Son las 8:40 de la mañana y el área de admisiones de un hospital privado ya tiene tres llamadas en espera con distintas aseguradoras. Cada una pide algo distinto: un formulario firmado, un código diagnóstico, un número de póliza que nadie encuentra a la primera.

El paciente espera una respuesta que debería tardar minutos y termina tardando hasta dos días. No porque el caso sea complejo, sino porque el proceso de autorización sigue apoyado en teléfono, fax y correo — el mismo circuito de hace quince años, ahora multiplicado por decenas de hospitales y varias aseguradoras a la vez.

En una red de hospitales privados medianos y pequeños, cada institución suele operar con su propio sistema de información hospitalaria (HIS), sin un ERP corporativo único ni un estándar tecnológico compartido entre sedes. Esa heterogeneidad es precisamente lo que vuelve tan costoso automatizar de forma tradicional: cualquier solución que dependa de reemplazar sistemas se enfrenta a un proyecto de años, no de semanas.

Sobre esa base corre el proceso de autorización con aseguradoras como GNP, AXA o BUPA: personal administrativo captura la solicitud, completa formularios específicos de cada aseguradora y hace seguimiento telefónico del estatus antes de informar al paciente y al médico tratante. El resultado documentado en el sector es un ciclo que puede tomar hasta 48 horas, con presión regulatoria creciente exigiendo mejor trazabilidad de todo el proceso.

La plataforma no reemplaza el HIS de cada hospital ni introduce un ERP nuevo: se conecta por encima de los sistemas actuales mediante APIs y bots RPA construidos en UiPath, que interactúan con los portales de GNP, AXA y BUPA exactamente como lo haría hoy una persona — pero sin pausas, errores de tipeo ni horario de oficina.

La diferencia frente a un RPA tradicional está en la capa de IA generativa: un agente interpreta la documentación de cada caso, decide qué formulario y evidencia corresponde a cada aseguradora, y redacta las notificaciones para el paciente y el médico. El RPA ejecuta las tareas deterministas; el agente de IA interpreta información no estructurada y decide el enrutamiento — trabajan juntos, no son la misma pieza.

Los casos que no encajan en el patrón esperado — pólizas incompletas, procedimientos que requieren justificación adicional — se escalan automáticamente a una persona del equipo administrativo, con el expediente ya armado. La automatización no decide sobre criterios clínicos: opera en el flujo administrativo y deja la decisión médica donde siempre debió estar. Toda la plataforma se despliega, además, sobre la infraestructura de nube que la organización ya utiliza (AWS), lo que evita una migración adicional.

El primer resultado visible es de tiempo: bajar el ciclo de autorización de un promedio de 48 horas a un objetivo de 4 horas cambia la experiencia del paciente y reduce la incertidumbre del médico tratante en el momento en que más importa.

Pero el valor no termina ahí. El equipo administrativo deja de dedicar su jornada a llamadas de seguimiento y vuelve a tareas que requieren criterio humano — atención al paciente, gestión de excepciones, relación con las aseguradoras. Es un retorno cualitativo tan real como el de horas ahorradas, aunque más difícil de resumir en una sola cifra.

Hay también un componente de capacidad futura: la misma arquitectura de agentes e integración puede extenderse a otros procesos administrativos de la red — admisiones, compras, conciliación de facturación — sin partir de cero cada vez. El retorno inmediato justifica el piloto; la capacidad reutilizable construye valor a mediano plazo. Y, como en cualquier proyecto de automatización, ese valor solo se confirma si el equipo y los hospitales de la red efectivamente adoptan el flujo en su operación diaria, no solo en el piloto inicial.

It's 8:40 a.m. and the admissions desk at a private hospital already has three calls on hold with different insurers. Each one wants something different: a signed form, a diagnosis code, a policy number nobody can find on the first try.

The patient is waiting for an answer that should take minutes and ends up taking up to two days. Not because the case is complex, but because the authorization process still runs on phone calls, faxes, and email — the same workflow from fifteen years ago, now multiplied across dozens of hospitals and several insurers at once.

Across a network of small and mid-size private hospitals, each institution typically runs its own hospital information system (HIS), with no single corporate ERP or shared technology standard across sites. That heterogeneity is exactly what makes traditional automation so costly: any solution that depends on replacing systems turns into a multi-year project instead of a matter of weeks.

On top of that base runs the authorization process with insurers such as GNP, AXA, or BUPA: administrative staff capture the request, fill out insurer-specific forms, follow up by phone on the status, and only then inform the patient and the attending physician. The documented result across the sector is a cycle that can take up to 48 hours, with teams spending more time chasing answers than attending patients — and growing regulatory pressure demanding better traceability across the whole process.

The platform doesn't replace each hospital's HIS or introduce a new ERP: it connects on top of existing systems through APIs and RPA bots built in UiPath, which interact with GNP, AXA, and BUPA's portals exactly as a person would today — just without pauses, typos, or office hours.

