Fawad Butt ซีอีโอและผู้ร่วมก่อตั้ง Penguin Ai – ซีรีส์สัมภาษณ์

Fawad Butt ซีอีโอและผู้ร่วมก่อตั้ง Penguin Ai เป็นผู้บริหารข้อมูลและ AI ด้านสุขภาพมากประสบการณ์ เขาก่อตั้งบริษัทหลังดำรงตำแหน่งผู้นำที่ Kaiser Permanente, UnitedHealthcare และ Optum ซึ่งเขาดูแลโครงการขนาดใหญ่ด้านธรรมาภิบาลข้อมูล การวิเคราะห์ AI และแพลตฟอร์มองค์กร ประสบการณ์วางกลยุทธ์ข้อมูลภายในองค์กรผู้จ่ายและผู้ให้บริการรายใหญ่ที่สุดบางแห่ง หล่อหลอมให้ Penguin Ai มุ่งแก้ความไร้ประสิทธิภาพด้านการบริหารสุขภาพด้วย AI ที่สร้างขึ้นเฉพาะทาง แทนการยัดแพลตฟอร์มทั่วไปลงในเวิร์กโฟลว์สุขภาพที่ซับซ้อน ภายใต้การนำของเขา Penguin Ai ยืนอยู่บนแนวคิดเชิงปฏิบัติว่า ระบบสุขภาพต้องการ AI ที่ออกแบบมาโดยเฉพาะสำหรับการดำเนินงานของผู้จ่ายและผู้ให้บริการ ซึ่งลดงานมือ เพิ่มความแม่นยำ และช่วยให้ทีมใช้เวลากับการตัดสินใจทางคลินิกและการปฏิบัติงานที่มีคุณค่าสูงขึ้น

Penguin Ai เป็นบริษัท AI ที่สร้างขึ้นเพื่ออุตสาหกรรมสุขภาพ มุ่งทำงานบริหารและคลินิกให้เป็นอัตโนมัติสำหรับผู้จ่าย ผู้ให้บริการ บริษัทบริหารวงจรรายได้ และพันธมิตรเทคโนโลยีสุขภาพ แพลตฟอร์มรวมโมเดลภาษาเฉพาะสุขภาพ พนักงานดิจิทัล เอเจนต์ AI ความสามารถด้านธรรมาภิบาลและการปฏิบัติตามกฎ ตลอดจนระบบอัตโนมัติเวิร์กโฟลว์ สำหรับกรณีอย่างการอนุมัติล่วงหน้า การประมวลผลคำร้อง การลงรหัสทางการแพทย์ การจัดการอุทธรณ์ การปรับความเสี่ยง ความถูกต้องของการชำระเงิน การสรุปเวชระเบียน การสรุปเอกสารคลินิก และการตรวจสอบสิทธิ์ บริษัทระดมทุนร่วมลงทุนได้ 29.7 ล้านดอลลาร์ รวม Series A 25 ล้านดอลลาร์ที่นำโดย Greycroft เพื่อขยายการจ้างงาน พัฒนาผลิตภัณฑ์ และการติดตั้งกับผู้จ่ายและผู้ให้บริการ อีกทั้งเปิดตัว Gwen แพลตฟอร์มสร้าง AI ด้วยตนเองซึ่งช่วยทีมสุขภาพสร้างพนักงานดิจิทัลที่อยู่ภายใต้การกำกับสำหรับเวิร์กโฟลว์บริหาร

หลังนำองค์กรข้อมูลและการวิเคราะห์ที่ Kaiser Permanente, UnitedHealthcare และ Optum ประสบการณ์ใดทำให้คุณเชื่อว่าระบบสุขภาพต้องการแพลตฟอร์ม AI ที่สร้างขึ้นเฉพาะ และบทเรียนเหล่านั้นหล่อหลอมวิสัยทัศน์การก่อตั้ง Penguin Ai อย่างไร?

