在 AI 时代重新构想医疗保健行业服务运营

行业服务运营 healthcare支付方、护理提供组织和政府可以利用人工智能解决方案来提升消费者体验并增强服务效率。 由 Sameer Chowdhary 与 Avani Kaushik， Sagar Soni 和 Vinay Gupta 为什么医疗保健领导者努力实现数字投资的全部价值潜力 随着医疗保健行业继续 运营领导者面临一系列复杂的挑战，包括高额的行政成本和员工流失率。行政开支约占美国每年超过4万亿美元的医疗支出的25%。1同时，随着期望值的不断提高，组织面临着持续的压力，需要在整个医疗保健旅程中不断提升消费者体验。 数字和人工智能解决方案有潜力通过自动化等方式优化运营，并提升消费者体验。医疗健康领域的领导者致力于投资诸如聊天机器人、对话式AI和虚拟助手等AI解决方案，以保持相关性和竞争力。3然而，包括医疗保健在内的各个行业的技术转型项目 historically 通常未能快速产生预期的ROI；它们通常只能实现预期价值的三分之一左右。4此外 ， 只有大约 30 ％ 的大型数字化转型工作是成功的。5 在这一背景下，人工智能的进步，包括生成式人工智能（生成AI），有可能彻底改变医疗健康行业，提升支付方、医疗服务组织以及政府机构（如医疗保险和医疗补助服务中心、公立医院等）内部及面向客户运营效率。根据2023年对客户关怀职能运营领导者的调查，45%的受访者将部署最新技术，包括人工智能，列为首要任务，这一比例较2021年的数值上升了17个百分点。2 特别是在将AI和自动化用例从试点推广到生产过程中，运营领导人报告遇到困难；调查中的25%的领导人表示这是他们面临的最大挑战。6例如，只有10%的受访者在与健康 care 组织的对话式 AI 和聊天机器人互动时完全解决了他们的查询，无需后续与真人代理互动。7 在本文中，我们探讨了医疗保健领导者如何利用人工智能（AI）来转型其服务运营，并概述了有助于他们成功的关键考虑因素（详见附录“关于QuantumBlack，麦肯锡的人工智能”）。服务运营包括财务交易（如索赔处理）、通用功能（如财务和人力资源）；特定行业的功能（如承保、注册、质量报告和认证）；客户和患者服务（提供给客户的一系列活动和流程）；以及行政临床支持功能（如护理管理和案例管理）。 特派团主导的路线图。领导者往往缺乏对与业务目标相关联的潜在价值的清晰认识，以及捕获这些价值的具体路径。价值感知可能过于乐观，领导者可能会认为人工智能能够解决所有问题，或者相比长期的转型计划提供“快速胜利”。相反，领导者可能低估了人工智能的变革潜力。从定性和定量的角度衡量价值（例如，使用质量指标）， 在运营过程中，安全、经验和访问权限可能缺失，或者组织可能不清楚哪些领域需要优先考虑。详细分析运营情况可能会揭示索赔审批时间等其他与索赔相关的运营低效率的根本原因，这表明理赔处理可能是AI转型的高优先级领域。 staffing和服务需求方面。增强技术基础设施对于解决这些问题并提高整体效率、响应能力和服务质量至关重要。 数据管理。医疗AI解决方案所需的数据异质性显著：数据格式不统一、分布在多个数据源中，并存储在不同的数据结构中。组织可能缺乏支持AI解决方案所需的数据成熟度，包括数据完整性、数据可用性、减轻偏见和风险的能力以及数据治理。在AI模型上线后，组织可能难以适应或整合新出现的数据。 天赋。采用AI需要一套独特的技能和能力。组织可能缺乏必要的技术技能和招聘计划以填补技能缺口，其在职培训和重新技能培训项目也可能缺乏足够的投资和支持，并且设计不当。然而，在此同时，许多非技术员工（尤其是在医疗保健和其他行业）已经在日常工作中使用生成式AI，并可能比雇主意识到的更清楚地理解其价值。8 此外，确保遵守严格的隐私法规（例如美国的《健康保险-portability and accountability act》和欧盟的《通用数据保护条例》）至关重要。