Halsey Wise, Amministratore Delegato di Lyric – Serie di Interviste

Halsey Wise, Amministratore Delegato di Lyric, porta quasi tre decenni di esperienza di leadership esecutiva, governance di consiglio e creazione di valore in tecnologia sanitaria, software e servizi finanziari. Dopo aver prestato servizio nel consiglio di Lyric dal 2022, è entrato nel ruolo di Amministratore Delegato con l’obiettivo di scalare la piattaforma Lyric42, approfondire le relazioni con clienti e partner, accelerare l’innovazione e gli investimenti in AI e guidare la crescita attraverso l’espansione organica e le acquisizioni strategiche. Wise ha guidato sei aziende come Amministratore Delegato o presidente, tra cui ruoli di leadership in aziende pubbliche in Intergraph e MedAssets, e ha prestato servizio nei consigli di importanti organizzazioni tecnologiche e sanitarie, tra cui Cotiviti, Cerner, Aspen Technology , Acxiom, Nextech Systems, Lyric e WellSky. È anche presidente e Amministratore Delegato di Lime Barrel Advisors, consigliere senior di TPG Capital e co-leader di una fondazione familiare che sostiene borse di studio, sicurezza alimentare, servizi per i veterani e cause sanitarie.

Lyric è un’azienda di intelligenza decisionale sanitaria che si concentra sull’miglioramento dell’accuratezza dei pagamenti per i piani sanitari applicando politiche, dati, AI, revisione clinica ed supporto decisionale spiegabile prima che le richieste di pagamento vengano pagate. La sua piattaforma Lyric42 è progettata per aiutare i piani sanitari a coordinare le decisioni di pagamento attraverso regole, flussi di lavoro, prodotti di integrità dei pagamenti e raccomandazioni guidate da AI, con l’obiettivo di ridurre gli sprechi amministrativi, migliorare l’accuratezza dei pagamenti in prima istanza, ridurre l’attrito dei fornitori e fornire ai clienti una maggiore trasparenza sulle ragioni delle decisioni di pagamento. L’azienda posiziona il suo approccio AI come uno che aumenta l’esperienza umana piuttosto che sostituirla, combinando automazione, convalida clinica, governance e controllo del cliente per supportare decisioni di pagamento sanitario più coerenti e difendibili.

Ha guidato e consigliato importanti aziende sanitarie e tecnologiche, tra cui MedAssets, Cerner, Cotiviti e ora Lyric. Come ha influenzato la sua esperienza nel settore sanitario, nell’analisi e nella tecnologia la sua visione per Lyric?

In ogni azienda che ho guidato o consigliato, una convinzione è cresciuta sempre più forte: il sistema sanitario non può migliorare senza fiducia, verità e trasparenza alla sua base. Questi non sono valori morbidi. Sono le condizioni operative su cui si basa un sistema sanitario migliore. Ogni piano, fornitore e membro è influenzato dal fatto che l’intelligenza di base possa essere affidabile, se le informazioni riflettono la verità e se il ragionamento alla base di una decisione è trasparente abbastanza da resistere a un esame critico.

Questa convinzione modella il modo in cui penso a Lyric. Mi sono unito al consiglio di Lyric nel 2022 prima di entrare nel ruolo di Amministratore Delegato, e ciò che capivo allora credo ancora più fortemente ora. Stiamo costruendo una delle aziende di healthtech più innovative, più impattanti e più importanti.

Lyric è intelligenza decisionale sanitaria. Decenni di esperienza clinica e di pagamento, relazioni con i clienti profonde e una piattaforma operante su scala nazionale ci danno una base che poche aziende nel settore sanitario hanno. Il pagamento è l’espressione più alta di ciò oggi, ma l’opportunità più ampia è quella di fornire alle persone nel settore sanitario la tecnologia e le informazioni per prendere decisioni migliori, prima, con fiducia, al servizio di una migliore assistenza sanitaria per le persone e i pazienti che essa esiste per servire.

Credo anche profondamente che la presa di decisioni sanitarie appartenga agli esseri umani. Il giudizio clinico, l’interpretazione delle politiche e la responsabilità non possono essere esternalizzati a un modello. Ciò che l’AI può fare, e ciò che dovrebbe fare, è informare e supportare le persone che prendono quelle decisioni. Può portare a galla segnali, tendenze e anomalie che erano precedentemente sepolte nella scala e nella complessità. Può evidenziare dove qualcosa sembra incoerente, dove emerge un modello o dove una decisione richiede un esame più attento. Quello è il ruolo dell’AI nel settore sanitario: ampliare la visibilità umana e rafforzare il giudizio umano, non sostituirlo.

Lyric ha trascorso gli ultimi anni ricostruendo la sua pila tecnologica in una piattaforma AI basata su cloud che supporta le operazioni di pagamento su 190 milioni di vite. Quali sono stati i più grandi sfidi architettonici o organizzativi coinvolti in quel passaggio?

