Halsey Wise, VD för Lyric – Intervjuserie

Halsey Wise, VD för Lyric, har nästan tre decenniers erfarenhet av ledarskap, styrelsearbete och värdeskapande inom hälsovårdsteknologi, programvara och finansiella tjänster. Efter att ha suttit i Lyrics styrelse sedan 2022 gick han in i VD-rollen med fokus på att skala upp Lyric42-plattformen, fördjupa kund- och partnerrelationer, accelerera innovation och AI-investeringar samt driva tillväxt genom både organisk expansion och strategiska förvärv. Wise har lett sex företag som VD eller president, inklusive offentliga företagsledarroller på Intergraph och MedAssets, och har suttit i styrelserna för stora teknologi- och hälsovårdsorganisationer, inklusive Cotiviti, Cerner, Aspen Technology , Acxiom, Nextech Systems, Lyric och WellSky. Han är också ordförande och VD för Lime Barrel Advisors, senior rådgivare till TPG Capital och leder en familjestiftelse som stöder stipendier, livsmedelssäkerhet, veteraners tjänster och hälsovårdsorsaker.

Lyric är ett hälsovårdsbeslutsintelligensföretag som fokuserar på att förbättra betalningsnoggrannheten för hälsoplaner genom att tillämpa policy, data, AI, klinisk granskning och förklarlig beslutsstöd innan anspråk betalas. Deras Lyric42-plattform är utformad för att hjälpa hälsoplaner samordna betalningsbeslut över regler, arbetsflöden, betalningsintegritetsprodukter och AI-drivna rekommendationer, med målet att minska administrativt slöseri, förbättra första betalningsnoggrannheten, minska leverantörsfriction och ge kunderna större insyn i varför betalningsbeslut fattas. Företaget positionerar sin AI-ansats som en som kompletterar mänsklig expertis snarare än ersätter den, genom att kombinera automatisering, klinisk validering, styrning och kundkontroll för att stödja mer konsekventa och försvarbara hälsovårdsbetalningsbeslut.

Du har lett och rådgivit stora hälsovårds- och företagsteknologiföretag, inklusive MedAssets, Cerner, Cotiviti och nu Lyric. Hur har din erfarenhet inom hälsovårdsteknologi, analyser och teknik format din vision för Lyric?

Över alla företag jag har lett eller rådgivit har en övertygelse bara växt starkare: hälsovården kan inte förbättras utan tillit, sanning och transparens som grund. Dessa är inte mjuka värderingar. Dessa är de operativa förhållandena som en bättre hälsovårdssystem beror på. Varje plan, leverantör och medlem påverkas av om den underliggande intelligensen kan lita på, om informationen återspeglar sanningen och om resonemanget bakom ett beslut är tillräckligt transparent för att tåla granskning.

Den övertygelsen formar hur jag tänker på Lyric. Jag gick med i Lyrics styrelse 2022 innan jag gick in i VD-rollen, och vad jag förstod då tror jag ännu starkare nu. Vi på Lyric bygger ett av de mest innovativa, inflytelserika och viktiga hälsovårdsteknologiföretagen.

Lyric är hälsovårdsbeslutsintelligens. Årtionden av klinisk och betalningsexpertis, djupa kundrelationer och en plattform som opererar på en nationell skala ger oss en grund som få företag inom hälsovården har. Betalning är det högsta insatsuttrycket för det idag, men den bredare möjligheten är att ge människor inom hälsovården tekniken och insikterna för att fatta bättre beslut, snabbare, med tillförsikt, i tjänst till bättre hälsovård för de människor och patienter det slutligen existerar för att tjäna.

Jag tror också djupt att hälsovårdsbeslutsfattande tillhör människor. Klinisk bedömning, policytolkning och ansvar kan inte outsourcas till en modell. Vad AI kan göra, och vad det bör göra, är att informera och stödja de människor som fattar dessa beslut. Det kan identifiera signaler, trender och avvikelser som tidigare var begravda i skala och komplexitet. Det kan framhäva var något ser inkonsekvent ut, var en mönster uppstår eller var ett beslut behöver en närmare titt. Det är AI:s roll inom hälsovården: att utöka mänsklig synlighet och stärka mänsklig bedömning, inte att ersätta den.

Lyric har tillbringat de senaste åren med att bygga om sin teknologistack till en molnbaserad AI-plattform som stöder betalningsoperationer över 190 miljoner liv. Vilka var de största arkitektoniska eller organisatoriska utmaningarna i den övergången?

