Sundar Subramanian, CEO Zyter – Seri Wawancara

Sundar Subramanian, CEO Zyter, adalah eksekutif strategi dan perawatan kesehatan berpengalaman dengan latar belakang yang meliputi konsultasi manajemen, transformasi digital, dan operasi perawatan kesehatan berskala besar. Sebelum menjadi CEO pada Juli 2025, ia menghabiskan lebih dari 16 tahun di Strategy& milik PwC, di mana ia memimpin bisnis konsultasi strategi AS serta praktik Enterprise Strategy, Value and Digital Transformation, memberi nasihat kepada organisasi besar tentang pertumbuhan, perancangan ulang model operasional, dan transformasi berbasis AI. Pada awal kariernya, Subramanian bersama memimpin Medicaid and Medicare Center of Excellence di Booz & Company dan bekerja secara luas dengan pembayar perawatan kesehatan, setelah memegang posisi senior di WellCare dan McKinsey & Company. Di Zyter, ia memimpin ekspansi perusahaan di bidang AI agentik dan orkestrasi alur kerja cerdas, dengan penekanan pada penggunaan AI untuk merancang ulang proses bisnis end-to-end alih-alih sekadar mengotomatisasi tugas individual.

Zyter adalah perusahaan teknologi perusahaan swasta dengan lebih dari dua dekade pengalaman dalam perawatan kesehatan digital, di mana platform kesehatan populasi TruCare-nya telah membangun jejak yang mendukung lebih dari 44 juta jiwa di lebih dari 45 organisasi perawatan kesehatan. Perusahaan kini membangun di luar akar perawatan kesehatannya dengan platform eksekusi AI yang dirancang untuk alur kerja kompleks dan sangat diatur di bidang perawatan kesehatan, pemerintahan, dan layanan keuangan. Arsitekturnya menggabungkan Zyter Symphony, yang mengoordinasikan agen AI, sistem perusahaan, dan tindakan manusia; Zyter Praxis, yang mengemas agen, aturan, data, dan pengawasan manusia menjadi modul alur kerja end-to-end; serta TruCare Digital Core, yang menghubungkan alur kerja ini ke sistem seperti rekam medis elektronik, platform klaim, sistem perencanaan sumber daya perusahaan, dan perangkat lunak manajemen hubungan pelanggan. Tujuan yang lebih luas adalah menjadikan AI agentik operasional dalam lingkungan perusahaan yang ada sambil mempertahankan tata kelola, auditabilitas, dan pengawasan manusia atas keputusan yang konsekuensial.

Anda menghabiskan lebih dari 16 tahun di Strategy&, memimpin bisnis konsultasi strategi AS dan bekerja secara luas di bidang perawatan kesehatan, setelah pengalaman sebelumnya di WellCare. Apa yang meyakinkan Anda bahwa lompatan besar berikutnya dalam perawatan kesehatan akan datang dari AI agentik dan eksekusi alur kerja, bukan generasi lain perangkat lunak tradisional?

Sepanjang karier saya, saya berkesempatan melihat perawatan kesehatan dari beberapa perspektif, sebagai operator, konsultan strategi, dan kini sebagai pembuat teknologi. Dari pengalaman tersebut, satu pengamatan menjadi semakin jelas. Perawatan kesehatan tidak mengalami kesulitan karena kekurangan teknologi. Kesulitannya karena teknologi tidak mengubah cara kerja dilakukan.

Selama dekade terakhir, industri ini berinvestasi besar-besaran dalam digitalisasi. Kami memodernisasi infrastruktur, memperluas analitik, meningkatkan interoperabilitas, dan baru-baru ini mengadopsi AI. Investasi tersebut menciptakan kapabilitas baru yang penting, namun tidak menyelesaikan salah satu tantangan paling persisten dalam perawatan kesehatan: koordinasi kerja antar orang, sistem, kebijakan, dan organisasi. Terlalu sering, teknologi ditumpuk di atas model operasional yang ada alih-alih mengubah cara mereka berfungsi.

Kesadaran itu mengubah cara saya memandang transformasi. Fase berikutnya tidak ditentukan oleh penerapan AI lebih banyak. Ini tentang merancang ulang cara kerja dilakukan. AI adalah penggerak luar biasa, namun nilai terbesarnya datang dari membantu organisasi mengeksekusi lebih efektif dengan mengorkestrasi kerja antar orang, sistem, kebijakan, dan AI.