Lyric è nata come una scissione da un’organizzazione più grande. Abbiamo ereditato un’infrastruttura legacy insieme a relazioni con i clienti incredibili e decenni di esperienza operativa.

Negli ultimi anni, abbiamo ricostruito la fondazione tecnologica da zero. La sfida non era solo modernizzare l’infrastruttura. Era evolvere un’attività di accuratezza dei pagamenti di 30 anni in una piattaforma di intelligenza decisionale sanitaria moderna, preservando spiegabilità, controllabilità e fiducia.

Un principio fondamentale era garantire zero interruzioni aziendali mentre modernizzavamo la nostra tecnologia. Abbiamo sfruttato le capacità avanzate di Lyric42 per garantire migrazioni molto accurate, lavorando a stretto contatto con i nostri clienti piani sanitari per creare una transizione sicura e sicura.

Architettonicamente, siamo passati da un ordinamento statico predeterminato a un’intelligenza in tempo reale che supporta le decisioni di pagamento in prima istanza all’interno dei flussi di lavoro. Allo stesso tempo, ogni esito doveva rimanere trasparente, basato sulle politiche e spiegabile.

Mentre migrano i clienti sulla nuova piattaforma, stiamo supportando le operazioni di pagamento su 200 milioni di vite attraverso un’architettura di intelligenza unificata che porta a galla informazioni più presto, riduce gli sprechi e supporta decisioni più coerenti a scala.

Ha sostenuto che i pagamenti sanitari devono spostarsi da un recupero post-pagamento verso un’intelligenza pre-pagamento. Quali sono le innovazioni tecnologiche che rendono finalmente possibile questo passaggio a scala?

Il passaggio da un recupero post-pagamento all’intelligenza pre-pagamento è ora possibile perché il settore sanitario ha finalmente la combinazione di dati di flusso di lavoro su larga scala, infrastrutture cloud e AI in grado di separare il segnale dal rumore in ambienti di richieste complesse.

Storicamente, la maggior parte dei sistemi è stata costruita per analizzare ciò che è accaduto dopo il pagamento. Oggi, possiamo applicare l’intelligenza molto prima all’interno dei flussi di lavoro, prima che gli errori, le controversie e gli sprechi si muovano attraverso il sistema.

Da un punto di vista delle capacità, Lyric ha introdotto una selezione intelligente per la revisione pre-pagamento, garantendo che le richieste non vengano inutilmente trattenute prima del pagamento quando il timing è critico per i piani e i fornitori. Attraverso la nostra piattaforma di audit intelligente, abbiamo anche abilitato le richieste che richiedono una revisione umana a essere elaborate in ore o giorni, piuttosto che nelle settimane o nei mesi che i processi tradizionali possono richiedere.

Queste innovazioni tecnologiche, abbinate all’orchestrazione avanzata all’interno di Lyric42, hanno sbloccato l’intelligenza decisionale sanitaria per l’accuratezza pre-pagamento, combinando AI, politiche e revisione clinica esperta per supportare decisioni di pagamento accurate e spiegabili al primo passaggio. Importante, ciò funziona solo a scala quando l’intelligenza rimane trasparente, controllabile e basata sulla responsabilità umana.

Molto del settore sanitario si basa ancora su infrastrutture legacy frammentate. Perché crede che i sistemi nativi AI supereranno fondamentalmente i tradizionali “sistemi di registrazione” nel prossimo decennio?

I sistemi legacy sanitari sono stati progettati principalmente per registrare transazioni e supportare audit retrospettivi. Non sono stati costruiti per supportare la presa di decisioni guidata dall’intelligenza all’interno dei flussi di lavoro.

Il settore sanitario richiede ora sistemi di intelligenza in grado di operare alla scala, alla velocità e alla complessità che le operazioni di pagamento moderne richiedono. Il vantaggio dei moderni sistemi di intelligenza decisionale sanitaria è la capacità di combinare politiche, dati, AI e revisione esperta per supportare decisioni più coerenti e spiegabili in tempo reale.

Il vantaggio futuro apparterrà ai sistemi che possono imparare continuamente dai flussi di lavoro operativi, restando trasparenti, spiegabili e responsabili. Il settore sanitario non può funzionare senza esperienza umana, quindi l’obiettivo non è la presa di decisioni autonoma. L’obiettivo è aumentare la presa di decisioni umana con l’intelligenza che le persone possono fidarsi.

Lyric si descrive come un’azienda di integrità dei pagamenti AI costruita su decenni di esperienza clinica. Quanto sono importanti i dati sanitari proprietari e l’intelligenza delle richieste storiche nella costruzione di sistemi AI difendibili in questo settore?

