Summary & Insights
Imagine a healthcare system where 10,000 people age into Medicare every single day, yet we physically cannot train enough doctors to care for them. This isn’t a distant future scenario; it’s our current reality, and it’s creating an unsustainable pressure on clinicians and patients alike. In this conversation, Nikhil Bhumbra, CEO of Ambience, argues that artificial intelligence represents the first real hope for a pathway out of this crisis. His conviction stems from a unique journey: after losing a mentor to a medical error during his MD-PhD, he dropped out, immersed himself in the early days of deep learning alongside future OpenAI founders, and then did something radical. He and his co-founders started and operated a medical practice not to become permanent caregivers, but to intimately understand the brutal inefficiencies—the administrative drag, the burnout, the fragmented data—that define modern healthcare. That hands-on experience became the foundation for Ambience, which now deploys AI as a true clinical co-pilot within major health systems.
The core promise of Ambience’s AI is to fundamentally reshape the “practice surface area” of clinicians. Today, a doctor spends a disheartening amount of time searching electronic records, writing notes, and navigating billing codes instead of focusing on patients. By building a layer that intelligently synthesizes data from messy, legacy EHR systems, Ambience creates tools that anticipate a clinician’s needs, summarize patient histories, and handle documentation. This isn’t about adding another burdensome tool; it’s about restoring joy and efficiency to medical practice. The proof is in remarkable adoption rates: at some large academic centers, over 75% of clinicians use Ambience daily for more than 80% of their visits, driven by organic pull rather than top-down mandate.
The discussion delves into why previous technology waves failed healthcare and why this moment is different. The gap between the sleek, intuitive tech people use in their personal lives and the clunky software forced upon them at work has finally begun to narrow. For the first time, clinicians are experiencing a sense of magic and anticipation for new releases, akin to waiting for a new Apple product. Furthermore, the financial equation is shifting from a soft “provider happiness” ROI to hard, measurable impacts on operating margin. One health system projects $30 million in net new margin from Ambience’s platform, largely through improved revenue cycle management and clinical throughput, creating a flywheel where new margin funds further AI innovation.
Surprising Insights
- The Biggest Bottleneck Isn’t AI Intelligence, But Messy Data: A core challenge is that EHRs are built on “mutable data structures” that destroy decision traces, and critical data is stuffed into inconsistent fields. Building a reliable layer to pull clean context from these systems is a monumental, unsolved problem that precedes any advanced AI.
- Defining “Quality” in Medicine is a Monumental Hurdle: Even for AI, determining medical truth is fraught. For example, two doctors agree on ICD-10 codes only 60% of the time, and a specialist’s internal clinical decision tree is different from the words they speak to a patient. Teaching AI what constitutes a “good” clinical note or decision requires solving these profound ambiguities first.
- Clinicians Are Now the Early Adopters: Historically, healthcare providers were laggards in tech adoption. The conversation reveals a stunning reversal: providers are now among the fastest adopters of AI, especially for point-of-care tools, because the organic pull from overburdened clinicians is so intense.
- The Pitch Deck Stayed the Same, But the Feasibility Caught Up: Ambience’s founding vision and pitch deck from years ago outlined ambitious AI capabilities that seemed like pipe dreams at the time. The surprising insight is that the deck hasn’t changed, but the underlying AI capabilities have finally evolved to make those original dreams feasible.
- The Path to Autonomy is Through Virtual Care Team Members: The vision for autonomous AI isn’t a single “robot doctor.” Instead, it’s about creating multiple specialized agents that act as virtual care team members—one that preps the clinician before a visit, another that conducts continuous follow-ups with the patient—effectively distributing intelligence across the care continuum.
Practical Takeaways
- Judge AI Tools by Adoption, Not Hype: For health system leaders evaluating AI, the critical metric is not the vendor’s marketing but the organic adoption rate among clinicians. If doctors aren’t voluntarily using the tool daily for most visits, its real-world impact is negligible.