ผมจะเล่าช่วงเวลาที่เข้าใจชัดเจน ผมนั่งอยู่ในการทบทวนงานที่ผู้จ่ายรายใหญ่แห่งหนึ่ง มองคิวคำขออนุมัติล่วงหน้าที่แต่ละรายการถูกตีกลับสามครั้ง โดยไม่มีรายการใดมีคำถามทางคลินิกจริง มันถูกตีกลับเพราะช่องข้อมูลไม่ตรงกันหรือเอกสารมาในรูปแบบผิด ผู้ปฏิบัติงานที่เก่งที่สุดบางคนในประเทศใช้เวลาทั้งวันป้อนข้อมูลให้เครื่องจักรซึ่งไม่ได้สร้างอะไรให้ผู้ป่วยที่รออยู่อีกฝั่ง ผมเห็นความสูญเปล่าแบบเดียวกันที่ Kaiser, UnitedHealthcare และ Optum เพียงเปลี่ยนรูปลักษณ์ไป นั่นคือจุดที่ผมหยุดเชื่อคำกล่าวของอุตสาหกรรมว่าแรงเสียดทานคือราคาของการขยายขนาด วิสัยทัศน์ Penguin Ai เกิดตรงจากความคับข้องใจนั้น สร้างแพลตฟอร์มที่พูดภาษาของผู้จ่ายและผู้ให้บริการ ใส่บริบทสุขภาพไว้ในระบบเพื่อให้ Ai Worker ใช้เกณฑ์ขององค์กรเองและแสดงเหตุผล ให้มนุษย์รับผิดชอบวิจารณญาณทางคลินิก และนำงานหนักซ้ำซากออกจากทุกคน นั่นคือหัวใจทั้งหมด

Penguin Ai มุ่งแก้ภาระบริหารมูลค่าล้านล้านดอลลาร์ของระบบสุขภาพ คุณให้ความสำคัญกับเวิร์กโฟลว์ใดก่อน และเหตุใดการอนุมัติล่วงหน้า การวินิจฉัยคำร้อง การลงรหัสทางการแพทย์ และการอุทธรณ์จึงเป็นโอกาสใหญ่ที่สุดสำหรับการเปลี่ยนแปลงด้วย AI?

เราไปตรงที่ความเจ็บปวดร้องดังที่สุด การอนุมัติล่วงหน้า การวินิจฉัยคำร้อง การลงรหัส และการอุทธรณ์ขึ้นมาอยู่ด้านบนด้วยเหตุผลเดียว งานเหล่านี้เป็นกองงานซ้ำขนาดมหึมาซึ่งกรณีส่วนใหญ่เป็นไปตามรูปแบบ และข้อยกเว้นมีน้อยพอที่มนุษย์ควรเห็นเฉพาะข้อยกเว้น การอนุมัติล่วงหน้าอยู่ลำดับแรก เพราะเป็นจุดที่เห็นผู้ป่วยทุกข์จริงขณะเอกสารค้างในคิว และไม่มีใครปกป้องเรื่องนั้นได้อย่างเต็มปาก เมื่อ Ai Workers รับปริมาณงานประจำและส่งเฉพาะกรณีนอกแบบจริงให้มนุษย์ ผลลัพธ์ชัดเจน การตรวจเร็วขึ้นถึง 97% การปฏิเสธลดกว่าครึ่ง และราว 92% ของกรณีจบได้โดยไม่ต้องแตะด้วยมือ ผมเลือกสี่งานนี้เพราะพิสูจน์แนวคิดได้เร็วว่า เมื่อถอดภาระบริหารออก ระบบสุขภาพดีขึ้นต่อผู้ป่วย แพทย์ และคนทำงาน ทุกฝ่ายชนะพร้อมกัน ซึ่งเป็นเหตุผลที่เราเริ่มตรงนี้

ในฐานะผู้บริหารสุขภาพที่ประเมินผู้ขายเทคโนโลยีองค์กรนับไม่ถ้วน อะไรคือสาเหตุทั่วไปที่สตาร์ทอัพ AI ไม่ได้รับการยอมรับในระบบสุขภาพและผู้จ่ายรายใหญ่?

