Data Science & IA
Automatización de reclamos en la Superintendencia de Salud
El Desafío
La Superintendencia de Salud es un organismo público que tiene dentro de sus metas velar por el cumplimiento de los derechos de la ciudadanía en relación con los Prestadores de Salud e Isapres. Anualmente, ingresan cerca de 45.000 reclamos de diversa índole, los cuales tardan un promedio de 200 días en tener solución. Se identificaron aquellos reclamos con mayor volumen y que son los más susceptibles a ser automatizados. El Alza de Precio Base constituye cerca del 50% de los reclamos que hace la ciudadanía. Las principales metas para el proyecto fueron:
- Agilizar el proceso de tramitación de reclamos por APB
- Automatizar el reconocimiento y validación de los documentos solicitados a la ciudadanía
- Rediseñar el diagrama de procesos por el que tiene que pasar un reclamo dentro del organismo público
- Clasificar de manera rápida y certera la materia y submateria de los reclamos ingresados
El gran desafío de este proyecto era crear un modelo que leyera las cartas de APB, pudiese reconocer en qué página se encontraba la información necesaria, identificara a qué Isapre corresponde la carta, leyera la Cédula de Identidad, verificara que la carta y la cédula se refirieran a la misma persona, y que esa persona tenga una cédula vigente.
La estrategia
Se usaron redes neuronales que analizaban los patrones de textos en cada plana de la carta presentada para así poder identificar a qué Isapre corresponde, además de corroborar que la carta corresponde a la de Alza de Precio Base.
Se utilizaron técnicas de NLP para tomar los reclamos, limpiarlos y dejarlos listos para ser procesados por modelos de machine learning y así lograr una clasificación óptima.
Posteriormente, el reclamo ingresado por el usuario es recepcionado por la isapre en su portal correspondiente donde puede apelar al reclamo, todo dentro de los plazos legales establecidos
Adicionalmente se hizo un levantamiento completo de los procesos para los ingresos de los reclamos y se rediseñaron para mejorar la eficiencia de la atención presencial y digital
Análisis mediante redes neuronales
para identificar textos y automatizar ingesta de éstos
Técnicas de procesamiento de lenguaje natural (NLP)
para procesar información de reclamos y posterior clasificación
Levantamiento y rediseño de procesos
asegurando transformación de operación ad-hoc
Los Logros
El resultado fue una disminución de los tiempos de procesos de los reclamos de Alza de Precio Base, además de la liberación de los distintos analistas dentro del organismo público de salud para poder dedicar su tiempo a otros casos y tareas de mayor valor agregado. Adicionalmente lo anterior fue acompañado de un proceso de optimización y automatización de los procesos asociados.
Se generó también un clasificador que capaz de tomar cualquier reclamo y clasificarlos en una de las clases designadas por la Superintendencia de Salud con una precisión mayor al 85%.
Disminución de los tiempos de los reclamos de Alza de Precio Base de 40 días a 15
De un proceso con 107 etapas se logró reducir a 93 etapas finales, de las cuales 34 se automatizaron
Se estimó que la automatización de procesos disminuyó los tiempos de procesamiento de 202 a 108 días
Casos de éxito
Desarrollamos algoritmos que ayudan a las compañías a mirar hacia el futuro y tomar las decisiones que dan forma a su presente"