يُنقَض 90% من قرارات رفض التغطية بالذكاء الاصطناعي عند الاستئناف. ومحكمة اعتبرت ذلك إخلالًا بالعقد.

دفعت إحدى العائلات 16,768 دولارًا من جيبها الخاص لإبقاء والدتها في سرير المستشفى.

كانت تعاني من ميتهيموغلوبينية الدم — وهو اضطراب دموي يحرم الجسم من الأكسجين. لم تكن الخوارزمية التي تقرر تغطيتها تعلم بذلك، أو بالأحرى كانت تعلم ولم تكترث. فقد دُرّبت على التنبؤ بمدة الإقامة انطلاقًا من مجموعة تشخيصها، وكان متوسط المرضى في تلك المجموعة جاهزًا للعودة إلى المنزل. لذا صنّفها النظام للخروج وفق جدول زمني سكاني، في حين كان مستوى الأكسجين الفعلي في دمها يروي قصة مختلفة. تمكنت عائلتها من تدبير المال. لكن معظم العائلات لا تستطيع — بل معظمها لا يحاول أصلًا: ففي دعوى UnitedHealth، لم يستأنف سوى نحو 0.2% من المستفيدين من Medicare قرارات الرفض على الإطلاق.

تقع تلك القضية في صميم Lokken v. UnitedHealth، وهي الدعوى الجماعية المتعلقة بـ nH Predict، أداة الذكاء الاصطناعي المستخدمة لتوقّع الجداول الزمنية للتعافي في إدارة الاستخدام ضمن Medicare Advantage. والرقم الذي ينبغي أن يوقف كل مسؤول تنفيذي في خطط الرعاية الصحية مذهولًا هو هذا: نحو 90% من قرارات الرفض التي ولّدها الذكاء الاصطناعي في تلك الدعوى جرى نقضها عند الاستئناف — بين الشريحة الضئيلة من الأعضاء الذين تجشّموا عناء الاعتراض عليها. عندما قرأت ذلك للمرة الأولى، كان حدسي مماثلًا لحدس معظم المهندسين — فمعدل نقض بنسبة 90% هو مشكلة دقة في النموذج، شيء تصلحه ببيانات تدريب أفضل وعتبات أكثر إحكامًا. كنت مخطئًا، وأخبرتني المحكمة عن السبب. فقاضٍ فيدرالي يعامل تلك الـ90% لا بوصفها عيبًا تقنيًا بل دليلًا على إخلال بالعقد. وإعادة التأطير الوحيدة هذه هي ما حوكمة الذكاء الاصطناعي في Medicare Advantage يجب أن تجيب عنه فعلًا، وهو السبب الذي دفعني في النهاية إلى بناء شركة حوله.

معدل نقض عند الاستئناف بنسبة 90% ليس معامل ضبط. إنه اعتراف بأن النظام لم يكن يقرر الضرورة الطبية أصلًا.

الدعوى تتعلق بجملة في عقدك، لا بخلل في نموذجك

ما استغرق مني وقتًا طويلًا على نحو محرج لأفهمه هو أن التعرّض القانوني في هذه القضايا لا يكمن في أوزان النموذج. بل يكمن في وثيقة إثبات التغطية (Evidence of Coverage) الخاصة بك.

وثيقة إثبات التغطية الخاصة بك — العقد الذي يوقّعه كل عضو — تَعِد بأن قرارات التغطية يتخذها موظفو الخدمات السريرية والأطباء. هذا هو الاتفاق. وحين بدأت أستخرج نصوص وثائق إثبات التغطية للخطط وأضعها بجوار طوابير الفصل الآلي الفعلية لديها، كانت الفجوة موجودة دائمًا تقريبًا بالأبيض والأسود. العقد يقول إن الطبيب هو من يقرر. وسير العمل يُظهر خوارزمية تُسجّل درجة للطلب وإنسانًا ينقر على «موافقة» على أي شيء تُرجعه. لا يحتاج محامي الخصم إلى عالم بيانات ليجد تلك الفجوة. يحتاج إلى مساعد قانوني وقلم تظليل.

