Fawad Butt, CEO dan Co-Founder Penguin Ai – Seri Wawancara

Fawad Butt, CEO dan Co-Founder Penguin Ai, adalah seorang eksekutif data dan AI kesehatan yang berpengalaman yang mendirikan perusahaan setelah memimpin peran di Kaiser Permanente, UnitedHealthcare, dan Optum, di mana ia mengawasi inisiatif data governance, analitik, AI, dan platform perusahaan skala besar. Pengalamannya memimpin strategi data di dalam beberapa organisasi pembayar dan penyedia terbesar membentuk fokus Penguin Ai untuk memecahkan ketidakefisienan administratif kesehatan dengan AI yang dirancang khusus, bukan memaksakan platform generik ke dalam alur kerja kesehatan yang kompleks. Di bawah kepemimpinannya, Penguin Ai berfokus pada tesis praktis: kesehatan memerlukan sistem AI yang dirancang khusus untuk operasi pembayar dan penyedia, dengan kemampuan untuk mengurangi pekerjaan manual, meningkatkan akurasi, dan membantu tim menghabiskan lebih banyak waktu pada keputusan klinis dan operasional yang lebih berharga.

Penguin Ai adalah perusahaan AI asli kesehatan yang berfokus pada mengautomasi operasi administratif dan klinis untuk pembayar, penyedia, perusahaan manajemen siklus pendapatan, dan mitra teknologi kesehatan. Platformnya menggabungkan model bahasa kesehatan khusus, pekerja digital, agen AI, kemampuan tata kelola, kepatuhan, dan otomatisasi alur kerja untuk kasus penggunaan seperti otorisasi sebelumnya, pemrosesan klaim, pengkodean medis, manajemen banding, penyesuaian risiko, integritas pembayaran, ringkasan catatan medis, ringkasan dokumentasi klinis, dan verifikasi kelayakan. Perusahaan ini mengamankan $29,7 juta dalam pendanaan ventura, termasuk $25 juta Seri A yang dipimpin oleh Greycroft, untuk memperluas perekrutan, pengembangan produk, dan penerapan dengan pembayar dan penyedia, dan juga meluncurkan Gwen, platform AI yang dapat dibangun untuk membantu tim kesehatan membuat pekerja digital yang dikelola untuk alur kerja administratif.

Setelah memimpin organisasi data dan analitik di Kaiser Permanente, UnitedHealthcare, dan Optum, apa pengalaman spesifik yang membuat Anda yakin bahwa kesehatan memerlukan platform AI yang dirancang khusus, dan bagaimana pelajaran itu membentuk visi pendirian Penguin Ai?

Saya akan memberikan Anda momen yang tepat. Saya duduk di sebuah tinjauan di salah satu pembayar besar, menatap antrian otorisasi sebelumnya yang telah memantul tiga kali, dan tidak satu pun dari mereka yang memiliki pertanyaan klinis yang nyata. Mereka memantul karena bidang tidak cocok atau dokumentasi muncul dalam format yang salah. Beberapa operator terbaik di negara ini menghabiskan hari mereka memberi makan mesin yang menghasilkan tidak ada apa-apa untuk pasien yang menunggu di ujung lain. Saya melihat pemborosan yang sama di Kaiser, di UnitedHealthcare, di Optum, hanya dengan pakaian yang berbeda. Itulah saat saya berhenti membeli garis industri bahwa gesekan adalah harga skala. Visi untuk Penguin Ai datang langsung dari frustrasi itu: bangun platform yang berbicara pembayar dan penyedia, letakkan konteks kesehatan di dalam sistem sehingga Ai Worker menerapkan kriteria Anda dan menunjukkan alasan, jaga orang yang bertanggung jawab untuk penilaian klinis, dan ambil pekerjaan yang berat dari semua orang lain. Itulah permainan keseluruhan.

Penguin Ai berfokus pada menangani beban administratif kesehatan yang dijelaskan sebagai beban triliunan dolar. Alur kerja mana yang Anda prioritaskan pertama, dan mengapa otorisasi sebelumnya, penyelesaian klaim, pengkodean medis, dan banding muncul sebagai peluang terbesar untuk transformasi yang digerakkan oleh AI?

