Andreas Cleve, Co-Fondator și CEO al Corti – Seria de Interviuri

Andreas Cleve, Co-Fondator și CEO al Corti, este un antreprenor axat pe avansarea inteligenței artificiale în sănătate. Lucrul său în acest sector a început cu Ovivo, o platformă de planificare a forței de muncă conversațională pentru spitale, care s-a extins rapid în toată Danemarca, înainte de a fi achiziționată în 2013. Mai târziu, el a co-fondat Hyvi, o inițiativă de cercetare care explorează modelele de limbaj conștient de context, capabile să înțeleagă conversații complexe în timp real, care în cele din urmă s-a transformat în Corti în 2018. Dincolo de construirea de companii, Cleve a jucat un rol cheie în consolidarea ecosistemului de inteligență artificială din Nord, prin inițiative precum Nordic.ai și roluri de consultanță cu organizații, inclusiv DIGITALEUROPE și Consiliul Național de Digitalizare din Danemarca.

Corti este o companie de inteligență artificială din domeniul sănătății, cu sediul în Copenhaga, care dezvoltă modele specializate pentru a înțelege conversații medicale și pentru a sprijini clinicienii în timp real. Platforma sa acționează ca un asistent de inteligență artificială pentru profesioniștii din sănătate, generând documentație clinică, oferind informații în timpul interacțiunilor cu pacienții și automatizând fluxurile de lucru administrative. Prin oferirea tehnologiei sale prin API-uri și integrări cu sisteme de sănătate, Corti își propune să reducă încărcătura de muncă a clinicienilor, îmbunătățind în același timp eficiența și luarea deciziilor în spitale și platforme de sănătate digitală.

Ați crescut într-o familie în care sănătatea a fost o parte constantă a vieții de zi cu zi… Cum au influențat aceste experiențe timpurii fondarea Corti, și care au fost problemele specifice pe care ați fost hotărât să le rezolvați de la început?

Creșterea într-un mediu în care sănătatea a fost o prezență constantă a făcut două lucruri extrem de clare: expertiza contează enorm, și procesele care transferă această expertiză sunt fragile și adesea eşuează în a ajuta oamenii care au nevoie de ele. Acele experiențe din copilărie, care au inclus vederea îngrijitorilor luptând, observarea pierderii cunoștințelor în transferurile de informații și resimțirea fricii care vine din îngrijirea inconsistentă, au semănat convingerea că sănătatea ar trebui să fie previzibilă și că clinicienii nu ar trebui să fie niciodată singuri atunci când vine vorba de luarea unor decizii grele. Acest lucru s-a transformat direct în misiunea fondatoare a Corti: construirea unor sisteme care să susțină expertiza, astfel încât clinicienii să aibă întotdeauna sprijinul decizional sigur și în timp real.

De la început, ne-am propus să abordăm dezechilibrul dintre oferta și cererea de servicii de sănătate: golul dintre complexitatea medicinei moderne și capacitatea umană limitată de a o aplica peste tot, prin crearea unor inteligențe artificiale care reduc varianța, accelerează detectarea și sprijină decizii mai sigure în momentele care contează cel mai mult.

Corti se poziționează ca infrastructură de inteligență artificială pentru sănătate, mai degrabă decât ca asistent de inteligență artificială independent. Ce înseamnă infrastructură în acest context, și care sunt capacitățile pe care le deblochează și care nu pot fi atinse de soluții punctuale sau unelte bazate pe chat?

Atunci când vorbim despre infrastructură, ne referim la faptul că nu livrăm un singur asistent sau gadget; construim stiva fundamentală care face posibilă inteligența artificială de calitate clinică pe multiple fluxuri de lucru. Infrastructura, în acest context, înseamnă: modele și date native pentru sănătate (nu date generice de pe web), un strat de raționament clinic care oferă răspunsuri cu context clinic, unelte de gestionare a ciclului de viață și de guvernanță (cartele de model, urme de audit, linie de proveniență verificabilă), opțiuni de implementare care îndeplinesc cerințele regulatorilor (norii suverani, puncte de terminare on-prem sau private), și API-uri și SDK-uri orientate către dezvoltatori care permit echipelor de produs să integreze inteligență clinică în aplicațiile lor fără a deveni experți în învățare automată sau conformitate.

Această abordare deblochează trei lucruri pe care soluțiile punctuale nu le pot realiza: (1) implementabilitate, adică modele și runtime-uri care supraviețuiesc constrângerilor clinice reale (latență, rezidență a datelor, auditabilitate); (2) scalabilitate pe specialități, adică blocuri de construcție reutilizabile, certificate (vorbire, codificare, puncte de terminare clinic specializate) care reduc costul construirii multor aplicații verticale; și (3) încredere regulamentară și de întreprindere, adică politici, acorduri și primitive de conformitate integrate în platformă, astfel încât clienții să poată trece de la proiecte-pilot la producție. Pe scurt, infrastructura transformă cercetarea și dezvoltarea clinică în servicii implementabile pe care dezvoltatorii și spitalele le pot livra, certifica și scala.

