Сундар Субраманиан, генеральный директор Zyter — серия интервью

Sundar Subramanian, генеральный директор Zyter, является опытным руководителем в области стратегии и здравоохранения с опытом, охватывающим управленческий консалтинг, цифровую трансформацию и крупномасштабные операции в сфере здравоохранения. До того как стать CEO в июле 2025 г., он провел более 16 лет в PwC Strategy&, где возглавлял американский бизнес стратегического консалтинга, а также практику Enterprise Strategy, Value and Digital Transformation, консультируя крупные организации по вопросам роста, редизайна операционных моделей и трансформации с использованием ИИ. Ранее в своей карьере Субраманиан совместно руководил Центром передового опыта Medicaid и Medicare в Booz & Company и активно работал с платёжными организациями в сфере здравоохранения после старших позиций в WellCare и McKinsey & Company. В Zyter он возглавляет расширение компании в области агентного ИИ и интеллектуальной оркестрации рабочих процессов, делая акцент на использовании ИИ для переосмысления сквозных бизнес‑процессов, а не просто автоматизации отдельных задач.

Zyter — частная технологическая компания, более двух десятилетий занимающаяся цифровым здравоохранением; её платформа TruCare для управления здоровьем населения поддерживает более 44 млн жизней в более чем 45 организациях здравоохранения. Сейчас компания выходит за пределы своих медицинских корней, создавая платформу исполнения ИИ, предназначенную для сложных и строго регулируемых рабочих процессов в здравоохранении, государственном секторе и финансовых услугах. Архитектура сочетает Zyter Symphony, координирующий ИИ‑агентов, корпоративные системы и действия людей; Zyter Praxis, объединяющий агентов, правила, данные и человеческий надзор в сквозные модули рабочих процессов; и TruCare Digital Core, связывающий эти процессы с системами, такими как электронные медицинские карты, платформы обработки заявок, системы планирования ресурсов предприятия и программное обеспечение управления взаимоотношениями с клиентами. Основная цель — сделать агентный ИИ рабочим в существующей корпоративной среде, сохраняя управление, возможность аудита и человеческий контроль над важными решениями.

Вы провели более 16 лет в Strategy&, возглавляя американский бизнес стратегического консалтинга и активно работая в сфере здравоохранения, после раннего опыта в WellCare. Что убедило вас, что следующий крупный скачок в здравоохранении произойдёт благодаря агентному ИИ и исполнению рабочих процессов, а не очередному поколению традиционного программного обеспечения?

За свою карьеру я имел возможность видеть здравоохранение с разных точек зрения: как оператор, как стратегический консультант и сейчас как создатель технологий. Из всех этих опытов одна мысль стала всё яснее. Проблемы в здравоохранении не из‑за отсутствия технологий, а из‑за того, что технологии не меняют способ выполнения работы.

За последнее десятилетие отрасль активно инвестировала в цифровизацию. Мы модернизировали инфраструктуру, расширили аналитические возможности, улучшили совместимость, а в последнее время — внедрили ИИ. Эти инвестиции создали важные новые возможности, но они не решили одну из самых стойких проблем здравоохранения — координацию работы между людьми, системами, политиками и организациями. Слишком часто технологии накладывались на существующие операционные модели, вместо того чтобы менять их функционирование.

Это осознание изменило моё представление о трансформации. Следующая фаза не определяется развертыванием большего количества ИИ, а переосмыслением того, как выполняется работа. ИИ — выдающийся ускоритель, но его наибольшая ценность проявляется, когда он помогает организациям более эффективно исполнять задачи, оркеструя работу между людьми, системами, политиками и ИИ.

Именно это привлекло меня к Zyter. После многих лет помощи организациям в разработке стратегий трансформации я захотел участвовать в построении слоя исполнения, который превращает стратегии в измеримые результаты. Для меня будущее здравоохранения — не в том, чтобы сделать ИИ умнее, а в том, чтобы помочь системе здравоохранения работать умнее.

Zyter позиционирует себя как слой исполнения для агентного предприятия, где Symphony оркестрирует агентов и людей, Praxis исполняет рабочие процессы, а TruCare фиксирует их в корпоративных данных. Что может достичь эта архитектура, чего не способны отдельные ИИ‑копилоты?

Трансформация предприятий никогда не была ограничена нехваткой идей или интеллекта. Организации обычно знают, что им нужно сделать. Сложнее — последовательно переводить эти решения в действия среди людей, систем, политик и рабочих процессов.

