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 si 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 per la 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 funge da 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 al contempo l’efficienza e la capacità di decisione negli ospedali e nelle piattaforme di salute digitale.

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

Crescere intorno all’assistenza sanitaria 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 gli operatori sanitari lottare, osservare come le conoscenze si perdessero nei passaggi e sentire la paura che deriva dalle cure inconsistenti, hanno seminato la convinzione che l’assistenza sanitaria dovrebbe essere prevedibile e che i clinici non dovrebbero mai essere soli quando arriva una decisione difficile. Ciò si è tradotto direttamente nella missione di fondazione di Corti: costruire sistemi che supportino 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 divario 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 spedendo un singolo assistente o widget; stiamo costruendo lo stack fondamentale che rende possibile l’intelligenza artificiale di livello clinico in molti flussi di lavoro. 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 governance (schede modello, tracciamenti di audit, linea di 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 conformità.

Questo approccio sblocca tre cose che le soluzioni puntuali non possono: (1) distribuibilità, ovvero modelli e runtime che sopravvivono a vincoli clinici reali (latenza, residenza dei dati, tracciabilità); (2) scala tra specialità, ovvero blocchi costruttivi riutilizzabili e certificati (discorso, codifica, endpoint con ambito clinico) che riducono il costo di costruzione di molte app verticali; e (3) fiducia regolatoria e aziendale, ovvero politiche, BAAs e primitive di conformità integrate nella piattaforma in modo che i clienti possano passare da piloti a produzione. In sintesi, l’infrastruttura trasforma la R&D clinica in servizi distribuibili che gli sviluppatori e gli ospedali possono spedire, 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 non soddisfano le aspettative quando vengono utilizzati in ambienti sanitari reali?

I modelli generici hanno fatto notevoli progressi e per molte attività funzionano bene. Ma 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 fluisca attraverso sistemi di regolamentazione e 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, ed è il motivo per cui pensiamo che il settore sanitario abbia bisogno di un laboratorio di intelligenza artificiale dedicato, che possa approfondire il dominio piuttosto che allargarsi su molti.

Corti opera in tutta Europa, negli Stati Uniti e oltre, ciascuno con modelli di assistenza 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. Praticamente, significa addestrare su dati sanitari solo e regolare modelli per il ragionamento clinico; costruire tracciamenti di audit, schede modello e API pronte per BAA; e progettare il routing in modo che i controlli di conformità siano selezionati per geografia e 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 il loro dati e mantenere il controllo sui modelli in esecuzione su di esso.

Questa flessibilità ci consente di eseguire la stessa intelligenza artificiale clinica attraverso diversi modelli di assistenza, onorando allo stesso tempo 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 nel 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 fornisce 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 maggior carico. 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.

Queste aree sono importanti perché la documentazione e la fatturazione sono tra le parti più dispendiose in termini di tempo e più soggette a errori della consegna dell’assistenza. Quando le conversazioni diventano note pronte per la cartella clinica in tempo reale, quando la codifica è più completa e precisa e quando i flussi di lavoro 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.

L’assistenza sanitaria non è un problema monolitico, ma migliaia di flussi di lavoro specifici di specialità che operano sotto pressione regolamentare. Costruendo intelligenza artificiale di produzione che prospera nella realtà clinica, consentiamo alle società di software e ai sistemi sanitari di affrontare quei problemi su larga scala. È lì che il laboratorio di intelligenza artificiale dell’assistenza sanitaria fornisce 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 in piloti o ambienti di laboratorio?

Operare su larga scala espone l’attrito che i piloti nascondono: eterogenea qualità dei dati (nessun due EHR o trascrizioni di chiamate appaiono uguali), vincoli di latenza e streaming di produzione, complessità legale e contrattuale tra clienti e geografie, e i casi limite perpetui 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 i tracciamenti di audit affidabili. Un’altra lezione: la fiducia reale è guadagnata rendendo i modelli spiegabili, ripetibili e certificabili, piuttosto che con una singola prestazione del sito. Infine, i piloti sottostimano il costo totale di proprietà: gli sviluppatori in produzione hanno bisogno di SDK, endpoint coerenti e primitive di governance per mantenere la sicurezza e iterare in modo produttivo.

L’assistenza sanitaria 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?

L’assistenza sanitaria richiede uno standard più alto 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 modo trasparente e ispezionabile.

È per questo che abbiamo sviluppato GIM, il nostro metodo di modifica dell’interazione 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 delle approcci di interpretazione. Ciò conta perché l’interpretazione non è un esercizio accademico nell’assistenza sanitaria – è fondamentale per la fiducia, la sicurezza e l’adozione regolamentare.

Oltre la ricerca, la trasparenza deve proseguire fino alla distribuzione. Forniamo schede modello, benchmark di convalida, tracciamenti di audit e controllo di versione 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 garante delle decisioni, non sostituirli con una scatola nera opaca.

Nell’assistenza sanitaria, la spiegabilità non è una funzionalità. È un requisito per la fiducia. È per questo che affrontiamo l’intelligenza artificiale clinica come una disciplina di laboratorio e ci assicuriamo che la ricerca parta da sistemi di produzione di grado 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 nel settore sanitario e come possono i fornitori mantenere il controllo pur beneficiando dell’intelligenza artificiale avanzata?

Nell’assistenza sanitaria, la sovranità significa che i fornitori mantengono il controllo sulla residenza dei dati, la scelta del modello e la governance operativa. Praticamente, la sovranità si ottiene con opzioni di hosting locale o regionale (nuvole sovrane e on-prem), endpoint di modello privati, controllo completo del ciclo di vita e tracciabilità, 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 un controllo e una tracciabilità verificabili sui modelli e sui dati. Quella combinazione consente ai fornitori di accedere a capacità avanzate pur onorando gli obblighi legali e istituzionali.

Come fondatore e consulente 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. Nell’assistenza sanitaria, la tracciabilità, la trasparenza e la responsabilità non sono opzionali – sono requisiti per la fiducia.

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

In Corti, assumiamo la regolamentazione fin dal primo giorno. Costruiamo la tracciabilità, la governance del modello e le opzioni di distribuzione sovrana direttamente nei nostri modelli e API, in modo che le startup e i fornitori stabiliti non debbano riadattare per la conformità in seguito. L’assistenza sanitaria è complessa e frammentata, e l’unico modo per muoversi a ritmo è integrare la prontezza regolamentare 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 i leader dell’assistenza sanitaria dovrebbero aspettarsi da Corti e come questi piani pongono le basi per il 2026?

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

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