- Seek Partners Committed to Operating Margin Impact: Move beyond pilots focused on clinician satisfaction. Partner with AI vendors who are willing to tie their success to directly measurable improvements in your operating margin, creating a true business partnership.
- Prioritize Solutions That Unlock “AI Clock Speed”: The winning AI platforms will be those that solve the foundational data integration problem, creating a clean layer on top of legacy EHRs. This infrastructure allows for rapid deployment of new AI applications without rebuilding the data stack each time, dramatically accelerating innovation.
- Prepare for a Shift from Human-Centric to AI-Centric Workflows: Re-imagine processes like revenue cycle management. Instead of training staff or hiring back-office teams to correct errors, invest in AI that helps clinicians create the perfect, auditable record in real-time, potentially making both the hospital’s RCM and the payer’s payment integrity teams obsolete.
- Foster Deep Integration Between Subject Matter Experts and AI Engineers: Building effective AI in healthcare requires incredibly tight feedback loops. Structure teams so that clinicians, coders, and operational experts work side-by-side with applied AI researchers to define problems and iterate on solutions at an unprecedented pace.
Lời hứa cốt lõi của AI Ambience là định hình lại căn bản “diện tích hành nghề” của nhân viên lâm sàng. Ngày nay, bác sĩ dành một lượng thời gian đáng thất vọng để tìm kiếm hồ sơ điện tử, ghi chép và xử lý mã thanh toán thay vì tập trung vào bệnh nhân. Bằng cách xây dựng một lớp tổng hợp thông minh dữ liệu từ các hệ thống EHR cũ kỹ, lộn xộn, Ambience tạo ra công cụ dự đoán nhu cầu của nhân viên lâm sàng, tóm tắt tiền sử bệnh nhân và xử lý tài liệu. Đây không phải là thêm một công cụ phiền phức; mà là khôi phục niềm vui và hiệu quả cho hành nghề y khoa. Bằng chứng nằm ở tỷ lệ ứng dụng đáng kinh ngạc: tại một số trung tâm học thuật lớn, hơn 75% nhân viên lâm sàng sử dụng Ambience hàng ngày cho hơn 80% lượt thăm khám, được thúc đẩy bởi nhu cầu tự thân chứ không phải mệnh lệnh từ trên xuống.
Cuộc thảo luận đi sâu vào lý do tại sao các làn sóng công nghệ trước đây thất bại trong y tế và tại sao thời điểm này lại khác biệt. Khoảng cách giữa công nghệ mượt mà, trực quan mà mọi người dùng trong đời sống cá nhân và phần mềm cồng kềnh bị ép buộc tại nơi làm việc cuối cùng đã bắt đầu thu hẹp. Lần đầu tiên, nhân viên lâm sàng trải nghiệm cảm giác kỳ diệu và mong đợi các bản cập nhật mới, giống như chờ đợi một sản phẩm mới của Apple. Hơn nữa, phương trình tài chính đang chuyển dịch từ ROI mềm về “sự hài lòng của nhà cung cấp” sang tác động cứng, có thể đo lường lên biên lợi nhuận hoạt động. Một hệ thống y tế dự kiến thu về 30 triệu đô la biên lợi nhuận mới ròng từ nền tảng của Ambience, chủ yếu thông qua cải thiện quản lý chu kỳ doanh thu và thông lượng lâm sàng, tạo ra bánh đà nơi biên lợi nhuận mới tài trợ cho đổi mới AI tiếp theo.
### Những Hiểu Biết Đáng Ngạc Nhiên
– **Nút Thắt Lớn Nhất Không Phải Trí Tuệ AI, Mà Là Dữ Liệu Hỗn Độn:** Thách thức cốt lõi là EHR được xây dựng trên “cấu trúc dữ liệu có thể thay đổi” làm mất dấu quyết định, và dữ liệu quan trọng bị nhồi vào các trường không nhất quán. Xây dựng một lớp đáng tin cậy để trích xuất ngữ cảnh sạch từ các hệ thống này là một vấn đề khổng lồ chưa được giải quyết, và cần có trước bất kỳ AI tiên tiến nào.
