Fawad Butt，Penguin Ai 的 CEO 和联合创始人 – 采访系列

Fawad Butt，Penguin Ai 的 CEO 和联合创始人，是一位经验丰富的医疗保健数据和人工智能高管，他在凯撒永久医疗集团、联合健康保险和 Optum 的领导职位之后创立了这家公司，在那里他监督了大规模的数据治理、分析、人工智能和企业平台项目。 他在一些最大的支付者和提供者组织内部领导数据战略的经验，塑造了 Penguin Ai 专注于使用专用人工智能解决医疗保健的行政低效率，而不是强迫通用平台进入复杂的医疗保健工作流程。 在他的领导下，Penguin Ai 围绕着一个实用的论点：医疗保健需要专门为支付者和提供者运营设计的 AI 系统，能够减少手动工作、提高准确性，并帮助团队花更多时间在更高价值的临床和运营决策上。

Penguin Ai 是一家医疗保健本土 AI 公司，专注于为支付者、提供者、收入周期管理公司和医疗保健技术合作伙伴自动化行政和临床运营。 其平台结合了医疗保健特定语言模型、数字工人、 AI 代理、治理、合规能力和工作流自动化，用于诸如预授权、索赔处理、医疗编码、上诉管理、风险调整、支付完整性、医疗图表总结、临床文档总结和资格验证等用例。 该公司获得了 2970 万美元的风险投资，包括由 Greycroft 领投的 2500 万美元 A 轮融资，用于扩大招聘、产品开发和与支付者和提供者的部署，并推出了 Gwen，一款构建您自己的 AI 平台，旨在帮助医疗保健团队为行政工作流创建受治理的数字工人。

在凯撒永久医疗集团、联合健康保险和 Optum 领导数据和分析组织之后，您在医疗保健中需要一个专用 AI 平台的哪些具体经验让您信服，并且这些教训如何塑造了 Penguin Ai 的创立愿景？

我会告诉你确切的时刻。 我坐在一个大支付者的审查中，盯着一个预授权队列，每个都弹跳了三次，但没有一个有真正的临床问题。 它们弹跳是因为一个字段不匹配或文档显示在错误的格式中。 这个国家最好的操作员正在花费他们的一天来喂养一台产生没有任何东西的机器，患者在另一端等待。 我在凯撒、联合健康保险和 Optum 看到了同样的浪费，只是穿着不同的衣服。 那时我停止相信行业的说法，即摩擦是规模的代价。 Penguin Ai 的愿景直接来自于这种沮丧：建立一个平台，能够说支付者和提供者的语言，将医疗保健背景放入系统中，使 AI 工作人员应用您的标准并显示其推理，保持一个人对临床判断负责，并将繁琐的工作从每个人身上移除。 这就是整个游戏。

Penguin Ai 致力于解决您所描述的医疗保健的万亿美元行政负担。 您首先优先考虑哪些工作流程，为什么预授权、索赔裁定、医疗编码和上诉成为 AI 驱动转型的最大机会？

我们去了那里疼痛的尖叫声最响。 预授权、索赔裁定、医疗编码和上诉因一个原因而浮出水面：它们是巨大的重复工作堆，绝大多数情况都遵循一个模式，异常足够罕见，以至于一个人只会看到异常。 预授权排在首位，因为那是你可以看到患者在队列中等待的同时，文书工作停滞不前的地方，没人会为此辩护。 当我们的 AI 工作人员承担常规量并将真正的异常路由到一个人时，结果并不微妙。 审查速度提高了 97%，拒绝率降低了超过一半，大约 92% 的情况在没有手动触摸的情况下解决。 我选择了这四个，因为它们让我快速证明了论点：剥夺行政负担，你就能让医疗保健对患者、临床医生和做这项工作的人来说变得更好。 每个人都赢了，这就是为什么我们从那里开始的原因。

