Fawad Butt, Amministratore Delegato e Co-Fondatore di Penguin Ai – Serie di Interviste

Fawad Butt, Amministratore Delegato e Co-Fondatore di Penguin Ai, è un esperto di dati sanitari e intelligenza artificiale che ha fondato l’azienda dopo aver ricoperto ruoli di leadership in Kaiser Permanente, UnitedHealthcare e Optum, dove ha sovrinteso a grandi iniziative di governance dei dati, analisi, intelligenza artificiale e piattaforme aziendali. La sua esperienza nella gestione della strategia dei dati all’interno di alcune delle più grandi organizzazioni di pagatori e fornitori di servizi sanitari ha plasmato la focalizzazione di Penguin Ai sulla risoluzione delle inefficienze amministrative del settore sanitario con soluzioni di intelligenza artificiale progettate appositamente, anziché imporre piattaforme generiche in complessi flussi di lavoro sanitari. Sotto la sua guida, Penguin Ai si è posizionata attorno a una tesi pratica: il settore sanitario necessita di sistemi di intelligenza artificiale progettati specificamente per le operazioni dei pagatori e dei fornitori, con la capacità di ridurre il lavoro manuale, migliorare l’accuratezza e aiutare le squadre a spendere più tempo su decisioni cliniche e operative di alto valore.

Penguin Ai è un’azienda di intelligenza artificiale nativa del settore sanitario, focalizzata sull’automazione delle operazioni amministrative e cliniche per pagatori, fornitori, società di gestione del ciclo di fatturazione e partner tecnologici del settore sanitario. La sua piattaforma combina modelli linguistici specifici del settore sanitario, lavoratori digitali, agenti di intelligenza artificiale, governance, conformità e automazione dei flussi di lavoro per casi d’uso come l’autorizzazione preventiva, l’elaborazione delle richieste, la codifica medica, la gestione delle controversie, l’aggiustamento del rischio, l’integrità dei pagamenti, la riassunta della cartella clinica, la riassunta della documentazione clinica e la verifica dell’idoneità. L’azienda ha raccolto 29,7 milioni di dollari in finanziamenti di venture capital, compresi 25 milioni di dollari di serie A guidati da Greycroft, per espandere l’assunzione, lo sviluppo del prodotto e i dispiegamenti con pagatori e fornitori, e ha inoltre lanciato Gwen, una piattaforma di costruzione di intelligenza artificiale progettata per aiutare le squadre sanitarie a creare lavoratori digitali governati per i flussi di lavoro amministrativi.

Dopo aver guidato organizzazioni di dati e analisi in grandi aziende sanitarie, quali esperienze specifiche l’hanno convinto che il settore sanitario necessitava di una piattaforma di intelligenza artificiale progettata appositamente, e come quelle lezioni hanno plasmato la visione fondatrice di Penguin Ai?

Posso indicare l’esatto momento in cui è successo. Ero seduto in una riunione in una delle grandi aziende di pagamenti, guardando una coda di autorizzazioni preventive che erano state respinte tre volte, e nessuna di esse aveva una vera domanda clinica allegata. Erano state respinte perché un campo non corrispondeva o la documentazione era arrivata nel formato sbagliato. Alcuni dei migliori operatori del paese stavano spendendo la loro giornata alimentando una macchina che non produceva nulla per il paziente in attesa dall’altra parte. Ho visto lo stesso spreco a Kaiser, a UnitedHealthcare, a Optum, solo con abiti diversi. È stato allora che ho smesso di credere alla linea dell’industria secondo cui la frizione è il prezzo della scala. La visione di Penguin Ai è nata direttamente da quella frustrazione: costruire una piattaforma che parli il linguaggio dei pagatori e dei fornitori, mettere il contesto sanitario all’interno del sistema in modo che un lavoratore di intelligenza artificiale applichi i propri criteri e mostri la propria ragione, e tenere una persona responsabile del giudizio clinico, e togliere il lavoro di routine da tutti gli altri. Questo è l’intero gioco.