أمر الإفصاح الصادر في مارس 2026 في قضية Lokken (2026 WL 658883) جعل هذا ملموسًا. فقد منحت المحكمة المدّعين حق الاطلاع على وثائق تطوير الذكاء الاصطناعي، ومواصفات بيانات التدريب، وتقارير التحقق. أحتفظ بنسخة مطبوعة من ذلك الأمر مع بند واحد محاط بدائرة، لأنه غيّر طريقة حديثي مع كل خطة: وثائق الذكاء الاصطناعي الخاصة بك أصبحت الآن قابلة للإفصاح. إذا كان نموذجك عاجزًا عن إنتاج سجل قرارات منظَّم، وبيانات تدريب خاضعة للتحكم في الإصدارات، ونتائج تحقق موثَّقة، فلن تتمكن من إعادة بناء سبب رفضك لمطالبة ما — ولا يمكنك الدفاع عما لا تستطيع إعادة بنائه.

اللحظة التي يصبح فيها «العنصر البشري في الحلقة» وهمًا

لفترة من الوقت افترضت أن الخطط التي تُقاضى هي حالات شاذّة متهورة تدير قرارات رفض مؤتمتة بالكامل. لكن الواقع أكثر إزعاجًا، وهو التفصيل الذي أبدأ به الآن كلما أخبرني مسؤول طبي رئيسي بأنهم في أمان لأن طبيبًا سريريًا يوقّع بالموافقة.

يحدث الانكسار عند قرار تشغيلي واحد لا يراه أحد خارج الغرفة قط. فقد قلّص مديرو nH Predict التباين المقبول عن توقّع النموذج من 3% إلى 1%. على الورق هذا تغيير في الضبط. أما في الممارسة فقد حوّل أداة دعم القرار إلى حارس بوابة آلي، لأن الأطباء السريريين الذين انحرفوا ولو قيد شعرة عن رقم الخوارزمية أصبحوا الآن مخالفين للامتثال. وواجه بعض من تجاوزوا النظام إجراءات تأديبية.

تلك هي اللحظة التي يكفّ فيها العنصر البشري في الحلقة عن كونه ضمانة ويصبح مجرد مسرحية. فالطبيبة التي تكون وظيفتها في خطر إن اختلفت مع النموذج لا تمارس حكمًا سريريًا — بل تختم بالموافقة صوريًا. وكل قرار رفض يمر عبر مراجعة شكلية يحمل كامل المسؤولية التعاقدية والتنظيمية لقرار مؤتمت، لأنه وظيفيًا كذلك تمامًا.

نطاق التباين مدفون في محاضر اجتماعات لجنة ما. وهناك تُربح الدعوى أو تُخسر، لا في بنية النموذج.

لا أستطيع إحصاء عدد محادثات الحوكمة التي تتجاوز هذا الأمر مباشرة. فالخطط تُدقّق نموذجها. لكنها لا تكاد تُدقّق سياسة سير العمل المحيطة به أبدًا — العتبة، وقواعد التجاوز، والهيكل التأديبي. تلك السياسة هي ما يحدد ما إذا كان طبيبك السريري صانع قرار أم درعًا للمسؤولية لا يحمي شيئًا في الحقيقة.

لماذا بنينا الشيء الخطأ أولًا

حين بدأ فريقي، فعلنا الأمر البديهي. بنينا نظام مراقبة.

