Sundar Subramanian, administrerende direktør i Zyter – Intervjuserie

Sundar Subramanian, administrerende direktør i Zyter, er en erfaren strateg- og helsesjef med en bakgrunn som spenner over ledelsesrådgivning, digital transformasjon og storskala helsedrift. Før han ble administrerende direktør i juli 2025, tilbrakte han mer enn 16 år i PwC sin Strategy&, hvor han ledet den amerikanske strategikonsulentvirksomheten samt praksisen for Enterprise Strategy, Value og Digital Transformation, og rådgav store organisasjoner om vekst, omdesign av driftsmodeller og AI‑drevet transformasjon. Tidligere i karrieren var Subramanian medansvarlig for Booz & Companys Medicaid- og Medicare Center of Excellence og arbeidet omfattende med helseforsikrere, etter seniorroller i WellCare og McKinsey & Company. I Zyter leder han selskapets ekspansjon innen agentisk AI og intelligent arbeidsflytorkestrering, med vekt på å bruke AI til å redesigne ende‑til‑ende forretningsprosesser i stedet for bare å automatisere enkeltoppgaver.

Zyter er et privat eid teknologiselskap for virksomheter med mer enn to tiår med erfaring innen digital helse, hvor deres TruCare-plattform for befolkningshelse har etablert en tilstedeværelse som støtter mer enn 44 millioner liv gjennom over 45 helseorganisasjoner. Selskapet bygger nå videre på sine helserøtter med en AI‑utførelsesplattform designet for komplekse og sterkt regulerte arbeidsflyter innen helse, offentlig sektor og finansielle tjenester. Arkitekturen kombinerer Zyter Symphony, som koordinerer AI‑agenter, virksomhetssystemer og menneskelige handlinger; Zyter Praxis, som pakker agenter, regler, data og menneskelig tilsyn inn i ende‑til‑ende arbeidsflytmoduler; og TruCare Digital Core, som kobler disse arbeidsflytene til systemer som elektroniske pasientjournaler, kravplattform, ERP‑systemer og CRM‑programvare. Det overordnede målet er å gjøre agentisk AI operativ innen eksisterende bedriftsmiljøer samtidig som styring, sporbarhet og menneskelig tilsyn over viktige beslutninger opprettholdes.

Du tilbrakte mer enn 16 år i Strategy&, hvor du ledet deres amerikanske strategikonsulentvirksomhet og arbeidet omfattende innen helse etter tidligere erfaring i WellCare. Hva overbeviste deg om at helsesektorens neste store sprang vil komme fra agentisk AI og arbeidsflytutførelse snarere enn en ny generasjon tradisjonell programvare?

Gjennom min karriere har jeg fått muligheten til å se helsevesenet fra flere perspektiver – som operatør, strategikonsulent og nå som teknologibygger. På tvers av disse erfaringene ble én observasjon stadig tydeligere. Helsevesenet slet ikke fordi det manglet teknologi. Det slet fordi teknologien ikke endret hvordan arbeidet ble utført.

I løpet av det siste tiåret har bransjen investert tungt i digitalisering. Vi moderniserte infrastruktur, utvidet analyse, forbedret interoperabilitet og har nylig tatt i bruk AI. Disse investeringene skapte viktige nye muligheter, men løste ikke en av helsevesenets mest vedvarende utfordringer: koordinering av arbeid på tvers av mennesker, systemer, retningslinjer og organisasjoner. Altfor ofte ble teknologi lagt oppå eksisterende driftsmodeller i stedet for å endre hvordan de fungerer.

Den erkjennelsen endret hvordan jeg tenker på transformasjon. Den neste fasen defineres ikke ved å rulle ut mer AI. Den handler om å redesigne hvordan arbeidet utføres. AI er en ekstraordinær muliggjører, men dens største verdi ligger i å hjelpe organisasjoner med å utføre mer effektivt ved å orkestrere arbeid på tvers av mennesker, systemer, retningslinjer og AI.

