Fawad Butt, CEO i współzałożyciel Penguin Ai – seria wywiadów

Fawad Butt, CEO i współzałożyciel Penguin Ai, to doświadczony menedżer w dziedzinie danych zdrowotnych i sztucznej inteligencji, który założył firmę po pełnieniu funkcji kierowniczych w Kaiser Permanente, UnitedHealthcare i Optum, gdzie nadzorował duże projekty związane z zarządzaniem danymi, analityką, sztuczną inteligencją i platformami przedsiębiorstw. Jego doświadczenie w kierowaniu strategią danych wewnątrz największych organizacji płatniczych i świadczących usługi zdrowotne ukształtowało focus Penguin Ai na rozwiązywanie nieefektywności administracyjnych w opiece zdrowotnej za pomocą sztucznej inteligencji, a nie wymuszaniu ogólnych platform na złożone procesy zdrowotne. Pod jego kierownictwem Penguin Ai jest ukierunkowana na praktyczną tezę: opieka zdrowotna potrzebuje systemów sztucznej inteligencji zaprojektowanych specjalnie dla operacji płatników i świadczących usługi, z możliwością redukcji pracy ręcznej, poprawy dokładności i pomocy zespołom w spędzaniu więcej czasu na decyzjach klinicznych i operacyjnych o wyższej wartości.

Penguin Ai to firma zajmująca się sztuczną inteligencją, ukierunkowana na automatyzację administracyjnych i klinicznych operacji dla płatników, świadczących usługi, firm zarządzających cyklem przychodów, oraz partnerów technologicznych w dziedzinie zdrowia. Jej platforma łączy modele językowe specyficzne dla zdrowia, cyfrowych pracowników, agentów sztucznej inteligencji, zarządzania, zgodności i automatyzacji przepływów pracy dla przypadków takich jak uprzednia autoryzacja, przetwarzanie roszczeń, kodowanie medyczne, zarządzanie apelacjami, dostosowanie ryzyka, integralność płatności, podsumowanie dokumentacji medycznej, podsumowanie dokumentacji klinicznej i weryfikacja kwalifikacji. Firma zabezpieczyła 29,7 miliona dolarów w finansowaniu venture, w tym 25 milionów dolarów w ramach rundy A pod przewodnictwem Greycroft, w celu rozszerzenia zatrudnienia, rozwoju produktów i wdrożeń u płatników i świadczących usługi, oraz uruchomiła Gwen, platformę do tworzenia własnych rozwiązań sztucznej inteligencji dla procesów administracyjnych.

Po kierowaniu organizacjami danych i analityki w Kaiser Permanente, UnitedHealthcare i Optum, jakie konkretnie doświadczenia przekonały Cię, że opieka zdrowotna potrzebuje platformy sztucznej inteligencji zaprojektowanej specjalnie dla niej, i jak te lekcje ukształtowały wizję założycielską Penguin Ai?

Będę mówił o dokładnym momencie, w którym to zrozumiałem. Siedziałem na przeglądzie w jednym z dużych płatników, patrząc na kolejkę uprzednich autoryzacji, które zostały odrzucone trzykrotnie, i żadna z nich nie miała prawdziwego pytania klinicznego. Odrzucano je, ponieważ pole nie pasowało lub dokumentacja pojawiła się w niewłaściwym formacie. Niektórzy z najlepszych operatorów w kraju spędzali cały dzień, karmiąc maszynę, która nic nie dawała pacjentowi czekającemu na drugim końcu. Widziałem ten sam marnotrawstwo w Kaiser, w UnitedHealthcare, w Optum, tylko w różnych kostiumach. To był moment, w którym przestałem wierzyć w linie branżową, że tarcie jest ceną skali. Wizja Penguin Ai wynikała bezpośrednio z tego frustracji: zbuduj platformę, która mówi językiem płatników i świadczących usługi, umieść kontekst zdrowotny w systemie, aby pracownik sztucznej inteligencji stosował Twoje kryteria i wykazywał swoje powody, utrzymuj osobę odpowiedzialną za osąd kliniczny, i zrób to, aby odciążyć wszystkich innych. To jest cała gra.

Penguin Ai koncentruje się na rozwiązywaniu ciężaru administracyjnego w wysokości biliona dolarów w opiece zdrowotnej. Jakie procesy pracy wybrałeś jako pierwsze, i dlaczego uprzednia autoryzacja, rozstrzygnięcie roszczeń, kodowanie medyczne i apelacje wyłoniły się jako największe możliwości transformacji napędzianej sztuczną inteligencją?