Kami pergi ke mana sakitnya paling keras. Otorisasi sebelumnya, penyelesaian klaim, pengkodean medis, dan banding naik ke atas karena mereka adalah tumpukan pekerjaan berulang yang besar di mana sebagian besar kasus mengikuti pola, dan pengecualian jarang sehingga manusia hanya perlu melihat pengecualian. Otorisasi sebelumnya memimpin daftar karena itu adalah tempat di mana Anda dapat secara harfiah melihat pasien menderita sementara kertas kerja tertahan dalam antrian, dan tidak ada yang membela itu dengan wajah lurus. Ketika Ai Worker kami membawa volume rutin dan mengarahkan pengecualian yang sebenarnya ke orang, hasilnya tidak halus. Tinjauan berjalan hingga 97 persen lebih cepat, penolakan turun lebih dari setengah, dan sekitar 92 persen kasus terselesaikan tanpa sentuhan manual. Saya memilih empat ini karena mereka membiarkan saya membuktikan tesis dengan cepat: hilangkan beban administratif dan Anda membuat kesehatan lebih baik untuk pasien, klinisi, dan orang yang melakukan pekerjaan. Semua orang menang dalam gerakan yang sama, dan itulah mengapa kami memulai dari sana.

Sebagai eksekutif kesehatan yang telah mengevaluasi banyak vendor teknologi perusahaan, apa alasan paling umum mengapa perusahaan AI gagal mendapatkan traksi di dalam sistem kesehatan besar dan pembayar?

Saya duduk di sisi pembelian cukup lama untuk melihat perusahaan rintisan membakar kesempatan mereka dengan tiga cara yang sama. Satu, mereka memperlakukan kesehatan seperti akun perusahaan lain dan terkejut dengan kekacauan integrasi, sistem warisan, dan beban regulasi yang tidak ada yang memperingatkannya. Dua, mereka menjual otonomi dan kemudian tidak dapat menjawab pertanyaan pertama yang sulit, yang selalu beberapa versi “tunjukkan bagaimana Anda sampai di sana.” Tidak ada jejak audit, tidak ada alasan yang tim kepatuhan akan terima, dan pilot mati di ruangan. Tiga, mereka memperbaiki satu sisi hubungan pembayar-penyedia dan tidak pernah memahami bahwa gesekan hidup di celah di antara mereka. Dan jujur, setiap pembeli yang saya kenal sudah lelah. Mereka memiliki laci penuh dengan alat yang ditenagai AI yang menambahkan dashboard dan tidak memindahkan pekerjaan dari siapa pun. Batangnya tinggi dan kesabaran tipis, dan siapa pun yang tidak dapat menunjukkan jalur yang nyata dari pilot ke produksi diusir.

Banyak organisasi kesehatan masih berhati-hati tentang menerapkan AI dalam operasi kritis. Apa yang terlihat seperti adopsi AI yang sukses di dalam organisasi pembayar atau penyedia besar, dan apa kesalahan yang dilakukan pemimpin ketika mencoba menskalakan AI?

Adopsi yang sebenarnya dimulai kecil dan mendapatkan jalan naik. Pilih satu alur kerja yang benar-benar menyakitkan, jaga orang Anda dalam loop sehingga mereka dapat melihat pekerjaan yang dilakukan dan mempercayainya, dan biarkan bukti membeli Anda ekspansi. Ketika tim melihat Ai Worker menyelesaikan kasus rutin dengan benar dan menyerahkan kasus yang sebenarnya memerlukan penilaian, mereka berhenti melawan dan mulai meminta lebih. Kesalahan adalah sangat dapat diprediksi. Pemimpin mencoba merebus laut dan menerapkan di mana-mana sekaligus. Mereka membeli teknologi dan tidak pernah merancang ulang alur kerja di sekitarnya, sehingga beban hanya dipindahkan ke antrian yang berbeda. Atau mereka menarik manusia terlalu cepat, membakar kepercayaan, dan kemudian bertanya-tanya mengapa tidak ada yang menyentuh hal itu. Menskalakan AI di sistem kesehatan adalah pekerjaan manajemen perubahan yang mengenakan kostum teknologi. Tim yang menang memperlakukannya dengan cara itu, dan mereka berkomitmen pada metrik yang keras sejak hari pertama sehingga semua orang tahu apa yang terlihat seperti kesuksesan.

Penguin Ai menekankan model AI asli kesehatan dan alur kerja daripada solusi AI perusahaan generik. Apa tantangan unik dalam kesehatan yang memerlukan pendekatan khusus, dan di mana platform AI umum gagal?

