Sundar Subramanian, CEO di Zyter – Serie di Interviste

Sundar Subramanian, CEO di Zyter, è un dirigente esperto di strategia e sanità con un percorso che spazia dalla consulenza manageriale, alla trasformazione digitale e a operazioni sanitarie su larga scala. Prima di diventare CEO nel luglio 2025, ha trascorso più di 16 anni in Strategy& di PwC, dove ha guidato l’attività di consulenza strategica negli Stati Uniti nonché la pratica Enterprise Strategy, Value and Digital Transformation, consigliando grandi organizzazioni su crescita, riprogettazione del modello operativo e trasformazione abilitata dall’IA. All’inizio della sua carriera, Subramanian ha co‑guidato il Medicaid and Medicare Center of Excellence di Booz & Company e ha lavorato ampiamente con i pagatori sanitari, dopo ruoli senior in WellCare e McKinsey & Company. In Zyter, guida l’espansione dell’azienda intorno all’IA agentica e all’orchestrazione intelligente dei flussi di lavoro, con l’accento sull’uso dell’IA per ridisegnare processi aziendali end‑to‑end anziché semplicemente automatizzare attività isolate.

Zyter è una società tecnologica enterprise a capitale privato con oltre due decenni di esperienza nella sanità digitale, la cui piattaforma di salute della popolazione TruCare ha consolidato una presenza a supporto di più di 44 milioni di vite in oltre 45 organizzazioni sanitarie. L’azienda sta ora andando oltre le sue radici sanitarie con una piattaforma di esecuzione dell’IA progettata per flussi di lavoro complessi e altamente regolamentati nei settori della sanità, del governo e dei servizi finanziari. La sua architettura combina Zyter Symphony, che coordina agenti IA, sistemi enterprise e azioni umane; Zyter Praxis, che raggruppa agenti, regole, dati e supervisione umana in moduli di flusso di lavoro end‑to‑end; e il TruCare Digital Core, che collega questi flussi di lavoro a sistemi come cartelle cliniche elettroniche, piattaforme di reclami, sistemi ERP e software CRM. L’obiettivo più ampio è rendere l’IA agentica operativa negli ambienti enterprise esistenti, mantenendo governance, auditabilità e supervisione umana sulle decisioni consequenziali.

Hai trascorso più di 16 anni in Strategy&, guidando la sua attività di consulenza strategica negli Stati Uniti e lavorando intensamente nel settore sanitario, dopo un’esperienza precedente in WellCare. Cosa ti ha convinto che il prossimo grande salto nella sanità sarebbe arrivato dall’IA agentica e dall’esecuzione dei flussi di lavoro piuttosto che da un’altra generazione di software tradizionale?

Nel corso della mia carriera, ho avuto l’opportunità di osservare la sanità da diverse prospettive: come operatore, consulente strategico e ora come costruttore di tecnologia. Da queste esperienze è emersa una constatazione sempre più evidente. La sanità non faticava per mancanza di tecnologia, ma perché la tecnologia non cambiava il modo in cui il lavoro veniva svolto.

Negli ultimi dieci anni, il settore ha investito massicciamente nella digitalizzazione. Abbiamo modernizzato le infrastrutture, ampliato l’analisi dei dati, migliorato l’interoperabilità e, più recentemente, adottato l’IA. Quegli investimenti hanno creato capacità importanti, ma non hanno risolto una delle sfide più persistenti della sanità: il coordinamento del lavoro tra persone, sistemi, politiche e organizzazioni. Troppo spesso la tecnologia è stata aggiunta ai modelli operativi esistenti anziché modificarne il funzionamento.

Questa consapevolezza ha cambiato il mio modo di pensare alla trasformazione. La fase successiva non è definita dal dispiegamento di più IA, ma dal ridisegnare il modo in cui il lavoro viene svolto. L’IA è un abilitatore straordinario, ma il suo valore più grande deriva dal supportare le organizzazioni nell’eseguire più efficacemente, orchestrando il lavoro tra persone, sistemi, politiche e IA.