Det er dette som trakk meg til Zyter. Etter år med å hjelpe organisasjoner med å utvikle transformasjonsstrategier, ønsket jeg å bidra til å bygge utførelseslaget som gjør disse strategiene til målbare resultater. For meg handler fremtiden for helsevesenet ikke om å gjøre AI smartere. Det handler om å hjelpe helsevesenet med å operere smartere.

Zyter posisjonerer seg som et utførelseslag for den agentiske virksomheten, med Symphony som orkestrerer agenter og mennesker, Praxis som utfører arbeidsflyter, og TruCare som forankrer dem i virksomhetsdata. Hva kan denne arkitekturen oppnå som individuelle AI‑co‑piloter ikke kan?

Virksomhetstransformasjon har aldri vært begrenset av mangel på ideer eller intelligens. Organisasjoner vet vanligvis hva de må gjøre. Den vanskeligere utfordringen er å konsekvent oversette disse beslutningene til handling på tvers av mennesker, systemer, retningslinjer og arbeidsflyter.

Det er her jeg ser neste fase av bedrifts‑AI. Individuelle AI‑assistenter gjør folk mer produktive. Bedrifts‑AI bør gjøre organisasjoner mer effektive. Den bør koordinere arbeid, utføre arbeidsflyter, tilpasse seg endringer i forhold, og kontinuerlig forbedre hvordan organisasjonen opererer.

Vår arkitektur gjenspeiler denne filosofien. Symphony orkestrerer AI‑agenter, virksomhetssystemer og menneskelig kompetanse. Praxis utfører arbeidsflyter, og TruCare gir det operative grunnlaget som forankrer disse arbeidsflytene i pålitelige virksomhetsdata. Sammen skaper de et utførelseslag hvor AI blir en del av hvordan arbeidet utføres, i stedet for et ekstra verktøy folk bruker ved siden av arbeidet.

Organisasjoner vil til slutt måle AI etter dens evne til å forbedre resultater. Produktivitet er viktig, men langsiktig verdi kommer fra å hjelpe virksomheter med å utføre mer konsistent, tilpasse seg raskere og lære av hver arbeidsflyt de kjører.

Agentisk AI blir mye mer komplekst når flere agenter deler data, overleverer oppgaver og eskalerer beslutninger til mennesker. Hva har Zyter lært om å gjøre fler‑agent‑systemer pålitelige nok for helsevesenet i stor skala?

Når AI går utover individuelle bruksområder og blir en del av hverdagsoperasjoner, endres utfordringen. Den blir mindre om hvor intelligent en enkelt agent er, og mer om hvordan arbeidet koordineres på tvers av systemer, retningslinjer, mennesker og AI.

Vi har funnet at spesialisering er viktig. Helsevesenet er ikke avhengig av én person som gjør alt, og AI bør heller ikke være det. Agenter med klart definerte ansvarsområder er mer pålitelige, enklere å styre og lettere å forbedre over tid. Orkestreringslaget koordinerer disse agentene, håndterer overleveringer, anvender retningslinjer konsekvent, og bestemmer når menneskelig ekspertise bør bringes inn i arbeidsflyten.

Synlighet er like viktig. Team må forstå hvordan beslutninger ble tatt, hvilken informasjon som informerte dem, og hvordan de bidro til resultatet. Å fange beslutningslinjen skaper den nødvendige åpenheten samtidig som hver arbeidsflyt blir en kilde til læring og kontinuerlig forbedring.

Pålitelig AI defineres ikke av hvor mange agenter som er i drift. Den reflekteres i hvor konsekvent arbeidet blir utført, hvor trygt folk kan stole på resultatene, og hvor effektivt systemet forbedres over tid.

Helseorganisasjoner ønsker at AI‑systemer skal forbedre seg over tid, men de trenger også forutsigbar oppførsel og sporbarhet. Hvordan muliggjør du kontinuerlig læring uten at systemene driver bort fra kliniske retningslinjer, betalerpolitikker eller godkjente arbeidsflyter?

