Halsey Wise, CEO Lyric – Seri Wawancara

Halsey Wise, CEO of Lyric, membawa hampir tiga dekade kepemimpinan eksekutif, tata kelola dewan, dan pengalaman penciptaan nilai di seluruh teknologi kesehatan, perangkat lunak, dan jasa keuangan. Setelah menjabat di dewan Lyric sejak 2022, ia mengambil peran sebagai CEO dengan fokus pada penskalaan Platform Lyric42, memperdalam hubungan klien dan mitra, mempercepat inovasi dan investasi AI, dan mengarahkan pertumbuhan melalui ekspansi organik dan M&A strategis. Wise telah memimpin enam perusahaan sebagai CEO atau presiden, termasuk peran kepemimpinan perusahaan publik di Intergraph dan MedAssets, dan telah menjabat di dewan organisasi teknologi dan kesehatan utama termasuk Cotiviti, Cerner, Aspen Technology , Acxiom, Nextech Systems, Lyric, dan WellSky. Ia juga menjabat sebagai ketua dan CEO Lime Barrel Advisors, penasihat senior TPG Capital, dan memimpin sebuah yayasan keluarga yang mendukung beasiswa, keamanan pangan, layanan veteran, dan penyebab kesehatan.

Lyric adalah perusahaan kecerdasan keputusan kesehatan yang berfokus pada meningkatkan akurasi pembayaran untuk rencana kesehatan dengan menerapkan kebijakan, data, AI, tinjauan klinis, dan dukungan keputusan yang dapat dijelaskan sebelum klaim dibayar. Platform Lyric42 dirancang untuk membantu rencana kesehatan mengoordinasikan keputusan pembayaran di seluruh aturan, alur kerja, produk integritas pembayaran, dan rekomendasi yang didorong AI, dengan tujuan mengurangi pemborosan administratif, meningkatkan akurasi pembayaran pertama, mengurangi gesekan penyedia, dan memberikan klien wawasan yang lebih besar tentang mengapa keputusan pembayaran dibuat. Perusahaan memposisikan pendekatan AI-nya sebagai yang melengkapi keahlian manusia, bukan menggantikannya, dengan menggabungkan otomatisasi, validasi klinis, tata kelola, dan kontrol klien untuk mendukung keputusan pembayaran kesehatan yang lebih konsisten dan dapat dipertanggungjawabkan.

Anda telah memimpin dan memberi saran kepada perusahaan kesehatan dan teknologi utama, termasuk MedAssets, Cerner, Cotiviti, dan sekarang Lyric. Bagaimana pengalaman Anda di seluruh kesehatan IT, analitik, dan teknologi telah membentuk visi Anda untuk Lyric?

Di seluruh perusahaan yang saya pimpin atau berikan saran, satu keyakinan yang hanya tumbuh lebih kuat: kesehatan tidak dapat diperbaiki tanpa kepercayaan, kebenaran, dan transparansi sebagai fondasinya. Ini bukan nilai yang lembut. Ini adalah kondisi operasional yang kesehatan yang lebih baik bergantung padanya. Setiap rencana, penyedia, dan anggota terkena dampak oleh apakah inteligensi yang mendasarinya dapat dipercaya, apakah informasi mencerminkan kebenaran, dan apakah alasan di balik keputusan transparan cukup untuk menahan penyelidikan.

Keyakinan itu membentuk bagaimana saya memikirkan Lyric. Saya bergabung dengan dewan Lyric pada 2022 sebelum mengambil peran sebagai CEO, dan apa yang saya pahami saat itu saya percayai lebih kuat sekarang. Kami di Lyric sedang membangun salah satu perusahaan healthtech paling inovatif, berdampak, dan penting.

Lyric adalah kecerdasan keputusan kesehatan. Dekade keahlian klinis dan pembayaran, hubungan klien yang mendalam, dan platform yang beroperasi pada skala nasional memberi kami fondasi yang sedikit perusahaan di kesehatan miliki. Pembayaran adalah ekspresi tertinggi dari itu hari ini, tetapi kesempatan yang lebih luas adalah untuk memberi orang-orang di kesehatan teknologi dan wawasan untuk membuat keputusan yang lebih baik, lebih cepat, dengan keyakinan, dalam pelayanan kesehatan yang lebih baik bagi orang-orang dan pasien yang pada akhirnya dilayani.

