Sundar Subramanian, CEO de Zyter – Serie de entrevistas

Sundar Subramanian, CEO de Zyter, es un ejecutivo experimentado en estrategia y salud con una trayectoria que abarca consultoría de gestión, transformación digital y operaciones de salud a gran escala. Antes de convertirse en CEO en julio de 2025, pasó más de 16 años en Strategy& de PwC, donde dirigió el negocio de consultoría estratégica de EE. UU. así como su práctica de Estrategia Empresarial, Valor y Transformación Digital, asesorando a grandes organizaciones sobre crecimiento, rediseño de modelos operativos y transformación habilitada por IA. A principios de su carrera, Subramanian co‑lideró el Centro de Excelencia de Medicaid y Medicare de Booz & Company y trabajó extensamente con pagadores de salud, después de ocupar cargos senior en WellCare y McKinsey & Company. En Zyter, lidera la expansión de la compañía en torno a la IA agente y la orquestación inteligente de flujos de trabajo, con énfasis en usar la IA para rediseñar procesos empresariales de extremo a extremo en lugar de simplemente automatizar tareas individuales.

Zyter es una empresa tecnológica empresarial de capital privado con más de dos décadas de experiencia en salud digital, donde su plataforma de salud poblacional TruCare ha establecido una presencia que respalda a más de 44 millones de vidas en más de 45 organizaciones de salud. La compañía ahora está construyendo más allá de sus raíces en salud con una plataforma de ejecución de IA diseñada para flujos de trabajo complejos y altamente regulados en salud, gobierno y servicios financieros. Su arquitectura combina Zyter Symphony, que coordina agentes de IA, sistemas empresariales y acciones humanas; Zyter Praxis, que empaqueta agentes, reglas, datos y supervisión humana en módulos de flujo de trabajo de extremo a extremo; y el TruCare Digital Core, que conecta estos flujos de trabajo a sistemas como registros electrónicos de salud, plataformas de reclamaciones, sistemas ERP y software de gestión de relaciones con clientes. El objetivo más amplio es hacer que la IA agente sea operativa dentro de entornos empresariales existentes, manteniendo gobernanza, auditabilidad y supervisión humana sobre decisiones consecuentes.

Pasó más de 16 años en Strategy&, liderando su negocio de consultoría estratégica en EE. UU. y trabajando extensamente en salud, después de una experiencia previa en WellCare. ¿Qué le convenció de que el próximo gran salto en salud provendría de la IA agente y la ejecución de flujos de trabajo, en lugar de otra generación de software tradicional?

A lo largo de mi carrera, he tenido la oportunidad de ver la salud desde varias perspectivas: como operador, como consultor estratégico y ahora como creador de tecnología. De esas experiencias surgió una observación cada vez más clara. La salud no estaba en apuros porque le faltara tecnología; estaba en apuros porque la tecnología no cambiaba la forma en que se realiza el trabajo.

Durante la última década, la industria invirtió fuertemente en digitalización. Modernizamos la infraestructura, ampliamos la analítica, mejoramos la interoperabilidad y, más recientemente, adoptamos la IA. esas inversiones generaron capacidades importantes, pero no resolvieron uno de los retos más persistentes de la salud: coordinar el trabajo entre personas, sistemas, políticas y organizaciones. Con demasiada frecuencia, la tecnología se superpuso a los modelos operativos existentes en lugar de cambiar su funcionamiento.

Esa comprensión modificó mi forma de pensar sobre la transformación. La siguiente fase no se define por desplegar más IA, sino por rediseñar la manera en que se realiza el trabajo. La IA es un habilitador extraordinario, pero su mayor valor proviene de ayudar a las organizaciones a ejecutar de forma más eficaz al orquestar el trabajo entre personas, sistemas, políticas y IA.

Eso fue lo que me atrajo a Zyter. Después de años ayudando a organizaciones a desarrollar estrategias de transformación, quise contribuir a construir la capa de ejecución que convierta esas estrategias en resultados medibles. Para mí, el futuro de la salud no consiste en hacer que la IA sea más inteligente, sino en ayudar a que la salud opere de manera más inteligente.

Zyter se posiciona como una capa de ejecución para la empresa agente, con Symphony orquestando agentes y humanos, Praxis ejecutando flujos de trabajo y TruCare anclándolos en datos empresariales. ¿Qué puede lograr esta arquitectura que los copilotos de IA individuales no pueden?

La transformación empresarial nunca ha estado limitada por falta de ideas o inteligencia. Las organizaciones generalmente saben qué deben hacer. El desafío más difícil es traducir consistentemente esas decisiones en acción a través de personas, sistemas, políticas y flujos de trabajo.

