パンゲンAiのCEO兼共同創設者ファワード・バット – インタビュー・シリーズ

ファワード・バット、パンゲンAiのCEO兼共同創設者は、カイザー・パーマネンテ、ユナイテッド・ヘルスケア、オプトムでのリーダーシップの役割を経て、ヘルスケア・データとAIの専門家です。彼は、大規模なデータ・ガバナンス、分析、AI、エンタープライズ・プラットフォームのイニシアチブを監督し、パンゲンAiのヘルスケアの行政的非効率性を解決するための目的を構築しました。彼のリーダーシップの下、パンゲンAiは、ヘルスケアのペイヤーとプロバイダー・オペレーションのために特別に設計されたAIシステムを必要とするという実践的なテーゼを中心に据えています。

パンゲンAiは、ヘルスケア・ネイティブのAI会社で、ペイヤー、プロバイダー、収益サイクル管理会社、ヘルスケア・テクノロジー・パートナー向けの行政および臨床オペレーションの自動化に焦点を当てています。同社のプラットフォームは、事前承認、請求処理、医療コーディング、控訴管理、リスク調整、支払い完全性、医療チャートの要約、臨床文書の要約、資格確認などのユースケースで使用される、ヘルスケア固有の言語モデル、デジタル・ワーカー、AIエージェント、ガバナンス、コンプライアンス機能、ワークフロー自動化を組み合わせます。同社は、ペイヤーとプロバイダーとの採用、製品開発、展開を拡大するために、2,970万ドルのベンチャー資金を確保しました。また、ヘルスケア・チームが行政ワークフロー向けに管理されたデジタル・ワーカーを作成できる、Gwenというビルド・ユア・オウン・AIプラットフォームも立ち上げました。

カイザー・パーマネンテ、ユナイテッド・ヘルスケア、オプトムでのデータと分析組織のリーダーシップの後、ヘルスケアに目的を構築したAIプラットフォームが必要であることを確信した具体的な経験は何ですか？それらの教訓は、パンゲンAiの創設ビジョンをどのように形作りましたか？

正確な瞬間を伝えることができます。私は、大きなペイヤーのレビューで、3回はバウンドした事前承認のキューを見ており、そのうちの1つも実際の臨床的疑問を伴っていませんでした。バウンドは、フィールドが一致しなかったか、ドキュメントが間違った形式で表示されたためでした。国で最も優れたオペレーターが、患者が反対側で待っている間にマシンに餌を与えるために1日を費やしているのを見ました。私は、カイザー、ユナイテッド・ヘルスケア、オプトムで同じ無駄を見ましたが、異なるコスチュームでした。そこで私は、フリクションはスケールの価格であるという業界の言葉を購入しないことにしました。パンゲンAiのビジョンは、その苛立ちから直接生まれました。ヘルスケアとプロバイダーが話す言語を話すプラットフォームを構築し、ヘルスケアのコンテキストをシステム内に配置し、AIワーカーがあなたの基準を適用し、その理由を示し、臨床的判断に対して人を責任者にし、他のすべての人の下請け作業を取り除くことです。全てのゲームはそこにあります。

パンゲンAiは、ヘルスケアの行政的負担を解決することに重点を置いています。どのワークフローを最初に優先し、事前承認、請求処理、医療コーディング、アピールがAI駆動型変革の最大の機会として浮上した理由は何ですか？

私たちは、痛みが最も大きいところに行きました。事前承認、請求処理、医療コーディング、アピールは、ほとんどのケースがパターンに従い、例外は人間が見るべきものだけであるため、トップに浮上しました。事前承認は、文書化が間違った形式で表示されるなど、ルーチンワークの大きな山であり、ほとんどのケースがパターンに従い、例外は人間が見るべきものだけであるため、リストの先頭に立ちました。私たちは、これら4つの点を選択しました。なぜなら、それらはルーチンワークの大きな山であり、ほとんどのケースがパターンに従い、例外は人間が見るべきものだけだからです。事前承認は、患者が苦しんでいるのを見ながら、書類がキューに留まっているのを見ているので、誰もそれを擁護することはできません。私たちのAIワーカーがルーチンワークを処理し、人間が見るべき例外をルーティングする場合、結果は微妙ではありません。レビューは最大97パーセント高速化され、却下は半分以上減り、約92パーセントのケースは手動タッチなしで解決されます。私は、これら4つの点を選択しました。なぜなら、それらが私のテーゼを迅速に証明できるからです。行政的負担を取り除けば、ヘルスケアは患者、臨床医、作業員のために良くなります。全員が同時に勝つので、これが私たちが最初にそこに着手した理由です。