Lyric uppstod som en utsnitt från en större organisation. Vi ärvt legacy-infrastruktur tillsammans med otroliga kundrelationer och årtionden av operativ expertis.

Under de senaste åren har vi byggt om teknologibasen från grunden. Utmaningen var inte bara att modernisera infrastruktur. Det var att utveckla ett 30-årigt betalningsnoggrannhetsföretag till en modern hälsovårdsbeslutsintelligensplattform samtidigt som man bevarar förklarbarhet, granskbarhet och tillit.

En kärnprincip var att säkerställa noll affärsavbrott medan vi moderniserade vår teknik. Vi utnyttjade de avancerade funktionerna i Lyric42 för att säkerställa hög noggrannhet vid migreringar, och arbetade nära med våra hälsoplans-kunder för att skapa en säker och säker övergång.

Arkitektoniskt gick vi från statisk förbestämd ordning till realtidsintelligens som stöder första betalningsbeslut inom arbetsflöden. Samtidigt måste varje resultat förbli transparent, policybaserat och förklarbart.

När vi migrerar kunder till den nya plattformen stöder vi betalningsoperationer över 200 miljoner liv genom en enhetlig intelligensarkitektur som ytar insikter tidigare, minskar slöseri och stöder mer konsekvent beslutsfattande i skala.

Du har hävdat att hälsovårdspaymenter behöver skifta från efterbetalningsåtervinning till förbetalningsintelligens. Vilka tekniska genombrott gör att den övergången är möjlig i skala?

Övergången från efterbetalningsåtervinning till förbetalningsintelligens är nu möjlig eftersom hälsovården slutligen har kombinationen av storskalig arbetsflödesdata, molninfrastruktur och AI som kan skilja signal från brus över högt komplexa anspråksmiljöer.

Historiskt har de flesta system byggts för att analysera vad som hände efter betalning. Idag kan vi tillämpa intelligens mycket tidigare inom arbetsflöden, innan fel, tvister och slöseri flyttar genom systemet.

Från ett kapacitetsperspektiv har Lyric introducerat intelligent urval för förbetalningsgranskning, vilket säkerställer att anspråk inte onödigtvis hålls innan betalning när tiden är kritisk för både planer och leverantörer. Genom vår intelligent granskningsplattform har vi också möjliggjort att anspråk som behöver mänsklig granskning kan bearbetas på timmar eller dagar, snarare än de veckor eller månader som traditionella processer kan kräva.

Dessa tekniska genombrott, i kombination med den avancerade orkestreringen inom Lyric42, har låst upp hälsovårdsbeslutsintelligens för förbetalningsnoggrannhet genom att kombinera AI, policy och expertklinisk granskning för att stödja precisa, förklarbara betalningsbeslut vid första pass. Viktigt är att detta bara fungerar i skala när intelligensen förblir transparent, granskbar och grundad i mänskligt ansvar.

Mycket av hälsovården förlitar sig fortfarande på fragmenterad legacy-infrastruktur. Varför tror du att AI-nativa system kommer att utklassa traditionella “system of record” under de kommande åren?

Legacy-hälsovårdssystem var primärt utformade för att registrera transaktioner och stödja retrospektiva granskningar. De var aldrig byggda för att stödja intelligensdriven beslutsfattning inom arbetsflöden.

Hälsovården kräver nu intelligenssystem som kan operera i den skala, hastighet och komplexitet som moderna betalningsoperationer kräver. Fördelen med moderna hälsovårdsbeslutsintelligenssystem är inte bara tillämpad AI. Det är förmågan att kombinera policy, data, AI och expertgranskning för att stödja mer konsekventa, förklarbara beslut i realtid.

Framtiden tillhör system som kan kontinuerligt lära sig från operativa arbetsflöden samtidigt som de förblir transparenta, förklarbara och ansvariga. Hälsovården kan inte fungera utan mänsklig expertis, så målet är inte autonomt beslutsfattande. Målet är att komplettera mänskligt beslutsfattande med intelligens som människor kan lita på.

Lyric beskriver sig själv som ett betalningsintegritets AI-företag byggt på årtionden av klinisk expertis. Hur viktigt är proprietär hälsovårdsdata och historisk anspråksintelligens för att bygga försvarbara AI-system i denna sektor?

Proprietär anspråksintelligens och arbetsflödesdata är grundläggande inom hälsovården eftersom generiska modeller ensamma inte räcker för att stödja precisa, förklarbara betalningsbeslut i skala.

