Fawad Butt, CEO a spoluzakladatel Penguin Ai – rozhovor

Fawad Butt, CEO a spoluzakladatel Penguin Ai, je zkušený odborník na zdravotnické údaje a umělou inteligenci, který založil společnost po vedoucích rolích v Kaiser Permanente, UnitedHealthcare a Optum, kde dohlížel na velké projekty datové správy, analytiky, umělé inteligence a podnikových platforem. Jeho zkušenosti s vedením datové strategie uvnitř některých z největších plátců a poskytovatelů zdravotní péče utvořily zaměření Penguin Ai na řešení administrativních neefektivností ve zdravotnictví pomocí účelově navržené umělé inteligence, místo toho, aby se snažili vtěsnat obecné platformy do složitých zdravotnických pracovních postupů. Pod jeho vedením je Penguin Ai zaměřen na praktickou teorii: zdravotnictví potřebuje systémy umělé inteligence navržené speciálně pro operace plátců a poskytovatelů, s možností snížit manuální práci, zlepšit přesnost a pomoci týmům strávit více času na vyšších rozhodnutích klinické a provozní.

Penguin Ai je zdravotnická společnost s umělou inteligencí, která se zaměřuje na automatizaci administrativních a klinických operací pro plátce, poskytovatele, společnosti pro správu příjmů a partnery zdravotnické technologie. Jejich platforma kombinuje zdravotnické specifické jazykové modely, digitální pracovníky, agenty umělé inteligence, governance, compliance a automatizaci pracovních postupů pro použití jako předchozí autorizace, zpracování nároků, lékařské kódování, řízení odvolání, úprava rizika, integrita plateb, souhrn lékařských záznamů, souhrn klinické dokumentace a ověření způsobilosti. Společnost získala 29,7 milionu dolarů ve venture financování, včetně 25 milionů dolarů v rámci série A vedené Greycroft, na rozšíření náboru, vývoje produktů a nasazení u plátců a poskytovatelů, a také spustila Gwen, platformu pro vytváření vlastních pracovních postupů umělé inteligence pro administrativní pracovní postupy.

Po vedení datových a analytických organizací v Kaiser Permanente, UnitedHealthcare a Optum, které konkrétní zkušenosti vás přesvědčily, že zdravotnictví potřebuje účelově navrženou platformu umělé inteligence, a jak tyto zkušenosti utvořily zakládající vizi pro Penguin Ai?

Budete mi říkat přesně ten okamžik, kdy to došlo. Seděl jsem na přehledu u jednoho z velkých plátců, díval se na frontu předchozích autorizací, které se vrátily třikrát, a žádná z nich neměla skutečnou klinickou otázku. Vrátily se proto, že pole neodpovídalo nebo dokumentace se objevila ve špatném formátu. Některé z nejlepších operátorů v zemi strávili den krmením stroje, který nevyprodukoval nic pro pacienta, který čekal na druhé straně. Viděl jsem stejnou plýtvání v Kaiser, v UnitedHealthcare, v Optum, pouze v jiném kostýmu. To je okamžik, kdy jsem přestal věřit, že tření je cena za měřítko. Vize pro Penguin Ai přímo vyšla z této frustrace: postavit platformu, která mluví jazykem plátců a poskytovatelů, vložit zdravotnické kontext do systému, aby Ai Worker aplikoval vaše vlastní kritéria a ukázal své důvody, a ponechat osobu odpovědnou za klinická rozhodnutí a odstranit rutinní práci od ostatních. To je celý zápas.

Penguin Ai se zaměřuje na řešení toho, co popisujete jako trilliondollarový administrativní náklad zdravotnictví. Které pracovní postupy jste prioritizovali jako první, a proč vyšly předchozí autorizace, zpracování nároků, lékařské kódování a odvolání jako největší příležitosti pro transformaci poháněnou umělou inteligencí?