The difference from traditional RPA lies in the generative AI layer: an agent interprets each case's documentation (diagnosis, requested procedure, policy history), decides which form and evidence applies to each insurer, and drafts the notifications the patient and attending physician receive. RPA executes the deterministic, repeatable tasks; the AI agent handles unstructured information and routing decisions — the two work together, they are not the same component.

Cases that don't fit the expected pattern — incomplete policies, procedures requiring extra justification — are automatically escalated to a person on the administrative team, with the case file already assembled. The automation doesn't decide on clinical criteria: it operates in the administrative flow and leaves the medical decision exactly where it always belonged. The entire platform is deployed, too, on the cloud infrastructure the organization already uses (AWS), avoiding an additional migration.

The first visible result is time: cutting the authorization cycle from an average of 48 hours to a 4-hour target changes the patient experience and reduces the attending physician's uncertainty exactly when it matters most.

But the value doesn't stop there. The administrative team stops spending its day on follow-up calls and returns to work that requires human judgment — patient care, exception handling, insurer relationships. That's a qualitative return as real as the hours saved, even if harder to fit into a single number.

There's also a future-capacity component: the same agent-and-integration architecture can extend to other administrative processes across the network — admissions, procurement, billing reconciliation — without starting from zero each time. The immediate return justifies the pilot; the reusable capability builds value over the medium term. And, as with any automation project, that value is only confirmed if the team and the network's hospitals actually adopt the workflow day to day, not just in the initial pilot.

São 8h40 da manhã e a recepção de um hospital privado já tem três ligações em espera com seguradoras diferentes. Cada uma pede algo diferente: um formulário assinado, um código de diagnóstico, um número de apólice que ninguém encontra de primeira.

O paciente espera uma resposta que deveria levar minutos e acaba levando até dois dias. Não porque o caso seja complexo, mas porque o processo de autorização ainda depende de telefone, fax e e-mail — o mesmo fluxo de quinze anos atrás, agora multiplicado por dezenas de hospitais e várias seguradoras ao mesmo tempo.

Em uma rede de hospitais privados de médio e pequeno porte, cada instituição costuma operar com seu próprio sistema de informação hospitalar (HIS), sem um ERP corporativo único nem um padrão tecnológico compartilhado entre as unidades. Essa heterogeneidade é justamente o que torna tão custosa a automação tradicional: qualquer solução que dependa de substituir sistemas se transforma em um projeto de anos, não de semanas.

Sobre essa base corre o processo de autorização com seguradoras como GNP, AXA ou BUPA: a equipe administrativa registra a solicitação, preenche formulários específicos de cada seguradora e faz o acompanhamento por telefone do status antes de informar o paciente e o médico responsável. O resultado documentado no setor é um ciclo que pode levar até 48 horas, com pressão regulatória crescente exigindo mais rastreabilidade de todo o processo.

A plataforma não substitui o HIS de cada hospital nem introduz um ERP novo: conecta-se por cima dos sistemas atuais por meio de APIs e bots RPA construídos em UiPath, que interagem com os portais da GNP, AXA e BUPA exatamente como uma pessoa faria hoje — só que sem pausas, erros de digitação ou horário de expediente.

A diferença em relação a um RPA tradicional está na camada de IA generativa: um agente interpreta a documentação de cada caso, decide qual formulário e evidência correspondem a cada seguradora, e redige as notificações para o paciente e o médico. O RPA executa as tarefas determinísticas; o agente de IA interpreta informação não estruturada e decide o roteamento — trabalham juntos, não são a mesma peça.

Os casos que não se encaixam no padrão esperado — apólices incompletas, procedimentos que exigem justificativa adicional — são escalados automaticamente para uma pessoa da equipe administrativa, com o dossiê já montado. A automação não decide sobre critérios clínicos: opera no fluxo administrativo e deixa a decisão médica exatamente onde sempre esteve. Toda a plataforma é implantada, também, sobre a infraestrutura de nuvem que a organização já utiliza (AWS), o que evita uma migração adicional.

O primeiro resultado visível é de tempo: reduzir o ciclo de autorização de uma média de 48 horas para uma meta de 4 horas muda a experiência do paciente e reduz a incerteza do médico responsável exatamente no momento em que isso mais importa.

Mas o valor não termina aí. A equipe administrativa deixa de dedicar sua jornada a ligações de acompanhamento e volta a tarefas que exigem julgamento humano — atendimento ao paciente, gestão de exceções, relacionamento com as seguradoras. Esse é um retorno qualitativo tão real quanto as horas economizadas, ainda que mais difícil de resumir em um único número.

Há também um componente de capacidade futura: a mesma arquitetura de agentes e integração pode se estender a outros processos administrativos da rede — admissões, compras, conciliação de faturamento — sem começar do zero a cada vez. O retorno imediato justifica o piloto; a capacidade reutilizável constrói valor no médio prazo. E, como em qualquer projeto de automação, esse valor só se confirma se a equipe e os hospitais da rede realmente adotarem o fluxo na operação diária, não apenas no piloto inicial.