Lyrics plattform stöder cirka 200 miljoner liv och är byggd på årtionden av operativ anspråksintelligens. Den proprietära kunskapen och kontexten spelar roll eftersom den återspeglar hur policys tillämpas, var tvister uppstår, hur fel uppstår och hur betalningsarbetsflöden beter sig i den verkliga världen.

Kombinationen av arbetsflödesintegration, tre decenniers klinisk expertis och longitudinell anspråksintelligens skapar system som inte bara är mer precisa, utan också mer förklarbara och operativt granskbara.

Inom hälsovården spelar intelligensen bara roll om människor kan förstå, validera och agera på den med tillförsikt.

En av de största bekymren inom hälsovårds-AI är styrning och förklarbarhet. När AI tar på sig mer betalningsbeslutsansvar, vad ser effektiv mänsklig-i-loopen-övervakning ut i praktiken?

För oss är mänsklig-i-loopen inte en buzzword; det är arkitekturen. AI är ett verktyg vi använder för att komplettera mänskligt beslutsfattande.

Du kan se det i vårt innehållsskapande arbete. Vi byggde Studio42-innehållsskapandeupplevelsen ovanpå vår Lyric42-plattform, följande principen att varje regel och redigering måste vara deterministisk. AI hjälper våra team att granska stora mängder regerings-, industri- och forskningsmaterial, identifiera relevanta mönster och yta rekommendationer. Men AI blir inte källan till sanningen. Källan till sanningen är grundad i originalmaterial och mänsklig klinisk expertis.

Varje regel och redigering är utformad för att vara spårbar och granskbar. Kliniska experter granskar och validerar arbetet innan det når produktion, och varje rekommendation som vår AI gör för att hjälpa vårt kliniska team skapa innehåll är grundad i originalkällor och mänsklig kunskap. Vi spårar också hela ändringshistoriken, så att det är tydligt om en regel eller en del av innehållet byggdes från en specifik regerings-, industri- eller forskningskälla.

Det är vad effektiv övervakning ser ut i praktiken: AI hjälper till med skala och signalupptäckt, kliniska experter validerar arbetet, och systemet bevarar en tydlig revisionshistorik från källmaterial till granskat innehåll. Lika viktigt är att våra kunder behåller full kontroll över om och när de ska implementera innehållet, reglerna eller rekommendationerna som ytas genom plattformen.

Inom hälsovården är insatserna för höga för att viktiga beslut ska fattas enbart av en maskin eller modell. På Lyric tror vi att mänsklig expertis, bedömning och ansvar måste förbli grundläggande, inte behandlas som en eftertanke, utformad i arkitekturen från början.

Hälsovårdsslöseri förblir en av de största kostdrivarna i det amerikanska systemet. Var tror du att AI kan ha den snabbaste mätbara effekten på att minska onödigt utgifter utan att negativt påverka patientvård?

Hälsovården står för cirka 20% av USA:s BNP, och 25% av det är slöseri. En majoritet av det slöseriet tillskrivs systemkomplexitet, inte bedrägeri eller avsiktligt slöseri.

Det är därför vi byggde Lyric42-plattformen. Den skiftar anspråksprocessen från en betala-och-jaga-modell till förbetalningsintelligens, vilket möjliggör för hälsoplaner att få betalningar rätt första gången.

En betydande del av hälsovårdsslöseri kommer från administrativt omarbete genom att ha inkonsekvent intelligens över flera intressenter. Detta leder till onödiga avslag och omfaktureringar, ökad intensitet av manuella granskningar och en ökning av leverantörsöverklaganden utan att meningsfullt ändra den slutliga betalningen.

Slöseri kommer från att inte ha rätt intelligens vid rätt tid. Lyric tillhandahåller hälsoplaner med beslutsintelligens och rekommendationer, validerade och bakade av klinisk kunskap för att hjälpa identifiera uppenbara fel och inkonsekvenser (kodning, enheter, paketering, medicinsk policyalignering). Vi gör det innan betalning, vilket minskar slöseri och felkodning, och minskar antalet omgångar, överklaganden och justeringar.

Lyrics plattform integrerar alltmer automatisering, prediktiv analys och AI-assisterade arbetsflöden i anspråksoperationer. Hur nära är vi en framtid där stora delar av hälsovårdsbetalningsarbetsflöden opererar autonomt?

