ต่อไปนี้เป็นบทความแขกของ Robert Laumeyer หัวหน้าเจ้าหน้าที่เทคโนโลยีที่ การเข้าถึงได้
ระบบอัตโนมัติด้านสุขภาพได้รับการขายเป็นเวลานานในการประหยัดค่าใช้จ่ายในการเพิ่มประสิทธิภาพให้การดูแลที่ดีขึ้นและลดข้อผิดพลาด แต่เมื่อพวกเขาเผชิญกับความเป็นจริงที่คลุมเครือของเวิร์กโฟลว์คลินิกรายวันวิธีการที่เสนอส่วนใหญ่ล้มเหลวในอดีต นี่เป็นเพราะระบบส่วนใหญ่ยังคงขึ้นอยู่กับรูปแบบการเขียนโปรแกรมที่ชัดเจน: ถ้า x, ตรรกะที่ควบคุมด้วย Y
องค์กรต้องการวิธีการอัจฉริยะที่มีความยืดหยุ่นบริบทและเป็นอิสระมากขึ้นในการทำงานอัตโนมัติเพื่อปรับปรุงกระบวนการที่ซับซ้อนและขัดอย่างต่อเนื่องซึ่งยังคงทำให้เกิดภัยพิบัติในอุตสาหกรรมต่อไป Agentic AI มอบส่วนผสมนี้
แม้ว่า Agentic AI อาจรู้สึกใหม่ แต่ก็มีมานานหลายทศวรรษแล้ว มันเกิดขึ้นครั้งแรกในปี 1960 เมื่อคอมพิวเตอร์มีขนาดเล็กช้าและมีความสามารถ จำกัด ผู้บุกเบิก AI ยุคแรกต้องการวิธีการทำลายปัญหาที่ซับซ้อนและซับซ้อนในชิ้นส่วนที่จัดการได้
ในการทำเช่นนี้ระบบที่พัฒนาขึ้นประกอบด้วยตัวแทนที่เล็กกว่าและเป็นอิสระซึ่งสามารถทำงานได้ทั้งร่วมกันและเป็นอิสระ นี่คือจุดเริ่มต้นของสิ่งที่เราเรียกว่า Agentic AI ความเป็นอิสระนี้เป็นองค์ประกอบสำคัญของมูลค่าของระบบและทำให้พวกเขาได้รับอนุญาตให้รับรู้น้อยลงในคอมพิวเตอร์ของวันนี้
วิธีการตามทีมในการแก้ปัญหากระบวนการสุขภาพที่ซับซ้อน
โมเดลเอเจนซี่ AI สะท้อนให้เห็นถึงวิธีการทำงานของผู้คนในทีม: การแบ่งความรับผิดชอบการเรียนรู้ในบริบทและการปรับตัวเมื่อมีการเปลี่ยนแปลงเงื่อนไข
วิธีการตามทีมนี้ทำให้เป็นเครื่องมือที่ยอดเยี่ยมในการทำให้กระบวนการสุขภาพที่ซับซ้อนง่ายขึ้นเช่นการกำหนดความจำเป็นทางการแพทย์
ตัวอย่างเช่นแต่ละงานภายในกระบวนการอนุญาตก่อนหน้าสามารถตรวจสอบได้ด้วยวิธีการแยกต่างหากที่รับผิดชอบ:
- การรวบรวมและวิเคราะห์ข้อมูลทางคลินิกของผู้ป่วย
- การเปรียบเทียบข้อมูลทางคลินิกกับนโยบายการแพทย์เฉพาะ
- คำแนะนำของการอนุญาตอัตโนมัติไปยังกรณีที่ตรงไปตรงมา
- ส่งต่อกรณีที่ซับซ้อนสำหรับการตรวจสอบของมนุษย์
ด้วยการให้งานแต่ละอย่างที่จัดการและเสร็จสิ้นในเวลาเดียวกันกับตัวแทน AI แยกต่างหากการอนุมัติที่แนะนำสามารถให้ในไม่กี่วินาที
สำหรับผู้จ่ายเงินนั่นหมายถึงการตัดสินใจแบบเรียลไทม์ที่ถูกต้องและง่ายสำหรับผู้ให้บริการที่จะเข้าใจการอุทธรณ์น้อยลงและความมั่นใจที่ดีขึ้น สำหรับผู้ให้บริการมันหมายถึงภาระการบริหารน้อยลงเพื่อให้พวกเขาสามารถมุ่งเน้นไปที่งานที่มีมูลค่าสูงขึ้น แต่บางทีที่สำคัญที่สุดคือค่าที่ได้จากระบบอัตโนมัติอัจฉริยะจะไหลลงสู่ผู้ป่วย
