Sundar Subramanian, CEO ของ Zyter – ซีรีส์สัมภาษณ์

Sundar Subramanian, CEO ของ Zyter, เป็นผู้บริหารระดับยุทธศาสตร์และสุขภาพที่มีประสบการณ์หลากหลายด้าน ตั้งแต่การให้คำปรึกษาด้านการจัดการ การแปลงดิจิทัล และการดำเนินงานด้านสุขภาพขนาดใหญ่ ก่อนขึ้นดำรงตำแหน่ง CEO ในเดือนกรกฎาคม 2025 เขาได้ทำงานมากกว่า 16 ปีที่ PwC’s Strategy& ซึ่งเป็นผู้นำธุรกิจให้คำปรึกษายุทธศาสตร์ในสหรัฐฯ รวมถึงการทำงานในส่วน Enterprise Strategy, Value and Digital Transformation ให้คำปรึกษาองค์กรใหญ่เกี่ยวกับการเติบโต การออกแบบใหม่ของโมเดลการดำเนินงาน และการแปลงด้วย AI ก่อนหน้านั้น Subramanian เคยเป็นผู้ร่วมหัวหน้า Booz & Company’s Medicaid and Medicare Center of Excellence และทำงานอย่างกว้างขวางกับผู้จ่ายค่าใช้จ่ายด้านสุขภาพ หลังจากดำรงตำแหน่งระดับสูงที่ WellCare และ McKinsey & Company ที่ Zyter เขานำการขยายบริษัทในด้าน AI แบบตัวแทนและการประสานงานกระบวนการทำงานอัจฉริยะ โดยเน้นการใช้ AI เพื่อออกแบบใหม่กระบวนการธุรกิจตั้งแต่ต้นจนจบ แทนที่จะเพียงแค่ทำงานอัตโนมัติในแต่ละงาน

Zyter เป็นบริษัทเทคโนโลยีระดับองค์กรที่เป็นเอกชน มีประสบการณ์ด้านสุขภาพดิจิทัลมากกว่าทศวรรษสองสิบปี แพลตฟอร์มสุขภาพประชากร TruCare ของบริษัทได้สร้างรอยเท้าในการสนับสนุนชีวิตกว่า 44 ล้านคนในกว่า 45 องค์กรสุขภาพ บริษัทกำลังขยายขอบเขตนอกรากฐานสุขภาพด้วยแพลตฟอร์มการดำเนินงาน AI ที่ออกแบบมาสำหรับกระบวนการทำงานที่ซับซ้อนและมีการควบคุมอย่างเข้มงวดในภาคสุขภาพ รัฐบาล และการบริการทางการเงิน สถาปัตยกรรมของบริษัทรวม Zyter Symphony ที่ประสานงานตัวแทน AI ระบบองค์กร และการกระทำของมนุษย์; Zyter Praxis ที่บรรจุตัวแทน กฎ ข้อมูล และการตรวจสอบของมนุษย์เป็นโมดูลกระบวนการทำงานตั้งแต่ต้นจนจบ; และ TruCare Digital Core ที่เชื่อมต่อกระบวนการเหล่านี้กับระบบต่าง ๆ เช่น บันทึกสุขภาพอิเล็กทรอนิกส์ แพลตฟอร์มการเรียกร้อง ระบบวางแผนทรัพยากรองค์กร และซอฟต์แวร์การจัดการความสัมพันธ์กับลูกค้า เป้าหมายโดยรวมคือทำให้ AI แบบตัวแทนทำงานได้ในสภาพแวดล้อมองค์กรที่มีอยู่ พร้อมคงไว้ซึ่งการกำกับดูแล ความสามารถในการตรวจสอบ และการตรวจสอบของมนุษย์ต่อการตัดสินใจที่สำคัญ

คุณทำงานมากกว่า 16 ปีที่ Strategy& โดยเป็นผู้นำธุรกิจให้คำปรึกษายุทธศาสตร์ในสหรัฐฯ และทำงานอย่างกว้างขวางในด้านสุขภาพ หลังจากมีประสบการณ์ที่ WellCare แล้ว สิ่งใดทำให้คุณเชื่อว่าการก้าวกระโดดครั้งต่อไปของสุขภาพจะมาจาก AI แบบตัวแทนและการดำเนินงานกระบวนการ มากกว่าการพัฒนาซอฟต์แวร์แบบดั้งเดิมรุ่นใหม่?

