Amy Brown, Dyrektor Generalny, Authenticx – Seria wywiadów

Amy Brown, była dyrektor wykonawczy w branży opieki zdrowotnej, założyła Authenticx w 2018 roku, aby pomóc organizacjom opieki zdrowotnej w wykorzystaniu potencjału danych interakcji z klientami. Z dwudziestoletnim doświadczeniem w branży opieki zdrowotnej i ubezpieczeń, zauważyła, że organizacje nie wykorzystują w pełni możliwości rozmów z klientami, aby poprawić wzrost biznesu i zwiększyć zyski.

Authenticx rozwiązuje ten problem, wykorzystując sztuczną inteligencję i przetwarzanie języka naturalnego do analizy nagranych interakcji, takich jak rozmowy telefoniczne, e-maile i czaty, dostarczając organizacjom opieki zdrowotnej praktycznych wskazówek, aby podejmować lepsze decyzje biznesowe.

Czym skłoniło Cię do zmiany kariery z działu operacji opieki zdrowotnej i pracy społecznej na założenie Authenticx, firmy technologicznej opartej na sztucznej inteligencji?

Moje wykształcenie w dziedzinie pracy społecznej i 20-letnie doświadczenie w działach obsługi klienta, sprawiło, że moim celem i pasją stało się wspieranie osób w potrzebie w opiece zdrowotnej.

Podczas mojej pracy w sektorze ubezpieczeń i opieki zdrowotnej, zauważyłam, że organizacje mają trudności z prawdziwym zrozumieniem potrzeb swoich klientów za pomocą powtarzających się ankiet i połączeń automatycznych, co często prowadziło do niskich wskaźników odpowiedzi i niepewnych danych.

I właśnie wtedy pojawił się Authenticx. Wykorzystując sztuczną inteligencję do analizy nagranych rozmów z klientami, zrozumiałam, że branża opieki zdrowotnej będzie mogła wykorzystać cenne informacje bezpośrednio od klientów, umożliwiając organizacjom lepsze zrozumienie potrzeb klientów, strategię, inwestycje i działania.

Jak Twoje doświadczenia osobiste, zwłaszcza obserwacja systemu opieki zdrowotnej za pośrednictwem praktyki Twojego ojca i Twojej własnej pracy, ukształtowały Twoją wizję Authenticx?

Moje doświadczenie zaczęło się od zrozumienia, jak mój ojciec pracował w opiece zdrowotnej jako lekarz. Zawsze praktykował słuchanie i opiekę rodziną, więc dla mnie był wyjątkiem od typowych problemów, które często słyszy się o systemie opieki zdrowotnej. Pamiętam, jak mówił mi, że to słowa pacjentów mogą pomóc znaleźć odpowiedzi. I to pozostało we mnie, prowadząc mnie do skupienia się na poprawie tego systemu poprzez słuchanie; jest to kluczowe.

Gdy weszłam do branży opieki zdrowotnej poprzez pracę rządową i obsługę klienta, zobaczyłam wszystkie różne podmioty, które są zaangażowane w system opieki zdrowotnej, starające się go udoskonalić. I choć to rozwijało moje spojrzenie na wprowadzanie zmian, nie zagłębiały się one w całe dostępne dane z interakcji z klientami. Chciałam pomóc zwrócić uwagę na te zignorowane dane rozmów i pomóc organizacjom w poprawie doświadczenia klienta oraz osiąganiu celów w sposób bardziej wydajny i skuteczny.

Jako osoba bez tradycyjnego wykształcenia technicznego, jakie wyzwania spotkałeś podczas zakładania firmy sztucznej inteligencji, i jak je pokonałeś?

Spotkałem wiele trudności na drodze do założenia firmy sztucznej inteligencji. Nawigowanie wśród krytyków było męczące, zarówno jako założyciel, jak i osoba bez technicznej wiedzy w tworzeniu technologii SaaS. Jednak nauczyłem się, że otoczenie się ludźmi, którzy uzupełniają moje luki wiedzy, jest potężnym sposobem współpracy przy budowaniu firmy.