เมื่อผู้ให้บริการสามารถได้รับการตัดสินใจกลับมาตามคำขอก่อนหน้านี้เพื่อขออนุญาตที่จุดดูแลข้อตกลงสามารถวางแผนได้เร็วขึ้นซึ่งหมายความว่าผู้ป่วยจะได้รับการดูแลเร็วขึ้น เหตุใดจึงไม่มีแผนสุขภาพอีกต่อไปที่ใช้ Agentic AI เพื่อปรับปรุงการทบทวนการอนุญาตก่อน มีข้อควรพิจารณาเล็กน้อยว่าแผนสุขภาพจะต้องทำงานก่อน
Framework for Challenge Resolution และความสำคัญของการกำกับดูแลและความโปร่งใส
แม้ว่า AI จะมีศักยภาพในการเปลี่ยนการดูแลสุขภาพโดยพื้นฐาน แต่องค์กรส่วนใหญ่ยังคงพัฒนาฐานความรู้และเครื่องมือเพื่อให้รับผิดชอบ นี่คือเหตุผลที่การใช้งานของ AI AI ที่มีประสิทธิภาพเป็นมากกว่าเทคโนโลยี
เริ่มต้นด้วยการระบุคอขวดที่คุณต้องการแก้ไขด้วย AI ก่อนที่จะเลือกหรือสร้างแบบจำลอง ประการที่สองคุณต้องตรวจสอบให้แน่ใจว่าการกำกับดูแลของมนุษย์ยังคงอยู่ในวงโดยเฉพาะอย่างยิ่งเมื่อพูดถึงการตัดสินใจทางคลินิกและการเงินสูง Agentic AI ควรใช้เพื่อเพิ่มการตัดสินใจระดับต่ำและเสริมสร้างผู้เชี่ยวชาญและแพทย์เพื่อควบคุมผู้ป่วยที่สำคัญ
ประการที่สามการกำกับดูแลที่ดีมีความหมายมากกว่าโมเดล AI ขั้นสูง นี่หมายถึงการกำหนดสิ่งที่ AI สามารถและไม่สามารถตัดสินใจได้รักษาบันทึกการตัดสินใจและตรวจสอบประสิทธิภาพ AI สำหรับอคติหรือข้อผิดพลาดที่จะโปร่งใส
ในที่สุดความพร้อมขององค์กรมักเป็นความท้าทายที่ยิ่งใหญ่ที่สุด ทีมกฎหมายและการดำเนินงานของคุณอาจไม่พร้อมที่จะจัดการกับสัญญาและเวิร์กโฟลว์เฉพาะ AI ซึ่งอาจทำให้เกิดความล่าช้าอย่างมีนัยสำคัญ
ข่าวดี? สำหรับองค์กรด้านสุขภาพหลายแห่งการดำเนินงานของ AI เป็นไปตามเส้นทางที่รู้จักกันดีเช่นเดียวกับการพัฒนาซอฟต์แวร์ก่อนหน้านี้
ในขณะที่อุตสาหกรรมทันสมัยและพยายามยกเว้นภาระการบริหาร Agentic AI ไม่เพียง แต่นำเสนอเครื่องมือสำหรับระบบอัตโนมัติ แต่เป็นเส้นทางที่ปรับขนาดได้เพื่อเพิ่มการทำงานด้านการดูแลสุขภาพ
เกี่ยวกับ Robert Laumeyer
Robert Laumeyer เป็นหัวหน้าเจ้าหน้าที่เทคโนโลยีที่ การเข้าถึงได้– เขาเป็นผู้จัดการฝ่ายเทคโนโลยีที่มีประสบการณ์และนักประดิษฐ์ที่ทุ่มเทอาชีพของเขาในการนำเทคโนโลยีนวัตกรรมมาสู่สาขาที่ต้องการการปรับปรุงและได้บุกเบิกหมวดหมู่เทคโนโลยีใหม่ ๆ ในอุตสาหกรรมตั้งแต่ซอฟต์แวร์ฝังตัวไปจนถึงการจัดหาเงินทุน