Pójście tam, gdzie ból krzyczy najgłośniej. Uprzednia autoryzacja, rozstrzygnięcie roszczeń, kodowanie medyczne i apelacje znalazły się na szczycie z jednego powodu: są to ogromne stosy powtarzalnej pracy, gdzie większość przypadków podąża za wzorcem, a wyjątki są na tyle rzadkie, że człowiek powinien widzieć tylko wyjątki. Uprzednia autoryzacja znalazła się na liście, ponieważ tam można dosłownie obserwować, jak pacjent cierpi, podczas gdy dokumenty leżą w kolejce, i nikt nie broni tego z prostym obliczem. Kiedy nasi pracownicy sztucznej inteligencji zajmują się rutynowym obciążeniem i kierują prawdziwe wyjątki do osoby, wyniki nie są subtelne. Przeglądy są przyspieszone nawet o 97 procent, odrzucenia maleją o ponad połowę, a około 92 procent przypadków rozwiązuje się bez dotyku ręcznego. Wybrałem te cztery, ponieważ pozwoliły mi szybko udowodnić tezę: odciążenie administracyjne i uczynienie opieki zdrowotnej lepszą dla pacjenta, klinicysty i osoby wykonującej pracę. Każdy wygrywa w tym samym ruchu, co jest dokładnie dlaczego zaczęliśmy tam.

Jako menedżer w branży zdrowia, oceniłeś wiele firm technologicznych. Jakie są najczęstsze powody, dla których startupy sztucznej inteligencji nie zyskują przyczepności w dużych systemach zdrowia i u płatników?

Usiadłem wystarczająco długo po stronie kupującego, aby obserwować, jak startupy spalają swoją szansę tymi samymi trzema sposobami. Po pierwsze, traktują opiekę zdrowotną jak każdego innego klienta przedsiębiorstwa i zostają zaskoczeni przez bałagan integracyjny, systemy legacy i ciężar regulacyjny, o którym nikt ich nie ostrzegał. Po drugie, przeszacowują autonomię, a potem nie mogą odpowiedzieć na pierwsze trudne pytanie, które zawsze jest jakąś wersją “pokaż mi, jak to się stało”. Brak śladu audytowego, brak powodów, które zespół compliance zaakceptuje, i pilot umiera tam w pokoju. Po trzecie, naprawiają jedną stronę relacji płatnik-świadczący usługi i nie chwytają, że tarcie żyje w szwie między nimi. I szczerze, każdy kupujący, którego znam, jest zmęczony. Mają szufladę pełną narzędzi napędzanych sztuczną inteligencją, które dodały tylko pulpit i nie przeniosły żadnej pracy z nikogo. Poprzeczka jest wysoka, a cierpliwość jest cienka, i każdy, kto nie może pokazać realnej ścieżki od pilota do produkcji, zostaje pokazany drzwi.

Wiele organizacji zdrowotnych pozostaje ostrożnych wobec wdrożenia sztucznej inteligencji w misjach krytycznych. Jak wygląda udane wdrożenie sztucznej inteligencji w dużej organizacji płatniczej lub świadczącej usługi, i jakie błędy popełniają liderzy, próbując ją skalować?

Prawdziwe wdrożenie zaczyna się od małych kroków i zdobywa zaufanie. Wybierz jeden proces, który naprawdę boli, trzymaj ludzi w pętli, aby mogli obserwować pracę i zaufać jej, i pozwól dowodom kupić rozwinięcie. Kiedy zespół widzi pracownika sztucznej inteligencji, który rozwiązuje rutynowe przypadki poprawnie i przekazuje te, które naprawdę wymagają osądu, przestają opierać się i zaczynają prosić o więcej. Błędy są boleśnie przewidywalne. Liderzy próbują gotować ocean i wdrożyć wszędzie na raz. Kupują technologię i nigdy nie projektują procesu pracy wokół niej, więc ciężar po prostu przenosi się do innej kolejki. Albo wyjmują ludzi za szybko, spalają zaufanie i potem się dziwują, dlaczego nikt nie dotyka tego. Skalowanie sztucznej inteligencji w systemie zdrowia to praca związana ze zmianą, nosząca kostium technologiczny. Zespoły, które wygrywają, traktują to w ten sposób i zobowiązują się do twardego wskaźnika od pierwszego dnia, aby każdy wiedział, co tak naprawdę wygląda sukces.

Penguin Ai kładzie nacisk na modele sztucznej inteligencji i procesy pracy rodzime dla zdrowia, a nie na ogólne rozwiązania przedsiębiorstw. Jakie unikalne wyzwania w zdrowiu wymagają podejścia specjalistycznego, i gdzie ogólne platformy sztucznej inteligencji zawodzą?