ตลอดเส้นทางอาชีพของผม ผมได้มีโอกาสมองเห็นสุขภาพจากหลายมุมมอง ทั้งในฐานะผู้ดำเนินการ ที่ปรึกษายุทธศาสตร์ และตอนนี้ในฐานะผู้สร้างเทคโนโลยี จากประสบการณ์เหล่านั้น ข้อสังเกตหนึ่งค่อยชัดเจนขึ้นเรื่อย ๆ คือสุขภาพไม่ได้ประสบปัญหาเพราะขาดเทคโนโลยี แต่เพราะเทคโนโลยีไม่ได้เปลี่ยนแปลงวิธีการทำงาน

ในทศวรรษที่ผ่านมา อุตสาหกรรมได้ลงทุนอย่างหนักในด้านดิจิทัล เราได้ทำให้โครงสร้างพื้นฐานทันสมัยขึ้น ขยายการวิเคราะห์ ปรับปรุงการทำงานร่วมกันของระบบ และเมื่อเร็ว ๆ นี้ได้นำ AI มาใช้ การลงทุนเหล่านี้สร้างความสามารถใหม่ที่สำคัญ แต่ไม่ได้แก้ไขหนึ่งในความท้าทายที่คงอยู่ของสุขภาพ: การประสานงานงานระหว่างบุคคล ระบบ นโยบาย และองค์กรบ่อยครั้งเทคโนโลยีถูกวางทับบนโมเดลการดำเนินงานเดิมโดยไม่เปลี่ยนแปลงวิธีการทำงานของมัน

การตระหนักเช่นนี้ทำให้ผมเปลี่ยนมุมมองต่อการแปลงองค์กร ขั้นตอนต่อไปไม่ได้กำหนดโดยการใช้ AI เพิ่มเติม แต่โดยการออกแบบใหม่วิธีการทำงาน AI เป็นเครื่องมือสนับสนุนที่ยอดเยี่ยม แต่คุณค่าที่แท้จริงของมันมาจากการช่วยให้องค์กรดำเนินการได้อย่างมีประสิทธิภาพมากขึ้นโดยการประสานงานงานระหว่างบุคคล ระบบ นโยบาย และ AI

นี่คือสิ่งที่ดึงผมมาที่ Zyter หลังจากหลายปีที่ช่วยองค์กรพัฒนายุทธศาสตร์การแปลง ผมต้องการช่วยสร้างชั้นการดำเนินงานที่ทำให้ยุทธศาสตร์เหล่านั้นกลายเป็นผลลัพธ์ที่วัดได้ สำหรับผม อนาคตของสุขภาพไม่ได้เกี่ยวกับการทำให้ AI ฉลาดขึ้น แต่เกี่ยวกับการช่วยให้ระบบสุขภาพทำงานได้อย่างฉลาดมากขึ้น

Zyter ตั้งตำแหน่งตัวเองเป็นชั้นการดำเนินงานสำหรับองค์กรแบบตัวแทน โดย Symphony ประสานงานตัวแทนและมนุษย์, Praxis ดำเนินการเวิร์กโฟลว์, และ TruCare ทำให้ข้อมูลเหล่านั้นเชื่อมโยงกับข้อมูลองค์กร สถาปัตยกรรมนี้ทำอะไรได้บ้างที่ผู้ช่วย AI รายบุคคลทำไม่ได้?