Po opuszczeniu świata korporacyjnego i założeniu Authenticx, moim celem było znalezienie najlepszych sposobów na agregację i analizę danych. Znalazłem partnera, Michaela Armstronga, który miał imponujące doświadczenie w technologiach (i obecnie jest naszym Dyrektorem ds. Technologii) i zaczęliśmy budować to, czym jest dzisiaj Authenticx.

Authenticx wykorzystuje sztuczną inteligencję do analizy rozmów w opiece zdrowotnej. Czy możesz opowiedzieć, jak Wasze modele sztucznej inteligencji są specjalnie dostosowane do opieki zdrowotnej i co je wyróżnia?

Modele Authenticx są budowane przez i dla opieki zdrowotnej. Podejmujemy nasze modele z udziałem ekspertów z opieki zdrowotnej, pracy społecznej i techniki na każdym etapie; jest to sztuczna inteligencja z ludzkim udziałem. I trenujemy nasze modele przy użyciu danych specyficznych dla opieki zdrowotnej, z wynikami i wskazówkami przeglądanymi przez ludzi, którzy rozumieją ryzyko biasu, luki w kontekście i nieprawidłowej komunikacji, które mogą tworzyć problemy w rynku i dla klienta.

Etymologizujemy dane dla sentymentu, tarcia, zgodności, niepożądanych zdarzeń, tematów i innych wskaźników i punktów bólu. Te etykiety stają się podstawą naszych modeli sztucznej inteligencji i głębokiego uczenia. Ciągle oceniamy, testujemy i ponownie trenujemy modele w procesie iteracyjnym, aby zbudować niezawodną sztuczną inteligencję, która spełnia wytyczne bezpieczeństwa i zarządzania.

Czym jest „Eddy Effect”, i jak Wasza platforma sztucznej inteligencji pomaga organizacjom opieki zdrowotnej w rozwiązywaniu tego problemu?

Eddy Effect to nasz własny model uczenia maszynowego i wskaźnik, który identyfikuje i mierzy tarcie w doświadczeniu klienta. Jak wir w rzece, tarcie daje wgląd w to, co powoduje frustrującą pętlę dla klientów. Pomaga identyfikować przeszkody i bariery, które są przeszkodą w tworzeniu pozytywnego doświadczenia.

Wyniki modelu Eddy Effect są przedstawiane w dashboardach, które podkreślają różne sygnały tarcia znalezione w danych rozmów. I to na tych dashboardach monitorowane są wspólne wskaźniki, takie jak długość połączenia, sentyment, dokładność i szacowane koszty marnowania. Na przykład, mieliśmy klienta, który nie miał wglądu w jakość i punkty bólu od swojego zewnętrznego centrum kontaktowego. Z Authenticx, celowo wskazali punkty tarcia, tematy i jakość, aby zmniejszyć obecność zidentyfikowanego tarcia o 10%.

Jak Authenticx zapewnia, że jej modele sztucznej inteligencji dostarczają wskazówek, które naprawdę poprawiają opiekę nad pacjentami i redukują tarcie w systemie opieki zdrowotnej?

Priorytetem jest analiza danych konwersacyjnych, która dostarcza cennych wskazówek na temat interakcji z klientami i ujawnia ważne problemy i możliwości, które mogą być pomijane przez inne źródła danych. Authenticx wykorzystuje modele GenAI, aby uproszczyć złożone i nuansowane dane i dostarczyć praktyczne rekomendacje specjalnie dla opieki zdrowotnej. Nasze narzędzia raportowe oferują czytelny widok wskaźników wydajności i trendów. Nasze wbudowane przepływy pracy pozwalają użytkownikom na terminowe reagowanie.

Najważniejsze, że mamy stałą kontrolę naszych modeli i ich wyników. Od naszej Rady Doradczej Klienta, która dostarcza informacje zwrotne na temat naszego produktu, po nasz zespół analityków danych i naukowców, którzy zapewniają niezawodność wskazówek, które organizacje otrzymują, nasz ludzki udział w pętli pomaga złagodzić ryzyko, błędy i nieprawidłowe informacje, aby poprawić dokładność sztucznej inteligencji.

Jaką rolę odgrywa sztuczna inteligencja w rozwiązywaniu nieefektywności operacyjnych, i jak pomaga organizacjom opieki zdrowotnej w identyfikowaniu i rozwiązywaniu złamanych procesów?