Šli jsme tam, kde bolest nejvíce bolí. Předchozí autorizace, zpracování nároků, lékařské kódování a odvolání se dostaly na vrchol z jednoho důvodu: jsou to enormní hromady opakované práce, kde většina případů následuje vzorec, a výjimky jsou tak vzácné, že by je měl vidět pouze člověk. Předchozí autorizace vedla seznam, protože tam můžete doslova sledovat, jak pacient trpí, zatímco papíry leží ve frontě, a nikdo to s rovnou tváří neobhajuje. Když naši Ai Worker vezmou rutinní objem a směrují skutečné výjimky na osobu, výsledky nejsou jemné. Přehledy běží až o 97 procent rychleji, zamítnutí klesají o více než polovinu a asi 92 procent případů se vyřeší bez manuálního doteku. Vybral jsem tyto čtyři, protože mi umožnily rychle prokázat teorii: odstranit administrativní zátěž a udělat zdravotnictví lepší pro pacienta, klinika a osobu, která práci dělá. Všichni vyhrávají ve stejném tahu, a to je přesně proč jsme začali tam.

Jako zdravotnický výkonný ředitel jste vyhodnotili bezpočet podnikových technologických dodavatelů. Jaké jsou nejčastější důvody, proč startupy umělé inteligence nezískávají trakci uvnitř velkých zdravotnických systémů a plátců?

Seděl jsem na straně kupujícího dostatečně dlouho, abych viděl, jak startupy spálily svou šanci stejnými třemi způsoby. Jedna, zacházejí se zdravotnictvím jako s jakýmkoliv jiným podnikovým účtem a jsou zaskočeni integrací, legacy systémy a regulační zátěží, o které nikdo nemluvili. Dvě, předčasně prodávají autonomii a pak nemohou odpovědět na první tvrdou otázku, která je vždycky nějaká verze “ukážete mi, jak se tam dostala”. Žádná auditní stopa, žádné důvody, které by akceptoval compliance tým, a pilotní projekt umírá přímo tam v místnosti. Tři, opravují jednu stranu vztahu plátce-poskytovatel a nikdy nechápou, že tření žije ve spoji mezi nimi. A upřímně, každý kupující, kterého znám, je unavený. Mají zásobník plný nástrojů poháněných umělou inteligencí, které přidaly dashboard a neodebraly žádnou práci z žádné desky. Laťka je vysoká a trpělivost je tenká, a kdokoli, kdo nemůže ukázat skutečnou cestu od pilotního projektu k produkci, je vyhozen ze dveří.

Mnohé zdravotnické organizace zůstávají opatrné při nasazování umělé inteligence v kritických operacích. Jak vypadá úspěšná adopce umělé inteligence uvnitř velkého plátce nebo poskytovatele, a jaké chyby dělají lídři, když se snaží škálovat?

Skutečná adopce začíná malá a získá si cestu nahoru. Vyberte jeden pracovní postup, který skutečně bolí, držte své lidi v smyčce, aby mohli vidět, jak se práce dělá a důvěřovat jí, a dovolte důkazu, aby vám koupil rozšíření. Když tým vidí, jak Ai Worker vyčistí rutinní případy správně a předá jim ty, které skutečně potřebují úsudek, přestanou odporovat a začnou žádat více. Chyby jsou bolestně předvídatelné. Lídři se snaží vařit oceán a nasadit všude najednou. Kupují technologii a nikdy nepřepracují pracovní postup kolem ní, takže zátěž se pouze přesune do jiné fronty. Nebo příliš rychle vytrhávají lidi, spalují důvěru a pak se diví, proč nikdo věc nedotkne. Škálování umělé inteligence ve zdravotnickém systému je úkolem pro změnu řízení, který nosí technologický kostým. Týmy, které vyhrávají, zacházejí s tím tímto způsobem, a zavazují se k tvrdému metrickému ukazateli od prvního dne, aby všichni věděli, co skutečný úspěch vypadá.

