Sundar Subramanian, Zyterin toimitusjohtaja – Haastattelusarja

Sundar Subramanian, Zyterin toimitusjohtaja, on kokenut strategia- ja terveydenhuoltajohtaja, jonka tausta kattaa johdon konsultoinnin, digitaalisen transformaation ja laajamittaiset terveydenhuollon toiminnot. Ennen kuin hänestä tuli toimitusjohtaja heinäkuussa 2025, hän vietti yli 16 vuotta PwC:n Strategy&:ssa, jossa hän johti Yhdysvaltojen strategiakonsultointiliiketoimintaa sekä Enterprise Strategy, Value ja Digital Transformation -toimintoa, neuvoten suuria organisaatioita kasvussa, toimintamallien uudelleensuunnittelussa ja tekoälypohjaisessa transformaatiossa. Uraansa alussa Subramanian toimi yhdessä Booz & Companyn Medicaid- ja Medicare-erinomaiskeskuksen johtajana ja työskenteli laajasti terveydenhuollon maksajien parissa, sen jälkeen että hänellä oli johtavat tehtävät WellCarella ja McKinsey & Companylla. Zyterissä hän johtaa yrityksen laajentumista agenttisessa tekoälyssä ja älykkäässä työnkulkujen orkestroinnissa, painottaen tekoälyn käyttöä kokonaisvaltaisten liiketoimintaprosessien uudelleensuunnittelussa sen sijaan, että vain automatisoitaisiin yksittäisiä tehtäviä.

Zyter on yksityinen yritysteknologiayritys, jolla on yli kaksi vuosikymmentä kokemusta digitaalisesta terveydenhuollosta, ja sen TruCare väestötieteen alusta on luonut jalanjäljen, joka tukee yli 44 miljoonaa elämää yli 45 terveydenhuollon organisaatiossa. Yritys rakentaa nyt terveydenhuollon juurien ulkopuolelle tekoäly‑toimeenpanopalvelua, joka on suunniteltu monimutkaisiin ja tiukasti säänneltyihin työnkulkuihin terveydenhuollossa, hallinnossa ja rahoituspalveluissa. Sen arkkitehtuuri yhdistää Zyter Symphony -järjestelmän, joka koordinoi tekoäly‑agentteja, yritysjärjestelmiä ja ihmistoimintoja; Zyter Praxis -alustan, joka pakkaa agentit, säännöt, tiedot ja ihmisen valvonnan kokonaisvaltaisiksi työnkulku‑moduuleiksi; sekä TruCare Digital Core -ytimen, joka yhdistää nämä työnkulut järjestelmiin, kuten sähköisiin potilastietoihin, korvausjärjestelmiin, toiminnanohjausjärjestelmiin ja asiakkuudenhallintaohjelmistoihin. Laajempi tavoite on tehdä agenttisesta tekoälystä toiminnallinen olemassa olevissa yritysympäristöissä säilyttäen hallinta, auditointikyky ja ihmisen valvonta merkittävissä päätöksissä.

Vietit yli 16 vuotta Strategy&:ssa, johtaen sen Yhdysvaltojen strategiakonsultointiliiketoimintaa ja työskennellen laajasti terveydenhuollossa, aiemman kokemuksen WellCarella jälkeen. Mikä vakuutti sinut siitä, että terveydenhuollon seuraava merkittävä harppaus tulisi agenttisesta tekoälystä ja työnkulkujen toteutuksesta sen sijaan, että se olisi perinteisen ohjelmiston uusi sukupolvi?

Uran aikana olen saanut mahdollisuuden tarkastella terveydenhuoltoa useista näkökulmista: toimijana, strategiakonsulttina ja nyt teknologiaa rakentaavana. Näiden kokemusten kautta yksi havainto kirkastui yhä selkeämmäksi. Terveydenhuolto ei kamppaillut teknologian puutteen vuoksi, vaan siksi, että teknologia ei muuttanut työn tekemistapaa.