– **Định Nghĩa “Chất Lượng” Trong Y Khoa Là Một Trở Ngại Lớn:** Ngay cả với AI, việc xác định chân lý y khoa cũng đầy rủi ro. Ví dụ, hai bác sĩ chỉ đồng ý về mã ICD-10 60% thời gian, và cây quyết định lâm sàng nội bộ của chuyên gia khác với lời họ nói với bệnh nhân. Dạy AI thế nào là một ghi chép hoặc quyết định lâm sàng “tốt” đòi hỏi phải giải quyết những mơ hồ sâu sắc này trước tiên.
– **Nhân Viên Lâm Sàng Giờ Là Những Người Tiên Phong Áp Dụng:** Trước đây, nhà cung cấp dịch vụ y tế là những người chậm chạp trong việc áp dụng công nghệ. Cuộc trò chuyện tiết lộ một sự đảo ngược đáng kinh ngạc: giờ đây nhà cung cấp là những người áp dụng AI nhanh nhất, đặc biệt là công cụ tại điểm chăm sóc, bởi sức kéo tự thân từ nhân viên lâm sàng quá tải là rất mạnh.
– **Pitch Deck Vẫn Giữ Nguyên, Nhưng Tính Khả Thi Đã Bắt Kịp:** Tầm nhìn sáng lập và pitch deck của Ambience từ nhiều năm trước đã phác thảo khả năng AI đầy tham vọng mà khi đó trông như những giấc mơ viển vông. Điều đáng ngạc nhiên là bản thuyết trình đó không hề thay đổi, nhưng khả năng AI cơ bản cuối cùng đã phát triển để biến những giấc mơ ban đầu thành khả thi.
– **Con Đường Đến Tự Chủ Là Thông Qua Thành Viên Nhóm Chăm Sóc Ảo:** Tầm nhìn cho AI tự chủ không phải là một “bác sĩ robot” đơn lẻ. Thay vào đó, đó là tạo ra nhiều tác nhân chuyên biệt hoạt động như thành viên nhóm chăm sóc ảo – một tác nhân chuẩn bị cho nhân viên lâm sàng trước buổi khám, một tác nhân khác thực hiện theo dõi liên tục với bệnh nhân – phân bổ trí tuệ hiệu quả xuyên suốt chuỗi chăm sóc.
### Những Điểm Rút Ra Thực Tiễn
– **Đánh Giá Công Cụ AI Bằng Mức Độ Áp Dụng, Không Phải Quảng Cáo:** Đối với lãnh đạo hệ thống y tế đánh giá AI, chỉ số quan trọng không phải là tiếp thị của nhà cung cấp mà là tỷ lệ áp dụng tự thân trong nhân viên lâm sàng. Nếu bác sĩ không tự nguyện sử dụng công cụ hàng ngày cho hầu hết lượt khám, tác động thực tế của nó là không đáng kể.
– **Tìm Kiếm Đối Tác Cam Kết Tác Động Đến Biên Lợi Nhuận Hoạt Động:** Vượt ra ngoài các dự án thử nghiệm tập trung vào sự hài lòng của nhân viên lâm sàng. Hợp tác với các nhà cung cấp AI sẵn sàng gắn thành công của họ với cải thiện có thể đo lường trực tiếp trong biên lợi nhuận hoạt động của bạn, tạo ra một quan hệ đối tác kinh doanh thực sự.
