La Administradora de los Recursos del Sistema General de Seguridad Social en Salud (Adres) dio un nuevo paso hacia la modernización tecnológica de la digitalización de información médica de los colombianos.
La entidad anunció el inicio de un proyecto de automatización de procesos con inteligencia artificial (IA) que busca reducir hasta en un 90 % los tiempos de auditoría relacionados con accidentes de tránsito y pagos a prestadores de servicios de salud.
Actualmente, la Adres recibe en promedio más de 42.000 reclamaciones mensuales por accidentes de tránsito, lo que prolonga los procesos de auditoría hasta por tres meses. Con el nuevo modelo de gestión —basado en IA desarrollada por Amazon Web Services (AWS) en alianza con la firma Blend360— la entidad espera procesar más de 100.000 reclamaciones en solo 24 horas, frente a las 1.000 que logra revisar hoy.
A esto se suma la mejora en la precisión de los resultados, el fortalecimiento del equipo interno de revisión y una mayor transparencia en el manejo de los recursos públicos del sistema de salud.
“La implementación de esta herramienta representa un gran avance en la precisión y eficiencia de estos procesos que suelen ser tediosos. Lo que antes tomaba meses ahora puede resolverse en minutos, disminuyendo la carga administrativa y mejorando la calidad del servicio”, explicó Andrés Barrantes Bernal, líder regional de Blend360 para el norte de América Latina.
Una decisión estratégica y con base científica
El director de la Adres, Félix León Martínez, explicó que la selección del prototipo se realizó tras un proceso competitivo en el que participaron Google, Microsoft, Amazon y Oracle. Los equipos fueron evaluados según criterios de precisión (50 %), desempeño (15 %) y eficiencia (35 %).
La alianza entre AWS y Blend360 obtuvo la puntuación más alta luego de procesar 53.296 ítems de un total de 55.117 registros, en el marco de una Prueba de Concepto (PoC).
El desarrollo contó con la participación de 35 profesionales multidisciplinarios, quienes entrenaron el modelo con un enfoque estructurado para interpretar problemas complejos y generar soluciones basadas en evidencia, evitando los errores o resultados inventados que suelen presentarse en otros modelos de IA generativa.
