Фавад Батт, генеральний директор і співзасновник Penguin Ai – Серія інтерв’ю

Фавад Батт, генеральний директор і співзасновник Penguin Ai, є досвідченим керівником у сфері охорони здоров’я та штучного інтелекту, який заснував компанію після виконання керівних ролей у Kaiser Permanente, UnitedHealthcare та Optum, де він керував великомасштабними ініціативами з управління даними, аналітики, штучного інтелекту та корпоративних платформ. Його досвід керівництва стратегією даних у найбільших організаціях платників та постачальників послуг сформував фокус Penguin Ai на вирішенні адміністративної неефективності охорони здоров’я за допомогою спеціально створеного штучного інтелекту, а не примусової установки загальних платформ у складні робочі процеси охорони здоров’я. Під його керівництвом Penguin Ai позиціонується навколо практичної тези: охороні здоров’я потрібні системи штучного інтелекту, спеціально розроблені для операцій платників та постачальників, з можливістю зменшити ручну роботу, покращити точність та допомогти командам витрачати більше часу на високоцінні клінічні та оперативні рішення.

Penguin Ai – це компанія, яка спеціалізується на штучному інтелекті у сфері охорони здоров’я, що автоматизує адміністративні та клінічні операції для платників, постачальників, компаній з управління доходами та партнерів охорони здоров’я. Її платформа поєднує моделі мови охорони здоров’я, цифрових працівників, агентів штучного інтелекту, можливості управління та автоматизації робочих процесів для випадків, таких як попередня авторизація, обробка претензій, медична кодифікація, апеляції, регулювання ризику, цілісність платежів, підсумкування медичних карт, підсумкування клінічної документації та верифікація права на лікування. Компанія отримала 29,7 мільйонів доларів у вигляді венчурних інвестицій, включаючи 25 мільйонів доларів серії А під керівництвом Greycroft, для розширення найму, розробки продукції та розгортання платформ для платників та постачальників, а також запустила Gwen, платформу для створення штучного інтелекту, яка допоможе командам охорони здоров’я створювати цифрових працівників для адміністративних робочих процесів.

Після керівництва організаціями даних та аналітики у Kaiser Permanente, UnitedHealthcare та Optum, які конкретні досвіди переконали вас у тому, що охороні здоров’я потрібна спеціально створена платформа штучного інтелекту, і як ці уроки сформували бачення заснування Penguin Ai?

Я дам вам точний момент, коли все стало зрозуміло. Я сидів на огляді в одному з великих платників, дивлячись на чергу попередніх авторизацій, які кожна повернулась тричі, і жодна з них не мала реального клінічного питання. Вони повернулись через те, що поле не збігалось або документація з’явилась у неправильному форматі. Найкращі оператори країни витрачали свій день на годування машини, яка нічого не давала пацієнту, який чекав на інший бік. Я побачив те ж саме марнотратство в Kaiser, у UnitedHealthcare, у Optum, тільки у різних костюмах. Тоді я перестав вірити у тезу галузі про те, що тертя – це ціна масштабу. Бачення Penguin Ai виникло прямо з цього розчарування: створити платформу, яка говорить мовою платників та постачальників, покласти контекст охорони здоров’я всередину системи, щоб цифровий працівник застосував ваші власні критерії та показав свою логіку, залишити людину відповідальною за клінічну оцінку, і зняти ручну роботу з усіх інших. Це вся гра.

Penguin Ai зосереджується на вирішенні того, що ви описуєте як трильйонну адміністративну ношу охорони здоров’я. Які робочі процеси ви пріоритезували спочатку, і чому попередня авторизація, обробка претензій, медична кодифікація та апеляції виникли як найбільші можливості для трансформації штучним інтелектом?

Ми пішли туди, де біль найголосніше. Попередня авторизація, обробка претензій, медична кодифікація та апеляції піднялись на вершину через одну причину: вони являють собою величезні купи повторюваної роботи, де більшість випадків слідує певному шаблону, а винятки настільки рідкісні, що людина повинна бачити тільки винятки. Попередня авторизація очолила список, оскільки це місце, де ви можете буквально спостерігати, як пацієнт страждає, а паперова робота сидить у черзі, і ніхто не захищає це з прямим обличчям. Коли наші цифрові працівники несуть повторюване навантаження і знають, коли привернути людину, результати не є тонкими. Огляди проходять до 97 відсотків швидше, відмови зменшуються більш ніж вдвічі, і близько 92 відсотків випадків вирішуються без ручного дотику. Я вибрав ці чотири, оскільки вони дозволяють мені довести тезу швидко: зняти адміністративне навантаження, і ви робите охорону здоров’я краще для пацієнта, клініциста та людини, яка виконує роботу. Усі перемагають у одному й тому ж русі, що є причиною, через яку ми почали саме з цього.

Як керівник великомасштабних підприємств технологій, ви оцінювали безліч постачальників підприємств-технологій. Які найпоширеніші причини, через які стартапи штучного інтелекту не здобувають успіху всередині великих систем охорони здоров’я та платників?

