Sundar Subramanian, CEO van Zyter – Interviewserie

Sundar Subramanian, CEO van Zyter, is een ervaren strategie‑ en zorgexecutive met een achtergrond die managementconsultancy, digitale transformatie en grootschalige zorgoperaties omvat. Voordat hij in juli 2025 CEO werd, heeft hij meer dan 16 jaar bij PwC’s Strategy& gewerkt, waar hij de Amerikaanse strategie‑consultancy business leidde evenals de praktijk Enterprise Strategy, Value and Digital Transformation, en grote organisaties adviseerde over groei, herontwerp van operationele modellen en AI‑gedreven transformatie. Eerder in zijn carrière co‑leidde Subramanian het Medicaid‑ en Medicare Center of Excellence van Booz & Company en werkte hij intensief met zorgverzekeraars, na senior functies bij WellCare en McKinsey & Company. Bij Zyter leidt hij de uitbreiding van het bedrijf rond agentische AI en intelligente workflow‑orchestratie, met de nadruk op het gebruik van AI om end‑to‑end bedrijfsprocessen te herontwerpen in plaats van alleen individuele taken te automatiseren.

Zyter is een particuliere enterprise‑technologiebedrijf met meer dan twee decennia ervaring in digitale zorg, waar het TruCare‑populatie‑gezondheidsplatform een voetafdruk heeft opgebouwd die meer dan 44 miljoen levens ondersteunt bij meer dan 45 zorgorganisaties. Het bedrijf bouwt nu verder dan zijn zorgroots met een AI‑executieplatform dat is ontworpen voor complexe en sterk gereguleerde workflows in de zorg, overheid en financiële dienstverlening. De architectuur combineert Zyter Symphony, dat AI‑agents, enterprise‑systemen en menselijke acties coördineert; Zyter Praxis, dat agents, regels, data en menselijk toezicht verpakt in end‑to‑end workflow‑modules; en de TruCare Digital Core, die deze workflows verbindt met systemen zoals elektronische medische dossiers, claimplatformen, enterprise‑resource‑planning‑systemen en klantrelatie‑managementsoftware. Het bredere doel is om agentische AI operationeel te maken binnen bestaande enterprise‑omgevingen, terwijl governance, auditabiliteit en menselijk toezicht op consequentiale beslissingen behouden blijven.

U heeft meer dan 16 jaar bij Strategy& gewerkt, waar u de Amerikaanse strategie‑consultancy business leidde en intensief in de zorg werkte, na eerdere ervaring bij WellCare. Wat overtuigde u ervan dat de volgende grote sprong in de zorg zal komen van agentische AI en workflow‑executie in plaats van een nieuwe generatie traditionele software?

Gedurende mijn loopbaan heb ik de zorg vanuit verschillende perspectieven mogen bekijken: als operator, als strategieconsultant en nu als iemand die technologie bouwt. Uit die ervaringen werd één observatie steeds duidelijker. De zorg worstelde niet omdat er geen technologie was, maar omdat technologie de manier waarop werk werd gedaan niet veranderde.

In het afgelopen decennium heeft de sector fors geïnvesteerd in digitalisering. We hebben de infrastructuur gemoderniseerd, analytics uitgebreid, interoperabiliteit verbeterd en recentelijk AI omarmd. Deze investeringen leverden belangrijke nieuwe mogelijkheden op, maar losten niet een van de meest hardnekkige uitdagingen in de zorg op: het coördineren van werk tussen mensen, systemen, beleidsregels en organisaties. Te vaak werd technologie bovenop bestaande operationele modellen geplaatst in plaats van die te veranderen.

Die realisatie veranderde mijn kijk op transformatie. De volgende fase wordt niet bepaald door meer AI in te zetten, maar door het herontwerpen van de manier waarop werk wordt gedaan. AI is een buitengewone facilitator, maar de grootste waarde ligt in het helpen van organisaties om effectiever uit te voeren door werk te orkestreren tussen mensen, systemen, beleidsregels en AI.