Viimeisen vuosikymmenen aikana ala on investoinut voimakkaasti digitalisaatioon. Modernisoimme infrastruktuuria, laajensimme analytiikkaa, paransimme yhteentoimivuutta ja viime aikoina omaksuimme tekoälyn. Nämä investoinnit loivat tärkeitä uusia kykyjä, mutta ne eivät ratkaisseet yhtä terveydenhuollon pysyvimmistä haasteista: työn koordinointia ihmisten, järjestelmien, politiikkojen ja organisaatioiden välillä. Liian usein teknologiaa lisättiin olemassa oleviin toimintamalleihin sen sijaan, että muutettaisiin niiden toiminta.

Tuo oivallus muutti tapani ajatella transformaatiota. Seuraavaa vaihetta ei määritä lisää tekoälyn käyttöönotto, vaan työn tekemisen uudelleensuunnittelu. Tekoäly on poikkeuksellinen mahdollistaja, mutta sen suurin arvo syntyy, kun se auttaa organisaatioita toteuttamaan asioita tehokkaammin koordinoimalla työtä ihmisten, järjestelmien, politiikkojen ja tekoälyn välillä.

Juuri tämä houkutteli minut Zyteriin. Vuosien auttamisen jälkeen organisaatioita kehittämään transformaatiostrategioita, halusin auttaa rakentamaan toteutuskerroksen, joka muuntaa strategiat mitattaviksi tuloksiksi. Minulle terveydenhuollon tulevaisuus ei ole tekoälyn älykkäämmäksi tekemisessä, vaan terveydenhuollon toiminnan älykkäämmäksi tukemisessa.

Zyter asemoituu agenttiselle yritykselle toteutuskerrokseksi, jossa Symphony orkestroi agentteja ja ihmisiä, Praxis toteuttaa työnkulkuja ja TruCare ankkuroi ne yritystietoihin. Mitä tämä arkkitehtuuri voi saavuttaa, mitä yksittäiset tekoäly‑apulaiset eivät pysty?

Yritystransformaatiota ei ole koskaan rajoittanut ideoiden tai älykkyyden puute. Organisaatiot tietävät yleensä, mitä niiden täytyy tehdä. Vaikeampi haaste on näiden päätösten johdonmukainen muuttaminen toiminnaksi ihmisten, järjestelmien, politiikkojen ja työnkulkujen välillä.

Tässä näen yritystekoälyn seuraavan vaiheen. Yksittäiset tekoälyavustajat tekevät ihmisistä tuottavampia. Yritystekoälyn tulisi tehdä organisaatioista tehokkaampia. Sen tulisi koordinoida työtä, toteuttaa työnkulkuja, mukautua muuttuviin olosuhteisiin ja jatkuvasti parantaa organisaation toimintaa.

Arkkitehtuurimme heijastaa tätä filosofiaa. Symphony orkestroi tekoälyagentteja, yritysjärjestelmiä ja ihmisen asiantuntemusta. Praxis toteuttaa työnkulkuja, ja TruCare tarjoaa operatiivisen perustan, joka ankkuroi nämä työnkulut luotettaviin yritystietoihin. Yhdessä ne luovat toteutuskerroksen, jossa tekoäly on osa työn tekemistä eikä pelkkä lisätyökalu.

Organisaatiot mittaavat lopulta tekoälyä sen kyvyn perusteella parantaa tuloksia. Tuottavuus on tärkeää, mutta pitkän aikavälin arvo syntyy, kun yritykset pystyvät toteuttamaan asioita johdonmukaisemmin, mukautumaan nopeammin ja oppimaan jokaisesta ajamastaan työnkulusta.

Agenttinen tekoäly monimutkaistuu merkittävästi, kun useat agentit jakavat dataa, siirtävät tehtäviä ja eskaloivat päätöksiä ihmisille. Mitä Zyter on oppinut monen agentin järjestelmien luotettavuudesta terveydenhuollossa laajassa mittakaavassa?

Kun tekoäly siirtyy yksittäisistä käyttötapauksista osaksi jokapäiväisiä toimintoja, haaste muuttuu. Se ei enää kiinnity siihen, kuinka älykäs yksittäinen agentti on, vaan siihen, miten työ koordinoidaan järjestelmien, politiikkojen, ihmisten ja tekoälyn välillä.