Saya juga percaya sangat dalam bahwa pengambilan keputusan kesehatan milik manusia. Penilaian klinis, interpretasi kebijakan, dan pertanggungjawaban tidak dapat diserahkan kepada model. Apa yang AI dapat lakukan, dan apa yang seharusnya dilakukan, adalah memberi informasi dan mendukung orang-orang yang membuat keputusan tersebut. AI dapat menemukan sinyal, tren, dan anomali yang sebelumnya terkubur dalam skala dan kompleksitas. AI dapat menyoroti di mana sesuatu tampak tidak konsisten, di mana pola muncul, atau di mana keputusan memerlukan pemeriksaan lebih dekat. Itulah peran AI dalam kesehatan: untuk memperluas visibilitas manusia dan memperkuat penilaian manusia, bukan menggantikannya.

Lyric telah menghabiskan beberapa tahun terakhir membangun kembali tumpukan teknologinya menjadi platform AI berbasis cloud yang mendukung operasi pembayaran di seluruh 190 juta kehidupan. Apa yang menjadi tantangan arsitektur atau organisasi terbesar dalam transisi tersebut?

Lyric berasal sebagai pemisahan dari organisasi yang lebih besar. Kami mewarisi infrastruktur warisan bersama dengan hubungan klien yang luar biasa dan dekade keahlian operasional.

Selama beberapa tahun terakhir, kami membangun kembali fondasi teknologi dari awal. Tantangan tidak hanya modernisasi infrastruktur. Ini adalah evolusi bisnis akurasi pembayaran 30 tahun menjadi platform kecerdasan keputusan kesehatan modern sambil mempertahankan kemampuan menjelaskan, audit, dan kepercayaan.

Prinsip inti adalah memastikan tidak ada gangguan bisnis saat kami memodernisasi teknologi kami. Kami memanfaatkan kemampuan lanjutan Lyric42 untuk memastikan migrasi yang sangat akurat, bekerja sama dengan klien rencana kesehatan kami untuk menciptakan transisi yang aman dan terjamin.

Secara arsitektur, kami beralih dari pengaturan statis pra-tentukan ke intelijen waktu nyata yang mendukung keputusan pembayaran pertama dalam alur kerja. Pada saat yang sama, setiap hasil harus tetap transparan, didasarkan pada kebijakan, dan dapat dijelaskan.

Ketika kami memigrasikan klien ke platform baru, kami mendukung operasi pembayaran di seluruh 200 juta kehidupan melalui arsitektur intelijen terpadu yang menampilkan wawasan lebih awal, mengurangi pemborosan, dan mendukung pengambilan keputusan yang lebih konsisten pada skala besar.

Anda telah berargumen bahwa pembayaran kesehatan perlu bergeser dari pemulihan pascabayar menuju kecerdasan pra-bayar. Apa kemajuan teknologi yang akhirnya membuat transisi tersebut layak pada skala besar?

Perubahan dari pemulihan pascabayar ke kecerdasan pra-bayar sekarang memungkinkan karena kesehatan akhirnya memiliki kombinasi data alur kerja skala besar, infrastruktur cloud, dan AI yang mampu memisahkan sinyal dari kebisingan di seluruh lingkungan klaim yang sangat kompleks.

Secara historis, sebagian besar sistem dibangun untuk menganalisis apa yang terjadi setelah pembayaran. Hari ini, kami dapat menerapkan kecerdasan jauh lebih awal dalam alur kerja, sebelum kesalahan, sengketa, dan pemborosan bergerak melalui sistem.

Dari perspektif kemampuan, Lyric telah memperkenalkan pemilihan cerdas untuk tinjauan pra-bayar yang memastikan klaim tidak secara tidak perlu ditahan sebelum pembayaran ketika waktu sangat kritis bagi kedua rencana dan penyedia. Melalui platform audit cerdas kami, kami juga telah memungkinkan klaim yang memerlukan tinjauan manusia untuk diproses dalam hitungan jam atau hari, bukan minggu atau bulan yang proses tradisional dapat membutuhkan.