ผมอยู่ฝั่งผู้ซื้อนานพอจะเห็นสตาร์ทอัพเผาโอกาสตัวเองด้วยสามวิธีเดิม หนึ่ง พวกเขาปฏิบัติต่อระบบสุขภาพเหมือนบัญชีลูกค้าองค์กรทั่วไป แล้วถูกปัญหาการเชื่อมต่อ ระบบเก่า และน้ำหนักกฎระเบียบที่ไม่มีใครเตือนเล่นงาน สอง พวกเขาขายฝันเรื่องความเป็นอัตโนมัติเกินจริง แล้วตอบคำถามยากข้อแรกไม่ได้ ซึ่งมักเป็น “แสดงให้ดูว่าระบบมาถึงคำตอบนี้อย่างไร” ไม่มีร่องรอยตรวจสอบ ไม่มีเหตุผลที่ทีมกำกับยอมรับ โครงการนำร่องก็ตายในห้องนั้น สาม พวกเขาแก้เพียงด้านเดียวของความสัมพันธ์ผู้จ่ายกับผู้ให้บริการ และไม่เข้าใจว่าแรงเสียดทานอยู่ตรงรอยต่อ พูดตรงๆ ผู้ซื้อทุกคนที่ผมรู้จักเหนื่อยล้า พวกเขามีลิ้นชักเต็มไปด้วยเครื่องมือที่อ้างว่าใช้ AI แต่เพิ่มเพียงแดชบอร์ดและไม่ได้ย้ายงานออกจากใครเลย เกณฑ์สูง ความอดทนน้อย และคนที่แสดงเส้นทางจริงจากโครงการนำร่องสู่การใช้งานจริงไม่ได้ก็ถูกเชิญออก

องค์กรสุขภาพจำนวนมากยังระมัดระวังการใช้ AI ในงานสำคัญ การนำ AI มาใช้ให้สำเร็จในผู้จ่ายหรือผู้ให้บริการรายใหญ่มีหน้าตาอย่างไร และผู้นำผิดพลาดอะไรเมื่อพยายามขยายระบบ?

การนำมาใช้จริงเริ่มเล็กและค่อยสร้างสิทธิ์ในการขยาย เลือกเวิร์กโฟลว์หนึ่งที่เจ็บจริง ให้คนอยู่ในวงจรเพื่อดูงานเสร็จและสร้างความไว้วางใจ แล้วให้หลักฐานซื้อการขยาย เมื่อทีมเห็น Ai Worker จัดการกรณีประจำได้ถูกต้องและส่งกรณีที่ต้องใช้วิจารณญาณให้พวกเขา ทีมจะหยุดต่อต้านและเริ่มขอเพิ่ม ความผิดพลาดคาดเดาได้อย่างน่าเจ็บปวด ผู้นำพยายามทำทุกอย่างพร้อมกัน ซื้อเทคโนโลยีแต่ไม่ออกแบบเวิร์กโฟลว์ใหม่ ภาระจึงย้ายไปคิวอื่น หรือถอดมนุษย์ออกเร็วเกินไป ทำลายความไว้วางใจ แล้วสงสัยว่าทำไมไม่มีใครใช้ การขยาย AI ในระบบสุขภาพคืองานบริหารการเปลี่ยนแปลงที่สวมชุดเทคโนโลยี ทีมที่ชนะปฏิบัติต่อมันเช่นนั้น และกำหนดตัวชี้วัดจริงจังตั้งแต่วันแรกเพื่อให้ทุกคนรู้ว่าความสำเร็จหน้าตาอย่างไร

Penguin Ai เน้นโมเดลและเวิร์กโฟลว์ AI เฉพาะสุขภาพแทนโซลูชันองค์กรทั่วไป ความท้าทายใดต้องใช้แนวทางเฉพาะ และแพลตฟอร์ม AI ทั่วไปบกพร่องตรงไหน?