Penguin Ai si concentra sull’abbattimento del carico amministrativo di un trilione di dollari nel settore sanitario. Quali flussi di lavoro ha prioritizzato per primo, e perché l’autorizzazione preventiva, l’elaborazione delle richieste, la codifica medica e le controversie sono emerse come le più grandi opportunità per la trasformazione guidata dall’intelligenza artificiale?

Siamo andati dove il dolore grida più forte. L’autorizzazione preventiva, l’elaborazione delle richieste, la codifica medica e le controversie sono emerse in cima per una ragione: sono enormi mucchi di lavoro ripetitivo dove la maggior parte dei casi segue uno schema, e le eccezioni sono rare a sufficienza da richiedere l’intervento umano. L’autorizzazione preventiva ha guidato la lista perché è lì che puoi letteralmente guardare un paziente soffrire mentre la carta rimane in coda, e nessuno difende questo con un viso serio. Quando i nostri lavoratori di intelligenza artificiale gestiscono il volume di routine e instradano le genuine eccezioni a una persona, i risultati non sono sottili. Le revisioni possono essere fino al 97% più veloci, i rifiuti possono scendere di oltre la metà, e circa il 92% dei casi si risolve senza un tocco manuale. Ho scelto questi quattro perché mi permettono di dimostrare la tesi in fretta: togliere il carico amministrativo e rendere il settore sanitario migliore per il paziente, il clinico e la persona che svolge il lavoro. Tutti vincono nello stesso movimento, ed è esattamente il motivo per cui abbiamo iniziato da lì.

Avendo valutato innumerevoli fornitori di tecnologia aziendale come esecutivo sanitario, quali sono le ragioni più comuni per cui le startup di intelligenza artificiale non riescono a guadagnare trazione all’interno dei grandi sistemi sanitari e dei pagatori?

Ho trascorso abbastanza tempo sul lato acquirente per guardare le startup bruciare la loro possibilità allo stesso modo tre volte. Uno, trattano il settore sanitario come qualsiasi altro account aziendale e vengono colti di sorpresa dal pasticcio delle integrazioni, dei sistemi legacy e del peso normativo che nessuno li aveva avvertiti. Due, vendono l’autonomia e poi non possono rispondere alla prima domanda difficile, che è sempre una versione di “mostrami come ci sei arrivato”. Nessuna traccia di audit, nessuna ragione che un team di conformità accetterà, e il progetto muore lì nella stanza. Tre, risolvono un lato della relazione pagatore-fornitore e non afferrano mai che la frizione vive nel punto di contatto tra di loro. E onestamente, ogni acquirente che conosco è esausto. Hanno un cassetto pieno di strumenti alimentati dall’intelligenza artificiale che hanno aggiunto un cruscotto e non hanno spostato zero lavoro dal piatto di nessuno. La barra è alta e la pazienza è sottile, e chiunque non possa mostrare un percorso reale dalla fase di prova alla produzione viene mostrato la porta.

Molte organizzazioni sanitarie rimangono caute nell’implementazione dell’intelligenza artificiale nelle operazioni critiche. Che cosa significa adozione di intelligenza artificiale di successo all’interno di un grande pagatore o fornitore, e quali errori commettono i leader quando cercano di scalare?

L’adozione reale inizia in piccolo e si guadagna verso l’alto. Scegli un flusso di lavoro che realmente fa male, mantieni le tue persone nella loop in modo che possano guardare il lavoro essere fatto e fidarsi, e lascia che la prova compri l’espansione. Quando un team vede un lavoratore di intelligenza artificiale pulire i casi di routine correttamente e passare loro quelli che realmente necessitano di giudizio, smettono di resistere e iniziano a chiedere di più. Gli errori sono dolorosamente prevedibili. I leader cercano di bollire l’oceano e implementare ovunque contemporaneamente. Comprano la tecnologia e non ridisegnano il flusso di lavoro attorno ad essa, quindi il carico si sposta solo in una coda diversa. O ritirano gli esseri umani troppo velocemente, bruciano la fiducia e poi si chiedono perché nessuno tocca la cosa. Scalare l’intelligenza artificiale in un sistema sanitario è un lavoro di gestione del cambiamento che indossa un costume tecnologico. I team che vincono lo trattano in questo modo, e si impegnano in un metrica dura fin dal primo giorno, in modo che tutti sappiano cosa significhi realmente il successo.

