Sundar Subramanian, CEO của Zyter – Chuỗi Phỏng Vấn

Sundar Subramanian, CEO của Zyter, là một nhà điều hành chiến lược và chăm sóc sức khỏe có kinh nghiệm, với nền tảng trải dài từ tư vấn quản lý, chuyển đổi số, đến vận hành quy mô lớn trong lĩnh vực y tế. Trước khi trở thành CEO vào tháng 7 năm 2025, ông đã làm việc hơn 16 năm tại PwC’s Strategy&, nơi ông dẫn dắt bộ phận tư vấn chiến lược tại Hoa Kỳ cũng như thực tiễn Enterprise Strategy, Value and Digital Transformation, tư vấn cho các tổ chức lớn về tăng trưởng, thiết kế lại mô hình vận hành và chuyển đổi dựa trên AI. Ở giai đoạn đầu sự nghiệp, Subramanian đồng lãnh đạo Trung tâm Xuất sắc Medicaid và Medicare của Booz & Company và làm việc sâu rộng với các nhà chi trả trong lĩnh vực chăm sóc sức khỏe, sau các vị trí cao cấp tại WellCare và McKinsey & Company. Tại Zyter, ông đang dẫn dắt mở rộng công ty quanh AI có tính năng tự động và điều phối quy trình làm việc thông minh, tập trung vào việc sử dụng AI để thiết kế lại các quy trình kinh doanh đầu cuối thay vì chỉ tự động hoá các nhiệm vụ riêng lẻ.

Zyter là một công ty công nghệ doanh nghiệp tư nhân với hơn hai thập kỷ kinh nghiệm trong lĩnh vực chăm sóc sức khỏe số, nơi nền tảng TruCare population health đã tạo dấu ấn hỗ trợ hơn 44 triệu người trên hơn 45 tổ chức y tế. Công ty hiện đang mở rộng ra ngoài cội nguồn chăm sóc sức khỏe với một nền tảng thực thi AI được thiết kế cho các quy trình phức tạp và có mức độ quy định cao trong lĩnh vực y tế, chính phủ và dịch vụ tài chính. Kiến trúc của nó kết hợp Zyter Symphony, công cụ điều phối các tác nhân AI, hệ thống doanh nghiệp và hành động của con người; Zyter Praxis, gói các tác nhân, quy tắc, dữ liệu và giám sát con người thành các mô-đun quy trình làm việc đầu cuối; và TruCare Digital Core, kết nối các quy trình này với các hệ thống như hồ sơ sức khỏe điện tử, nền tảng yêu cầu bồi thường, hệ thống hoạch định nguồn lực doanh nghiệp và phần mềm quản lý quan hệ khách hàng. Mục tiêu rộng hơn là đưa AI có tính năng tự động vào hoạt động trong môi trường doanh nghiệp hiện có đồng thời duy trì quản trị, khả năng kiểm toán và giám sát con người đối với các quyết định quan trọng.

Bạn đã làm việc hơn 16 năm tại Strategy&, dẫn dắt bộ phận tư vấn chiến lược ở Hoa Kỳ và làm việc sâu rộng trong lĩnh vực chăm sóc sức khỏe, sau kinh nghiệm trước đó tại WellCare. Điều gì đã thuyết phục bạn rằng bước tiến lớn tiếp theo của chăm sóc sức khỏe sẽ đến từ AI có tính năng tự động và thực thi quy trình làm việc thay vì một thế hệ phần mềm truyền thống khác?

Trong suốt sự nghiệp, tôi đã có cơ hội nhìn thấy ngành chăm sóc sức khỏe từ nhiều góc độ: như một nhà vận hành, một nhà tư vấn chiến lược, và hiện nay là người xây dựng công nghệ. Qua những trải nghiệm đó, một nhận xét ngày càng rõ ràng: ngành chăm sóc sức khỏe không gặp khó khăn vì thiếu công nghệ, mà vì công nghệ không thay đổi cách công việc được thực hiện.

