Halsey Wise, CEO van Lyric – Interview Serie

Halsey Wise, CEO van Lyric, heeft bijna drie decennia ervaring in leiderschap, bestuurskunde en waardecreatie in de gezondheidszorg, software en financiële dienstverlening. Na zijn benoeming tot de raad van bestuur van Lyric in 2022, trad hij toe tot de rol van CEO met als doel de Lyric42-platform te schalen, de relaties met klanten en partners te verdiepen, innovatie en AI-investeringen te versnellen en groei te stimuleren door zowel organische expansie als strategische overnames. Wise heeft zes bedrijven geleid als CEO of president, waaronder openbare bedrijven als Intergraph en MedAssets, en heeft zitting gehad in de raden van bestuur van grote technologie- en gezondheidsorganisaties, waaronder Cotiviti, Cerner, Aspen Technology , Acxiom, Nextech Systems, Lyric en WellSky. Hij is ook voorzitter en CEO van Lime Barrel Advisors, een senior adviseur van TPG Capital, en co-leidt een familiefonds dat beurzen, voedselzekerheid, veteranendiensten en gezondheidszorg ondersteunt.

Lyric is een beslissingsondersteuningsbedrijf in de gezondheidszorg dat zich richt op het verbeteren van de betalingsnauwkeurigheid voor zorgverzekeraars door het toepassen van beleid, gegevens, AI, klinische beoordeling en verklarende beslissingsondersteuning voordat claims worden betaald. Het Lyric42-platform is ontworpen om zorgverzekeraars te helpen bij het coördineren van betalingsbeslissingen over regels, workflows, producten voor betalingsintegriteit en AI-gedreven aanbevelingen, met als doel het verminderen van administratieve verspilling, het verbeteren van de eerste betalingsnauwkeurigheid, het verlagen van de wrijving bij aanbieders en het geven van klanten meer inzicht in waarom betalingsbeslissingen worden genomen. Het bedrijf positioneert zijn AI-aanpak als een die de menselijke expertise aanvult in plaats van deze te vervangen, door automatisering, klinische validatie, governance en klantcontrole te combineren om meer consistente en verdedigbare gezondheidsbetalingen te ondersteunen.

U heeft grote gezondheids- en technologiebedrijven geleid en geadviseerd, waaronder MedAssets, Cerner, Cotiviti en nu Lyric. Hoe heeft uw ervaring in de gezondheids-IT, analytics en technologie uw visie voor Lyric gevormd?

Bij elk bedrijf dat ik heb geleid of geadviseerd, is één overtuiging alleen maar sterker geworden: de gezondheidszorg kan niet verbeteren zonder vertrouwen, waarheid en transparantie als fundament. Deze zijn geen zachte waarden. Dit zijn de operationele voorwaarden waarop een beter gezondheidssysteem afhankelijk is. Elk plan, elke aanbieder en elke deelnemer wordt beïnvloed door of de onderliggende intelligentie kan worden vertrouwd, of de informatie de waarheid weerspiegelt en of de redenering achter een beslissing transparant genoeg is om aan een onderzoek te weerstaan.

Die overtuiging vormt hoe ik over Lyric denk. Ik trad toe tot de raad van bestuur van Lyric in 2022 voordat ik de rol van CEO op myself nam, en wat ik toen begreep, geloof ik nu nog sterker. Wij bij Lyric bouwen een van de meest innovatieve, meest invloedrijke en belangrijkste healthtech-bedrijven.

Lyric is gezondheidsbeslissingsondersteuning. Decennia van klinische en betalingsdeskundigheid, diepe klantrelaties en een platform dat op nationale schaal werkt, geven ons een fundament dat weinig bedrijven in de gezondheidszorg hebben. Betaling is de hoogste inzet van dat vandaag, maar de bredere kans is om mensen in de gezondheidszorg de technologie en inzichten te geven om betere beslissingen te nemen, sneller, met vertrouwen, in dienst van betere gezondheidszorg voor de mensen en patiënten die het uiteindelijk dient.