بدا الأمر منطقيًا على لوح أبيض. فالسوق مليء بأدوات مراقبة الذكاء الاصطناعي — إذ تقدّم Fiddler قابلية التفسير عبر SHAP وLIME مع كشف الانجراف والتحيز؛ ولدى Watsonx.governance من IBM أداة OpenScale لأجل الإنصاف؛ وتبيع Credo AI وHolistic AI حزم سياسات ولوحات امتثال تجمع الأدلة تلقائيًا. ومنطق هذه الفئة برمّتها هو: لديك نماذج في الإنتاج، فتُركّب طبقة تراقبها، والآن أصبح لديك حوكمة. لذا بنينا طبقة راقبت ذكاءً اصطناعيًا لإدارة الاستخدام في خطة تجريبية وأنتجت مقاييس إنصاف جميلة.

ثم نظرت مديرة طبية في تلك الخطة — شخص جلس في لجنة إدارة الاستخدام الخاصة بها لسنوات — إلى لوحتنا وطرحت السؤال الذي أعادنا إلى نقطة البداية. «هذا يخبرني بأن النموذج يتصرف باتساق. لكنه لا يخبرني بأن النموذج ينبغي أن يتخذ هذا القرار من الأساس. لقد كان nH Predict متسقًا أيضًا.»

كانت محقّة، وكان ذلك مؤلمًا. فقد بنينا أداة بالغة الدقة لقياس شيء مَعيب في جوهره. لم يفشل nH Predict لأنه كان غير مُراقب. بل فشل لأنه رجّح متوسطات مجموعات التشخيص على المؤشرات السريرية الفردية — الأكسجين في الدم، وتوافر مقدّم الرعاية، وتفاعلات الأمراض المصاحبة — في مجال يكون فيه التباين الفردي هو تعريف الضرورة الطبية بعينه. ومراقبة ذلك النموذج بعناية أكبر كانت ستنتج سجلًا مرتبًا لنظام يفعل الشيء الخطأ بموثوقية. وكان معدل النقض البالغ 90% سيُوثَّق توثيقًا بديعًا.

كان ذلك الفشل هو ما مهّد لكل ما بنيناه بعد ذلك. فالمراقبة تخبرك بما إذا كان النموذج مستقرًا. لكنها لا تخبرك بما إذا كان القرار قابلًا للدفاع عنه. وهاتان مشكلتان مختلفتان، وكانت فئة منصات الحوكمة بأكملها، بالنسبة للمشتري الذي كان يهمّني، تحل المشكلة الأولى وتسمّيها الثانية.

ما الذي يجب أن تفعله فعلًا حوكمة الذكاء الاصطناعي في Medicare Advantage؟

لذا مزّقنا فرضية المراقبة وبدأنا من السؤال الوحيد المهم في قاعة المحكمة: هل يمكنك الدفاع عن هذا الرفض المحدَّد لهذا الشخص المحدَّد بعينه؟

إعادة التأطير هذه تغيّر البناء كليًا. فأنت لم تعد تُجهّز نموذجًا بالأدوات — بل تهندس قرارًا بحيث يعيد بناء نفسه بعد سنوات، بموجب أمر إفصاح. وبالنسبة لخطة Medicare Advantage، هذا يعني أن ثلاثة أمور يجب أن تكون صحيحة في آن واحد، وتحقيق صحّتها هو العمل الذي تقوم به Veriprajna على veriprajna.com/solutions/medicare-advantage-ai-governance.

أولًا، يجب أن يحمل كل قرار تفسيره الخاص — لا درجة إنصاف شاملة، بل سجل لكل قرار على حدة يبيّن أي العوامل السريرية رجّحها النموذج وأيها تجاهل، بلغة يستطيع الطبيب السريري والقاضي قراءتها معًا. هذا هو الجزء الذي يستهين به الجميع، وهو حيث يتعين عليّ نقل أخبار سيئة. فمنصات المطالبات القديمة التي تعمل عليها معظم الخطط — Facets وQNXT — لم تُصمَّم قط لإصدار سجل عزو للسمات لكل قرار. إنها تخزّن النتيجة، لا التعليل. لذا فإن قابلية التفسير الحقيقية على منظومة Medicare Advantage ليست مسألة انتقاء نموذج أفضل من على الرف. إنها برمجية وسيطة: طبقة تلتقط مدخلات النموذج وأوزانه ومسار التجاوز السريري، وتكتبها في سجل مبني ليصمد أمام الإفصاح. هذا عمل تكامل غير برّاق، وهو معظم المهمة.