Dat is wat mij naar Zyter heeft gebracht. Na jaren organisaties te hebben geholpen transformatiestrategieën te ontwikkelen, wilde ik de uitvoeringslaag bouwen die die strategieën omzet in meetbare resultaten. Voor mij gaat de toekomst van de zorg niet over AI slimmer maken, maar over de zorg helpen intelligenter te opereren.

Zyter positioneert zich als een uitvoeringslaag voor de agentische onderneming, waarbij Symphony agents en mensen orkestreert, Praxis workflows uitvoert, en TruCare ze verankert in enterprise‑data. Wat kan deze architectuur bereiken dat individuele AI‑copiloten niet kunnen?

Enterprise‑transformatie is nooit beperkt geweest door een gebrek aan ideeën of intelligentie. Organisaties weten meestal wat ze moeten doen. De grotere uitdaging is om die beslissingen consequent om te zetten in actie over mensen, systemen, beleidsregels en workflows.

Daar zie ik de volgende fase van enterprise‑AI. Individuele AI‑assistenten maken mensen productiever. Enterprise‑AI moet organisaties effectiever maken. Het moet werk coördineren, workflows uitvoeren, zich aanpassen wanneer omstandigheden veranderen en continu verbeteren hoe de organisatie functioneert.

Onze architectuur weerspiegelt die filosofie. Symphony orkestreert AI‑agents, enterprise‑systemen en menselijke expertise. Praxis voert workflows uit, en TruCare biedt de operationele basis die die workflows verankert in betrouwbare enterprise‑data. Samen vormen ze een uitvoeringslaag waarin AI deel uitmaakt van hoe werk wordt gedaan, in plaats van een extra hulpmiddel dat mensen naast hun werk gebruiken.

Organisaties zullen AI uiteindelijk meten aan haar vermogen om resultaten te verbeteren. Productiviteit is belangrijk, maar de langetermijnwaarde komt voort uit het helpen van ondernemingen om consistenter uit te voeren, sneller aan te passen en te leren van elke workflow die ze draaien.

Agentische AI wordt veel complexer wanneer meerdere agents data delen, taken overdragen en beslissingen escaleren naar mensen. Wat heeft Zyter geleerd over het betrouwbaar maken van multi‑agent‑systemen op schaal voor de zorg?

Naarmate AI verder gaat dan individuele use‑cases en onderdeel wordt van de dagelijkse operaties, verandert de uitdaging. Het gaat minder meer om hoe intelligent één agent is, en meer om hoe werk wordt gecoördineerd over systemen, beleidsregels, mensen en AI.

We hebben ontdekt dat specialisatie belangrijk is. De zorg vertrouwt niet op één persoon om alles te doen, en AI zou dat ook niet moeten. Agents met duidelijk gedefinieerde verantwoordelijkheden zijn betrouwbaarder, makkelijker te besturen en gemakkelijker in de loop der tijd te verbeteren. De orkestratielaag coördineert die agents, beheert overdrachten, past beleidsregels consequent toe en bepaalt wanneer menselijke expertise in de workflow moet worden ingebracht.

Zichtbaarheid is even belangrijk. Teams moeten begrijpen hoe beslissingen tot stand kwamen, welke informatie ze heeft geïnformeerd en hoe ze hebben bijgedragen aan het resultaat. Het vastleggen van de besluitvormingslijn creëert die transparantie, terwijl elke workflow een bron van leren en continue verbetering wordt.

Betrouwbare AI wordt niet gedefinieerd door het aantal geïmplementeerde agents. Het wordt weerspiegeld in hoe consistent werk wordt uitgevoerd, hoe zeker mensen de resultaten kunnen vertrouwen, en hoe effectief het systeem in de loop der tijd verbetert.

Zorgorganisaties willen dat AI‑systemen in de loop der tijd verbeteren, maar ze hebben ook voorspelbaar gedrag en auditabiliteit nodig. Hoe maakt u continu leren mogelijk zonder dat systemen afdrijven van klinische richtlijnen, betalers‑beleid of goedgekeurde workflows?

Ik geloof niet dat elke beslissing geautomatiseerd moet worden via AI. In de zorg zijn er veel beslissingen waarbij deterministische logica, gevestigde bedrijfsregels of klinisch beleid een duidelijk en consistent antwoord kunnen geven. Waar dat mogelijk is, moeten we die gebruiken in plaats van onnodige onzekerheid te introduceren.