Itulah yang menarik saya ke Zyter. Setelah bertahun-tahun membantu organisasi mengembangkan strategi transformasi, saya ingin membantu membangun lapisan eksekusi yang mengubah strategi tersebut menjadi hasil yang terukur. Bagi saya, masa depan perawatan kesehatan bukan tentang membuat AI lebih cerdas. Ini tentang membantu perawatan kesehatan beroperasi lebih cerdas.

Zyter memposisikan dirinya sebagai lapisan eksekusi untuk perusahaan agentik, dengan Symphony yang mengorkestrasi agen dan manusia, Praxis yang mengeksekusi alur kerja, dan TruCare yang menancapkannya pada data perusahaan. Apa yang dapat dicapai oleh arsitektur ini yang tidak dapat dilakukan oleh AI copilot individual?

Transformasi perusahaan tidak pernah dibatasi oleh kekurangan ide atau kecerdasan. Organisasi biasanya tahu apa yang harus mereka lakukan. Tantangan yang lebih sulit adalah secara konsisten menerjemahkan keputusan tersebut menjadi aksi di seluruh orang, sistem, kebijakan, dan alur kerja.

Di sinilah saya melihat fase berikutnya dari AI perusahaan. Asisten AI individual membuat orang lebih produktif. AI perusahaan harus membuat organisasi lebih efektif. AI harus mengoordinasikan kerja, mengeksekusi alur kerja, beradaptasi saat kondisi berubah, dan terus meningkatkan cara organisasi beroperasi.

Arsitektur kami mencerminkan filosofi tersebut. Symphony mengorkestrasi agen AI, sistem perusahaan, dan keahlian manusia. Praxis mengeksekusi alur kerja, dan TruCare menyediakan fondasi operasional yang menancapkan alur kerja tersebut pada data perusahaan yang tepercaya. Bersama-sama, mereka menciptakan lapisan eksekusi di mana AI menjadi bagian dari cara kerja dilakukan, bukan sekadar alat tambahan yang digunakan orang bersama pekerjaan mereka.

Organisasi pada akhirnya akan mengukur AI berdasarkan kemampuannya meningkatkan hasil. Produktivitas penting, namun nilai jangka panjang berasal dari membantu perusahaan mengeksekusi lebih konsisten, beradaptasi lebih cepat, dan belajar dari setiap alur kerja yang mereka jalankan.

AI agentik menjadi jauh lebih kompleks ketika banyak agen berbagi data, menyerahkan tugas, dan meningkatkan keputusan kepada manusia. Apa yang telah dipelajari Zyter tentang membuat sistem multi-agen cukup andal untuk perawatan kesehatan dalam skala besar?

Ketika AI melampaui kasus penggunaan individual dan menjadi bagian dari operasi sehari-hari, tantangannya berubah. Fokusnya tidak lagi pada seberapa cerdas satu agen, melainkan pada bagaimana kerja dikoordinasikan di antara sistem, kebijakan, orang, dan AI.

Kami menemukan bahwa spesialisasi penting. Perawatan kesehatan tidak bergantung pada satu orang untuk melakukan semuanya, begitu pula AI tidak seharusnya. Agen yang memiliki tanggung jawab jelas lebih dapat diandalkan, lebih mudah diatur, dan lebih mudah ditingkatkan seiring waktu. Lapisan orkestrasi mengoordinasikan agen-agen tersebut, mengelola serah terima, menerapkan kebijakan secara konsisten, dan menentukan kapan keahlian manusia harus dimasukkan ke dalam alur kerja.

Visibilitas sama pentingnya. Tim perlu memahami bagaimana keputusan dibuat, informasi apa yang menjadi dasar, dan bagaimana keputusan tersebut berkontribusi pada hasil. Merekam jejak keputusan menciptakan transparansi tersebut sekaligus memungkinkan setiap alur kerja menjadi sumber pembelajaran dan perbaikan berkelanjutan.

AI yang andal tidak didefinisikan oleh berapa banyak agen yang diterapkan. Keandalannya tercermin dalam seberapa konsisten kerja diselesaikan, seberapa yakin orang dapat mempercayai hasilnya, dan seberapa efektif sistem meningkatkan diri seiring waktu.

Organisasi perawatan kesehatan menginginkan sistem AI yang dapat berkembang seiring waktu, namun mereka juga membutuhkan perilaku yang dapat diprediksi dan auditabilitas. Bagaimana Anda memungkinkan pembelajaran berkelanjutan tanpa membiarkan sistem menyimpang dari pedoman klinis, kebijakan pembayar, atau alur kerja yang disetujui?