Penguin Ai zdůrazňuje zdravotnické modely umělé inteligence a pracovní postupy místo obecných podnikových řešení umělé inteligence. Jaké jedinečné výzvy ve zdravotnictví vyžadují specializovaný přístup, a kde obecné platformy umělé inteligence selhávají?

Zdravotnictví není obecný podnikový případ, a předstírat, že ano, vás spálí. Má svůj vlastní jazyk, svá pravidla, své důsledky, a nic z toho není volitelné. Obecný model vám poskytne sebevědomou, pravděpodobnou odpověď, která je potichu špatná, protože nese vaše kritéria lékařské nezbytnosti a nemůže ukázat svou práci způsobem, který by akceptoval auditor nebo klinika. Není začátek. Postavili jsme Penguin Ai ve vrstvách přesně z tohoto důvodu: datová vrstva, která dává informace dohromady, Kontextová vrstva, která drží zdravotnické specifické důvody a governance, a Ai Workforce, který skutečně dělá práci, včetně našich předem postavených Ai Worker řešení a Gwen, builder, který umožňuje vašemu týmu postavit nové Ai Workery. Obecné platformy umělé inteligence selhávají, protože zacházejí se zdravotnickými odbornými znalostmi jako s něčím, co můžete promptovat. Nemůžete. Musíte je postavit do systému, a to je celý smysl toho, co jsme vytvořili.

Předchozí autorizace zůstává jednou z nejfrustrujících procesů pro poskytovatele a pacienty. Jak vidíte, že umělá inteligence změní předchozí autorizaci v příštích pěti letech, a jaké záruky jsou nezbytné, aby se zajistilo, že automatizace zlepšuje výsledky bez vytváření nových bariér?

Pět let dopředu, přímé schválení se vrátí do několika minut, aplikované konzistentně proti vašim vlastním směrnicím, s klinickým cyklem smyčky na cokoli, co vyžaduje lékařský úsudek. To je dobrá verze. Zde je část, kterou lidé přeskočí: automatizace může stejně snadno institutionalizovat bariéry, pokud ji postavíte líně. Rychlejší způsob, jak odmítnout péči, je zneužitím s lepší propustností. Takže záruky jsou celý zápas. Každá doporučení, která Ai Worker dělá, musí nést své důvody a plnou auditní stopu, co nazýváme skleněnou bednou, aby kdokoli mohl vidět přesně, jak se tam dostala. Rychlost se nikdy nesmí stát krytím pro tichou zeď automatizovaných odmítnutí. A kvalifikovaná osoba zůstává odpovědná za klinický úsudek, vždy. Získejte to správně a předchozí autorizace přestane být tím, čeho se pacienti a doktoři bojí. Získejte to špatně a postavíte rychlejší verzi problému. Jsem pouze intéressován o tom prvním.

Průmysl stále více mluví o agentech umělé inteligence a autonomních pracovních postupech. Jaké jsou největší technické a provozní překážky pro nasazení umělé inteligence, která může spolehlivě zpracovat komplexní administrativní úkoly ve zdravotnictví s minimální lidskou intervencí?

Těžká část není demo, ale okraje. Zpracování výjimek, špinavá a nekonzistentní data a legacy systémy, které nebyly postaveny pro komunikaci s čímkoliv. To je místo, kde žije skutečné inženýrství, a je hluboce neokouzlující. Provozní překážka je důvěra, kterou žádný zdravotnický systém vám nedává zdarma. Pokud vaši lidé nemohou audovat to nebo vysvětlit to, nebudou to škálovat, plný stop. Nyní mi dovolte trochu zpochybnit premise. “Minimální lidská intervence” je špatný cíl, a znepokojuje mě, když to slyším. Bod je osvobodit vaše lidi pro komplexní případy a úsudky, kde jejich odborné znalosti skutečně vydělávají svůj plat. Naši Ai Worker vezmou rutinní objem a vědí, kdy táhnout osobu. Zafixování toho přenosu, spolehlivě a transparentně, ve skutečném zdravotnickém měřítku, je tvrdý problém, který stojí za řešení. Všechno ostatní je vědecký projekt.

