Tony Hogben, Pemimpin Studio Imersif di Pfizer Digital Omnichannel Services & Solutions (OSS) – Seri Wawancara

Tony Hogben adalah Pemimpin Studio Imersif di Pfizer (PFE ) Digital Omnichannel Services & Solutions (OSS). Pfizer Digital Omnichannel Services & Solutions (OSS) berada di garis depan transformasi cara Pfizer terhubung dengan pasien, penyedia layanan kesehatan, dan profesional di seluruh dunia. Melalui strategi digital inovatif, teknologi canggih, dan wawasan data yang didorong, OSS memungkinkan pengalaman yang mulus, disesuaikan, dan berdampak. Dengan mengintegrasikan analitik canggih, otomatisasi, dan solusi yang didorong AI, tim memperkuat keterlibatan, mengoptimalkan komunikasi, dan memfasilitasi koneksi bermakna di semua titik kontak digital.

Anda telah memiliki karir yang luas dalam inovasi digital dan teknologi imersif. Apa yang pertama kali membangkitkan minat Anda dalam bidang ini, dan bagaimana perjalanan Anda membawa Anda ke peran saat ini?

Jalur saya telah cukup tidak konvensional. Setelah menyelesaikan gelar di ‘Media Baru’ di awal milenium—ketika digital masih mencari pijakannya—saya mendirikan dan mengoperasikan agensi digital saya sendiri. Bekerja selama munculnya Web 2.0 sangat menggembirakan. Kami adalah pelopor solusi SAAS dan aplikasi mobile awal dalam lingkungan di mana inovasi bukan hanya kata kunci—itu adalah kenyataan sehari-hari kami. Setiap proyek membuka jalan baru, dan energi kewirausahaan sangat menular.

Setelah berhasil menjual bisnis saya tepat sebelum pandemi, saya awalnya menikmati waktu luang, tetapi cepat menyadari saya membutuhkan tantangan baru yang akan memanfaatkan keahlian saya. Bergabung dengan Pfizer Digital telah memungkinkan saya menggabungkan visi kreatif dan kemampuan teknis saya, mengandalkan hampir dua dekade pengalaman membantu organisasi dari semua ukuran bertransformasi secara digital.

Membangun Studio Imersif dari awal telah sangat memuaskan—menciptakan pusat inovasi internal yang memungkinkan tim di seluruh perusahaan memanfaatkan teknologi imersif dan interaktif. Saat ini, saya adalah bagian dari tim yang memimpin inisiatif kami untuk mengintegrasikan solusi AI di berbagai departemen dan kasus penggunaan, membantu tim membayangkan kembali alur kerja dan kemampuan mereka.

Apa yang paling memuaskan tentang transisi ke kesehatan adalah menerapkan passion saya untuk persimpangan teknologi dan pengalaman manusia dalam lingkungan di mana pekerjaan kami memiliki dampak nyata. Di sini, presisi, realisme, dan keterlibatan yang kami ciptakan melalui teknologi imersif secara langsung mempengaruhi pendidikan profesional kesehatan dan, pada akhirnya, hasil pasien. Hubungan antara inovasi teknologi dan kesejahteraan manusia mendorong saya setiap hari.

Pelatihan medis sedang mengalami pergeseran dengan simulasi yang didorong AI. Bagaimana pengalaman imersif yang didorong AI ini dibandingkan dengan metode pelatihan tradisional dalam hal efektivitas dan aksesibilitas?

Saya harus memulai dengan membahas pengalaman imersif sebelum menjelajahi bagaimana AI mengubah lanskap.

Pengalaman pelatihan imersif secara fundamental mengubah pendidikan medis dengan menawarkan fleksibilitas yang metode tradisional tidak bisa tandingi. Pembelajar dapat mengunjungi kembali skenario kompleks dari hampir mana saja, dengan kecepatan mereka sendiri, dan sebanyak yang diperlukan. Bukti itu sangat kuat, tingkat retensi pengetahuan untuk pembelajaran imersif jauh lebih baik—hingga 76% lebih baik daripada metode pelatihan tradisional*

AI sekarang mengubah pengalaman imersif ini dalam empat cara kunci:

Dalam pembuatan konten, AI mendemokratisasi pengembangan simulasi berfidelitas tinggi. Apa yang sebelumnya memerlukan tim pengembang khusus dan bulan-bulan pekerjaan sekarang dapat diselesaikan lebih cepat dan oleh lebih sedikit orang – ini akan membuka potensi pengembangan dan memungkinkan konten dibuat dalam skala.

