에이전트 자동화로 RCM의 상위 5가지 과제 해결

의료 제공자는 어떻게 환자 만족도를 향상시키고, 비용을 절감하며, 상환 속도를 높일 수 있을까요? 그 해답은 바로 AI로 매출 주기 관리(RCM)를 강화하는 것니다.

이전 단계의 자동화는 수작업을 40%까지 제거했습니다. 그러나 여전히 미국 의료 시스템의 행정적 복잡성으로 인해 연간 약 2,656억 달러가 낭비되고 있습니다.

이제 에이전트 프로세스 자동화(APA)라는 접근 방식을 통해 자동화를 생성형 AI와 같은 최신 AI 도구와 결합할 수 있습니다. APA는 반자율적 의사 결정을 활용하여 여러 IT 시스템부터 데이터 사일로까지 보다 복잡한 프로세스를 자동화합니다.

APA가 5가지 주요 RCM 과제인 정확성, 속도, 인력 부족, 이의 제기 비용, 보험사 정책의 복잡성을 해결하는 방법은 다음과 같습니다.

청구, 이의 제기 및 사전 승인의 정확성 향상

처리해야 할 청구 건수가 많고 정보가 여러 시스템에 분산되어 있기 때문에 직원들은 엄청난 압박 속에서 일하고, 이에 따른 실수는 불가피합니다.

데이터 수집을 자동화하면 완전하고 정확한 정보로 청구 과정을 지원할 수 있습니다. 이렇게 하면 청구 건이 처음 제출될 때 추가 정보 요청 없이 한 번에 승인되는 청구 승인율이 향상됩니다.

물론, APA를 도입하면 RCM의 다양한 프로세스를 간소화할 수 있습니다. 예를 들어, 사전 승인은 보험사와의 소통 및 의료적 필요성 확인을 전담하는 지능형 에이전트를 통해 수행할 수 있습니다. 자동화를 활용하면 사전 승인에서 발생하는 오류가 크게 줄어듭니다.

사전 승인(PA)이 필요한 청구를 미리 자동화하여 처리함으로써 APA는 청구 승인율을 개선하고, PA뿐만 아니라 의료 필요성 검증이 필요한 청구에 플래그를 표시함으로써 전체적인 RCM 프로세스를 간소화합니다.

청구 및 이의 제기 속도 향상

의료 서비스 제공자는 청구, 이의 제기 또는 사전 승인 요청을 빨리 제출할수록 대금을 빨리 받을 수 있습니다. 계정 미수금에 묶여 있는 돈은 환자를 돌보는 데 사용할 수 없습니다.

RCM 프로세스는 여러 데이터 소스와 컴퓨터 시스템 전반에서 반복적이고 광범위한 수작업을 요구합니다. APA의 강점은 여러 지능형 에이전트를 조율하여 병렬 처리 방식 등으로 전체 워크플로를 빠르게 구현한다는 점입니다. 사람은 필요한 경우에만 개입하여 의사 결정과 같은 보다 고차원적인 활동에 집중할 수 있습니다.

인력 부족 문제 해결

의료 기술 부족이 잘 알려진 문제인 것처럼, 의료 산업에서는 RCM 전문가도 부족합니다. Medical Group Management Association의 설문조사에 따르면, 코더는 가장 채용하기 어려운 직군이었으며, 그다음은 청구 심사 및 감사 담당자였습니다.

APA는 두 가지 방식으로 이 문제를 해결합니다. 먼저, 팀의 효율성을 높여 더 많은 청구 및 이의 제기를 처리할 수 있도록 합니다. 예를 들어, 인간 전문가는 여섯 건 정도의 항소장을 작성하는 데 하루가 걸리지만, AI를 활용하면 단 몇 분 만에 작성할 수 있습니다.

다음으로, 팀의 전문 지식 일부를 AI 에이전트에 내재화하여 경험이 부족한 신입 팀원도 높은 수준의 업무를 수행할 수 있도록 지원합니다.

이를 통해 숙련된 직원들은 예외 사항 및 인간의 판단이 필요한 사례에 집중할 수 있으며, AI가 처리할 수 있는 일상적인 업무는 자동화하거나 신입 직원에게 위임할 수 있습니다.

모든 청구 거절에 대한 이의 제기 가능

수작업으로 처리할 경우, 이의 제기를 할 가치가 없는 금액의 기준이 있습니다. 처리하는 데 드는 비용이 돌려받을 수 있는 금액보다 더 큰 경우 이의 제기를 진행하지 않습니다. 이 기준은 약 125달러 정도로 비교적 적지만 누적되면 큰 금액이 됩니다.

APA를 활용하면 모든 청구 거절에 대해 자동으로 이의 제기를 진행할 수 있습니다. 인간이 감독이나 검토, 승인 등을 담당할 수 있지만, 항소장을 포함한 모든 정보가 준비되기 때문에 매우 효율적으로 작업할 수 있습니다.

보험사 정책 이해

보험사의 정책을 준수하지 않은 청구는 거절됩니다. 이는 환급 가능성이 사라지거나 의료 제공자가 이의 제기에 더 많은 행정 작업 시간을 할애해야 함을 의미합니다.

문제는 보험사 정책이 주기적으로 변경되기 때문에 이를 지속적으로 파악하기 어렵다는 점입니다. 그러나 AI는 방대한 정보를 분석하고 중요한 사항을 선별하는 데 능숙합니다. 기존 의료 서비스 소프트웨어와 통합하면 환급되지 않는 치료가 예약 또는 청구될 경우 자동으로 개입할 수 있습니다. 예를 들어, 특정 청구 코드가 더 구체적으로 기재되어야 보험사가 승인하는 경우, 이를 사전에 인지하여 청구가 처음부터 올바르게 제출되도록 함으로써 청구 승인율을 높일 수 있습니다.