Halsey Wise, CEO da Lyric – Série de Entrevistas

Halsey Wise, CEO da Lyric, traz quase três décadas de liderança executiva, governança de conselho e experiência de criação de valor em tecnologia de saúde, software e serviços financeiros. Após servir no conselho da Lyric desde 2022, ele assumiu o cargo de CEO com foco em escalar a Plataforma Lyric42, aprofundar relacionamentos com clientes e parceiros, acelerar a inovação e o investimento em IA e impulsionar o crescimento por meio de expansão orgânica e aquisições estratégicas. Wise liderou seis empresas como CEO ou presidente, incluindo papéis de liderança em empresas públicas na Intergraph e MedAssets, e serviu nos conselhos de principais organizações de tecnologia e saúde, incluindo Cotiviti, Cerner, Aspen Technology , Acxiom, Nextech Systems, Lyric e WellSky. Ele também é presidente e CEO da Lime Barrel Advisors, um consultor sênior do TPG Capital, e co-lidera uma fundação familiar que apoia bolsas de estudo, segurança alimentar, serviços para veteranos e causas de saúde.

Lyric é uma empresa de inteligência de decisão em saúde focada em melhorar a precisão dos pagamentos para planos de saúde aplicando política, dados, IA, revisão clínica e suporte de decisão explicável antes que as reclamações sejam pagas. Sua Plataforma Lyric42 é projetada para ajudar os planos de saúde a coordenar decisões de pagamento em regras, fluxos de trabalho, produtos de integridade de pagamento e recomendações impulsionadas por IA, com o objetivo de reduzir o desperdício administrativo, melhorar a precisão de pagamento na primeira tentativa, reduzir a fricção do provedor e dar aos clientes maior transparência sobre por que as decisões de pagamento são tomadas. A empresa posiciona sua abordagem de IA como uma que aumenta a expertise humana, em vez de substituí-la, combinando automação, validação clínica, governança e controle do cliente para apoiar decisões de pagamento de saúde mais consistentes e defensáveis.

Você liderou e aconselhou grandes empresas de saúde e tecnologia, incluindo MedAssets, Cerner, Cotiviti e agora Lyric. Como sua experiência em TI de saúde, análise e tecnologia moldou sua visão para Lyric?

Em todas as empresas que eu liderou ou aconselhei, uma convicção só cresceu: a saúde não pode melhorar sem confiança, verdade e transparência em sua base. Esses não são valores suaves. São as condições operacionais sobre as quais um melhor sistema de saúde depende. Cada plano, provedor e membro é afetado por se a inteligência subjacente pode ser confiável, se a informação reflete a verdade e se o raciocínio por trás de uma decisão é transparente o suficiente para suportar escrutínio.

Essa convicção molda como eu penso sobre Lyric. Eu me juntei ao conselho da Lyric em 2022 antes de assumir o cargo de CEO, e o que eu entendi naquela época eu acredito ainda mais fortemente agora. Nós na Lyric estamos construindo uma das empresas de saúde mais inovadoras, impactantes e importantes.

Lyric é inteligência de decisão em saúde. Décadas de expertise clínica e de pagamento, relacionamentos de cliente profundos e uma plataforma operando em escala nacional nos dão uma base que poucas empresas em saúde têm. O pagamento é a expressão de maior risco dessa hoje, mas a oportunidade mais ampla é dar às pessoas em saúde a tecnologia e as informações para tomar decisões melhores, mais cedo, com confiança, em serviço de uma melhor saúde para as pessoas e pacientes que ela serve em última instância.

Eu também acredito profundamente que a tomada de decisão em saúde pertence aos humanos. Julgamento clínico, interpretação de política e responsabilidade não podem ser terceirizados para um modelo. O que a IA pode fazer, e o que ela deve fazer, é informar e apoiar as pessoas que tomam essas decisões. Ela pode detectar sinais, tendências e anomalias que estavam anteriormente enterrados em escala e complexidade. Ela pode destacar onde algo parece inconsistente, onde um padrão está surgindo ou onde uma decisão precisa de um olhar mais atento. Esse é o papel da IA na saúde: Expandir a visibilidade humana e fortalecer o julgamento humano, não substituí-lo.

Lyric passou os últimos anos reconstruindo sua pilha de tecnologia em uma plataforma de IA baseada em nuvem que suporta operações de pagamento em 190 milhões de vidas. Quais foram os principais desafios arquitetônicos ou organizacionais envolvidos nessa transição?

