Sådan bruger du en driftstankegang til at skalere produktleveringen

Hannah Clark: At finde produkt-markedstilpasning kan være som at bestige det højeste bjerg, du nogensinde har set, for først at nå toppen og opdage et endnu højere bjerg bagved. Udfordringen ved at træde ind i en fase med hurtig vækst og skalere produktleveringen er mangefacetteret; den sætter organisationens processer og infrastruktur på prøve, tvinger dig til at være kompromisløs i din prioritering og anvendelse af ressourcer og kræver enormt mod til at træffe beslutninger, der aldrig er uden risiko. Men på trods af alle disse afhængigheder er der mange veje til at bestige et bjerg. Så i dag ser vi nærmere på én af dem.

Min gæst i dag er Amit Shah, driftsdirektør hos Virta Health, og det, der gør hans perspektiv særligt værdifuldt, er, at han ikke har en traditionel baggrund inden for produktledelse. Han begyndte inden for drift, hvor han ledede teams, der leverede behandling, før han for fem år siden skiftede til produktområdet. Den baggrund giver ham en unik forståelse af systemtænkning og tværfunktionelt samarbejde, hvilket har været afgørende, mens Virta har skaleret hurtigt og samtidig håndteret en af de vanskeligste udfordringer inden for sundhedsteknologi – nemlig at afgøre, hvornår menneskelige klinikere skal bruges, og hvornår AI-værktøjer skal udføre arbejdet.

Du kommer til at høre, hvordan hans team navigerede rejsen mod produkt-markedstilpasning, hvilke beslutninger der ikke skalerede godt, og hvordan de tænker om AI og teknisk gæld i den næste vækstfase. Lad os komme i gang.

Amit, mange tak fordi du fandt tid i din travle kalender i januar til at tale med os.

Amit Shah: Tak fordi jeg måtte være med. Jeg er meget glad for at være her.

Hannah Clark: Kan du fortælle os lidt om din baggrund, og hvordan du gik fra en driftsrolle til produktledelse hos Virta Health?

Amit Shah: Selvfølgelig. Jeg begynder helt tilbage fra starten og tager det nogenlunde kronologisk. Jeg læste industriel ingeniørvidenskab, og det fører ret direkte til driftsområdet.

Jeg arbejdede en periode som konsulent. Jeg startede min egen virksomhed, der fremstillede solprodukter i landområder i Indien. Derefter blev jeg meget interesseret i sundhedsområdet, primært fordi jeg elskede at arbejde med ting, der forbedrede menneskers livskvalitet. Så arbejdede jeg med værdibaseret sundhedspleje, først med direkte primærpleje, og derefter kom jeg til Virta for omkring ni et halvt år siden.

Så jeg har været hos Virta i omkring ni et halvt år, og i løbet af de år begyndte jeg, som du rigtigt sagde, inden for drift. Til at begynde med ledede jeg teams, der leverede behandling. Efterhånden som vi voksede hos Virta, blev vores grundlæggende leverancemodel at levere gennem vores produkter og via teknologi. Derfor var jeg oprindeligt samarbejdspartner for vores produktudviklings- og leveringsteams, og gennem årene blev jeg mere og mere involveret i det arbejde.

For omkring fem år siden blev jeg bedt om at lede produktudviklingsteamet, fordi meget af det, vi lavede, handlede om at forbinde vores menneskelige klinikerlevering med den måde, vores produkt leverede på. Sådan kom jeg altså ind i produktområdet. Og kort om Virta, så folk ved det: Virta har som mål at vende metabolisk sygdom hos en milliard mennesker. Det omfatter diabetes, fedme og prædiabetes, og vi leverer al vores behandling fuldstændigt virtuelt.

Vi er en komplet klinik for metabolisk sygdom. Det, vi gør, er helt unikt, fordi vi tilpasser biologi og ernæring for at helbrede menneskers stofskifte.

Hannah Clark: Det er virkelig fantastisk og altid en meget ædel mission. Jeg ved, at det påvirker mange familier og deres liv.

Jeg er meget glad for at have dig med, så vi kan tale lidt mere om de praktiske detaljer bag missionen, og hvordan det går for jer nu. I dag fokuserer vi specifikt på overgangsfasen fra hurtig vækst til skaleret produktlevering, hvilket er præcis dér, du befinder dig hos Virta lige nu.

Hvordan ser det skifte efter din mening ud i praksis, Amit? Og hvad gør netop dette tidspunkt særligt udfordrende efter din erfaring?

Amit Shah: Ja. For at give lidt kontekst om skiftet har vi både oplevet hurtig vækst og haft et skaleret produkt i løbet af de seneste par år. Sidste år var vores vækstrate for eksempel over 70 procent fra år til år, og vi har en omsætning på flere hundrede millioner dollar.

Jeg vil ikke dele specifikke oplysninger af forskellige årsager, men man kan forestille sig, at det er meget hurtig vækst og et ret modent produkt. Der sker utrolig meget i praksis som en del af det skifte, og det kan føles ekstremt intenst. Jeg har talt med mange kolleger, og når man skalerer, kræver det først og fremmest ofte flere mennesker, flere teams og flere produktudviklingsteams, der arbejder på forskellige ting. Derfor skal man finde ud af, hvordan ejerskabet fordeles mellem forskellige personer, og skabe de rigtige systemer og processer, så man kan skalere det, der fungerede i mindre målestok.