Saya tidak percaya setiap keputusan harus diotomatisasi melalui AI. Dalam perawatan kesehatan, terdapat banyak keputusan di mana logika deterministik, aturan bisnis yang telah ditetapkan, atau kebijakan klinis dapat memberikan jawaban yang jelas dan konsisten. Bila memungkinkan, kita harus menggunakannya daripada memperkenalkan ketidakpastian yang tidak perlu.

Kesempatan yang lebih menarik adalah menggabungkan pendekatan deterministik tersebut dengan AI. Kami telah berhasil menerapkan logika neuro-simbolik yang menciptakan lapisan verifikasi di sekitar penalaran berbasis AI. AI dapat menafsirkan informasi kompleks atau tidak terstruktur, sementara aturan deterministik dan logika simbolik memverifikasi bahwa tindakan yang dihasilkan tetap konsisten dengan kebijakan, pedoman, dan alur kerja yang telah ditetapkan. Hal ini mengurangi ketidakpastian dan meningkatkan akurasi dibandingkan mengandalkan pendekatan berbasis AI saja.

Ini juga mengubah cara saya memandang pembelajaran berkelanjutan. Tujuannya bukan memberi AI kebebasan lebih besar untuk membuat keputusan seiring waktu. Tujuannya adalah belajar dari eksekusi sambil mempertahankan kontrol yang menentukan bagaimana keputusan penting dibuat. Anda dapat meningkatkan cara sistem menafsirkan informasi, menangani pengecualian, dan mengoordinasikan kerja tanpa membiarkannya menyimpang dari aturan yang mengatur proses dasar.

Gabungan penalaran AI, keputusan deterministik, dan verifikasi berkelanjutan inilah cara menciptakan sistem yang dapat berkembang seiring waktu sekaligus tetap dapat diprediksi, dapat diaudit, dan bertanggung jawab.

Zyter telah mengeksplorasi C-RLM, pendekatan rekursif untuk menyintesis riwayat klinis yang panjang dan terfragmentasi. Seberapa penting penalaran konteks panjang akan menjadi dalam perawatan kesehatan, dan apakah agen pada akhirnya dapat mempertahankan pemahaman yang terus berkembang tentang setiap pasien?

Perawatan kesehatan tidak pernah kekurangan informasi. Tantangannya adalah cerita pasien tersebar selama bertahun-tahun dalam catatan dokter, hasil laboratorium, obat-obatan, pencitraan, klaim, dan interaksi perawatan. Memahami riwayat tersebut memerlukan lebih dari sekadar memproses sejumlah besar data. Diperlukan penghubungan bukti, pengenalan pola, dan pembangunan pemahaman koheren tentang perjalanan setiap pasien.

Penalaran konteks panjang akan menjadi semakin penting seiring AI melampaui bantuan pada tugas individual dan mulai mendukung perawatan longitudinal. Pekerjaan kami dengan C-RLM mencerminkan arah tersebut. Tujuannya bukan sekadar merangkum lebih banyak informasi. Tujuannya adalah menyintesis bukti klinis terfragmentasi menjadi pemahaman terstruktur yang tetap berakar pada catatan dasar. Setiap kesimpulan juga harus dapat ditelusuri ke sumbernya sehingga klinisi dapat memahami bagaimana kesimpulan itu dicapai dan memvalidasinya terhadap bukti.

Seiring kemampuan ini matang, agen AI akan semakin membantu mempertahankan pemahaman yang terus berkembang tentang perjalanan setiap pasien. Pemahaman tersebut harus menjadi lebih kaya seiring tersedianya informasi baru, sambil tetap transparan, berbasis bukti, dan berlandaskan data klinis yang tepercaya. Peran AI adalah memberikan klinisi gambaran yang lebih lengkap sehingga mereka dapat membuat keputusan yang lebih terinformasi dengan keyakinan lebih tinggi.

Zyter berpartisipasi dalam program CMS WISeR, di mana AI dapat mendukung alur kerja sementara klinisi berlisensi tetap memegang otoritas pengambilan keputusan. Apakah itu kira-kira batas otonomi yang tepat saat ini, dan apa yang perlu berubah sebelum agen AI dapat mengambil keputusan yang lebih konsekuensial?

Saya tidak berpikir ada satu batas otonomi tunggal untuk perawatan kesehatan. Peran AI yang tepat tergantung pada alur kerja, tingkat risiko, dan kepercayaan organisasi bahwa sistem akan berperilaku konsisten dalam kondisi dunia nyata.

Program seperti WISeR mencerminkan realitas tersebut. AI sudah sangat efektif dalam menyintesis informasi, menerapkan kebijakan yang telah ditetapkan secara konsisten, mengoordinasikan alur kerja administratif, dan mengurangi pekerjaan berulang. Klinisi berlisensi terus memberikan penilaian untuk keputusan di mana konteks, ambiguitas, dan akuntabilitas paling penting. Itu adalah model operasional yang mencerminkan kekuatan AI dan keahlian manusia.

