Amy Brown, VD, Authenticx – Intervju-serie

Amy Brown, en före detta sjukvårdsexekutiv, grundade Authenticx 2018 för att hjälpa sjukvårdsorganisationer att utnyttja kundinteraktionsdata. Med två decenniers erfarenhet inom sjukvård och försäkringsbranschen såg hon de missade möjligheterna att använda kundkonversationer för att driva affärsutveckling och förbättra lönsamheten.

Authenticx täcker denna lucka genom att använda AI och naturlig språkbehandling för att analysera inspelade interaktioner, såsom samtal, e-post och chattar, och ge sjukvårdsorganisationer handlingsbara insikter för att fatta bättre affärsbeslut.

Vad inspirerade dig att gå från en karriär inom sjukvårdsverksamhet och socialt arbete till att grunda Authenticx, ett tech-drivet AI-företag?

Med min utbildningsbakgrund inom socialt arbete och min 20-åriga arbetslivserfarenhet inom kontaktcenter och socialtjänst, blev min önskan att företräda individer inom sjukvården både min passion och uppdrag.

Under min tid inom försäkrings- och sjukvårdssektorerna, noterade jag att organisationer kämpade för att förstå sina kunders behov genom upprepade enkätundersökningar och automatiserade telefonsamtal, vilket ofta ledde till låga svarssiffror och otillförlitliga mått.

Och där kom Authenticx in i bilden. Genom att utnyttja AI för att analysera inspelade kundkonversationer, insåg jag att sjukvården skulle kunna utvinna värdefulla insikter direkt från kundens röst, och på så sätt kunna koppla samman med sina kunder för att strategisera, investera och agera.

Hur påverkades din vision för Authenticx av dina personliga erfarenheter, särskilt din fars verksamhet inom sjukvården och din egen erfarenhet?

Min resa började med att förstå hur min far arbetade inom sjukvården genom sin roll som läkare. Han har alltid praktiserat lyssnande och familjeorienterad vård, så för mig var han undantaget från den typiska friktionen man ofta hör om. Jag minns att han berättade för mig att det är patienternas ord som kan hjälpa en att hitta svaren. Och det fastnade hos mig, och det ledde mig till att fokusera min karriär och strävanden på att förbättra det systemet genom att lyssna; det är nyckeln.

När jag själv gick in i sjukvården genom statligt arbete och kontaktcenter, såg jag alla de olika enheterna som är sammanflätade i sjukvårdssystemet och försökte göra det fungera. Och medan detta utvecklade min makrovy över att påverka förändring, så gick de fortfarande inte in på all den data som fanns tillgänglig från de otaliga interaktioner som delades med kunder. Jag ville hjälpa till att belysa den försummade konversationsdatan och hjälpa organisationer att förbättra sin kundupplevelse samtidigt som de uppnådde sina mål mer effektivt.

Som någon utan en traditionell tech-bakgrund, vilka utmaningar mötte du när du grundade ett AI-företag, och hur övervann du dem?

Jag har mött mycket friktion under resan med att grunda ett AI-företag. Att navigera kritik var tröttande, både som grundare och som någon utan teknisk expertis inom SaaS-teknologi. Men jag har lärt mig att omge mig med individer som kompletterar mina kunskapsluckor är ett kraftfullt sätt att arbeta tillsammans för att bygga ett företag.

Efter att ha lämnat den korporativa världen och startat Authenticx, fokuserade jag på hur man bäst skulle gå tillväga med dataaggregering och analys. Så jag hittade en partner, Michael Armstrong, som hade en imponerande bakgrund inom tech (och nu är vår Chief Technology Officer) och vi började bygga ut vad Authenticx är idag.

Authenticx använder AI för att analysera sjukvårdskonversationer. Kan du gå igenom hur era AI-modeller är specifikt utformade för sjukvården och vad som gör dem unika?

Authenticx-modellerna är byggda av och för sjukvården. Vi närmar oss våra modeller med experter från sjukvården, socialt arbete och tech involverade i varje steg; det är human-in-the-loop AI. Och vi tränar våra modeller med sjukvårds-specifik data med utdata och insikter granskade av de som förstår bias-risk, kontextluckor och misskommunikation som kan skapa friktion från marknaden och kunden.

Vi märker datan för sentiment, friktion, regelefterlevnad, negativa händelser, ämnen och andra mått och smärtor. Dessa märkningar blir grunden för våra AI-maskinlärnings- och djupinlärningsmodeller. Vi utvärderar, testar och omtränar modellerna i en iterativ process för att bygga tillförlitlig AI som uppfyller säkerhets- och styrningsriktlinjer.

Vad är ‘Eddy Effect’ och hur hjälper er AI-plattform sjukvårdsorganisationer att hantera detta problem?

 Eddy Effect™ är vår proprietära maskinlärningsmodell och mått, som identifierar och mäter kundfriktion i kundupplevelse-resan. Liksom en virvel i en flod, som en stor sten som orsakar vatten att virvla, ger Eddy Effect™ insikter i vad som orsakar den frustrerande looppen för kunder. Det hjälper till att identifiera störningar och hinder som är en barriär (eller den stora stenen) för att skapa en positiv upplevelse.