Opieka zdrowotna nie jest przypadkiem ogólnym dla przedsiębiorstwa, i udawanie, że tak jest, kończy się porażką. Ma swój język, swoje reguły, swoje konsekwencje, i żadne z nich nie są opcjonalne. Ogólny model da Ci pewne, prawdopodobne odpowiedzi, które są cicho błędne, ponieważ nie zawierają Twoich kryteriów konieczności medycznej i nie mogą wykazać swojej pracy w sposób, który audytor lub klinicysta zaakceptuje. To nie jest rozwiązanie. Zbudowaliśmy Penguin Ai warstwami z tego samego powodu: warstwa danych, która łączy informacje, warstwa Kontekstu, która zawiera specyficzną dla zdrowia logikę i zarządzanie, i siła robocza sztucznej inteligencji, która wykonuje pracę, w tym nasze predefiniowane rozwiązania pracowników sztucznej inteligencji i Gwen, budowniczy, który pozwala Twojemu zespołowi stworzyć nowych pracowników sztucznej inteligencji. Ogólne platformy zawodzą, ponieważ traktują ekspertyzę zdrowotną jak coś, co można wprowadzić za pomocą podpowiedzi. Nie można. Trzeba ją zbudować w systemie, i to jest cały punkt tego, co stworzyliśmy.

Uprzednia autoryzacja pozostaje jednym z najbardziej frustrujących procesów dla świadczących usługi i pacjentów. Jak widzisz przyszłość sztucznej inteligencji w uprzedniej autoryzacji w ciągu najbliższych pięciu lat, i jakie zabezpieczenia są niezbędne, aby upewnić się, że automatyzacja poprawia wyniki bez tworzenia nowych barier?

W ciągu pięciu lat proste zatwierdzenia powinny wracać w ciągu kilku minut, stosowane spójnie z Twoimi wytycznymi, z klinicystą w pętli dla wszystkiego, co wymaga osądu medycznego. To jest dobra wersja. Oto część, którą ludzie pomijają: automatyzacja może tak samo łatwo zindustrializować bariery, jeśli ją zbudujesz leniwie. Szybszy sposób na odmowę opieki to zaniedbanie z lepszym przepływem. Zabezpieczenia są więc całą grą. Każda rekomendacja pracownika sztucznej inteligencji musi zawierać swoje powody i pełny ślad audytowy, co nazywamy szklaną skrzynką, aby ktokolwiek mógł zobaczyć dokładnie, jak to się stało. Prędkość nigdy nie powinna stać się przykrywką dla cichej ściany zautomatyzowanych odmów. I wykwalifikowany człowiek pozostaje odpowiedzialny za osąd kliniczny, zawsze. To się uda, i uprzednia autoryzacja przestaje być tym, czego pacjenci i lekarze się boją. To się nie uda, i zbudowałeś szybszą wersję problemu. Jestem zainteresowany tylko pierwszym.

Branża coraz częściej mówi o agentach sztucznej inteligencji i autonomicznych procesach pracy. Jakie są największe techniczne i operacyjne przeszkody w wdrożeniu sztucznej inteligencji, która może niezawodnie obsługiwać złożone administracyjne zadania zdrowotne z minimalnym zaangażowaniem ludzi?

Trudna część to nie demo, ale krawędzie. Obsługa wyjątków, brudne i niespójne dane oraz systemy legacy, które nie były zaprojektowane do rozmawiania z czymkolwiek. To jest miejsce, w którym żyje prawdziwe inżynieria. Operacyjna przeszkoda to zaufanie, które żaden system zdrowotny nie daje za darmo. Jeśli Twoi ludzie nie mogą tego audytować ani wyjaśnić, nie będą go skalować, koniec. Teraz pozwól mi nieco odrzucić założenie. “Minimalne zaangażowanie ludzi” to złe cel, i martwi mnie, gdy to słyszę. Punkt jest taki, aby uwolnić ludzi od złożonych przypadków i osądów, gdzie ich ekspertyza naprawdę się liczy. Nasi pracownicy sztucznej inteligencji zajmują się powtarzalnym obciążeniem i wiedzą, kiedy włączyć osobę. Rozwiązanie tego przekazania, niezawodnie i przejrzyście, w skali zdrowia, jest trudnym problemem wartym rozwiązania. Wszystko inne to projekt z naukowego kiermaszu.

Opieka zdrowotna jest jedną z najbardziej skomplikowanych branż na świecie. Jak równoważysz prędkość innowacji z zgodnością, wymogami dotyczącymi prywatności, audytowalnością i potrzebą odpowiedzialności ludzi w systemach napędzanych sztuczną inteligencją?