Modelele de inteligență artificială generală sunt adesea aplicate în medii clinice cu rezultate mixte. Care sunt cele mai comune moduri în care aceste modele nu reușesc atunci când sunt utilizate în medii de sănătate reale?

Modelele general-purpose au făcut progrese remarcabile, și pentru multe sarcini funcționează bine. Dar sănătatea răsplătește adâncimea în moduri pe care inteligența artificială orizontală nu le poate replica ușor. Raționamentul clinic depinde de indicii subtile, de terminologie specializată, de context instituțional și de înțelegerea modului în care documentația curge prin sistemele de reglementare și de rambursare. A obține asta corect necesită antrenarea pe date clinice, validarea împotriva benchmark-urilor clinice și integrarea conformității în stivă de la început. Nu este o problemă de promptare; este o problemă de cercetare, ceea ce ne face să credem că sănătatea are nevoie de un laborator de inteligență artificială dedicat, care să poată merge în profunzime în domeniu, mai degrabă decât să acopere larg multe domenii.

Corti operează în Europa, Statele Unite și dincolo de acestea, fiecare cu modele de îngrijire și guvernanță diferite. Cum proiectați sisteme de inteligență artificială care se adaptează la această complexitate din lumea reală?

Proiectăm pentru complexitate prin deținerea unei părți mai mari din stivă și prin făcând ca implementarea și guvernanța să fie cetățeni de primă clasă. În practică, acest lucru înseamnă antrenarea pe date exclusive din sănătate și ajustarea modelelor pentru raționament clinic; construirea urmelor de audit, a cartelelor de model și a API-urilor pregătite pentru BAA; și proiectarea rutării astfel încât controalele de conformitate să fie selectate de geografie și profil de risc. Pentru clienții care au nevoie de asta, oferim opțiuni de implementare în nori suverani și on-prem, astfel încât furnizorii să poată alege unde trăiesc datele lor și să mențină controlul asupra modelelor care rulează pe ele.

Această flexibilitate ne permite să rulăm același inteligență artificială clinică pe diferite modele de îngrijire, respectând în același timp standardele locale de documentare, legile privind confidențialitatea și guvernanța instituțională. În mod important, tratăm cercetarea ca o cale către producție; fiecare avans trebuie să fie trasabil, testabil și implementabil în lumea reală, nu doar promițător în laborator. Acesta este ceea ce înseamnă a fi construit pentru a prospera în realitatea clinică.

Privind fluxurile de lucru clinice de pe front, unde livrează Corti cel mai imediat și măsurabil impact, și de ce contează aceste domenii cel mai mult pentru clinicienii supraîncărcați?

Impactul cel mai imediat al Corti astăzi se regăsește în fluxurile de lucru clinice și administrative care poartă cea mai mare povară. Modelele și API-urile noastre alimentează documentația ambientală, codificarea și automatizarea condusă de agenți în interiorul software-ului de sănătate utilizat de clinicieni în fiecare zi.

Aceste domenii contează pentru că documentarea și facturarea sunt printre cele mai consumatoare de timp și mai predispuse la erori părți ale livrării îngrijirii. Când conversațiile devin note structurate, gata pentru înregistrarea electronică a pacienților, în timp real, când codificarea este mai completă și mai precisă, și când fluxurile de lucru rutiniere sunt automatizate în mod sigur în interiorul sistemelor reglementate, clinicienii petrec mai puțin timp cu hârtiile și organizațiile văd îmbunătățiri măsurabile în eficiență și calitatea rambursării.

Sănătatea nu este o problemă monolitică, ci mii de fluxuri de lucru specializate care funcționează sub presiunea reglementărilor. Prin construirea unor inteligențe artificiale de calitate pentru producție care prosperă în realitatea clinică, permitem companiilor de software și sistemelor de sănătate să abordeze aceste probleme la scară. Acolo este unde laboratorul de inteligență artificială pentru sănătate livrează un randament practic și măsurabil.

Corti sprijină sute de mii de interacțiuni cu pacienții în fiecare zi. Care sunt lecțiile care au apărut din operarea inteligenței artificiale la acea scară, care nu sunt evidente în proiecte-pilot sau în medii de laborator?

Operarea la scară expune fricțiunile pe care proiectele-pilot le ascund: calitatea eterogenă a datelor (niciunul dintre ele nu arată la fel), constrângerile de latență și de streaming în producție, complexitatea legală și contractuală pe traversul clienților și geografiilor, și cazurile limită care apar doar sub încărcare. Laboratoarele pot măsura acuratețea pe seturi curate; producția ne obligă să rezolvăm routing-ul, observabilitatea, detectarea derapajului, roll-back-ul modelului și urmele de audit trasabile. O altă lecție: încrederea reală se câștigă prin făcând modele explicabile, reproduse și certificabile, mai degrabă decât prin performanța la un singur site. În cele din urmă, proiectele-pilot subestimează costul total de proprietate: dezvoltatorii în producție au nevoie de SDK-uri, puncte de terminale consistente și primitive de guvernanță pentru a menține siguranța și a iterare productiv.

