Andreas Cleve, Co-Fondatore e Amministratore Delegato di Corti – Serie di Interviste

Andreas Cleve, Co-Fondatore e Amministratore Delegato di Corti, è un imprenditore focalizzato sull’avanzamento dell’intelligenza artificiale nel settore sanitario. Il suo lavoro nel settore è iniziato con Ovivo, una piattaforma di pianificazione della forza lavoro conversazionale per gli ospedali che si è rapidamente espansa in tutta la Danimarca prima di essere acquisita nel 2013. In seguito, ha co-fondato Hyvi, un’iniziativa di ricerca che esplora modelli di linguaggio consapevoli del contesto in grado di comprendere conversazioni complesse in tempo reale, che alla fine è evoluta in Corti nel 2018. Oltre a costruire aziende, Cleve ha svolto un ruolo chiave nel rafforzare l’ecosistema di intelligenza artificiale nordico attraverso iniziative come Nordic.ai e ruoli di consulenza con organizzazioni tra cui DIGITALEUROPE e il Consiglio nazionale di digitalizzazione della Danimarca.

Corti è un’azienda di intelligenza artificiale sanitaria con sede a Copenaghen che sviluppa modelli specializzati progettati per comprendere le conversazioni mediche e supportare i clinici in tempo reale. La sua piattaforma agisce come un assistente di intelligenza artificiale per i professionisti sanitari generando documentazione clinica, fornendo informazioni durante le interazioni con i pazienti e automatizzando i flussi di lavoro amministrativi. Offrendo la sua tecnologia attraverso API e integrazioni con i sistemi sanitari, Corti mira a ridurre il carico di lavoro dei clinici migliorando l’efficienza e la capacità di decisione negli ospedali e nelle piattaforme di salute digitale.

Siete cresciuto in una famiglia in cui la sanità era una parte costante della vita quotidiana… Come hanno plasmato quelle esperienze precoci la fondazione di Corti e quali problemi specifici eravate determinati a risolvere fin dal primo giorno?

Crescere intorno alla sanità ha reso due cose dolorosamente chiare: l’esperienza conta enormemente e i processi che trasferiscono quell’esperienza sono fragili e spesso falliscono le persone che ne hanno più bisogno. Quelle esperienze precoci in famiglia, che includevano vedere i caregiver lottare, guardare la conoscenza perdersi nei passaggi e sentire la paura che deriva dalle cure inconsistenti, hanno seminato la convinzione che la sanità dovrebbe essere prevedibile e che i clinici non dovrebbero mai essere soli quando arriva una decisione difficile. Ciò si è tradotto direttamente nella missione fondatrice di Corti: costruire sistemi che garantiscono l’esperienza, in modo che i clinici abbiano sempre un supporto decisionale affidabile e in tempo reale.

Fin dal primo giorno, ci siamo impegnati ad affrontare il disequilibrio tra l’offerta e la domanda nel settore sanitario: il gap tra la complessità della medicina moderna e la limitata capacità umana di applicarla ovunque, creando intelligenza artificiale che riduca la varianza, acceleri la rilevazione e supporti decisioni più sicure nei momenti che contano di più.

Corti si posiziona come infrastruttura di intelligenza artificiale sanitaria piuttosto che come un assistente di intelligenza artificiale autonomo. Cosa significa infrastruttura in questo contesto e quali capacità sblocca che le soluzioni puntuali o gli strumenti basati su chat non possono?

Quando parliamo di infrastruttura, intendiamo che non stiamo consegnando un singolo assistente o widget; stiamo costruendo lo stack fondamentale che rende possibile l’intelligenza artificiale di livello clinico in molti flussi di lavoro. L’infrastruttura qui significa: modelli e dati nativi del settore sanitario (non dati generici del web), un livello di ragionamento clinico che fornisce risposte con contesto clinico, strumenti di ciclo di vita e di governance (schede dei modelli, tracciamenti degli audit, discendenza verificabile), opzioni di distribuzione che soddisfano i regolatori (nuvole sovrane, endpoint privati o on-prem) e API e SDK rivolti agli sviluppatori che consentono ai team di prodotto di integrare l’intelligenza clinica nelle loro app senza diventare esperti di ML o di conformità.

Quell’approccio sblocca tre cose che le soluzioni puntuali non possono: (1) la distribuzione, ovvero modelli e runtime che sopravvivono alle vere costrizioni cliniche (latenza, residenza dei dati, tracciabilità); (2) la scala attraverso le specialità, ovvero blocchi costruttivi riutilizzabili e certificati (discorso, codifica, endpoint clinici con ambito definito) che riducono il costo di costruire molte app verticali; e (3) la fiducia regolatoria e aziendale, ovvero politiche, BAAs e primitive di conformità integrate nella piattaforma in modo che i clienti possano passare dai piloti alla produzione. In sintesi, l’infrastruttura trasforma la ricerca clinica in servizi distribuibili che gli sviluppatori e gli ospedali possono consegnare, certificare e scalare.

