Protegendo informações confidenciais no setor de saúde
Orizon aprimora sua infraestrutura de dados e o uso de GenAI para atender seus clientes
minutos para criar documentação de código
de fluxos de trabalho automatizados com LLMs
em aumento de produtividade
![](https://www.databricks.com/sites/default/files/2024-07/orizon-header-image.png?v=1721237802)
A Orizon, empresa de tecnologia de saúde do Grupo Bradesco, melhora a eficiência do segmento. Sua plataforma conecta seguradoras, hospitais, médicos e pacientes por meio de análises avançadas e Inteligência Artificial (IA) para detectar fraudes financeiras em cobranças médicas. A companhia também é dedicada à transformação digital, porém, tem enfrentado dificuldades com dados fragmentados e processos manuais ineficientes, tornando mais difícil para suas equipes combaterem fraudes. Para solucionar estes desafios, a Databricks forneceu uma solução completa, permitindo a centralização dos dados, a simplificação de processamentos e a automação de 63% das tarefas manuais.
Enfrentando ineficiências no processo de documentação de saúde
A missão da Orizon é ajudar a prevenir fraudes no setor de saúde por meio da aplicação de ferramentas como inteligência médica, análises e automação. A empresa de tecnologia de saúde com visão de futuro já tinha começado a aproveitar o seu vasto conjunto de dados, que engloba hospitais, médicos e pacientes, para impulsionar sua inovação em IA. No entanto, a companhia estava sobrecarregada pela gestão interna de dados, o que dificultava suas capacidades de detecção de fraudes.
Guilherme Guisse, diretor de Dados e Análises da Orizon, explicou: “Temos cerca de 40 mil regras médicas em nosso sistema e adicionamos cerca de 1.500 novas mensalmente. Toda vez que uma nova regra era adicionada, pedíamos a um desenvolvedor para analisar o código, documentá-lo e criar um fluxograma. Era um processo muito manual e propenso a erros.”
Essas regras - codificadas em linguagens legadas como C# e C++ - eram necessárias para determinar a elegibilidade de um membro para o plano de saúde, mas consumiam recursos consideráveis de TI. Como a inclusão de uma nova regra levava vários dias para ser concluída, os analistas de negócios frequentemente precisavam solicitar que desenvolvedores de C++ interpretassem o código, o que criava ainda mais gargalos para a Orizon. Pior ainda, eram necessários dois desenvolvedores da equipe de análise de negócios para criar a documentação para aplicar essas regras.
Para enfrentar esses desafios, a Orizon explorou o potencial da IA generativa para automatizar a documentação de códigos e a interpretação de regras e permitir que os usuários consultassem e recebessem explicações instantâneas sobre as regras, integrando um grande modelo de linguagem (LLM) no Microsoft Teams. Essa inovação visou eliminar o gargalo entre desenvolvedores e reduzir significativamente o tempo necessário para atualizações, uma vez que o chatbot LLM previsto forneceria respostas precisas em tempo real e documentação gráfica, melhorando a eficácia dos desenvolvedores e permitindo que as equipes se concentrassem na estratégia da companhia e no roadmap de produtos.
Ao fazer uso estratégico dessas ferramentas de GenAI, o objetivo da Orizon era transformar seus processos de gestão de dados, melhorar a precisão e a velocidade dos seus esforços de detecção de fraudes e otimizar o uso dos recursos de saúde.
Modernizando a infraestrutura de dados para implementação GenAI
Para isso, a empresa adotou a Data Intelligence Platform da Databricks, a fim de integrar mais facilmente todos os componentes necessários para a criação de um warehouse, processamento e uso de dados abrangentes. Com a transição para uma arquitetura de lakehouse, a Orizon pôde consolidar seus bancos de dados anteriormente isolados em um único sistema, simplificando os fluxos de trabalho e garantindo acesso e gerenciamento mais eficientes. A inclusão do Delta Lake proporcionou armazenamento e gestão de dados confiáveis, aprimorando a capacidade da empresa de lidar com transações ACID e unificar o processamento de dados em streaming e batch. Esse movimento estabeleceu a base para práticas escaláveis de dados, modernizando seus sistemas tradicionais e unificando dados, análises e IA em uma única solução. Essa consolidação foi crucial para facilitar a transição da Orizon para o uso da GenAI em seus fluxos de trabalho internos (e eventualmente externos).