È questo che mi ha attratto verso Zyter. Dopo anni di supporto alle organizzazioni nello sviluppo di strategie di trasformazione, volevo contribuire a costruire lo strato di esecuzione che trasforma quelle strategie in risultati misurabili. Per me, il futuro della sanità non riguarda il rendere l’IA più intelligente, ma aiutare la sanità a operare in modo più intelligente.

Zyter si presenta come uno strato di esecuzione per l’impresa agentica, con Symphony che orchestra agenti e umani, Praxis che esegue i flussi di lavoro e TruCare che li radica nei dati enterprise. Cosa può realizzare questa architettura che i copiloti IA individuali non possono?

La trasformazione enterprise non è mai stata limitata dalla mancanza di idee o intelligenza. Le organizzazioni di solito sanno cosa devono fare. La sfida più difficile è tradurre costantemente quelle decisioni in azioni tra persone, sistemi, politiche e flussi di lavoro.

È qui che vedo la fase successiva dell’IA enterprise. Gli assistenti IA individuali rendono le persone più produttive. L’IA enterprise dovrebbe rendere le organizzazioni più efficaci. Dovrebbe coordinare il lavoro, eseguire i flussi di lavoro, adattarsi ai cambiamenti delle condizioni e migliorare continuamente il modo in cui l’organizzazione opera.

La nostra architettura riflette questa filosofia. Symphony orchestra agenti IA, sistemi enterprise e competenze umane. Praxis esegue i flussi di lavoro, e TruCare fornisce la base operativa che radica quei flussi di lavoro in dati enterprise affidabili. Insieme, creano uno strato di esecuzione in cui l’IA diventa parte del modo in cui il lavoro viene svolto, non semplicemente un altro strumento che le persone usano accanto al loro lavoro.

Le organizzazioni alla fine misureranno l’IA in base alla sua capacità di migliorare i risultati. La produttività è importante, ma il valore a lungo termine deriva dal supportare le imprese a eseguire in modo più coerente, adattarsi più rapidamente e apprendere da ogni flusso di lavoro eseguito.

L’IA agentica diventa molto più complessa quando più agenti condividono dati, trasferiscono compiti e inoltrano decisioni agli esseri umani. Cosa ha imparato Zyter sul rendere i sistemi multi‑agente sufficientemente affidabili per la sanità su larga scala?

Man mano che l’IA supera i casi d’uso individuali e diventa parte delle operazioni quotidiane, la sfida cambia. Si tratta meno di quanto sia intelligente un singolo agente e più di come il lavoro sia coordinato tra sistemi, politiche, persone e IA.

Abbiamo scoperto che la specializzazione è fondamentale. La sanità non si basa su una sola persona per fare tutto, e l’IA non dovrebbe farlo. Gli agenti con responsabilità chiaramente definite sono più affidabili, più facili da governare e più facili da migliorare nel tempo. Lo strato di orchestrazione coordina quegli agenti, gestisce i passaggi, applica le politiche in modo coerente e determina quando l’expertise umana debba essere inserita nel flusso di lavoro.

La visibilità è altrettanto importante. I team devono comprendere come sono state prese le decisioni, quali informazioni le hanno informate e come hanno contribuito al risultato. Catturare la genealogia delle decisioni crea tale trasparenza, consentendo a ogni flusso di lavoro di diventare una fonte di apprendimento e miglioramento continuo.

L’IA affidabile non è definita dal numero di agenti distribuiti. Si riflette nella coerenza con cui il lavoro viene svolto, nella fiducia con cui le persone possono accettare i risultati e nell’efficacia con cui il sistema migliora nel tempo.

Le organizzazioni sanitarie desiderano che i sistemi IA migliorino nel tempo, ma hanno anche bisogno di comportamenti prevedibili e auditabilità. Come abiliti l’apprendimento continuo senza permettere ai sistemi di allontanarsi dalle linee guida cliniche, dalle politiche dei pagatori o dai flussi di lavoro approvati?