– **Ưu Tiên Giải Pháp Mở Khóa “Tốc Độ Đồng Hồ AI”:** Các nền tảng AI chiến thắng sẽ là những nền tảng giải quyết được vấn đề tích hợp dữ liệu nền tảng, tạo ra một lớp sạch trên các EHR cũ. Cơ sở hạ tầng này cho phép triển khai nhanh chóng các ứng dụng AI mới mà không cần xây dựng lại ngăn xếp dữ liệu mỗi lần, tăng tốc đáng kể đổi mới.
– **Chuẩn Bị Cho Sự Chuyển Dịch Từ Quy Trình Lấy Con Người Làm Trung Tâm Sang Lấy AI Làm Trung Tâm:** Tái tưởng tượng các quy trình như quản lý chu kỳ doanh thu. Thay vì đào tạo nhân viên hoặc thuê nhóm hậu cần để sửa lỗi, hãy đầu tư vào AI giúp nhân viên lâm sàng tạo hồ sơ hoàn hảo, có thể kiểm tra được trong thời gian thực, có khả năng làm cho cả nhóm RCM của bệnh viện và nhóm tính toàn vẹn thanh toán của người thanh toán trở nên lỗi thời.
設想一個醫療體系：每天有1萬人邁入符合聯邦醫療保險的年齡，但我們卻無法培養足夠的醫師來照顧他們。這並非遙遠的未來情境，而是當前的現實，正對醫護人員和患者造成難以持續的壓力。在本場對談中，Ambience執行長尼基爾·布姆布拉提出，人工智慧是擺脫這場危機的首個真正希望。他的信念源於獨特的歷程：在攻讀醫學與哲學雙博士期間，他因導師死於醫療疏失而中斷學業，轉而投身深度學習領域，與未來OpenAI創始人們共同探索早期技術，並做出激進決定——與合夥人創辦醫療診所。他們的目的並非成為永久照護者，而是親身體驗現代醫療體系中的殘酷低效：行政拖沓、職業倦怠、資料碎片化。這段親身實踐成為Ambience的基石，如今該公司已在大型醫療系統中部署AI，擔任真正的臨床協作夥伴。
Ambience AI的核心承諾是從根本重塑醫護人員的「執業場域」。當前醫師將大量時間耗費於查閱電子病歷、撰寫紀錄、處理診斷代碼，而非專注於患者。透過建立能智慧整合雜亂老舊電子健康紀錄系統的資料層，Ambience開發出能預判臨床需求、總結病患歷程、處理文書作業的工具。這並非增添負擔，而是重拾醫療工作的效率與喜悅。驚人的採用率證明了成效：在某些大型學術醫療中心，超過75%醫護人員在日常80%以上的診療中使用Ambience，且這股推力源自基層需求而非行政命令。
討論深入剖析為何過去技術浪潮未能改變醫療，以及當前時機為何不同。人們日常生活中流暢直覺的科技，與工作中被迫使用的笨拙軟體之間的鴻溝終於開始縮小。醫護人員首次對新技術發布產生期待感，如同等待蘋果新品上市。此外，效益評估正從軟性的「醫護滿意度」轉向對營運利潤的硬性影響。某醫療系統預估Ambience平台將帶來3000萬美元新增淨利，主要透過改善收入週期管理與臨床流程，形成新利潤反哺AI創新的良性循環。
突破性洞見
- 最大瓶頸非AI智能，而是雜亂資料：電子健康紀錄基於「可變資料結構」建構，破壞決策軌跡，關鍵資料散落於不一致欄位。建立可靠層級從這些系統提取清晰脈絡，是比高階AI更基礎且尚未解決的艱鉅挑戰。
- 定義醫療「品質」是巨大障礙：即便對AI而言，判定醫療真相亦充滿陷阱。例如兩位醫師對ICD-10診斷代碼的一致性僅60%，專科醫師的內部臨床決策樹不同於對患者的口述內容。教導AI何謂「優良」臨床紀錄或決策，需先釐清這些深層模糊地帶。
- 醫護人員成技術先行者：歷史上醫療提供者常是科技採用落後者。但對話揭示驚人逆轉：醫護人員現已成為AI最快接納群體，特別是診療點工具，源於過勞醫護者自發性需求的強大拉力。
- 簡報未變，可行性已至：Ambience數年前的創立願景與提案簡報中，那些曾被視為空想的AI宏圖始終未改，驚人之處在於底層AI能力已進化至足以實現當初的夢想。
- 邁向自主之路在虛擬照護團隊：自主AI的願景非單一「機器人醫師」，而是創造多個擔任虛擬照護成員的專業代理——有的在診前為醫護準備，有的持續追蹤患者——將智能分佈於整個照護連續體。
實踐要點
- 以採用率評估AI工具，而非宣傳聲量：醫療系統領導者評估AI時，關鍵指標非廠商行銷，而是醫護人員自發採用率。若醫師不願在多數診療中主動每日使用，其現實影響微乎其微。
- 尋求致力提升營運利潤的夥伴：超越僅關注醫護滿意度的試驗計劃，與願意將成功繫於可量化營運利潤改善的AI供應商合作，建立真正的商業夥伴關係。
