Kamya Elawadhi, Co‑founder dan Presiden Doceree – Seri Wawancara

Kamya Elawadhi, Co‑founder dan Presiden Doceree, adalah eksekutif pemasaran kesehatan dan strategi bisnis yang telah memainkan peran sentral dalam pertumbuhan perusahaan sejak bergabung pada 2019. Ia telah menempati posisi kepemimpinan yang mencakup strategi platform, pengembangan korporat, layanan klien, dan kemitraan global, membantu menerjemahkan teknologi Doceree menjadi nilai terukur bagi merek farmasi, agensi, penerbit, dan sistem kesehatan. Dalam perannya saat ini, Elawadhi memimpin agenda pertumbuhan global perusahaan dan mendukung ekspansi di Amerika Serikat, dengan penekanan pada komunikasi yang memperhatikan privasi dan relevan secara klinis. Sebelum Doceree, ia memegang peran kepemimpinan senior klien dan akun di HS Ad India dan McCann Worldgroup, di mana ia bekerja pada merek kesehatan, perangkat medis, dan konsumen sambil memimpin tim lintas fungsi dan multikultural.

Doceree adalah sistem operasi pemasaran kesehatan berbasis AI yang dirancang untuk membantu organisasi ilmu hayati berinteraksi dengan profesional kesehatan dan pasien dengan konteks serta presisi yang lebih tinggi. Platformnya menggabungkan data identitas profesional terverifikasi, sinyal niat klinis real‑time, aktivasi programatik, keterlibatan pada titik perawatan, dan lapisan penalaran AI yang mengoordinasikan pesan di seluruh saluran. Dengan menghubungkan kesadaran dokter dan keputusan resep dengan jalur pasien menuju pengobatan, termasuk keterjangkauan, pengisian resep pertama, dan pengisian ulang, Doceree bertujuan memberi pemasar kesehatan pandangan yang lebih terpadu tentang kinerja kampanye sekaligus mendukung privasi dan kepatuhan regulasi.

Anda bergabung dengan Doceree pada tahun pertamanya dan memainkan peran sentral dalam membangun kehadirannya di AS sebelum menjadi Co‑Founder dan Presiden. Apa yang awalnya menarik Anda pada visi pendirian perusahaan, dan bagaimana visi tersebut berkembang seiring AI menjadi semakin penting bagi kesehatan?

Apa yang menarik saya ke Doceree adalah kejelasan masalah yang dipecahkan. Pemasaran kesehatan selama bertahun‑tahun dijalankan dengan infrastruktur pinjaman, menggunakan alat yang dibuat untuk industri lain dan diterapkan pada salah satu lingkungan paling diatur di dunia. Visi pendirian adalah membangun sesuatu yang dirancang khusus untuk kesehatan sejak awal.

Yang berubah adalah skala apa yang dapat dicapai AI. Pada awalnya, fokusnya adalah presisi: menjangkau dokter yang tepat pada saat yang tepat. AI telah memperluas apa yang dapat terjadi pada momen itu, mulai dari menyampaikan pesan hingga membaca niat, memulai percakapan, dan menghubungkan keterlibatan sepanjang perjalanan perawatan. Keyakinan inti tidak berubah. Ambisi meningkat karena alat‑alatnya juga berkembang.

Doceree baru‑baru ini memperkenalkan Generative AI Connectors untuk ChatGPT dan Claude. Fitur apa yang disediakan integrasi ini, dan tim kesehatan atau farmasi mana yang paling mungkin mendapat manfaat darinya?

Integrasi dengan platform seperti ChatGPT dan Claude bertujuan membawa intelijen klinis dan komersial Doceree ke dalam alat yang sudah digunakan tim farmasi setiap hari. Alih‑alih beralih antar sistem, tim merek dan agensi kini dapat menanyakan kinerja kampanye, mengakses wawasan keterlibatan HCP, dan menampilkan rekomendasi yang dapat ditindaklanjuti langsung dalam alur kerja asisten AI mereka.