Именно здесь, по‑моему, находится следующая фаза корпоративного ИИ. Отдельные ИИ‑ассистенты делают людей продуктивнее. Корпоративный ИИ должен делать организации эффективнее. Он должен координировать работу, исполнять процессы, адаптироваться к меняющимся условиям и постоянно улучшать работу организации.

Наша архитектура отражает эту философию. Symphony оркестрирует ИИ‑агентов, корпоративные системы и человеческую экспертизу. Praxis исполняет рабочие процессы, а TruCare обеспечивает операционную основу, фиксирующую эти процессы в надёжных корпоративных данных. Вместе они образуют слой исполнения, где ИИ становится частью того, как выполняется работа, а не просто ещё одним инструментом, которым пользователи пользуются рядом со своей работой.

Организации в конечном итоге будут измерять ИИ по его способности улучшать результаты. Продуктивность важна, но долгосрочная ценность приходит от того, что предприятия могут исполнять задачи более последовательно, быстрее адаптироваться и учиться на каждом выполненном процессе.

Агентный ИИ становится гораздо сложнее, когда несколько агентов обмениваются данными, передают задачи и эскалируют решения людям. Что Zyter узнала о том, как сделать многопользовательские системы достаточно надёжными для масштабного применения в здравоохранении?

По мере того как ИИ выходит за пределы отдельных кейсов и становится частью повседневных операций, задача меняется. Речь уже не о том, насколько умён каждый отдельный агент, а о том, как работа координируется между системами, политиками, людьми и ИИ.

Мы обнаружили, что специализация имеет значение. В здравоохранении один человек не может выполнять всё, и ИИ тоже не должен. Агентам с чётко определёнными обязанностями проще обеспечить надёжность, управляемость и улучшаемость со временем. Слой оркестрации координирует этих агентов, управляет передачами, последовательно применяет политики и определяет, когда в процесс необходимо привлечь человеческую экспертизу.

Видимость также критична. Команды должны понимать, как принимались решения, какая информация их подпитывала и как они влияли на результат. Фиксация линии принятия решений создаёт эту прозрачность и позволяет каждому процессу становиться источником обучения и постоянного улучшения.

Надёжный ИИ определяется не количеством развернутых агентов, а тем, насколько последовательно выполняется работа, насколько уверенно люди могут доверять результатам и насколько эффективно система улучшает свои показатели со временем.

Организации здравоохранения хотят, чтобы ИИ‑системы со временем улучшались, но им также нужна предсказуемость поведения и возможность аудита. Как вы обеспечиваете непрерывное обучение, не позволяя системам отклоняться от клинических рекомендаций, политик плательщиков или утверждённых процессов?

Я не считаю, что каждое решение должно автоматизироваться с помощью ИИ. В здравоохранении существует множество решений, где детерминированная логика, установленные бизнес‑правила или клинические политики могут дать чёткий и последовательный ответ. Когда это возможно, следует использовать их, а не вводить лишнюю неопределённость.

Более интересная возможность — сочетание этих детерминированных подходов с ИИ. Мы успешно внедрили нейросимволическую логику, создающую слой верификации вокруг ИИ‑основанного рассуждения. ИИ может интерпретировать сложную или неструктурированную информацию, а детерминированные правила и символическая логика проверяют, что полученное действие остаётся согласованным с установленными политиками, рекомендациями и утверждёнными процессами. Это снижает неопределённость и повышает точность по сравнению с чисто ИИ‑ориентированным подходом.

Это также меняет моё представление о непрерывном обучении. Цель — не дать ИИ всё большую свободу принимать решения со временем, а учиться на исполнении, сохраняя контроль над тем, как принимаются важные решения. Можно улучшать то, как система интерпретирует информацию, обрабатывает исключения и координирует работу, не позволяя ей отклоняться от правил, регулирующих основной процесс.

Комбинация ИИ‑рассуждений, детерминированных решений и постоянной верификации — это способ создать системы, которые могут улучшаться со временем, оставаясь предсказуемыми, поддающимися аудиту и ответственными.

Zyter исследует C‑RLM, рекурсивный подход к синтезу длинных и фрагментированных клинических историй. Насколько важным станет длинный контекст в здравоохранении, и смогут ли агенты в конечном итоге поддерживать постоянно развивающееся понимание каждого пациента?

Здравоохранение никогда не страдало от нехватки информации. Проблема в том, что история пациента распределена по годам записей врачей, лабораторных результатов, назначений, изображений, заявок и взаимодействий по уходу. Понять эту историю требует не просто обработки большого объёма данных, а связывания доказательств, распознавания шаблонов и построения согласованного понимания пути каждого пациента.