L’intelligenza delle richieste proprietarie e i dati del flusso di lavoro sono fondamentali nel settore sanitario perché i modelli generici da soli non sono sufficienti per supportare decisioni di pagamento accurate e spiegabili a scala.

La piattaforma di Lyric supporta circa 200 milioni di vite e si basa su decenni di intelligenza operativa delle richieste. Quella conoscenza e contesto proprietari contano perché riflettono come le politiche vengono applicate, dove emergono le controversie, come si verificano gli errori e come i flussi di lavoro di pagamento si comportano nel mondo reale.

La combinazione dell’integrazione del flusso di lavoro, di tre decenni di esperienza clinica e dell’intelligenza delle richieste longitudinali crea sistemi che non sono solo più precisi, ma anche più spiegabili e operativamente controllabili.

Nel settore sanitario, l’intelligenza conta solo se le persone possono capirla, validarla e agire con fiducia.

Una delle maggiori preoccupazioni nell’AI sanitaria è la governance e la spiegabilità. Mentre l’AI assume maggiori responsabilità decisionali, cosa significa effettivamente la supervisione umana nella pratica?

Per noi, l’humano-nella-ciclo non è un buzzword; è l’architettura. L’AI è uno strumento che usiamo per aumentare la presa di decisioni umana.

Puoi vederlo nel nostro lavoro di authoring dei contenuti. Abbiamo costruito l’esperienza di authoring dei contenuti Studio42 sulla nostra piattaforma Lyric42, seguendo il principio che ogni regola e modifica debba essere deterministica. L’AI aiuta i nostri team a esaminare grandi volumi di materiali governativi, di settore e di ricerca, identificare modelli rilevanti e portare a galla raccomandazioni. Ma l’AI non diventa la fonte di verità. La fonte di verità è basata su materiali originali e sull’esperienza clinica umana.

Ogni regola e modifica è progettata per essere tracciabile e controllabile. Gli esperti clinici esaminano e convalidano il lavoro prima che raggiunga la produzione, e ogni raccomandazione che il nostro AI fa per aiutare il nostro team a creare contenuti è basata su fonti originali e sulla conoscenza umana. Teniamo anche traccia della storia completa delle modifiche, in modo che sia chiaro se una regola o un pezzo di contenuto è stato costruito da una specifica fonte governativa, di settore o di ricerca.

Quello è ciò che significa una supervisione efficace nella pratica: l’AI aiuta con la scala e la rilevazione del segnale, gli esperti clinici convalidano il lavoro e il sistema preserva una chiara traccia di audit dalle fonti materiali ai contenuti esaminati.

Nel settore sanitario, le poste in gioco sono troppo elevate perché le decisioni importanti vengano prese solo da una macchina o un modello. In Lyric, crediamo che l’esperienza umana, il giudizio e la responsabilità debbano rimanere fondamentali, non trattati come un ripensamento, progettati nell’architettura fin dall’inizio.

Gli sprechi sanitari rimangono uno dei maggiori driver di costi nel sistema statunitense. Dove crede che l’AI possa avere l’impatto più rapido e misurabile nella riduzione degli sprechi non necessari senza influenzare negativamente l’assistenza ai pazienti?

Il settore sanitario rappresenta circa il 20% del PIL statunitense, e il 25% di ciò è sprecato. La maggior parte di questo spreco è attribuita alla complessità del sistema, non alla frode o allo spreco intenzionale.

È proprio per questo che abbiamo costruito la piattaforma Lyric42. Sposta il processo di richiesta dal modello di recupero post-pagamento all’intelligenza pre-pagamento, consentendo ai piani sanitari di ottenere pagamenti corretti fin dalla prima volta.

Una parte significativa degli sprechi sanitari deriva dal lavoro amministrativo di ritardo a causa dell’intelligenza incongruente tra più soggetti. Ciò porta a denegazioni e fatture non necessarie, a una maggiore intensità di audit manuali e a un aumento degli appelli dei fornitori senza modificare significativamente il pagamento finale.

Gli sprechi derivano dal non avere l’intelligenza giusta al momento giusto. Lyric fornisce ai piani sanitari intelligenza decisionale e raccomandazioni, convalidate e sostenute dalla conoscenza clinica per aiutare a identificare errori ovvi e incongruenze (codifica, unità, raggruppamento, allineamento della politica medica). Facciamo ciò prima del pagamento, riducendo gli sprechi e la codifica errata, riducendo l’andirivieni del lavoro di ritardo, degli appelli e degli aggiustamenti.

La piattaforma di Lyric integra sempre più l’automazione, l’analisi predittiva e i flussi di lavoro assistiti da AI nelle operazioni di richiesta. Quanto siamo vicini a un futuro in cui grandi porzioni dei flussi di lavoro di pagamento sanitario operano in modo autonomo?