- 優先選擇釋放「AI時脈速度」的方案：勝出的AI平台將是那些解決基礎資料整合問題，在老舊電子健康紀錄系統上建立潔淨層級的方案。此基礎建設允許快速部署新AI應用，無需每次重建資料堆疊，大幅加速創新。
- 預備從人本流程轉向AI核心流程：重新構思如收入週期管理等流程。與其訓練員工或聘請後勤團隊修正錯誤，不如投資能協助醫護即時建立完美可稽核紀錄的AI，這可能使醫院的收入週期管理部門與保險公司的支付誠信團隊同時失去存在必要。
Imagina un sistema de salud donde 10,000 personas alcanzan la edad para Medicare cada día, pero físicamente no podemos formar suficientes médicos para atenderlas. Este no es un escenario distante; es nuestra realidad actual, y está creando una presión insostenible tanto para los clínicos como para los pacientes. En esta conversación, Nikhil Bhumbra, CEO de Ambience, argumenta que la inteligencia artificial representa la primera esperanza real de una salida a esta crisis. Su convicción surge de un viaje único: después de perder a un mentor por un error médico durante su MD-PhD, abandonó sus estudios, se sumergió en los primeros días del aprendizaje profundo junto a los futuros fundadores de OpenAI y luego hizo algo radical. Él y sus cofundadores iniciaron y operaron una práctica médica no para convertirse en cuidadores permanentes, sino para comprender íntimamente las brutales ineficiencias —la carga administrativa, el agotamiento, los datos fragmentados— que definen la salud moderna. Esa experiencia práctica se convirtió en la base de Ambience, que ahora implementa la IA como un verdadero copiloto clínico dentro de grandes sistemas de salud.
La promesa central de la IA de Ambience es remodelar fundamentalmente el “área de práctica” de los clínicos. Hoy, un médico dedica una cantidad desalentadora de tiempo buscando en registros electrónicos, escribiendo notas y navegando códigos de facturación en lugar de enfocarse en los pacientes. Al construir una capa que sintetiza inteligentemente datos de sistemas EHR heredados y desordenados, Ambience crea herramientas que anticipan las necesidades del clínico, resumen historiales de pacientes y manejan la documentación. No se trata de agregar otra herramienta onerosa; se trata de restaurar la alegría y la eficiencia a la práctica médica. La prueba está en las tasas de adopción notables: en algunos grandes centros académicos, más del 75% de los clínicos usan Ambience diariamente para más del 80% de sus visitas, impulsados por la demanda orgánica en lugar de un mandato jerárquico.