Det vigtigste er nok, at det kan føles kaotisk i praksis. Som leder skal man bruge en betydelig mængde tid på at afklare, hvad vores ledestjerne er, og hvad vi forsøger at opnå.

Derefter skal man finde ud af, hvilke systemer, processer og organisatoriske strukturer man skaber for at nå målet.

Hannah Clark: Jeg vil gerne vende tilbage til det, du nævnte om din driftsbaggrund, som jeg synes er lidt af et trumfkort, når man går over til produktledelse.

Hvordan har en driftsorienteret eller systemtænkende tilgang formet den måde, du arbejder med produktudvikling på, især under skaleringsfasen?

Amit Shah: Det er et godt spørgsmål, og jeg er faktisk glad for, at du ser det som noget positivt. Når man ser på produktledere, er der ofte mennesker, der er vokset op inden for produktområdet, og det har stor værdi, fordi man opbygger meget viden der.

Jeg var, som du sagde, så heldig at vokse op inden for drift, og jeg synes, at der er nogle ting fra driftsområdet, som er virkelig nyttige. Eksekvering i verdensklasse er noget, jeg allerede studerede på universitetet som studerende i industriel ingeniørvidenskab.

At tænke meget over fremragende eksekvering handler om at være systemtænker, træffe analytiske beslutninger, prioritere effektivt, forenkle og være en god leder for mennesker. Det er de grundlæggende ting, som dygtige driftsledere gør, og det viser sig, at dygtige produktledere gør mange af de samme ting.

Der er naturligvis andre færdigheder, og tilgangen til at udføre dem kan være lidt anderledes. Men det er de kernekompetencer, som efter min mening kan overføres bedst mellem drift og produktudvikling. Da jeg skiftede, brugte jeg derfor tid på at læse bøger. Jeg læste sandsynligvis 15 bøger, lyttede til mange podcasts, herunder denne, og talte med andre produktledere.

Jeg fandt igen og igen ud af, at hvis man kan tænke systemisk, hjælpe teamet med at træffe analytiske beslutninger, hjælpe teamet med at prioritere ud fra de analytiske systemer og de systemer, man har skabt, forenkle til det vigtigste og lede mennesker, som man normalt ville gøre, så er det dét, der kan overføres bedst.

Hannah Clark: Når du nævner de fem kernekompetencer, virker de alle meget specifikt og lige vigtige for at kunne skalere ordentligt. Det er også ting, som jeg tror, alle organisationer kæmper med, afhængigt af afdelingen. Så det er helt oplagt, at det er et stærkt sæt kompetencer at have.

Amit Shah: For at vende tilbage til dit sidste spørgsmål om overgangen fra hurtig vækst til et skaleret produkt, så bliver enkelhed også meget vanskelig. Tidligt i en virksomhed er produkt-markedstilpasning meget enkelt. Man skal finde produkt-markedstilpasningen og vide, hvad man leder efter. Når man vokser meget hurtigt, er det faktisk også forholdsvis enkelt: Man skal holde toget på sporet.

Når man bevæger sig over til et skaleret produkt, sniger kompleksiteten sig ind på en meget interessant måde. Det vil jeg bare tilføje som noget, der giver mening for mig, når jeg ser tilbage.

Hannah Clark: Du slipper ikke så let. Vi er nødt til at gå lidt dybere ned i det. Du har vakt min nysgerrighed, så fortæl mig, hvad det betyder for dig. Jeg kan godt gætte mig til noget af det, men den måde, jeg ville tænke på enkelhed med min referenceramme, er sikkert meget anderledes end din som driftsleder i denne situation. Hvad betyder enkelhed i din rolle?

Amit Shah: Enkelhed betyder at kunne koge alle de forskellige muligheder ned til et sæt prioriteringer, som teamet faktisk kan arbejde på, arbejde tydeligt med og arbejde på uden at blive distraheret. Vi befinder os i et område – metabolisk sundhed – der udvikler sig utrolig hurtigt med fremkomsten af GLP-1-præparater og alt det andet.

Vi er meget særegne i det, vi gør. Vi har en ernærings- og livsstilsintervention, der er skaleret og fuldstændig digital. Det er der ikke mange andre virksomheder, der har. Når man har et skaleret produkt, er der arbejde nok med blot at sikre, at produktet fortsat leverer på det niveau og med den kvalitet, vi har leveret indtil nu – helt tilbage til vores kliniske forsøg i 2015.

Vi leverede virkelig fremragende, livsforandrende resultater for vores patienter, og vores mål er at gøre det hver eneste dag, selv om vi bogstaveligt talt er hundredvis af gange større end dengang. Det kræver meget arbejde. Det sker ikke af sig selv.

Samtidig ændrer markedet sig hurtigt. Der er kommet en ny lægemiddelklasse, der er andre virksomheder, og vi er en B2B2C-virksomhed, fordi det ofte er sådan, sundhedsteknologi fungerer. Derfor har vi forskellige behov fra forskellige kunder.