Jeg mener ikke at alle beslutninger skal automatiseres gjennom AI. Innen helse finnes det mange beslutninger hvor deterministisk logikk, etablerte forretningsregler eller kliniske retningslinjer kan gi et klart og konsistent svar. Der dette er mulig, bør vi bruke dem i stedet for å innføre unødvendig usikkerhet.

Den mer interessante muligheten er å kombinere disse deterministiske tilnærmingene med AI. Vi har med suksess implementert nevro‑symbolsk logikk som skaper et verifiseringslag rundt AI‑drevet resonnering. AI kan tolke kompleks eller ustrukturert informasjon, mens deterministiske regler og symbolsk logikk verifiserer at den resulterende handlingen forblir i samsvar med etablerte retningslinjer, veiledninger og godkjente arbeidsflyter. Dette reduserer usikkerhet og forbedrer nøyaktigheten sammenlignet med å kun stole på en AI‑drevet tilnærming.

Dette endrer også hvordan jeg tenker på kontinuerlig læring. Målet er ikke å gi AI større frihet til å ta beslutninger over tid. Det er å lære av utførelsen samtidig som kontrollene som bestemmer hvordan viktige beslutninger tas, bevares. Man kan forbedre hvordan systemet tolker informasjon, håndterer unntak og koordinerer arbeid uten at det driver bort fra reglene som styrer den underliggende prosessen.

Den kombinasjonen av AI‑resonnering, deterministisk beslutningstaking og kontinuerlig verifisering er hvordan man skaper systemer som kan forbedre seg over tid samtidig som de forblir forutsigbare, sporbare og ansvarlige.

Zyter har utforsket C‑RLM, en rekursiv tilnærming for å syntetisere lange og fragmenterte kliniske historikker. Hvor viktig vil langt‑kontekst‑resonnering bli i helsevesenet, og kan agenter etter hvert opprettholde en kontinuerlig utviklende forståelse av hver pasient?

Helsevesenet har aldri slitt med mangel på informasjon. Utfordringen er at en pasients historie er spredt over år med legejournaler, laboratorieresultater, medikamenter, bildediagnostikk, krav og pleieinteraksjoner. Å forstå denne historien krever mer enn å behandle en stor mengde data. Det krever å knytte sammen bevis, gjenkjenne mønstre og bygge en sammenhengende forståelse av hver pasients reise.

Lang‑kontekst‑resonnering vil bli stadig viktigere etter hvert som AI går fra å assistere enkeltoppgaver til å støtte langsiktig pleie. Vårt arbeid med C‑RLM gjenspeiler denne retningen. Målet er ikke bare å oppsummere mer informasjon. Det er å syntetisere fragmentert klinisk bevis til en strukturert forståelse som forblir forankret i den underliggende journalen. Hver konklusjon må også være sporbar til sin kilde slik at klinikere kan forstå hvordan den ble oppnådd og validere den mot bevisene.

Etter hvert som disse evnene modnes, vil AI‑agenter i økende grad hjelpe til med å opprettholde en kontinuerlig utviklende forståelse av hver pasients reise. Denne forståelsen bør bli rikere etter hvert som ny informasjon blir tilgjengelig, samtidig som den forblir transparent, evidensbasert og forankret i pålitelig klinisk data. AI sin rolle er å gi klinikere et mer komplett bilde slik at de kan ta bedre informerte beslutninger med større sikkerhet.

Zyter deltar i CMS‑programmet WISeR, hvor AI kan støtte arbeidsflyter mens lisensierte klinikere beholder beslutningsmyndigheten. Er dette omtrent hvor autonomigrensen bør ligge i dag, og hva må endres før AI‑agenter kan ta på seg mer betydningsfulle beslutninger?

Jeg tror ikke det finnes én enkelt autonomigrense for helsevesenet. Den passende rollen for AI avhenger av arbeidsflyten, risikonivået og tilliten organisasjonene har til at systemet oppfører seg konsistent under virkelige forhold.