Olemme havainneet, että erikoistuminen on tärkeää. Terveydenhuolto ei perustu yhteen henkilöön, joka tekee kaiken, eikä tekoälyn pitäisi myöskään. Selkeästi määritellyt vastuut omaavat agentit ovat luotettavampia, helpompia hallita ja helpompia parantaa ajan myötä. Orkestrointikerros koordinoi näitä agentteja, hallitsee siirtoja, soveltaa politiikkoja johdonmukaisesti ja määrittää, milloin ihmisen asiantuntemus tulisi tuoda työnkulkuun.

Näkyvyys on yhtä tärkeää. Tiimien on ymmärrettävä, miten päätökset tehtiin, mitä tietoja ne perustuivat ja miten ne vaikuttivat lopputulokseen. Päätösten jälkilinjan tallentaminen luo läpinäkyvyyden ja mahdollistaa jokaisen työnkulun oppimisen ja jatkuvan parantamisen lähteenä.

Luotettavaa tekoälyä ei määritellä käytettyjen agenttien määrällä. Se näkyy siinä, kuinka johdonmukaisesti työ saadaan tehtyä, kuinka luottavaisesti ihmiset voivat luottaa tuloksiin ja kuinka tehokkaasti järjestelmä kehittyy ajan myötä.

Terveydenhuollon organisaatiot haluavat tekoälyjärjestelmien kehittyvän ajan myötä, mutta ne tarvitsevat myös ennustettavaa käyttäytymistä ja auditointimahdollisuutta. Kuinka mahdollistat jatkuvan oppimisen ilman, että järjestelmät poikkeavat kliinisistä ohjeista, maksajien politiikoista tai hyväksytyistä työnkuluista?

En usko, että jokainen päätös tulisi automatisoida tekoälyn avulla. Terveydenhuollossa on monia päätöksiä, joissa deterministinen logiikka, vakiintuneet liiketoimintasäännöt tai kliiniset politiikat voivat tarjota selkeän ja johdonmukaisen vastauksen. Jos se on mahdollista, meidän tulisi käyttää niitä sen sijaan, että tuottaisimme tarpeetonta epävarmuutta.

Mielenkiintoisempi mahdollisuus on yhdistää nämä deterministiset lähestymistavat tekoälyyn. Olemme onnistuneesti ottaneet käyttöön neuro-symbolista logiikkaa, joka luo tarkistuskerroksen tekoälypohjaisen päättelyn ympärille. Tekoäly voi tulkita monimutkaista tai jäsentämätöntä tietoa, kun taas deterministiset säännöt ja symbolinen logiikka varmistavat, että tuloksena oleva toiminta on yhdenmukainen vakiintuneiden politiikkojen, ohjeiden ja hyväksyttyjen työnkulkujen kanssa. Tämä vähentää epävarmuutta ja parantaa tarkkuutta verrattuna pelkästään tekoälypohjaiseen lähestymistapaan.

Tämä muuttaa myös käsitystäni jatkuvasta oppimisesta. Tavoitteena ei ole antaa tekoälylle enemmän vapautta tehdä päätöksiä ajan myötä, vaan oppia toteutuksesta säilyttäen ne valvontamekanismit, jotka määrittävät, miten merkittävät päätökset tehdään. Järjestelmän tiedon tulkintaa, poikkeusten käsittelyä ja työn koordinointia voidaan parantaa ilman, että se poikkeaa prosessia ohjaavista säännöistä.

Tekoälyn päättelyn, deterministisen päätöksenteon ja jatkuvan tarkistuksen yhdistelmä on tapa luoda järjestelmiä, jotka voivat kehittyä ajan myötä säilyttäen ennustettavuuden, auditointimahdollisuuden ja vastuullisuuden.

Zyter on tutkinut C-RLM:ää, rekursiivista lähestymistapaa pitkien ja fragmentoitujen kliinisten historiajen synteesiin. Kuinka tärkeäksi pitkän kontekstin päättely tulee terveydenhuollossa, ja voisivatko agentit lopulta ylläpitää jatkuvasti kehittyvää ymmärrystä jokaisesta potilaasta?

Terveydenhuolto ei ole koskaan kamppaillut tiedon puutteesta. Haasteena on, että potilaan tarina on hajautettu vuosien lääkärin muistiinpanoihin, laboratoriotuloksiin, lääkityksiin, kuvantamiseen, korvausvaatimuksiin ja hoitoyhteyksiin. Tämän historian ymmärtäminen vaatii enemmän kuin suuren datamäärän käsittelyn; se vaatii todisteiden yhdistämistä, mallien tunnistamista ja johdonmukaisen käsityksen rakentamista jokaisen potilaan polusta.