Zarabiasz prawo do poruszania się szybko, budując rzeczy, które wytrzymują. W opiece zdrowotnej zarządzanie jest podstawą, i to jest to, co wylaliśmy jako pierwsze. Kiedy masz do czynienia z danymi pacjentów, przedsiębiorstwowe zarządzanie danymi jest wymogiem moralnym, i mam to na myśli dosłownie. Każda rekomendacja biegnie do standardu szklanej skrzynki, powody plus pełny ślad audytowy, co pozwala zespołowi compliance naprawdę ufać prędkości. Odpowiedzialność ludzi jest wbudowana w projekt, ponieważ wykwalifikowana osoba posiada wszystko, co dotyka osądu klinicznego, podczas gdy pracownik sztucznej inteligencji zajmuje się montażem i rutynowym obciążeniem. To jest sposób, w jaki możesz być szybki i godny zaufania w tym samym systemie, i w tej branży nie możesz wybrać jednego i pominąć drugiego. Większość ludzi traktuje zgodność i audytowalność jako hamulce. Ja widzę je jako to, co pozwala mi postawić stopę, ponieważ bez nich nigdy nie osiągniesz produkcji, na której ci zależy.

Przeszedłeś z kierowania dużymi organizacjami danych i analityki do budowania startupu od podstaw. Jakie aspekty podróży od operatora do założyciela były najbardziej satysfakcjonujące, a jakie wyzwania były najbardziej zaskakujące?

Najbardziej satysfakcjonującą częścią jest to, że wreszcie możesz zbudować to od razu. Wewnątrz dużej organizacji zmiana porusza się z prędkością instytucji. Każda poprawka musi być routingowana przez systemy legacy, konkurencyjne priorytety i warstwy zatwierdzeń, więc poprawka, o której wiesz, że jest słuszna, może zająć osiemnaście miesięcy, jeśli w ogóle się pojawi. Ten temp może zmęczyć, gdy widzisz dokładnie, co musi się stać. W przestrzeni założycielskiej ten sufit znika. Możemy budować od zera, projektować platformę wokół problemu, a nie wokół trzydziestu lat nagromadzonych rozwiązań, i wysyłać odpowiedź, zanim jeszcze się liczy. Gdy słyszę, że pielęgniarka odzyskała swoje wieczory, lub pacjent dostał odpowiedź w ciągu godzin, gdzie wcześniej zajmowało to dni, to ma wpływ w sposób, w jaki nigdy nie miał przegląd mapy drogowej.

Najbardziej zaskakującą częścią, i to, co mnie naprawdę pokorało, jest to, jak wiele tej pracy to opowiadanie historii. Przeszedłem przez dane i systemy, i założyłem, że technologia poniesie argument. Nie robi tego. Prosisz ludzi, aby uwierzyli, że inny sposób pracy jest możliwy, i zarabiasz tę wiarę jeden dowód na raz. Tempo jest brutalne, nosisz czterdzieści kapeluszy przed lunchem, i to wciąż najbardziej znacząca praca, jaką kiedykolwiek wykonałem.

Spójrzając w przyszłość, jeśli sztuczna inteligencja pomoże usunąć znaczną część administracyjnego ciężaru z opieki zdrowotnej, jak myślisz, że płatnicy, świadczący usługi i pacjenci będą doświadczać systemu zdrowia inaczej w ciągu najbliższej dekady?

W ciągu dekady, jeśli to się uda, system wreszcie zacznie wyglądać jak opieka. Pacjenci otrzymują prawdziwe odpowiedzi, gdy są przerażeni i bezbronni, i przestają musieć zdobywać tytuł licencjata w biurokracji ubezpieczeniowej, aby dostać to, co ich lekarz już zamówił. Klinicyści spędzają swoje godziny na sztuce medycyny i na ludziach przed nimi, zamiast mielić się przez osiemdziesiąty siódmy rutynowy przypadek przed lunchem. Personel operacyjny i administracyjny, niektórzy z najmniej docenianych ludzi w całej tej branży, wreszcie wykonują pracę, która wykorzystuje ich prawdziwą ekspertyzę. I płatnicy oraz świadczący usługi koordynują się zamiast wymieniać dokumenty przez szew, który nikt nie posiada. To jest opieka zdrowotna, w kierunku której buduję. Karta wyników, o której dbam, jest nudna i specyficzna: czas zwrócony do opieki pacjenta i opóźnienia wyciągnięte z doświadczenia pacjenta. Wszystko, co robimy, jest na rzecz tych dwóch liczb.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Penguin Ai.