Programmer som WISeR gjenspeiler denne virkeligheten. AI er allerede svært effektivt til å syntetisere informasjon, anvende etablerte retningslinjer konsekvent, koordinere administrative arbeidsflyter og redusere repeterende arbeid. Lisensierte klinikere fortsetter å yte vurdering for beslutninger der kontekst, tvetydighet og ansvarlighet er mest kritisk. Dette er en driftsmodell som utnytter styrkene til både AI og menneskelig ekspertise.

Over tid vil disse grensene fortsette å utvikle seg, men de bør utvikles fordi tillit er oppnådd, ikke fordi modellene har blitt mer kapable. Tillit kommer fra bevis, åpenhet, validering og konsistent ytelse i produksjon. Hver utvidelse av AI‑rollen bør støttes av de samme standardene som helsevesenet anvender på andre kritiske funksjoner.

Jeg tror ikke suksess vil bli målt etter hvor autonom AI blir. Den vil bli målt etter om pasienter får bedre omsorg, klinikere får mer tid til å fokusere på komplekse beslutninger, og helsevesenet opererer mer effektivt som en følge av dette.

Zyter har nylig flyttet TruCare til en sky‑native AWS‑plattform for å støtte AI‑orkestrering i bedriftsomfang. Hvor stor del av utfordringen med agentisk AI handler om selve modellene versus infrastrukturen som kobler data, systemer, retningslinjer og mennesker?

Fundamentale modeller utvikler seg i et ekstraordinært tempo, og det er positivt for hele bransjen. Diskusjonen skifter gradvis fra hva modeller kan gjøre til hvordan de fungerer i faktiske virksomheter.

Å koble data, systemer, retningslinjer og mennesker er stedet hvor transformasjon enten lykkes eller stopper opp. AI må fungere innen eksisterende driftsmiljøer, utføre oppgaver på tvers av flere systemer, anvende retningslinjer konsekvent og levere pålitelig ytelse i produksjonsomfang. Uten dette grunnlaget vil selv den mest kapable modellen forbli frakoblet fra arbeidet den er ment å forbedre.

Vår overgang til en sky‑native AWS‑arkitektur reflekterer denne utviklingen. Den gir det robuste, skalerbare grunnlaget som trengs for å orkestrere AI på tvers av bedriftsarbeidsflyter samtidig som den opprettholder den påliteligheten, styringen og ytelsen som helsevesenet krever. Infrastruktur er viktig fordi den gjør AI til en del av hvordan arbeidet utføres hver dag, ikke bare en ekstra applikasjon som kjører ved siden av eksisterende prosesser.

Den langsiktige muligheten defineres ikke kun av bedre modeller. Den kommer fra å kombinere fremskritt innen AI med den infrastrukturen og driftsmodellen som kreves for å utføre arbeid konsistent i bedriftsomfang.

Zyter posisjonerer også sin utførelsesmodell for andre regulerte bransjer, inkludert finansielle tjenester og offentlig sektor. Hvilke deler av plattformen er virkelig horisontale, og hvilke fordeler kommer spesifikt fra Zyters erfaring innen helsevesenet?

Regulerte bransjer blir ofte sett gjennom linsen av hva som gjør dem ulike. Jeg har funnet at det er like viktig å forstå hva de har til felles. Enten du leverer helsevesen, håndterer finansiell risiko eller støtter offentlige programmer, avhenger suksess av å koordinere komplekst arbeid på tvers av mennesker, systemer, retningslinjer og data, samtidig som ansvarlighet for hver beslutning opprettholdes.

Det er her jeg ser utførelsesmodellen som fundamentalt horisontal. Å orkestrere AI, virksomhetssystemer og menneskelig ekspertise, anvende retningslinjer konsekvent, koordinere arbeid på tvers av flere systemer og opprettholde åpenhet er utfordringer som strekker seg langt utover helsevesenet. Arbeidsflytene varierer per bransje, men behovet for pålitelig utførelse er bemerkelsesverdig konsistent.

Helsevesenet endret ikke det vi bygde. Det hevet standarden for hvordan vi måtte bygge det. Kliniske arbeidsflyter krever presisjon, interoperabilitet, styring, robusthet og tillit fordi konsekvensene av feil er betydelige. Å designe for dette kompleksitetsnivået skapte en utførelsesmodell som kan tilpasses andre regulerte bransjer hvor operasjonell disiplin, etterlevelse og ansvarlighet er like kritisk.

