En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarOpenAI Blog→ original

El agente de OpenAI que tramita solicitudes de seguros: Luna logra el 91,8% de la puntuación por 8,5 centavos

Para que una aseguradora apruebe una resonancia magnética, un empleado de la clínica copia a mano los datos de la historia clínica en el portal del seguro, que a menudo no tiene API. OpenAI ha entrenado a sus agentes para hacerlo mediante clics, y una persona revisa el resultado. En HealthAdminBench, el test de Stanford, GPT-6 Luna obtuvo el 91,8% de la puntuación por 8,5 centavos por tarea, y Astra, el 94,3%, aunque Luna cuesta un 98% menos. Para el trabajo rutinario de alto volumen compensa el modelo pequeño con revisión humana.

Procesado por IA desde OpenAI Blog; editado por Hamidun News
El agente de OpenAI que tramita solicitudes de seguros: Luna logra el 91,8% de la puntuación por 8,5 centavos
Fuente: OpenAI Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalOpenAI Blog ↗
Editor jefe
CVSun agente despachó en un fin de semana un atasco de meses en el envío de documentos
Dato clave #2Los médicos consideraron seguras el 99% de las 325 tareas revisadas en la historia clínica
Cignala recopilación de datos de más de 10 sistemas para los gestores de casos pasó a llevar segundos

Para que a un paciente le programen una resonancia magnética no basta con la decisión del médico: la aseguradora debe aprobar la prueba de antemano. Los datos necesarios están en la historia clínica electrónica (EHR), y un empleado de la clínica los reescribe a mano en un portal aparte de la aseguradora. Estos sistemas a menudo no tienen API, así que no se puede automatizar el proceso con código convencional.

OpenAI propone encargar ese trabajo a agentes que manejan el ordenador como lo haría una persona: hacen clic, escriben y cambian de ventana. En HealthAdminBench, un test independiente de investigadores de Stanford que evalúa tareas administrativas habituales de las clínicas, el modelo GPT-6 Luna logró el 91,8% de la puntuación disponible y costó 8,5 centavos por tarea. GPT-6 Astra, el modelo superior, obtuvo el 94,3%, pero Luna sale un 98% más barata, es decir, unas 50 veces.

Si construyes automatización para un sector regulado, este caso sirve de ejemplo de cómo elegir modelo y cómo controlar al agente.

Cómo se ve en el ejemplo de la resonancia

OpenAI montó una demo con datos sintéticos. Un paciente escribe a su médico por un dolor lumbar. El agente abre la EHR y lee las notas de las visitas, el historial de fisioterapia y las imágenes anteriores. Después prepara el borrador de la solicitud de resonancia, el registro de la consulta y la respuesta al paciente, y el médico revisa todo. El agente usa esos mismos datos para preparar la solicitud de autorización previa en el portal de la aseguradora. La revisión final corre a cargo de un especialista en autorizaciones.

La clave es que el agente no necesita una API. Muchos portales de aseguradoras y sistemas clínicos antiguos no ofrecen integraciones, y es precisamente ahí donde más tiempo se pierde en trabajo manual.

Qué mostraron las pruebas

La parte clínica se evaluó con tareas de la bandeja de entrada de los médicos en la EHR, diseñadas con la participación de médicos. Exigen entender el historial del paciente y no perderse en interfaces complejas. Los expertos valoraron si el trabajo era útil y si los errores, las omisiones o las acciones del agente podían causar daño al paciente. De las 325 tareas revisadas, se consideró segura el 99%. En 646 valoraciones de utilidad, los médicos eligieron «muy útil» o «extremadamente útil» en el 93% de los casos.

Para las tareas administrativas (autorizaciones previas, apelaciones, pedidos de equipamiento médico) se usó HealthAdminBench. Astra obtuvo el 94,3% de la puntuación disponible y Luna, el 91,8%. Ambos modelos se probaron con el nivel máximo de razonamiento. La diferencia de calidad es de unos 2,5 puntos porcentuales, y la de precio, del 98%. Para un gran flujo de solicitudes del mismo tipo, es un argumento de peso a favor del modelo pequeño.