المتطلب الأصعب هو أن بنية الامتثال يجب أن تُطابق اللوائح التي تصل في الوقت ذاته — وهو ما يقودني إلى فخ رأيت خطة متطورة تسير نحوه مباشرة.

المقياس الذي يبدو نظيفًا وليس كذلك

بدأت CMS-0057-F، القاعدة النهائية للترخيص المسبق، تُحدث أثرها في يناير 2026 — مهلة 72 ساعة للطلبات المستعجلة، وسبعة أيام للطلبات القياسية، وعدم إعادة فتح حالات الإدخال للمرضى الداخليين المعتمَدة إلا في حالات الاحتيال. ثم في 31 مارس 2026، حلّ أول موعد نهائي للإبلاغ العلني: كان على الخطط أن تُبلّغ عن ثمانية مقاييس للترخيص المسبق على مستوى العقد، بما في ذلك معدلات الرفض، وأوقات الاستجابة، ومعدلات النقض عند الاستئناف.

التفصيل المهم هو من النوع الذي لا تلتقطه إلا إذا كنت قد قرأت السجل الفيدرالي، أي التصحيحات، لا مجرد العنوان الرئيسي. ففي يونيو 2025، علّقت CMS التقسيمات على مستوى الخطة ومتطلبات الخبرة في الإنصاف الصحي في لجان إدارة الاستخدام. وما يبقى علنيًا هو مقاييسُ مجمَّعة على مستوى العقد. فيمكن لخطة أن تنشر معدل نقضٍ عند الاستئناف على مستوى العقد محترمًا تمامًا وتبدو نظيفة — في حين أن سجلات قراراتها الفردية، تلك التي يصل إليها مباشرةً أمرُ إفصاحٍ على غرار قضية Lokken، تروي قصة مختلفة تمامًا.

المقاييس العلنية هي الجزء الذي تختار إظهاره. وسجلات القرارات هي الجزء الذي تأخذه المحكمة. والحوكمة يجب أن تنتصر في الثاني، لا في الأول.

لقد جلست قبالة مسؤولين تنفيذيين أشاروا إلى إيداعهم في 31 مارس بوصفه دليلًا على أنهم في مأمن. الإيداع ضروري. لكنه ليس دفاعًا. فمحامو المدّعين لا يقرأون لوحتك المجمَّعة؛ بل يستدعون قضائيًا السجل الكامن وراء رفض عضو واحد.

ثم يأتي 1 يناير 2027، حين تصبح واجهات برمجة التطبيقات للترخيص المسبق من HL7 FHIR — أي CRD وDTR وPAS — إلزامية، مُنشئةً أثرًا إلكترونيًا كاملًا للمعاملات لكل قرار ترخيص مسبق. وذلك الأثر إما أفضل دليل لديك أو أسوأه، ويتوقف ذلك كليًا على ما إذا كان التعليل قد التُقط لحظة اتخاذ القرار. لا يمكنك ملؤه لاحقًا بأثر رجعي. لديّ الآن تذكرة تكامل مفتوحة على نسخة QNXT هي في جوهرها رهان على أيٍّ من هذين المستقبلين ستنتهي إليه خطة ما.

الترقيع الذي لم تُبنَ له أي منصة منفردة

وعليها أن تصمد أمام خريطة تنظيمية لا يغطيها أي منتج جاهز. في المرة الأولى التي فرشت فيها التزامات عميل يعمل في ولايات متعددة على جدول بيانات واحد، توقفت الأعمدة عن الاتفاق فيما بينها — وذلك متعمَّد. فالمتطلبات غير متسقة عمدًا.