Resultaten från Eddy Effect™ AI-modellen belyses inom instrumentpaneler som lyser upp olika signaler av friktion som hittats i konversationsdata. Och det är på dessa instrumentpaneler som vanliga mått, såsom samtalstid, sentiment, noggrannhet och uppskattade värdelösa kostnader, övervakas för kundfriktion. Till exempel hade vi en kund som saknade insikt i kvalitet och smärtor från sin tredjeparts-kontaktcenter. Med Authenticx, riktade de in sig på friktionspunkter, teman och ämnen och kvalitet för att minska närvaron av identifierad friktion med 10%.

Hur säkerställer Authenticx att dess AI-modeller ger insikter som verkligen förbättrar patientvården och minskar friktionen i sjukvårdssystemet?

Vi prioriterar konversationsdataanalys, som ger värdefulla insikter i kundinteraktioner och avslöjar viktiga frågor och möjligheter som kan förbises av andra datakällor. Authenticx använder GenAI-modeller för att förenkla komplex och nyanserad data och ge handlingsbara rekommendationer specifikt för sjukvården. Våra rapportverktyg erbjuder en konsumabel vy av prestandamått och trender. Våra inbyggda arbetsflöden tillåter användare att svara i tid.

Främst har vi en konsekvent granskning av våra modeller och deras utdata. Från vår kundrådgivande styrelse som ger feedback på vår produkt, och vår in-house team av data-vetare och analytiker som säkerställer tillförlitligheten i de insikter organisationer tar emot, hjälper vår human-in-the-loop-ansats till att lindra risker, bias, och felaktig information för att förbättra AI-precision.

Vilken roll spelar AI i att hantera operativa ineffektiviteter, och hur hjälper det sjukvårdsorganisationer att identifiera och lösa trasiga processer?

När du kan lyssna på ett samtal och skära igenom bruset för att förstå sammanhanget i smärtan, desto mer sannolikt är du att identifiera betydande problem som är roten till en trasig process. När roten är funnen, kan organisationer strategisera med en data-driven ansats för att investera i resurser och effektivt utplåna gissningsarbetet för en effektiv lösning.

AI är ett verktyg som kan användas för att syntetisera stora mängder data för att identifiera, kvantifiera och trendera operativa ineffektiviteter och trasiga processer i stor skala.

Vi hade en kund som utnyttjade Authenticx för att identifiera vad som orsakade patientförvirring i deras receptförfrågningsprocess, som utgjorde 20% av deras samtal. Med insikter i roten till orsaken till förnyelsefriktionen, omstrukturerade de sin telefonträd och reviderade agentprompt, vilket resulterade i att deras samtal minskade med cirka 550 samtal under två månader, vilket sparade tid och resurser.

Kan du dela en exempel på hur Authenticx AI har förvandlat en sjukvårdsleverantörs verksamhet eller patientresultat?

Authenticx hjälpte ett regionalt sjukhus att identifiera de ledande drivkrafterna för friktion inom deras centrala schemaläggningsprocess. Samtalare fastnade medan de sökte medicinsk rådgivning, det fanns en brist på synlighet i specialprocesser när agenten överförde samtalet, och upprepade frustrationer över oförmågan att schemalägga en tid snabbt.

Authenticx AI aktiverade en full-volymanalys av samtal för att identifiera de specifika barriärerna och ge insikter för att coacha agenter, med fokus på att förbättra deras kvalitetsinitiativ. Inom två månader ökade deras team agentkvalitetsfärdigheter med 12%, använde Authenticx-insikter för att förutsäga framtida friktionspunkter och proaktivt hanterade dem.

Hur kompletterar Authenticx AI mänskligt beslutsfattande, och vilken roll spelar sjukvårdspersonal i att förfinare AI-modellerna?

Vi praktiserar en human-in-the-loop-ansats för att säkerställa etisk och tillförlitlig distribution och implementering av AI. Vår plattform speglar den ansatsen: En AI- och mänsklig analys som ger feedback om kundupplevelse, operativ prestanda, regelefterlevnad och mer.

Medan vårt in-house team arbetar på alla nivåer av plattformen, är våra GenAI-modeller tränade med sjukvårds-specifik data för att producera insikter som kontextrika sammanfattningar, ämnesaggregering och automatiserade coachningsanteckningar, och vi har tillkännagett en integrerad AI-assistent som ger meningsfulla insikter direkt.

Hur ser du att AI kommer att förvandla sjukvården under de kommande fem åren, och vilken roll kommer Authenticx att spela i den förvandlingen?

De kommande fem åren av sjukvårds-AI kommer att vara revolutionerande. Den påverkan som AI har i världen är redan betydande, så att ha mer data, insikter, säkerhet och styrning etablerad kommer att leda till mer precision och effektivitet för prediktiva teknologier, medarbetar- och kundupplevelse och avancerade sätt att övervaka vård som förbättrar hela sjukvårdssystemet.

Att fortsätta lyssna för att förbättra, revidera och skapa modeller kommer att hjälpa sjukvården och patientvården att utvecklas positivt. Den påverkan kommer från branschspecifik utveckling av nya AI-verktyg och modeller – och vi är entusiastiska över det.

Tack för det underbara samtalet, läsare som vill veta mer kan besöka Authenticx.