Zdravotnictví je jedním z nejvíce regulovaných průmyslů na světě. Jak vyvažujete rychlost inovací s dodržováním předpisů, požadavky na ochranu soukromí, auditovatelností a potřebou lidské odpovědnosti v systémech poháněných umělou inteligencí?

Získáte právo pohybovat se rychle, postavíte věci, které drží. Ve zdravotnictví je governance základem, a my ji nalili první. Když zpracováváte pacientská data, podniková datová governance je morální požadavkem, a myslím to doslova. Každá doporučení běží na standard skleněné bedny, důvody plus plná auditní stopa, která umožňuje compliance týmu skutečně důvěřovat rychlosti. Lidská odpovědnost je zabudována do designu, protože kvalifikovaná osoba vlastní cokoli, co se dotýká klinického úsudku, zatímco Ai Worker zpracovává sestavení a rutinní zátěž. To je způsob, jak získat rychlost a důvěru ve stejném systému, a v tomto průmyslu nemůžete vybrat jednu a přeskočit druhou. Většina lidí rámuje compliance a auditovatelnost jako brzdy. Vidím je jako věc, která vám umožňuje dát nohu dolů, protože bez nich nikdy nedosáhnete produkce na prvním místě.

Vous udělali přechod od vedení velkých podnikových dat a analytických organizací k budování startupu od začátku. Jaké aspekty cesty od operátora k zakladateli byly nejvíce obohacující, a jaké výzvy byly nejvíce překvapivé?

Nejvíce obohacující částí je, že konečně můžete postavit to správně poprvé. Uvnitř velké organizace se změna pohybuje rychlostí instituce. Každá oprava musí projít legacy systémy, konkurenční priority a vrstvy schválení, takže změna, o které víte, že je správná, může trvat osmnáct měsíců, než se uplatní, pokud se uplatní vůbec. Ten tempo vás vyčerpá, když vidíte přesně, co se musí stát. V prostoru zakladatelů zmizí ten strop. Můžeme postavit od začátku, navrhnout platformu kolem problému místo kolem třiceti let nahromaděných workaroundů, a dodat správnou odpověď, zatímco ještě záleží. Když slyším, že sestra získala zpět své večery, nebo pacient dostal odpověď v hodinách, kde to dříve trvalo dny, to má dopad způsobem, jakým žádná roadmapa nezmůže.

Pohledem vpřed, pokud umělá inteligence úspěšně odstraní většinu administrativní zátěže ze zdravotnictví, jak si myslíte, že plátci, poskytovatelé a pacienti budou zažít zdravotnický systém jinak v příštím desetiletí?

Deset let dopředu, pokud to uděláme správně, systém konečně vypadá jako péče again. Pacienti získají skutečné odpovědi, když jsou vyděšení a zranitelní, a přestanou muset získat minoritu v pojišťovenské byrokracii, aby získali to, co jejich doktor již objednal. Klinici stráví své hodiny uměním medicíny a lidmi před nimi, místo toho, aby se brouzdali prostřednictvím osmdesáti sedmého rutinního případu před obědem. Operační a administrativní personál, někteří z nejvíce nedoceněných lidí v tomto celém průmyslu, konečně dělají práci, která využívá jejich skutečné odborné znalosti. A plátci a poskytovatelé koordinují místo toho, aby házeli papíry zpět a forth přes šev, který nikdo nevlastní. To je zdravotnictví, které buduji. Scorecard, o kterém se starám, je nudný a specifický: čas vrácený do péče o pacienta a zpoždění vytažené z pacientovy zkušenosti. Všechno, co děláme, je ve službách těch dvou čísel.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Penguin Ai.