Halsey Wise, CEO av Lyric – Intervju-serie

Halsey Wise, CEO av Lyric, bringer nesten tre tiår med erfaring fra ledelse, styre og verdiskapning i helse- og finansteknologi. Etter å ha sittet i Lyrics styre siden 2022, gikk han inn i stillingen som CEO med fokus på å skalerer Lyric42-plattformen, dykke dyptere inn i kunde- og partnerforhold, akselerere innovasjon og AI-investeringer, og drive vekst gjennom både organisk utvidelse og strategisk fusjon og oppkjøp. Wise har ledet seks selskaper som CEO eller president, inkludert offentlige selskaper som Intergraph og MedAssets, og har sittet i styrene til større teknologi- og helseorganisasjoner, inkludert Cotiviti, Cerner, Aspen Technology , Acxiom, Nextech Systems, Lyric og WellSky. Han er også styreleder og CEO av Lime Barrel Advisors, senior rådgiver for TPG Capital, og leder en familie-stiftelse som støtter stipender, mattrygghet, veteran-tjenester og helse-saker.

Lyric er et selskap som fokuserer på å forbedre betalingsnøyaktigheten for helseforsikringer ved å bruke politikk, data, AI, klinisk gjennomgang og forklarbar beslutningsstøtte før krav blir betalt. Deres Lyric42-plattform er designet for å hjelpe helseforsikringer med å koordinere betalingsbeslutninger over regler, arbeidsflyter, betalingsintegritetsprodukter og AI-drevne anbefalinger, med målet om å redusere administrative kostnader, forbedre første-gangs betalingsnøyaktighet, redusere leverandør-friktion og gi kundene større transparens i hvorfor betalingsbeslutninger blir tatt. Selskapet presenterer sin AI-tilnærming som en som komplementerer menneskelig ekspertise, ikke erstatter den, ved å kombinere automatisering, klinisk validering, styring og kunde-kontroll for å støtte mer konsistente og forsvarlige helse-betalingsbeslutninger.

Du har ledet og rådgitt større helse- og teknologiselskaper, inkludert MedAssets, Cerner, Cotiviti og nå Lyric. Hvordan har din erfaring over helse-IT, analyser og teknologi formet din visjon for Lyric?

Over hver selskap jeg har ledet eller rådgitt, har en overbevisning bare blitt sterkere: helse kan ikke forbedres uten tillit, sannhet og transparens som grunnlag. Disse er ikke bløte verdier. Disse er de operative betingelsene som en bedre helse-system avhenger av. Hver plan, leverandør og medlem er berørt av om den underliggende intelligensen kan stoles på, om informasjonen reflekterer sannhet, og om grunnene bak en beslutning er transparente nok til å tåle skrålene.

Den overbevisningen former hvordan jeg tenker om Lyric. Jeg gikk inn i Lyrics styre i 2022 før jeg gikk inn i stillingen som CEO, og hva jeg forstod da, tror jeg enda sterkere nå. Vi på Lyric bygger ett av de mest innovative, innflytelsesrike og viktigste helse-teknologiselskaper.

Lyric er helse-beslutningsintelligens. Tiår med klinisk og betalings-ekspertise, dype kunde-forhold og en plattform som opererer på nasjonal skala gir oss en grunnlag som få selskaper i helse har. Betaling er den høyeste innsats-uttrykk av det i dag, men den bredere muligheten er å gi mennesker i helse-teknologien og innsiktene til å ta bedre beslutninger, tidligere, med tillit, i tjeneste av bedre helse for mennesker og pasienter det ultimate eksisterer for å tjene.

Jeg tror også dypt at helse-beslutning tilhører mennesker. Klinisk dømmekraft, politisk tolkning og ansvar kan ikke utkontrakteres til en modell. Hva AI kan gjøre, og hva det bør gjøre, er å informere og støtte mennesker som tar disse beslutningene. Det kan overflate signaler, trender og anomalier som tidligere var begravd i skala og kompleksitet. Det kan høydepunkter hvor noe ser inkonsistent ut, hvor en mønster oppstår, eller hvor en beslutning trenger en nærmere titt. Det er AI sin rolle i helse: Å utvide menneskelig synlighet og styrke menneskelig dømmekraft, ikke å erstatte den.

Lyric har brukt de siste årene på å bygge om sin teknologistakk til en sky-basert AI-plattform som støtter betalingsoperasjoner over 190 millioner liv. Hva var de største arkitektoniske eller organisatoriske utfordringene i denne overgangen?