ระบบสุขภาพไม่ใช่กรณีองค์กรทั่วไป และการแสร้งว่าใช่จะทำให้คุณพัง มันมีภาษา กฎ และผลลัพธ์ของตัวเอง ซึ่งไม่มีอะไรเป็นทางเลือก โมเดลทั่วไปจะให้คำตอบที่มั่นใจและน่าเชื่อแต่ผิดอย่างเงียบๆ เพราะไม่มีเกณฑ์ความจำเป็นทางการแพทย์ของคุณ และแสดงวิธีคิดในแบบที่ผู้ตรวจสอบหรือแพทย์ลงนามรับรองไม่ได้ ใช้การไม่ได้ เราสร้าง Penguin Ai เป็นหลายชั้นเพราะเหตุนี้ ชั้นข้อมูลรวบรวมสารสนเทศ Context Layer ถือเหตุผลกับธรรมาภิบาลเฉพาะสุขภาพ และ Ai Workforce ลงมือทำงาน รวมทั้งโซลูชัน Ai Worker ที่สร้างไว้ล่วงหน้าและ Gwen เครื่องมือให้ทีมสร้าง Ai Workers ใหม่ แพลตฟอร์มทั่วไปบกพร่องเพราะปฏิบัติต่อความเชี่ยวชาญสุขภาพราวกับเรียกออกมาด้วยพรอมต์ได้ แต่ทำไม่ได้ ต้องสร้างมันเข้าไปในระบบ และนั่นคือใจกลางสิ่งที่เราทำ

การอนุมัติล่วงหน้ายังเป็นหนึ่งในกระบวนการน่าหงุดหงิดที่สุดสำหรับผู้ให้บริการและผู้ป่วย คุณมองว่า AI จะเปลี่ยนมันอย่างไรในห้าปี และต้องมีมาตรการใดเพื่อให้ระบบอัตโนมัติปรับผลลัพธ์โดยไม่สร้างอุปสรรคใหม่?

อีกห้าปี การอนุมัติตรงไปตรงมาจะกลับมาภายในไม่กี่นาที ใช้แนวทางขององค์กรเองอย่างสม่ำเสมอ และเชิญแพทย์เข้าวงจรเมื่อจำเป็นต้องใช้วิจารณญาณทางการแพทย์ นั่นคือเวอร์ชันที่ดี ส่วนที่คนมองข้ามคือ ระบบอัตโนมัติทำให้อุปสรรคกลายเป็นอุตสาหกรรมได้ง่ายพอกันหากสร้างอย่างมักง่าย วิธีปฏิเสธการรักษาที่เร็วขึ้นคือการทุจริตต่อวิชาชีพที่มี throughput ดีขึ้น มาตรการป้องกันจึงเป็นหัวใจ ทุกคำแนะนำของ Ai Worker ต้องมีเหตุผลและร่องรอยตรวจสอบครบ ซึ่งเราเรียกว่า glassbox เพื่อให้ทุกคนเห็นชัดว่ามาถึงตรงนั้นอย่างไร ความเร็วต้องไม่เป็นฉากบังการปฏิเสธอัตโนมัติแบบเงียบ และมนุษย์ที่มีคุณสมบัติต้องรับผิดชอบวิจารณญาณทางคลินิกเสมอ ทำถูก การอนุมัติล่วงหน้าจะเลิกเป็นสิ่งที่ผู้ป่วยกับแพทย์หวาดกลัว ทำผิด คุณเพียงสร้างปัญหาเดิมในเวอร์ชันเร็วขึ้น ผมสนใจเฉพาะแบบแรก

อุตสาหกรรมพูดถึงเอเจนต์ AI และเวิร์กโฟลว์อัตโนมัติมากขึ้น อุปสรรคทางเทคนิคและปฏิบัติการที่ใหญ่ที่สุดในการใช้ AI จัดการงานบริหารสุขภาพซับซ้อนด้วยการแทรกแซงของมนุษย์เพียงเล็กน้อยคืออะไร?