De interessantere kans ligt in het combineren van die deterministische benaderingen met AI. We hebben met succes neuro‑symbolische logica ingezet die een verificatielaag rond AI‑gedreven redenering creëert. AI kan complexe of ongestructureerde informatie interpreteren, terwijl deterministische regels en symbolische logica verifiëren dat de resulterende actie consistent blijft met gevestigde beleidsregels, richtlijnen en goedgekeurde workflows. Dat vermindert onzekerheid en verbetert de nauwkeurigheid ten opzichte van een uitsluitend AI‑gedreven aanpak.

Dit verandert ook mijn kijk op continu leren. Het doel is niet om AI meer vrijheid te geven om in de loop der tijd beslissingen te nemen. Het gaat erom te leren van uitvoering terwijl de controles die bepalen hoe consequentiale beslissingen worden genomen behouden blijven. Je kunt verbeteren hoe het systeem informatie interpreteert, uitzonderingen afhandelt en werk coördineert zonder dat het afdrijft van de regels die het onderliggende proces sturen.

Die combinatie van AI‑redenering, deterministische besluitvorming en continue verificatie is hoe je systemen creëert die in de loop der tijd kunnen verbeteren, terwijl ze voorspelbaar, auditabel en verantwoord blijven.

Zyter verkent C‑RLM, een recursieve aanpak voor het synthetiseren van lange en gefragmenteerde klinische geschiedenissen. Hoe belangrijk zal redeneerwerk met lange context worden in de zorg, en kunnen agents uiteindelijk een continu evoluerend begrip van elke patiënt behouden?

De zorg heeft nooit een gebrek aan informatie gehad. De uitdaging is dat het verhaal van een patiënt verspreid is over jaren aan artsennotities, laboratoriumresultaten, medicatie, beeldvorming, declaraties en zorginteracties. Het begrijpen van die geschiedenis vereist meer dan het verwerken van een grote hoeveelheid data. Het vereist het verbinden van bewijsmateriaal, het herkennen van patronen en het opbouwen van een samenhangend begrip van de reis van elke patiënt.

Redeneren met een lange context zal steeds belangrijker worden naarmate AI verder gaat dan het assisteren bij individuele taken en begint met het ondersteunen van longitudinale zorg. Ons werk met C‑RLM weerspiegelt die richting. Het doel is niet simpelweg meer informatie samenvatten. Het is om gefragmenteerd klinisch bewijs te synthetiseren tot een gestructureerd begrip dat verankerd blijft in het onderliggende dossier. Elke conclusie moet bovendien traceerbaar blijven naar de bron, zodat clinici kunnen begrijpen hoe deze tot stand kwam en deze kunnen verifiëren aan de hand van het bewijs.

Naarmate deze mogelijkheden volwassen worden, zullen AI‑agents steeds meer helpen een continu evoluerend begrip van de reis van elke patiënt te behouden. Dat begrip moet rijker worden naarmate nieuwe informatie beschikbaar komt, terwijl het transparant, op bewijs gebaseerd en verankerd in betrouwbare klinische data blijft. De rol van AI is clinici een completer beeld te geven zodat ze beter onderbouwde beslissingen kunnen nemen met meer vertrouwen.

Zyter neemt deel aan het CMS WISeR‑programma, waarin AI workflows kan ondersteunen terwijl bevoegde clinici de besluitvormingsautoriteit behouden. Is dat ongeveer de grens van autonomie die vandaag geldt, en wat moet er veranderen voordat AI‑agents meer consequentiale beslissingen kunnen nemen?

Ik denk niet dat er één enkele autonomie‑grens bestaat voor de zorg. De juiste rol voor AI hangt af van de workflow, het risiconiveau en het vertrouwen dat organisaties hebben dat het systeem consistent functioneert onder real‑world omstandigheden.

Programma’s zoals WISeR weerspiegelen die realiteit. AI is al zeer effectief in het synthetiseren van informatie, het consequent toepassen van gevestigde beleidsregels, het coördineren van administratieve workflows en het verminderen van repetitief werk. Bevoegde clinici blijven oordeel geven bij beslissingen waar context, ambiguïteit en verantwoordelijkheid het zwaarst wegen. Dat is een operationeel model dat de sterktes van zowel AI als menselijke expertise weerspiegelt.