作为医疗保健高管，您评估了无数企业技术供应商。 AI 初创公司在大型医疗保健系统和支付者内部获得牵引力的最常见原因是什么？

我坐在买方一方足够长的时间，看到了初创公司以三种方式烧毁他们的机会。 一、他们把医疗保健当作任何其他企业账户，并被集成的混乱、遗留系统和没有人提醒他们的监管重量所打击。 二、他们高估了自治性，然后无法回答第一个难题，即“向我展示它是如何得出的”。 没有审计跟踪，没有合规团队会接受的推理，试点就在房间里死了。 三、他们解决了支付者和提供者关系的一侧，但从未掌握了摩擦生活在它们之间的接缝处。 老实说，每个买家我都知道都筋疲力尽了。 他们有一个抽屉里装满了 AI 驱动的工具，它们添加了一个仪表盘，但没有从任何人的盘子里移除任何工作。 标准很高，耐心很薄，任何人都无法展示从试点到生产的真正路径就会被赶出门。

许多医疗保健组织仍然在部署 AI 在任务关键型运营方面保持谨慎。 成功的 AI 采用在大型支付者或提供者组织内部实际上是什么样子，以及领导者在尝试扩大它时会犯什么错误？

真正的采用从小处开始，并通过证明来赢得扩张。 选择一个真正令人痛苦的工作流程，保持您的团队在循环中，以便他们可以观看工作的完成并相信它，并让证明为您买来扩张。 当团队看到 AI 工作人员正确地清除常规案例并交给他们真正需要判断的案例时，他们停止抵制并开始要求更多。 错误是可预测的。 领导者试图同时部署到处处，购买技术并从不重新设计工作流程，因此负担只是转移到了不同的队列中。 或者他们太快地将人类移除，烧毁信任，然后想知道为什么没有人触摸它。 在医疗保健系统中扩大 AI 是一个穿着技术外衣的变革管理工作。 获胜的团队将其视为这样，并且他们从第一天开始致力于一个艰难的指标，这样每个人都知道成功实际上是什么样子。

Penguin Ai 强调医疗保健本土 AI 模型和工作流程，而不是通用企业 AI 解决方案。 医疗保健中需要专门方法的独特挑战是什么，通用目的 AI 平台在哪里存在不足？

医疗保健不是一个通用的企业用例，假装它是这样会让你受到伤害。 它有自己的语言、自己的规则、自己的后果，所有这些都是必不可少的。 一个通用模型会给你一个自信的、看似合理的答案，但却悄悄地错误，因为它不携带你的医疗必要性标准，并且无法以一种让审计员或临床医生会签署的方式展示其工作。 这是一个不可能的事情。 我们出于这个原因将 Penguin Ai 建立在多个层面上：一个将信息聚集在一起的数据层，一个包含医疗保健特定推理和治理的上下文层，以及实际执行工作的 AI 工作人员，包括我们的预建 AI 工作人员解决方案和 Gwen，一个让您的团队建立新 AI 工作人员的构建器。 通用平台之所以存在不足，是因为它们把医疗保健专业知识当作可以通过提示进入的东西。 你不能这样做。 你必须将其构建到系统中，这就是我们制作的全部内容。

预授权仍然是提供者和患者都感到沮丧的最令人沮丧的过程之一。 您如何看待 AI 在未来五年内重塑预授权，并且为了确保自动化改善结果而不创造新的障碍，哪些保障措施是必要的？

五年后，直接批准将在几分钟内返回，按照您的指南一致应用，并将临床医生纳入任何需要医疗判断的内容中。 这是好的版本。 这里是人们跳过的部分：自动化也可以通过懒惰的方式工业化障碍。 更快地拒绝护理是一种带有更好吞吐量的不当行为。 因此，保障措施就是整个游戏。 每个 AI 工作人员提出的建议都必须携带其推理和完整的审计跟踪，我们称之为玻璃盒，这样任何人都可以看到它是如何得出的。 速度永远不能成为快速自动化拒绝的借口。 并且，一个合格的人始终对临床判断负责。 做对了，预授权就不再是患者和医生所恐惧的东西。 做错了，你就建造了一个更快的版本的问题。 我只对第一个感兴趣。