Gdy możesz wysłuchać połączenia i przeciąć przez szum, aby zrozumieć kontekst punktu bólu, tym bardziej prawdopodobne jest, że zidentyfikujesz znaczące problemy, które są przyczyną złamanego procesu. Gdy znajdziesz przyczynę, organizacje mogą opracować strategię z podejściem opartym na danych, aby inwestować w zasoby i skutecznie wyeliminować pracę polegającą na zgadywaniu.

Sztuczna inteligencja jest narzędziem, które może być wykorzystane do syntezy dużych ilości danych, aby zidentyfikować, zmierzyć i monitorować nieefektywności operacyjne i złamane procesy w skali.

Mieliśmy klienta, który wykorzystał Authenticx, aby zidentyfikować, co powodowało zakłopotanie pacjentów w procesie zapytań o recepty, stanowiąc 20% ich połączeń. Z wglądem w przyczyny tarcia związanych z receptami, zreorganizowali drzewo telefoniczne i zmienili prompty agentów, co skutkowało zmniejszeniem liczby połączeń o około 550 połączeń w ciągu dwóch miesięcy, oszczędzając czas i zasoby.

Czy możesz podzielić się przykładem, jak sztuczna inteligencja Authenticx przekształciła operacje dostawcy opieki zdrowotnej lub wyniki pacjentów?

Authenticx pomogło systemowi szpitalnemu zidentyfikować główne przyczyny tarcia w procesie rezerwacji. Pacjenci mieli trudności z uzyskaniem porady medycznej, brakowało widoczności w procesach specjalistycznych po przekierowaniu połączenia, a powtarzające się frustracje z brakiem możliwości umówienia wizyty w szybkim tempie.

Authenticx aktywował pełną analizę połączeń, aby zidentyfikować konkretnych barier i dostarczyć wskazówek do coachingu agentów, wskazując sposoby na poprawę ich inicjatyw jakościowych. W ciągu dwóch miesięcy, ich zespół zwiększył umiejętności agentów o 12%, wykorzystując wskazówki Authenticx, aby przewidzieć przyszłe punkty tarcia i proaktywnie je rozwiązać.

Jak sztuczna inteligencja Authenticx uzupełnia decyzje podejmowane przez ludzi, i jaka rola przypada profesjonalistom opieki zdrowotnej w doskonaleniu modeli sztucznej inteligencji?

Praktykujemy podejście z ludzkim udziałem, aby zapewnić etyczne i niezawodne wdrożenie i wdrożenie sztucznej inteligencji. Nasza platforma odzwierciedla to podejście: analiza sztucznej inteligencji i ludzka, dostarczająca informacje zwrotne na temat doświadczenia klienta, wydajności operacyjnej, zgodności i więcej.

Podczas gdy nasz zespół wewnętrzny pracuje na wszystkich poziomach platformy, nasze modele GenAI są trenowane z danymi specyficznymi dla opieki zdrowotnej, aby dostarczyć wskazówki, takie jak podsumowania bogate w kontekst, agregacja tematów i automatyczne notatki coaches, i ogłosiliśmy zintegrowanego asystenta sztucznej inteligencji, który dostarcza znaczące wskazówki natychmiast.

Jak widzisz przyszłość sztucznej inteligencji w opiece zdrowotnej w ciągu najbliższych pięciu lat, i jaka rola przypadnie Authenticx w tej transformacji?

Najbliższe pięć lat sztucznej inteligencji w opiece zdrowotnej będzie rewolucyjne. Wpływ, jaki sztuczna inteligencja ma na świat, jest już znaczący, więc posiadanie więcej danych, wskazówek, bezpieczeństwa i ustaleń doprowadzi do większej precyzji i wydajności dla technologii predykcyjnych, doświadczenia pracownika i klienta, oraz zaawansowanych sposobów monitorowania opieki, co ostatecznie poprawi cały system opieki zdrowotnej.

Continuing to listen to improve, revise, and create models will help healthcare and patient care progress positively. This impact will come from industry-specificity in developing new AI tools and models – and we’re excited about it. Thank you for the great interview, readers who wish to learn more should visit Authenticx.