Amy Brown, administrerende direktør, Authenticx – Intervju-serie

Amy Brown, en tidligere helseleder, grunnla Authenticx i 2018 for å hjelpe helseorganisasjoner å låse opp potensialet i kundedata. Med to tiår med erfaring i helse- og forsikringsbransjen, så hun de manglende mulighetene i å bruke kundeconversasjoner til å drive forretningsvekst og forbedre lønnsomhet.

Authenticx løser dette gapet ved å bruke AI og naturlig språkbehandling til å analysere innspilte interaksjoner – som samtaler, e-poster og chatte-logger – og gir helseorganisasjoner håndteringssiktige innsikter for å ta bedre forretningsbeslutninger.

Hva inspirerte deg til å gå over fra en karriere i helseoperasjoner og sosialt arbeid til å grunnlegge Authenticx, et teknologidrevet AI-selskap?

Med min utdannelse i sosialt arbeid og min 20-årige arbeidserfaring i kontakt-senteroperasjoner, ble min ønske om å forkjempe for individer i helse både min lidenskap og misjon.

I min tid som arbeidet i forsikrings- og helsebransjen, la jeg merke til at organisasjoner hadde vanskeligheter med å forstå kundens behov gjennom gjentakende undersøkelser og robocall, som ofte ledet til lave responsrater og metrikker som ikke var pålitelige.

Og det var her Authenticx kom inn. Ved å bruke AI til å analysere innspilte kundeconversasjoner, innsett jeg at helse ville trekke verdifulle innsikter direkte fra kundens stemme, og gi industrien mulighet til å virkelig knytte seg til kundene sine for å strategisere, investere og handle.

Hvordan har dine personlige erfaringer, spesielt observasjoner av helse-systemet førstehånd, gjennom din fars praksis og ditt eget arbeid, formet din visjon for Authenticx?

Min erfaring startet med å forstå hvordan min far tjente i helse gjennom sin rolle som lege. Han har alltid praktisert lytting og familiensentrert omsorg, så for meg var han unntaket fra den typiske friksjonen du ofte hører om. Jeg husker han fortalte meg at det er pasientens ord som kan hjelpe deg til å finne svarene. Og det ble hos meg, og det ledet meg til å fokusere min karriere og aspirasjoner på å forbedre systemet ved å lytte; det er nøkkel.

Når jeg gikk inn i helse førstehånd gjennom statlig arbeid og kontakt-senteroperasjoner, så jeg alle de forskjellige enhetene som er innviklet i helse-systemet og prøvde å få det til å fungere. Og selv om dette utviklet min makro-utsikt på å påvirke endring, var de fortsatt ikke dyptgående i all data som var tilgjengelig fra de talløse interaksjonene delt med kundene. Jeg ville hjelpe å kaste lys over den oversette konversasjonsdata og hjelpe organisasjoner med å forbedre kundeopplevelsen og møte sine resultater mer effektivt.

Som noen uten en tradisjonell teknisk bakgrunn, hvilke utfordringer møtte du mens du grunnla et AI-selskap, og hvordan overvant du dem?

Jeg har møtt mye friksjon på reisen med å grunnlegge et AI-selskap. Å navigere kritikere var slitende, både som grunnlegger og som noen uten den tekniske ekspertisen i å lage SaaS-teknologi. Likevel har jeg lært at å omgi meg med individer som kompletterer mine kunnskapsluker er en kraftfull måte å arbeide sammen for å bygge et selskap.

Etter å ha forlatt den korporative verden og startet Authenticx, var hvordan å nærme meg data-samling og -analyse mine fokus. Så fant jeg en partner, Michael Armstrong, som hadde en imponerende bakgrunn i teknologi (og nå er vår teknologidirektør) og vi begynte å bygge ut hva Authenticx er i dag.

Authenticx bruker AI til å analysere helse-samtaler. Kan du gå gjennom hvordan dine AI-modeller er spesifikt tilpasset helse og hva som gjør dem unike?

Authenticx-modellene er bygget av og for helse. Vi nærmer oss modellene våre med eksperter fra helse, sosialt arbeid og teknologi involvert i hver enkelt prosess; det er menneske-i-løkken AI. Og vi trener våre modeller med helse-spesifikke data med utdata og innsikter gjennomgått av de som forstår risiko, hull i kontekst og misforståelser som kan skape friksjon fra markedet og kunden.

Vi merker data for sentiment, friksjon, overholdelse, ugunstige hendelser, emner og andre mål og smertepunkter. Disse merkene blir grunnlaget for våre AI-maskinlærings- og dyptelæringsmodeller. Vi vurderer kontinuerlig, tester og trener modellene igjen for en iterativ prosess for å bygge pålitelig AI som møter sikkerhets- og styre-retningslinjer.

Hva er ‘Eddy Effect’, og hvordan hjelper din AI-plattform helseorganisasjoner med å løse dette problemet?

 Eddy Effect™ er vår egenutviklede maskinlæringsmodell og -måling, som identifiserer og måler kundefriksjon i kundeopplevelsens reise. Lik en virvel i en elv, som en stor stein som forårsaker vann til å svirle, gir Eddy Effect™ innsikter i hva som forårsaker den frustrerende løkken for kundene. Det hjelper med å identifisere forstyrrelser og hindringer som er en barriere (eller den store steinen) for å skape en positiv opplevelse.