Trong thập kỷ qua, ngành đã đầu tư mạnh vào số hoá. Chúng tôi hiện đại hoá hạ tầng, mở rộng phân tích, cải thiện khả năng tương tác, và gần đây hơn là áp dụng AI. Những khoản đầu tư này tạo ra các khả năng mới quan trọng, nhưng chúng không giải quyết được một trong những thách thức lâu dài nhất của chăm sóc sức khỏe: việc phối hợp công việc giữa con người, hệ thống, chính sách và các tổ chức. Thường xuyên, công nghệ chỉ được gắn lên các mô hình vận hành hiện có mà không thay đổi cách chúng hoạt động.

Sự nhận thức này đã thay đổi cách tôi suy nghĩ về chuyển đổi. Giai đoạn tiếp theo không được xác định bằng việc triển khai thêm AI mà là việc thiết kế lại cách công việc được thực hiện. AI là một công cụ hỗ trợ phi thường, nhưng giá trị lớn nhất của nó đến từ việc giúp các tổ chức thực thi hiệu quả hơn bằng cách điều phối công việc giữa con người, hệ thống, chính sách và AI.

Đó là lý do tôi chọn Zyter. Sau nhiều năm giúp các tổ chức phát triển chiến lược chuyển đổi, tôi muốn góp phần xây dựng lớp thực thi biến những chiến lược thành kết quả đo lường được. Đối với tôi, tương lai của chăm sóc sức khỏe không phải là làm cho AI thông minh hơn, mà là giúp ngành y tế vận hành thông minh hơn.

Zyter tự định vị mình là lớp thực thi cho doanh nghiệp có tính năng tự động, với Symphony điều phối các tác nhân và con người, Praxis thực thi các quy trình làm việc, và TruCare gắn chúng vào dữ liệu doanh nghiệp. Kiến trúc này có thể đạt được gì mà các trợ lý AI cá nhân không thể?

Chuyển đổi doanh nghiệp chưa bao giờ bị giới hạn bởi thiếu ý tưởng hay trí tuệ. Các tổ chức thường biết họ cần làm gì. Thách thức khó hơn là liên tục chuyển đổi những quyết định đó thành hành động trên khắp con người, hệ thống, chính sách và quy trình làm việc.

Đó là nơi tôi nhìn thấy giai đoạn tiếp theo của AI doanh nghiệp. Các trợ lý AI cá nhân làm cho con người trở nên năng suất hơn. AI doanh nghiệp nên làm cho các tổ chức trở nên hiệu quả hơn. Nó nên phối hợp công việc, thực thi quy trình, thích nghi khi điều kiện thay đổi, và liên tục cải thiện cách tổ chức vận hành.

Kiến trúc của chúng tôi phản ánh triết lý đó. Symphony điều phối các tác nhân AI, hệ thống doanh nghiệp và chuyên môn của con người. Praxis thực thi các quy trình làm việc, và TruCare cung cấp nền tảng vận hành, gắn các quy trình này vào dữ liệu doanh nghiệp đáng tin cậy. Cùng nhau, chúng tạo ra một lớp thực thi, nơi AI trở thành một phần của cách công việc được thực hiện chứ không chỉ là một công cụ mà con người sử dụng bên cạnh công việc của mình.

Các tổ chức cuối cùng sẽ đo lường AI dựa trên khả năng cải thiện kết quả. Năng suất quan trọng, nhưng giá trị lâu dài đến từ việc giúp doanh nghiệp thực thi một cách nhất quán hơn, thích nghi nhanh hơn và học hỏi từ mỗi quy trình họ thực hiện.

AI có tính năng tự động trở nên phức tạp hơn rất nhiều khi nhiều tác nhân chia sẻ dữ liệu, chuyển giao nhiệm vụ và nâng cấp quyết định lên con người. Zyter đã học được gì về việc làm cho các hệ thống đa tác nhân đủ tin cậy cho ngành chăm sóc sức khỏe ở quy mô lớn?

Khi AI vượt ra ngoài các trường hợp sử dụng cá nhân và trở thành một phần của hoạt động hàng ngày, thách thức cũng thay đổi. Nó không còn chỉ là mức độ thông minh của mỗi tác nhân mà là cách công việc được phối hợp giữa các hệ thống, chính sách, con người và AI.