Sănătatea cere o explicabilitate mai mare decât inteligența artificială pentru consumatori. Cum abordați raționamentul clinic, transparența și răspunderea atunci când inteligența artificială influențează deciziile medicale?

Sănătatea cere un standard mai înalt pentru că costul erorii este real. Inteligența artificială clinică nu poate doar genera limbaj plauzibil; ea trebuie să raționeze peste informații complexe, reglementate și cu risc ridicat, într-un mod care este transparent și inspectabil.

De aceea, am dezvoltat GIM, metoda noastră de modificare a interacțiunii gradient, pentru a face raționamentul clinic mai interpretabil la nivel de model. GIM a depășit recent benchmark-ul de interpretare mecanică Hugging Face, clasându-se pe locul 1 în clasamentul abordărilor de interpretare. Acest lucru contează pentru că interpretarea nu este un exercițiu academic în sănătate – este fundamentală pentru încredere, siguranță și adoptare regulamentară.

Dincolo de cercetare, transparența trebuie să continue până la implementare. Oferim cartele de model, benchmark-uri de validare, urme de audit și controlul versiunii, astfel încât clienții să știe exact ce rulează și cum a fost evaluat. Ieșirile sunt legate de dovezi, incertitudinea este explicită, și sistemele sunt proiectate pentru a sprijini clinicienii ca susținători ai deciziilor, nu pentru a-i înlocui cu o cutie neagră opacă.

În sănătate, explicabilitatea nu este o trăsătură. Este o precondiție pentru încredere. De aceea, abordăm inteligența artificială clinică ca o disciplină de laborator și ne asigurăm că cercetarea este livrată în sisteme de calitate pentru producție care pot fi inspectate, guvernate și implementate în siguranță.

Suveranitatea inteligenței artificiale este un subiect critic în sectoarele reglementate. Ce înseamnă suveranitate în sănătate, și cum pot furnizorii să mențină controlul, în timp ce beneficiază de inteligența artificială avansată?

În sănătate, suveranitatea înseamnă că furnizorii păstrează controlul asupra rezidenței datelor, alegerii modelului și guvernanței operaționale. În practică, suveranitatea se realizează prin opțiuni de găzduire locală sau regională (norii suverani și on-prem), puncte de terminale private, controlul complet al ciclului de viață și al auditului, și garanții contractuale și tehnice (BAA, SLA, DPIA). Suveranitatea nu este anti-nor; este despre oferirea furnizorilor capacității de a alege unde rulează sarcinile lor și de a avea control și trasabilitate verificabilă asupra modelelor și datelor. Această combinație permite furnizorilor să acceseze capacități de inteligență artificială de ultimă generație, în timp ce îndeplinesc obligațiile legale și instituționale.

Ca fondator și consilier pentru inițiativele UE, cum vedeți evoluția reglementărilor, și unde încă subestimează factorii de decizie realitățile tehnice ale inteligenței artificiale clinice?

Europa are dreptate să ia reglementarea în serios. În sănătate, auditabilitatea, trasabilitatea și răspunderea nu sunt opționale – sunt precondiții pentru încredere.

În locurile în care factorii de decizie subestimează realitatea este în ceea ce privește operaționalitatea inteligenței artificiale clinice. Certificarea nu este o aprobare unică; necesită monitorizare continuă, controlul versiunii și validarea în continuare. În același timp, trebuie să evităm reglementarea excesivă. Dacă conformitatea devine disproporționată, inovația încetinește, și uneltele utile nu ajung la clinicieni.

La Corti, asumăm reglementarea de la început. Construim auditabilitatea, guvernanța modelului și opțiunile de implementare suverană direct în modelele și API-urile noastre, astfel încât startup-urile și furnizorii stabiliți să nu trebuiască să refacă pentru conformitate ulterioară. Sănătatea este complexă și fragmentată, și singurul mod de a avansa cu viteză este de a integra pregătirea pentru reglementare în fundație. Echilibrul de care are nevoie Europa este riguros, dar practic: protejați pacienții, dar faceți posibilă construirea și implementarea în siguranță la scară.

Privind spre următorii 12-24 de luni, ce schimbări majore ar trebui să aștepte liderii din sănătate de la Corti, și cum stabilesc aceste planuri fundația pentru 2026?

Așteptați-vă ca Corti să se concentreze și mai mult pe calea de la laborator la producție: livrarea de modele clinice de calitate, susținute de cercetare, și ambalarea lor ca infrastructură implementabilă (puncte de terminale pentru vorbire, codificare și agenți, un strat de raționament clinic și opțiuni de implementare suverană), toate proiectate în mod explicit pentru a muta clienții de la proiecte-pilot la producția certificată. Planurile noastre viitoare includ îmbunătățiri ale benchmark-urilor de transcriere a vorbirii și latență, agenți vocali, modele de codificare medicală care intră în producție și lansări multiple de nori suverani, toate menite să mute clienții de la proiecte-pilot la producție certificată. Corti nu este o singură aplicație; este laboratorul de inteligență artificială pentru sănătate, construit pentru a permite clase întregi de software clinic sigur și auditabil – fundația pentru ambițiile noastre din 2026.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre Corti.