Resultatene av Eddy Effect™ AI-modellen blir belyst i dashboards som fremhever forskjellige signaler av friksjon funnet i samtaledata. Og det er på disse dashboards at vanlige mål, som samtalelengde, sentiment, nøyaktighet og estimert avfallskostnader, overvåkes for kundefriksjon. For eksempel hadde vi en kunde som manglet innsikt i kvalitet og smertepunkter fra deres tredjeparts-kontaktsenter. Med Authenticx, målte de friksjonspunkter, temaer og emner, og kvalitet for å redusere tilstedeværelsen av identifisert friksjon med 10%.

Hvordan sikrer Authenticx at deres AI-modeller gir innsikter som virkelig forbedrer pasientomsorg og reduserer friksjon i helse-systemet?

Vi prioriterer samtaledata-analyse, som gir verdifulle innsikter i kundeinteraksjoner og avdekker viktige problemer og muligheter som kan være oversett av andre datakilder. Authenticx bruker GenAI-modeller til å forenkle komplekse og nyanserte data og gir håndteringssiktige anbefalinger spesifikt for helse. Våre rapporteringsverktøy tilbyr en konsumabel utsikt over ytelsesmål og trender. Våre innebygde arbeidsflyter lar brukerne svare i tide.

Mer enn noe annet, har vi en konsekvent gjennomgang av våre modeller og deres utdata. Fra vår kunde-rådgivende styre som gir tilbakemelding på vårt produkt, og vår interne team av data-vitenskapsmenn og -analytikere som sikrer påliteligheten av innsiktene organisasjonene mottar, hjelper vår menneske-i-løkken-tilnærming til å lettet risiko, fordommer og feil informasjon for å forbedre AI-nøyaktighet.

Hva rolle spiller AI i å løse operasjonelle ineffektiviteter, og hvordan hjelper det helseorganisasjoner med å identifisere og løse ødelagte prosesser?

Når du kan lytte til en samtale og kutte gjennom støyen for å forstå konteksten av smertepunktet, er du mer sannsynlig å identifisere betydelige problemer som er årsaken til en ødelagt prosess. Når årsaken er funnet, kan organisasjoner strategisere med en data-drevet tilnærming til å investere i ressurser og effektivt utradere gjettingen for en effektiv løsning.

AI er et verktøy som kan brukes til å syntetisere store mengder data for å identifisere, kvantifisere og trend-operasjonelle ineffektiviteter og ødelagte prosesser i stor skala.

Vi hadde en kunde som brukte Authenticx til å identifisere hva som forårsaket pasient-forvirring i deres resept-spørsmål-prosess, som utgjorde 20% av deres samtaler. Med innsikter i årsakene til refill-friksjon, omstrukturerte de deres telefon-tre og reviderte agent-forespørsler, noe som resulterte i at deres samtale-inntak ble redusert med om lag 550 samtaler over to måneder, og sparede tid og ressurser.

Kan du dele et eksempel på hvordan Authenticx sin AI har forandret en helse-tilbyders operasjoner eller pasient-resultater?

Authenticx hjalp et regionalt sykehus-system med å identifisere de ledende drivkreftene for friksjon i deres sentrale time-booking-prosess. Samtale-takerne ble fanget mens de søkte medisinsk råd, det var en mangel på synlighet i spesial-prosesser etter at agenten overførte samtalen, og gjentakende frustrasjon over evnen til å book en time raskt.

Authenticx AI aktiverte en full-volum-analyse av samtaler for å identifisere de spesifikke barrierene og gi innsikter til å coach-agenter, og viste måter å forbedre kvalitets-initiativene på. Innen to måneder økte deres team agent-kvalitets-ferdigheter med 12%, brukte Authenticx-innsikter til å forutsi fremtidige friksjons-punkter, og håndterte dem proaktivt.

Hvordan supplerer Authenticx sin AI menneskelig beslutning, og hva rolle spiller helse-fagfolk i å finjustere AI-modellene?

Vi praktiserer en menneske-i-løkken-tilnærming for å sikre etisk og pålitelig utrulling og implementering av AI. Vår plattform speiler denne tilnærmingen: En AI- og menneskelig analyse som gir tilbakemelding om kundeopplevelse, operasjonell ytelse, overholdelse og mer.

Mens vårt interne team arbeider på alle nivåer av plattformen, er våre GenAI-modeller trent med helse-spesifikke data for å produsere innsikter som kontekst-rike sammenfatninger, emne-aggregat, og automatiserte coach-notater, og vi har annonsert en integrert AI-assistent som gir meningsfulle innsikter øyeblikkelig.

Hvordan ser du på AI som transformerer helse i de neste fem årene, og hva rolle vil Authenticx spille i denne transformasjonen?

De neste fem årene av helse-AI vil være revolusjonerende. Impakten som AI har i verden er allerede betydelig, så å ha mer data, innsikter, sikkerhet og styre etablert vil føre til mer presisjon og effektivitet for prediktive teknologier, ansatt- og kundeopplevelse, og avanserte måter å overvåke omsorg som forbedrer hele helse-systemet.

Fortsettende å lytte for å forbedre, revidere og skape modeller vil hjelpe helse og pasient-omsorg å fremme positivt. Denne impakten vil komme fra bransje-spesifikitet i å utvikle nye AI-verktøy og -modeller – og vi er spente.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Authenticx.