I modelli di intelligenza artificiale generici sono spesso applicati in ambienti clinici con risultati misti. Quali sono i modi più comuni in cui questi modelli falliscono quando vengono utilizzati in ambienti sanitari reali?

I modelli generici hanno fatto progressi notevoli e per molte attività funzionano bene. Tuttavia, il settore sanitario premia la profondità in modi che l’intelligenza artificiale orizzontale non può facilmente replicare. Il ragionamento clinico dipende da segnali sottili, terminologia specializzata, contesto istituzionale e comprensione di come la documentazione fluisce attraverso i sistemi regolatori e di rimborso. Ottenere ciò richiede l’addestramento su dati clinici, la convalida contro benchmark clinici e la costruzione della conformità nello stack fin dall’inizio. Non è un problema di prompt; è un problema di ricerca, il che è il motivo per cui pensiamo che il settore sanitario necessiti di un laboratorio di intelligenza artificiale dedicato, in grado di approfondire il dominio piuttosto che allargarsi su molti.

Corti opera in Europa, negli Stati Uniti e oltre, ciascuno con modelli di assistenza sanitaria e governance diversi. Come progettate sistemi di intelligenza artificiale che si adattino a questa complessità del mondo reale?

Progettiamo per la complessità possedendo più dello stack e rendendo la distribuzione e la governance cittadini di prima classe. In pratica, ciò significa addestrare su dati sanitari esclusivamente e sintonizzare i modelli per il ragionamento clinico; costruire tracciamenti degli audit, schede dei modelli e API pronte per il BAA; e progettare il routing in modo che i controlli di conformità siano selezionati in base alla geografia e al profilo di rischio. Per i clienti che ne hanno bisogno, offriamo opzioni di distribuzione cloud sovrana e on-prem, in modo che i fornitori possano scegliere dove risiede i loro dati e mantenere il controllo sui modelli in esecuzione.

Quella flessibilità ci consente di eseguire la stessa intelligenza artificiale clinica su diversi modelli di assistenza sanitaria, rispettando gli standard di documentazione locali, le leggi sulla privacy e la governance istituzionale. È importante che trattiamo la ricerca come una scala per la produzione; ogni avanzamento deve essere tracciabile, testabile e distribuibile nel mondo reale, non solo promettente in laboratorio. È questo il significato di essere costruito per prosperare nella realtà clinica.

Guardando ai flussi di lavoro clinici di prima linea oggi, dove Corti consegna l’impatto più immediato e misurabile, e perché quelle aree sono più importanti per i clinici sovraccarichi?

L’impatto più immediato di Corti oggi è nei flussi di lavoro clinici e amministrativi che portano il carico più pesante. I nostri modelli e API alimentano la documentazione ambientale, la codifica e l’automazione guidata da agenti all’interno del software sanitario utilizzato dai clinici ogni giorno.

Quegli ambiti sono importanti perché la documentazione e la fatturazione sono tra le parti più dispendiose in termini di tempo e più soggette a errori nella consegna dell’assistenza. Quando le conversazioni diventano note strutturate e pronte per la cartella clinica in tempo reale, quando la codifica è più completa e precisa e quando i flussi di lavoro di routine sono automatizzati in modo sicuro all’interno di sistemi regolamentati, i clinici trascorrono meno tempo con la carta e le organizzazioni vedono miglioramenti misurabili nell’efficienza e nella qualità del rimborso.

La sanità non è un problema monolitico, ma migliaia di flussi di lavoro specifici delle specialità che operano sotto pressione regolatoria. Costruendo intelligenza artificiale di produzione che prospera nella realtà clinica, consentiamo alle aziende di software e ai sistemi sanitari di affrontare quei problemi su larga scala. È lì che il laboratorio di intelligenza artificiale della sanità consegna un ritorno pratico e misurabile.

Corti supporta centinaia di migliaia di interazioni con i pazienti ogni giorno. Quali lezioni sono emerse operando l’intelligenza artificiale a quella scala che non sono ovvie nei piloti o negli ambienti di laboratorio?

Operare su larga scala espone la frizione che i piloti nascondono: la qualità eterogenea dei dati (nessun EHR o trascrizione di chiamata è uguale all’altro), le costrizioni di latenza e di flusso di produzione, la complessità legale e contrattuale attraverso i clienti e le geografie, e i casi limite perenni che si verificano solo sotto carico. I laboratori possono misurare l’accuratezza su set curati; la produzione costringe a risolvere il routing, l’osservabilità, la rilevazione del drift, il rollback del modello e le tracce degli audit responsabili. Un’altra lezione: la fiducia reale è guadagnata rendendo i modelli spiegabili, ripetibili e certificabili, piuttosto che con le prestazioni di un singolo sito. Infine, i piloti sottostimano il costo totale di proprietà: gli sviluppatori in produzione necessitano di SDK, endpoint coerenti e primitive di governance per mantenere la sicurezza e iterare in modo produttivo.

La sanità richiede una maggiore spiegabilità rispetto all’intelligenza artificiale dei consumatori. Come affrontate il ragionamento clinico, la trasparenza e la responsabilità quando l’intelligenza artificiale influenza le decisioni mediche?