Qué hacen ya los socios

CVS Health usa agentes para enviar documentos, procesar derivaciones y apoyar las consultas con especialistas. En uno de sus flujos de trabajo, un agente despachó en un fin de semana un atasco de meses en el envío de documentos. Otro se encarga de los pasos de sistema de decenas de miles de consultas al día. Para verificar el trabajo, CVS guarda capturas de pantalla y registros de las acciones, añade pasos de comprobación y mantiene a una persona en el circuito. La compañía también publica el código fuente de su Agent Kit, basado en OpenAI Agents SDK: una plantilla lista para procesos similares.

En Cigna, los gestores de casos tenían que recorrer más de diez sistemas clínicos y administrativos para reunir el contexto de un cliente. Ahora el agente recopila en segundos los datos de cobertura, médicos, visitas y consultas anteriores. Pasaron menos de ocho semanas desde la idea hasta el lanzamiento.

Abridge prepara agentes para el entorno hospitalario. El médico pide ayuda para despejar los obstáculos del alta, y los agentes trabajan en paralelo en el acceso a medicamentos y la organización de los cuidados en casa, combinando el manejo de interfaces con llamadas y mensajes. Ambience ha puesto el acento en la capacidad de control. Si hay alguna ambigüedad en la historia, el agente se detiene y consulta al médico, y solo envía la solicitud tras recibir confirmación. La clínica define qué acciones están permitidas, puede pausar al agente en cualquier momento y dispone de un registro paso a paso para auditorías.

Limitaciones y conclusión práctica

Las cifras de seguridad y utilidad proceden de una evaluación de OpenAI, y la demo se basa en datos sintéticos. Incluso un 99% de tareas seguras significa que unas tres de las 325 resultaron dudosas, y en medicina ese remanente no se puede ignorar.

Las funciones están disponibles a través de la API de OpenAI, ChatGPT for Healthcare y ChatGPT for Clinicians. Los productos incluyen acceso por roles, configuración de aprobaciones y registros de auditoría. Los datos de las organizaciones no se usan para entrenar los modelos base. Para trabajar con datos médicos protegidos según HIPAA (la ley estadounidense de confidencialidad médica), las organizaciones deben usar servicios cubiertos por un acuerdo BAA con OpenAI y activar los ajustes de seguridad y retención necesarios.

Para desarrolladores y responsables de producto, lo importante no es el clic en los botones, sino el circuito de control que lo rodea: detenerse ante la duda, registrar las acciones, limitar el acceso y revisar con una persona. Este esquema sirve para cualquier ámbito regulado donde no hay API y sobra la rutina. La económica Luna demuestra que, para tareas de alto volumen, suele compensar elegir el modelo pequeño y destinar lo ahorrado a las verificaciones.

Historia

Preguntas frecuentes sobre la noticia

Cómo se ve en el ejemplo de la resonancia?

OpenAI montó una demo con datos sintéticos. Un paciente escribe a su médico por un dolor lumbar. El agente abre la EHR y lee las notas de las visitas, el historial de fisioterapia y las imágenes anteriores. Después prepara el borrador de la solicitud de resonancia, el registro de la consulta y la respuesta al paciente, y el médico revisa todo. El agente usa esos mismos datos para preparar la solicitud de autorización previa en el portal de la aseguradora.

¿Qué se sabe sobre Qué mostraron las pruebas?

La parte clínica se evaluó con tareas de la bandeja de entrada de los médicos en la EHR, diseñadas con la participación de médicos. Exigen entender el historial del paciente y no perderse en interfaces complejas. Los expertos valoraron si el trabajo era útil y si los errores, las omisiones o las acciones del agente podían causar daño al paciente. De las 325 tareas revisadas, se consideró segura el 99%. En 646 valoraciones de utilidad, los médicos eligieron «muy útil» o «extremadamente útil» en el 93% de los casos.

¿Qué se sabe sobre Qué hacen ya los socios?

CVS Health usa agentes para enviar documentos, procesar derivaciones y apoyar las consultas con especialistas. En uno de sus flujos de trabajo, un agente despachó en un fin de semana un atasco de meses en el envío de documentos. Otro se encarga de los pasos de sistema de decenas de miles de consultas al día. Para verificar el trabajo, CVS guarda capturas de pantalla y registros de las acciones, añade pasos de comprobación y mantiene a una persona en el circuito.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…