テリー・ゲルツ氏はAptarroのプロダクトマネジメント担当上級副社長であり、複雑な課題を解決しながらユーザーをサポートする技術の設計に携わっている。
AI支援コーディングは、医療機関の業務効率、人員配置、収益の健全性に大きなパラダイムシフトをもたらしている。しかし、多くのリーダーはその能力や、実際の効果をもたらすAIソリューションの導入に必要な条件について誤った理解をしている。この誤解が非現実的な期待と物足りない結果につながっている。
実際のところ、AIコーディングはプラグアンドプレイのソリューションではない。その成功はシステムアーキテクチャと組織の準備状況に大きく依存している。以下は、AIコーディングに大きく賭ける前に、すべての医療機関幹部が知っておくべき5つの真実である。
1. 欠陥のあるシステムはAIコーディングを台無しにする。
AIコーディングは手作業を減らし、処理能力を効率化する。しかし、多くの導入事例でより深刻な問題が明らかになっている：コーダーが作業している環境が根本的に機能していないのだ。
文書は一貫性がなく、支払者のルールは変化し不透明で、例外は明確にマッピングされておらず、レポートはシステム間で断片化している。このような状況では、最高のコーダーや最高のAIコーディングベンダーでさえ、困難な戦いを強いられる。
これは単なる労働問題ではなく、構造的な課題である。人間のコーダーもAIも、成功するには適切な構造が整っている必要がある。
2. 自動化だけでは複雑さを解決できない。
多くの組織は、正社員削減やマージン改善という具体的な目標を持ってAIに投資している。しかし、コーディングにおいては、それはめったに正しいアプローチではない。コーダーのパフォーマンスが低いわけではなく、彼らは増大する複雑なルールやシステムを操作しているのだ。
コーダーが支払者の例外、一貫性のない医療提供者のメモ、不明確なエスカレーションパスを手動で管理しなければならない場合、彼らの生産性は努力によって決まるのではなく、システムの設計によって決まる。その摩擦を生み出す構造がまだ存在するなら、タスクを自動化しても問題は解決しない。
文書化ルールが曖昧であったり、プラットフォームが専門分野特有のニュアンスを処理できない場合、AIは単にそれらの問題をより大きなスケールで複製するだけだ。多くの場合、それは後で人間が介入し、システムが誤った部分を修正することを強いるだけである。
3. AIは秩序を増幅するが、混乱は増幅しない。
支払者のロジックは、最も見過ごされがちな複雑さの源泉の一つである。全国的な保険会社、地域プラン、メディケア・アドバンテージはすべて、類似の手順に対して異なるルールを持ち、それらのルールは常に進化している。コーダーは最新情報を把握し、グレーゾーンを解釈し、文書の整合性を確保することが求められる。AIシステムは支援できるが、支払者固有のロジックが組み込まれていなければ、クリーンで準拠した結果を提供するのに苦労する。
医療環境は、数多くのエッジケースと例外によって特徴づけられる。めったに一律の環境ではない。システムが予想されるワークフロー外の状況を処理するための明確なプロトコルを欠いている場合、拒否または遅延のいずれかにデフォルト設定される。どちらの場合も、収益が失われる。
組織の説明責任も重要な役割を果たす。私の観察では、多くの組織が臨床、コンプライアンス、財務チーム全体で明確なコーディング成果を欠いている。所有権があまりにも多くのチームに分散していると、責任が希薄になる。AIツールは配置された構造を反映し、強力なガバナンスは最適な結果をもたらすことを保証する。
4. コーダーが苦戦している場合、システムの修正が必要。
コーダーはシステムの崩壊箇所について貴重な信号を提供する。
彼らが頻繁に例外にフラグを立て、明確化を要求したり、拒否をエスカレーションしたりしている場合、それはプロセスの改善が必要であるという兆候だ。
AIに対する人間中心のアプローチは、次のような質問から始まる：私たちのスタッフが成功するために何が必要で、どのような障害が成功を妨げているのか？この分析により、摩擦の真の原因が特定され、自動化が適切な解決策かどうかが判断される。多くの場合、チームが最初に必要とするのはスピードではなく、構造である。
5. 強固なインフラがスケーラブルなAIコーディングを可能にする。
AIコーディングに投資する前に、組織はいくつかの厳しい質問をすべきである：
• 支払者のルールと文書要件は明確に定義され、ワークフローに組み込まれているか？
• 専門分野や地域全体で一貫したコーディングロジックを維持しているか？
• 請求が拒否される理由を追跡し説明できるか、それとも手探り状態か？
• 現在のシステムはエッジケース用に設計されているか、それとも標準的なシナリオのみか？
これらの質問のほとんどに対する答えがノーであれば、問題はスピードではなく、基盤にある。
自動化の有効性は、それがサポートするシステムの強さに依存している。そのため、設計と準備が極めて重要である。医療収益サイクルにおいて、複雑さは多くの場合、自動化と実際のROIの間に立ちはだかる最大の障壁である。
最後の考え：シンプルなシステムがスケーラブルな結果を保証する。
AI支援コーディングは、医療機関の収益確保に大きな変革をもたらす可能性を秘めている。しかし、組織は健全なロジック、より明確なワークフロー、請求とコーディングの実際の複雑さを反映したツールに基づいた自動化を必要としている。プロセスを加速する前に強固な基盤を確立することが不可欠である。なぜなら、AIは複雑さを管理するように設計されたシステムで最も効果を発揮し、複雑さを拡大するシステムでは効果を発揮しないからだ。
