Sundar Subramanian, CEO Zytera – Seria wywiadów

Sundar Subramanian, CEO Zytera, jest doświadczonym menedżerem ds. strategii i opieki zdrowotnej z doświadczeniem obejmującym doradztwo zarządcze, transformację cyfrową oraz operacje w dużej skali w sektorze opieki zdrowotnej. Przed objęciem stanowiska CEO w lipcu 2025 r. spędził ponad 16 lat w PwC’s Strategy&, gdzie kierował amerykańskim działem doradztwa strategicznego oraz praktyką Enterprise Strategy, Value and Digital Transformation, doradzając dużym organizacjom w zakresie wzrostu, przekształcania modeli operacyjnych i transformacji wspieranej AI. Wcześniej w swojej karierze Subramanian współkierował Medicaid and Medicare Center of Excellence w Booz & Company i intensywnie współpracował z płatnikami opieki zdrowotnej, po pełnieniu wysokich stanowisk w WellCare i McKinsey & Company. W Zyterze prowadzi rozwój firmy w obszarze agentowej AI i inteligentnej orkiestracji przepływów pracy, kładąc nacisk na wykorzystanie AI do przedefiniowania kompleksowych procesów biznesowych, a nie jedynie automatyzacji pojedynczych zadań.

Zyter jest prywatną firmą technologiczną działającą w sektorze przedsiębiorstw, posiadającą ponad dwie dekady doświadczenia w cyfrowej opiece zdrowotnej, gdzie jej platforma TruCare population health wspiera ponad 44 miliony osób w ponad 45 organizacjach opieki zdrowotnej. Firma rozwija się teraz poza korzeniami w opiece zdrowotnej, tworząc platformę wykonawczą AI przeznaczoną do złożonych i silnie regulowanych przepływów pracy w sektorach opieki zdrowotnej, rządu i usług finansowych. Jej architektura łączy Zyter Symphony, który koordynuje agenty AI, systemy przedsiębiorstwa i działania ludzkie; Zyter Praxis, który pakietuje agenty, reguły, dane i nadzór ludzki w moduły przepływów pracy od początku do końca; oraz TruCare Digital Core, który łączy te przepływy z systemami takimi jak elektroniczne rekordy zdrowotne, platformy roszczeń, systemy ERP i oprogramowanie CRM. Szerszym celem jest uruchomienie agentowej AI w istniejących środowiskach przedsiębiorstwa przy zachowaniu zarządzania, możliwości audytu i nadzoru ludzkiego nad decyzjami o konsekwencjach.

Spędziłeś ponad 16 lat w Strategy&, prowadząc amerykański dział doradztwa strategicznego i intensywnie pracując w sektorze opieki zdrowotnej, po wcześniejszym doświadczeniu w WellCare. Co przekonało Cię, że kolejny wielki krok w opiece zdrowotnej będzie wynikał z agentowej AI i realizacji przepływów pracy, a nie z kolejnej generacji tradycyjnego oprogramowania?

W trakcie mojej kariery miałem okazję obserwować opiekę zdrowotną z kilku perspektyw: jako operator, konsultant strategiczny i obecnie jako twórca technologii. Z tych doświadczeń wyłoniła się coraz wyraźniejsza obserwacja. Opieka zdrowotna nie boryka się z brakiem technologii. Boryka się z tym, że technologia nie zmienia sposobu wykonywania pracy.

W ciągu ostatniej dekady branża intensywnie inwestowała w cyfryzację. Modernizowaliśmy infrastrukturę, rozwijaliśmy analitykę, poprawialiśmy interoperacyjność, a ostatnio przyjęliśmy AI. Inwestycje te stworzyły ważne nowe możliwości, ale nie rozwiązały jednego z najbardziej uporczywych wyzwań opieki zdrowotnej: koordynacji pracy pomiędzy ludźmi, systemami, politykami i organizacjami. Zbyt często technologia była nakładana na istniejące modele operacyjne zamiast zmieniać ich funkcjonowanie.

To uświadomienie zmieniło moje podejście do transformacji. Następna faza nie polega na wdrażaniu kolejnych rozwiązań AI. Chodzi o przedefiniowanie sposobu wykonywania pracy. AI jest niezwykłym umożliwiaczem, ale jej największa wartość wynika z pomagania organizacjom w bardziej efektywnej realizacji poprzez orkiestrację pracy pomiędzy ludźmi, systemami, politykami i AI.