ヘルスケアのエグゼクティブとして、数えきれない企業テクノロジー・ベンダーを評価しました。AIスタートアップが大規模なヘルスケア・システムとペイヤー内で牽引力を得ることができない最も一般的な理由は何ですか？

私は購入側に長く座りすぎて、スタートアップが同じ3つの方法でチャンスを燃やしているのを見ました。1. ヘルスケアを他の企業アカウントと同じように扱い、統合の混乱、レガシーシステム、誰も警告しなかった規制の重量に盲目的に当たることです。2. 自動化を売り込み、そして最初の難しい質問に答えることができないことです。どのようにしてそこに着いたのかを示すことができないので、パイロットはその部屋で死にます。3. ペイヤーとプロバイダーの関係の片側だけを修正し、フリクションがその間にあることを理解できないことです。本当は、毎回同じ3つの方法で失敗しています。誰もが疲れています。誰もが、誰かのプレートから仕事を取り除かないAIパワード・ツールでいっぱいな引き出しがあります。規制は厳しく、誰もが薄い信頼で動いています。誰もが、パイロットから本格的な運用への実際のパスを見せられなければ、ドアを見せられます。

多くのヘルスケア・組織は、ミッション・クリティカル・オペレーションでAIを展開することについてまだ慎重です。大規模なペイヤーまたはプロバイダー・組織内でのAIの成功した採用とは何ですか？それをスケールする際にリーダーが犯す間違いは何ですか？

実際の採用は小さく始まり、自分でその道を切り開きます。本当に痛むワークフローを1つ選び、人々が仕事を見て信頼できるようにし、証拠が拡大を買ってくれるようにします。チームがルーチンワークを正しくクリアし、実際の判断が必要なケースを手渡すのを見ると、抵抗を止め、もっと頼むようになります。間違いは痛ましく予測可能です。リーダーは、同時にすべてを沸騰させようとします。テクノロジーを購入し、ワークフローを再設計せずに、負担を別のキューに移します。人々を早すぎるタイミングで引き抜き、信頼を焼き、そして誰もそれに触れないことを疑問に思うのです。ヘルスケア・システムでのAIのスケーリングは、テクノロジーを着た変更管理の仕事です。勝つチームはそれをそのように扱い、最初の日に厳しいメトリックにコミットしますので、すべての人が何が成功であるかを知っていることができます。

パンゲンAiは、ヘルスケア・ネイティブのAIモデルとワークフローではなく、汎用のエンタープライズAIソリューションに重点を置いています。ヘルスケアでは、特殊なアプローチを必要とするユニークな課題は何ですか？汎用のAIプラットフォームはどこで失敗しますか？

ヘルスケアは、汎用のエンタープライズ・ユースケースではありません。そうでないと、焼かれます。独自の言語、独自のルール、独自の結果があり、どれも省略可能ではありません。汎用モデルは、信頼できる答えを提供しますが、静かに間違っています。なぜなら、それにはあなたの医療上の必要性の基準と、監査員または臨床医が署名する方法でその仕事を示すことができないからです。失敗です。パンゲンAiは、データ・レイヤー、ヘルスケア・固有の推論とガバナンスを保持するコンテキスト・レイヤー、実際の作業を行うAIワークフォースを構築しました。汎用プラットフォームは、ヘルスケアの専門知識を、プロンプトで入手できるもののように扱います。そうではありません。システム内に構築する必要があります。それが私たちが作ったものの全てのポイントです。

事前承認は、プロバイダーと患者にとって最も苛立たしいプロセスの1つです。5年以内にAIが事前承認をどのように変えることを予想しますか？自動化が結果を改善することを保証するために、どのような安全対策が必要です？

5年後、シンプルな承認は数分で戻り、自分のガイドラインに一貫して適用され、臨床的判断が必要な場合は臨床医がループに含まれるようになります。それが良いバージョンです。ここでは、人々がスキップする部分があります。自動化は、怠慢に構築すると、バリアを工業化できます。ケアの拒否を高速化する方法は、より優れたスループットの不正行為です。したがって、安全対策は全てのボールゲームです。AIワーカーが行うすべての推奨事項には、その理由と完全な監査証跡、つまり私たちがグラスボックスと呼ぶものが必要です。誰もがそこに着いた方法を正確に確認できるようにする必要があります。速度は、自動化された拒否の静かな壁のカバーになることはできません。臨床的判断に対して、適格な人間が責任者である必要があります。正しく行うと、事前承認は、患者や医者が嫌がるものではなくなります。間違えると、問題のより速いバージョンを構築します。私は、最初のものだけに興味があります。

業界は、AIエージェントと自律的なワークフローについて、ますます多く話し始めています。複雑なヘルスケアの行政タスクを最小限の人間の介入で信頼性高く処理できるAIを展開するための最大の技術的および運用上の障害は何ですか？