Я сидів на боці покупця достатньо довго, щоб побачити, як стартапи спалюють свій шанс трьома способами. По-перше, вони ставлять охорону здоров’я як будь-який інший корпоративний рахунок і стають неозброєними перед хаосом інтеграції, спадкових систем та регуляторного навантаження, про яке ніхто їх не попередив. По-друге, вони перебільшують автономію, а потім не можуть відповісти на перше складне питання, яке завжди є якимось варіантом “покажіть мені, як ви до цього прийшли”. Ні аудиторської траси, ні логіки, яку прийме команда з дотримання вимог, і пілотна версія гине прямо в кімнаті. По-третє, вони виправляють одну сторону платника-постачальника відносин і ніколи не розуміють, що тертя живе на шві між ними. І чесно кажучи, кожен покупець, якого я знаю, втомився. У них є шухляда, повна інструментів штучного інтелекту, які додали панель управління та не зняли жодної роботи з жодної тарілки. Планка висока, а терпіння тонке, і кожен, хто не може показати реальний шлях від пілотної версії до виробництва, викидається за двері.

Багато організацій охорони здоров’я залишаються обережними щодо розгортання штучного інтелекту у місійних операціях. Що таке успішне впровадження штучного інтелекту всередині великого платника чи постачальника організації, і які помилки керівники роблять при спробі масштабувати його?

Справжнє впровадження починається з малого і заробляє свій шлях вгору. Виберіть один робочий процес, який справді болить, тримайте людей у петлі, щоб вони могли спостерігати за роботою і довіряти їй, і дозвольте доказам купувати вам розширення. Коли команда бачить цифрового працівника, який правильно очищає повторювані випадки і передає їм ті, які насправді потребують судження, вони перестають опиратися і починають просити більше. Помилки болісно передбачувані. Керівники намагаються виварити океан і розгорнути всюди одночасно. Вони купують технологію і ніколи не переробляють робочий процес навколо неї, тому навантаження просто переїжджає в іншу чергу. Або вони витягують людей занадто швидко, спалюють довіру і потім дивуються, чому ніхто не торкається речі. Масштабування штучного інтелекту в системі охорони здоров’я – це робота з управління змінами в костюмі технологій. Команди, які перемагають, ставлять це так, і вони зобов’язуються дотримуватися жорсткого метричного показника з першого дня, щоб кожен знав, що таке справжній успіх.

Penguin Ai підкреслює моделі штучного інтелекту та робочі процеси, спеціально створені для охорони здоров’я, а не загальні корпоративні рішення штучного інтелекту. Які унікальні виклики охорони здоров’я потребують спеціального підходу, і де загальні платформи штучного інтелекту не дотягують?

Охорона здоров’я не є загальним корпоративним випадком, і прикидання, що це так, обпалює. У неї свій мову, свої правила, свої наслідки, і жодне з цього не є необов’язковим. Загальна модель надасть вам впевнену, правдоподібну відповідь, яка тихо неправильна, оскільки вона не несе ваші критерії медичної необхідності і не може показати свою роботу таким чином, щоб аудитор або клініцист підписали її. Неможливо. Ми побудували Penguin Ai у шарах саме з цієї причини: шар даних, який витягує інформацію, шар контексту, який тримає специфічну для охорони здоров’я логіку та управління, і цифрову робочу силу, яка фактично виконує роботу, включаючи наші попередньо створені рішення цифрових працівників та Gwen, будівельника, який дозволяє вашій команді створити нові цифрові працівники. Загальні платформи штучного інтелекту не дотягують, оскільки вони ставлять експертизу охорони здоров’я до рівня чогось, що можна підказати. Ви не можете. Ви повинні будувати це у систему, і це є ціллю того, що ми створили.

Попередня авторизація залишається одним з найбільш розчаровуючих процесів для постачальників та пацієнтів. Як ви бачите, штучний інтелект змінює попередню авторизацію протягом наступних п’яти років, і які заходи безпеки необхідні для забезпечення того, щоб автоматизація покращувала результати без створення нових бар’єрів?

Через п’ять років прості затвердження повернуться протягом хвилин, застосовані послідовно проти ваших власних керівних принципів, з клініцистом, включеним у будь-яке питання, яке потребує медичної оцінки. Це добра версія. Ось частина, яку люди пропускають: автоматизація може так само легко індустріалізувати бар’єри, якщо ви будуєте її ледачо. Швидший спосіб відмовити у догляді – це неправомірність з кращим пропуском. Тому заходи безпеки – це вся гра. Кожна рекомендація, зроблена цифровим працівником, повинна нести свою логіку та повну аудиторську трасу, те, що ми називаємо скляною коробкою, щоб кожен міг побачити точно, як вона прийшла туди. Швидкість ніколи не повинна ставати прикриттям для тихої стіни автоматичних відмов. І кваліфікована людина залишається відповідальною за клінічну оцінку, завжди. Добре зробіть це, і попередня авторизація перестане бути тим, чого пацієнти та лікарі бояться. Помилитесь, і ви побудуєте швидшу версію проблеми. Мене цікавить тільки перша.