การแปลงองค์กรไม่เคยถูกจำกัดโดยการขาดแนวคิดหรือปัญญา องค์กรมักรู้ว่าต้องทำอะไร ความท้าทายที่ยากกว่าคือการแปลการตัดสินใจเหล่านั้นให้เป็นการกระทำอย่างสม่ำเสมอระหว่างบุคคล ระบบ นโยบาย และเวิร์กโฟลว์

นี่คือที่ผมมองว่าขั้นตอนต่อไปของ AI ระดับองค์กร ผู้ช่วย AI รายบุคคลทำให้คนทำงานได้มากขึ้น AI ระดับองค์กรควรทำให้องค์กรมีประสิทธิภาพมากขึ้น มันควรประสานงานงาน ดำเนินเวิร์กโฟลว์ ปรับตัวเมื่อสภาพแวดล้อมเปลี่ยนแปลง และปรับปรุงการทำงานขององค์กรอย่างต่อเนื่อง

สถาปัตยกรรมของเราสะท้อนปรัชญานี้ Symphony ประสานงานตัวแทน AI ระบบองค์กร และความเชี่ยวชาญของมนุษย์ Praxis ดำเนินเวิร์กโฟลว์ และ TruCare ให้พื้นฐานการดำเนินงานที่ทำให้เวิร์กโฟลว์เหล่านั้นเชื่อมโยงกับข้อมูลองค์กรที่เชื่อถือได้ ร่วมกัน พวกเขาสร้างชั้นการดำเนินงานที่ AI กลายเป็นส่วนหนึ่งของวิธีการทำงาน ไม่ใช่แค่เครื่องมืออีกชิ้นที่คนใช้ควบคู่กับงานของตน

ในที่สุด องค์กรจะวัด AI ตามความสามารถในการปรับปรุงผลลัพธ์ ผลผลิตเป็นสิ่งสำคัญ แต่คุณค่าระยะยาวมาจากการช่วยให้องค์กรดำเนินการได้อย่างสม่ำเสมอ ปรับตัวได้เร็วขึ้น และเรียนรู้จากทุกเวิร์กโฟลว์ที่ดำเนินการ

AI แบบตัวแทนจะซับซ้อนมากขึ้นเมื่อหลายตัวแทนแชร์ข้อมูล ส่งต่อภารกิจ และยกระดับการตัดสินใจไปยังมนุษย์ Zyter ได้เรียนรู้อะไรบ้างเกี่ยวกับการทำให้ระบบหลายตัวแทนมีความน่าเชื่อถือพอสำหรับสุขภาพในระดับใหญ่?

เมื่อ AI ก้าวข้ามการใช้ในกรณีเดี่ยวและกลายเป็นส่วนหนึ่งของการดำเนินงานประจำวัน ความท้าทายก็เปลี่ยนไป ไม่ได้เน้นที่ความฉลาดของตัวแทนแต่ละตัว แต่เน้นที่การประสานงานงานระหว่างระบบ นโยบาย ผู้คน และ AI

เราพบว่าการเชี่ยวชาญมีความสำคัญ สุขภาพไม่ได้พึ่งพาบุคคลคนเดียวทำทุกอย่าง และ AI ก็ควรเช่นเดียวกัน ตัวแทนที่มีหน้าที่ชัดเจนจะน่าเชื่อถือกว่า ง่ายต่อการกำกับดูแลและปรับปรุงตามเวลา ชั้นการประสานงานจะประสานตัวแทนเหล่านั้น จัดการการส่งต่อ ใช้นโยบายอย่างสม่ำเสมอ และกำหนดว่าเมื่อใดควรนำความเชี่ยวชาญของมนุษย์เข้ามาในเวิร์กโฟลว์

การมองเห็นก็สำคัญเช่นกัน ทีมต้องเข้าใจว่าการตัดสินใจทำอย่างไร ข้อมูลใดเป็นพื้นฐาน และมันมีส่วนช่วยให้ผลลัพธ์อย่างไร การบันทึกเส้นทางการตัดสินใจสร้างความโปร่งใสและทำให้ทุกเวิร์กโฟลว์กลายเป็นแหล่งเรียนรู้และการปรับปรุงอย่างต่อเนื่อง