Penguin Ai enfatizza modelli e flussi di lavoro di intelligenza artificiale nativi del settore sanitario, piuttosto che soluzioni di intelligenza artificiale generiche per aziende. Quali sfide uniche nel settore sanitario richiedono un approccio specializzato, e dove le piattaforme di intelligenza artificiale generico falliscono?

Il settore sanitario non è un caso d’uso generico per aziende, e fingere il contrario ti brucia. Ha il proprio linguaggio, le proprie regole, le proprie conseguenze, e nessuna di queste è opzionale. Un modello generico ti fornirà una risposta plausibile e confidenziale che è silenziosamente sbagliata, perché non porta i tuoi criteri di necessità medica e non può mostrare il proprio lavoro in un modo che un auditor o un clinico accetterà. Non è un inizio. Abbiamo costruito Penguin Ai in strati per questo motivo preciso: un livello di dati che recupera le informazioni, un livello di contesto che tiene la ragione specifica del settore sanitario e la governance, e la forza lavoro di intelligenza artificiale che effettivamente svolge il lavoro, comprese le nostre soluzioni di lavoratore di intelligenza artificiale pre-costruite e Gwen, il costruttore che consente al tuo team di creare nuovi lavoratori di intelligenza artificiale. Le piattaforme di intelligenza artificiale generico falliscono perché trattano l’esperienza del settore sanitario come qualcosa che puoi suggerire. Non puoi. Devi costruirlo nel sistema, ed è l’intero punto di ciò che abbiamo fatto.

L’autorizzazione preventiva rimane uno dei processi più frustranti per i fornitori e i pazienti. Come pensa che l’intelligenza artificiale ridisegnerà l’autorizzazione preventiva nei prossimi cinque anni, e quali salvaguardie sono necessarie per garantire che l’automazione migliori i risultati senza creare nuove barriere?

Nei prossimi cinque anni, le approvazioni dirette tornano in pochi minuti, applicate coerentemente contro le tue linee guida, con il clinico nella loop per qualsiasi cosa richieda giudizio medico. Questa è la versione buona. Ecco la parte che le persone saltano: l’automazione può industrializzare le barriere altrettanto facilmente se la costruisci pigramente. Un modo più veloce per negare le cure è una negligenza con una migliore produttività. Quindi le salvaguardie sono l’intero gioco. Ogni raccomandazione che un lavoratore di intelligenza artificiale fa deve portare la propria ragione e una traccia di audit completa, ciò che chiamiamo una scatola di vetro, in modo che chiunque possa vedere esattamente come ci è arrivato. La velocità non può mai diventare una copertura per un muro silenzioso di rifiuti automatizzati. E un essere umano qualificato rimane responsabile del giudizio clinico, sempre. Ottenere questo giusto e l’autorizzazione preventiva smette di essere la cosa che i pazienti e i medici temono. Ottenere questo sbagliato e hai costruito una versione più veloce del problema. Sono interessato solo alla prima.

Il settore sta parlando sempre più di agenti di intelligenza artificiale e flussi di lavoro autonomi. Quali sono gli ostacoli tecnici e operativi più grandi per il dispiegamento di intelligenza artificiale che possa gestire in modo affidabile compiti amministrativi sanitari complessi con un minimo intervento umano?

La parte difficile non è la demo, è i bordi. La gestione delle eccezioni, i dati inconsistenti e i sistemi legacy che non sono stati costruiti per parlare con nulla. È lì che vive la vera ingegneria, ed è profondamente poco glamour. L’ostacolo operativo è la fiducia, che nessun sistema sanitario ti concede gratuitamente. Se le tue persone non possono esaminarlo o spiegarlo, non lo scaleranno, punto. Ora lasciami ribattere un po’ sulla premessa. “Intervento umano minimo” è l’obiettivo sbagliato, e mi preoccupa quando lo sento. Il punto è liberare le tue persone per i casi complessi e le decisioni di giudizio, dove la loro esperienza effettivamente guadagna il proprio posto. I nostri lavoratori di intelligenza artificiale gestiscono il volume ripetitivo e sanno quando coinvolgere una persona. Risolvere quel passaggio, in modo affidabile e trasparente, alla scala reale del settore sanitario, è il problema difficile da risolvere. Tutto il resto è un progetto di fiera della scienza.