Ahí es donde veo la próxima fase de la IA empresarial. Los asistentes de IA individuales hacen que las personas sean más productivas. La IA empresarial debería hacer que las organizaciones sean más efectivas. Debería coordinar el trabajo, ejecutar flujos de trabajo, adaptarse a medida que cambian las condiciones y mejorar continuamente la forma en que opera la organización.

Nuestra arquitectura refleja esa filosofía. Symphony orquesta agentes de IA, sistemas empresariales y experiencia humana. Praxis ejecuta flujos de trabajo, y TruCare brinda la base operativa que ancla esos flujos de trabajo en datos empresariales confiables. Juntos crean una capa de ejecución donde la IA pasa a ser parte de cómo se realiza el trabajo, en lugar de ser una herramienta adicional que la gente usa junto a su labor.

Las organizaciones, en última instancia, medirán la IA por su capacidad para mejorar los resultados. La productividad importa, pero el valor a largo plazo proviene de ayudar a las empresas a ejecutar de manera más consistente, adaptarse más rápido y aprender de cada flujo de trabajo que ejecutan.

La IA agente se vuelve mucho más compleja cuando varios agentes comparten datos, transfieren tareas y escalan decisiones a humanos. ¿Qué ha aprendido Zyter sobre hacer que los sistemas multi‑agente sean lo suficientemente fiables para la salud a gran escala?

A medida que la IA pasa de casos de uso individuales a formar parte de las operaciones cotidianas, el desafío cambia. Deja de tratarse de cuán inteligente es un agente y pasa a ser cómo se coordina el trabajo entre sistemas, políticas, personas y IA.

Hemos descubierto que la especialización importa. La salud no depende de que una sola persona haga todo, y la IA tampoco debería. Los agentes con responsabilidades claramente definidas son más fiables, más fáciles de gobernar y más sencillos de mejorar con el tiempo. La capa de orquestación coordina esos agentes, gestiona las transferencias, aplica políticas de forma consistente y determina cuándo debe incorporarse la experiencia humana al flujo de trabajo.

La visibilidad es igualmente importante. Los equipos necesitan entender cómo se tomaron las decisiones, qué información las sustentó y cómo contribuyeron al resultado. Capturar la línea de decisión genera esa transparencia y permite que cada flujo de trabajo se convierta en una fuente de aprendizaje y mejora continua.

Una IA fiable no se define por cuántos agentes se despliegan, sino por cuán consistentemente se realiza el trabajo, cuán confiablemente la gente puede confiar en los resultados y cuán eficazmente el sistema mejora con el tiempo.

Las organizaciones de salud quieren que los sistemas de IA mejoren con el tiempo, pero también necesitan un comportamiento predecible y auditabilidad. ¿Cómo habilita el aprendizaje continuo sin que los sistemas se desvíen de las guías clínicas, políticas de pagadores o flujos de trabajo aprobados?

No creo que todas las decisiones deban automatizarse mediante IA. En salud, existen muchas decisiones donde la lógica determinista, las reglas de negocio establecidas o las políticas clínicas pueden ofrecer una respuesta clara y consistente. Cuando eso es posible, debemos utilizarlas en lugar de introducir incertidumbre innecesaria.

La oportunidad más interesante es combinar esos enfoques deterministas con la IA. Hemos implementado con éxito lógica neuro‑simbólica que crea una capa de verificación alrededor del razonamiento impulsado por IA. La IA puede interpretar información compleja o no estructurada, mientras que las reglas deterministas y la lógica simbólica verifican que la acción resultante siga siendo coherente con las políticas, guías y flujos de trabajo aprobados. Eso reduce la incertidumbre y mejora la precisión en comparación con depender únicamente de un enfoque basado en IA.

Esto también cambia mi forma de pensar sobre el aprendizaje continuo. El objetivo no es dar a la IA mayor libertad para decidir con el tiempo, sino aprender de la ejecución preservando los controles que determinan cómo se toman las decisiones consecuentes. Se puede mejorar la forma en que el sistema interpreta la información, maneja excepciones y coordina el trabajo sin permitir que se desvíe de las reglas que rigen el proceso subyacente.

Esa combinación de razonamiento de IA, decisiones deterministas y verificación continua es la forma de crear sistemas que pueden mejorar con el tiempo mientras siguen siendo predecibles, auditables y responsables.

Zyter ha estado explorando C‑RLM, un enfoque recursivo para sintetizar historias clínicas largas y fragmentadas. ¿Qué importancia tendrá el razonamiento de contexto largo en la salud, y podrían los agentes eventualmente mantener una comprensión continuamente evolutiva de cada paciente?

La salud nunca ha carecido de información. El desafío es que la historia de un paciente está distribuida a lo largo de años de notas de médicos, resultados de laboratorio, medicamentos, imágenes, reclamaciones e interacciones de atención. Dar sentido a esa historia requiere más que procesar una gran cantidad de datos; requiere conectar evidencias, reconocer patrones y construir una comprensión coherente del recorrido de cada paciente.