Kemajuan teknologi ini, dipasangkan dengan orkestrasi canggih dalam Lyric42, telah membuka kecerdasan keputusan kesehatan untuk akurasi pra-pembayaran dengan menggabungkan AI, kebijakan, dan tinjauan klinis ahli untuk mendukung keputusan pembayaran yang akurat dan dapat dijelaskan pada tahap pertama. Yang penting, ini hanya berfungsi pada skala ketika kecerdasan tetap transparan, dapat diaudit, dan berakar pada pertanggungjawaban manusia.

Banyak kesehatan masih bergantung pada infrastruktur warisan yang terfragmentasi. Mengapa Anda percaya bahwa sistem AI-asli akan secara fundamental mengungguli “sistem catatan” tradisional selama dekade berikutnya?

Sistem kesehatan warisan dirancang terutama untuk merekam transaksi dan mendukung audit retrospektif. Mereka tidak pernah dibangun untuk mendukung pengambilan keputusan yang didorong oleh kecerdasan dalam alur kerja.

Kesehatan sekarang memerlukan sistem kecerdasan yang mampu beroperasi pada skala, kecepatan, dan kompleksitas yang diminta oleh operasi pembayaran modern. Kelebihan sistem kecerdasan keputusan kesehatan modern adalah tidak hanya penerapan AI. Ini adalah kemampuan untuk menggabungkan kebijakan, data, AI, dan tinjauan ahli untuk mendukung keputusan yang lebih konsisten dan dapat dijelaskan dalam waktu nyata.

Keuntungan di masa depan akan dimiliki oleh sistem yang dapat terus belajar dari alur kerja operasional sambil tetap transparan, dapat dijelaskan, dan akuntabel. Kesehatan tidak dapat beroperasi tanpa keahlian manusia, sehingga tujuannya bukanlah pengambilan keputusan otonom. Tujuannya adalah melengkapi pengambilan keputusan manusia dengan kecerdasan yang dapat dipercaya.

Lyric menjelaskan dirinya sebagai perusahaan integritas pembayaran AI yang dibangun di atas dekade keahlian klinis. Seberapa pentingnya data kesehatan dan kecerdasan klaim sejarah dalam membangun sistem AI yang dapat dipertanggungjawabkan di sektor ini?

Kecerdasan klaim dan data alur kerja adalah fondamental dalam kesehatan karena model generik saja tidak cukup untuk mendukung keputusan pembayaran yang akurat dan dapat dijelaskan pada skala besar.

Platform Lyric mendukung sekitar 200 juta kehidupan dan dibangun dari dekade kecerdasan klaim operasional. Pengetahuan dan konteks proprietary tersebut penting karena mencerminkan bagaimana kebijakan diterapkan, di mana sengketa muncul, bagaimana kesalahan terjadi, dan bagaimana alur kerja pembayaran berperilaku di dunia nyata.

Kombinasi integrasi alur kerja, tiga dekade keahlian klinis, dan kecerdasan klaim longitudinal menciptakan sistem yang tidak hanya lebih akurat, tetapi juga lebih dapat dijelaskan dan operasional yang dapat diaudit.

Dalam kesehatan, kecerdasan hanya penting jika orang dapat memahami, memvalidasi, dan bertindak dengan keyakinan.

Salah satu kekhawatiran terbesar dalam AI kesehatan adalah tata kelola dan kemampuan menjelaskan. Ketika AI mengambil lebih banyak tanggung jawab pengambilan keputusan pembayaran, apa yang tampak seperti pengawasan manusia yang efektif dalam praktek?

Bagi kami, manusia-dalam-lintasan bukanlah kata kunci; itu adalah arsitektur. AI adalah alat yang kami gunakan untuk melengkapi pengambilan keputusan manusia.

Anda dapat melihatnya dalam pekerjaan authoring konten kami. Kami membangun pengalaman authoring konten Studio42 di atas platform Lyric42 kami, mengikuti prinsip bahwa setiap aturan dan edit harus deterministic. AI membantu tim kami meninjau volume besar bahan pemerintah, industri, dan penelitian, mengidentifikasi pola relevan, dan menampilkan rekomendasi. Namun, AI tidak menjadi sumber kebenaran. Sumber kebenaran berakar pada bahan asli dan keahlian klinis manusia.