To właśnie przyciągnęło mnie do Zytera. Po latach pomocy organizacjom w opracowywaniu strategii transformacji chciałem pomóc zbudować warstwę wykonawczą, która przekształca te strategie w wymierne rezultaty. Dla mnie przyszłość opieki zdrowotnej nie polega na uczynieniu AI bardziej inteligentną. Chodzi o pomoc w bardziej inteligentnym funkcjonowaniu opieki zdrowotnej.

Zyter pozycjonuje się jako warstwa wykonawcza dla agentowego przedsiębiorstwa, przy czym Symphony orkiestruje agenty i ludzi, Praxis realizuje przepływy pracy, a TruCare osadza je w danych przedsiębiorstwa. Co ta architektura może osiągnąć, czego nie potrafią pojedyncze AI‑kopiloty?

Transformacja przedsiębiorstwa nigdy nie była ograniczona brakiem pomysłów czy inteligencji. Organizacje zazwyczaj wiedzą, co mają zrobić. Trudniejsze wyzwanie polega na konsekwentnym przekształcaniu tych decyzji w działanie wśród ludzi, systemów, polityk i przepływów pracy.

Właśnie tam dostrzegam następną fazę AI w przedsiębiorstwach. Indywidualni asystenci AI zwiększają produktywność ludzi. AI w przedsiębiorstwie powinna zwiększać skuteczność organizacji. Powinna koordynować pracę, realizować przepływy, dostosowywać się do zmieniających się warunków i nieustannie usprawniać funkcjonowanie organizacji.

Nasza architektura odzwierciedla tę filozofię. Symphony orkiestruje agenty AI, systemy przedsiębiorstwa i ludzką ekspertyzę. Praxis realizuje przepływy pracy, a TruCare zapewnia operacyjną podstawę, osadzając te przepływy w zaufanych danych przedsiębiorstwa. Razem tworzą warstwę wykonawczą, w której AI staje się częścią sposobu wykonywania pracy, a nie kolejnym narzędziem używanym przez ludzi obok ich pracy.

Organizacje ostatecznie będą oceniały AI pod kątem jej zdolności do poprawy wyników. Produktywność ma znaczenie, ale długoterminowa wartość wynika z pomocy przedsiębiorstwom w bardziej konsekwentnym wykonywaniu, szybszym dostosowywaniu się i uczeniu się na każdym uruchomionym przepływie pracy.

Agentowa AI staje się znacznie bardziej złożona, gdy wiele agentów współdzieli dane, przekazuje zadania i eskaluje decyzje do ludzi. Czego Zyter nauczył się o tworzeniu systemów wielo‑agentowych wystarczająco niezawodnych dla opieki zdrowotnej w skali?

Gdy AI wykracza poza pojedyncze przypadki użycia i staje się częścią codziennych operacji, wyzwanie się zmienia. Staje się mniej kwestią inteligencji jednego agenta, a bardziej koordynacji pracy pomiędzy systemami, politykami, ludźmi i AI.

Odkryliśmy, że specjalizacja ma znaczenie. Opieka zdrowotna nie polega na jednej osobie wykonującej wszystko, i AI również nie powinna. Agenci z jasno określonymi obowiązkami są bardziej niezawodni, łatwiejsi do zarządzania i ulepszania w czasie. Warstwa orkiestracji koordynuje tych agentów, zarządza przekazaniami, konsekwentnie stosuje polityki i określa, kiedy ludzka ekspertyza powinna zostać wprowadzona do przepływu pracy.

Widoczność jest równie ważna. Zespoły muszą rozumieć, jak podjęto decyzje, jakie informacje je ukształtowały i jak przyczyniły się do wyniku. Rejestrowanie pochodzenia decyzji zapewnia tę przejrzystość, jednocześnie umożliwiając każdemu przepływowi pracy stanie się źródłem nauki i ciągłego doskonalenia.

Niezawodna AI nie jest definiowana liczbą wdrożonych agentów. Odzwierciedla się to w konsekwentnym wykonywaniu pracy, w pewności, z jaką ludzie mogą ufać wynikom, oraz w skuteczności systemu w doskonaleniu się w czasie.

Organizacje opieki zdrowotnej chcą, aby systemy AI rozwijały się w czasie, ale potrzebują także przewidywalnego zachowania i możliwości audytu. Jak umożliwiacie ciągłe uczenie się bez pozwalania systemom na odchodzenie od wytycznych klinicznych, polityk płatników lub zatwierdzonych przepływów pracy?