Lyric originou-se como uma divisão de uma organização maior. Nós herdamos infraestrutura legada ao lado de relacionamentos de cliente incríveis e décadas de expertise operacional.

Ao longo dos últimos anos, reconstruímos a fundação tecnológica do zero. O desafio não foi simplesmente modernizar a infraestrutura. Foi evoluir um negócio de precisão de pagamento de 30 anos em uma plataforma moderna de inteligência de decisão em saúde, preservando explicabilidade, auditoria e confiança.

Um princípio fundamental foi garantir zero interrupção nos negócios à medida que modernizávamos nossa tecnologia. Nós aproveitamos as capacidades avançadas da Lyric42 para garantir migrações altamente precisas, trabalhando em estreita colaboração com nossos clientes de planos de saúde para criar uma transição segura e segura.

Arquitetonicamente, mudamos de uma ordem estática pré-determinada para inteligência em tempo real que suporta decisões de pagamento de primeira tentativa dentro dos fluxos de trabalho. Ao mesmo tempo, todos os resultados tiveram que permanecer transparentes, baseados em política e explicáveis.

À medida que migrarmos os clientes para a nova plataforma, estamos apoiando operações de pagamento em 200 milhões de vidas por meio de uma arquitetura de inteligência unificada que superficia insights mais cedo, reduz o desperdício e suporta uma tomada de decisão mais consistente em escala.

Você argumentou que os pagamentos de saúde precisam mudar de recuperação pós-pagamento para inteligência pré-pagamento. Quais são as principais inovações tecnológicas que finalmente tornam essa transição viável em escala?

A mudança de recuperação pós-pagamento para inteligência pré-pagamento agora é possível porque a saúde finalmente tem a combinação de dados de fluxo de trabalho em larga escala, infraestrutura em nuvem e IA capaz de separar o sinal do ruído em ambientes de reclamações altamente complexas.

Historicamente, a maioria dos sistemas foi construída para analisar o que aconteceu após o pagamento. Hoje, podemos aplicar inteligência muito mais cedo dentro dos fluxos de trabalho, antes que erros, disputas e desperdício se movam pelo sistema.

Do ponto de vista de capacidade, a Lyric introduziu a seleção inteligente para revisão pré-pagamento, garantindo que as reclamações não sejam desnecessariamente retidas antes do pagamento quando o timing é crítico para ambos os planos e provedores. Por meio de nossa plataforma de auditoria inteligente, também habilitamos reclamações que precisam de revisão humana a serem processadas em horas ou dias, em vez das semanas ou meses que os processos tradicionais podem exigir.

Essas inovações tecnológicas, combinadas com a orquestração avançada dentro da Lyric42, desbloquearam a inteligência de decisão em saúde para a precisão pré-pagamento, combinando IA, política e revisão clínica especializada para apoiar decisões de pagamento precisas e explicáveis na primeira tentativa. Importante, isso só funciona em escala quando a inteligência permanece transparente, auditable e fundamentada em responsabilidade humana.

Muito da saúde ainda depende de infraestrutura legada fragmentada. Por que você acredita que os sistemas nativos de IA superarão fundamentalmente os “sistemas de registro” tradicionais nos próximos dez anos?

Os sistemas de saúde legados foram projetados principalmente para registrar transações e apoiar auditorias retrospectivas. Eles nunca foram construídos para apoiar a tomada de decisão baseada em inteligência dentro dos fluxos de trabalho.

A saúde agora exige sistemas de inteligência capazes de operar na escala, velocidade e complexidade que as operações de pagamento modernas exigem. A vantagem dos sistemas modernos de inteligência de decisão em saúde é não apenas a aplicação de IA. É a capacidade de combinar política, dados, IA e revisão especializada para apoiar decisões mais consistentes e explicáveis em tempo real.

A vantagem futura pertencerá aos sistemas que puderem aprender continuamente dos fluxos de trabalho operacionais, permanecendo transparentes, explicáveis e responsáveis. A saúde não pode operar sem expertise humana, então o objetivo não é a tomada de decisão autônoma. O objetivo é aumentar a tomada de decisão humana com inteligência que as pessoas possam confiar.

A Lyric descreve-se como uma empresa de IA de integridade de pagamento construída sobre décadas de expertise clínica. Quão importante é o dado de saúde proprietário e a inteligência de reclamações históricas na construção de sistemas de IA defensáveis nesse setor?

A inteligência de reclamações proprietárias e os dados de fluxo de trabalho são fundamentais em saúde porque os modelos genéricos sozinhos não são suficientes para apoiar decisões de pagamento precisas e explicáveis em escala.