In de loop der tijd zullen die grenzen blijven evolueren, maar ze moeten evolueren omdat vertrouwen is verdiend, niet omdat modellen capabeler zijn geworden. Vertrouwen komt voort uit bewijs, transparantie, validatie en consistente prestaties in productie. Elke uitbreiding van de rol van AI moet worden ondersteund door dezelfde normen die de zorg hanteert voor elke andere kritieke capaciteit.

Ik denk niet dat succes gemeten zal worden aan de mate van autonomie van AI. Het zal gemeten worden aan de hand van of patiënten betere zorg ontvangen, clinici meer tijd hebben om zich op complexe beslissingen te richten, en de zorg daardoor effectiever functioneert.

Zyter heeft onlangs TruCare verplaatst naar een cloud‑native AWS‑fundament om AI‑orchestratie op enterprise‑schaal te ondersteunen. Hoeveel van de uitdaging in agentische AI heeft te maken met de modellen zelf versus de infrastructuur die data, systemen, beleidsregels en mensen verbindt?

Foundation‑modellen ontwikkelen zich in een uitzonderlijk tempo, en dat is goed voor de hele sector. Het gesprek verschuift geleidelijk van wat modellen kunnen naar hoe ze opereren binnen echte ondernemingen.

Het verbinden van data, systemen, beleidsregels en mensen is de plek waar transformatie slaagt of stagneert. AI moet werken binnen bestaande operationele omgevingen, uitvoeren over meerdere systemen, beleidsregels consequent toepassen en betrouwbaar presteren op productieschaal. Zonder die basis blijft zelfs het meest capabele model losgekoppeld van het werk dat het moet verbeteren.

Onze overstap naar een cloud‑native AWS‑architectuur weerspiegelt die evolutie. Het biedt de veerkrachtige, schaalbare basis die nodig is om AI over enterprise‑workflows te orkestreren, terwijl de betrouwbaarheid, governance en prestaties die de zorg vereist behouden blijven. De infrastructuur is belangrijk omdat ze AI in staat stelt deel uit te maken van de dagelijkse uitvoering van werk, en niet slechts een extra applicatie die naast bestaande processen draait.

De langetermijnkans wordt niet alleen bepaald door betere modellen. Het ontstaat door de vooruitgang in AI te combineren met de infrastructuur en het operationele model dat nodig is om werk consistent op enterprise‑schaal uit te voeren.

Zyter positioneert zijn uitvoeringsmodel ook voor andere gereguleerde sectoren, waaronder financiële dienstverlening en overheid. Welke delen van het platform zijn echt horizontaal, en welke voordelen komen specifiek voort uit Zyter’s ervaring in de zorg?

Gereguleerde sectoren worden vaak bekeken vanuit het perspectief van wat hen verschillend maakt. Ik heb ontdekt dat het net zo belangrijk is om te begrijpen wat ze gemeen hebben. Of je nu zorg levert, financieel risico beheert of overheidsprogramma’s ondersteunt, succes hangt af van het coördineren van complex werk tussen mensen, systemen, beleidsregels en data, terwijl verantwoording voor elke beslissing wordt behouden.

Daar zie ik het uitvoeringsmodel als fundamenteel horizontaal. Het orkestreren van AI, enterprise‑systemen en menselijke expertise, het consequent toepassen van beleidsregels, het coördineren van werk over meerdere systemen en het behouden van transparantie zijn uitdagingen die ver buiten de zorg reiken. De workflows verschillen per sector, maar de behoefte aan betrouwbare uitvoering is opvallend consistent.

De zorg heeft niet veranderd wat we hebben gebouwd. Het heeft de norm verhoogd voor hoe we het moesten bouwen. Klinische workflows eisen precisie, interoperabiliteit, governance, veerkracht en vertrouwen omdat de gevolgen van fouten aanzienlijk zijn. Ontwerpen voor dat niveau van complexiteit heeft een uitvoeringsmodel gecreëerd dat kan worden aangepast aan andere gereguleerde sectoren waar operationele discipline, naleving en verantwoording even cruciaal zijn.