Tim yang paling diuntungkan adalah mereka yang membuat keputusan cepat berbasis data: manajer merek yang melacak kinerja kampanye di berbagai pasar, tim agensi yang memantau pola keterlibatan HCP, pemimpin komersial yang membutuhkan sintesis dari banyak aliran data tanpa menunggu laporan. Ini menghilangkan lapisan gesekan yang selalu ada antara data dan keputusan. Bagi saya, di situlah nilai sebenarnya berada.

Bagaimana Generative AI Connectors masuk ke dalam strategi AI yang lebih luas di Doceree, dan kemampuan apa yang Anda harapkan akan ditambahkan seiring adopsi perusahaan meningkat?

Connector berfungsi sebagai lapisan Daily Command, berdampingan dengan Semmelwis, model penalaran khusus farmasi kami, serta Analytics Workbench. Pemikiran di baliknya sederhana: tim farmasi sudah bekerja di dalam ChatGPT dan Claude setiap hari, jadi kami membawa intelijen klinis Doceree ke dalam alat yang sudah mereka gunakan, dengan batasan aman HIPAA yang dibangun sejak awal.

Seiring adopsi meningkat, arahannya menuju intelijen proaktif yang lebih mendalam. Sistem yang menampilkan sinyal yang tepat sebelum seseorang berpikir untuk memintanya. Di situlah kami sedang membangun.

Doceree menggunakan istilah “clinical intelligence” untuk menggambarkan bagian dari teknologinya. Apa arti istilah tersebut dari perspektif arsitektur, dan bagaimana ia melengkapi kemampuan model bahasa besar yang mendasarinya?

Inteligensi klinis, pada dasarnya, adalah lapisan yang membuat AI umum dapat diterapkan pada kesehatan. Model bahasa besar sangat kuat, namun mereka tidak secara native memahami kode diagnosis, pola resep, atau arti ketika seorang dokter memilih terapi tertentu untuk profil pasien tertentu. Inteligensi klinis adalah jembatan yang mengisi kesenjangan itu.

Secara arsitektural, ia berada di antara sinyal data mentah yang berasal dari alur kerja klinis dan model AI yang menafsirkannya. Ia memberikan konteks yang membuat output dapat ditindaklanjuti, bukan sekadar generik. Tanpa itu, Anda memiliki model kuat yang bekerja dengan informasi tidak lengkap. Dengan itu, Anda memiliki sesuatu yang benar‑benar dapat memengaruhi momen klinis nyata.

Bagaimana sistem AI Semmelwis milik Doceree membantu menafsirkan data kesehatan dan menerjemahkannya menjadi wawasan berguna bagi tim farmasi?

Semmelwis dibangun di sekitar gagasan sederhana: data kesehatan hanya berguna jika dapat ditafsirkan dalam konteks klinis, bukan sekadar diproses secara massal. Tim farmasi memiliki data keterlibatan dan resep yang sangat besar, namun kesenjangan selalu ada antara memiliki data tersebut dan mengetahui apa yang harus dilakukan dengan data itu.

Semmelwis menutup kesenjangan itu dengan membaca sinyal sepanjang perjalanan klinis dan mengidentifikasi di mana niat terbentuk atau memudar. Wawasan tersebut langsung masuk ke Daily Command, sistem AI kerja kami untuk tim merek farmasi, mengubah pengenalan pola menjadi rekomendasi yang dapat langsung ditindaklanjuti tim komersial, tanpa memerlukan tim data sains di ruangan.

ChatGPT dan Claude memiliki model, antarmuka, dan lingkungan perusahaan yang berbeda. Tantangan teknis apa yang dihadapi tim Anda saat menciptakan pengalaman konsisten di kedua platform?

Tantangan utama adalah memastikan setiap prompt dan respons, terlepas dari platform yang digunakan pengguna, tetap berada dalam batas kepatuhan yang sama. Data kesehatan tidak berubah tergantung asisten AI mana yang mengajukan pertanyaan. Pekerjaan sebenarnya adalah membangun lapisan integrasi yang diatur antara intelijen klinis Doceree dan kedua platform, memastikan jawaban selalu berlandaskan penalaran Semmelwis dan data Doceree serta dapat diaudit dari ujung ke ujung. Konsistensi dalam kepatuhan adalah masalah yang lebih sulit dipecahkan.