El razonamiento de contexto largo será cada vez más importante a medida que la IA pase de asistir en tareas individuales a respaldar la atención longitudinal. Nuestro trabajo con C‑RLM refleja esa dirección. El objetivo no es simplemente resumir más información, sino sintetizar evidencia clínica fragmentada en una comprensión estructurada que permanezca anclada al registro subyacente. Cada conclusión también debe ser rastreable a su fuente para que los clínicos comprendan cómo se llegó a ella y la validen contra la evidencia.

A medida que estas capacidades maduren, los agentes de IA ayudarán cada vez más a mantener una comprensión continuamente evolutiva del recorrido de cada paciente. Esa comprensión debería enriquecerse a medida que nueva información esté disponible, manteniéndose transparente, basada en evidencia y anclada a datos clínicos confiables. El papel de la IA es proporcionar a los clínicos una visión más completa para que puedan tomar decisiones mejor informadas con mayor confianza.

Zyter participa en el programa CMS WISeR, donde la IA puede apoyar flujos de trabajo mientras los clínicos con licencia conservan la autoridad de decisión. ¿Es ese aproximadamente el límite de autonomía hoy, y qué tendría que cambiar antes de que los agentes de IA puedan asumir decisiones más consecuentes?

No creo que exista un único límite de autonomía para la salud. El rol apropiado de la IA depende del flujo de trabajo, del nivel de riesgo y de la confianza que las organizaciones tengan en que el sistema se comportará de forma consistente bajo condiciones reales.

Programas como WISeR reflejan esa realidad. La IA ya es muy eficaz para sintetizar información, aplicar políticas establecidas de forma consistente, coordinar flujos de trabajo administrativos y reducir el trabajo repetitivo. Los clínicos con licencia continúan aportando juicio para decisiones donde el contexto, la ambigüedad y la rendición de cuentas son cruciales. Ese es un modelo operativo que refleja las fortalezas tanto de la IA como de la experiencia humana.

Con el tiempo, esos límites seguirán evolucionando, pero deberían hacerlo porque la confianza se ha ganado, no porque los modelos se hayan vuelto más capaces. La confianza proviene de la evidencia, la transparencia, la validación y el desempeño consistente en producción. Cada expansión del rol de la IA debe estar respaldada por los mismos estándares que la salud aplica a cualquier otra capacidad crítica.

No creo que el éxito se mida por cuán autónoma se vuelve la IA. Se medirá por si los pacientes reciben una mejor atención, los clínicos disponen de más tiempo para centrarse en decisiones complejas y el sistema de salud opera de manera más eficaz como resultado.

Zyter trasladó recientemente TruCare a una base nativa de AWS en la nube para soportar la orquestación de IA a escala empresarial. ¿Cuánto del desafío en la IA agente se refiere a los modelos en sí versus la infraestructura que conecta datos, sistemas, políticas y personas?

Los modelos de base están avanzando a un ritmo extraordinario, y eso es positivo para toda la industria. La conversación está cambiando gradualmente de lo que los modelos pueden hacer a cómo operan dentro de empresas reales.

Conectar datos, sistemas, políticas y personas es donde la transformación tiene éxito o se estanca. La IA debe trabajar dentro de entornos operativos existentes, ejecutarse a través de múltiples sistemas, aplicar políticas de forma consistente y rendir de manera fiable a escala de producción. Sin esa base, incluso el modelo más capaz permanece desconectado del trabajo que pretende mejorar.

Nuestro paso a una arquitectura nativa de AWS refleja esa evolución. Proporciona la base resiliente y escalable necesaria para orquestar IA a través de flujos de trabajo empresariales, manteniendo la fiabilidad, la gobernanza y el rendimiento que la salud requiere. La infraestructura es importante porque permite que la IA se convierta en parte de cómo se ejecuta el trabajo cada día, no simplemente en otra aplicación que funciona junto a los procesos existentes.

La oportunidad a largo plazo no se define solo por mejores modelos. Surge de combinar los avances de la IA con la infraestructura y el modelo operativo requeridos para ejecutar el trabajo de forma consistente a escala empresarial.

Zyter también está posicionando su modelo de ejecución para otras industrias reguladas, incluidos los servicios financieros y el gobierno. ¿Qué partes de la plataforma son verdaderamente horizontales y qué ventajas provienen específicamente de la experiencia de Zyter en salud?

Las industrias reguladas a menudo se analizan a través de lo que las diferencia. He descubierto que también es fundamental entender lo que tienen en común. Ya sea que se ofrezca salud, se gestione riesgo financiero o se apoyen programas gubernamentales, el éxito depende de coordinar trabajo complejo entre personas, sistemas, políticas y datos, manteniendo la rendición de cuentas de cada decisión.