La sanità richiede uno standard più elevato perché il costo dell’errore è reale. L’intelligenza artificiale clinica non può semplicemente generare linguaggio plausibile; deve ragionare su informazioni complesse, regolamentate e ad alto rischio in un modo che sia trasparente e ispezionabile.

È per questo che abbiamo sviluppato GIM, il nostro metodo di modifica delle interazioni del gradiente, per rendere il ragionamento clinico più interpretabile a livello di modello. GIM ha recentemente superato il benchmark di interpretazione meccanicistica di Hugging Face, classificandosi al primo posto nella classifica tra gli approcci di interpretazione. Ciò conta perché l’interpretazione non è un esercizio accademico nella sanità: è fondamentale per la fiducia, la sicurezza e l’adozione regolatoria.

Oltre la ricerca, la trasparenza deve proseguire fino alla distribuzione. Forniamo schede dei modelli, benchmark di convalida, tracce degli audit e controllo delle versioni in modo che i clienti sappiano esattamente cosa sta funzionando e come è stato valutato. Gli output sono legati alle prove, l’incertezza è esplicita e i sistemi sono progettati per supportare i clinici come garanti delle decisioni, non sostituirli con una scatola nera opaca.

Nella sanità, la spiegabilità non è una funzione. È un requisito preliminare per la fiducia. È per questo che affrontiamo l’intelligenza artificiale clinica come una disciplina di laboratorio per prima e assicuriamo che la ricerca parta da sistemi di produzione di qualità che possano essere ispezionati, governati e distribuiti in modo sicuro.

La sovranità dell’intelligenza artificiale è un argomento critico nei settori regolamentati. Cosa significa sovranità nella sanità e come possono i fornitori mantenere il controllo pur beneficiando dell’intelligenza artificiale avanzata?

Nella sanità, la sovranità significa che i fornitori mantengono il controllo sulla residenza dei dati, sulla scelta del modello e sulla governance operativa. In pratica, la sovranità si ottiene con opzioni di hosting locale o regionale (nuvole sovrane e on-prem), endpoint dei modelli privati, controllo completo del ciclo di vita e garanzie contrattuali e tecniche (BAAs, SLAs, DPIAs). La sovranità non è anti-cloud; è questione di dare ai fornitori la capacità di scegliere dove eseguire i loro carichi di lavoro e di avere controllo e tracciabilità verificabili sui modelli e sui dati. Quella combinazione consente ai fornitori di accedere a capacità avanzate pur rispettando gli obblighi legali e istituzionali.

Come fondatore e consigliere di iniziative dell’UE, come vedete l’evoluzione della regolamentazione e dove i responsabili delle politiche sottovalutano ancora le realtà tecniche dell’intelligenza artificiale clinica?

L’Europa ha ragione a prendere seriamente la regolamentazione. Nella sanità, l’auditabilità, la tracciabilità e la responsabilità non sono opzionali: sono requisiti preliminari per la fiducia.

Dove i responsabili delle politiche a volte sottovalutano la realtà è nell’operatività dell’intelligenza artificiale clinica. La certificazione non è un’approvazione una tantum; richiede un monitoraggio continuo, controllo delle versioni e convalida in corso. Allo stesso tempo, dobbiamo evitare di sovra-regolamentare. Se la conformità diventa sproporzionata, l’innovazione si rallenta e gli strumenti utili non raggiungono i clinici.

In Corti, assumiamo la regolamentazione fin dal primo giorno. Costruiamo l’auditabilità, la governance dei modelli e le opzioni di distribuzione sovrana direttamente nei nostri modelli e API, in modo che le startup e i fornitori stabiliti non debbano adattarsi alla conformità in un secondo momento. La sanità è complessa e frammentata, e l’unico modo per muoversi al passo è integrare la preparazione regolatoria nella fondazione. L’equilibrio di cui l’Europa ha bisogno è rigoroso ma pratico: proteggere i pazienti ma rendere possibile costruire e distribuire in modo sicuro su larga scala.

Guardando avanti 12-24 mesi, quali grandi cambiamenti dovrebbero aspettarsi i leader sanitari da Corti e come quei piani gettano le basi per il 2026?

Aspettatevi che Corti raddoppi gli sforzi sul percorso dal laboratorio alla produzione: consegnando modelli di intelligenza artificiale supportati dalla ricerca e confezionandoli come infrastruttura distribuibile (endpoint di discorso, codifica e agenti, un livello di ragionamento clinico e opzioni di distribuzione sovrana), tutti esplicitamente progettati per spostare i clienti dai piloti alla produzione certificata. I piani futuri includono miglioramenti dei benchmark di riconoscimento del discorso e della latenza, agenti vocali, modelli di codifica medica in produzione e più lanci di nuvole sovrane, tutti progettati per spostare i clienti dai piloti alla produzione certificata. Corti non è una singola applicazione; è il laboratorio di intelligenza artificiale della sanità, costruito per consentire intere classi di software clinico sicuro e verificabile – la base per le nostre ambizioni del 2026.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Corti.