Длинный контекст будет становиться всё более важным по мере того, как ИИ выходит за пределы помощи в отдельных задачах и начинает поддерживать длительный уход. Наша работа с C‑RLM отражает это направление. Цель — не просто суммировать больше информации, а синтезировать фрагментированные клинические доказательства в структурированное понимание, остающееся привязанным к исходным записям. Каждый вывод также должен быть прослеживаемым к своему источнику, чтобы клиницисты могли понять, как он был получен, и проверить его на соответствие доказательствам.

По мере развития этих возможностей ИИ‑агенты всё чаще будут помогать поддерживать постоянно развивающееся понимание пути каждого пациента. Это понимание должно обогащаться по мере появления новой информации, оставаясь при этом прозрачным, основанным на доказательствах и привязанным к надёжным клиническим данным. Роль ИИ — предоставить клиницистам более полную картину, чтобы они могли принимать более обоснованные решения с большей уверенностью.

Zyter участвует в программе CMS WISeR, где ИИ может поддерживать рабочие процессы, а лицензированные клиницисты сохраняют полномочия принимать решения. Является ли это приблизительно тем местом, где сегодня должна находиться граница автономии, и что должно измениться, прежде чем ИИ‑агенты смогут брать на себя более значимые решения?

Я не считаю, что существует единственная граница автономии для здравоохранения. Подходящий роль ИИ зависит от конкретного рабочего процесса, уровня риска и уверенности организаций в том, что система будет вести себя последовательно в реальных условиях.

Программы вроде WISeR отражают эту реальность. ИИ уже очень эффективен в синтезе информации, последовательном применении установленных политик, координации административных процессов и сокращении повторяющихся задач. Лицензированные клиницисты продолжают предоставлять суждения там, где контекст, неоднозначность и ответственность имеют наибольшее значение. Это модель, которая использует сильные стороны как ИИ, так и человеческой экспертизы.

Со временем эти границы будут продолжать смещаться, но они должны смещаться потому, что доверие заработано, а не потому, что модели стали более способными. Уверенность приходит из доказательств, прозрачности, валидации и стабильной работы в продакшене. Любое расширение роли ИИ должно поддерживаться теми же стандартами, которые здравоохранение применяет к любой другой критически важной функции.

Я не думаю, что успех будет измеряться степенью автономии ИИ. Он будет измеряться тем, получают ли пациенты более качественную помощь, имеют ли клиницисты больше времени для сложных решений и работает ли система здравоохранения более эффективно в результате.

Zyter недавно перенёс TruCare на облачную платформу AWS, чтобы поддержать оркестрацию ИИ в масштабе предприятия. Насколько большая часть вызова в агентном ИИ связана с самими моделями, а насколько — с инфраструктурой, соединяющей данные, системы, политики и людей?

Базовые модели развиваются с поразительной скоростью, и это хорошо для всей отрасли. Разговор постепенно смещается от того, что модели могут, к тому, как они работают внутри реальных предприятий.

Соединение данных, систем, политик и людей — это место, где трансформация либо удаётся, либо застревает. ИИ должен работать в существующей операционной среде, исполнять задачи через несколько систем, последовательно применять политики и надёжно функционировать в продакшене. Без такой основы даже самая мощная модель остаётся оторванной от работы, которую она должна улучшать.

Наш переход к облачной архитектуре AWS отражает эту эволюцию. Он обеспечивает устойчивый, масштабируемый фундамент, необходимый для оркестрации ИИ по корпоративным рабочим процессам, одновременно поддерживая надёжность, управление и производительность, требуемые в здравоохранении. Инфраструктура важна, потому что она позволяет ИИ стать частью того, как работа выполняется каждый день, а не просто ещё одним приложением, работающим рядом с существующими процессами.

Долгосрочная возможность определяется не только лучшими моделями. Она возникает из сочетания прогресса в ИИ с инфраструктурой и операционной моделью, необходимой для последовательного исполнения работы в масштабе предприятия.

Zyter также позиционирует свою модель исполнения для других регулируемых отраслей, включая финансовые услуги и государственный сектор. Какие части платформы действительно горизонтальны, а какие преимущества проистекают непосредственно из опыта Zyter в здравоохранении?

Регулируемые отрасли часто рассматриваются сквозь призму их отличий. Я считаю, что столь же важно понять, что их объединяет. Независимо от того, предоставляете ли вы здравоохранение, управляете финансовыми рисками или поддерживаете государственные программы, успех зависит от координации сложной работы между людьми, системами, политиками и данными при сохранении ответственности за каждое решение.