Nie uważam, że każda decyzja powinna być automatyzowana przy użyciu AI. W opiece zdrowotnej istnieje wiele decyzji, w których logika deterministyczna, ustalone reguły biznesowe lub polityki kliniczne mogą zapewnić jasną i spójną odpowiedź. Gdy jest to możliwe, powinniśmy je stosować, zamiast wprowadzać niepotrzebną niepewność.

Ciekawszą możliwością jest połączenie tych deterministycznych podejść z AI. Z powodzeniem wdrożyliśmy logikę neuro‑symboliczną, która tworzy warstwę weryfikacji wokół rozumowania napędzanego AI. AI może interpretować złożone lub nieustrukturyzowane informacje, podczas gdy reguły deterministyczne i logika symboliczna weryfikują, że wynikające działanie pozostaje zgodne z ustalonymi politykami, wytycznymi i zatwierdzonymi przepływami pracy. To zmniejsza niepewność i poprawia dokładność w porównaniu z poleganiem wyłącznie na podejściu AI.

To także zmienia moje podejście do ciągłego uczenia się. Celem nie jest dawanie AI większej swobody w podejmowaniu decyzji w czasie. Chodzi o uczenie się z realizacji przy jednoczesnym zachowaniu kontroli określających, jak podejmowane są decyzje o konsekwencjach. Można usprawnić sposób, w jaki system interpretuje informacje, obsługuje wyjątki i koordynuje pracę, nie pozwalając mu odchodzić od reguł rządzących podstawowym procesem.

Połączenie rozumowania AI, decyzji deterministycznych i ciągłej weryfikacji to sposób na tworzenie systemów, które mogą się rozwijać w czasie, pozostając jednocześnie przewidywalne, audytowalne i odpowiedzialne.

Zyter bada C‑RLM, rekurencyjne podejście do syntezy długich i fragmentowanych historii klinicznych. Jak ważne stanie się rozumowanie w długim kontekście w opiece zdrowotnej i czy agenci ostatecznie będą utrzymywać ciągle rozwijające się rozumienie każdego pacjenta?

Opieka zdrowotna nigdy nie cierpiała na brak informacji. Problem polega na tym, że historia pacjenta rozciąga się na lata notatek lekarzy, wyników badań, leków, obrazowania, roszczeń i interakcji opieki. Zrozumienie tej historii wymaga więcej niż przetworzenie dużej ilości danych. Wymaga połączenia dowodów, rozpoznawania wzorców i budowania spójnego rozumienia drogi każdego pacjenta.

Rozumowanie w długim kontekście będzie coraz ważniejsze, gdy AI wykracza poza pomoc przy pojedynczych zadaniach i zaczyna wspierać opiekę longitudinalną. Nasza praca z C‑RLM odzwierciedla ten kierunek. Celem nie jest jedynie podsumowanie większej ilości informacji. Chodzi o syntezę fragmentarycznych dowodów klinicznych w ustrukturyzowane rozumienie, które pozostaje osadzone w pierwotnym rekordzie. Każdy wniosek musi być także możliwy do śledzenia do źródła, aby klinicyści mogli zrozumieć, jak został osiągnięty i zweryfikować go względem dowodów.

W miarę dojrzewania tych możliwości, agenci AI będą coraz częściej pomagać w utrzymaniu ciągle rozwijającego się rozumienia drogi każdego pacjenta. To rozumienie powinno stawać się bogatsze w miarę pojawiania się nowych informacji, pozostając jednocześnie przejrzyste, oparte na dowodach i osadzone w zaufanych danych klinicznych. Rolą AI jest dostarczenie klinicystom pełniejszego obrazu, aby mogli podejmować lepiej poinformowane decyzje z większą pewnością.

Zyter uczestniczy w programie CMS WISeR, w którym AI może wspierać przepływy pracy, a licencjonowani klinicyści zachowują władzę decyzyjną. Czy to mniej więcej miejsce, w którym dziś powinna znajdować się granica autonomii, i co musiałoby się zmienić, zanim agenci AI mogliby podjąć bardziej konsekwentne decyzje?

Nie uważam, że istnieje jedyna granica autonomii w opiece zdrowotnej. Odpowiednia rola AI zależy od przepływu pracy, poziomu ryzyka oraz pewności organizacji, że system będzie zachowywał się konsekwentnie w warunkach rzeczywistych.