AI ที่น่าเชื่อถือไม่ได้กำหนดโดยจำนวนตัวแทนที่ใช้งาน แต่สะท้อนจากความสม่ำเสมอของการทำงาน ความมั่นใจของผู้คนที่เชื่อถือผลลัพธ์ และประสิทธิภาพของระบบในการพัฒนาตามเวลา

องค์กรสุขภาพต้องการให้ระบบ AI ปรับปรุงต่อเนื่อง แต่ก็ต้องการพฤติกรรมที่คาดเดาได้และการตรวจสอบได้อย่างไร คุณทำให้การเรียนรู้อย่างต่อเนื่องโดยไม่ให้ระบบเบี่ยงเบนจากแนวทางคลินิก นโยบายผู้จ่าย หรือเวิร์กโฟลว์ที่ได้รับการอนุมัติ?

ผมไม่เชื่อว่าการตัดสินใจทุกอย่างควรทำอัตโนมัติผ่าน AI ในสุขภาพมีการตัดสินใจหลายอย่างที่ตรรกะเชิงกำหนด กฎธุรกิจที่ตั้งขึ้น หรือแนวทางคลินิกสามารถให้คำตอบที่ชัดเจนและสม่ำเสมอได้ เมื่อเป็นไปได้ เราควรใช้สิ่งเหล่านั้นแทนการสร้างความไม่แน่นอนที่ไม่จำเป็น

โอกาสที่น่าสนใจยิ่งกว่าคือการผสมผสานแนวทางเชิงกำหนดเหล่านั้นกับ AI เราได้ใช้ตรรกะ neuro-symbolic ที่สร้างชั้นการตรวจสอบรอบการให้เหตุผลของ AI AI สามารถตีความข้อมูลที่ซับซ้อนหรือไม่มีโครงสร้าง ในขณะที่กฎเชิงกำหนดและตรรกะสัญลักษณ์ตรวจสอบให้การกระทำที่ได้สอดคล้องกับนโยบาย แนวทาง และเวิร์กโฟลว์ที่ได้รับการอนุมัติ สิ่งนี้ลดความไม่แน่นอนและปรับปรุงความแม่นยำเมื่อเทียบกับการพึ่งพาแนวทางที่ขับเคลื่อนด้วย AI อย่างเดียว

สิ่งนี้ยังเปลี่ยนวิธีที่ผมมองการเรียนรู้อย่างต่อเนื่อง เป้าหมายไม่ใช่ให้ AI มีอิสระมากขึ้นในการตัดสินใจตามเวลา แต่คือการเรียนรู้จากการดำเนินงานพร้อมคงการควบคุมที่กำหนดวิธีการตัดสินใจที่สำคัญ คุณสามารถปรับปรุงวิธีที่ระบบตีความข้อมูล จัดการข้อยกเว้น และประสานงานงานได้โดยไม่ให้ระบบเบี่ยงเบนจากกฎที่ควบคุมกระบวนการพื้นฐาน

การผสมผสานระหว่างการให้เหตุผลของ AI การตัดสินใจเชิงกำหนด และการตรวจสอบอย่างต่อเนื่อง คือวิธีสร้างระบบที่สามารถพัฒนาได้ตามเวลาโดยยังคงคาดเดาได้ ตรวจสอบได้ และรับผิดชอบ

Zyter กำลังสำรวจ C-RLM ซึ่งเป็นวิธีการเชิงวนซ้ำสำหรับสังเคราะห์ประวัติคลินิกที่ยาวและกระจัดกระจาย ความสำคัญของการให้เหตุผลในบริบทยาวจะเพิ่มขึ้นในสุขภาพอย่างไร และตัวแทนอาจในที่สุดจะรักษาความเข้าใจที่พัฒนาอย่างต่อเนื่องของผู้ป่วยแต่ละคนได้หรือไม่?