Setiap aturan dan edit dirancang untuk dapat dilacak dan diaudit. Ahli klinis meninjau dan memvalidasi pekerjaan sebelum mencapai produksi, dan setiap rekomendasi yang AI buat untuk membantu tim klinis kami menciptakan konten didasarkan pada sumber asli dan pengetahuan manusia. Kami juga mempertahankan riwayat lengkap perubahan, sehingga jelas apakah aturan atau bagian konten dibangun dari sumber pemerintah, industri, atau penelitian tertentu.

Itulah yang tampak seperti pengawasan efektif dalam praktek: AI membantu dengan skala dan deteksi sinyal, ahli klinis memvalidasi pekerjaan, dan sistem mempertahankan jejak audit yang jelas dari bahan sumber ke konten yang ditinjau. Yang sama pentingnya, klien kami mempertahankan kontrol penuh atas apakah dan kapan untuk mengimplementasikan konten, aturan, atau rekomendasi yang disampaikan melalui platform.

Dalam kesehatan, taruhannya terlalu tinggi untuk keputusan penting dibuat hanya oleh mesin atau model. Di Lyric, kami percaya bahwa keahlian manusia, penilaian, dan pertanggungjawaban harus tetap mendasar, bukan dianggap sebagai pemikiran kedua, dirancang ke dalam arsitektur dari awal.

Pemborosan kesehatan tetap menjadi salah satu penggerak biaya terbesar di sistem AS. Di mana Anda percaya AI dapat memiliki dampak terukur tercepat dalam mengurangi pengeluaran yang tidak perlu tanpa mempengaruhi perawatan pasien?

Kesehatan menyumbang sekitar 20% PDB AS, dan 25% di antaranya adalah pemborosan. Sebagian besar pemborosan tersebut disebabkan oleh kompleksitas sistem, bukan penipuan atau pemborosan yang disengaja.

Ini adalah alasan mengapa kami membangun platform Lyric42. Ini menggeser proses klaim dari model bayar-dan-tangkap ke kecerdasan pra-bayar, memungkinkan rencana kesehatan untuk mendapatkan pembayaran yang tepat dari awal.

Bagian besar dari pemborosan kesehatan berasal dari pekerjaan administratif yang berlebihan karena memiliki inteligensi yang tidak konsisten di seluruh pemangku kepentingan. Ini menyebabkan penolakan dan pembayaran yang tidak perlu, intensitas audit manual yang lebih besar, dan peningkatan banding penyedia tanpa mengubah pembayaran akhir secara signifikan.

Pemborosan berasal dari tidak memiliki inteligensi yang tepat pada waktu yang tepat. Lyric memberikan rencana kesehatan dengan kecerdasan keputusan dan rekomendasi, divalidasi dan didukung oleh pengetahuan klinis untuk membantu mengidentifikasi kesalahan dan inkonsistensi yang jelas (pengekodingan, unit, penggabungan, keselarasan kebijakan medis). Kami melakukannya sebelum pembayaran, yang mengurangi pemborosan dan pengekodingan yang salah, mengurangi bolak-balik pekerjaan, banding, dan penyesuaian.

Platform Lyric semakin mengintegrasikan otomatisasi, analitik prediktif, dan alur kerja yang didukung AI ke dalam operasi klaim. Seberapa dekat kita dengan masa depan di mana sebagian besar alur kerja pembayaran kesehatan beroperasi secara otonom?

Dalam dekade berikutnya, kita akan melihat dunia di mana sebagian besar tugas dalam alur kerja pembayaran diotomatisasi. Namun, persyaratan regulasi dan kepatuhan akan terus memerlukan akuntabilitas yang jelas, yang berarti tanggung jawab manusia dan organisasi yang dapat diidentifikasi. AI, otomatisasi, dan analitik prediktif akan merampingkan tugas-tugas sehari-hari yang membosankan dalam operasi pembayaran kesehatan, termasuk validasi data, mendeteksi pola, dan merekomendasikan tindakan dalam waktu nyata selama tahap pertama klaim. Keputusan yang sensitif, berdampak tinggi, atau ambigu akan tetap berada di bawah tinjauan manusia.

Kesehatan secara fundamental berbeda dari banyak industri karena akuntabilitas penting. Keputusan pembayaran mempengaruhi penyedia, rencana, pasien/anggota, dan hasil keuangan di seluruh ekosistem kesehatan.

Kami tidak membangun AI pembayaran kesehatan yang sepenuhnya otonom. Kami membangun kecerdasan keputusan kesehatan yang dirancang untuk melengkapi pengambilan keputusan manusia.