ส่วนยากไม่ใช่เดโม แต่คือขอบเขตและข้อยกเว้น การจัดการข้อยกเว้น ข้อมูลยุ่งเหยิงไม่สม่ำเสมอ และระบบเก่าที่ไม่เคยสร้างให้สื่อสารกับอะไร ตรงนั้นคืองานวิศวกรรมจริงและไม่สวยงามเลย อุปสรรคด้านปฏิบัติการคือความไว้วางใจ ซึ่งไม่มีระบบสุขภาพใดให้ฟรี หากคนตรวจสอบหรืออธิบายไม่ได้ พวกเขาจะไม่ขยายระบบ แค่นั้น ผมขอแย้งสมมติฐานเล็กน้อย “การแทรกแซงของมนุษย์ให้น้อยที่สุด” เป็นเป้าหมายผิดและทำให้ผมกังวล จุดหมายคือปลดคนให้ทำกรณีซับซ้อนและตัดสินใจในจุดที่ความเชี่ยวชาญมีค่า Ai Workers รับงานซ้ำและรู้ว่าเมื่อใดต้องดึงคนเข้ามา การส่งต่องานให้ถูกต้อง โปร่งใส และเชื่อถือได้ในระดับระบบสุขภาพจริงคือปัญหายากที่ควรแก้ อย่างอื่นเป็นโครงการงานวิทยาศาสตร์

ระบบสุขภาพเป็นอุตสาหกรรมที่ถูกกำกับมากที่สุดแห่งหนึ่งของโลก คุณสร้างสมดุลระหว่างความเร็วของนวัตกรรมกับการปฏิบัติตามกฎ ความเป็นส่วนตัว ความสามารถตรวจสอบ และความรับผิดชอบของมนุษย์ในระบบ AI อย่างไร?

คุณต้องสร้างสิทธิ์ในการเคลื่อนเร็วด้วยการสร้างสิ่งที่ทนการตรวจสอบ ในระบบสุขภาพ ธรรมาภิบาลคือรากฐาน และเราหล่อมันก่อน เมื่อจัดการข้อมูลผู้ป่วย ธรรมาภิบาลข้อมูลองค์กรเป็นข้อกำหนดทางศีลธรรม ผมหมายความตามนั้นจริง ทุกคำแนะนำจึงใช้มาตรฐาน glassbox คือมีเหตุผลและร่องรอยตรวจสอบครบ ทำให้ทีมกำกับไว้วางใจความเร็วได้ ความรับผิดชอบของมนุษย์ฝังอยู่ในการออกแบบ เพราะบุคคลที่มีคุณสมบัติรับผิดชอบทุกอย่างที่แตะวิจารณญาณทางคลินิก ขณะที่ Ai Worker ประกอบข้อมูลและรับภาระประจำ นี่คือวิธีได้ทั้งความเร็วและความน่าเชื่อถือในระบบเดียว อุตสาหกรรมนี้เลือกอย่างหนึ่งแล้วทิ้งอีกอย่างไม่ได้ คนส่วนใหญ่มองการกำกับและการตรวจสอบเป็นเบรก ผมมองว่ามันคือสิ่งที่ทำให้เหยียบคันเร่งได้ เพราะหากไม่มี ก็ไปไม่ถึงการใช้งานจริงแต่แรก

คุณเปลี่ยนจากการดูแลองค์กรข้อมูลและการวิเคราะห์ขนาดใหญ่มาสร้างสตาร์ทอัพจากศูนย์ ส่วนใดของเส้นทางผู้ปฏิบัติงานสู่ผู้ก่อตั้งให้รางวัลมากที่สุด และความท้าทายใดน่าประหลาดใจที่สุด?