La discusión profundiza en por qué las olas tecnológicas anteriores fallaron en el sector salud y por qué este momento es diferente. La brecha entre la tecnología elegante e intuitiva que las personas usan en sus vidas personales y el software torpe que se les impone en el trabajo finalmente ha comenzado a estrecharse. Por primera vez, los clínicos están experimentando una sensación de magia y anticipación por los nuevos lanzamientos, similar a esperar un nuevo producto de Apple. Además, la ecuación financiera está cambiando de un ROI blando de “felicidad del proveedor” a impactos duros y medibles en el margen operativo. Un sistema de salud proyecta 30 millones de dólares en margen neto nuevo gracias a la plataforma de Ambience, principalmente a través de una mejor gestión del ciclo de ingresos y el rendimiento clínico, creando un volante de inercia donde el nuevo margen financia una mayor innovación en IA.
Perspectivas Sorprendentes
- El mayor cuello de botella no es la inteligencia de la IA, sino los datos desordenados: Un desafío central es que los EHR se basan en “estructuras de datos mutables” que destruyen los rastros de decisiones, y los datos críticos se almacenan en campos inconsistentes. Construir una capa confiable para extraer contexto limpio de estos sistemas es un problema monumental sin resolver que precede a cualquier IA avanzada.
- Definir la “calidad” en medicina es un obstáculo monumental: Incluso para la IA, determinar la verdad médica es complicado. Por ejemplo, dos médicos concuerdan en códigos ICD-10 solo el 60% del tiempo, y el árbol de decisiones clínicas internas de un especialista difiere de las palabras que le dice a un paciente. Enseñar a la IA qué constituye una nota o decisión clínica “buena” requiere resolver primero estas profundas ambigüedades.
- Los clínicos son ahora los primeros adoptantes: Históricamente, los proveedores de salud eran rezagados en la adopción tecnológica. La conversación revela una inversión sorprendente: los proveedores ahora están entre los adoptantes más rápidos de IA, especialmente para herramientas de punto de atención, porque la demanda orgánica de clínicos sobrecargados es tan intensa.
- La presentación se mantuvo igual, pero la viabilidad alcanzó: La visión fundacional y la presentación de Ambience de hace años describían capacidades ambiciosas de IA que parecían sueños imposibles en ese momento. La perspectiva sorprendente es que la presentación no ha cambiado, pero las capacidades subyacentes de IA finalmente han evolucionado para hacer realidad esos sueños originales.
- El camino hacia la autonomía es a través de miembros virtuales del equipo de atención: La visión para la IA autónoma no es un único “médico robot”. En cambio, se trata de crear múltiples agentes especializados que actúen como miembros virtuales del equipo de atención —uno que prepara al clínico antes de una visita, otro que realiza seguimientos continuos con el paciente— distribuyendo eficazmente la inteligencia a lo largo del continuo de atención.
Conclusiones Prácticas
- Juzga las herramientas de IA por la adopción, no por el bombo: Para los líderes de sistemas de salud que evalúan la IA, la métrica crítica no es el marketing del proveedor sino la tasa de adopción orgánica entre los clínicos. Si los médicos no usan voluntariamente la herramienta diariamente para la mayoría de las visitas, su impacto en el mundo real es insignificante.
- Busca socios comprometidos con el impacto en el margen operativo: Ve más allá de pilotos centrados en la satisfacción del clínico. Asóciate con proveedores de IA que estén dispuestos a vincular su éxito con mejoras directamente medibles en tu margen operativo, creando una verdadera asociación comercial.
- Prioriza soluciones que desbloqueen la “velocidad de reloj de la IA”: Las plataformas de IA ganadoras serán aquellas que resuelvan el problema fundamental de integración de datos, creando una capa limpia sobre los EHR heredados. Esta infraestructura permite el despliegue rápido de nuevas aplicaciones de IA sin reconstruir la pila de datos cada vez, acelerando drásticamente la innovación.
- Prepárate para un cambio de flujos de trabajo centrados en humanos a centrados en IA: Reimagina procesos como la gestión del ciclo de ingresos. En lugar de capacitar al personal o contratar equipos de back-office para corregir errores, invierte en IA que ayude a los clínicos a crear el registro perfecto y auditable en tiempo real, haciendo potencialmente obsoletos tanto al equipo de gestión del ciclo de ingresos del hospital como a los equipos de integridad de pagos del asegurador.