Chúng tôi nhận thấy rằng việc chuyên môn hoá rất quan trọng. Trong chăm sóc sức khỏe, không một người nào có thể làm mọi việc, và AI cũng không nên như vậy. Các tác nhân có trách nhiệm rõ ràng sẽ đáng tin cậy hơn, dễ quản lý hơn và dễ cải thiện theo thời gian. Lớp điều phối phối hợp các tác nhân này, quản lý việc chuyển giao, áp dụng chính sách một cách nhất quán và quyết định khi nào cần đưa chuyên môn của con người vào quy trình.

Tầm nhìn cũng quan trọng không kém. Các đội cần hiểu cách quyết định được đưa ra, thông tin nào đã được sử dụng và chúng đã đóng góp như thế nào vào kết quả. Ghi lại nguồn gốc quyết định tạo ra sự minh bạch, đồng thời cho phép mỗi quy trình trở thành nguồn học hỏi và cải tiến liên tục.

AI đáng tin cậy không được định nghĩa bởi số lượng tác nhân được triển khai, mà được phản ánh qua mức độ nhất quán trong việc hoàn thành công việc, mức độ tin tưởng của con người vào kết quả và hiệu quả cải thiện của hệ thống theo thời gian.

Các tổ chức chăm sóc sức khỏe muốn hệ thống AI cải thiện theo thời gian, nhưng họ cũng cần hành vi dự đoán được và khả năng kiểm toán. Làm thế nào để bạn cho phép học liên tục mà không để hệ thống lệch khỏi các hướng dẫn lâm sàng, chính sách nhà chi trả hoặc quy trình đã được phê duyệt?

Tôi không tin rằng mọi quyết định đều nên được tự động hoá bằng AI. Trong chăm sóc sức khỏe, có nhiều quyết định mà logic quyết định định, các quy tắc kinh doanh đã thiết lập hoặc chính sách lâm sàng có thể đưa ra câu trả lời rõ ràng và nhất quán. Khi có thể, chúng ta nên sử dụng chúng thay vì tạo ra sự không chắc chắn không cần thiết.

Cơ hội thú vị hơn là kết hợp các phương pháp quyết định định này với AI. Chúng tôi đã triển khai thành công logic neuro-symbolic tạo ra một lớp xác thực quanh suy luận dựa trên AI. AI có thể diễn giải thông tin phức tạp hoặc không có cấu trúc, trong khi các quy tắc định đoạt và logic ký hiệu xác nhận rằng hành động kết quả vẫn phù hợp với các chính sách, hướng dẫn và quy trình đã được phê duyệt. Điều này giảm thiểu sự không chắc chắn và cải thiện độ chính xác so với việc chỉ dựa vào AI.

Điều này cũng thay đổi cách tôi nghĩ về học liên tục. Mục tiêu không phải là cho AI tự do hơn trong việc đưa ra quyết định theo thời gian. Mục tiêu là học từ việc thực thi trong khi duy trì các kiểm soát quyết định quan trọng. Bạn có thể cải thiện cách hệ thống diễn giải thông tin, xử lý ngoại lệ và phối hợp công việc mà không để nó lệch khỏi các quy tắc chi phối quy trình cơ bản.

Sự kết hợp giữa suy luận AI, quyết định định tính và xác thực liên tục chính là cách tạo ra các hệ thống có thể cải thiện theo thời gian đồng thời vẫn duy trì tính dự đoán, khả năng kiểm toán và trách nhiệm.

Zyter đã khám phá C-RLM, một phương pháp đệ quy để tổng hợp các lịch sử lâm sàng dài và rời rạc. Lý luận ngữ cảnh dài sẽ trở nên quan trọng như thế nào trong chăm sóc sức khỏe, và liệu các tác nhân cuối cùng có thể duy trì một hiểu biết liên tục và phát triển về từng bệnh nhân không?

Chăm sóc sức khỏe chưa bao giờ thiếu thông tin. Thách thức là câu chuyện của bệnh nhân được lan truyền qua nhiều năm ghi chú của bác sĩ, kết quả xét nghiệm, thuốc men, hình ảnh, yêu cầu bồi thường và các tương tác chăm sóc. Việc hiểu được lịch sử này đòi hỏi không chỉ xử lý một lượng lớn dữ liệu mà còn phải kết nối bằng chứng, nhận ra mẫu và xây dựng một hiểu biết nhất quán về hành trình của từng bệnh nhân.