A plataforma da Lyric suporta aproximadamente 200 milhões de vidas e é construída sobre décadas de inteligência operacional de reclamações. Esse conhecimento e contexto proprietários importam porque refletem como as políticas são aplicadas, onde as disputas surgem, como os erros ocorrem e como os fluxos de trabalho de pagamento se comportam no mundo real.

A combinação da integração de fluxo de trabalho, três décadas de expertise clínica e inteligência de reclamações longitudinais cria sistemas que não apenas são mais precisos, mas também mais explicáveis e operacionalmente audíveis.

Na saúde, a inteligência só importa se as pessoas podem entender, validar e agir com confiança.

Uma das principais preocupações na IA de saúde é a governança e a explicabilidade. À medida que a IA assume mais responsabilidades de tomada de decisão de pagamento, como a supervisão humana eficaz realmente parece na prática?

Para nós, o humano no loop não é um buzzword; é a arquitetura. A IA é uma ferramenta que usamos para aumentar a tomada de decisão humana.

Você pode ver isso em nosso trabalho de autorização de conteúdo. Nós construímos a experiência de autorização de conteúdo Studio42 em cima da nossa plataforma Lyric42, seguindo o princípio de que cada regra e edição devem ser determinísticas. A IA ajuda nossas equipes a revisar grandes volumes de material de governo, indústria e pesquisa, identificar padrões relevantes e superficiais recomendações. Mas a IA não se torna a fonte de verdade. A fonte de verdade é fundamentada em materiais originais e expertise clínica humana.

Cada regra e edição é projetada para ser rastreável e auditable. Especialistas clínicos revisam e validam o trabalho antes que ele chegue à produção, e cada recomendação que nossa IA faz para ajudar nossa equipe clínica a criar conteúdo é fundamentada em fontes originais e conhecimento humano. Também mantemos o histórico completo de alterações, para que fique claro se uma regra ou peça de conteúdo foi construída a partir de uma fonte governamental, industrial ou de pesquisa específica.

Isso é o que a supervisão eficaz parece na prática: a IA ajuda com escala e detecção de sinal, especialistas clínicos validam o trabalho e o sistema preserva um rastreamento de auditoria claro de material de origem para conteúdo revisado. Igualmente importante, nossos clientes retêm o controle total sobre se e quando implementar o conteúdo, regras ou recomendações superficiais pela plataforma.

Na saúde, as apostas são altas demais para decisões importantes serem tomadas apenas por uma máquina ou modelo. Na Lyric, acreditamos que a expertise humana, o julgamento e a responsabilidade devem permanecer fundamentais, não tratados como uma afterthought, projetados na arquitetura desde o início.

O desperdício de saúde permanece um dos principais impulsionadores de custos no sistema dos EUA. Onde você acredita que a IA possa ter o impacto mensurável mais rápido na redução de gastos desnecessários sem afetar negativamente o cuidado do paciente?

A saúde representa cerca de 20% do PIB dos EUA, e 25% disso é desperdício. A maioria desse desperdício é atribuída à complexidade do sistema, não à fraude ou ao desperdício intencional.

Isso é exatamente por que construímos a plataforma Lyric42. Ela muda o processo de reclamações de um modelo de pagamento e perseguição para inteligência pré-pagamento, permitindo que os planos de saúde obtenham pagamentos certos na primeira tentativa.

Uma parte significativa do desperdício de saúde vem da rework administrativa por ter inteligência incongruente em múltiplos stakeholders. Isso leva a negações e rebills desnecessários, maior intensidade de auditorias manuais e um aumento nos apelos dos provedores sem alterar significativamente o pagamento final.

O desperdício vem de não ter a inteligência certa no momento certo. A Lyric fornece aos planos de saúde inteligência de decisão e recomendações, validadas e apoiadas por conhecimento clínico, para ajudar a identificar erros e inconsistências óbvias (codificação, unidades, agrupamento, alinhamento de política médica). Fazemos isso antes do pagamento, o que reduz o desperdício e a codificação incorreta, cortando a ida e vinda da rework, apelos e ajustes.

A plataforma da Lyric está integrando cada vez mais automação, análise preditiva e fluxos de trabalho assistidos por IA em operações de reclamações. Quão perto estamos de um futuro onde grandes porções dos fluxos de trabalho de pagamento de saúde operam autonomamente?