Naarmate AI dieper wordt ingebed in enterprise‑operaties, denk ik dat het gesprek zal verschuiven van de vraag of een capability voor een specifieke sector is gebouwd, naar de vraag of deze betrouwbaar kan uitvoeren in complexe, gereguleerde omgevingen. Dat is de norm die we vanaf het begin hebben ontworpen.

Zyter’s Rural Health Orchestrator brengt virtuele zorg, remote monitoring, zorgmanagement en klinische diensten samen. Wat kan agentische orkestratie oplossen in de rurale zorg dat telehealth alleen niet kan?

Telehealth heeft een belangrijke toegangsuitdaging opgelost. De volgende uitdaging is ervoor te zorgen dat elke interactie leidt tot gecoördineerde actie en meetbare resultaten.

De rurale zorg heeft aanzienlijke vooruitgang geboekt in het uitbreiden van toegang via telehealth, remote monitoring en breedbandinvesteringen. Toch houden de resultaten het niet bij omdat te veel digitale interacties losstaan van de bredere zorgreis. Een virtueel consult dat geen zorgplan bijwerkt, geen vervolg triggert of de volgende stap niet coördineert, verbetert de toegang, maar niet noodzakelijk de gezondheid.

Daar wordt orkestratie essentieel. Het verbindt telehealth, remote monitoring, zorgmanagement, community‑bronnen en klinische workflows tot één gecoördineerd systeem, zodat informatie naadloos stroomt en actie automatisch volgt. Elke interactie wordt onderdeel van een continue zorgreis in plaats van een geïsoleerd incident.

De kans is niet alleen om de toegang uit te breiden. Het gaat erom toegang om te zetten in resultaten. Wanneer zorg is verbonden over mensen, systemen en workflows, besteden clinici minder tijd aan het navigeren door gefragmenteerde processen, ontvangen patiënten meer consistente follow‑up, en kunnen rurale zorgsystemen betere resultaten leveren met de middelen die ze al hebben. Daar, geloof ik, creëert AI‑orkestratie de grootste waarde.

Met de nieuwe samenwerking met PwC, wat zou een succesvolle AI‑transformatie onderscheiden van een andere zorg‑AI‑pilot? Welke meetbare resultaten zouden u overtuigen dat AI fundamenteel heeft verbeterd hoe een betaler of aanbieder opereert?

De zorg heeft jarenlang geïnvesteerd in digitale mogelijkheden. Tegenwoordig hebben de meeste organisaties toegang tot data, AI en moderne technologie. De volgende fase gaat niet over het toevoegen van meer mogelijkheden, maar over het herontwerpen van de manier waarop werk wordt gedaan.

Daarom meet ik transformatie niet aan het aantal AI‑modellen dat is ingezet of pilots die zijn gestart. Ik kijk of het operationele model van een organisatie is veranderd. Worden beslissingen sneller genomen? Zijn workflows beter gecoördineerd tussen afdelingen en systemen? Daalt de administratieve last terwijl clinici en zorgteams meer tijd besteden aan activiteiten die de patiëntenzorg verbeteren? Zijn die verbeteringen herhaalbaar binnen de gehele onderneming in plaats van geïsoleerd tot één use‑case?

Dat is de filosofie achter onze samenwerking met PwC. PwC brengt diepgaande expertise in zorgstrategie en transformatie. Zyter levert de uitvoeringslaag die die strategieën operationaliseert over complexe workflows, AI, enterprise‑systemen, beleidsregels en mensen verbindt, zodat organisaties consequent strategie omzetten in actie.

Voor mij gebeurt een succesvolle AI‑transformatie wanneer AI niet langer wordt gezien als een afzonderlijk initiatief. Het wordt onderdeel van het operationele model. Op dat moment meten organisaties niet het succes van AI zelf, maar betere resultaten, lagere administratieve kosten, meer gecoördineerde zorg, en een zorgsysteem dat effectiever functioneert omdat de uitvoering fundamenteel is verbeterd.

Dank u voor het geweldige interview, lezers die meer willen weten, kunnen Zyter bezoeken.