Untuk pengalaman pembelajar, AI memungkinkan adaptasi dinamis—menyesuaikan skenario secara waktu nyata berdasarkan keputusan dan tingkat keterampilan, menciptakan tantangan yang lebih autentik yang lebih baik mencerminkan ketidakpastian klinis.

Di bidang umpan balik, AI menyediakan penilaian yang lebih halus daripada metrik lulus/gagal sederhana. Ini dapat menganalisis gerakan pembelajar, urutan keputusan, dan membandingkan kinerja dengan ribuan sesi sebelumnya untuk menawarkan pelatihan yang dipersonalisasi.

Akhirnya, AI memungkinkan pembelajaran kolaboratif melalui pemrosesan bahasa alami dan avatar pintar yang mensimulasikan interaksi pasien dan tim yang realistis.

Dampak aksesibilitasnya sangat mendalam—pengalaman imersif yang didorong AI dapat diterapkan secara luas dan efektif biaya, membantu mengatasi kesenjangan pelatihan global. Kombinasi kuat teknologi imersif dan AI ini memiliki potensi untuk mendemokratisasi akses ke pelatihan medis berkualitas tinggi, terutama di daerah yang kurang terlayani.

*Bonde, Mads & Makransky, Guido & Wandall, Jakob & Larsen, Mette & Morsing Bagger, Mikkel & Jarmer, Hanne & Sommer, Morten. (2014). Meningkatkan pendidikan bioteknologi melalui simulasi laboratorium yang digamifikasi

Apakah Anda dapat membagikan wawasan tentang bagaimana simulasi medis yang didorong AI dikembangkan di perusahaan Anda? Apa saja tantangan terbesar dalam membangun simulasi berfidelitas tinggi ini?

Kami berada di tahap awal integrasi AI ke dalam pendekatan kami. Kami memiliki visi yang jelas tentang ke mana kami menuju, tetapi ruang kesehatan yang sangat diatur yang kami kerjakan memerlukan implementasi yang metodis dan validasi yang ketat. Ini menciptakan ketegangan antara keinginan kami untuk berinovasi dengan cepat dan kewajiban kami untuk melanjutkan dengan hati-hati—kami ingin terus mengikuti inovasi yang giat terjadi dengan AI.

Saat ini, kami fokus upaya AI kami di tiga area kunci:

1. Percepatan Pembuatan Konten: Kami menggunakan AI untuk meningkatkan pipa pengembangan konten kami, membantu tim medis dan desain instruksional kami untuk meningkatkan produksi skenario berbasis bukti, variasi klinis, dan model pasien. Ini memungkinkan kami untuk mempertahankan kualitas sambil secara signifikan memperluas perpustakaan simulasi kami.
2. Percepatan Pengembangan Teknis: Kami menggunakan AI untuk mempercepat proses pengembangan teknis kami, memungkinkan prototip yang lebih cepat, pengujian, dan penerapan fitur simulasi baru dan kemampuan. Ini membantu kami mengatasi keterbatasan sumber daya dan mempercepat siklus inovasi kami.
3. Pengalaman Adaptif Pembelajar: Secara paralel, kami mengembangkan cara untuk mengintegrasikan AI langsung ke dalam simulasi kami untuk menciptakan lingkungan pembelajaran yang lebih dinamis dan responsif. Ini termasuk sistem umpan balik yang dipersonalisasi dan kesulitan adaptif berdasarkan pola kinerja pembelajar.

Meskipun kemajuan memerlukan kesabaran dalam domain ini, kami bersemangat tentang bagaimana inovasi AI ini pada akhirnya akan mengubah pelatihan medis dan hasil pasien.

