Kamya Elawadhi, cofondatrice e presidente di Doceree – Serie di interviste

Kamya Elawadhi, Co-fondatrice e Presidente di Doceree, è una dirigente di marketing sanitario e strategia aziendale che ha svolto un ruolo centrale nella crescita dell’azienda sin dal suo ingresso nel 2019. Ha ricoperto ruoli di leadership che hanno spaziato dalla strategia di piattaforma, allo sviluppo aziendale, ai servizi per i clienti e alle partnership globali, contribuendo a trasformare la tecnologia di Doceree in valore misurabile per i marchi farmaceutici, le agenzie, gli editori e i sistemi sanitari. Nel suo ruolo attuale, Elawadhi guida l’agenda di crescita globale dell’azienda e supporta la sua espansione negli Stati Uniti, con un’attenzione particolare a una comunicazione rispettosa della privacy e clinicamente pertinente. Prima di Doceree, ha ricoperto ruoli senior nella gestione dei clienti e dei conti presso HS Ad India e McCann Worldgroup, dove ha lavorato su marchi nel settore sanitario, dispositivi medici e consumer, guidando team cross-funzionali e multiculturali.

Doceree è un sistema operativo di marketing sanitario basato sull’AI, progettato per aiutare le organizzazioni delle scienze della vita a coinvolgere professionisti sanitari e pazienti con maggiore contesto e precisione. La sua piattaforma combina dati di identità professionale verificati, segnali di intento clinico in tempo reale, attivazione programmatica, coinvolgimento al punto di cura e uno strato di ragionamento AI che coordina i messaggi attraverso i canali. Collegando la consapevolezza dei medici e le decisioni di prescrizione al percorso di trattamento del paziente, inclusi i costi, le prime prescrizioni e i rinnovi, Doceree mira a fornire ai marketer sanitari una visione più unificata delle prestazioni delle campagne, supportando al contempo la privacy e la conformità normativa.

Hai iniziato a lavorare in Doceree durante il suo primo anno e hai svolto un ruolo centrale nella costruzione della sua presenza negli Stati Uniti prima di diventare cofondatrice e presidente. Cosa ti ha attratto inizialmente della visione fondante dell’azienda, e come è evoluta quella visione con l’aumento dell’importanza dell’AI nella sanità?

Ciò che mi ha attratto di Doceree è stata la chiarezza del problema che si stava risolvendo. Il marketing sanitario operava da anni su infrastrutture prese in prestito, con strumenti costruiti per altri settori e applicati a uno degli ambienti più regolamentati al mondo. La visione fondante era creare qualcosa di progettato appositamente per la sanità fin dalle fondamenta.

Ciò che è cambiato è la scala di ciò che l’AI rende possibile. All’inizio, l’attenzione era sulla precisione: raggiungere il medico giusto al momento giusto. L’AI ha ampliato ciò che quel momento può significare, passando dal consegnare un messaggio alla lettura dell’intento, all’avvio di conversazioni e al collegamento del coinvolgimento lungo l’intero percorso di cura. La convinzione di base non è cambiata. L’ambizione è cresciuta perché gli strumenti lo sono.

Doceree ha recentemente introdotto i Generative AI Connectors per ChatGPT e Claude. Quali capacità offrono queste integrazioni e quali team sanitari o farmaceutici ne trarranno maggior beneficio?

L’integrazione con piattaforme come ChatGPT e Claude consiste nel portare l’intelligenza clinica e commerciale di Doceree negli strumenti che i team farmaceutici utilizzano quotidianamente. Invece di passare da un sistema all’altro, i team di brand e agenzia possono ora interrogare le prestazioni delle campagne, accedere a insight sul coinvolgimento degli HCP e ottenere raccomandazioni attuabili direttamente nel flusso di lavoro del loro assistente AI.

I team che ne traggono più beneficio sono quelli che prendono decisioni rapide basate sui dati: i brand manager che monitorano le prestazioni delle campagne nei diversi mercati, i team delle agenzie che osservano i pattern di coinvolgimento degli HCP, i responsabili commerciali che necessitano di una sintesi di più flussi di dati senza attendere i report. Rimuove uno strato di attrito che è sempre esistito tra dati e decisione. Per me, è lì che risiede il vero valore.

In che modo i Generative AI Connectors si inseriscono nella più ampia strategia AI di Doceree e quali capacità prevedi di aggiungere man mano che l’adozione aziendale cresce?

I connector fungono da livello di Daily Command, affiancando Semmelweis, il nostro modello di ragionamento specifico per il settore farmaceutico, e l’Analytics Workbench. Il ragionamento alla base è semplice: i team farmaceutici lavorano già quotidianamente all’interno di ChatGPT e Claude, quindi portiamo l’intelligenza clinica di Doceree negli strumenti che già utilizzano, con salvaguardie conformi a HIPAA integrate fin dall’inizio.

Con l’aumento dell’adozione, la direzione è verso un’intelligenza più proattiva. Sistemi che mostrano il segnale giusto prima che qualcuno pensi di richiederlo. È lì che stiamo costruendo.

Doceree utilizza il termine “intelligenza clinica” per descrivere una parte della sua tecnologia. Cosa significa da un punto di vista architetturale e come completa le capacità dei modelli di linguaggio di grandi dimensioni sottostanti?

L’intelligenza clinica, nella sua essenza, è lo strato che rende l’AI generica applicabile al settore sanitario. I grandi modelli di linguaggio sono straordinariamente potenti, ma non comprendono nativamente un codice di diagnosi, un pattern di prescrizione o cosa significhi quando un medico sceglie una terapia specifica per un profilo di paziente specifico. L’intelligenza clinica è ciò che colma questo divario.