دخل قانون تكساس لحوكمة الذكاء الاصطناعي المسؤول حيز التنفيذ في يناير 2026 بصلاحية واسعة لطلبات التحقيق المدني — وكانت تكساس قد كشفت أوراقها بالفعل حين سوّت أول تحقيق في مجال الذكاء الاصطناعي التوليدي في الرعاية الصحية، ضد Pieces Technologies، في سبتمبر 2024 بشأن ادعاءات مبالَغ فيها عن الدقة. أما بنسلفانيا فقد سلكت اتجاهًا مختلفًا، بتشريع يشترط مراجعة مقدّم رعاية بشري قبل أي رفض مدفوع بالذكاء الاصطناعي، وإفصاحًا إلزاميًا عن أن الذكاء الاصطناعي مستخدَم أصلًا، وبيانات امتثال سنوية. وتواجه الآن مؤسسة Medicare Advantage العاملة في ولايات متعددة ترقيعًا تريد فيه كل ولاية ضوابط مختلفة للشفافية والتدقيق والإفصاح. وبالنسبة لأي خطة ذات عمليات عالمية، يصنّف قانون الذكاء الاصطناعي الأوروبي الذكاء الاصطناعي في الرعاية الصحية على أنه عالي المخاطر بموجب الملحق الثالث، مع وجوب الامتثال الكامل بحلول أغسطس 2027 وغرامات تصل إلى 6% من إجمالي الإيرادات السنوية العالمية.

هذه بالضبط هي الثغرة التي تقع فيها شركات الاستشارات الكبرى. فستنشر Deloitte وAccenture منصة جاهزة — Credo AI أو IBM Watsonx — وتسميها حوكمة. لكن المنصة الجاهزة لا تعرف تهيئة Facets الخاصة بك، ولا توفّق بين طلبات التحقيق في تكساس وتفويض المراجعة قبل الرفض في بنسلفانيا ومتطلب ملف إدارة المخاطر في الاتحاد الأوروبي. أما بائعو أنظمة المطالبات فوضعهم أسوأ: فالشركات نفسها التي تصون Facets وQNXT تبيع أيضًا إضافات الذكاء الاصطناعي لها، لذا فهي ليست بالضبط مُحفَّزة على إبراز فجوات الحوكمة في منصاتها الخاصة. لم يكن أحد في ذلك المشهد يبني الشيء الوحيد الذي يحتاجه المشتري — ضوابط تقنية مُطابَقة، قرارًا بقرار، لكل لائحة تنطبق عليه في آن واحد.

لماذا لا تستطيع خطة ببساطة شراء برنامج قابلية التفسير؟

يطرح عليّ الناس سؤالًا وجيهًا: إذا كانت قابلية التفسير ومراقبة التحيز موجودتين بالفعل، فلماذا لا تستطيع خطة ببساطة شراء Fiddler أو إقامة ذكاء اصطناعي سببي وتنتهي من الأمر؟

سببان. فبائعو المراقبة بارعون حقًا فيما يفعلون — لكن فرضيتهم بأكملها هي أن النموذج في الإنتاج هو الشيء الجدير بالحوكمة. وحين تكون بنية قرار النموذج هي الخلل، كما كان الحال مع nH Predict، فإن مراقبته بعناية أكبر لا تمنحك سوى تسجيلٍ أعلى دقة للضرر. أما الذكاء الاصطناعي السببي — وcausaLens هو الاسم الأكثر مصداقية هنا — فهو الجواب الصحيح أكاديميًا، إذ يُنمذج السبب بدل الارتباط، لكنه غير ناضج تجاريًا وموجَّه في معظمه نحو الخدمات المالية؛ ولا تزال النماذج السببية الخاصة بالرعاية الصحية لقرارات التغطية في طور البحث إلى حد كبير. وبائعو أتمتة الترخيص المسبق مثل Cohere Health يحسّنون المتغير الخطأ تمامًا. فستخفض Cohere تكلفتك الإدارية للترخيص المسبق بنسبة 47%. هذا رقم حقيقي ومنفعة حقيقية. لكن السرعة ليست قابلية للدفاع. فالرفض الأسرع الذي لا تزال عاجزًا عن إعادة بنائه في المحكمة هو طريق أسرع إلى المسؤولية نفسها التي حدّدتها Lokken.

