Apakah saya sudah menganonimkan data penolakan (tidak ada identifikasi pasien)?
- [ ] Apakah saya tidak menggunakan kode/undang-undang apa pun yang disediakan oleh AI tanpa memverifikasinya?
- [ ] Sudahkah saya memprioritaskan alasan yang paling kalah dengan Pareto?
- [ ] Sudahkah saya menemukan akar permasalahan dan menentukan tindakan pencegahannya?
- [ ] Apakah draf keberatan saya sudah diserahkan kepada ahli dan ditandatangani?