Programy takie jak WISeR odzwierciedlają tę rzeczywistość. AI jest już bardzo skuteczna w syntezie informacji, konsekwentnym stosowaniu ustalonych polityk, koordynacji administracyjnych przepływów pracy i redukcji powtarzalnych zadań. Licencjonowani klinicyści nadal dostarczają osąd w decyzjach, w których najważniejsze są kontekst, niejednoznaczność i odpowiedzialność. To model operacyjny, który wykorzystuje mocne strony zarówno AI, jak i ludzkiej ekspertyzy.

Z czasem te granice będą się dalej rozwijać, ale powinny to robić, ponieważ zaufanie zostało zdobyte, a nie dlatego, że modele stały się bardziej zdolne. Pewność wynika z dowodów, przejrzystości, walidacji i konsekwentnej wydajności w produkcji. Każde rozszerzenie roli AI powinno być poparte tymi samymi standardami, które opieka zdrowotna stosuje do każdej innej kluczowej funkcji.

Nie sądzę, że sukces będzie mierzony stopniem autonomii AI. Będzie on mierzony tym, czy pacjenci otrzymują lepszą opiekę, klinicyści mają więcej czasu na skomplikowane decyzje, a opieka zdrowotna działa efektywniej w wyniku tego.

Zyter niedawno przeniósł TruCare na natywną chmurę AWS, aby wspierać orkiestrację AI w skali przedsiębiorstwa. Jak duża część wyzwania w agentowej AI dotyczy samych modeli, a jaką infrastrukturę łączącą dane, systemy, polityki i ludzi?

Modele bazowe rozwijają się w niezwykłym tempie, co jest korzystne dla całej branży. Dyskusja stopniowo przesuwa się od tego, co modele są w stanie zrobić, do tego, jak działają w rzeczywistych przedsiębiorstwach.

Łączenie danych, systemów, polityk i ludzi to miejsce, w którym transformacja albo odnosi sukces, albo się zatrzymuje. AI musi działać w istniejących środowiskach operacyjnych, realizować zadania w wielu systemach, konsekwentnie stosować polityki i działać niezawodnie w skali produkcyjnej. Bez tej podstawy nawet najpotężniejszy model pozostaje odłączony od pracy, którą ma usprawnić.

Nasze przejście na natywną architekturę AWS odzwierciedla tę ewolucję. Dostarcza odpornej, skalowalnej podstawy niezbędnej do orkiestracji AI w przepływach pracy przedsiębiorstwa, zachowując jednocześnie niezawodność, zarządzanie i wydajność wymaganą w opiece zdrowotnej. Infrastruktura jest ważna, ponieważ umożliwia AI stanie się częścią codziennego wykonywania pracy, a nie jedynie kolejną aplikacją działającą obok istniejących procesów.

Długoterminowa szansa nie wynika jedynie z lepszych modeli. Wynika z połączenia postępów w AI z infrastrukturą i modelem operacyjnym niezbędnym do konsekwentnego wykonywania pracy w skali przedsiębiorstwa.

Zyter pozycjonuje również swój model wykonawczy dla innych regulowanych branż, w tym usług finansowych i rządu. Które elementy platformy są naprawdę poziome, a które korzyści wynikają konkretnie z doświadczenia Zytera w opiece zdrowotnej?

Regulowane branże często postrzega się przez pryzmat tego, co je odróżnia. Odkryłem, że równie ważne jest zrozumienie ich wspólnych cech. Niezależnie od tego, czy dostarczasz opiekę zdrowotną, zarządzasz ryzykiem finansowym, czy wspierasz programy rządowe, sukces zależy od koordynacji złożonej pracy pomiędzy ludźmi, systemami, politykami i danymi, przy zachowaniu odpowiedzialności za każdą decyzję.

To właśnie tam widzę model wykonawczy jako zasadniczo poziomy. Orkiestracja AI, systemów przedsiębiorstwa i ludzkiej ekspertyzy, konsekwentne stosowanie polityk, koordynacja pracy w wielu systemach oraz utrzymanie przejrzystości to wyzwania wykraczające daleko poza opiekę zdrowotną. Przepływy pracy różnią się w zależności od branży, ale potrzeba niezawodnej realizacji jest niezwykle spójna.

Opieka zdrowotna nie zmieniła tego, co zbudowaliśmy. Podniosła standard, jakim musieliśmy się kierować przy budowie. Przepływy kliniczne wymagają precyzji, interoperacyjności, zarządzania, odporności i zaufania, ponieważ konsekwencje błędów są poważne. Projektowanie pod tym poziomem złożoności stworzyło model wykonawczy, który można dostosować do innych regulowanych branż, w których dyscyplina operacyjna, zgodność i odpowiedzialność są równie kluczowe.