สุขภาพไม่เคยประสบปัญหาการขาดข้อมูล ความท้าทายคือเรื่องราวของผู้ป่วยกระจายอยู่ทั่วหลายปีของบันทึกแพทย์ ผลการตรวจแลบ ยา ภาพถ่าย การเรียกร้องค่าใช้จ่าย และการติดต่อดูแล การทำความเข้าใจประวัตินั้นต้องการมากกว่าการประมวลผลข้อมูลจำนวนมาก ต้องเชื่อมต่อหลักฐาน จำแนกรูปแบบ และสร้างความเข้าใจที่สอดคล้องของการเดินทางของผู้ป่วยแต่ละคน

การให้เหตุผลในบริบทยาวจะมีความสำคัญมากขึ้นเมื่อ AI ก้าวข้ามการช่วยเหลืองานเดี่ยวและเริ่มสนับสนุนการดูแลแบบต่อเนื่อง งานของเรากับ C-RLM สะท้อนทิศทางนั้น เป้าหมายไม่ได้เพียงสรุปข้อมูลมากขึ้น แต่เพื่อสังเคราะห์หลักฐานคลินิกที่กระจัดกระจายให้เป็นความเข้าใจที่เป็นโครงสร้างและยังคงอิงกับบันทึกพื้นฐาน ทุกข้อสรุปต้องสามารถติดตามแหล่งที่มาด้วยเพื่อให้แพทย์เข้าใจว่าถึงผลลัพธ์อย่างไรและตรวจสอบกับหลักฐานได้

เมื่อความสามารถเหล่านี้พัฒนา AI ตัวแทนจะช่วยรักษาความเข้าใจที่พัฒนาอย่างต่อเนื่องของการเดินทางของผู้ป่วยแต่ละคน ความเข้าใจนี้จะยิ่งลึกซึ้งเมื่อข้อมูลใหม่เข้ามา พร้อมคงความโปร่งใส มีหลักฐานสนับสนุน และอิงกับข้อมูลคลินิกที่เชื่อถือได้ บทบาทของ AI คือให้แพทย์เห็นภาพที่ครบถ้วนมากขึ้นเพื่อให้ตัดสินใจได้อย่างมีข้อมูลและมั่นใจมากขึ้น

Zyter เข้าร่วมโครงการ CMS WISeR ที่ AI สามารถสนับสนุนเวิร์กโฟลว์ในขณะที่คลินิกที่ได้รับใบอนุญาตยังคงมีอำนาจการตัดสินใจ นั่นเป็นจุดขอบเขตของอิสระภาพในปัจจุบันหรือไม่ และต้องมีการเปลี่ยนแปลงอะไรบ้างก่อนที่ตัวแทน AI จะรับหน้าที่การตัดสินใจที่สำคัญมากขึ้น?

ผมไม่คิดว่ามีขอบเขตอิสระภาพเดียวสำหรับสุขภาพ บทบาทที่เหมาะสมของ AI ขึ้นอยู่กับเวิร์กโฟลว์ ระดับความเสี่ยง และความมั่นใจขององค์กรว่าระบบจะทำงานสม่ำเสมอภายใต้สภาพจริง

โครงการอย่าง WISeR สะท้อนความเป็นจริงนี้ AI มีประสิทธิภาพสูงในการสังเคราะห์ข้อมูล การใช้แนวทางที่ตั้งไว้สม่ำเสมอ การประสานงานเวิร์กโฟลว์ด้านการบริหาร และลดงานซ้ำซ้อน คลินิกที่ได้รับใบอนุญาตยังคงให้การตัดสินใจในกรณีที่บริบท ความคลุมเครือ และความรับผิดชอบสำคัญที่สุด นั่นคือโมเดลการดำเนินงานที่สะท้อนจุดแข็งของ AI และความเชี่ยวชาญของมนุษย์ร่วมกัน

เมื่อเวลาผ่านไป ขอบเขตเหล่านี้จะพัฒนาต่อไป แต่ควรพัฒนาเพราะความเชื่อใจได้รับการสร้างขึ้น ไม่ใช่เพราะโมเดลมีความสามารถเพิ่มขึ้น ความมั่นใจมาจากหลักฐาน ความโปร่งใส การตรวจสอบ และการทำงานสม่ำเสมอในสภาพการผลิต การขยายบทบาทของ AI ทุกครั้งควรได้รับการสนับสนุนโดยมาตรฐานเดียวกับที่สุขภาพใช้กับความสามารถสำคัญอื่น ๆ