ส่วนที่ให้รางวัลมากที่สุดคือ ในที่สุดคุณได้สร้างให้ถูกตั้งแต่ครั้งแรก ภายในองค์กรใหญ่ การเปลี่ยนเคลื่อนด้วยความเร็วของสถาบัน ทุกการแก้ต้องผ่านระบบเก่า ลำดับความสำคัญที่แข่งขันกัน และหลายชั้นการอนุมัติ การเปลี่ยนที่รู้ว่าถูกอาจใช้ 18 เดือนกว่าจะลงจริง หากลงได้เลย ความเร็วแบบนั้นทำให้หมดแรงเมื่อเห็นชัดว่าต้องเกิดอะไร ในพื้นที่ผู้ก่อตั้ง เพดานนั้นหายไป เราสร้างจากศูนย์ ออกแบบแพลตฟอร์มรอบปัญหาแทนทางแก้ชั่วคราวที่สะสมสามสิบปี และส่งคำตอบที่ถูกขณะที่ยังมีความหมาย เมื่อได้ยินว่าพยาบาลได้ช่วงเย็นคืนมา หรือผู้ป่วยได้คำตอบในไม่กี่ชั่วโมงแทนหลายวัน ความรู้สึกนั้นต่างจากการทบทวนโรดแมปทุกครั้ง

ส่วนที่น่าประหลาดใจที่สุดและทำให้ผมถ่อมตัวจริงๆ คือ งานนี้เป็นเรื่องการเล่าเรื่องมากเพียงใด ผมมาจากโลกข้อมูลและระบบ และคิดว่าเทคโนโลยีจะเป็นเหตุผลในตัวเอง แต่มันไม่ใช่ คุณกำลังขอให้ผู้คนเชื่อว่าวิธีทำงานอีกแบบเป็นไปได้ และต้องสร้างความเชื่อนั้นด้วยหลักฐานทีละจุด จังหวะโหดมาก คุณสวมสี่สิบหมวกก่อนมื้อกลางวัน แต่ก็ยังเป็นงานมีความหมายที่สุดที่ผมเคยทำ

เมื่อมองไปข้างหน้า หาก AI ลดภาระบริหารระบบสุขภาพได้มาก ผู้จ่าย ผู้ให้บริการ และผู้ป่วยจะสัมผัสระบบต่างไปอย่างไรในทศวรรษหน้า?

อีกหนึ่งทศวรรษ หากเราทำถูก ระบบจะให้ความรู้สึกเหมือนการดูแลอีกครั้ง ผู้ป่วยได้คำตอบจริงเมื่อกลัวและเปราะบาง และไม่ต้องเรียนวิชาโทด้านระบบราชการประกันเพื่อได้สิ่งที่แพทย์สั่ง แพทย์ใช้เวลากับศิลปะการแพทย์และคนตรงหน้า แทนทำกรณีประจำลำดับที่ 87 ก่อนมื้อกลางวัน เจ้าหน้าที่ปฏิบัติการและธุรการ ซึ่งเป็นคนกลุ่มที่ถูกมองข้ามที่สุดในอุตสาหกรรม ได้ทำงานที่ใช้ความเชี่ยวชาญจริง ผู้จ่ายกับผู้ให้บริการประสานงานกันแทนโยนเอกสารไปมาข้ามรอยต่อที่ไม่มีใครรับผิดชอบ นั่นคือระบบสุขภาพที่ผมกำลังสร้าง เกณฑ์ที่ผมสนใจน่าเบื่อแต่เฉพาะเจาะจง คือเวลาที่คืนให้การดูแลผู้ป่วย และความล่าช้าที่ตัดออกจากประสบการณ์ผู้ป่วย ทุกอย่างที่เราทำรับใช้สองตัวเลขนี้

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Penguin Ai