Kesehatan bukanlah kasus penggunaan perusahaan generik, dan berpura-pura sebaliknya akan membakar Anda. Kesehatan memiliki bahasanya sendiri, aturannya sendiri, konsekuensinya sendiri, dan tidak ada yang opsional. Model umum akan memberikan jawaban yang percaya diri dan masuk akal yang diam-diam salah, karena tidak membawa kriteria keperluan medis Anda dan tidak dapat menunjukkan pekerjaannya dengan cara yang tim auditor atau klinisi akan tandatangani. Tidak dimulai. Kami membangun Penguin Ai dalam lapisan untuk alasan yang tepat: lapisan data yang menarik informasi bersama, Lapisan Konteks yang memegang penalaran kesehatan khusus dan tata kelola, dan Ai Workforce yang sebenarnya melakukan pekerjaan, termasuk solusi Ai Worker pra-bangun dan Gwen, pembangun yang membiarkan tim Anda membangun Ai Worker baru. Platform umum gagal karena mereka memperlakukan keahlian kesehatan seperti sesuatu yang dapat Anda prompt dengan cara Anda. Anda tidak bisa. Anda harus membangunnya ke dalam sistem, dan itulah titik dari apa yang kami buat.

Otorisasi sebelumnya masih merupakan salah satu proses yang paling menyebalkan bagi penyedia dan pasien. Bagaimana Anda melihat AI mengubah otorisasi sebelumnya dalam lima tahun ke depan, dan apa yang diperlukan untuk memastikan otomatisasi memperbaiki hasil tanpa menciptakan hambatan baru?

Lima tahun ke depan, persetujuan sederhana kembali dalam hitungan menit, diterapkan secara konsisten terhadap pedoman Anda, dengan klinisi dihubungkan dalam apa pun yang memerlukan penilaian medis. Itulah versi yang baik. Berikut adalah bagian yang orang lewatkan: otomatisasi dapat dengan mudah mengindustrialisasi hambatan jika Anda membangunnya dengan malas. Cara yang lebih cepat untuk menolak perawatan adalah malpraktik dengan throughput yang lebih baik. Jadi, pengamanan adalah permainan keseluruhan. Setiap rekomendasi yang Ai Worker buat harus membawa alasan dan jejak audit penuh, apa yang kami sebut kotak kaca, sehingga siapa pun dapat melihat secara tepat bagaimana mereka sampai di sana. Kecepatan tidak pernah menjadi alasan untuk dinding penolakan otomatis yang sunyi. Dan orang yang berkualifikasi tetap bertanggung jawab untuk penilaian klinis, selalu. Dapatkan itu dengan benar dan otorisasi sebelumnya berhenti menjadi hal yang ditakuti pasien dan dokter. Dapatkan itu salah dan Anda telah membangun versi yang lebih cepat dari masalah. Saya hanya tertarik dengan yang pertama.

Industri semakin berbicara tentang agen AI dan alur kerja otonom. Apa hambatan teknis dan operasional terbesar untuk menerapkan AI yang dapat menangani tugas administratif kesehatan yang kompleks dengan intervensi manusia minimal?

Bagian yang sulit bukanlah demo, itu adalah tepi. Penanganan pengecualian, data yang kacau dan tidak konsisten, dan sistem warisan yang tidak pernah dibangun untuk berbicara dengan apa pun. Itulah di mana rekayasa yang sebenarnya hidup, dan itu sangat tidak glamor. Hambatan operasional adalah kepercayaan, yang tidak ada sistem kesehatan yang memberikan secara gratis. Jika orang Anda tidak dapat memeriksa atau menjelaskannya, mereka tidak akan menskalakannya, titik. Sekarang biarkan saya menolak premis sedikit. “Intervensi manusia minimal” adalah tujuan yang salah, dan itu mengkhawatirkan saya ketika saya mendengarnya. Poinnya adalah membebaskan orang Anda dari kasus yang berulang dan membiarkan mereka fokus pada kasus yang sebenarnya memerlukan penilaian, di mana keahlian mereka benar-benar menghasilkan uang. Ai Worker kami membawa volume berulang dan tahu kapan harus menarik orang ke dalam. Mengalahkan pertukaran itu dengan andal dan transparan, pada skala kesehatan yang sebenarnya, adalah masalah yang sulit untuk diselesaikan. Semua yang lain adalah proyek pameran sains.