Imagine um sistema de saúde onde 10.000 pessoas ingressam no Medicare todos os dias, mas não conseguimos formar médicos suficientes para cuidar delas. Este não é um cenário distante; é a nossa realidade atual, criando uma pressão insustentável tanto para os profissionais de saúde quanto para os pacientes. Nesta conversa, Nikhil Bhumbra, CEO da Ambience, argumenta que a inteligência artificial representa a primeira esperança real de um caminho para sair desta crise. Sua convicção vem de uma jornada única: após perder um mentor devido a um erro médico durante seu MD-PhD, ele abandonou o curso, mergulhou nos primeiros dias do aprendizado profundo ao lado dos futuros fundadores da OpenAI e, em seguida, fez algo radical. Ele e seus cofundadores começaram e operaram uma clínica médica não para se tornarem cuidadores permanentes, mas para entender intimamente as brutais ineficiências – a sobrecarga administrativa, o burnout, os dados fragmentados – que definem a saúde moderna. Essa experiência prática tornou-se a base para a Ambience, que agora implanta a IA como um verdadeiro copiloto clínico em grandes sistemas de saúde.
A promessa central da IA da Ambience é remodelar fundamentalmente a “área de atuação prática” dos médicos. Hoje, um médico passa uma quantidade desanimadora de tempo pesquisando em prontuários eletrônicos, escrevendo notas e navegando pelos códigos de faturamento, em vez de se concentrar nos pacientes. Ao criar uma camada que sintetiza inteligentemente dados de sistemas de EHR legados e desorganizados, a Ambience desenvolve ferramentas que antecipam as necessidades do médico, resumem o histórico do paciente e lidam com a documentação. Não se trata de adicionar mais uma ferramenta onerosa; trata-se de restaurar a alegria e a eficiência à prática médica. A prova está nas taxas de adoção notáveis: em alguns grandes centros acadêmicos, mais de 75% dos profissionais de saúde usam a Ambience diariamente em mais de 80% de suas consultas, impulsionados por demanda orgânica, e não por determinação hierárquica.
A discussão explora por que as ondas tecnológicas anteriores falharam na saúde e por que este momento é diferente. A lacuna entre a tecnologia elegante e intuitiva que as pessoas usam em suas vidas pessoais e os softwares desajeitados impostos no trabalho finalmente começou a diminuir. Pela primeira vez, os profissionais de saúde estão experimentando uma sensação de magia e expectativa por novos lançamentos, semelhante à espera por um novo produto da Apple. Além disso, a equação financeira está mudando de um ROI brando de “satisfação do provedor” para impactos concretos e mensuráveis na margem operacional. Um sistema de saúde projeta US$ 30 milhões em nova margem líquida a partir da plataforma da Ambience, principalmente por meio da melhoria do gerenciamento do ciclo de receita e do fluxo clínico, criando um efeito “flywheel” onde a nova margem financia mais inovação em IA.
Insights Surpreendentes
- O Maior Gargalo Não é a Inteligência da IA, mas os Dados Bagunçados: Um desafio central é que os EHRs são construídos sobre “estruturas de dados mutáveis” que destroem os rastros de decisão, e dados críticos são inseridos em campos inconsistentes. Construir uma camada confiável para extrair contexto limpo desses sistemas é um problema monumental e não resolvido, que precede qualquer IA avançada.
- Definir “Qualidade” na Medicina é um Obstáculo Monumental: Mesmo para a IA, determinar a verdade médica é complexo. Por exemplo, dois médicos concordam com os códigos da CID-10 apenas 60% das vezes, e a árvore de decisão clínica interna de um especialista difere das palavras que ele diz a um paciente. Ensinar à IA o que constitui uma nota ou decisão clínica “boa” requer resolver primeiro essas ambiguidades profundas.