Ao longo da próxima década, veremos um mundo onde a maioria das tarefas dentro dos fluxos de trabalho de pagamento serão automatizadas. Mas os requisitos regulatórios e de conformidade continuarão a exigir responsabilidade clara, o que significa uma responsabilidade humana e organizacional identificável. A IA, a automação e a análise preditiva otimizarão as tarefas diárias tediosas nos fluxos de trabalho de pagamento de saúde, incluindo a validação de dados, a detecção de padrões e a recomendação de ações em tempo real durante a primeira tentativa de uma reclamação. Decisões sensíveis, de alto impacto ou ambíguas permanecerão sob revisão humana.

A saúde é fundamentalmente diferente de muitas indústrias porque a responsabilidade importa. As decisões de pagamento afetam provedores, planos, pacientes/membros e resultados financeiros em todo o ecossistema de saúde.

Nós não estamos construindo um pagamento de IA totalmente autônomo. Estamos construindo inteligência de decisão em saúde projetada para aumentar a tomada de decisão humana.

O futuro não é o pagamento de saúde autônomo. O futuro é a inteligência explicável que suporta os humanos que permanecem responsáveis pelas decisões e resultados.

Muitas empresas ainda estão experimentando com a IA em pilotos isolados. O que separa as organizações que estão operacionalizando com sucesso a IA daquelas que permanecem presas no modo de prova de conceito?

A diferença é que as organizações bem-sucedidas não tratam a IA como uma série de pilotos isolados. Elas a tratam como uma capacidade operacional e propulsão.

Isso exige mais do que um modelo forte. Exige investimentos fundamentais em ferramentas, monitoramento, governança e design de fluxo de trabalho. Em nossa experiência, a IA só escala quando a tecnologia suporta os processos de governança ao seu redor, e quando os processos humanos são redesenhados em torno do fluxo de trabalho habilitado por IA. Você precisa de propriedade clara, patrocínio executivo, alinhamento operacional e um loop de feedback constante sobre como a IA está se saindo em produção.

Esse último ponto é crítico. As organizações que operacionalizam a IA não param na implantação. Elas monitoram o desempenho, analisam os resultados, identificam onde o sistema precisa melhorar e melhoram continuamente. A IA se torna parte do ritmo operacional, não uma implementação única.

Na Lyric, vimos esse padrão em áreas como a autorização de conteúdo. Nós nos concentramos em obter um domínio certo primeiro, com as ferramentas certas, os controles, o monitoramento e a revisão humana certos. Uma vez que essa fundação provou ser bem-sucedida, pudemos usar a mesma abordagem subjacente para expandir para outros domínios. Isso é muito diferente de executar um prova de conceito que parece bom em uma demonstração, mas nunca precisa sobreviver à complexidade das operações ao vivo.

As organizações que permanecem presas no modo de piloto frequentemente subestimam essa complexidade. Eles podem testar modelos em conjuntos de dados estreitos ou fluxos de trabalho controlados, mas não conectam a IA às operações reais com a governança, o monitoramento e a gestão de mudanças necessários para sustentá-la. As organizações que têm sucesso constroem a fundação primeiro, provam o valor em uma área focada e então escalonam com disciplina.

Olhando para frente, você acredita que os vencedores de longo prazo na IA de saúde serão as empresas com os melhores modelos autônomos, ou as que têm a integração operacional mais profunda, os dados de fluxo de trabalho e os efeitos de rede mais fortes em todo o ecossistema de saúde?

Na saúde, os vencedores de longo prazo não serão as empresas com o melhor modelo autônomo isolado. Eles serão as empresas com a integração operacional mais profunda, os dados de fluxo de trabalho mais ricos e os efeitos de rede mais fortes em todo o ecossistema de saúde.

Os modelos continuarão a melhorar, e muitas capacidades se tornarão mais amplamente disponíveis ao longo do tempo. O que é muito mais difícil de replicar é a combinação de posição de fluxo de trabalho incorporada, inteligência de reclamações longitudinais e relacionamentos confiáveis em todo o ecossistema de saúde, incluindo planos de saúde, provedores e parceiros.

A plataforma da Lyric abrange aproximadamente 200 milhões de vidas e é construída a partir de décadas de inteligência de precisão de pagamento proprietária, com a capacidade de camadas de novas capacidades e parceiros. Porque estamos incorporados cedo no fluxo de trabalho de pagamento e operamos pós-cuidado e pré-pagamento, nós temos visibilidade no fluxo de transação real, não apenas em conjuntos de dados estáticos. Essa profundidade de dados de fluxo de trabalho e resultados é o que ajuda a IA a separar o sinal do ruído e a mudar da análise de tendências para previsão, recomendações e ação.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Lyric.