Amener les personnes sur la meilleure voie de rétablissement plus rapidement grâce à l'IA pour les personnes handicapées de courte durée

Pour les employés malades ou blessés en situation d'invalidité de courte durée (MST), la réussite du processus de rétablissement dépend de la prise de décisions précises et rapides par les examinateurs des demandes dès le départ. Tout comme les conseils en matière de réclamations basés sur l'IA d'EvolutionIQ ont un impact sur Reliance Standard Life comme le montre notre étude de cas de nouvelles données provenant de l'un des 10 principaux transporteurs de personnes handicapées qui ont intégré leur entreprise en 2022 révèlent un impact spectaculaire similaire.

Lorsqu'une réclamation pour MST est présentée, les équipes doivent immédiatement la trier afin de désigner le bon examinateur possédant la bonne expertise. Le fait de ne pas associer la réclamation à la bonne expertise peut la placer sur la mauvaise trajectoire, ce qui est souvent très difficile à corriger une fois qu'elle est en cours. Par exemple, certaines demandes peuvent être traitées rapidement parce qu'elles sont relativement simples. D'autres peuvent être plus complexes et nécessiter l'intervention de spécialistes. D'autres encore peuvent avoir des problèmes de santé très graves ou nécessitant de longues périodes de rétablissement. On sait donc très tôt qu'ils devront probablement passer à l'invalidité de longue durée (ILD) plutôt que de se rétablir et de retourner au travail alors qu'ils sont encore atteints de MST. Et si un transporteur fait face à une pénurie de personnel, la rapidité et la précision des décisions ne font que gagner en importance, car le temps perdu est du temps qui ne peut pas être consacré à aider les patients dans le besoin.

Les demandes sont adressées plus rapidement au bon examinateur

En ce qui concerne la compagnie d'assurance invalidité qui utilise EvolutionIQ, les nouvelles données révèlent que le temps nécessaire pour attribuer une réclamation au bon examinateur a considérablement diminué de 77 % par rapport aux processus traditionnels du transporteur. Une fois la plateforme d'IA opérationnelle, le nombre de jours nécessaires pour attribuer une réclamation au bon examinateur est tombé à seulement 2,4 jours.

En termes simples, cela signifie que les demandes d'indemnisation commencent sur la bonne voie et restent sur la bonne voie, ce qui aide les demandeurs malades ou blessés à se rétablir plus rapidement. Les demandes qui demandent beaucoup d'efforts sont confiées aux examinateurs les plus expérimentés et les demandes qui ne sont pas complexes peuvent être traitées par une équipe dédiée à un traitement rapide, ce qui améliore encore une fois l'expérience du demandeur

Il est important de noter que l'efficacité du triage d'EvolutionIQ a également permis de libérer du temps pour ceux dont le travail consiste à gérer une équipe d'examinateurs de réclamations. La plateforme d'IA a libéré près de trois jours par mois du temps de gestion qui était auparavant consacré à l'examen et à l'attribution des réclamations. Désormais, les responsables du transporteur ne gèrent que les exceptions et ce temps est passé de quelques heures à quelques minutes par jour. Cela leur laisse plus de temps pour se concentrer sur la formation des examinateurs et sur d'autres questions de fond.

Des décisions plus rapides favorisent le rétablissement des patients

Une fois entre les mains de l'examinateur compétent, le temps nécessaire pour prendre une décision en matière de réclamation a également été réduit. Grâce à la plateforme, le temps nécessaire pour examiner une réclamation, bien comprendre ses caractéristiques, puis prendre une décision quant à sa trajectoire a diminué de 56 %. Cela est motivé par les directives claires et les prochaines étapes réalisables fournies par la plateforme d'IA. Par conséquent, il n'y a plus de situations dans lesquelles des demandeurs malades ou blessés sont laissés dans l'incertitude alors que des mesures clés restent en suspens en raison de la complexité ou du volume des données contenues dans le dossier.