Studio Laboratorium Virtual 360 derajat Anda adalah pendekatan inovatif untuk melatih profesional kesehatan. Bagaimana cara kerjanya, dan apa jenis umpan balik yang Anda terima dari pengguna hingga saat ini?

Studio laboratorium virtual 360 derajat memberikan profesional kesehatan pengalaman berjalan melalui lingkungan laboratorium nyata, berinteraksi dengan peralatan medis, mempraktikkan prosedur, dan memecahkan tantangan dunia nyata dalam ruang digital yang sepenuhnya imersif.

Lab virtual dirancang untuk melengkapi tur langsung laboratorium yang menunjukkan praktik terbaik. Kami mengakui bahwa kunjungan laboratorium fisik melibatkan logistik yang rumit dan keterbatasan penjadwalan, sehingga kami menciptakan alternatif digital yang dapat diakses 24/7 dari mana saja di dunia.

Profesional kesehatan menavigasi melalui simulasi interaktif yang detail yang menguji pengetahuan mereka dan meningkatkan pemahaman mereka tentang prosedur laboratorium. Platform ini dirancang untuk berbagai perangkat, memastikan fleksibilitas dalam cara dan di mana pembelajaran terjadi. Kami telah memperluas penawaran kami untuk mencakup lab virtual untuk berbagai kondisi medis dan telah menerjemahkan pengalaman ini ke dalam banyak bahasa untuk mendukung kebutuhan pendidikan global.

Umpan baliknya sangat positif. Pengguna secara konsisten memuji tiga aspek:

1. Realisme: Lingkungan berfidelitas tinggi menciptakan rasa kehadiran yang otentik di laboratorium yang berfungsi
2. Keterlibatan: Elemen interaktif mempertahankan minat dan fokus sepanjang pengalaman pembelajaran
3. Fleksibilitas: Kemampuan untuk mengakses pelatihan kapan saja dan dengan kecepatan mereka sendiri

Yang paling penting, profesional kesehatan melaporkan merasa lebih percaya diri dalam keterampilan mereka dan mempertahankan informasi lebih baik daripada dengan metode pelatihan tradisional. Peningkatan retensi pengetahuan ini diterjemahkan langsung ke perawatan pasien yang lebih baik dalam pengaturan dunia nyata.

AI dan teknologi imersif dapat membuat pelatihan lebih mudah diakses, tetapi apakah Anda melihat hambatan—seperti kekhawatiran regulasi, keengganan adopsi, atau keterbatasan teknis—yang perlu diatasi?

Ketika datang ke implementasi teknologi baru dalam pelatihan kesehatan, hambatan berbeda secara signifikan antara pengalaman imersif dan aplikasi AI.

Tantangan utama dengan teknologi imersif termasuk:

• Biaya Pengembangan: Secara tradisional, menciptakan pengalaman imersif berkualitas tinggi telah mahal. Namun, AI sebenarnya membantu kami mengatasi ini dengan mempercepat pembuatan konten dan mengurangi waktu produksi.
• Aksesibilitas: Kami memastikan pelatihan imersif kami tetap dapat diakses dengan mengembangkan untuk berbagai platform, seperti yang ditunjukkan dengan Lab Virtual kami yang berfungsi di berbagai perangkat. Pendekatan ini memungkinkan pembelajar untuk terlibat terlepas dari konfigurasi teknis mereka.
• Keengganan Adopsi: Ini mungkin tantangan paling persisten kami, terutama di antara profesional kesehatan berpengalaman. Strategi kami adalah paparan inkremental—memulai dengan format yang familiar seperti Lab Virtual kami yang memperkenalkan konsep pembelajaran spasial tanpa memerlukan kurva belajar yang curam. Ini membangun kenyamanan dengan konsep imersif sebelum melanjutkan ke teknologi yang lebih kompleks.