Ahí es donde veo el modelo de ejecución como fundamentalmente horizontal. Orquestar IA, sistemas empresariales y experiencia humana, aplicar políticas de forma consistente, coordinar trabajo a través de múltiples sistemas y mantener la transparencia son retos que van mucho más allá de la salud. Los flujos de trabajo difieren según la industria, pero la necesidad de una ejecución fiable es notablemente constante.

La salud no cambió lo que construimos; elevó el estándar de cómo debíamos construirlo. Los flujos de trabajo clínicos exigen precisión, interoperabilidad, gobernanza, resiliencia y confianza porque las consecuencias de equivocarse son significativas. Diseñar para ese nivel de complejidad creó un modelo de ejecución que puede adaptarse a otras industrias reguladas donde la disciplina operativa, el cumplimiento y la rendición de cuentas son igualmente críticos.

A medida que la IA se incruste más profundamente en las operaciones empresariales, creo que la conversación se desplazará de si una capacidad se construyó para una industria específica a si puede ejecutarse de forma fiable en entornos complejos y regulados. Ese es el estándar que diseñamos desde el principio.

El Orquestador de Salud Rural de Zyter reúne atención virtual, monitoreo remoto, gestión de cuidados y servicios clínicos. ¿Qué puede resolver la orquestación agente en la salud rural que la telemedicina por sí sola no puede?

La telemedicina resolvió un importante desafío de acceso. El siguiente reto es garantizar que cada interacción conduzca a una acción coordinada y a resultados medibles.

La salud rural ha avanzado significativamente ampliando el acceso mediante telemedicina, monitoreo remoto e inversión en banda ancha. Sin embargo, los resultados no han seguido el mismo ritmo porque demasiadas interacciones digitales siguen desconectadas del recorrido de atención más amplio. Una visita virtual que no actualiza un plan de cuidados, no desencadena un seguimiento o no coordina el siguiente paso mejora el acceso, pero no necesariamente la salud.

Ahí es donde la orquestación se vuelve esencial. Conecta la telemedicina, el monitoreo remoto, la gestión de cuidados, los recursos comunitarios y los flujos de trabajo clínicos en un único sistema coordinado, de modo que la información fluya sin interrupciones y la acción siga automáticamente. Cada interacción pasa a ser parte de un viaje de atención continuo en lugar de un evento aislado.

La oportunidad no es simplemente ampliar el acceso. Es convertir el acceso en resultados. Cuando la atención está conectada entre personas, sistemas y flujos de trabajo, los clínicos dedican menos tiempo a navegar procesos fragmentados, los pacientes reciben un seguimiento más consistente y los sistemas de salud rurales pueden ofrecer mejores resultados con los recursos que ya poseen. Ahí es donde creo que la orquestación de IA crea su mayor valor.

Con la nueva colaboración con PwC, ¿qué distinguiría una transformación exitosa de IA de otro piloto de IA en salud? ¿Qué resultados medibles lo convencerían de que la IA ha mejorado fundamentalmente la forma en que opera un pagador o proveedor?

La salud ha invertido años en capacidades digitales. Hoy, la mayoría de las organizaciones tiene acceso a datos, IA y tecnología moderna. La siguiente fase no consiste en añadir más capacidades, sino en rediseñar la forma en que se realiza el trabajo.

Por eso no mido la transformación por la cantidad de modelos de IA desplegados o pilotos lanzados. Observo si el modelo operativo de la organización ha cambiado. ¿Las decisiones se toman más rápido? ¿Los flujos de trabajo están más coordinados entre departamentos y sistemas? ¿ Las cargas administrativas disminuyen mientras los clínicos y equipos de cuidados dedican más tiempo a actividades que mejoran la atención al paciente? ¿Esos avances repetibles en toda la empresa o están aislados a un solo caso de uso?

Esa es la filosofía detrás de nuestra colaboración con PwC. PwC aporta una profunda experiencia en estrategia y transformación de salud. Zyter brinda la capa de ejecución que operacionaliza esas estrategias a través de flujos de trabajo complejos, conectando IA, sistemas empresariales, políticas y personas para que las organizaciones puedan convertir consistentemente la estrategia en acción.

Para mí, una transformación exitosa de IA ocurre cuando la IA deja de verse como una iniciativa separada. Se vuelve parte del modelo operativo. En ese punto, las organizaciones no miden el éxito de la IA en sí, sino mejores resultados, menores costos administrativos, una atención más coordinada y un sistema de salud que funciona de manera más eficaz porque la ejecución ha mejorado fundamentalmente.

Gracias por la excelente entrevista, lectores que deseen obtener más información deberían visitar Zyter.