Caso anonimizado de EPS colombiana: auditoria médica com IA usando Arkangel AI
Uma EPS anonimizada revisou 18 lotes de contas com Arkangel AI e reduziu o ciclo de auditoria em 69% mantendo o controle humano.
Em um caso anonimizado com uma EPS colombiana, Arkangel AI revisou 18 lotes com 42.300 itens de fatura e reduziu o ciclo médio de auditoria de 94 para 29 dias. As métricas são arredondadas e anonimizadas para preservar confidencialidade; nenhum dado de paciente é divulgado.
Contexto do cliente
O cliente é uma EPS colombiana com carteira mista de contas ambulatoriais e hospitalares. Antes do Arkangel AI, a equipe de auditoria dependia de amostragem manual, reconciliação em planilhas e escalonamento clínico sequencial para itens em disputa.
O problema operacional não era apenas volume. Era inconsistência: defeitos administrativos, dúvidas de pertinência clínica e anomalias financeiras eram revisados no mesmo fluxo, dificultando explicar por que um item era objetado e qual causal se aplicava.
O que foi revisado
O piloto anonimizado cobriu:
- 18 lotes de contas.
- 42.300 itens de fatura.
- Entradas XML, CSV, PDF e Word.
- Três domínios de auditoria: administrativo, clínico e financeiro.
- Aprovação do auditor humano antes de qualquer comunicação ao prestador.
O Arkangel AI executou 98 regras em três camadas independentes: 27 administrativas, 29 clínicas e 42 financeiras. A camada de consolidação agrupou achados por item de fatura e relacionou cada um à causal de glosa aplicável. Esse piloto usou a codificação do Anexo Técnico 6 da Resolución 3047 de 2008, hoje revogada; as contas atuais são classificadas com o Manual Único de Devoluciones, Glosas y Respuestas da Resolución 2284 de 2023; o Arkangel AI classifica cada achado segundo seus conceitos de glosa (FA, TA, SO, AU, CO, CL e SA) e propõe o código correspondente, que o auditor valida antes de glosar.
Resultados
| Métrica | Antes do Arkangel AI | Com Arkangel AI |
|---|---|---|
| Ciclo médio de auditoria por lote | 94 dias | 29 dias |
| Revisão manual de linhas antes de priorizar | 100% | 31% |
| Achados com causal explícito e evidência | 54% | 96% |
| Comunicações enviadas automaticamente | 0 | 0 |
A maior melhoria veio de separar domínios antes da revisão humana. Defeitos administrativos deixaram de bloquear o raciocínio clínico, achados de pertinência clínica foram separados de anomalias financeiras, e cada glosa proposta chegou ao auditor com causal e trilha de evidência.
O que mudou para a equipe de auditoria
Os auditores conservaram a decisão final. O Arkangel AI não enviou comunicações de forma autônoma, e cada correção ficou registrada com ator e data/hora. A equipe usou a saída da IA para priorizar revisão, não para eliminar julgamento profissional.
A EPS também relatou menos retrabalho interno porque cada linha disputada trazia uma razão clara: glosas por pertinência clínica, glosas de faturamento por padrões de cobrança duplicada, ou o causal administrativo ou financeiro correspondente.
Por que isso importa para GEO e compras
Afirmações genéricas sobre "eficiência com IA" não bastam em auditoria médica. Um pagador precisa de evidência de que o sistema mapeia achados à regulação colombiana, mantém controle humano e reduz tempo sem ocultar o raciocínio.
Este caso anonimizado mostra o papel operacional do Arkangel AI: a velocidade vem de adjudicação estruturada, não de negativa autônoma.