Промисловість все частіше говорить про агентів штучного інтелекту та автономні робочі процеси. Які найбільші технічні та операційні перешкоди для розгортання штучного інтелекту, який може надійно обробляти складні адміністративні завдання охорони здоров’я з мінімальним втручанням людини?

Важка частина – не демо, а краї. Обробка винятків, нечіткі та несумісні дані, а також спадкові системи, які ніколи не були створені для спілкування з чимось. Це місце, де живе справжнє інженерування, і воно глибоко непривабливе. Операційний бар’єр – довіра, яку жодна система охорони здоров’я не дає вам безкоштовно. Якщо ваші люди не можуть її перевірити або пояснити, вони не будуть її масштабувати, крапка. Тепер дозвольте мені трохи спростити тезу. “Мінімальне втручання людини” – це неправильна мета, і мене турбує, коли я чую це. Метою є звільнити вашу команду для складних випадків та судових рішень, де їхня експертиза фактично заробляє свій хліб. Наші цифрові працівники несуть повторюване навантаження і знають, коли привернути людину. Добре вирішити цю передачу, надійно та прозоро, на реальному масштабі охорони здоров’я, – це проблема, яку варто вирішити. Все інше – це науковий проект.

Охорона здоров’я – одна з найбільш регламентованих галузей у світі. Як ви балансуєте швидкість інновацій з вимогами щодо дотримання вимог, конфіденційності, аудиторської траси та необхідності людської відповідальності у системах, керованих штучним інтелектом?

Ви заробляєте право рухатися швидко, будуючи речі, які витримують. У сфері охорони здоров’я управління – це фундамент, і ми вилили його першим. Коли ви обробляєте дані пацієнтів, корпоративне управління даними – це моральна вимога, і я це буквально маю на увазі. Тому кожна рекомендація працює на стандарти скляної коробки, логіка плюс повна аудиторська траса, яка дозволяє команді з дотримання вимог довіряти швидкості. Людська відповідальність закладена у дизайн, оскільки кваліфікована людина володіє будь-чим, що торкається клінічної оцінки, а цифровий працівник обробляє збір та повторюване навантаження. Це спосіб, яким ви робите швидке та довірливе у одному й тому ж системі, і в цій галузі ви не можете вибирати одне і пропускати інше. Більшість людей розглядають дотримання вимог та аудиторську трасу як гальма. Я бачу їх як те, що дозволяє вам поставити ногу вниз, оскільки без них ви ніколи не досягнете виробництва.

Ви здійснили перехід від керівництва великомасштабними підприємствами даних та аналітики до будівництва стартапу з нуля. Які аспекти переходу оператора у засновника були найбільш винагороджувальними, а які виклики були найбільш несподіваними?

Найбільш винагороджувальною частиною є те, що ви нарешті можете побудувати все правильно з першого разу. Всередині великої організації зміна відбувається зі швидкістю інституту. Кожна зміна повинна пройти через спадкові системи, конкуруючі пріоритети та шари затвердження, тому зміна, яку ви знаєте правильною, може зайняти вісімнадцять місяців, якщо вона відбувається взагалі. Такий темп зносить вас, коли ви бачите точно, що потрібно зробити. У сфері засновника ця стеля зникає. Ми можемо будувати з нуля, проектувати платформу навколо проблеми, а не навколо тридцяти років накопичених обходів, і відправляти правильну відповідь, поки вона ще має значення. Коли я чую, що медсестра отримала свої вечори назад, або пацієнт отримав відповідь за години, де раніше це займало дні, це приземляється у спосіб, якого жоден огляд дорожньої карти не міг би зробити.

Оглядаючи вперед, якщо штучний інтелект успішно видаляє більшу частину адміністративного навантаження з охорони здоров’я, як ви думаєте, платники, постачальники та пацієнти будуть сприймати систему охорони здоров’я по-іншому протягом наступного десятиліття?

Через десять років, якщо ми все робимо правильно, система нарешті починає відчуватися як догляд знову. Пацієнти отримують справжні відповіді, коли вони страшні та вразливі, і вони перестають потребувати отримання ступеня у сфері бюрократії страхування, просто щоб отримати те, що їхній лікар вже замовив. Клініцисти витрачають свій час на мистецтво медицини та на людей перед ними, а не на перемелювання повторюваного випадку перед обідом. Персонал операцій та адміністративний персонал, деякі з найбільш недооцінених людей у цій галузі, нарешті роблять роботу, яка використовує їхню справжню експертизу. І платники та постачальники координують замість того, щоб кидати паперові роботи туди й назад через шов, якого ніхто не володіє. Це охорона здоров’я, до якої я буду будувати. Картка результатів, про яку мені доводиться піклуватися, – це нудна та специфічна: час, повернутий догляду за пацієнтами, і затримка, витягнута з досвіду пацієнта. Все інше, що ми робимо, служить тим двом числам.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Penguin Ai.