Comme le montre le graphique ci-dessous, le délai moyen nécessaire au transporteur pour prendre une décision en matière de réclamation était d'environ 28,5 jours en moyenne en utilisant les processus existants. Elle avait espéré réduire ce nombre à 24,5 grâce à EvolutionIQ. Cependant, une fois la plateforme déployée, le délai moyen de prise de décision est tombé à seulement 12,6 jours

Ce temps supplémentaire est bénéfique pour les demandeurs, car l'inquiétude et le stress sont réduits car leurs demandes sont approuvées plus rapidement et les bons experts interviennent plus rapidement. Cela signifie également que les examinateurs peuvent aider encore plus de personnes à suivre la bonne voie pour se rétablir.

Dans le même temps, la plateforme aide les examinateurs à prendre chaque jour des décisions plus importantes. Après le déploiement du système, les examinateurs du transporteur ont commencé à prendre 15 % de décisions de plus par jour avec EvolutionIQ que sans le système. Cela est directement attribuable aux prédictions claires que l'IA montre à l'examinateur et aux informations qui les étayent.

Pour l'équipe d'examinateurs de ce transporteur, cela se traduirait par plus de 2 000 réclamations supplémentaires traitées par an. C'est comme si l'équipe comptait près de 5 examinateurs supplémentaires.

Diminution du nombre de demandeurs ayant besoin d'une invalidité de longue durée

Grâce à ce triage très précis et précoce, le nombre de demandeurs nécessitant une invalidité de longue durée a été réduit de près de moitié, comme le montre le graphique ci-dessous. Cela signifie qu'un plus grand nombre de personnes se rétablissent alors qu'elles sont en invalidité de courte durée au lieu de passer à une invalidité de longue durée pour des raisons procédurales plutôt que médicales. Cette diminution du nombre de demandeurs nécessitant une ILD signifie également que les examinateurs ont encore plus de temps pour aider les demandeurs de prestations de soins de santé au cours de leur parcours unique de guérison.

L'un des principaux facteurs de cette baisse est la capacité de l'IA à identifier avec précision les réclamations très tôt dans le processus de transition probable. Cette identification précoce donne aux équipes de transition plus de temps pour traiter les demandes et discuter avec le demandeur malade ou blessé de ce que la transition signifiera pour lui et de la manière dont toutes les étapes se dérouleront.

Comme la transition entre MST et ILD n'est pas automatique, les demandes se regroupent souvent lorsqu'on utilise les anciennes méthodes, car leur statut de MST touche à sa fin et la personne est sur le point de passer à l'ILD. En identifiant ces demandes très tôt, non seulement la période de transition est moins fréquentée, mais les examinateurs peuvent utiliser leur temps pour aider efficacement chaque demandeur dans son processus de transition.

En utilisant les processus existants, la base de référence des transitions ILD du transporteur était de 6,9 %. Ils avaient espéré que l'utilisation d'EvolutionIQ ramènerait ce chiffre à 6,2 %. Une fois le système déployé, ce chiffre est tombé à un peu plus de 3 % et la tendance est toujours à la baisse.

Grâce à EvolutionIQ, 15 jours supplémentaires en moyenne ont été créés pour permettre à l'équipe de transition de travailler sur chaque réclamation. Par conséquent, de nombreuses réclamations qui auraient pu être passées à la LTD en utilisant les anciennes méthodes sont résolues alors qu'elles étaient toujours en STD. C'est la principale raison pour laquelle le taux de transition a diminué. Les examinateurs recherchent désormais les réclamations qui seraient résolues au cours des deux premiers mois et les résolvent avant la fin des MST.

Le délai imparti au transporteur pour examiner les transitions était d'environ 45 jours. Ils avaient espéré augmenter ce nombre jusqu'à 60 jours en utilisant EvolutionIQ. Une fois le système déployé, ce délai est passé à 64 jours.

Comme nous l'a dit le responsable de la transition vers l'ILD du transporteur : « EvolutionIQ dépasse tout ce que j'aurais pu imaginer. Je peux vous dire que cela fonctionne vraiment, et j'espérais quelque chose comme ça depuis longtemps. »

‍

‍