السبب الآخر هو الحجم، وهو الجزء الذي لا أستطيع أن أثني خطة عنه. تتوقع Gartner أن تُعالَج 80% من مطالبات الرعاية المتنقلة عبر فصلٍ آنيٍّ مدعوم بالذكاء الاصطناعي بحلول 2028. ومع ذلك فإن 12% فقط من مستشفيات الولايات المتحدة لديها اليوم إطار حوكمة رسمي للذكاء الاصطناعي، وفق إحصاء Censinet. وحجم قرارات التغطية المؤتمتة على وشك أن يتضاعف بوتيرة أسرع بكثير مما يبنيه أي أحد من بنية تحتية للدفاع عنها. وCMS لا تنتظر بأدب — فقد بدأت عمليات تدقيق RADV لسنة الدفع 2020 في فبراير 2026 مستخدمةً كشف الشذوذ المدعوم بالذكاء الاصطناعي لتحديد التشخيصات غير المدعومة. فالجهة المنظِّمة تُدقّق ذكاءك الاصطناعي بالذكاء الاصطناعي بينما تُلزمك بحوكمته بنفسك.

الخطط التي تتحرك أولًا تحوّل هذا إلى ميزة

أريد أن أختم بالشيء الذي أؤمن به حقًا، لا بتحذير.

كل خطة أتحدث إليها تعامل الحوكمة كتكلفة — ضريبة على نشر الذكاء الاصطناعي، وكابح للأتمتة الوكيلة التي يريدها الجميع. أنا أفهم هذا التأطير. فاقتصاديات الإدارة قاسية من الجانبين: يُنفق مقدّمو الرعاية 19.7 مليار دولار سنويًا في مقاومة قرارات الرفض، وتتحمل الخطط تكلفتها الخاصة على كل مطالبة مُتنازَع عليها. والإغراء هو أن تُؤتمت بقوة أكبر وتحوكم بأقل ما تتطلبه القاعدة.

لكن هذه الحسبة تسير عكسيًا. فقرارات الرفض التي تُنقض عند الاستئناف لم تكن قط وفورات في التكلفة — بل كانت مسؤولية سجّلتها الخطة كإيراد وستردّها مع فوائدها في المحكمة. والخطة القادرة على أن تُنتج، لأي رفض، سجلًا نظيفًا يبيّن أي العوامل السريرية جرى ترجيحها، موقّعًا من طبيب سريري كان يملك بحق حرية الاختلاف، ومُطابَقًا لكل لائحة تنطبق، لا تتجنب الدعوى فحسب. بل تستطيع أن ترفض بسرعة أكبر وثقة أكبر، لأن كل قرار مبني ليصمد أمام التدقيق الذي بات يأتي الآن كأمر روتيني. لقد بنينا بنية حوكمة الذكاء الاصطناعي في Medicare Advantage من أجل تلك الخطة بالضبط.

لم تخسر عائلة مريضة ميتهيموغلوبينية الدم لأن خوارزمية ارتكبت خطأ. بل خسرت، مؤقتًا، لأن النظام لم يستطع تفسير نفسه ولم يكن أي عنصر بشري في الحلقة حرًّا في نقض قراره. اِبنِ النظام بحيث يستطيع تفسير نفسه، وأطلِق حرية العنصر البشري لنقض قراره، ولن تعود تأمل ألا يأتي أمر الإفصاح أبدًا. بل ستكون جاهزًا له.