ผมไม่คิดว่าความสำเร็จจะวัดจากระดับอิสระของ AI แต่จะวัดจากว่าผู้ป่วยได้รับการดูแลที่ดีกว่า แคลินิกมีเวลามากขึ้นเพื่อมุ่งเน้นการตัดสินใจที่ซับซ้อน และระบบสุขภาพทำงานได้มีประสิทธิภาพมากขึ้นหรือไม่

Zyter เพิ่งย้าย TruCare ไปยังพื้นฐานคลาวด์เนทีฟบน AWS เพื่อสนับสนุนการประสานงาน AI ในระดับองค์กร ความท้าทายของ AI แบบตัวแทนอยู่ที่โมเดลเองหรือที่โครงสร้างพื้นฐานที่เชื่อมต่อข้อมูล ระบบ นโยบาย และคนมากกว่ากัน?

โมเดลพื้นฐานกำลังพัฒนาอย่างรวดเร็วอย่างไม่น่าเชื่อ ซึ่งเป็นประโยชน์ต่ออุตสาหกรรมทั้งหมด การสนทนากำลังเปลี่ยนจากความสามารถของโมเดลไปสู่การทำงานของโมเดลภายในองค์กรจริง

การเชื่อมต่อข้อมูล ระบบ นโยบาย และคนคือจุดที่การแปลงจะสำเร็จหรือหยุดชะงัก AI ต้องทำงานภายในสภาพแวดล้อมการดำเนินงานที่มีอยู่ ดำเนินการข้ามหลายระบบ ใช้นโยบายอย่างสม่ำเสมอ และทำงานได้เชื่อถือได้ในระดับการผลิต หากไม่มีพื้นฐานนั้น แม้โมเดลที่มีความสามารถที่สุดก็ยังแยกจากงานที่ต้องการปรับปรุง

การย้ายไปสถาปัตยกรรมคลาวด์เนทีฟบน AWS ของเราสะท้อนการพัฒนานั้น มันให้พื้นฐานที่ทนทานและขยายได้ตามต้องการเพื่อประสาน AI ผ่านเวิร์กโฟลว์ระดับองค์กร พร้อมคงความเชื่อถือได้ การกำกับดูแล และประสิทธิภาพที่สุขภาพต้องการ โครงสร้างพื้นฐานสำคัญเพราะทำให้ AI กลายเป็นส่วนหนึ่งของการดำเนินงานประจำวัน ไม่ใช่แค่แอปพลิเคชันอีกชิ้นที่ทำงานขนานกับกระบวนการที่มีอยู่

โอกาสในระยะยาวไม่ได้กำหนดโดยโมเดลที่ดีกว่าเพียงอย่างเดียว แต่มาจากการผสานความก้าวหน้าของ AI กับโครงสร้างพื้นฐานและโมเดลการดำเนินงานที่จำเป็นเพื่อดำเนินงานอย่างสม่ำเสมอในระดับองค์กร

Zyter ยังกำหนดโมเดลการดำเนินงานของตนสำหรับอุตสาหกรรมที่มีการควบคุมอื่น ๆ เช่น การบริการทางการเงินและรัฐบาล ส่วนใดของแพลตฟอร์มที่เป็นแนวนอนจริง ๆ และข้อได้เปรียบใดมาจากประสบการณ์ของ Zyter ในสุขภาพโดยเฉพาะ?

อุตสาหกรรมที่มีการควบคุมมักถูกมองผ่านมุมมองของความแตกต่างที่ทำให้มันเป็นเอกลักษณ์ ผมพบว่าการเข้าใจสิ่งที่พวกเขามีร่วมกันก็สำคัญไม่แพ้กัน ไม่ว่าคุณจะให้บริการสุขภาพ จัดการความเสี่ยงทางการเงิน หรือสนับสนุนโครงการของรัฐบาล ความสำเร็จขึ้นอยู่กับการประสานงานงานที่ซับซ้อนระหว่างบุคคล ระบบ นโยบาย และข้อมูล พร้อมคงความรับผิดชอบต่อการตัดสินใจทุกครั้ง