Kesehatan adalah salah satu industri yang paling berat diatur di dunia. Bagaimana Anda menyeimbangkan kecepatan inovasi dengan kepatuhan, persyaratan privasi, kemampuan audit, dan kebutuhan akan akuntabilitas manusia dalam sistem yang digerakkan oleh AI?

Anda mendapatkan hak untuk bergerak cepat dengan membangun hal-hal yang tahan lama. Di kesehatan, tata kelola adalah fondasi, dan kami menuangkannya pertama. Ketika Anda menangani data pasien, tata kelola data perusahaan adalah persyaratan moral, dan saya maksudkan itu secara harfiah. Jadi setiap rekomendasi berjalan ke standar kotak kaca, alasan plus jejak audit penuh, yang memungkinkan tim kepatuhan untuk benar-benar mempercayai kecepatan. Akuntabilitas manusia dibangun ke dalam desain, karena orang yang berkualifikasi memiliki apa pun yang menyentuh penilaian klinis sementara Ai Worker menangani perakitan dan beban rutin. Itulah cara Anda mendapatkan cepat dan dapat dipercaya dalam sistem yang sama, dan dalam industri ini Anda tidak dapat memilih satu dan melewatkan yang lain. Banyak orang membingkai kepatuhan dan kemampuan audit sebagai rem. Saya melihatnya sebagai hal yang memungkinkan Anda untuk menekan kaki Anda, karena tanpa mereka Anda tidak akan mencapai produksi di tempat pertama.

Anda membuat transisi dari mengawasi organisasi data dan analitik skala besar ke membangun perusahaan rintisan dari awal. Apa aspek perjalanan operator-ke-pendiri yang paling berharga, dan apa tantangan yang paling mengejutkan?

Bagian yang paling berharga adalah bahwa Anda akhirnya dapat membangunnya dengan benar dari awal. Di dalam organisasi besar, perubahan bergerak dengan kecepatan institusi. Setiap perbaikan harus melalui sistem warisan, prioritas yang bersaing, dan lapisan persetujuan, sehingga perubahan yang Anda ketahui benar dapat memakan waktu delapan belas bulan untuk dilaksanakan, jika dilaksanakan. Kecepatan itu akan melelahkan Anda ketika Anda dapat melihat apa yang perlu terjadi. Di ruang pendiri, langit-langit itu menghilang. Kami dapat membangun dari awal, merancang platform di sekitar masalah daripada di sekitar tiga puluh tahun akumulasi solusi, dan mengirimkan jawaban yang tepat sementara masih penting. Ketika saya mendengar perawat mendapatkan malamnya kembali, atau pasien mendapatkan jawaban dalam hitungan jam di mana sebelumnya membutuhkan hari, itu mendarat dengan cara yang tidak pernah dilakukan oleh tinjauan peta jalan.

Menghadap ke depan, jika AI berhasil menghilangkan sebagian besar beban administratif dari kesehatan, bagaimana Anda pikir pembayar, penyedia, dan pasien akan mengalami sistem kesehatan secara berbeda dalam dekade mendatang?

Sebuah dekade ke depan, jika kami melakukannya dengan benar, sistem itu akhirnya terasa seperti perawatan lagi. Pasien mendapatkan jawaban yang nyata ketika mereka takut dan rentan, dan mereka berhenti harus mendapatkan gelar sarjana muda dalam birokrasi asuransi hanya untuk mendapatkan apa yang dokter mereka sudah pesan. Klinisi menghabiskan jam mereka pada seni kedokteran dan pada orang-orang di depan mereka, bukan menggiling melalui kasus rutin ke-87 sebelum makan siang. Staf operasional dan administratif, beberapa orang yang paling underestimasi di industri ini, akhirnya melakukan pekerjaan yang menggunakan keahlian mereka yang sebenarnya. Dan pembayar dan penyedia koordinasi daripada melempar kertas kerja bolak-balik di seberang celah yang tidak ada yang memiliki. Itulah kesehatan yang saya bangun menuju. Skor yang saya pedulikan adalah membosankan dan spesifik: waktu yang dikembalikan ke perawatan pasien, dan keterlambatan yang ditarik dari pengalaman pasien. Semua yang kami lakukan adalah dalam layanan dari dua angka itu.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Penguin Ai.