Untuk integrasi AI, kami menghadapi hambatan yang berbeda:

• Keterbatasan Teknis: Kami secara aktif mengerjakan ini dengan membangun platform dan pendekatan yang kuat yang akan berfungsi sebagai fondasi untuk pengembangan di masa depan.
• Keamanan Regulasi: Ini merupakan tantangan terbesar kami. Badan regulasi memiliki pertanyaan yang sah tentang akurasi dan validitas konten yang dihasilkan AI dalam pendidikan kesehatan. Pendekatan kami adalah mengembangkan kasus penggunaan internal terlebih dahulu, menciptakan contoh konkrit yang dapat kami gunakan untuk terlibat dengan tim regulasi secara konstruktif. Kami mengakui kami perlu mendukung pemahaman mereka sambil mengembangkan pagar pengaman yang tepat.

Dengan menangani hambatan ini secara sistematis dan mengakui karakteristik yang berbeda, kami menciptakan jalur untuk inovasi yang bertanggung jawab yang mempertahankan standar tinggi yang diperlukan dalam pendidikan kesehatan.

Dengan AI yang dipercepat dengan kecepatan yang belum pernah terjadi sebelumnya, apakah Anda memprediksi titik di mana AI dapat mengambil peran yang lebih aktif dalam perawatan pasien waktu nyata, bukan hanya sebagai alat pendukung?

Ini sedikit di luar bidang keahlian saya, tetapi saya pikir kita dapat melihat bahwa AI sudah bergerak melampaui peran pendukung di kesehatan, dengan contoh seperti diagnostik yang dibantu AI dan panduan bedah waktu nyata. Dalam lima tahun ke depan, saya percaya AI akan mengambil peran yang jauh lebih aktif dalam perawatan pasien, tetapi tidak akan sepenuhnya menggantikan manusia. Sebaliknya, AI akan bekerja bersama profesional kesehatan dalam kerangka “manusia dalam loop”, menawarkan bantuan tanpa mengambil kontrol penuh. Perubahan ini menimbulkan kekhawatiran etis tentang kepercayaan dan akuntabilitas—meskipun AI mungkin menyarankan diagnosis atau rencana perawatan, keputusan akhir masih akan dibuat oleh manusia untuk memastikan keamanan pasien. AI akan meningkatkan pengambilan keputusan, tetapi penilaian manusia akan tetap penting.

Di dunia di mana wawasan medis yang dihasilkan AI suatu hari nanti dapat mengungguli profesional manusia dalam tugas tertentu, bagaimana industri kesehatan harus mempersiapkan diri untuk perubahan ini?

Dengan setiap transformasi teknologi, kita melihat penggantian tugas bukan penggantian orang. Industri kesehatan perlu meredefinisi AI bukan sebagai pengganti profesional, tetapi sebagai kolaborator. Ini adalah persamaan sederhana, Manusia + AI lebih besar dari Manusia atau AI saja.

Perubahan ini akan bertahap dan spesifik tugas—mungkin dimulai di area seperti diagnostik berbasis gambar, skrining patologi, dan analitik prediktif untuk penurunan pasien. Ini adalah area di mana pengenalan pola dalam skala besar memberikan AI keunggulan alami, sementara penalaran klinis yang lebih kompleks akan tetap dipimpin manusia untuk masa depan yang dapat diprediksi.

Kami perlu memulai dengan tugas kecil yang terarah yang memberikan nilai segera daripada pendekatan solusi monolitik yang biasa. Pendekatan iteratif ini memungkinkan klinisi dan pasien untuk membangun kepercayaan pada kemampuan AI dari waktu ke waktu.

Sebagai gantinya menolak perubahan, industri kesehatan harus secara proaktif membentuk bagaimana AI dimasukkan ke dalam ekosistem kesehatan, memastikan bahwa itu meningkatkan daripada mengurangi elemen manusia yang tetap sentral untuk penyembuhan.

Akhirnya, langkah pertama yang harus diambil oleh setiap organisasi adalah mendemokratisasi paparan AI. Berikan staf Anda tantangan pribadi untuk membuka mata mereka terhadap kemungkinan—minta mereka membuat gambar, menulis email, atau membangun presentasi menggunakan alat AI. Setelah mereka mengalami kekuatan itu secara langsung, mereka akan membawa antusiasme itu kembali untuk mengidentifikasi aplikasi yang bermakna dalam pekerjaan sehari-hari mereka. Inovasi dari bawah sering menghasilkan solusi yang paling praktis dan berdampak.