Ik geloof ook diep dat gezondheidsbeslissingsbevoegdheid bij mensen hoort. Klinische oordeel, beleidsinterpretatie en aansprakelijkheid kunnen niet worden uitbesteed aan een model. Wat AI kan doen, en wat het moet doen, is de mensen die die beslissingen nemen informeren en ondersteunen. Het kan signalen, trends en afwijkingen naar boven brengen die eerder begraven waren in schaal en complexiteit. Het kan laten zien waar iets onconsistent lijkt, waar een patroon naar voren komt, of waar een beslissing een nadere blik nodig heeft. Dat is de rol van AI in de gezondheidszorg: het uitbreiden van de menselijke zichtbaarheid en het versterken van het menselijk oordeel, niet het vervangen ervan.

Lyric heeft de afgelopen jaren zijn technologieplatform herbouwd tot een cloudgebaseerd AI-platform dat betalingsoperaties ondersteunt voor 190 miljoen levens. Wat waren de grootste architectonische of organisatorische uitdagingen bij die overgang?

Lyric ontstond als een afgesplitst bedrijf van een groter bedrijf. We erfden legacy-infrastructuur naast geweldige klantrelaties en decennia van operationele expertise.

In de afgelopen jaren hebben we de technologiebasis van de grond af opnieuw opgebouwd. De uitdaging was niet alleen het moderniseren van de infrastructuur. Het was het evolueren van een 30-jarig betalingsnauwkeurigheidsbedrijf naar een modern gezondheidsbeslissingsondersteuningsplatform, terwijl we uitlegbaarheid, controleerbaarheid en vertrouwen behielden.

Een kernprincipe was om ervoor te zorgen dat er geen bedrijfsbreuk optreedt terwijl we onze technologie moderniseerden. We maakten gebruik van de geavanceerde mogelijkheden van Lyric42 om zeer nauwkeurige migraties te garanderen, en werkten nauw samen met onze zorgverzekeraars om een veilige en beveiligde overgang te creëren.

Architectonisch gezien zijn we overgestapt van statische, vooraf bepaalde ordening naar real-time intelligentie die eerste-pas betalingsbeslissingen ondersteunt binnen workflows. Tegelijkertijd moest elk resultaat transparant, beleidsgebaseerd en uitlegbaar blijven.

Terwijl we klanten naar het nieuwe platform migreren, ondersteunen we betalingsoperaties voor 200 miljoen levens via een geïntegreerde intelligentiearchitectuur die inzichten eerder naar boven brengt, verspilling vermindert en meer consistente beslissingen op grote schaal ondersteunt.

U heeft betoogd dat gezondheidsbetalingen moeten verschuiven van post-betalingsherstel naar pre-betalingintelligentie. Wat zijn de technologische doorbraken die deze overgang op grote schaal mogelijk maken?

De verschuiving van post-betalingsherstel naar pre-betalingintelligentie is nu mogelijk omdat de gezondheidszorg eindelijk de combinatie heeft van grote-schaal workflowgegevens, cloud-infrastructuur en AI die in staat is om signalen van ruis te scheiden in zeer complexe claimsomgevingen.

Historisch gezien waren de meeste systemen gebouwd om te analyseren wat er gebeurde na betaling. Vandaag kunnen we intelligentie veel eerder toepassen binnen workflows, voordat fouten, geschillen en verspilling door het systeem gaan.

Vanuit een capaciteitsperspectief heeft Lyric intelligent selectie voor pre-betalingbeoordeling geïntroduceerd, waardoor claims niet onnodig worden vastgehouden voordat ze worden betaald, wanneer timing kritiek is voor zowel plannen als aanbieders. Via ons intelligent audit-platform hebben we ook claims mogelijk gemaakt die door mensen moeten worden beoordeeld, die in uren of dagen kunnen worden verwerkt, in plaats van de weken of maanden die traditionele processen kunnen vergen.