Architettonicamente, si colloca tra i segnali di dati grezzi provenienti dai flussi di lavoro clinici e i modelli AI che li interpretano. Fornisce il contesto che rende le uscite attuabili anziché generiche. Senza di essa, si ha un modello potente che lavora con informazioni incomplete. Con essa, si ha qualcosa che può realmente influenzare un momento clinico reale.

In che modo il sistema Semmelweis AI di Doceree aiuta a interpretare i dati sanitari e a tradurli in insight utili per i team farmaceutici?

Semmelweis è costruito attorno a un’idea semplice: i dati sanitari sono utili solo se possono essere interpretati nel contesto clinico, non solo elaborati su larga scala. I team farmaceutici dispongono di enormi quantità di dati di coinvolgimento e prescrizione, ma il divario è sempre stato tra il possedere quei dati e sapere cosa farne.

Semmelweis colma questo divario leggendo i segnali lungo il percorso clinico e identificando dove l’intento si sta formando o svanendo. Quegli insight alimentano direttamente Daily Command, il nostro sistema AI di lavoro per i team di brand farmaceutici, trasformando il riconoscimento di pattern in raccomandazioni su cui i team commerciali possono agire immediatamente, senza la necessità di avere un team di data science in sala.

ChatGPT e Claude hanno modelli, interfacce e ambienti aziendali diversi. Quali sfide tecniche ha incontrato il tuo team nella creazione di un’esperienza coerente su entrambe le piattaforme?

La sfida principale era garantire che ogni prompt e risposta, indipendentemente dalla piattaforma utilizzata dall’utente, rimanesse entro gli stessi parametri di conformità. I dati sanitari non si adattano in base a quale assistente AI pone la domanda. Il vero lavoro è stato costruire uno strato di integrazione governato che si colloca tra l’intelligenza clinica di Doceree e entrambe le piattaforme, assicurando che le risposte siano sempre basate sul ragionamento di Semmelweis e sui dati di Doceree e siano sempre auditabili end‑to‑end. La coerenza nella conformità è stato il problema più difficile da risolvere.

In che modo i connector aiutano gli utenti a capire da dove proviene un insight generato dall’AI e quali dati o ragionamenti hanno contribuito alla risposta?

Ogni risposta fornita tramite i connector è basata sui dati di Doceree e sul ragionamento di Semmelweis. Quando un team di brand pone una domanda commerciale, la risposta è supportata da segnali di intento clinico, dati di identità e input di campagna specifici per il loro marchio. L’intero flusso di lavoro è governato e auditabile end‑to‑end. In un settore regolamentato, questa tracciabilità è ciò che rende l’AI effettivamente utilizzabile in un contesto decisionale commerciale, ed è stato un principio di design fin dal primo giorno.

Le organizzazioni sanitarie spesso lavorano con dati sensibili e requisiti normativi complessi. Come privacy, sicurezza, controlli di accesso e conformità sono incorporati nella progettazione di queste integrazioni?

Questo è qualcosa a cui abbiamo pensato fin dall’inizio come principio di design. I connector sono costruiti in modo che nessun dato paziente entri mai nel flusso di lavoro. Tutto opera solo su contesto HCP de‑identificato. Ogni prompt e risposta rimane entro le salvaguardie conformi a HIPAA, e l’intero flusso di lavoro è governato e auditabile end‑to‑end.

Ciò che significa nella pratica è che un team di brand può porre domande commerciali all’interno di ChatGPT o Claude e ottenere risposte basate sull’intelligenza clinica, senza alcun rischio di privacy dei dati che normalmente deriverebbe dal collegare dati sanitari sensibili a un assistente AI generico. Le salvaguardie sono la base su cui è costruita l’integrazione.

Come valuti la qualità delle uscite del sistema, includendo accuratezza, rilevanza, coerenza e utilità per i professionisti sanitari?

La qualità in questo contesto significa qualcosa di molto specifico. Un output è utile solo se porta a una decisione commerciale migliore, e questo è in definitiva il modo in cui lo valutiamo: se l’azione su di esso sposta una metrica importante, se aumenta la progressione delle fasi degli HCP, i tassi di prima prescrizione, le prestazioni della campagna.

Il ciclo chiuso è ciò che rende questo possibile. Daily Command è progettato per reinserire i risultati nel modello di ragionamento, così ogni raccomandazione viene affinata da ciò che ha realmente funzionato. Questo è diverso da un assistente AI generico, dove l’output viene valutato in isolamento. Qui, il sistema apprende da ciò che accade dopo che qualcuno agisce su una raccomandazione, che col tempo è l’unica misura onesta di qualità.

Man mano che le aziende farmaceutiche adottano l’AI generativa, quali principi dovrebbero guidare il suo utilizzo responsabile nelle comunicazioni rivolte a medici e pazienti?

Il principio a cui ritorno più spesso è che l’AI nella sanità dovrebbe ridurre l’incertezza, non crearla. Quando un clinico riceve informazioni che influenzano una decisione terapeutica, la fonte di tali informazioni e il ragionamento alla base devono essere tracciabili. Questo è un principio base di fiducia.

Oltre alla tracciabilità, penso che un uso responsabile significhi mantenere un umano nel ciclo decisionale per tutto ciò che ha peso clinico o commerciale. L’AI dovrebbe raccomandare e mettere in evidenza. Le persone dovrebbero decidere e approvare. Il momento in cui quel confine si offusca è quando i rischi iniziano a superare i benefici.

E la conformità deve essere un’architettura, non una politica. Nella sanità, la differenza tra questi due concetti è tutto.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare Doceree.