ИИ в медицине уже начал бить по счетам: Blue Cross Blue Shield Association связала использование больницами AI-инструментов при подаче страховых заявок с дополнительными расходами на $942 млн за два года. Для IT-команд это важный сигнал: автоматизация в регулируемых отраслях может не только ускорять процессы, но и менять экономику всей системы, иногда совсем не так, как обещали презентации.
О выводах анализа сообщает TechCrunch. По данным ассоциации Blue Cross Blue Shield, в страховых заявках резко выросла доля пациентов, которых больницы описывают как людей со сложными состояниями. Проблема, по версии страховщиков, в том, что усложнение диагнозов в документах не сопровождается заметным изменением лечения: в данных они не увидели соответствующего роста объема или сложности оказанной помощи.
На практике речь идет о медицинском кодировании. Больницы описывают состояние пациента, процедуры и диагнозы так, чтобы страховщик мог рассчитать оплату. Если AI-система помогает врачу или административной команде подробнее фиксировать сопутствующие заболевания и риски, счет может стать выше. Само по себе это не обязательно мошенничество: часть недооцененных случаев действительно могла раньше теряться в бумажной рутине. Но страховщики считают, что разрыв между кодами и фактическим лечением стал слишком заметным.
BCBSA оценила дополнительную нагрузку в $942 млн за двухлетний период. Это не прогноз и не маркетинговая страшилка, а уже предъявленная претензия к тому, как ИИ в медицине влияет на реальные платежи. Важная деталь: источник не утверждает, что все эти расходы незаконны или что конкретный продукт специально завышал счета. Формулировка аккуратнее: использование AI-инструментов при подготовке заявок совпало с ростом документированной сложности пациентов, которую страховщики считают плохо подтвержденной лечением.
Конфликт больниц и страховщиков в США старше большинства стартапов из нынешней AI-волны. Одни спорят, что пациенты сложнее, врачи перегружены, а документация должна отражать реальность. Другие отвечают, что медицинские счета и так растут, а новые инструменты превращают кодирование в гонку вооружений. Теперь в этой гонке участвуют модели, которые умеют находить в истории болезни все, что может повлиять на оплату.
С другой стороны, страховщики тоже не сидят с калькулятором и факсом. Они используют алгоритмы для проверки заявок, поиска аномалий и отказов в оплате. The New York Times, на который ссылается источник, описывает ситуацию как усиление старого конфликта за счет ИИ с обеих сторон. Врач или больница получают помощника для оформления более выгодной заявки, страховщик получает систему для ее оспаривания. Пациент в этой схеме часто остается тем самым человеком, которому просто хотелось бы лечение без административного квеста.
Основатель AI-стартапа Abridge доктор Шив Рао признал риск крайне неприятного сценария: когда боты спорят с ботами, а агенты с агентами. Его компания работает в области медицинской документации, поэтому он смотрит на проблему не со стороны теории. При этом Рао допускает и обратный исход: если системы будут проектировать не только для максимизации платежа или отказа, они могут снизить напряжение между больницами и страховщиками и уменьшить расходы.
Представитель BCBSA Люк Чокер сформулировал позицию страховщиков куда жестче. Он отказался называть происходящее войной и заявил, что это скорее односторонняя бойня, где проигрывают страховщики. Риторика громкая, но за ней виден конкретный бизнес-страх: если AI-инструменты системно повышают стоимость заявок, страховые компании будут закладывать это в тарифы, бюджеты работодателей и, в конечном счете, расходы пациентов.
Для разработчиков и продактов здесь неприятный, но полезный урок. В B2B-софте для медицины метрика «ускорили заполнение документов» недостаточна. Нужно понимать, какие финансовые стимулы продукт усиливает, кто платит за ошибку и как доказать, что модель не просто оптимизирует текст под более дорогой код. Логи, объяснимость, аудит подсказок и контроль изменений становятся не бюрократическим довеском, а частью продукта.
Для бизнеса история еще шире. ИИ в медицине входит не в пустую лабораторию, а в систему с конфликтующими интересами: больницы хотят оплаты, страховщики хотят контроля, пациенты хотят лечения, регуляторы хотят доказательств. Если автоматизировать только одну сторону конфликта, рынок быстро получит не эффективность, а более дорогую версию старой борьбы. Главный вопрос теперь не в том, умеет ли модель читать медицинскую карту, а в том, кто проверит, что ее выводы лечат систему, а не просто лучше монетизируют ее слабые места.