Lyric oppstod som en utskillelse fra et større selskap. Vi arvet legacy-infrastruktur sammen med fantastiske kunde-forhold og tiår med operativ ekspertise.

Over de siste årene, bygde vi om teknologigrunnlaget fra bunnen av. Utfordringen var ikke bare å modernisere infrastruktur. Det var å utvikle en 30-årig betalingsnøyaktighetsforretning til en moderne helse-beslutningsintelligens-plattform samtidig som vi bevarte forklarbarhet, granskning og tillit.

En grunnleggende prinsipp var å sikre null forretnings-avbrudd mens vi moderniserte vår teknologi. Vi utnyttet de avanserte kapasitetene til Lyric42 for å sikre svært nøyaktige migrasjoner, og arbeidet tett med våre helseforsikringskunder for å skape en trygg og sikker overgang.

Arkitektonisk, gikk vi fra statisk forhåndsbestemt rekkefølge til sanntids-intelligens som støtter første-gangs betalingsbeslutninger innen arbeidsflyter. Samtidig måtte hver utfall være transparent, politikk-grunnet og forklarbar.

Mens vi migrerer kunder til den nye plattformen, støtter vi betalingsoperasjoner over 200 millioner liv gjennom en forent intelligens-arkitektur som overflater innsikt tidligere, reduserer avfall og støtter mer konsistente beslutninger på skala.

Du har argumentert for at helse-betalinger må skifte fra post-pay-gjenoppretting til pre-pay-intelligens. Hva teknologiske gjennombrudd gjør denne overgangen mulig på skala?

Overgangen fra post-pay-gjenoppretting til pre-pay-intelligens er nå mulig fordi helse endelig har kombinasjonen av stor-skala arbeidsflyt-data, sky-infrastruktur og AI i stand til å skille signal fra støy over høyt komplekse krav-miljøer.

Historisk sett var de fleste systemer bygget for å analysere hva som skjedde etter betaling. I dag kan vi bruke intelligens mye tidligere innen arbeidsflyter, før feil, disputter og avfall flyter gjennom systemet.

Fra et kapasitets-perspektiv, har Lyric introdusert intelligent valg for pre-pay-gjennomgang, som sikrer at krav ikke unødvendigvis holdes tilbake før betaling når tids-krav er kritisk for både planer og leverandører. Gjennom vår intelligente granskningsplattform, har vi også aktivert krav som trenger menneskelig gjennomgang til å bli prosessert på timer eller dager, i stedet for uker eller måneder som tradisjonelle prosesser kan kreve.

Disse teknologiske gjennombrudd, kombinert med den avanserte orkestreringen innen Lyric42, har låst opp helse-beslutningsintelligens for pre-betalingsnøyaktighet ved å kombinere AI, politikk og ekspert-klinisk gjennomgang for å støtte nøyaktige, forklarbare betalingsbeslutninger på første pass. Viktig, dette fungerer bare på skala når intelligensen forblir transparent, granskbar og grunnet i menneskelig ansvar.

Mye av helse-sektoren avhenger fortsatt av fragmentert legacy-infrastruktur. Hvorfor tror du at AI-naturlige systemer vil fundamentalt overgå tradisjonelle “systemer av record” over de neste ti årene?

Legacy-helse-systemer var primært designet for å registrere transaksjoner og støtte retrospektive granskninger. De var aldri bygget for å støtte intelligens-drevne beslutninger innen arbeidsflyter.

Helse nå krever intelligens-systemer i stand til å operere på skala, hastighet og kompleksitet moderne betalingsoperasjoner krever. Fordelen med moderne helse-beslutningsintelligens-systemer er ikke bare anvendt AI. Det er evnen til å kombinere politikk, data, AI og ekspert-gjennomgang for å støtte mer konsistente, forklarbare beslutninger i sanntid.

Framtiden vil tilhøre systemer som kan kontinuerlig lære fra operative arbeidsflyter samtidig som de forblir transparente, forklarbare og ansvarlige. Helse kan ikke operere uten menneskelig ekspertise, så målet er ikke autonom beslutning. Målet er å supplere menneskelig beslutning med intelligens mennesker kan stole på.

Lyric beskriver seg selv som et betalingsintegritets-AI-selskap bygget på tiår med klinisk ekspertise. Hvor viktig er proprietær helse-data og historisk krav-intelligens i å bygge forsvarlige AI-systemer i denne sektoren?

Proprietær krav-intelligens og arbeidsflyt-data er grunnleggende i helse fordi generiske modeller alene ikke er nok til å støtte nøyaktige, forklarbare betalingsbeslutninger på skala.