นี่คือที่ผมมองว่าโมเดลการดำเนินงานเป็นแนวนอนโดยพื้นฐาน การประสานงาน AI ระบบองค์กร และความเชี่ยวชาญของมนุษย์ การใช้แนวทางอย่างสม่ำเสมอ การประสานงานงานข้ามหลายระบบ และการคงความโปร่งใสเป็นความท้าทายที่ขยายเกินขอบเขตของสุขภาพ แม้เวิร์กโฟลว์จะแตกต่างตามอุตสาหกรรม แต่ความต้องการการดำเนินงานที่เชื่อถือได้ยังคงสอดคล้องกันอย่างน่าประหลาดใจ

สุขภาพไม่ได้เปลี่ยนแปลงสิ่งที่เราสร้าง แต่ได้ยกระดับมาตรฐานในการสร้างมันขึ้นมา เวิร์กโฟลว์คลินิกต้องการความแม่นยำ การทำงานร่วมกัน การกำกับดูแล ความทนทาน และความเชื่อถือ เนื่องจากผลลัพธ์ของความผิดพลาดมีความสำคัญ การออกแบบเพื่อรองรับความซับซ้อนระดับนี้สร้างโมเดลการดำเนินงานที่สามารถปรับใช้กับอุตสาหกรรมที่มีการควบคุมอื่น ๆ ที่ต้องการวินัยการปฏิบัติงาน การปฏิบัติตามกฎระเบียบ และความรับผิดชอบเช่นกัน

เมื่อ AI ฝังลึกยิ่งขึ้นในการดำเนินงานขององค์กร ผมคิดว่าการสนทนาจะเปลี่ยนจากการถามว่าความสามารถนั้นสร้างขึ้นเพื่ออุตสาหกรรมเฉพาะหรือไม่ ไปสู่การถามว่ามันสามารถดำเนินการได้อย่างเชื่อถือได้ในสภาพแวดล้อมที่ซับซ้อนและมีการควบคุมหรือไม่ นั่นคือมาตรฐานที่เราวางไว้ตั้งแต่แรก

Rural Health Orchestrator ของ Zyter รวมการดูแลเสมือนจริง การตรวจสอบระยะไกล การจัดการการดูแล และบริการคลินิกเข้าด้วยกัน AI แบบตัวแทนสามารถแก้ไขอะไรในสุขภาพชนบทที่ telehealth อย่างเดียวทำไม่ได้?

Telehealth แก้ไขความท้าทายด้านการเข้าถึงที่สำคัญได้แล้ว ความท้าทายต่อไปคือการทำให้ทุกการติดต่อนำไปสู่การกระทำที่ประสานกันและผลลัพธ์ที่วัดได้

สุขภาพชนบทได้ทำความก้าวหน้าอย่างมากในการขยายการเข้าถึงผ่าน telehealth การตรวจสอบระยะไกล และการลงทุนในบรอดแบนด์ อย่างไรก็ตาม ผลลัพธ์ยังไม่ตามเนื่องจากการติดต่อดิจิทัลหลายครั้งยังคงแยกจากการเดินทางการดูแลโดยรวม การเยี่ยมชมเสมือนที่ไม่อัปเดตแผนการดูแล ไม่กระตุ้นการติดตาม หรือไม่ประสานขั้นตอนต่อไป แม้ว่าจะเพิ่มการเข้าถึง แต่ไม่จำเป็นต้องปรับปรุงสุขภาพ

นี่คือจุดที่การประสานงานเป็นสิ่งจำเป็น มันเชื่อมต่อ telehealth การตรวจสอบระยะไกล การจัดการการดูแล ทรัพยากรชุมชน และเวิร์กโฟลว์คลินิกเป็นระบบเดียวที่ประสานกัน ทำให้ข้อมูลไหลราบรื่นและการกระทำตามอัตโนมัติ ทุกการติดต่อจึงกลายเป็นส่วนหนึ่งของการดูแลต่อเนื่อง ไม่ใช่เหตุการณ์แยกจากกัน