Etter hvert som AI blir dypere integrert i bedriftsoperasjoner, tror jeg diskusjonen vil flytte seg fra om en funksjon er bygget for en spesifikk bransje til om den kan utføre pålitelig i komplekse, regulerte miljøer. Det er den standarden vi har designet for fra starten av.

Zyters Rural Health Orchestrator samler virtuell omsorg, fjernovervåkning, pleieadministrasjon og kliniske tjenester. Hva kan agentisk orkestrering løse i distriktshelse som kun telehelse ikke kan?

Telehelse løste en viktig tilgangsutfordring. Den neste utfordringen er å sikre at hver interaksjon fører til koordinert handling og målbare resultater.

Distriktshelse har gjort betydelige fremskritt med å utvide tilgangen gjennom telehelse, fjernovervåkning og bredbåndsinvesteringer. Likevel har resultatene ikke holdt tritt fordi for mange digitale interaksjoner forblir frakoblet fra den bredere pleiereisen. Et virtuelt besøk som ikke oppdaterer en behandlingsplan, utløser oppfølging eller koordinerer neste steg, forbedrer tilgangen, men ikke nødvendigvis helsen.

Det er her orkestrering blir essensiell. Den kobler telehelse, fjernovervåkning, pleieadministrasjon, samfunnsressurser og kliniske arbeidsflyter inn i ett samlet, koordinert system slik at informasjon flyter sømløst og handling følger automatisk. Hver interaksjon blir en del av en kontinuerlig pleiereise i stedet for en isolert hendelse.

Muligheten er ikke bare å utvide tilgangen. Den er å omdanne tilgang til resultater. Når omsorg er koblet på tvers av mennesker, systemer og arbeidsflyter, bruker klinikere mindre tid på å navigere fragmenterte prosesser, får pasienter mer konsistent oppfølging, og distriktshelsesystemer kan levere bedre resultater med de ressursene de allerede har. Det er der jeg tror AI‑orkestrering skaper sin største verdi.

Med det nye samarbeidet med PwC, hva vil skille en vellykket AI‑transformasjon fra et annet helse‑AI‑pilotprosjekt? Hvilke målbare resultater vil overbevise deg om at AI har fundamentalt forbedret hvordan en betaler eller leverandør opererer?

Helsevesenet har brukt år på å investere i digitale kapasiteter. I dag har de fleste organisasjoner tilgang til data, AI og moderne teknologi. Den neste fasen handler ikke om å legge til flere kapasiteter. Den handler om å redesigne hvordan arbeidet utføres.

Derfor måler jeg ikke transformasjon etter antall AI‑modeller som er implementert eller pilotprosjekter som er lansert. Jeg ser på om en organisasjons driftsmodell har endret seg. Går beslutninger raskere? Er arbeidsflytene mer koordinerte på tvers av avdelinger og systemer? Reduseres administrative byrder mens klinikere og pleieteam bruker mer tid på aktiviteter som forbedrer pasientbehandlingen? Er disse forbedringene reproduserbare på tvers av virksomheten i stedet for isolert til ett enkelt bruksområde?

Det er filosofien bak vårt samarbeid med PwC. PwC bidrar med dyp ekspertise innen helse‑strategi og transformasjon. Zyter leverer utførelseslaget som gjør disse strategiene operative på tvers av komplekse arbeidsflyter, ved å koble AI, virksomhetssystemer, retningslinjer og mennesker slik at organisasjoner konsekvent kan omsette strategi til handling.

For meg skjer vellykket AI‑transformasjon når AI ikke lenger blir sett på som et eget initiativ. Den blir en del av driftsmodellen. På det tidspunktet måler organisasjoner ikke suksessen til AI i seg selv. De måler bedre resultater, lavere administrative kostnader, mer koordinert omsorg, og et helsevesen som opererer mer effektivt fordi utførelsen har blitt fundamentalt forbedret.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Zyter.