这一努力包括有效缓解处理敏感数据（如受保护的健康信息和个人可识别信息）相关风险。 领导者可以将生成式AI的采用作为评估其整体人才战略的契机，了解员工认为哪些工作具有意义，并设计既能提升生产效率又以人为本的工作岗位。9 考虑一个假设的医疗系统，计划实施基于人工智能的远程患者监测以预测和预防潜在的健康事件。该用例依赖于从各种传感器和监控设备（如可穿戴设备）持续收集数据。医疗系统面临的挑战是确保AI算法能够获取足够的数据以进行有效的学习和预测，同时保证个体患者的匿名性。 敏捷交付。为了在人工智能领域取得成功，组织可能需要加快决策和交付过程，这可能涉及资金分配的调整以及克服历史上的文化规范和态度。 技术和工具。大多数医疗保健组织拥有legacy技术基础设施、架构和工具，这些难以扩展以支持AI解决方案。例如，根据麦肯锡对医疗公司基准分析的结果，呼叫中心工具经常缺乏将电话原因进行详细标注的能力，这有助于支持AI并获得深入的客户洞察；多达60%的电话未被标注。劳动力管理工具通常缺乏高级预测和排班功能，导致实际工作量与排班之间存在不匹配。 改变运营模式。成功的领导者广泛考虑AI对运营模式以及内部和外部用户的影响。可能会需要专门的工作流来处理变革管理、沟通和培训。将AI见解整合到运营中可能涉及工作流程的改变，领导者需要确保AI算法的输出是透明的，并且能够被解释。 服务运营中的 AI 用例 与数据隐私和安全相关的风险，并确保质量和效率并重，大多数领导者更倾向于使用AI来增强人类决策而非完全替代。 私营和公共医疗卫生组织 increasingly 采用人工智能以提高患者护理质量并降低成_costs_(图表)。即便如此，为了控制 Web <2024>Exhibit AI 在医疗保健行业的服务运营中拥有许多用例。 人工智能在医疗保健行业的服务运营中拥有许多用例。 使用 AI 转换服务运营的最佳实践 个性化体验。他们利用AI分析来自多个来源的客户数据，生成个性化的客户档案。这使客户能够通过首选渠道进行互动，并增加了组织即时解决客户问题的可能性（无需live代理的帮助）。 领先的组织正在使用一组最佳实践来通过 AI 转变其服务运营。 确定关键域的优先级 ， 并阐明其在不同用例中的影响 优先确定服务领域并明确清晰的AI应用场景是至关重要的早期步骤。一些成功的组织已经创建了热力图，根据潜在影响（例如提高运营效率、增强客户体验和支持业务目标）、实施可行性以及相关风险来优先考虑领域和应用场景。接下来，他们设计AI解决方案以追求高优先级的应用场景，并识别任何功能和技术需求和能力以填补缺口。例如，将联络中心作为优先领域的组织可以使用机器学习算法分析数据，以识别入需求驱动因素、客户情绪、座席绩效和流程断点。基于此分析，该组织可以确定一个最适合由具有实时语音转录功能并能够将紧急需求转接到人工座席的面向客户的聊天机器人处理的应用场景。面向客户的聊天机器人的功能可以映射到特定的功能和架构能力上，以确保AI系统的设计能够满足应用场景的具体需求并实现预期结果。 例如，关于理赔和寻找护理的电话占据了支付机构总通话量的大约50%到70%，而近期由于计费错误激增，解释医疗费用报销的额外咨询电话占比增加了10%到15%，根据麦肯锡的分析。通过使用人工智能和语音分析技术，支付机构可以实时分析数百万份通话记录，发现详细的通话原因，并制定相应的应对策略，如增加自助服务选项。 用于解决客户问题的对话。对话式AI机器人可以用于解决或更智能地路由低到中等复杂度的问题。在适当的情况下，通过补充有效且富有同情心的虚拟助手AI机器人与事务性代理互动，可以提升客户体验、工作质量和成果，以及员工 productivity。此外，利用AI工具进行基于技能的分析和智能工作流，可以帮助根据客户的需求将客户导向最合适的座席。 考虑这样一个假设案例：一位会员在非紧急门诊服务（如物理治疗）申请理赔被拒后联系了支付方的客户服务部门。