โอกาสไม่ได้เป็นเพียงการขยายการเข้าถึง แต่เป็นการเปลี่ยนการเข้าถึงให้เป็นผลลัพธ์ เมื่อการดูแลเชื่อมต่อระหว่างคน ระบบ และเวิร์กโฟลว์ แคลินิกจะใช้เวลาน้อยลงในการจัดการกระบวนการที่กระจัดกระจาย ผู้ป่วยจะได้รับการติดตามที่สม่ำเสมอมากขึ้น และระบบสุขภาพชนบทสามารถให้ผลลัพธ์ที่ดีกว่าโดยใช้ทรัพยากรที่มีอยู่แล้ว นั่นคือจุดที่ผมเชื่อว่าการประสานงาน AI สร้างคุณค่าที่ยิ่งใหญ่

ด้วยความร่วมมือใหม่กับ PwC สิ่งใดจะทำให้การแปลง AI ที่ประสบความสำเร็จแตกต่างจากการทดลอง AI ด้านสุขภาพอื่น ๆ? ตัวชี้วัดใดที่จะทำให้คุณเชื่อว่า AI ได้ปรับปรุงพื้นฐานวิธีการทำงานของผู้จ่ายหรือผู้ให้บริการ?

สุขภาพได้ใช้หลายปีในการลงทุนในความสามารถดิจิทัล ปัจจุบันองค์กรส่วนใหญ่มีการเข้าถึงข้อมูล AI และเทคโนโลยีสมัยใหม่ ขั้นตอนต่อไปไม่ได้เป็นการเพิ่มความสามารถเพิ่มเติม แต่เป็นการออกแบบใหม่วิธีการทำงาน

เพราะฉะนั้นผมไม่ได้วัดการแปลงโดยจำนวนโมเดล AI ที่นำไปใช้หรือจำนวนการทดลองที่เปิดตัว ผมมองว่ารูปแบบการดำเนินงานขององค์กรได้เปลี่ยนหรือไม่ การตัดสินใจเร็วขึ้นหรือไม่ เวิร์กโฟลว์ประสานงานกันมากขึ้นระหว่างแผนกและระบบหรือไม่ ภาระการบริหารลดลงขณะที่คลินิกและทีมดูแลใช้เวลามากขึ้นในกิจกรรมที่ปรับปรุงการดูแลผู้ป่วยหรือไม่ การปรับปรุงเหล่านั้นสามารถทำซ้ำได้ทั่วทั้งองค์กรหรือเป็นเพียงกรณีเดียวเท่านั้น?

นี่คือปรัชญาที่อยู่เบื้องหลังความร่วมมือของเรากับ PwC PwC นำความเชี่ยวชาญลึกซึ้งด้านยุทธศาสตร์และการแปลงสุขภาพมาให้ Zyter ให้ชั้นการดำเนินงานที่ทำให้ยุทธศาสตร์เหล่านั้นทำงานได้จริงผ่านเวิร์กโฟลว์ที่ซับซ้อน เชื่อมต่อ AI ระบบองค์กร นโยบาย และคน เพื่อให้องค์กรสามารถเปลี่ยนยุทธศาสตร์เป็นการกระทำอย่างสม่ำเสมอ

สำหรับผม การแปลง AI ที่ประสบความสำเร็จเกิดขึ้นเมื่อ AI ไม่ถูกมองว่าเป็นโครงการแยกต่างหาก แต่กลายเป็นส่วนหนึ่งของรูปแบบการดำเนินงาน เมื่อถึงจุดนั้น องค์กรไม่ได้วัดความสำเร็จของ AI เอง แต่วัดผลลัพธ์ที่ดีกว่า ค่าใช้จ่ายการบริหารที่ต่ำลง การดูแลที่ประสานกันมากขึ้น และระบบสุขภาพที่ทำงานได้มีประสิทธิภาพมากขึ้นเพราะการดำเนินงานได้รับการปรับปรุงอย่างพื้นฐาน

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Zyter.