Pitkän kontekstin päättely tulee yhä tärkeämmäksi, kun tekoäly siirtyy yksittäisten tehtävien avustamisesta tukemaan pitkittäishoitoa. Työmme C-RLM:n parissa heijastaa tätä suuntausta. Tavoitteena ei ole pelkästään tiivistää enemmän tietoa, vaan yhdistää fragmentoitua kliinistä näyttöä rakenteelliseksi ymmärrykseksi, joka pysyy perustuen alkuperäiseen tietueeseen. Jokaisen johtopäätöksen on myös oltava jäljitettävissä lähteeseensä, jotta kliinikot voivat ymmärtää, miten se saavutettiin, ja vahvistaa sen näytön perusteella.

Kun nämä kyvyt kehittyvät, tekoälyagentit auttavat yhä enemmän ylläpitämään jatkuvasti kehittyvää ymmärrystä jokaisen potilaan polusta. Tämä ymmärrys tulisi rikastua, kun uutta tietoa tulee, säilyttäen samalla läpinäkyvyyden, näyttöön perustuvan lähestymistavan ja luotettavan kliinisen datan pohjan. Tekoälyn rooli on tarjota kliinikoille kattavampi kuva, jotta he voivat tehdä parempia päätöksiä suuremmalla varmuudella.

Zyter osallistuu CMS:n WISeR-ohjelmaan, jossa tekoäly voi tukea työnkulkuja samalla kun lisensoidut kliinikot säilyttävät päätösvallan. Onko tämä suunnilleen se autonomian raja, jossa tulisi olla tänään, ja mitä tulisi muuttua ennen kuin tekoälyagentit voisivat ottaa vastuullisempia päätöksiä?

En usko, että terveydenhuollossa on yksi ainoa autonomian raja. Tekoälyn sopiva rooli riippuu työnkulusta, riskitasosta ja siitä, kuinka varmoja organisaatiot ovat, että järjestelmä käyttäytyy johdonmukaisesti todellisissa olosuhteissa.

WISeR‑ohjelmat heijastavat tätä todellisuutta. Tekoäly on jo erittäin tehokas tiedon synteesiin, vakiintuneiden politiikkojen johdonmukaiseen soveltamiseen, hallinnollisten työnkulkujen koordinointiin ja toistuvan työn vähentämiseen. Lisensoidut kliinikot jatkavat harkintansa antamista päätöksissä, joissa konteksti, epäselvyys ja vastuullisuus ovat merkityksellisimpiä. Tämä on toimintamalli, joka hyödyntää sekä tekoälyn että ihmisen asiantuntemuksen vahvuuksia.

Ajan myötä nämä rajat kehittyvät edelleen, mutta niiden tulisi kehittyä, koska luottamus on ansaittu, ei siksi, että mallit olisivat kehittyneet kykenevämmiksi. Luottamus perustuu näyttöön, läpinäkyvyyteen, validointiin ja johdonmukaiseen suorituskykyyn tuotannossa. Jokaisen tekoälyn roolin laajentamisen tulisi noudattaa samoja standardeja, joita terveydenhuolto soveltaa muihin kriittisiin kyvykkyyksiin.

En usko, että menestystä mitataan tekoälyn autonomisuuden tasolla. Menestys mitataan sen perusteella, saavatko potilaat parempaa hoitoa, onko kliinikoilla enemmän aikaa keskittyä monimutkaisiin päätöksiin, ja toimiiko terveydenhuolto tehokkaammin tämän seurauksena.

Zyter siirsi äskettäin TruCaren pilvipohjaiseen AWS‑alustaan tukeakseen tekoälyorkestrointia yritys­mittakaavassa. Kuinka suuri osa agenttisen tekoälyn haasteesta liittyy itse malleihin verrattuna infrastruktuuriin, joka yhdistää dataa, järjestelmiä, politiikkoja ja ihmisiä?

Perusmallit kehittyvät poikkeuksellisen nopeasti, ja se on hyväksi koko alalle. Keskustelu siirtyy vähitellen siitä, mitä mallit pystyvät, siihen, miten ne toimivat todellisissa yrityksissä.