Seiring waktu, batas-batas tersebut akan terus berkembang, namun perkembangan itu harus didasarkan pada kepercayaan yang telah terbangun, bukan semata karena model menjadi lebih mampu. Kepercayaan berasal dari bukti, transparansi, validasi, dan kinerja konsisten dalam produksi. Setiap perluasan peran AI harus didukung oleh standar yang sama seperti yang diterapkan perawatan kesehatan pada kemampuan kritis lainnya.

Saya tidak berpikir keberhasilan akan diukur dari seberapa otonom AI menjadi. Keberhasilan akan diukur dari apakah pasien menerima perawatan yang lebih baik, klinisi memiliki lebih banyak waktu untuk fokus pada keputusan kompleks, dan perawatan kesehatan beroperasi lebih efektif sebagai hasilnya.

Zyter baru-baru ini memindahkan TruCare ke fondasi cloud-native AWS untuk mendukung orkestrasi AI pada skala perusahaan. Seberapa besar tantangan dalam AI agentik terkait model itu sendiri dibandingkan dengan infrastruktur yang menghubungkan data, sistem, kebijakan, dan orang?

Model fondasi berkembang dengan kecepatan luar biasa, dan itu baik untuk seluruh industri. Percakapan secara bertahap beralih dari apa yang dapat dilakukan model ke bagaimana mereka beroperasi di dalam perusahaan nyata.

Menghubungkan data, sistem, kebijakan, dan orang adalah titik di mana transformasi berhasil atau terhenti. AI harus bekerja dalam lingkungan operasional yang ada, mengeksekusi di berbagai sistem, menerapkan kebijakan secara konsisten, dan beroperasi andal pada skala produksi. Tanpa fondasi tersebut, bahkan model paling mampu tetap terputus dari pekerjaan yang ingin ditingkatkan.

Pindahnya kami ke arsitektur cloud-native AWS mencerminkan evolusi tersebut. Ini menyediakan fondasi yang tangguh dan skalabel yang dibutuhkan untuk mengorkestrasi AI di seluruh alur kerja perusahaan sekaligus mempertahankan keandalan, tata kelola, dan kinerja yang dibutuhkan perawatan kesehatan. Infrastruktur penting karena memungkinkan AI menjadi bagian dari cara kerja dieksekusi setiap hari, bukan sekadar aplikasi lain yang berjalan bersamaan dengan proses yang ada.

Kesempatan jangka panjang tidak hanya ditentukan oleh model yang lebih baik. Kesempatan itu muncul dari menggabungkan kemajuan AI dengan infrastruktur dan model operasional yang diperlukan untuk mengeksekusi kerja secara konsisten pada skala perusahaan.

Zyter juga memposisikan model eksekusinya untuk industri teratur lainnya, termasuk layanan keuangan dan pemerintahan. Bagian mana dari platform yang benar-benar horizontal, dan keunggulan apa yang berasal secara khusus dari pengalaman Zyter di bidang perawatan kesehatan?

Industri teratur sering dilihat melalui lensa apa yang membuat mereka berbeda. Saya menemukan bahwa sama pentingnya untuk memahami apa yang mereka miliki bersama. Baik Anda menyediakan perawatan kesehatan, mengelola risiko keuangan, atau mendukung program pemerintah, keberhasilan bergantung pada koordinasi kerja kompleks antar orang, sistem, kebijakan, dan data sambil mempertahankan akuntabilitas untuk setiap keputusan.

Di sinilah saya melihat model eksekusi secara fundamental horizontal. Mengorkestrasi AI, sistem perusahaan, dan keahlian manusia, menerapkan kebijakan secara konsisten, mengoordinasikan kerja di berbagai sistem, dan menjaga transparansi adalah tantangan yang melampaui perawatan kesehatan. Alur kerja berbeda per industri, namun kebutuhan akan eksekusi yang dapat diandalkan tetap sangat konsisten.

Perawatan kesehatan tidak mengubah apa yang kami bangun. Ia meningkatkan standar tentang bagaimana kami harus membangunnya. Alur kerja klinis menuntut presisi, interoperabilitas, tata kelola, ketahanan, dan kepercayaan karena konsekuensi kesalahan sangat signifikan. Merancang untuk tingkat kompleksitas tersebut menciptakan model eksekusi yang dapat disesuaikan untuk industri teratur lainnya di mana disiplin operasional, kepatuhan, dan akuntabilitas sama pentingnya.