Banyak perusahaan kesulitan menskalakan solusi AI di luar proyek pilot. Strategi apa yang telah Anda gunakan untuk mengimplementasikan AI dengan sukses dalam skala besar?

Bagi saya, menskalakan teknologi proyek AI dengan sukses melibatkan menangani dua tantangan kritis: infrastruktur teknologi, dan adopsi pengguna.

Di lingkungan kesehatan yang sangat diatur, membangun fondasi teknis yang kuat sangat penting sebelum menskalakan inisiatif AI apa pun. Kami perlu infrastruktur yang aman, patuh, dan seimbang antara inovasi dan keamanan pasien.

Dengan teknologi baru, adopsi sering menjadi hambatan terbesar untuk skala. Kami telah menemukan bahwa membuat AI menjadi tidak terlihat mungkin adalah kunci untuk adopsi yang luas. Sebagai contoh, dihadapkan pada layar kosong dan perlu menulis prompt yang efektif menciptakan gesekan yang signifikan bagi sebagian besar pengguna. Sebaliknya, kami merancang solusi di mana pengguna dapat hanya mengklik tombol yang telah dikonfigurasi sebelumnya atau menggunakan alur kerja yang familiar yang memanfaatkan AI di balik layar.

Pendekatan kami memprioritaskan memulai kecil tetapi membangun dengan skala dalam pikiran dari hari pertama. Sebagai gantinya menciptakan solusi satu kali, kami merancang komponen moduler yang dapat diperluas dan digunakan kembali di berbagai kasus penggunaan. Ini memungkinkan pilot yang sukses menjadi templat untuk implementasi yang lebih luas.

Anda percaya AI akan mengubah kesehatan dengan cara yang dulunya dianggap fiksi ilmiah. Apa kemajuan spesifik yang Anda pikir akan memiliki dampak paling mendalam dalam lima tahun ke depan?

Sebagai anak 80-an, saya ingat acara TV Six Million Dollar Man dan Bionic Woman dari 1970-an. Acara-acara tersebut menampilkan karakter yang secara fisik ditingkatkan oleh teknologi, revolusi nyata dengan AI, bagaimanapun, akan menjadi peningkatan kognitif. Ini yang paling saya antusias.

Dalam lima tahun ke depan, saya percaya beberapa kemajuan spesifik lainnya akan mengubah kesehatan secara fundamental:

1. Otomatisasi Administratif: Beban birokratis yang saat ini menghabiskan sebagian besar waktu profesional kesehatan akan sangat berkurang. Ini bukan hanya tentang efisiensi—ini tentang mengembalikan perawatan ke dalam kesehatan dengan mengalihkan perhatian manusia ke interaksi pasien.
2. Percepatan Penemuan Obat: Waktu dari mengidentifikasi target terapi hingga mengembangkan perawatan yang efektif akan dikompresi dari dekade menjadi tahun atau bahkan bulan. AlphaFold, yang dibuat dan dibagikan oleh Google’s DeepMind, telah merevolusi pemahaman kita tentang struktur protein—menyelesaikan dalam hari apa yang sebelumnya membutuhkan tahun pekerjaan laboratorium.
3. Diagnostik Presisi dalam Skala: Sistem AI akan secara dramatis meningkatkan deteksi dini kondisi seperti kanker, penyakit kardiovaskular, dan gangguan neurologis melalui pengenalan pola di seluruh dataset.
4. Perawatan Personal: Rencana perawatan akan terus diperbarui berdasarkan data pasien individu, menyesuaikan dalam waktu nyata untuk memaksimalkan efektivitas dan keterlibatan pasien dalam perawatan mereka sendiri.

Kecepatan perubahan ini akan mengejutkan. Pengembangan AI seperti tahun anjing—tetapi dengan percepatan eksponensial. Kami akan melihat apa yang mungkin membutuhkan 50 tahun penelitian dan implementasi konvensional.

Ini bukan skenario fiksi ilmiah yang jauh—ini sudah muncul dalam bentuk awal, ini bukan masa depan, ini sekarang.