Lý luận ngữ cảnh dài sẽ ngày càng quan trọng khi AI chuyển từ hỗ trợ các nhiệm vụ riêng lẻ sang hỗ trợ chăm sóc dài hạn. Công việc của chúng tôi với C-RLM phản ánh hướng đi đó. Mục tiêu không chỉ là tóm tắt thêm thông tin, mà là tổng hợp các bằng chứng lâm sàng rời rạc thành một hiểu biết có cấu trúc, vẫn dựa trên hồ sơ gốc. Mỗi kết luận cũng cần có khả năng truy xuất nguồn để các bác sĩ hiểu cách nó được đưa ra và xác thực dựa trên bằng chứng.

Khi các khả năng này trưởng thành, các tác nhân AI sẽ ngày càng giúp duy trì một hiểu biết liên tục và phát triển về hành trình của từng bệnh nhân. Hiểu biết này sẽ trở nên phong phú hơn khi có thông tin mới, đồng thời vẫn minh bạch, dựa trên bằng chứng và gắn với dữ liệu lâm sàng đáng tin cậy. Vai trò của AI là cung cấp cho các bác sĩ một bức tranh toàn diện hơn để họ có thể đưa ra quyết định tốt hơn với sự tự tin cao hơn.

Zyter đang tham gia chương trình CMS WISeR, trong đó AI có thể hỗ trợ quy trình làm việc trong khi các bác sĩ được cấp phép vẫn giữ quyền quyết định. Liệu đây có phải là ranh giới tự chủ hiện tại không, và cần thay đổi gì trước khi các tác nhân AI có thể đảm nhận các quyết định quan trọng hơn?

Tôi không nghĩ có một ranh giới tự chủ duy nhất cho chăm sóc sức khỏe. Vai trò phù hợp của AI phụ thuộc vào quy trình, mức độ rủi ro và mức độ tin tưởng mà các tổ chức có rằng hệ thống sẽ hành xử nhất quán trong điều kiện thực tế.

Các chương trình như WISeR phản ánh thực tế đó. AI đã rất hiệu quả trong việc tổng hợp thông tin, áp dụng các chính sách đã thiết lập một cách nhất quán, phối hợp các quy trình hành chính và giảm công việc lặp lại. Các bác sĩ được cấp phép vẫn cung cấp phán đoán cho những quyết định mà ngữ cảnh, sự mơ hồ và trách nhiệm là quan trọng nhất. Đó là mô hình vận hành phản ánh sức mạnh của cả AI và chuyên môn con người.

Theo thời gian, những ranh giới này sẽ tiếp tục phát triển, nhưng chúng nên phát triển vì niềm tin đã được xây dựng, không phải vì các mô hình trở nên mạnh hơn. Sự tin tưởng đến từ bằng chứng, minh bạch, xác thực và hiệu suất nhất quán trong môi trường sản xuất. Mỗi lần mở rộng vai trò của AI cần được hỗ trợ bởi cùng các tiêu chuẩn mà chăm sóc sức khỏe áp dụng cho bất kỳ khả năng quan trọng nào khác.

Tôi không nghĩ thành công sẽ được đo bằng mức độ tự chủ của AI. Nó sẽ được đo bằng việc bệnh nhân nhận được chăm sóc tốt hơn, các bác sĩ có thêm thời gian tập trung vào các quyết định phức tạp, và hệ thống chăm sóc sức khỏe vận hành hiệu quả hơn nhờ đó.

Zyter gần đây đã chuyển TruCare sang nền tảng AWS đám mây gốc để hỗ trợ việc điều phối AI ở quy mô doanh nghiệp. Thách thức trong AI có tính năng tự động phần nào liên quan đến các mô hình tự chúng so với cơ sở hạ tầng kết nối dữ liệu, hệ thống, chính sách và con người?

Các mô hình nền tảng đang tiến bộ với tốc độ phi thường, và điều này có lợi cho toàn ngành. Cuộc trò chuyện dần chuyển từ khả năng của các mô hình sang cách chúng hoạt động trong các doanh nghiệp thực tế.