W miarę jak AI będzie coraz głębiej wbudowywana w operacje przedsiębiorstw, myślę, że dyskusja przesunie się od pytania, czy dana funkcja została zbudowana dla konkretnej branży, ku temu, czy może ona niezawodnie działać w złożonych, regulowanych środowiskach. To standard, który od początku projektowaliśmy.

Rural Health Orchestrator firmy Zyter łączy opiekę wirtualną, zdalne monitorowanie, zarządzanie opieką i usługi kliniczne. Co może rozwiązać orkiestracja agentowa w opiece zdrowotnej na obszarach wiejskich, czego nie zapewnia sam telemedycyna?

Telemedycyna rozwiązała istotny problem dostępu. Następnym wyzwaniem jest zapewnienie, że każda interakcja prowadzi do skoordynowanej akcji i wymiernych rezultatów.

Opieka zdrowotna na obszarach wiejskich poczyniła znaczące postępy w zwiększaniu dostępu dzięki telemedycynie, zdalnemu monitorowaniu i inwestycjom w szerokopasmowy internet. Jednak wyniki nie nadążają, ponieważ zbyt wiele cyfrowych interakcji pozostaje odłączonych od szerszej ścieżki opieki. Wirtualna wizyta, która nie aktualizuje planu opieki, nie wyzwala kolejnych działań ani nie koordynuje następnego kroku, zwiększa dostęp, ale niekoniecznie zdrowie.

Właśnie tutaj orkiestracja staje się niezbędna. Łączy telemedycynę, zdalne monitorowanie, zarządzanie opieką, zasoby społecznościowe i przepływy kliniczne w jeden, skoordynowany system, dzięki czemu informacje płyną bezproblemowo, a działania następują automatycznie. Każda interakcja staje się częścią ciągłej ścieżki opieki, a nie odrębnym zdarzeniem.

Szansa nie polega jedynie na zwiększeniu dostępu. Chodzi o przekształcenie dostępu w wyniki. Gdy opieka jest połączona pomiędzy ludźmi, systemami i przepływami pracy, klinicyści spędzają mniej czasu na nawigowaniu po fragmentowanych procesach, pacjenci otrzymują bardziej konsekwentną kontynuację, a systemy opieki zdrowotnej na obszarach wiejskich mogą osiągać lepsze wyniki przy już dostępnych zasobach. Właśnie tam, moim zdaniem, orkiestracja AI tworzy największą wartość.

W ramach nowej współpracy z PwC, co odróżni udaną transformację AI od kolejnego pilota AI w opiece zdrowotnej? Jakie wymierne wyniki przekonałyby Cię, że AI fundamentalnie poprawiło sposób działania płatnika lub dostawcy?

Opieka zdrowotna spędziła lata, inwestując w cyfrowe możliwości. Dziś większość organizacji ma dostęp do danych, AI i nowoczesnych technologii. Następna faza nie polega na dodawaniu kolejnych możliwości. Chodzi o przedefiniowanie sposobu wykonywania pracy.

Dlatego nie oceniam transformacji liczbą wdrożonych modeli AI czy uruchomionych pilotów. Patrzę na to, czy model operacyjny organizacji uległ zmianie. Czy decyzje są podejmowane szybciej? Czy przepływy pracy są bardziej skoordynowane między działami i systemami? Czy obciążenia administracyjne maleją, a klinicyści i zespoły opieki spędzają więcej czasu na działaniach poprawiających opiekę nad pacjentem? Czy te usprawnienia są powtarzalne w całym przedsiębiorstwie, a nie ograniczone do jednego przypadku użycia?

To filozofia stojąca za naszą współpracą z PwC. PwC wnosi głęboką wiedzę w zakresie strategii i transformacji opieki zdrowotnej. Zyter dostarcza warstwę wykonawczą, która operacjonalizuje te strategie w złożonych przepływach pracy, łącząc AI, systemy przedsiębiorstwa, polityki i ludzi, aby organizacje mogły konsekwentnie przekształcać strategię w działanie.

Dla mnie udana transformacja AI zachodzi, gdy AI nie jest już postrzegana jako odrębna inicjatywa. Staje się częścią modelu operacyjnego. Wtedy organizacje nie mierzą sukcesu samej AI. Mierzą lepsze wyniki, niższe koszty administracyjne, bardziej skoordynowaną opiekę i system opieki zdrowotnej, który działa efektywniej, ponieważ realizacja została zasadniczo usprawniona.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Zyter.