Datan, järjestelmien, politiikkojen ja ihmisten yhdistäminen on se kohta, jossa transformaatio joko onnistuu tai pysähtyy. Tekoälyn on toimittava olemassa olevissa operatiivisissa ympäristöissä, toteutettava useiden järjestelmien välillä, sovellettava politiikkoja johdonmukaisesti ja suoritettava luotettavasti tuotantomittakaavassa. Ilman tätä perustaa, vaikka malli olisi kuinka kyvykäs, se pysyy erillään siitä työstä, jonka se on tarkoitettu parantamaan.

Siirtymämme pilvipohjaiseen AWS‑arkkitehtuuriin heijastaa tätä kehitystä. Se tarjoaa kestävän, skaalautuvan perustan, joka mahdollistaa tekoälyn orkestroinnin yritysten työnkuluissa säilyttäen terveydenhuollon vaatimusten mukaisen luotettavuuden, hallinnan ja suorituskyvyn. Infrastruktuuri on tärkeä, koska se mahdollistaa tekoälyn osaksi päivittäistä työn toteuttamista, eikä pelkästään lisäsovelluksena, joka toimii olemassa olevien prosessien rinnalla.

Pitkän aikavälin mahdollisuus ei perustu pelkästään parempiin malleihin. Se syntyy yhdistämällä tekoälyn edistysaskeleet infrastruktuuriin ja toimintamalliin, jotka mahdollistavat työn johdonmukaisen toteuttamisen yritys­mittakaavassa.

Zyter asettaa myös toteutusmallinsa muille säännellyille aloille, kuten rahoituspalveluille ja hallinnolle. Mitkä alustan osat ovat todella vaakasuoria, ja mitkä edut tulevat erityisesti Zyterin terveydenhuollon kokemuksesta?

Säänneltyjä aloja tarkastellaan usein niiden erottavien piirteiden kautta. Olen huomannut, että on yhtä tärkeää ymmärtää, mitä ne jakavat yhteisenä. Olipa kyseessä terveydenhuollon tarjoaminen, taloudellisen riskin hallinta tai hallituksen ohjelmien tukeminen, menestys riippuu monimutkaisen työn koordinoimisesta ihmisten, järjestelmien, politiikkojen ja datan välillä, samalla kun jokaisesta päätöksestä pidetään vastuuta.

Tässä näen toteutusmallin perusluonteisesti vaakasuorana. Tekoälyn, yritysjärjestelmien ja ihmisen asiantuntemuksen orkestrointi, politiikkojen johdonmukainen soveltaminen, työn koordinointi useiden järjestelmien välillä ja läpinäkyvyyden ylläpitäminen ovat haasteita, jotka ulottuvat pitkälle terveydenhuollon ulkopuolelle. Työnkulut eroavat toimialoittain, mutta luotettavan toteutuksen tarve on poikkeuksellisen yhtenäinen.

Terveydenhuolto ei muuttanut sitä, mitä rakensimme, vaan nosti vaatimustason sille, miten meidän täytyi rakentaa se. Kliiniset työnkulut vaativat tarkkuutta, yhteentoimivuutta, hallintaa, kestävyyttä ja luottamusta, koska virheiden seuraukset ovat merkittäviä. Tämän monimutkaisuuden tasolle suunnittelu loi toteutusmallin, jota voidaan soveltaa muihin säänneltyihin aloihin, joissa operatiivinen kurinalaisuus, noudattaminen ja vastuullisuus ovat yhtä kriittisiä.

Kun tekoäly syvenee entistä enemmän yritystoimintojen ytimeen, uskon keskustelun siirtyvän pois siitä, onko kyky rakennettu tietylle toimialalle, ja kohti sitä, pystyykö se toteuttamaan luotettavasti monimutkaisissa, säännellyissä ympäristöissä. Tämä on se standardi, jonka olemme suunnitelleet alusta alkaen.

Zyterin Rural Health Orchestrator yhdistää virtuaalisen hoidon, etäseurannan, hoidon hallinnan ja kliiniset palvelut. Mitä agenttinen orkestrointi voi ratkaista maaseudun terveydenhuollossa, mitä pelkkä etähoito ei pysty?