Non credo che ogni decisione debba essere automatizzata tramite IA. Nella sanità, molte decisioni possono essere gestite da logiche deterministiche, regole di business consolidate o politiche cliniche che forniscono una risposta chiara e coerente. Quando è possibile, dovremmo usarle invece di introdurre incertezza non necessaria.

L’opportunità più interessante è combinare questi approcci deterministici con l’IA. Abbiamo implementato con successo una logica neuro‑simbolica che crea uno strato di verifica attorno al ragionamento guidato dall’IA. L’IA può interpretare informazioni complesse o non strutturate, mentre le regole deterministiche e la logica simbolica verificano che l’azione risultante rimanga coerente con le politiche, le linee guida e i flussi di lavoro approvati. Ciò riduce l’incertezza e migliora l’accuratezza rispetto all’affidarsi solo a un approccio guidato dall’IA.

Questo cambia anche il mio modo di pensare all’apprendimento continuo. L’obiettivo non è dare all’IA maggiore libertà di prendere decisioni nel tempo, ma apprendere dall’esecuzione mantenendo i controlli che determinano come vengono prese le decisioni cruciali. È possibile migliorare il modo in cui il sistema interpreta le informazioni, gestisce le eccezioni e coordina il lavoro senza consentire che si allontani dalle regole che governano il processo di base.

Questa combinazione di ragionamento IA, decisioni deterministiche e verifica continua è il modo per creare sistemi che possono migliorare nel tempo mantenendo prevedibilità, auditabilità e responsabilità.

Zyter sta esplorando C‑RLM, un approccio ricorsivo per sintetizzare storie cliniche lunghe e frammentate. Quanto diventerà importante il ragionamento a lungo contesto nella sanità, e gli agenti potranno eventualmente mantenere una comprensione in continua evoluzione di ogni paziente?

La sanità non ha mai avuto problemi di carenza di informazioni. La sfida è che la storia di un paziente è sparsa su anni di note dei medici, risultati di laboratorio, farmaci, immagini, reclami e interazioni di cura. Dare senso a quella storia richiede più della semplice elaborazione di una grande quantità di dati; richiede collegare le evidenze, riconoscere i pattern e costruire una comprensione coerente del percorso di ogni paziente.

Il ragionamento a lungo contesto diventerà sempre più importante man mano che l’IA supera l’assistenza a compiti individuali e inizia a supportare la cura longitudinale. Il nostro lavoro con C‑RLM riflette questa direzione. L’obiettivo non è semplicemente riassumere più informazioni, ma sintetizzare le evidenze cliniche frammentate in una comprensione strutturata che rimanga radicata nel record di base. Ogni conclusione deve inoltre rimanere tracciabile alla sua fonte, così che i clinici possano capire come è stata raggiunta e verificarla rispetto alle evidenze.

Man mano che queste capacità maturano, gli agenti IA aiuteranno sempre più a mantenere una comprensione in continua evoluzione del percorso di ogni paziente. Tale comprensione dovrebbe arricchirsi con l’arrivo di nuove informazioni, rimanendo al contempo trasparente, basata su evidenze e radicata in dati clinici affidabili. Il ruolo dell’IA è fornire ai clinici un quadro più completo, affinché possano prendere decisioni meglio informate con maggiore fiducia.

Zyter partecipa al programma CMS WISeR, dove l’IA può supportare i flussi di lavoro mentre i clinici autorizzati mantengono l’autorità decisionale. È questo più o meno il punto di confine dell’autonomia oggi, e cosa dovrebbe cambiare prima che gli agenti IA possano assumere decisioni più consequenziali?

Non credo che esista un unico confine di autonomia per la sanità. Il ruolo appropriato dell’IA dipende dal flusso di lavoro, dal livello di rischio e dalla fiducia che le organizzazioni hanno nel fatto che il sistema si comporti in modo coerente nelle condizioni reali.