Deze technologische doorbraken, in combinatie met de geavanceerde orkestratie binnen Lyric42, hebben gezondheidsbeslissingsondersteuning voor pre-betalingnauwkeurigheid mogelijk gemaakt door AI, beleid en expertklinische beoordeling te combineren om nauwkeurige, uitlegbare betalingsbeslissingen te ondersteunen bij de eerste pas. Belangrijk is dat dit alleen werkt op grote schaal wanneer intelligentie transparant, controleerbaar en gebaseerd op menselijke aansprakelijkheid blijft.

Veel van de gezondheidszorg is nog afhankelijk van gefragmenteerde legacy-infrastructuur. Waarom denkt u dat AI-natieve systemen fundamenteel beter zullen presteren dan traditionele “systeem van record” in de komende decennia?

Legacy-gezondheidssystemen waren voornamelijk ontworpen om transacties te registreren en retrospectieve audits te ondersteunen. Ze waren nooit gebouwd om intelligentie-gedreven beslissingsbevoegdheid binnen workflows te ondersteunen.

De gezondheidszorg vereist nu intelligentiesystemen die in staat zijn om te opereren op de schaal, snelheid en complexiteit die moderne betalingsoperaties vereisen. Het voordeel van moderne gezondheidsbeslissingsondersteuningsystemen is niet alleen het toegepaste AI. Het is de mogelijkheid om beleid, gegevens, AI en expertbeoordeling te combineren om meer consistente, uitlegbare beslissingen in real-time te ondersteunen.

De toekomstige voorsprong zal behoren tot systemen die kunnen blijven leren van operationele workflows, terwijl ze transparant, uitlegbaar en aansprakelijk blijven. De gezondheidszorg kan niet opereren zonder menselijke expertise, dus het doel is niet autonome beslissingsbevoegdheid. Het doel is het ondersteunen van menselijke beslissingsbevoegdheid met intelligentie die mensen kunnen vertrouwen.

Lyric beschrijft zichzelf als een betalingsintegriteits-AI-bedrijf gebouwd op decennia van klinische expertise. Hoe belangrijk is propriëtaire gezondheidsgegevens en historische claimsintelligentie bij het opbouwen van verdedigbare AI-systemen in deze sector?

Propriëtaire claimsintelligentie en workflowgegevens zijn fundamenteel in de gezondheidszorg, omdat generieke modellen alleen niet genoeg zijn om nauwkeurige, uitlegbare betalingsbeslissingen op grote schaal te ondersteunen.

Het platform van Lyric ondersteunt ongeveer 200 miljoen levens en is gebouwd op decennia van operationele claimsintelligentie. Die propriëtaire kennis en context zijn belangrijk, omdat ze weerspiegelen hoe beleid wordt toegepast, waar geschillen ontstaan, hoe fouten optreden en hoe betalingsworkflows zich in de echte wereld gedragen.

De combinatie van workflowintegratie, drie decennia van klinische expertise en longitudinale claimsintelligentie creëert systemen die niet alleen nauwkeuriger zijn, maar ook meer uitlegbaar en operationeel controleerbaar.

In de gezondheidszorg telt intelligentie alleen als mensen het kunnen begrijpen, valideren en met vertrouwen kunnen handelen.

Een van de grootste zorgen in de gezondheids-AI is governance en uitlegbaarheid. Terwijl AI meer betalingsbeslissingsbevoegdheden op zich neemt, wat ziet effectieve menselijke supervisie er in de praktijk uit?

Voor ons is mens-in-de-lus geen buzzwoord; het is de architectuur. AI is een instrument dat we gebruiken om menselijke beslissingsbevoegdheid te ondersteunen.

U kunt dat zien in ons content-authoring-werk. We bouwden de Studio42-content-authoring-ervaring op basis van ons Lyric42-platform, volgens het principe dat elke regel en edit deterministisch moet zijn. AI helpt ons team om grote hoeveelheden overheids-, industrie- en onderzoeksmateriaal te beoordelen, relevante patronen te identificeren en aanbevelingen naar boven te brengen. Maar AI wordt niet de bron van waarheid. De bron van waarheid is gebaseerd op originele materialen en menselijke klinische expertise.