Il settore sanitario è uno dei più regolamentati al mondo. Come si bilancia la velocità dell’innovazione con la conformità, i requisiti di privacy, la tracciabilità e la necessità di responsabilità umana nei sistemi guidati dall’intelligenza artificiale?

Si guadagna il diritto di muoversi velocemente costruendo cose che reggono. Nel settore sanitario, la governance è la fondazione, e noi l’abbiamo versata per prima. Quando si gestiscono dati dei pazienti, la governance dei dati aziendali è un requisito morale, e intendo questo letteralmente. Quindi ogni raccomandazione corre a uno standard di scatola di vetro, ragione più una traccia di audit completa, che è ciò che consente a un team di conformità di fidarsi della velocità. La responsabilità umana è integrata nel design, perché una persona qualificata possiede tutto ciò che tocca il giudizio clinico mentre il lavoratore di intelligenza artificiale gestisce l’assemblaggio e il carico di routine. È così che si ottiene velocità e affidabilità nello stesso sistema, e in questo settore non si può scegliere uno e saltare l’altro. La maggior parte delle persone inquadra la conformità e la tracciabilità come i freni. Io le vedo come la cosa che ti consente di mettere il piede giù, perché senza di loro non raggiungi mai la produzione nel primo posto.

Ha fatto la transizione da capo di grandi organizzazioni di dati e analisi a costruire una startup da zero. Quali aspetti del percorso da operatore a fondatore sono stati i più gratificanti, e quali sfide sono state le più sorprendenti?

La parte più gratificante è che finalmente si può costruire tutto correttamente fin dall’inizio. All’interno di una grande organizzazione, il cambiamento si muove alla velocità dell’istituzione. Ogni correzione deve passare attraverso sistemi legacy, priorità in competizione e livelli di approvazione, quindi una correzione che si sa essere corretta può richiedere diciotto mesi per atterrare, se atterra. Quel ritmo ti consumerà quando puoi vedere esattamente cosa deve accadere. Nello spazio del fondatore, quel soffitto scompare. Possiamo costruire da zero, progettare la piattaforma attorno al problema invece di attorno a trent’anni di soluzioni accumulate, e consegnare la risposta giusta mentre ancora conta. Quando sento che un’infermiera ha riavuto le sue sere, o che un paziente ha ottenuto una risposta in ore dove ci volevano giorni, atterra in un modo che nessuna revisione della roadmap ha mai fatto.

Guardando avanti, se l’intelligenza artificiale rimuove con successo gran parte del carico amministrativo dal settore sanitario, come pensa che pagatori, fornitori e pazienti vivranno il sistema sanitario in modo diverso nel prossimo decennio?

Un decennio fa, se facciamo le cose giuste, il sistema finalmente si sente di nuovo come cura. I pazienti ottengono risposte reali quando sono spaventati e vulnerabili, e smettono di dover guadagnare una laurea in burocrazia assicurativa solo per ottenere ciò che il loro medico ha già ordinato. I clinici spendono le loro ore sull’arte della medicina e sulle persone di fronte a loro, invece di macinare attraverso il caso di routine numero ottantasette prima di pranzo. Il personale operativo e amministrativo, alcune delle persone più sottovalutate in questo intero settore, finalmente fanno un lavoro che utilizza la loro vera esperienza. E pagatori e fornitori coordinano invece di scambiarsi carta da una parte all’altra di una cucitura che nessuno possiede. Questo è il settore sanitario verso cui sto costruendo. La mia carta di valori è noiosa e specifica: tempo restituito alle cure dei pazienti, e ritardo rimosso dall’esperienza del paziente. Tutto ciò che facciamo è al servizio di quei due numeri.

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