draft-notes/aisyah-draft.md

AI-Syah 5-Minute Presentation Draft

1. Opening: Tantangan Nyata Klaim BPJS

Manajemen klaim BPJS hari ini semakin berat. Volume klaim terus naik, ekspektasi akurasi tetap tinggi, sementara tim casemix harus bekerja cepat di tengah proses yang masih banyak dilakukan secara manual.

Situasi di lapangan biasanya seperti ini:

• jumlah klaim terus meningkat, tetapi kapasitas SDM terbatas
• tim harus cepat melakukan coding, tetapi tidak boleh salah
• low-value claim yang repetitif tetap menyita waktu tim
• proses verifikasi dokumen, pengecekan identitas, dan pengarsipan masih berulang
• monitoring performa dan bottleneck belum terlihat secara real-time
• potensi overcost sering baru terlihat terlambat

Masalahnya bukan hanya soal pengiriman klaim. Masalahnya adalah belum ada sistem yang benar-benar membantu tim casemix bekerja lebih cerdas dari awal sampai akhir proses.

2. What AI-Syah Is

AI-Syah Smart Claim adalah platform end-to-end untuk manajemen klaim BPJS yang membantu tim casemix sejak klaim dimulai, rekomendasi coding, verifikasi dokumen, monitoring status, manajemen pending claim, hingga analitik performa.

Tujuannya jelas:

• mempercepat proses coding dan verifikasi
• menurunkan pending claim
• mengoptimalkan nilai klaim
• meningkatkan kontrol manajemen terhadap revenue cycle

AI-Syah bukan sekadar fitur tambahan di atas SIMRS. AI-Syah adalah lapisan intelligence yang membuat proses klaim menjadi lebih cepat, lebih akurat, dan lebih terkontrol.

3. How AI-Syah Works

flowchart TD
    A[Data Pasien dan Tindakan dari SIMRS] --> B[AI-Syah Smart Claim Engine]
    B --> C[AI ICD Prediction<br/>ICD-10 dan ICD-9]
    B --> D[AI Document Verification]
    B --> E[Real-Time Cost Monitoring<br/>untuk Pasien Aktif]
    B --> F[Pending Claim Management]
    B --> G[Dashboard Analytics]
    C --> H[Submission ke BPJS NCC e-Claim]
    D --> H
    E --> I[Early Warning Overcost]
    H --> J[Tracking Status Klaim]
    F --> J
    J --> K[Archive Management dan Pembelajaran Data]
    G --> L[Monitoring Performa dan Revenue Control]
    I --> L
    K --> L

Nilai utama AI-Syah ada di sini: proses klaim tidak lagi berjalan secara terpisah-pisah. Semua bagian penting, dari coding sampai follow-up klaim, bergerak dalam satu alur yang saling terhubung.

4. Kenapa Sistem Existing Belum Optimal

Banyak rumah sakit sebenarnya sudah memiliki integrasi SIMRS dengan BPJS NCC e-Claim. Secara teknis, klaim bisa dikirim.

Tetapi secara operasional, masih ada celah besar:

• belum ada AI yang memberi rekomendasi ICD untuk hasil coding yang lebih optimal
• monitoring klaim masih tersebar di banyak tempat
• belum ada early warning untuk pasien aktif yang berpotensi overcost
• pending claim masih dikelola manual
• belum ada dashboard terpusat untuk melihat performa dan risiko secara menyeluruh

Jadi masalahnya bukan sistem tidak berjalan. Masalahnya adalah sistem belum membantu rumah sakit memaksimalkan akurasi, kecepatan, dan nilai finansial klaim.

5. Feature Highlights That Make AI-Syah Stand Out

A. AI ICD Prediction Untuk Smart Coding

AI-Syah memberikan rekomendasi ICD-10 dan ICD-9 berdasarkan diagnosa dan tindakan yang tercatat, dengan model yang dilatih dari pola coding lokal Indonesia dan dapat disesuaikan dengan data historis rumah sakit.

Kenapa ini menonjol:

• membantu koder bekerja lebih cepat
• mengurangi ketergantungan pada hafalan dan pengalaman individual
• membantu menghasilkan coding yang lebih lengkap dan lebih akurat
• membuka peluang optimasi nilai klaim tanpa mengubah fakta klinis

Ini penting karena coding yang tepat langsung memengaruhi akurasi klaim dan revenue yang diterima.