Under de kommande åren kommer vi att se en värld där de flesta uppgifter inom betalningsarbetsflöden är automatiserade. Men regulatoriska och efterlevnadskrav kommer att fortsätta kräva tydligt ansvar, vilket innebär en identifierbar mänsklig och organisatorisk ansvar. AI, automatisering och prediktiv analys kommer att effektivisera tråkiga dagliga uppgifter inom hälsovårdsbetalningsarbetsflöden, inklusive att validera data, identifiera mönster och rekommendera åtgärder i realtid under det första passet av ett anspråk. Känsliga, högimpakt- eller tvetydiga beslut kommer att förbli under mänsklig granskning.

Hälsovården skiljer sig fundamentalt från många industrier eftersom ansvar spelar roll. Betalningsbeslut påverkar leverantörer, planer, patienter/medlemmar och finansiella resultat över hela hälsovårdsekosystemet.

Vi bygger inte ett fullständigt autonomt betalnings-AI. Vi bygger hälsovårdsbeslutsintelligens utformad för att komplettera mänskligt beslutsfattande.

Framtiden är inte autonom hälsovårdspayment. Framtiden är förklarlig intelligens som stöder människor som förblir ansvariga för beslut och resultat.

Många företag är fortfarande kvar i att experimentera med AI i isolerade piloter. Vad skiljer organisationer som framgångsrikt operationaliserar AI från de som förblir fast i bevis-på-koncept-läge?

Skillnaden är att framgångsrika organisationer inte behandlar AI som en serie isolerade piloter. De behandlar det som en operativ förmåga och drivkraft.

Det kräver mer än en stark modell. Det kräver grundläggande investeringar i verktyg, övervakning, styrning och arbetsflödesdesign. I vår erfarenhet skalar AI bara när tekniken stöder styrningsprocesserna runt den, och när mänskliga processer omformas runt det AI-aktiverade arbetsflödet. Du behöver tydligt ägarskap, verkställande sponsring, operativ alignering och en konstant återkopplingsloop för hur AI presterar i produktion.

Det sista punkten är kritiskt. Organisationer som operationaliserar AI slutar inte vid distribution. De övervakar prestanda, analyserar resultat, identifierar var systemet behöver förbättras och förbättrar kontinuerligt. AI blir en del av den operativa rytmen, inte en engångsimplementation.

På Lyric har vi sett det mönstret i områden som innehållsskapande. Vi fokuserade på att få en domän rätt först, med rätt verktyg, kontroller, övervakning och mänsklig granskning. När den grunden visade sig vara framgångsrik kunde vi använda samma underliggande tillvägagångssätt för att expandera till andra domäner. Det är mycket annorlunda än att köra en bevis-på-koncept som ser bra ut i en demo men aldrig behöver överleva komplexiteten i live-operationer.

Organisationer som fastnar i pilotläge underskattar ofta den komplexiteten. De kan testa modeller på smala dataset eller kontrollerade arbetsflöden, men de trådar inte AI in i riktiga operationer med den styrning, övervakning och förändringshantering som krävs för att upprätthålla det. Organisationer som lyckas bygger grunden först, visar värde i ett fokuserat område och skalar sedan med disciplin.

Om vi blickar framåt, tror du att de långsiktiga vinnarna inom hälsovårds-AI kommer att vara företagen med de bästa fristående modellerna, eller de med den djupaste operativa integrationen, arbetsflödesdata och nätverkseffekter över hela hälsovårdsekosystemet?

Inom hälsovården kommer de långsiktiga vinnarna inte att vara företagen med den bästa fristående modellen i isolering. De kommer att vara företagen med den djupaste operativa integrationen, den rikaste arbetsflödesdatan och de starkaste nätverkseffekterna över hela hälsovårdsekosystemet.

Modeller kommer att fortsätta förbättras, och många funktioner kommer att bli mer allmänt tillgängliga över tid. Vad som är mycket svårare att replikera är kombinationen av inbäddad arbetsflödesposition, longitudinell anspråksintelligens och betrodda relationer över hälsoplaner, leverantörer och partners.

Lyrics plattform omfattar cirka 200 miljoner liv och är byggd från årtionden av proprietär betalningsnoggrannhetsintelligens, med möjlighet att lägga till nya funktioner och partners. Eftersom vi är inbäddade tidigt i betalningsarbetsflödet och opererar efter vård och före betalning har vi insyn i riktiga transaktionsflöden, inte bara statiska dataset. Den djupet av arbetsflödes- och resultatdata är vad som hjälper AI att skilja signal från brus och flytta från trendanalys till förutsägelse, rekommendationer och åtgärder.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Lyric.