A primeira tarefa foi incorporar a GenAI, juntamente com suas capacidades de processamento de linguagem natural, no Microsoft Teams, para que os usuários de negócios pudessem obter respostas a perguntas sem depender dos desenvolvedores. Usando o MLflow, plataforma MLOps de código aberto desenvolvida pela Databricks, a Orizon pôde gerenciar perfeitamente todo o ciclo de vida do machine learning — incluindo data ingestion, feature engineering, model building, ajuste e rastreamento de experimentos — para garantir a capacidade de reprodução. Uma vez que a equipe da Orizon ajustou os modelos Llama2-code e DBRX GenAI com seus próprios dados e regras de negócios, eles implantaram os modelos com segurança, por meio do Mosaic AI Model Serving, tornando-os acessíveis e fáceis de utilizar em toda a organização.
Felizmente, o processo foi facilitado pelos arquitetos de soluções da Databricks. Conforme a Orizon continuou a incorporar a GenAI em outros fluxos de trabalho internos, o uso inicial de LLMs para documentação textual e gráfica do código-fonte economizou tempo e esforço, beneficiando os usuários de negócios das equipes de produtos e comerciais.
Como player do segmento de saúde, a estratégia da Orizon exigia governança e segurança de dados aprimoradas. O Unity Catalog da Databricks garantiu o gerenciamento seguro de dados das regras de negócios, que eram exclusivas da empresa e vitais para o treinamento do novo LLM. Guisse explicou: “Não podíamos enviar esses dados para fora pois nossas regras de negócios são confidenciais. Para desenvolver nosso LLM com segurança dentro da Orizon, precisávamos de um parceiro como a Databricks para capacitar os usuários a criar modelos personalizados com base em nossos próprios dados.” Graças à capacidade do Unity Catalog de definir e aplicar permissões granulares, a Orizon pôde manter a segurança e a conformidade necessárias, garantindo que os dados confidenciais permanecessem protegidos, porém acessíveis às pessoas autorizadas para operações críticas. De forma mais ampla, isso melhorou sua capacidade de combater eficazmente a fraude na área da saúde.
Maximizando a economia de custos com utilização otimizada de recursos
De acordo com Guilherme, “com nossos novos recursos de GenAI, atualmente estamos processando 63% das tarefas automaticamente. Assim, nossos desenvolvedores podem se concentrar no desenvolvimento, e não apenas na documentação”. Como a empresa de tecnologia em saúde já está vendo melhorias substanciais, ela liberou desenvolvedores, que agora podem focar em tarefas de alto valor, como implementar novas regras de detecção de fraudes. Essa mudança também se traduziu em economias significativas para a Orizon — aproximadamente USD30K por mês em recursos melhor utilizados. O processo de documentação também leva menos de cinco minutos agora, acelerando significativamente os fluxos de trabalho, com o potencial de aumentar a taxa de novas regras de 1.500 para 40.000 por mês — traduzindo-se em 1 bilhão de reais (BRL) em produtividade adicional.
Além disso, a estratégia avançada de dados da Databricks transformou a governança e a segurança de dados na Orizon, auxiliando em sua missão de combater fraudes no setor de saúde no complicado mercado brasileiro. A empresa se orgulha de aderir a regulamentações rigorosas de privacidade, protegendo informações sensíveis de pacientes e cobranças médicas. Dessa forma, a nova abordagem robusta permite que a Orizon aproveite dados do histórico e modelos de IA para avaliar e verificar procedimentos médicos, reduzindo fraudes significativamente, contribuindo para economias de custos para planos de seguros e melhorando o acesso e a qualidade dos cuidados de saúde para o povo brasileiro.
A Orizon agora pode explorar outros casos de uso inovadores de IA. Como próximo passo, a companhia espera desenvolver um LLM para verificar e validar materiais aprovados para uso em procedimentos médicos e hospitalares. Isso garantirá que apenas os materiais necessários e adequados sejam usados, reduzindo custos e melhorando a qualidade do atendimento. A empresa quer fazer uso da IA para aprimorar o atendimento ao cliente, lendo os registros de aplicativos e respondendo às perguntas deles em tempo real. Atualmente, a equipe de atendimento ao cliente leva de cinco a seis dias para responder às consultas. No entanto, com a ajuda da GenAI, eles esperam agilizar o processo para promover a satisfação e a fidelidade desse público. Esses avanços contínuos fazem parte do compromisso da Orizon de usar tecnologias de IA de ponta para melhorar a prestação de serviços de saúde no Brasil.