B. AI Document Verification Sebelum Submit

Sebelum klaim dikirim, sistem memeriksa apakah dokumen lengkap, terbaca dengan baik, dan identitas pasien sesuai.

Kenapa ini menonjol:

• menurunkan risiko pending karena masalah administratif
• mengurangi pekerjaan verifikasi manual yang repetitif
• membuat kualitas submission lebih konsisten
• membantu tim menangkap kesalahan lebih awal, sebelum masuk ke BPJS

Banyak klaim tertahan bukan karena coding, tetapi karena administrasi. Fitur ini menutup celah itu.

C. Real-Time Cost Monitoring untuk Pasien Aktif

AI-Syah memantau biaya perawatan pasien rawat inap yang masih aktif dan membandingkannya dengan estimasi coverage BPJS.

Kenapa ini menonjol:

• memberi early warning jika ada potensi overcost
• membantu manajemen mengambil keputusan lebih cepat
• mengurangi kejutan finansial di akhir perawatan
• memberi visibilitas ke revenue risk sebelum pasien pulang

Fitur ini membuat rumah sakit tidak lagi bersikap reaktif terhadap beban biaya.

D. Pending Claim Management yang Terstruktur

Semua klaim pending dapat di-track, dikategorikan, dan di-follow-up dalam satu sistem.

Kenapa ini menonjol:

• tidak ada klaim yang hilang atau terlupakan
• alasan pending lebih mudah dianalisis
• tindak lanjut menjadi lebih sistematis
• manajemen bisa melihat backlog dan progres secara jelas

Ini mengubah pending claim dari masalah administratif menjadi proses yang bisa dikendalikan.

E. Dashboard Analytics untuk Manajemen

AI-Syah menyediakan dashboard terpusat untuk melihat performa koder, nilai klaim, pending rate, bottleneck, dan pola under-coding atau risiko lain.

Kenapa ini menonjol:

• manajemen mendapatkan real-time visibility
• performa tim dapat diukur lebih objektif
• bottleneck operasional lebih cepat terlihat
• keputusan perbaikan bisa dilakukan berbasis data

Tanpa dashboard yang baik, manajemen hanya melihat hasil akhir. Dengan AI-Syah, manajemen bisa melihat prosesnya juga.

F. Archive Management Sebagai Aset Operasional dan Pembelajaran

File hasil klaim, termasuk arsip .txt, tersimpan rapi dan mudah dicari kembali untuk audit, rekonsiliasi, dan peningkatan model.

Kenapa ini menonjol:

• proses pencarian dokumen menjadi lebih cepat
• kebutuhan audit lebih mudah dipenuhi
• data historis bisa dimanfaatkan untuk reinforcement learning atau penyempurnaan model
• rumah sakit membangun knowledge base dari aktivitas klaimnya sendiri

Ini menjadikan arsip bukan hanya tempat simpan, tetapi sumber pembelajaran sistem.

G. On-Premise Deployment untuk Data Control

AI-Syah di-deploy di infrastruktur rumah sakit agar data pasien tetap berada dalam kontrol penuh rumah sakit.

Kenapa ini menonjol:

• keamanan data lebih kuat
• compliance terhadap regulasi kesehatan lebih terjaga
• kontrol akses dapat disesuaikan secara internal
• biaya cloud recurring dapat dihindari

Untuk produk yang menyentuh data klaim dan data pasien, kontrol ini bukan tambahan. Kontrol adalah keharusan.