行业越来越多地讨论 AI 代理和自治工作流程。 部署能够可靠地处理复杂医疗保健行政任务且最少需要人工干预的 AI 的最大技术和运营障碍是什么？

难点不在演示中，而在边缘。 异常处理、混乱和不一致的数据以及从未被构建为与任何东西交谈的遗留系统。 这就是真正的工程学的所在，这也非常不光鲜。 运营障碍是信任，而没有一个医疗保健系统会免费给你。 如果你的团队无法审计它或解释它，他们就不会扩大它，句号。 现在让我稍微推回前提。 “最少的人工干预”是错误的目标，当我听到它时我会担心。 目的在于让你的团队摆脱重复的案例和判断电话，让他们的专业知识真正发挥作用。 我们的 AI 工作人员承担重复的体积，并知道何时将一个人拉进来。 可靠地解决这个交接问题，在真正的医疗保健规模上，是一个值得解决的难题。 其他一切都是科学展项目。

医疗保健是世界上最严格监管的行业之一。 您如何平衡创新速度与合规性、隐私要求、可审计性和 AI 驱动系统中的人类责任？

您通过构建能够经受住考验的东西来赢得快速移动的权利。 在医疗保健中，治理是基础，我们首先构建了它。 当您处理患者数据时，企业数据治理是一个道德要求，我是字面意思。 因此，每个建议都以玻璃盒标准运行，推理加上完整的审计跟踪，这就是让合规团队真正信任速度的原因。 人类责任性是设计的一部分，因为合格的人拥有任何涉及临床判断的东西，而 AI 工作人员处理装配和常规负载。 这就是如何在同一个系统中获得快速和值得信赖的东西，在这个行业，你不可以选择一个然后跳过另一个。 大多数人将合规性和可审计性视为制动器。 我把它们看作是让你把脚放下来的东西，因为没有它们，你永远不会到达生产，首先。

您从监督大型企业数据和分析组织转变为从头开始建立一家初创公司。 运营商到创始人的旅程中哪些方面最有收获，哪些挑战最令人惊讶？

最有收获的部分是，你终于可以第一次做对了。 在一个大型组织内部，变化的速度是机构的速度。 每个修复都必须通过遗留系统、竞争优先级和批准层，一个你知道是正确的改变可能需要十八个月才能实现，如果它实现了的话。 这种速度会让你感到疲惫，当你可以看到需要发生的事情时。 作为创始人，你可以从零开始构建，设计平台围绕问题，而不是围绕三十年的累积变通方法，并在它仍然重要时发布正确的答案。 当我听到一位护士重新获得了她的晚上，或者一位患者在几个小时内得到了答案，而以前需要几天时，这种感觉是任何路线图审查都无法比拟的。

最令人惊讶的部分，并且真正让我谦逊的是，这项工作有多少是讲故事。 我来自数据和系统，我假设技术会带来论点。 它不会。 你正在要求人们相信不同的工作方式是可能的，你一次一个证明点来赢得这种信念。 节奏很残酷，你在午餐前就戴上了四十顶帽子，它仍然是我做过的最有意义的工作。

展望未来，如果 AI 成功地从医疗保健中去掉了大部分行政负担，您认为支付者、提供者和患者在未来十年内将如何以不同的方式体验医疗保健系统？

十年后，如果我们做对了，系统终于又感觉像护理了。 患者在脆弱和害怕时获得真正的答案，他们不必为了得到医生已经开的东西而获得保险官僚主义的学位。 临床医生花费时间在医学的艺术上和面前的患者身上，而不是在处理第八十七个例行案例之前的磨难。 行业中一些最不被重视的人——运营和行政人员——终于做着真正发挥他们专业知识的工作。 支付者和提供者协调，而不是相互抛掷文书工作，没人拥有这个接缝。 这就是我正在努力的医疗保健。 我关心的评分卡是枯燥和具体的：归还给患者护理的时间，和从患者体验中去掉的延迟。 我们做的一切都是为了服务于这两个数字。

感谢这次精彩的采访，希望了解更多的读者可以访问 Penguin Ai。