Lyrics plattform støtter omtrent 200 millioner liv og er bygget på tiår med operativ krav-intelligens. Den proprietære kunnskapen og konteksten betyr noe fordi den reflekterer hvordan politikk blir anvendt, hvor disputter oppstår, hvordan feil skjer og hvordan betalingsarbeidsflyter oppfører seg i den virkelige verden.

Kombinasjonen av arbeidsflyt-integrasjon, tre tiår med klinisk ekspertise og longitudinell krav-intelligens skaper systemer som ikke bare er mer nøyaktige, men også mer forklarbare og operativt granskbar.

I helse betyr kunnskap bare noe hvis mennesker kan forstå, validere og handle på den med tillit.

En av de største bekymringene i helse-AI er styring og forklarbarhet. Når AI tar på seg mer betalingsbeslutningsansvar, hva ser effektiv menneskelig-i-løkken-oversikt ut i praksis?

For oss er menneskelig-i-løkken ikke en buzzword; det er arkitekturen. AI er et verktøy vi bruker for å supplere menneskelig beslutning.

Du kan se det i vårt innhold-forfatter-arbeid. Vi bygde Studio42-innhold-forfatter-erfaringen på toppen av vår Lyric42-plattform, etter prinsippet at hver regel og redigering må være deterministisk. AI hjelper våre team med å gjennomgå store volumer av regjering, industri og forskningsmateriale, identifisere relevante mønster og overflate anbefalinger. Men AI blir ikke kilde til sannhet. Kilden til sannhet er grunnet i originale materialer og menneskelig klinisk ekspertise.

Hver regel og redigering er designet for å være sporable og granskbar. Kliniske eksperter gjennomgår og validerer arbeidet før det når produksjon, og hver anbefaling vår AI gjør for å hjelpe våre kliniske team med å lage innhold er grunnet i originale kilder og menneskelig kunnskap. Vi holder også spor av hele endrings-historien, så det er tydelig om en regel eller del av innhold ble bygget fra en spesifik regjering, industri eller forskningskilde.

Det er hva effektiv oversikt ser ut i praksis: AI hjelper med skala og signal-deteksjon, kliniske eksperter validerer arbeidet, og systemet bevarer en tydelig gransknings-spor fra kilde-materiale til gjennomgått innhold. Like viktig, våre kunder beholder full kontroll over om og når de implementerer innhold, regler eller anbefalinger som overflates gjennom plattformen.

I helse er innsatsen for høye til at viktige beslutninger kan tas kun av en maskin eller modell. Hos Lyric tror vi at menneskelig ekspertise, dømmekraft og ansvar må forblir grunnleggende, ikke behandlet som en ettertanke, designet inn i arkitekturen fra starten.

Helse-avfall forblir en av de største kost-driverne i det amerikanske systemet. Hvor tror du at AI kan ha den raskeste målbare innvirkningen på å redusere unødvendig utgift uten å negativt påvirke pasient-omsorg?

Helse utgjør omtrent 20% av USAs BNP, og 25% av det er avfall. En majoritet av det avfallet skyldes system-kompleksitet, ikke svindel eller bevisst avfall.

Dette er nettopp hvorfor vi bygde Lyric42-plattformen. Den skifter krav-prosessen fra en betal-og-jakt-modell til pre-pay/pre-krav-intelligens, som muliggjør at helseforsikringer kan få betalingene riktige første gangen.

En betydelig del av helse-avfallet kommer fra administrative omarbeidninger ved å ha inkongruent intelligens over flere interessenter. Dette fører til unødvendige avvisninger og gjen-betalinger, større intensitet av manuelle granskninger og en økning i leverandør-ankesaker uten å endre den ultimate betalingen vesentlig.

Avfall kommer fra ikke å ha riktig intelligens på riktig tid. Lyric gir helseforsikringer med beslutningsintelligens og anbefalinger, valideret og støttet av klinisk kunnskap for å hjelpe med å identifisere åpenbare feil og inkonsistenser (koding, enheter, bundling, medisinsk politikk-sammenligning). Vi gjør dette før betaling, som reduserer avfall og feil-koding, og kutte ned på frem-og-tilbake-arbeid, ankering og justeringer.

Lyrics plattform integrerer stadig mer automatisering, prediktiv analyse og AI-assisterte arbeidsflyter i krav-operasjoner. Hvor nær er vi en fremtid hvor store deler av helse-betalingsarbeidsflyter opererer autonomt?