Masa depan bukanlah pembayaran kesehatan otonom. Masa depan adalah kecerdasan yang dapat dijelaskan yang mendukung manusia yang tetap akuntabel untuk keputusan dan hasil.

Banyak perusahaan masih bereksperimen dengan AI dalam pilot yang terisolasi. Apa yang membedakan organisasi yang sukses mengoperasikan AI dari mereka yang tetap terjebak dalam mode konsep bukti?

Perbedaan itu adalah bahwa organisasi yang sukses tidak memperlakukan AI sebagai serangkaian pilot yang terisolasi. Mereka memperlakukannya sebagai kemampuan operasional dan pendorong.

Itu memerlukan lebih dari sekadar model yang kuat. Ini memerlukan investasi dasar dalam tooling, pemantauan, tata kelola, dan desain alur kerja. Dalam pengalaman kami, AI hanya berskala ketika teknologi mendukung proses tata kelola di sekitarnya, dan ketika proses manusia dirancang ulang di sekitar alur kerja yang didukung AI. Anda memerlukan kepemilikan yang jelas, sponsor eksekutif, keselarasan operasional, dan umpan balik konstan tentang bagaimana AI berperforma dalam produksi.

Poin terakhir itu sangat kritis. Organisasi yang mengoperasikan AI tidak berhenti pada penerapan. Mereka memantau kinerja, menganalisis hasil, mengidentifikasi di mana sistem perlu diperbaiki, dan terus-menerus memperbaiki. AI menjadi bagian dari irama operasional, bukan implementasi satu kali.

Di Lyric, kami telah melihat pola ini dalam area seperti authoring konten. Kami fokus pada mendapatkan satu domain yang benar terlebih dahulu, dengan tooling, kontrol, pemantauan, dan tinjauan manusia yang tepat. Setelah fondasi itu terbukti sukses, kami dapat menggunakan pendekatan yang sama untuk memperluas ke domain lain. Itu sangat berbeda dari menjalankan konsep bukti yang terlihat baik dalam demo tetapi tidak pernah harus bertahan dalam kompleksitas operasi langsung.

Organisasi yang tetap terjebak dalam mode pilot sering meremehkan kompleksitas itu. Mereka mungkin menguji model pada dataset yang sempit atau alur kerja yang terkendali, tetapi mereka tidak menghubungkan AI ke operasi nyata dengan tata kelola, pemantauan, dan manajemen perubahan yang diperlukan untuk mempertahankannya. Organisasi yang sukses membangun fondasi terlebih dahulu, membuktikan nilai dalam area yang terfokus, dan kemudian menskalakan dengan disiplin.

Menghadap ke depan, apakah Anda percaya bahwa pemenang jangka panjang dalam AI kesehatan akan menjadi perusahaan dengan model terbaik, atau mereka dengan integrasi operasional terdalam, data alur kerja, dan efek jaringan di seluruh ekosistem kesehatan?

Dalam kesehatan, pemenang jangka panjang tidak akan menjadi perusahaan dengan model terbaik dalam isolasi. Mereka akan menjadi perusahaan dengan integrasi operasional terdalam, data alur kerja yang kaya, dan efek jaringan terkuat di seluruh ekosistem kesehatan.

Model akan terus ditingkatkan, dan banyak kemampuan akan menjadi lebih tersedia dari waktu ke waktu. Apa yang jauh lebih sulit untuk direplikasi adalah kombinasi posisi alur kerja yang tertanam, kecerdasan klaim longitudinal, dan hubungan tepercaya di seluruh rencana kesehatan, penyedia, dan mitra.

Platform Lyric mencakup sekitar 200 juta kehidupan dan dibangun dari dekade kecerdasan akurasi pembayaran proprietary, dengan kemampuan untuk melapisinya dengan kemampuan dan mitra baru. Karena kami tertanam awal dalam alur kerja pembayaran dan beroperasi pasca-perawatan dan pra-pembayaran, kami memiliki visibilitas ke dalam alur transaksi yang sebenarnya, bukan hanya dataset statis. Kedalaman data alur kerja dan hasil ini adalah yang membantu AI memisahkan sinyal dari kebisingan dan bergerak dari analisis tren ke prediksi, rekomendasi, dan tindakan.

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