R1在RCM领域已运营了十多年，因此积攒了大量数据。 该公司在整个收入周期中确定了 100 多个节点——无论是哪种医疗服务模式（服务收费、基于价值的护理或其组合），其中许多都可以通过整合的技术平台来解决。
从根本上说，RCM效率低下的原因主要有两个：(1) 太多的单点解决方案，没能有效集成；(2) 组织上的孤岛效应导致重复工作和执行不力。 此外，许多任务的低技能性质也导致员工流失率高，从而难以全面改进运营。 R1 的完全外包集成平台解决了这两个问题，并可以通过利用人工智能和自动化来加速和强化。
R1过去3年都做了些什么？
在2018 年，Ascension 成为了 R1的最大客户，净患者营收net patient revenue (NPR)约为 140亿美元。 同年，R1又扩展了另一家价值 50亿美元的 NPR 关键客户 Intermountain。该客户在 2019 年与 Ascension 的子公司进行另一次扩张，使NPR达到 60 亿美元。此时，R1 已经证明了其扩展能力，共享资源和离岸劳务管理能力； 因为R1拥有大量数据，能够改进和标准化其流程。 认识到这一机会，该公司于 2018 年 11 月推出了专门的数字化转型办公室 (DTO)，以努力实现这些标准化流程的自动化。
2018 年：选定的初始自动化合作伙伴
虽然该公司在 2018 年完成了一些基本的自动化工作，并且在年中通过收购 Intermedix 继承了一些自动化能力方面，R1 还开始审查与行业无关的自动化软件供应商，如 UiPath、Blue Prism 和 Automation Anywhere。R1 最终选择Automation Anywhere作为主要合作伙伴，因为它具有快速扩展的能力和“银行级”安全加密的能力。Automation Anywhere 与 R1 的其他战略合作伙伴一起，为 R1 的员工提供构建自动化流程所需的工具。
2019 年：实施第一波自动化
有了合适的软件，R1 开始探索自动化替代人工。为了适应这项技术，该公司瞄准了易于自动化的流程，而不一定是那些最有可能产生节约的流程。最初关注的关键领域包括 (1) 保险资格验证——包括注册和 预授权流程； (2) 医疗补助申请状态检查； (3) 理赔提交前单据编辑； (4) 索赔状态检查。 例如，当医疗服务商向 Medicare 提交理赔时，员工会访问网站查看状态。 通过自动化，员工可以将其设置为仅在相关状态发生变化时接收提醒。尽管 R1 聘请了一个咨询团队来加速初始工作，但该公司现在拥有自己的内部团队，由 120 多个专员组成，可以完全控制自动化流程。 该公司还通过与 Intermountain 合作在犹他州默里（盐湖城地区）开设技术和创新中心。
2020 年：更多自动化、机器学习和自助服务功能
R1 在 2020 年通过扩展其数字自助服务能力、部署其首个机器学习模型并继续推动整个周期的流程自动化，实现了数字化转型之旅的多元化。
收购SCI 加速了 R1 的患者入院数字化工作。 R1 于 2020 年以收购 SCI Solutions ，该公司通过 (1) 更好的转诊和调度流程改善患者体验； (2) 价格透明； (3) 额外授权过程的自动化； (4) 为医疗服务机构进行预测分析。 该平台汇总了所有入站需求（电话、传真、在线请求），并通过医生日历/时间表进行患者匹配。 对于客户而言，SCI 拥有 80% 的转化率，而行业平均水平接近 60%。
作为 SCI 交易的一部分，R1 还收购了 Tonic Health，这是一个数字自助服务平台，使患者能够在线完成表格填写、预约登记和查看报告结果。 这与 R1 的现有功能相结合，已有超过 60% 的患者采用自助注册。当患者自行注册时，它有助于减轻医疗服务机构的劳动负担。
部署了第一个专注于拒赔管理的机器学习模型。 2020 年第三季度，R1 正式实现了其第一个机器学习模型。 该模型旨在预测被拒绝的索赔是否无法恢复并因此而浪费精力。 到年底，该公司又推出了三个机器学习模型，每个模型都专注于拒赔管理的不同子流程。 例如，R1 正在研究预测拒赔被推翻的可能性，并根据可能性高低对案件排名，员工可以通过该系统优先考虑对哪些案件重新申请索赔。
完全自动化任务管线。 2018年，公司确定了13个任务的初步管线，到2020年年中全部成功实施。前几项任务相对容易自动化（主要是从第三方来源检索数据），但后面的任务增加了有点复杂。 例如，早期流程是检查医疗补助申请状态。R1 已完成自动化工作的领域包括：
-- 计费标准（账单交付前的准确性检查）
-- 全球同意登记（相似患者/程序的一揽子付款人同意）
-- 现金过帐（验证来自付款人的入站现金付款与出站索赔一致）
-- 财务咨询
-- 有针对性的患者余额收集
-- 信函管理