Kết nối dữ liệu, hệ thống, chính sách và con người là nơi mà chuyển đổi thành công hoặc bị kẹt lại. AI phải hoạt động trong môi trường vận hành hiện có, thực thi trên nhiều hệ thống, áp dụng chính sách một cách nhất quán và hoạt động đáng tin cậy ở quy mô sản xuất. Nếu không có nền tảng đó, ngay cả mô hình mạnh nhất cũng sẽ không gắn liền với công việc mà nó dự định cải thiện.

Việc chúng tôi chuyển sang kiến trúc AWS đám mây gốc phản ánh sự tiến triển đó. Nó cung cấp nền tảng bền vững, có khả năng mở rộng cần thiết để điều phối AI trên các quy trình doanh nghiệp đồng thời duy trì độ tin cậy, quản trị và hiệu suất mà chăm sóc sức khỏe yêu cầu. Cơ sở hạ tầng quan trọng vì nó cho phép AI trở thành một phần của cách công việc được thực hiện hàng ngày, không chỉ là một ứng dụng chạy song song với các quy trình hiện có.

Cơ hội dài hạn không chỉ được định nghĩa bởi các mô hình tốt hơn. Nó đến từ việc kết hợp tiến bộ trong AI với cơ sở hạ tầng và mô hình vận hành cần thiết để thực thi công việc một cách nhất quán ở quy mô doanh nghiệp.

Zyter cũng đang định vị mô hình thực thi của mình cho các ngành công nghiệp có quy định khác, bao gồm dịch vụ tài chính và chính phủ. Phần nào của nền tảng thực sự là ngang, và lợi thế nào đến cụ thể từ kinh nghiệm của Zyter trong lĩnh vực chăm sóc sức khỏe?

Các ngành có quy định thường được nhìn qua lăng kính những gì làm chúng khác biệt. Tôi nhận thấy cũng quan trọng không kém để hiểu những gì chúng chung nhau. Dù bạn đang cung cấp chăm sóc sức khỏe, quản lý rủi ro tài chính hay hỗ trợ các chương trình chính phủ, thành công phụ thuộc vào việc phối hợp công việc phức tạp giữa con người, hệ thống, chính sách và dữ liệu đồng thời duy trì trách nhiệm cho mỗi quyết định.

Đó là nơi tôi thấy mô hình thực thi cơ bản là ngang. Điều phối AI, hệ thống doanh nghiệp và chuyên môn con người, áp dụng chính sách nhất quán, phối hợp công việc qua nhiều hệ thống và duy trì minh bạch là những thách thức mở rộng ra ngoài lĩnh vực chăm sóc sức khỏe. Các quy trình làm việc khác nhau theo ngành, nhưng nhu cầu về thực thi đáng tin cậy là rất nhất quán.

Chăm sóc sức khỏe không thay đổi những gì chúng tôi đã xây dựng, mà nâng cao tiêu chuẩn cho cách chúng tôi phải xây dựng. Các quy trình lâm sàng đòi hỏi độ chính xác, khả năng tương tác, quản trị, độ bền và niềm tin vì hậu quả của việc sai lầm là nghiêm trọng. Thiết kế cho mức độ phức tạp đó đã tạo ra một mô hình thực thi có thể được điều chỉnh cho các ngành công nghiệp có quy định khác, nơi kỷ luật vận hành, tuân thủ và trách nhiệm cũng quan trọng không kém.

Khi AI được nhúng sâu hơn vào hoạt động doanh nghiệp, tôi nghĩ cuộc trò chuyện sẽ chuyển từ việc một khả năng được xây dựng cho một ngành cụ thể sang việc nó có thể thực thi đáng tin cậy trong môi trường phức tạp, có quy định. Đó là tiêu chuẩn mà chúng tôi đã thiết kế từ đầu.

Zyter’s Rural Health Orchestrator kết hợp chăm sóc ảo, giám sát từ xa, quản lý chăm sóc và dịch vụ lâm sàng. Điều gì mà điều phối tự động có thể giải quyết trong chăm sóc sức khỏe nông thôn mà telehealth đơn thuần không thể?