Seiring AI semakin terintegrasi dalam operasi perusahaan, saya rasa percakapan akan beralih dari apakah sebuah kemampuan dibangun untuk industri tertentu ke apakah kemampuan tersebut dapat mengeksekusi secara andal dalam lingkungan yang kompleks dan teratur. Itulah standar yang kami rancang sejak awal.

Rural Health Orchestrator Zyter menyatukan perawatan virtual, pemantauan jarak jauh, manajemen perawatan, dan layanan klinis. Apa yang dapat diselesaikan oleh orkestrasi agentik dalam perawatan kesehatan pedesaan yang tidak dapat dicapai hanya dengan telehealth?

Telehealth menyelesaikan tantangan akses yang penting. Tantangan berikutnya adalah memastikan setiap interaksi menghasilkan tindakan terkoordinasi dan hasil yang terukur.

Perawatan kesehatan pedesaan telah membuat kemajuan signifikan dalam memperluas akses melalui telehealth, pemantauan jarak jauh, dan investasi broadband. Namun hasilnya tidak sejalan karena terlalu banyak interaksi digital yang tetap terputus dari perjalanan perawatan yang lebih luas. Kunjungan virtual yang tidak memperbarui rencana perawatan, memicu tindak lanjut, atau mengoordinasikan langkah selanjutnya meningkatkan akses, namun tidak selalu meningkatkan kesehatan.

Di sinilah orkestrasi menjadi penting. Ia menghubungkan telehealth, pemantauan jarak jauh, manajemen perawatan, sumber daya komunitas, dan alur kerja klinis menjadi satu sistem terkoordinasi sehingga informasi mengalir lancar dan tindakan mengikuti secara otomatis. Setiap interaksi menjadi bagian dari perjalanan perawatan berkelanjutan, bukan peristiwa terisolasi.

Peluang bukan sekadar memperluas akses. Peluangnya adalah mengubah akses menjadi hasil. Ketika perawatan terhubung antar orang, sistem, dan alur kerja, klinisi menghabiskan lebih sedikit waktu menavigasi proses terfragmentasi, pasien menerima tindak lanjut yang lebih konsisten, dan sistem kesehatan pedesaan dapat memberikan hasil yang lebih baik dengan sumber daya yang sudah dimiliki. Di sinilah saya percaya orkestrasi AI menciptakan nilai terbesar.

Dengan kolaborasi baru bersama PwC, apa yang akan membedakan transformasi AI yang sukses dari pilot AI perawatan kesehatan lainnya? Indikator terukur apa yang akan meyakinkan Anda bahwa AI telah secara fundamental meningkatkan cara kerja payer atau provider?

Perawatan kesehatan telah menghabiskan bertahun-tahun berinvestasi dalam kapabilitas digital. Saat ini, sebagian besar organisasi memiliki akses ke data, AI, dan teknologi modern. Fase berikutnya bukan tentang menambah lebih banyak kapabilitas. Ini tentang merancang ulang cara kerja dilakukan.

Itulah mengapa saya tidak mengukur transformasi berdasarkan jumlah model AI yang diterapkan atau pilot yang diluncurkan. Saya melihat apakah model operasional organisasi telah berubah. Apakah keputusan menjadi lebih cepat? Apakah alur kerja lebih terkoordinasi antar departemen dan sistem? Apakah beban administratif berkurang sementara klinisi dan tim perawatan menghabiskan lebih banyak waktu untuk aktivitas yang meningkatkan perawatan pasien? Apakah perbaikan tersebut dapat diulang di seluruh perusahaan, bukan hanya terisolasi pada satu kasus penggunaan?

Itulah filosofi di balik kolaborasi kami dengan PwC. PwC membawa keahlian mendalam dalam strategi dan transformasi perawatan kesehatan. Zyter menyediakan lapisan eksekusi yang mengoperasionalkan strategi tersebut di seluruh alur kerja kompleks, menghubungkan AI, sistem perusahaan, kebijakan, dan orang sehingga organisasi dapat secara konsisten mengubah strategi menjadi aksi.

Bagi saya, transformasi AI yang sukses terjadi ketika AI tidak lagi dipandang sebagai inisiatif terpisah. AI menjadi bagian dari model operasional. Pada titik itu, organisasi tidak mengukur keberhasilan AI itu sendiri. Mereka mengukur hasil yang lebih baik, biaya administratif yang lebih rendah, perawatan yang lebih terkoordinasi, dan sistem perawatan kesehatan yang beroperasi lebih efektif karena eksekusi telah meningkat secara fundamental.

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