Nel prossimo decennio, vedremo un mondo in cui la maggior parte dei compiti all’interno dei flussi di lavoro di pagamento sarà automatizzata. Tuttavia, i requisiti regolatori e di conformità continueranno a richiedere una chiara responsabilità, il che significa una responsabilità umana e organizzativa identificabile. L’AI, l’automazione e l’analisi predittiva semplificheranno i compiti quotidiani tediosi nel settore sanitario, tra cui la convalida dei dati, la rilevazione di modelli e la raccomandazione di azioni in tempo reale durante il primo passaggio di una richiesta. Le decisioni sensibili, ad alto impatto o ambigue rimarranno sotto revisione umana.

Il settore sanitario è fondamentalmente diverso da molti altri settori perché la responsabilità conta. Le decisioni di pagamento influenzano i fornitori, i piani, i pazienti/membri e gli esiti finanziari in tutto l’ecosistema sanitario.

Non stiamo costruendo un pagamento AI completamente autonomo. Stiamo costruendo un’intelligenza decisionale sanitaria progettata per aumentare la presa di decisioni umana.

Il futuro non è il pagamento sanitario autonomo. Il futuro è l’intelligenza spiegabile che supporta gli esseri umani che rimangono responsabili per le decisioni e gli esiti.

Molte aziende sono ancora in fase di sperimentazione con l’AI in pilot isolati. Cosa separa le organizzazioni che stanno operazionalizzando con successo l’AI da quelle che rimangono bloccate nella modalità di prova del concetto?

La differenza è che le organizzazioni di successo non trattano l’AI come una serie di pilot isolati. La trattano come una capacità operativa e propulsione.

Ciò richiede più di un modello solido. Richiede investimenti fondamentali in strumenti, monitoraggio, governance e progettazione del flusso di lavoro. Nella nostra esperienza, l’AI scala solo quando la tecnologia supporta i processi di governance intorno ad essa, e quando i processi umani vengono ridisegnati intorno al flusso di lavoro abilitato da AI. Hai bisogno di una chiara proprietà, di un sostegno esecutivo, di un allineamento operativo e di un feedback costante su come l’AI si esegue in produzione.

Quel punto è critico. Le organizzazioni che operazionalizzano l’AI non si fermano al deployment. Monitorano le prestazioni, analizzano gli esiti, identificano dove il sistema deve migliorare e migliorano costantemente. L’AI diventa parte del ritmo operativo, non un’implementazione una tantum.

In Lyric, abbiamo visto questo modello in aree come l’autorizzazione dei contenuti. Ci siamo concentrati su ottenere un dominio giusto per primo, con gli strumenti giusti, i controlli, il monitoraggio e la revisione umana. Una volta che quella base si è dimostrata di successo, abbiamo potuto utilizzare lo stesso approccio di base per espanderci in altri domini. Ciò è molto diverso dall’esecuzione di una prova del concetto che sembra buona in una demo, ma non deve sopravvivere alla complessità delle operazioni live.

Le organizzazioni che rimangono bloccate nella modalità di prova del concetto spesso sottovalutano quella complessità. Potrebbero testare modelli su set di dati ristretti o flussi di lavoro controllati, ma non collegano l’AI alle operazioni reali con la governance, il monitoraggio e la gestione del cambiamento necessari per sostenerlo. Le organizzazioni che hanno successo costruiscono la base prima, dimostrano il valore in un’area focalizzata e poi scalano con disciplina.

Guardando avanti, crede che i vincitori a lungo termine nel settore sanitario AI saranno le aziende con i migliori modelli autonomi, o quelle con l’integrazione operativa più profonda, i dati del flusso di lavoro e gli effetti di rete più forti in tutto l’ecosistema sanitario?

Nel settore sanitario, i vincitori a lungo termine non saranno le aziende con il miglior modello autonomo in isolamento. Saranno le aziende con l’integrazione operativa più profonda, i dati del flusso di lavoro più ricchi e gli effetti di rete più forti in tutto l’ecosistema sanitario.

I modelli continueranno a migliorare e molte capacità diventeranno più ampiamente disponibili nel tempo. Ciò che è molto più difficile da replicare è la combinazione di posizione del flusso di lavoro incorporata, intelligenza delle richieste longitudinali e relazioni di fiducia attraverso piani sanitari, fornitori e partner.

La piattaforma di Lyric copre circa 200 milioni di vite e si basa su decenni di intelligenza di accuratezza dei pagamenti proprietaria, con la capacità di stratificare nuove capacità e partner. Perché siamo incorporati all’inizio del flusso di lavoro di pagamento e operiamo post-cura e pre-pagamento, abbiamo visibilità sul flusso di transazione reale, non solo su set di dati statici. Quella profondità di dati del flusso di lavoro e degli esiti è ciò che aiuta l’AI a separare il segnale dal rumore e a passare dall’analisi delle tendenze alle previsioni, alle raccomandazioni e all’azione.

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