Programmi come WISeR riflettono questa realtà. L’IA è già molto efficace nel sintetizzare informazioni, applicare coerentemente le politiche consolidate, coordinare i flussi di lavoro amministrativi e ridurre il lavoro ripetitivo. I clinici autorizzati continuano a fornire giudizio per le decisioni in cui contesto, ambiguità e responsabilità sono fondamentali. Questo è un modello operativo che riflette i punti di forza sia dell’IA sia dell’expertise umana.

Nel tempo, questi confini continueranno a evolversi, ma dovrebbero farlo perché la fiducia è stata guadagnata, non perché i modelli siano diventati più capaci. La fiducia deriva da evidenze, trasparenza, validazione e prestazioni coerenti in produzione. Ogni espansione del ruolo dell’IA dovrebbe essere supportata dagli stessi standard che la sanità applica a qualsiasi altra capacità critica.

Non credo che il successo venga misurato in base a quanto l’IA diventi autonoma. Verrà misurato in base a se i pazienti ricevono cure migliori, i clinici hanno più tempo per concentrarsi su decisioni complesse e la sanità opera più efficacemente di conseguenza.

Zyter ha recentemente spostato TruCare su un’infrastruttura cloud‑native AWS per supportare l’orchestrazione dell’IA su scala enterprise. Quanto della sfida nell’IA agentica riguarda i modelli stessi rispetto all’infrastruttura che collega dati, sistemi, politiche e persone?

I modelli di base stanno progredendo a un ritmo straordinario, e questo è positivo per l’intero settore. La discussione si sta spostando gradualmente da ciò che i modelli sono in grado di fare a come operano all’interno delle imprese reali.

Collegare dati, sistemi, politiche e persone è il punto in cui la trasformazione o ha successo o si blocca. L’IA deve funzionare all’interno degli ambienti operativi esistenti, eseguire operazioni su più sistemi, applicare le politiche in modo coerente e funzionare in modo affidabile su scala di produzione. Senza tale base, anche il modello più capace rimane scollegato dal lavoro che dovrebbe migliorare.

Il nostro passaggio a un’architettura cloud‑native AWS riflette questa evoluzione. Fornisce la base resiliente e scalabile necessaria per orchestrare l’IA nei flussi di lavoro enterprise, mantenendo l’affidabilità, la governance e le prestazioni richieste dalla sanità. L’infrastruttura è importante perché consente all’IA di diventare parte di come il lavoro viene eseguito quotidianamente, non semplicemente un’altra applicazione che gira accanto ai processi esistenti.

L’opportunità a lungo termine non è definita solo da modelli migliori. Deriva dalla combinazione dei progressi dell’IA con l’infrastruttura e il modello operativo necessari per eseguire il lavoro in modo coerente su scala enterprise.

Zyter sta anche posizionando il suo modello di esecuzione per altri settori regolamentati, inclusi i servizi finanziari e il governo. Quali parti della piattaforma sono realmente orizzontali e quali vantaggi derivano specificamente dall’esperienza di Zyter nella sanità?

I settori regolamentati sono spesso osservati attraverso la lente di ciò che li rende diversi. Ho scoperto che è altrettanto importante capire ciò che hanno in comune. Che si tratti di fornire assistenza sanitaria, gestire il rischio finanziario o supportare programmi governativi, il successo dipende dal coordinamento di lavori complessi tra persone, sistemi, politiche e dati, mantenendo la responsabilità per ogni decisione.

È qui che vedo il modello di esecuzione come fondamentalmente orizzontale. Orchestrare IA, sistemi enterprise ed expertise umana, applicare le politiche in modo coerente, coordinare il lavoro su più sistemi e mantenere la trasparenza sono sfide che vanno ben oltre la sanità. I flussi di lavoro differiscono per settore, ma la necessità di un’esecuzione affidabile è sorprendentemente coerente.

La sanità non ha cambiato ciò che abbiamo costruito. Ha innalzato lo standard su come dovevamo costruirlo. I flussi di lavoro clinici richiedono precisione, interoperabilità, governance, resilienza e fiducia, poiché le conseguenze di un errore sono significative. Progettare per quel livello di complessità ha creato un modello di esecuzione che può essere adattato ad altri settori regolamentati dove disciplina operativa, conformità e responsabilità sono altrettanto critiche.