6. Dampak yang Ingin Dicapai

Pengurangan Pending Rate

• target penurunan pending rate dari sekitar 10% ke 5-6%
• potensi recovery revenue yang sebelumnya tertahan
• lebih sedikit klaim yang bolak-balik karena isu coding atau administrasi

Optimasi Nilai Klaim

• kombinasi coding yang lebih lengkap dan lebih tepat
• potensi peningkatan nilai klaim sekitar 3-5%
• berkurangnya under-coding yang tidak disadari

Efisiensi Operasional

• proses coding dan verifikasi lebih cepat 30-40%
• tim dapat menangani volume lebih besar dengan SDM yang sama
• fokus tim bergeser ke high-value claim dan kasus kompleks

Kontrol Manajerial yang Lebih Kuat

• performa koder lebih mudah dipantau
• bottleneck lebih cepat terlihat
• risiko finansial dan operasional lebih cepat diantisipasi

7. Logic Behind the Impact

AI-Syah tidak menjanjikan impact secara abstrak. Impact-nya datang dari perubahan workflow yang jelas:

• AI ICD Prediction membantu coding lebih cepat dan lebih akurat
• AI Document Verification menangkap masalah sebelum submit
• real-time monitoring membantu menangani error lebih awal
• dashboard analytics membantu menemukan pola under-coding dan bottleneck
• centralized workflow mengurangi pekerjaan manual yang tersebar

Karena itu, penurunan pending, optimasi nilai klaim, dan efisiensi waktu bukan sekadar angka promosi. Semua berasal dari intervensi langsung terhadap titik lemah proses klaim yang paling sering terjadi.

8. Implementation Approach

AI-Syah dapat diimplementasikan bertahap agar perubahan tetap aman dan terukur.

Tahap 1: Discovery and Assessment

Durasi sekitar 2 minggu.

Fokus utama:

• analisis workflow casemix yang berjalan
• mapping integrasi dengan SIMRS dan BPJS
• penyiapan data historis untuk training atau fine-tuning model

Tahap 2: Pilot Implementation

Durasi sekitar 1-2 bulan.

Fokus utama:

• deploy on-premise
• training tim casemix
• monitoring awal dan fine-tuning berdasarkan penggunaan nyata

Tahap 3: Full Rollout and Continuous Improvement

Fokus utama:

• scale ke seluruh proses klaim terkait
• review rutin untuk optimasi performa
• continuous AI improvement berdasarkan data baru

Pendekatan ini penting karena rumah sakit perlu melihat hasil nyata terlebih dahulu sebelum scale-up penuh.

9. Why AI-Syah Matters to Each Stakeholder

Untuk Tim Casemix

• coding lebih cepat
• verifikasi lebih ringan
• follow-up pending lebih tertata
• lebih banyak waktu untuk kasus kompleks

Untuk Manajemen Rumah Sakit

• visibilitas revenue cycle lebih kuat
• kontrol performa tim lebih baik
• keputusan lebih cepat karena dashboard real-time

Untuk Keuangan dan Operasional

• potensi revenue leakage lebih kecil
• pending claim lebih terkendali
• bottleneck operasional lebih cepat ditangani

Untuk Rumah Sakit Secara Keseluruhan

• proses klaim lebih matang
• efisiensi meningkat
• kesehatan finansial lebih terjaga

10. Suggested Closing Message

AI-Syah Smart Claim membantu rumah sakit mengubah proses klaim BPJS dari workflow yang masih manual dan tersebar menjadi sistem yang lebih cerdas, lebih cepat, dan lebih terkendali.

Dengan AI untuk coding, verifikasi dokumen, monitoring biaya, pengelolaan pending claim, dan dashboard analitik, AI-Syah tidak hanya meningkatkan efisiensi tim casemix, tetapi juga memperkuat revenue control rumah sakit secara menyeluruh.

Singkatnya, AI-Syah membantu rumah sakit melakukan smart coding untuk menghasilkan smart revenue.

11. Speaker Notes for a 5-Minute Delivery

Minute 1

Mulai dari masalah nyata: volume tinggi, akurasi tinggi, proses manual, dan tekanan terhadap tim casemix.

Minute 2

Jelaskan gap sistem existing: sudah bisa kirim klaim, tetapi belum bisa membantu coding, monitoring, dan kontrol revenue secara cerdas.

Minute 3

Gunakan diagram untuk menjelaskan alur dari data SIMRS ke AI prediction, verification, BPJS claim tracking, dan analytics.

Minute 4

Tekankan fitur pembeda: AI ICD Prediction, AI Document Verification, real-time cost monitoring, pending claim management, dan dashboard analytics.

Minute 5

Tutup dengan dampak bisnis: pending rate turun, nilai klaim lebih optimal, efisiensi meningkat, dan kontrol revenue lebih kuat.