Именно здесь я вижу модель исполнения как фундаментально горизонтальную. Оркестрация ИИ, корпоративных систем и человеческой экспертизы, последовательное применение политик, координация работы через несколько систем и поддержание прозрачности — задачи, которые выходят далеко за пределы здравоохранения. Рабочие процессы различаются по отраслям, но потребность в надёжном исполнении удивительно одинаковая.

Здравоохранение не изменило то, что мы построили; оно подняло планку того, как мы должны было его построить. Клинические процессы требуют точности, совместимости, управления, устойчивости и доверия, потому что последствия ошибок значительны. Проектирование с учётом этой сложности создало модель исполнения, которую можно адаптировать к другим регулируемым отраслям, где операционная дисциплина, соответствие требованиям и ответственность столь же критичны.

По мере того как ИИ всё глубже внедряется в корпоративные операции, я считаю, что разговор сместится от вопроса, построена ли возможность для конкретной отрасли, к тому, может ли она надёжно работать в сложных, регулируемых средах. Это тот стандарт, который мы заложили с самого начала.

Rural Health Orchestrator от Zyter объединяет виртуальный уход, удалённый мониторинг, управление уходом и клинические сервисы. Что может решить агентная оркестрация в сельском здравоохранении, чего не может решить только телемедицина?

Телемедицина решила важную проблему доступа. Следующая задача — обеспечить, чтобы каждое взаимодействие приводило к скоординированному действию и измеримым результатам.

Сельское здравоохранение добилось значительного прогресса в расширении доступа через телемедицину, удалённый мониторинг и инвестиции в широкополосный интернет. Однако результаты не успевают за доступом, потому что многие цифровые взаимодействия остаются разобщёнными от более широкой цепочки ухода. Виртуальный визит, который не обновляет план ухода, не инициирует последующее наблюдение и не координирует следующий шаг, улучшает доступ, но не обязательно улучшает здоровье.

Здесь оркестрация становится необходимой. Она соединяет телемедицину, удалённый мониторинг, управление уходом, общественные ресурсы и клинические процессы в единую, скоординированную систему, чтобы информация текла беспрепятственно, а действия следовали автоматически. Каждое взаимодействие становится частью непрерывного пути ухода, а не изолированным событием.

Возможность заключается не просто в расширении доступа, а в преобразовании доступа в результаты. Когда уход соединён между людьми, системами и процессами, клиницисты тратят меньше времени на навигацию по разрозненным процессам, пациенты получают более последовательное последующее наблюдение, а сельские системы здравоохранения могут достигать лучших результатов, используя уже имеющиеся ресурсы. Именно здесь, по моему мнению, оркестрация ИИ создаёт наибольшую ценность.

С новым сотрудничеством с PwC, чем будет отличаться успешная трансформация ИИ от очередного пилотного проекта в здравоохранении? Какие измеримые результаты убедят вас, что ИИ фундаментально улучшил работу плательщика или поставщика?

Здравоохранение годы инвестирует в цифровые возможности. Сегодня большинство организаций имеют доступ к данным, ИИ и современным технологиям. Следующая фаза — не добавление новых возможностей, а переосмысление того, как работа выполняется.

Поэтому я не измеряю трансформацию количеством развернутых ИИ‑моделей или запущенных пилотов. Я смотрю, изменилась ли операционная модель организации. Ускорились ли принятия решений? Скоординированы ли рабочие процессы между отделами и системами? Снижаются ли административные нагрузки, в то время как клиницисты и команды ухода тратят больше времени на деятельность, улучшающую уход за пациентом? Повторяемы ли эти улучшения по всему предприятию, а не только в одном случае?

Это философия нашего сотрудничества с PwC. PwC привносит глубокую экспертизу в стратегии и трансформацию здравоохранения. Zyter предоставляет слой исполнения, который воплощает эти стратегии в сложных рабочих процессах, соединяя ИИ, корпоративные системы, политики и людей, чтобы организации могли последовательно превращать стратегии в действия.

Для меня успешная трансформация ИИ происходит, когда ИИ перестаёт рассматриваться как отдельная инициатива. Он становится частью операционной модели. В этот момент организации уже не измеряют успех ИИ как такового. Они измеряют лучшие результаты, снижение административных расходов, более скоординированный уход и систему здравоохранения, которая работает эффективнее, потому что исполнение фундаментально улучшилось.

Спасибо за отличное интервью; читатели, желающие узнать больше, могут посетить Zyter.