Bagaimana connector membantu pengguna memahami dari mana insight yang dihasilkan AI berasal dan data atau penalaran apa yang berkontribusi pada respons tersebut?

Setiap respons melalui connector berlandaskan data Doceree dan penalaran Semmelwis. Ketika tim merek mengajukan pertanyaan komersial, respons didukung oleh sinyal niat klinis, data identitas, dan input kampanye yang spesifik untuk merek mereka. Seluruh alur kerja diatur dan dapat diaudit dari ujung ke ujung. Dalam industri yang diatur, keterlacakan itulah yang membuat AI benar‑benar dapat digunakan dalam konteks pengambilan keputusan komersial, dan itu merupakan prinsip desain sejak hari pertama.

Organisasi kesehatan sering bekerja dengan data sensitif dan persyaratan regulasi yang kompleks. Bagaimana privasi, keamanan, kontrol akses, dan kepatuhan diintegrasikan ke dalam desain integrasi ini?

Ini adalah hal yang kami pertimbangkan sejak awal sebagai prinsip desain. Connector dibangun sehingga tidak ada data pasien yang masuk ke alur kerja. Semua beroperasi hanya pada konteks HCP yang telah dihilangkan identitasnya. Setiap prompt dan respons tetap berada dalam batas aman HIPAA, dan seluruh alur kerja diatur serta dapat diaudit dari ujung ke ujung.

Artinya dalam praktik, tim merek dapat mengajukan pertanyaan komersial di dalam ChatGPT atau Claude dan mendapatkan jawaban yang berlandaskan intelijen klinis, tanpa risiko privasi data yang biasanya muncul ketika menghubungkan data kesehatan sensitif ke asisten AI umum. Batasan tersebut adalah fondasi tempat integrasi dibangun.

Bagaimana Anda mengevaluasi kualitas output sistem, termasuk akurasi, relevansi, konsistensi, dan kegunaannya bagi profesional kesehatan?

Kualitas dalam konteks ini berarti sesuatu yang sangat spesifik. Sebuah output hanya berguna jika menghasilkan keputusan komersial yang lebih baik, dan itulah cara kami menilainya: apakah tindakan berdasarkan output tersebut meningkatkan metrik yang penting, apakah meningkatkan progresi tahap HCP, tingkat pengisian pertama, atau kinerja kampanye.

Loop tertutuplah yang membuat ini memungkinkan. Daily Command dirancang untuk mengalirkan hasil kembali ke model penalaran, sehingga setiap rekomendasi dipertajam oleh apa yang benar‑benar berhasil. Itu berbeda dengan asisten AI umum di mana output dievaluasi secara terpisah. Di sini, sistem belajar dari apa yang terjadi setelah seseorang menindaklanjuti rekomendasi, yang seiring waktu menjadi satu‑satunya ukuran kualitas yang jujur.

Saat perusahaan farmasi mengadopsi generative AI, prinsip apa yang harus menjadi panduan penggunaan bertanggung jawab dalam komunikasi yang ditujukan kepada klinisi dan pasien?

Prinsip yang paling sering saya tekankan adalah AI dalam kesehatan harus memperkecil ketidakpastian, bukan menciptakannya. Ketika seorang klinisi menerima informasi yang memengaruhi keputusan pengobatan, sumber informasi tersebut dan penalaran di baliknya harus dapat dilacak. Itu adalah standar dasar kepercayaan.

Selain keterlacakan, saya rasa penggunaan bertanggung jawab berarti menjaga manusia tetap berada dalam proses untuk segala hal yang memiliki beban klinis atau komersial. AI harus merekomendasikan dan menampilkan. Manusia yang memutuskan dan menyetujui. Saat batas itu menjadi kabur, risiko mulai melebihi manfaat.

Dan kepatuhan harus menjadi arsitektur, bukan sekadar kebijakan. Dalam kesehatan, perbedaan antara keduanya adalah segalanya.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Doceree.