Etähoito ratkaisi tärkeän pääsytason haasteen. Seuraava haaste on varmistaa, että jokainen vuorovaikutus johtaa koordinoituun toimintaan ja mitattaviin tuloksiin.

Maaseudun terveydenhuolto on edistynyt merkittävästi laajentaen pääsyä etähoidon, etäseurannan ja laajakaistainvestointien avulla. Silti tulokset eivät ole pysyneet tahdissa, koska liian monet digitaaliset vuorovaikutukset pysyvät irti laajemmasta hoitopolusta. Virtuaalikäynti, joka ei päivitä hoitosuunnitelmaa, käynnistä seurantaa tai koordinoi seuraavaa askelta, parantaa pääsyä, mutta ei välttämättä paranna …

Tässä kohtaa orkestrointi on olennaista. Se yhdistää etähoidon, etäseurannan, hoidon hallinnan, yhteisöresurssit ja kliiniset työnkulut yhdeksi koordinoiduksi järjestelmäksi, jolloin tieto virtaa saumattomasti ja toiminta seuraa automaattisesti. Jokainen vuorovaikutus tulee osaksi jatkuvaa hoitopolkua sen sijaan, että se olisi erillinen tapahtuma.

Mahdollisuus ei ole pelkästään laajentaa pääsyä. Se on muuttaa pääsy tuloksiksi. Kun hoito on yhdistetty ihmisten, järjestelmien ja työnkulkujen välillä, kliinikot käyttävät vähemmän aikaa hajautettujen prosessien läpikäymiseen, potilaat saavat johdonmukaisempaa seurantaa, ja maaseudun terveydenhuoltojärjestelmät voivat saavuttaa parempia tuloksia jo olemassa olevilla resursseilla. Tässä uskon tekoälyorkestroinnin luovan suurimman arvonsa.

Uuden PwC‑yhteistyön myötä, mikä erottaisi onnistuneen tekoälytransformaation muusta terveydenhuollon tekoälypilottiprojektista? Mitkä mitattavat tulokset vakuuttaisivat sinut siitä, että tekoäly on perusteellisesti parantanut maksajan tai tarjoajan toimintaa?

Terveydenhuolto on vuosien ajan investoinut digitaalisiin kyvykkyyksiin. Nykyään useimmilla organisaatioilla on pääsy dataan, tekoälyyn ja nykyaikaiseen teknologiaan. Seuraava vaihe ei ole uusien kyvykkyyksien lisäämisessä, vaan työn tekemisen uudelleensuunnittelussa.

Siksi en mittaa transformaatioita tekoälymallien määrän tai pilotointien käynnistämisen perusteella. Tarkastelen, onko organisaation toimintamalli muuttunut. Nopeutuvatko päätökset? Ovatko työnkulut paremmin koordinoituja osastojen ja järjestelmien välillä? Vähenevätkö hallinnolliset rasitteet, kun kliinikot ja hoitotiimit käyttävät enemmän aikaa potilashoitoa parantaviin tehtäviin? Ovatko nämä parannukset toistettavissa koko yrityksessä sen sijaan, että ne rajoittuivat yhteen käyttötapaukseen?

Tämä on filosofia PwC‑yhteistyömme takana. PwC tuo syvällistä asiantuntemusta terveydenhuollon strategiassa ja transformaatiossa. Zyter tarjoaa toteutuskerroksen, joka operationalisoi nämä strategiat monimutkaisissa työnkuluissa, yhdistämällä tekoälyn, yritysjärjestelmät, politiikat ja ihmiset, jotta organisaatiot voivat johdonmukaisesti muuttaa strategian toiminnaksi.

Minulle onnistunut tekoälytransformaatio tapahtuu, kun tekoälyä ei enää nähdä erillisenä hankkeena. Se tulee osaksi toimintamallia. Tässä vaiheessa organisaatiot eivät mittaa tekoälyn menestystä itsessään, vaan parempia tuloksia, alhaisempia hallinnollisia kustannuksia, koordinoidumpaa hoitoa ja terveydenhuoltojärjestelmää, joka toimii tehokkaammin, koska toteutus on perinpohjaisesti parantunut.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla Zyter-sivustolla.