Over de neste ti årene, vil vi se en verden hvor de fleste oppgavene innen betalingsarbeidsflyter er automatisert. Men regulerings- og samværskrav vil fortsette å kreve tydelig ansvar, som betyr en identifiserbar menneskelig og organisatorisk ansvar. AI, automatisering og prediktiv analyse vil strømlinjeforme kjedelige daglige løft i helse-betalingsarbeidsflyter, inkludert validering av data, å overflate mønster og anbefalinger i sanntid under første pass av et krav. Følsomme, høy-impakt eller tvetydige beslutninger vil forblir under menneskelig gjennomgang.

Helse er fundamentalt forskjellig fra mange industrier fordi ansvar betyr noe. Betalingsbeslutninger påvirker leverandører, planer, pasienter/medlemmer og finansielle resultater over hele helse-økosystemet.

Vi bygger ikke et fullt autonomt betalings-AI. Vi bygger helse-beslutningsintelligens designet for å supplere menneskelig beslutning.

Fremtiden er ikke autonom helse-betalinger. Fremtiden er forklarbar intelligens som støtter mennesker som forblir ansvarlige for beslutninger og resultater.

Mange bedrifter er fortsatt eksperimenterende med AI i isolerte piloter. Hva skiller organisasjoner som er suksessfulle i å operasjonalisere AI fra de som forblir fast i proof-of-concept-modus?

Forskjellen er at suksessfulle organisasjoner ikke behandler AI som en serie isolerte piloter. De behandler det som en operativ kapasitet og fremdrift.

Det krever mer enn en sterk modell. Det krever grunnleggende investeringer i verktøy, overvåking, styring og arbeidsflyt-design. I vår erfaring, skalerer AI bare når teknologien støtter styringsprosessene rundt det, og når menneskelige prosesser er redesignet rundt AI-aktiverte arbeidsflyter. Du trenger tydelig eierskap, ledende sponsor, operativ alignering og en konstant tilbakemeldings-løkke for hvordan AI fungerer i produksjon.

Det siste punktet er kritisk. Organisasjoner som operasjonaliserer AI stopper ikke ved deployering. De overvåker ytelse, analyserer resultater, identifiserer hvor systemet trenger å forbedres, og kontinuerlig forbedrer. AI blir en del av den operative rytmen, ikke en engangs-implementering.

Hos Lyric har vi sett dette mønsteret i områder som innhold-forfatter-arbeid. Vi fokuserte på å få ett domene rett først, med riktig verktøy, kontroll, overvåking og menneskelig gjennomgang. Når den grunnlaget viste seg å være suksessfull, kunne vi bruke samme underliggende tilnærming til å utvide inn i andre domener. Det er veldig forskjellig fra å kjøre en proof-of-concept som ser bra ut i en demo, men aldri må overleve kompleksiteten i live-operasjoner.

Organisasjonene som blir fast i pilot-modus underskatter ofte denne kompleksiteten. De kan teste modeller på smale datasett eller kontrollerte arbeidsflyter, men de wire ikke AI inn i virkelige operasjoner med den styringen, overvåkingen og endrings-håndteringen som kreves for å holde det i live. Organisasjonene som lykkes bygger grunnlaget først, beviser verdi i et fokusert område, og skalerer deretter med disiplin.

Ser fremover, tror du at de lange vinnerne i helse-AI vil være selskapene med de beste enkelt-Modellene, eller de med den dypeste operative integrasjon, arbeidsflyt-data og nettverks-effekter over hele helse-økosystemet?

I helse vil de lange vinnerne ikke være selskapene med det beste enkelt-modellen i isolasjon. De vil være selskapene med den dypeste operative integrasjon, den rikeste arbeidsflyt-data og de sterkeste nettverks-effekter over hele helse-økosystemet.

Modeller vil fortsette å forbedres, og mange kapasiteter vil bli mer tilgjengelige over tid. Hva er mye vanskeligere å replikere, er kombinasjonen av innbygget arbeidsflyt-posisjon, longitudinell krav-intelligens og tillitsfulle forhold over helseforsikringer, leverandører og partnere.

Lyrics plattform omfatter omtrent 200 millioner liv og er bygget fra tiår med proprietær betalingsnøyaktighets-intelligens, med mulighet til å lagre inn nye kapasiteter og partnere. Fordi vi er innbygget tidlig i betalingsarbeidsflyten og opererer post-omsorg og pre-betaling, har vi synlighet inn i virkelig transaksjonsflyt, ikke bare statiske datasett. Denne dybden av arbeidsflyt- og resultat-data er hva hjelper AI å skille signal fra støy og gå fra trend-analyse til prediksjon, anbefalinger og handling. Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Lyric.