Man mano che l’IA si integra più profondamente nelle operazioni enterprise, penso che la discussione si sposterà dal chiedersi se una capacità è stata costruita per un settore specifico a se può eseguire in modo affidabile in ambienti complessi e regolamentati. Questo è lo standard per cui abbiamo progettato fin dall’inizio.

Il Rural Health Orchestrator di Zyter riunisce assistenza virtuale, monitoraggio remoto, gestione delle cure e servizi clinici. Cosa può risolvere l’orchestrazione agentica nella sanità rurale che la telemedicina da sola non può?

La telemedicina ha risolto una sfida importante di accesso. La sfida successiva è garantire che ogni interazione conduca a un’azione coordinata e a risultati misurabili.

La sanità rurale ha compiuto notevoli progressi nell’ampliare l’accesso tramite telemedicina, monitoraggio remoto e investimenti nella banda larga. Tuttavia i risultati non hanno tenuto il passo perché troppe interazioni digitali rimangono scollegate dal più ampio percorso di cura. Una visita virtuale che non aggiorna il piano di cura, non attiva un follow‑up o non coordina il passo successivo migliora l’accesso, ma non necessariamente la salute.

È qui che l’orchestrazione diventa essenziale. Connette telemedicina, monitoraggio remoto, gestione delle cure, risorse comunitarie e flussi di lavoro clinici in un unico sistema coordinato, così le informazioni fluiscono senza interruzioni e l’azione segue automaticamente. Ogni interazione diventa parte di un percorso di cura continuo anziché un evento isolato.

L’opportunità non è semplicemente ampliare l’accesso. È trasformare l’accesso in risultati. Quando le cure sono collegate tra persone, sistemi e flussi di lavoro, i clinici trascorrono meno tempo a navigare processi frammentati, i pazienti ricevono un follow‑up più coerente e i sistemi sanitari rurali possono offrire risultati migliori con le risorse già disponibili. È qui che credo l’orchestrazione IA crei il suo valore più grande.

Con la nuova collaborazione con PwC, cosa distinguerebbe una trasformazione IA di successo da un altro pilota IA nella sanità? Quali risultati misurabili ti convincerebbero che l’IA ha migliorato in modo fondamentale il funzionamento di un pagatore o di un fornitore?

La sanità ha trascorso anni a investire in capacità digitali. Oggi, la maggior parte delle organizzazioni ha accesso a dati, IA e tecnologia moderna. La fase successiva non riguarda l’aggiunta di ulteriori capacità, ma il ridisegnare il modo in cui il lavoro viene svolto.

Ecco perché non misuro la trasformazione dal numero di modelli IA distribuiti o di piloti lanciati. Valuto se il modello operativo di un’organizzazione è cambiato. Le decisioni avvengono più rapidamente? I flussi di lavoro sono più coordinati tra dipartimenti e sistemi? Il carico amministrativo diminuisce mentre i clinici e i team di cura dedicano più tempo ad attività che migliorano l’assistenza al paziente? Quegli miglioramenti sono replicabili in tutta l’impresa anziché isolati a un singolo caso d’uso?

Questa è la filosofia alla base della nostra collaborazione con PwC. PwC porta una profonda esperienza nella strategia e nella trasformazione della sanità. Zyter fornisce lo strato di esecuzione che opera quelle strategie su flussi di lavoro complessi, collegando IA, sistemi enterprise, politiche e persone, così le organizzazioni possono trasformare costantemente la strategia in azione.

Per me, una trasformazione IA di successo avviene quando l’IA non è più vista come un’iniziativa separata. Diventa parte del modello operativo. A quel punto, le organizzazioni non misurano il successo dell’IA stessa, ma risultati migliori, costi amministrativi più bassi, cure più coordinate e un sistema sanitario che opera più efficacemente perché l’esecuzione è migliorata in modo fondamentale.

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