Elke regel en edit is ontworpen om traceerbaar en controleerbaar te zijn. Klinische experts beoordelen en valideren het werk voordat het in productie komt, en elke aanbeveling die onze AI doet om ons klinisch team te helpen bij het maken van content, is gebaseerd op originele bronnen en menselijke kennis. We houden ook een volledige geschiedenis van wijzigingen bij, zodat het duidelijk is of een regel of stuk content is gebouwd vanuit een specifieke overheids-, industrie- of onderzoeksbasis.

Dat is wat effectieve supervisie in de praktijk betekent: AI helpt met schaal en signaaldetectie, klinische experts valideren het werk, en het systeem behoudt een duidelijke audit-trail van bronmateriaal tot beoordeelde content. Net zo belangrijk is dat onze klanten de volledige controle behouden over of en wanneer ze de content, regels of aanbevelingen die via het platform worden naar boven gebracht, implementeren.

In de gezondheidszorg zijn de inzetten te hoog voor belangrijke beslissingen die uitsluitend door een machine of model worden genomen. Bij Lyric geloven we dat menselijke expertise, oordeel en aansprakelijkheid fundamenteel moeten blijven, niet als een bijzaak behandeld, maar ontworpen in de architectuur vanaf het begin.

Gezondheidsverspilling blijft een van de grootste kostenstuurders in het Amerikaanse systeem. Waar denkt u dat AI het snelst meetbare effect kan hebben bij het verminderen van onnodige uitgaven zonder de patiëntenzorg nadelig te beïnvloeden?

De gezondheidszorg maakt ongeveer 20% van het Amerikaanse BBP uit , en 25% daarvan is verspilling. Een meerderheid van die verspilling wordt toegeschreven aan systeemcomplexiteit, niet aan fraude of opzettelijke verspilling.

Dit is precies waarom we het Lyric42-platform hebben gebouwd. Het verschuift het claimsproces van een betalen-en-achterhalen-model naar pre-betaling/pre-claim-intelligentie, waardoor zorgverzekeraars betalingen correct kunnen krijgen bij de eerste pas.

Een aanzienlijk deel van de gezondheidsverspilling komt voort uit administratieve herwerking door incongruente intelligentie over meerdere stakeholders. Dit leidt tot onnodige weigeringen en herfacturering, grotere intensiteit van handmatige audits en een toename van beroepen van aanbieders zonder de uiteindelijke betaling wezenlijk te veranderen.

Verspilling komt voort uit het niet hebben van de juiste intelligentie op het juiste moment. Lyric biedt zorgverzekeraars beslissingsondersteuning en aanbevelingen, gevalideerd en ondersteund door klinische kennis, om duidelijke fouten en inconsistenties (codering, eenheden, bundeling, medische beleidsuitlijning) te identificeren. We doen dit voordat betaling plaatsvindt, waardoor verspilling en verkeerde codering worden verminderd, en de heen-en-weer-beweging van herwerking, beroepen en aanpassingen wordt verminderd.

Het platform van Lyric integreert steeds meer automatisering, predictieve analytics en AI-ondersteunde workflows in claimsoperaties. Hoe dichtbij zijn we bij een toekomst waarin grote delen van de gezondheidsbetalingen autonoom opereren?

In de komende decennia zullen we een wereld zien waarin de meeste taken binnen betalingsworkflows geautomatiseerd zijn. Maar regelgevings- en compliance-eisen zullen blijven vereisen dat er duidelijke aansprakelijkheid is, wat betekent dat er een identificeerbare mens en organisatorische verantwoordelijkheid moet zijn. AI, automatisering en predictieve analytics zullen saaie dagelijkse taken in de gezondheidsbetalingen stroomlijnen, waaronder het valideren van gegevens, het detecteren van patronen en het aanbevelen van acties in real-time tijdens de eerste pas van een claim. Gevoelige, hoge-impact- of dubieuze beslissingen zullen onder menselijke beoordeling blijven.

De gezondheidszorg is fundamenteel anders dan veel industrieën, omdat aansprakelijkheid ertoe doet. Betalingsbeslissingen hebben invloed op aanbieders, plannen, patiënten/deelnemers en financiële resultaten in de hele gezondheidszorg.