人工智能机器人可以迅速分析理赔详情、患者历史记录和政策参数，并提出发送预授权信件给治疗师的建议。这种富有同情心且高效的虚拟助手能够提升客户体验，并通过管理常规咨询问题来提高员工工作效率，使人力代理能够专注于确保输出质量，并将注意力集中在更复杂的任务上。 多个AI应用场景在服务运营和交付中显得尤为相关且有效。在所有情况下，最大限度地减少与AI相关的各种风险，包括员工和患者方面的担忧，是这一努力的核心。10 超个性化客户接触点。约75%的客户现在首先通过数字渠道与组织接触，并最终获得跨渠道体验。11这允许领先的组织提供 代理人授权。代理副驾（使用大型语言模型实时支持代理人员的对话界面）有潜力帮助代理更好地理解客户，并根据之前的互动建议响应。通用人工智能可以通过使代理能够轻松访问知识库来提高其知识水平和遵守流程的情况。成功的组织利用先进的AI语音分析技术，在实时捕获和总结客户投诉和行动方面取得成效。 通过启用 AI 的班次安排来优化时间表 ， 组织可以提高入住率13 10% 至 15% ， 提高整体效率、员工生产力和工作满意度。 实施迭代测试和学习方法 实施AI需要采用迭代的测试与学习方法。通过使用A/B测试来评估和优化不同AI模型和算法的表现，组织可以迅速识别哪些方法有效，哪些无效，并作出必要的调整以提升客户体验。这种方法还有助于降低风险并优化AI投资回报率。例如，保险公司可以通过A/B测试来评估不同配置的基于AI的欺诈检测模型在理赔处理中的表现。通过系统性测试，他们可以迅速识别模型参数的变化，以确定哪种算法最擅长检测欺诈行为，从而及时采取干预措施。这种迭代的方法不仅增强了保险公司在防范欺诈活动方面的能力，还帮助简化了理赔流程，从而优化运营效率并减少财务风险。 在我们的分析中，约30%到40%的理赔处理时间被无效等待占据，此时代理人员正在寻找信息。我们的分析还揭示，在各行各业中，经验较少的员工使用的知识资源是经验丰富的员工的两倍，这突显了个人辅导的机会。12 AI 可用于生成有关哪些因素有助于或妨碍顶尖和低绩效员工表现的可行动见解，并通过人工智能驱动的提示为前线代理提供个性化指导以提高表现。此外，基于生成式 AI 的虚拟助手可以协助代理更快、更高效地处理咨询。这些虚拟助手可以通过分析客户情绪并根据现有通话记录和档案数据提供建议或针对性提示来增强代理回复，从而提升客户体验。虚拟助手还可以通过建议提升客户体验的技术来改善客户情绪。 建立跨职能团队 演变运营模式并设立跨职能团队（涵盖业务、产品、客户服务、数据与分析以及IT）对于成功实施AI用例至关重要。这些团队协作以理解并应对客户关怀挑战和机遇，以及企业的需求。跨职能团队作为早期采用者倡导者，塑造用例的部署，证明其价值以推动变革，并在整个企业范围内促进采用。例如，在政府组织中，一个由政策制定者、医疗专家、IT专家和社区代表组成的跨职能团队可以合作实施一个基于AI的系统，用于优化公共健康项目。该团队将共同努力解决医疗保健挑战， 支持 AI 的自动化和规划流程。healthcare 组织可以追求端到端的智能流程自 动化，以优化后台流程和客户-代理互动的审计，并且可以利用人工智能驱动的工作force管理进行灵活的预测和排班。例如，根据麦肯锡的分析，员工通常会花费大约20%到30%的工作时间在非生产性活动上，如行政任务和空闲时间。嵌入AI驱动的预测和排程优化功能到现有工具中可以改善员工产能管理。进一步的分析表明， evolving运营模式并组建跨功能团队对于成功实施AI用例至关重要。 进行快速诊断 加强患者服务 ， 并确保 AI 解决方案符合政府的医疗保健目标和公民需求。 跨运营评估 利用基于人工智能的工具如流程洞察和语音分析解决方案，组织可以识别流程中的低效环节，并评估改进可能带来的潜在价值（例如，在端到端客户服务运营中，包括语音和非语音流程）。这一步骤可以深入洞察当前运营状况、客户的需求和偏好，并帮助识别用于解决缺口和机会领域的应用场景。例如，