Telehealth đã giải quyết một thách thức quan trọng về tiếp cận. Thách thức tiếp theo là đảm bảo mỗi tương tác dẫn đến hành động phối hợp và kết quả đo lường được.

Chăm sóc sức khỏe nông thôn đã đạt tiến bộ đáng kể trong việc mở rộng tiếp cận thông qua telehealth, giám sát từ xa và đầu tư băng thông. Tuy nhiên, kết quả chưa theo kịp vì quá nhiều tương tác kỹ thuật số vẫn còn rời rạc so với hành trình chăm sóc tổng thể. Một cuộc khám bệnh ảo không cập nhật kế hoạch chăm sóc, không kích hoạt theo dõi tiếp theo, hoặc không phối hợp bước tiếp theo sẽ cải thiện tiếp cận, nhưng không nhất thiết cải thiện sức khỏe.

Đó là nơi điều phối trở nên thiết yếu. Nó kết nối telehealth, giám sát từ xa, quản lý chăm sóc, nguồn lực cộng đồng và quy trình lâm sàng thành một hệ thống phối hợp duy nhất, để thông tin chảy liền mạch và hành động tự động theo sau. Mỗi tương tác trở thành một phần của hành trình chăm sóc liên tục thay vì một sự kiện riêng lẻ.

Cơ hội không chỉ là mở rộng tiếp cận. Đó là chuyển đổi tiếp cận thành kết quả. Khi chăm sóc được kết nối giữa con người, hệ thống và quy trình, các bác sĩ sẽ dành ít thời gian cho việc điều hướng các quy trình rời rạc, bệnh nhân nhận được sự theo dõi nhất quán hơn, và các hệ thống y tế nông thôn có thể cung cấp kết quả tốt hơn với nguồn lực hiện có. Đó là nơi tôi tin rằng điều phối AI tạo ra giá trị lớn nhất.

Với sự hợp tác mới với PwC, điều gì sẽ phân biệt một chuyển đổi AI thành công so với một dự án thí điểm AI trong chăm sóc sức khỏe? Những kết quả đo lường nào sẽ thuyết phục bạn rằng AI đã cải thiện cơ bản cách một nhà chi trả hoặc nhà cung cấp hoạt động?

Chăm sóc sức khỏe đã dành nhiều năm để đầu tư vào các khả năng số. Hiện nay, hầu hết các tổ chức đã có dữ liệu, AI và công nghệ hiện đại. Giai đoạn tiếp theo không phải là thêm nhiều khả năng, mà là thiết kế lại cách công việc được thực hiện.

Vì vậy, tôi không đo lường chuyển đổi dựa trên số lượng mô hình AI được triển khai hay số dự án thí điểm được khởi động. Tôi xem xét liệu mô hình vận hành của tổ chức có thay đổi hay không. Các quyết định có nhanh hơn không? Các quy trình có phối hợp hơn giữa các phòng ban và hệ thống không? Gánh nặng hành chính có giảm không trong khi các bác sĩ và đội ngũ chăm sóc dành nhiều thời gian hơn cho các hoạt động cải thiện chăm sóc bệnh nhân? Những cải tiến này có thể lặp lại trên toàn doanh nghiệp thay vì chỉ riêng một trường hợp sử dụng duy nhất không?

Đó là triết lý đằng sau sự hợp tác của chúng tôi với PwC. PwC mang lại chuyên môn sâu trong chiến lược và chuyển đổi chăm sóc sức khỏe. Zyter cung cấp lớp thực thi, hiện thực hóa các chiến lược đó trên các quy trình phức tạp, kết nối AI, hệ thống doanh nghiệp, chính sách và con người để các tổ chức có thể liên tục biến chiến lược thành hành động.

Đối với tôi, chuyển đổi AI thành công xảy ra khi AI không còn được xem là một sáng kiến riêng biệt. Nó trở thành một phần của mô hình vận hành. Khi đó, các tổ chức không đo lường thành công của AI mà đo lường các kết quả tốt hơn, chi phí hành chính thấp hơn, chăm sóc phối hợp hơn, và một hệ thống chăm sóc sức khỏe vận hành hiệu quả hơn vì thực thi đã được cải thiện cơ bản.

Cảm ơn vì buổi phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Zyter.