在 AI 时代重新构想医疗保健行业服务运营

医疗保健实践 在AI时代重新构想医疗保健行业服务运营 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SameerChowdhary与AvaniKaushik ，SagarSoni和VinayGupta 2024年9月 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。 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 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）。 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 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 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 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）， 1尼希克·R·萨尼、普里krit伊·米什拉、布兰登·卡鲁斯和大卫·M·库特勒，“行政简化：如何在美国医疗保健领域节省2500亿美元”，麦肯锡，2021年10月20日。 2“2024年的客户服务在哪里？”，麦肯锡，2024年3月12日。 3Ibid. 4“重新布线并向前迈进：数字和AI领导者正在抛弃其余的人，”麦肯锡，2024年1月12日。 5技术：前进，“为什么大多数数字银行转型会失败——以及如何逆转这种趋势”，麦肯锡公司AkhilBabbar、RaghavanJanardhanan、RemyPaternoster和HenningSoller撰写的博客文章，发布于2023年4月11日。 6“2024年的客户服务在哪里？”，2024年3月12日。 7麦肯锡2023年客户服务状况调查，n=340。 在AI时代重新构想医疗保健行业服务运营2 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。 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 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 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。 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。 此外，确保遵守严格的隐私法规（例如美国的 《健康保险-portabilityandaccountabilityact》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。 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。 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。 8“2024年初的AI状况：GenAI的采用激增并开始产生价值”，麦肯锡，2024年5月30日。 9“生成AI的人性一面：创造一条通往生产力的道路”麦肯锡季刊，2024年3月18日。 服务运营中的AI用例 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 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。 Web<2024> Exhibit<ServiceOpsAI> <1>的附件<1a> AI在医疗保健行业的服务运营中拥有许多用例。 护理交付组织 财务- 交易记录生态系统 行业不可知论公司职能 行业-specic操作功能 客户和患者服务 行政管理临床支持函数 优先考虑 跟进付款人，并生成 响应基于医师笔记 关于 提案、合同条款、条件、和供应商 通信 改善诊断和治疗使用 患者数据,医疗 历史,成像,实验室结果，和新的 医学文献 增强聊天机器人，并改进电子分诊 自动化和生成利用率报告,案例 摘要，以及速率比较 改进计费提示练习- ING临床作用和 增加编码准确度 开发聊天机器人和智能路由到 解决常见的IT问题 和HR问题 使用预测性疾病分析预防和早期干预 改善患者通过教育 个性化视频, 图像，以及摘要 个性化培训 临床医生的旅程 搜索付款人合同和政策对高 光需要响应索赔裁决 创建adhoc财务报告 请求，慈善事业报告，以及 通信 个性化医学通过开发定制治疗计划和监测疾病进展 分析客户基于反馈消息和呼叫 自动化例程任务 支助申诉和索赔裁定自动 搜索和 验证付款人合同和政策 启用新 基于价值的合同基于市场， 历史数据，以及患者数据 分析患者 要注册的信息更多的患者在研究和速度up临床试验 优化工作和时间表 自动核算通过排序和提取文档 链接和分析内部和外部 要通知的数据源结局研究 生成护理的摘要转介 提供自助人力资源功能 展品(续)Web<2024><ServiceOpsAI> <1>的附件<1b> 人工智能在医疗保健行业的服务运营中拥有许多用例。 付款人 财务-交易记录生态系统 行业不可知论公司职能 行业规格c操作功能 客户和患者服务 行政管理临床支持函数 加速索赔 生成合成 自动 生成自定义 综合临床 审批流程 数据以改进机器精度 总结电子健康记录数据 覆盖范围摘要 护理注意事项经理 学习模式 生成摘要提供自助服务 事先授权，人力资源职能申诉和申诉 调查结果由人类审查 内部总结 更新到风险和法律程序 建议专家访问基于个人因素 综合医学，转诊和护理的信息 成员 识别潜力索赔欺诈业务分部 自动核算通过排序和提取文档 提供大规模覆盖范围更新给投保人 将聊天机器人部署到回答问题 对于成员和提供者 生成护理计划和摘要 成员 开发聊天机器人和智能路由到 解决常见的IT问题和HR问题 加快再测定进程 提高电子效率呼叫中心 知识文章搜索功能 主动匹配潜在成员病例管理和疾病管理programs 建议采取最佳行动为了满足客户 分析消费者数据分布到开发个性化计划 生成调用脚本和决定信 麦肯锡公司 改善销售 支持(聊天机器人)帮助潜力 成员理解覆盖选项 使用AI转换服务运营的最佳实践 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。 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 ）。 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。 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 考虑这样一个假设案例：一位会员在非紧急