We bouwen geen volledig autonoom betalings-AI. We bouwen gezondheidsbeslissingsondersteuning die menselijke beslissingsbevoegdheid ondersteunt.

De toekomst is niet autonome gezondheidsbetalingen. De toekomst is uitlegbare intelligentie die menselijke beslissingsbevoegdheid ondersteunt.

Veel ondernemingen zijn nog steeds aan het experimenteren met AI in geïsoleerde pilots. Wat onderscheidt organisaties die AI met succes operationeel maken van die welke blijven steken in proof-of-concept-modus?

Het verschil is dat succesvolle organisaties AI niet behandelen als een reeks geïsoleerde pilots. Ze behandelen het als een operationele capaciteit en aandrijving.

Dat vereist meer dan een sterk model. Het vereist fundamenten in tooling, monitoring, governance en workflow-ontwerp. In onze ervaring schaalt AI alleen wanneer de technologie de governance-processen eromheen ondersteunt, en wanneer menselijke processen opnieuw worden ontworpen rond de AI-geactiveerde workflow. U hebt duidelijke eigenaarschap, uitvoerend sponsorschap, operationele uitlijning en een constante feedback-lus nodig over hoe AI in productie presteert.

Dat laatste punt is kritiek. Organisaties die AI operationeel maken, stoppen niet bij implementatie. Ze monitoren prestaties, analyseren resultaten, identificeren waar het systeem moet worden verbeterd, en verbeteren het voortdurend. AI wordt onderdeel van de operationele ritme, niet een eenmalige implementatie.

Bij Lyric hebben we dit patroon gezien in gebieden als content-authoring. We richtten ons op het krijgen van één domein goed, met de juiste tooling, controles, monitoring en menselijke beoordeling. Zodra die basis succesvol bleek, konden we dezelfde onderliggende aanpak gebruiken om uit te breiden naar andere domeinen. Dat is heel anders dan het uitvoeren van een proof-of-concept dat er goed uitziet in een demo, maar nooit hoeft te overleven in de complexiteit van live-operaties.

De organisaties die blijven steken in pilot-modus onderschatten vaak die complexiteit. Ze kunnen modellen testen op smalle datasets of gecontroleerde workflows, maar ze bedraden AI nooit in echte operaties met de governance, monitoring en change-management die nodig is om het te onderhouden. De organisaties die slagen, bouwen de basis eerst, bewijzen waarde in een gefocust gebied en schalen dan met discipline.

Kijkend naar de toekomst, denkt u dat de langetermijnwinnaars in de gezondheids-AI de bedrijven zullen zijn met de beste standalone-modellen, of die met de diepste operationele integratie, workflowgegevens en netwerkeffecten in de hele gezondheidszorg?

In de gezondheidszorg zullen de langetermijnwinnaars niet de bedrijven zijn met het beste standalone-model in isolatie. Ze zullen de bedrijven zijn met de diepste operationele integratie, de rijkste workflowgegevens en de sterkste netwerkeffecten in de hele gezondheidszorg.

Modellen zullen blijven verbeteren, en veel capaciteiten zullen breder beschikbaar komen. Wat veel moeilijker te repliceren is, is de combinatie van ingebedde workflowpositie, longitudinale claimsintelligentie en vertrouwde relaties over zorgverzekeraars, aanbieders en partners.

Het platform van Lyric omvat ongeveer 200 miljoen levens en is gebouwd vanuit decennia van propriëtaire betalingsnauwkeurigheidsintelligentie, met de mogelijkheid om nieuwe capaciteiten en partners te integreren. Omdat we vroeg in de betalingsworkflow zijn ingebed en opereren na zorg en voor betaling, hebben we zicht op het echte transactiestroom, niet alleen op statische datasets. Die diepte van workflow- en resultaatgegevens is wat AI helpt om signalen van ruis te scheiden en om te schakelen van trendanalyse naar voorspelling, aanbevelingen en actie.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Lyric bezoeken.