難しい部分はデモではありません。エッジ、汚く一貫性のないデータ、そして何にも話しかけることのできないレガシーシステムです。そこに実際のエンジニアリングが住んでいます。それは、非常に魅力的ではありません。運用上の障害は信頼です。ヘルスケア・システムはそれを無料で与えてくれません。人々がそれを監査したり説明したりできない場合、それをスケールしません。全停止です。質問の前提に少し反論します。人間の介入を最小限に抑えることは、間違った目標です。私がそれを聞くたびに心配します。ポイントは、繰り返しのボリュームをAIワーカーが処理し、複雑なケースと判断の電話を引き出すことです。その専門知識を稼ぐためです。私たちのAIワーカーは、繰り返しのボリュームを処理し、人間を引き込むことを知っています。信頼性と透明性を持ってそのハンドオフを完了することは、解決すべき価値のある難しい問題です。全ての他は科学フェアのプロジェクトです。

ヘルスケアは、世界で最も規制の厳しい業界の1つです。イノベーションのスピードとコンプライアンス、プライバシー要件、監査可能性、AI駆動システムにおける人間の説明責任の必要性をどのようにバランスさせますか？

信頼できるものを作ることで、迅速に進む権利を得ます。ヘルスケアでは、ガバナンスは基盤であり、私たちはそれを最初に注ぎました。患者データを扱っている場合、エンタープライズ・データ・ガバナンスは道徳的要求であり、文字通りに意味します。したがって、すべての推奨事項は、グラスボックスの標準に従い、理由と完全な監査証跡を示します。これにより、コンプライアンス・チームが実際に信頼できる速度を得ることができます。人間の説明責任は、設計に組み込まれています。なぜなら、AIワーカーがルーチンワークと負担を処理する一方で、臨床的判断に触れるすべてのものに対して、適格な人が責任者となるからです。そのようにして、信頼性とスピードを同じシステムで実現します。ヘルスケア業界では、1つを選択して他を省略することはできません。多くの人がコンプライアンスと監査可能性をブレーキと見なしていますが、私はそれを、足を踏み出すことができるものと見なしています。なぜなら、それがあなたを最初に生産に到達させるものだからです。

大規模なエンタープライズのデータと分析組織の監督から、スタートアップを立ち上げるという移行について、どの点が最も報われていますか？どの課題が最も驚きましたか？

最も報われている点は、最初から正しく構築できることです。大規模な組織内では、変化は機関のスピードで進みます。修正は、レガシーシステム、競合する優先事項、承認の層をルーティングする必要があるため、18か月かかることがあります。そうする必要があることが明らかであっても、変化は着実に進みます。創設者のスペースでは、その天井が消えます。私たちは、スクラッチから構築し、問題の周りにプラットフォームを設計し、30年の蓄積された回避策の周りに構築するのではなく、正しい答えを出荷し、まだ重要であることを確認します。看護師が夕方を取り戻したり、患者が日ではなく時間で答えを得た場合、道路地図のレビューでは決して達成できない方法で着地します。

最も驚いた点は、私が本当に謙虚だったことです。私は、データとシステムを通じて成長しました。私は、テクノロジーが議論を支えるだろうと想定しました。それはそうではありません。人々に、異なる方法で働くことができることを信じるように頼んでいるのです。証拠は1つずつ得られます。私は、テクノロジーを着たストーリーテリングの仕事です。ペースは厳しく、昼までに40の帽子を被り、まだ最も意味のある仕事をしています。

先を見て、AIがヘルスケアの行政的負担の大部分を取り除いた場合、ペイヤー、プロバイダー、患者は、次の10年でヘルスケア・システムをどのように違って経験することになりますか？

10年後、もし私たちがそうするなら、システムは最終的にケアのように感じます。患者は、怖がっているときや弱いときに、実際の答えを得ることができます。彼らは、医者がすでに注文したものを得るために、保険のビューロクラシーのマイナーを獲得する必要はありません。臨床医は、実際の患者と向き合う代わりに、80番目のルーチンワークのケースを処理するのではなく、医学の芸術と人々に集中できます。ヘルスケア業界で最も見過ごされている人々である、運用と行政スタッフは、実際の専門知識を使用する作業を行うようになります。ペイヤーとプロバイダーは、書類を投げ合うのではなく、調整します。私が構築しようとしているヘルスケアです。私が気にするスコアカードは、退屈で具体的です。患者ケアに返された時間と、患者体験から取り除かれた遅延です。私たちが行うすべての他は、これら2つの数字のために行われます。

素晴らしいインタビュー、ご覧になりたい読者はパンゲンAiを訪問してください。