- Os Profissionais de Saúde são Agora os Primeiros a Adotar: Historicamente, os provedores de saúde eram lentos na adoção de tecnologia. A conversa revela uma reversão impressionante: os provedores estão agora entre os mais rápidos a adotar IA, especialmente para ferramentas de ponto de atendimento, porque a demanda orgânica dos profissionais sobrecarregados é intensa.
- O Pitch Deck Permaneceu o Mesmo, mas a Viabilidade Acompanhou: A visão inicial e o pitch deck da Ambience, de anos atrás, delineavam capacidades ambiciosas de IA que pareciam sonhos distantes na época. O insight surpreendente é que o deck não mudou, mas as capacidades subjacentes de IA finalmente evoluíram para tornar esses sonhos originais viáveis.
- O Caminho para a Autonomia é Através de Membros Virtuais da Equipe de Cuidados: A visão para a IA autônoma não é um único “médico robô”. Em vez disso, trata-se de criar múltiplos agentes especializados que atuam como membros virtuais da equipe de cuidados – um que prepara o médico antes de uma consulta, outro que conduz acompanhamentos contínuos com o paciente – distribuindo inteligência de forma eficaz ao longo do continuum do cuidado.
Lições Práticas
- Avalie as Ferramentas de IA pela Adoção, Não pelo Hype: Para líderes de sistemas de saúde avaliando IA, a métrica crítica não é o marketing do fornecedor, mas a taxa de adoção orgânica entre os médicos. Se os médicos não estiverem usando voluntariamente a ferramenta diariamente na maioria das consultas, seu impacto no mundo real é insignificante.
- Procure Parceiros Comprometidos com o Impacto na Margem Operacional: Vá além de projetos-piloto focados na satisfação do profissional. Faça parceria com fornecedores de IA dispostos a vincular seu sucesso a melhorias diretamente mensuráveis na sua margem operacional, criando uma verdadeira parceria comercial.
- Priorize Soluções que Liberem a “Velocidade de Relógio da IA”: As plataformas de IA vencedoras serão aquelas que resolverem o problema fundamental de integração de dados, criando uma camada limpa sobre os EHRs legados. Essa infraestrutura permite a implantação rápida de novas aplicações de IA sem reconstruir a pilha de dados a cada vez, acelerando drasticamente a inovação.
- Prepare-se para uma Mudança de Fluxos de Trabalho Centrados no Humano para Centrados na IA: Reimagine processos como o gerenciamento do ciclo de receita. Em vez de treinar funcionários ou contratar equipes de back-office para corrigir erros, invista em IA que ajude os médicos a criar o registro perfeito e auditável em tempo real, tornando potencialmente obsoletas tanto as equipes de RCM do hospital quanto as de integridade de pagamento do pagador.
a16z general partner Julie Yoo talks with Nikhil Buduma, CEO and cofounder of Ambience Healthcare, to discuss how AI is transforming clinical workflows. They cover the early days of deep learning, why Ambience started by running a medical practice before building a platform company, and what it takes to achieve high clinician adoption rates at major academic medical centers. They also dig into the challenge of building products when AI capabilities change every few months, the real ROI that’s finally converting CFOs, and why this might be the moment to reimagine the legacy EHR stack.
Resources:
Follow Nikhil Buduma on X: https://twitter.com/nkbuduma
Follow Julie Yoo on X: https://twitter.com/julesyoo
If you enjoyed this episode, be sure to like, subscribe, and share with your friends!
Stay Updated:
Find a16z on YouTube: YouTube
Find a16z on X
Find a16z on LinkedIn
Listen to the a16z Show on Spotify
Listen to the a16z Show on Apple Podcasts
Follow our host: https://twitter.com/eriktorenberg
Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see a16z.com/disclosures.
Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.
Leave a Reply
You must be logged in to post a comment.