Vi skal finde ud af, hvordan vi prioriterer disse behov og forenkler dem til at kunne sige: Hvad understøtter den samme kerne? Hvad skal vi eventuelt udskille og investere særskilt i, og hvad skal vi ikke gøre? Det er den form for forenkling, vi arbejder med i dag.

Hannah Clark: Jeg ville gerne præcisere det, fordi man kan se på enkelhed fra brugerens perspektiv, fra den interne drift eller på en anden måde. Hvad er omfanget af det, vi taler om? Jeg vil gerne gå videre, fordi jeg er nysgerrig på det virkelig interessante ved Virta: Hvordan bruger I klinikere til at levere behandling, og hvornår går I helt digitalt?

Det virker, som om I har en kombination af begge dele i jeres produkt. Kan du fortælle, hvordan I designer den balance, og hvad der gør det særligt vanskeligt at få den rigtige?

Amit Shah: En stor del af magien ved Virta, vores produkt og vores levering handler om at finde ud af, hvornår man skal bruge teknologi.

Jeg bruger teknologi i den bredeste betydning: AI, automatisering, maskinlæringsmodeller, der driver automatiseringen, og så videre. Og hvornår man skal bruge klinikere og mennesker. Nogle af vores resultater er, at vi i gennemsnit opnår et vægttab på 10 procent efter ét år. Vi reducerer risikoen for hjerteanfald og død betydeligt.

Grunden til, at jeg nævner resultaterne, er, at det er resultater i den virkelige verden. Det handler ikke om, at folk klikker mere på deres telefon. Det handler om, at mennesker ændrer livsstil på en måde, der forbedrer deres generelle metaboliske sundhed, deres liv og deres levetid.

Det er derfor utrolig vigtigt for os at finde den balance. Et af de systemer, jeg læner mig op ad, er vores ledestjerne. Vi er her for at levere dette resultat. Resultatet er meget klart for os: forbedret metabolisk sundhed. Og man kan måle det.

Vi beder vores patienter om dagligt at give os biomarkører som vægt, ketoner, glukose, blodtryk og så videre. Derfor kan vi løbende se forbedringen. Fordi vi har en så tydelig ledestjerne – vi skal se disse tal forbedres – bliver det lidt lettere at finde ud af, hvordan vi bedst forbedrer dem.

Der er visse ting, som selv i AI-alderen stadig udføres bedst af klinikere og mennesker. Vi bruger naturligvis maskinlæring og AI-modeller omfattende hos Virta, men de fire ting er empati, kreativitet, ansvarlighed og kompleks klinisk beslutningstagning.

Det er de fire områder, hvor vi prioriterer, at mennesker udfører arbejdet. Det meste andet vil teknologi og AI gøre bedre. Hvis en kliniker udfører noget, der ikke falder inden for de fire kategorier – for eksempel ordinering eller nedtrapning af medicin, håndtering af komorbiditeter eller lignende – bør vi forsøge at lade teknologien gøre det.

Hvis det ikke handler om følelsesmæssig ansvarlighed, altså noget der motiverer en patient gennem menneskelig forbindelse, bør vi forsøge at lade teknologien håndtere det. De samme ting, som klinikere er gode til, er også det, der skaber arbejdsglæde for dem.

Det viser sig, at klinikere bliver meget tilfredse, når de kan bruge deres dag på at udvise empati, skabe forbindelse til andre mennesker og hjælpe dem med at løse komplekse kliniske problemer. Det er sådan, vi tænker om det. Hvis noget kan udføres af teknologi – både når det gælder et bedre resultat og inden for de juridiske rammer – bør vi begynde dér.

Der er dog ting, som mennesker gør bedre, og det gør det muligt at give vores klinikere de bedste forudsætninger for at være så effektive som muligt og levere det ønskede resultat.

Hannah Clark: Det lyder virkelig meningsfuldt. Jeg bliver slået af, hvor givende det må være at måle platformens succes ud fra de virkelige resultater for de mennesker, der bruger den, samtidig med at klinikerne også får tilfredsstillelsen ved at interagere med deres patienter gennem platformen. Men alle må også føle et enormt ansvar for at sikre, at I lever op til løftet og jeres ledestjerne dag efter dag.

Amit Shah: Jeg har været her i ni et halvt år. Vi er absolut missionsdrevne, og det, der får mig ud af sengen hver morgen, er, at det at gøre det bedre på arbejdet bogstaveligt talt betyder at redde flere liv og forbedre flere menneskers liv. Det gælder for alle, der arbejder hos Virta.

Det er brændstoffet, der har drevet både den hurtige vækst og faserne med et skaleret produkt.

Hannah Clark: Lad os vende tilbage til de praktiske detaljer. Efterhånden som Virta er skaleret, hvilke tidligere beslutninger om arkitektur, processer eller teamstruktur fungerede oprindeligt godt, men har måttet vige, efterhånden som I voksede?

Amit Shah: Der er især to ting, jeg kommer til at tænke på. Den ene er vores organisationsstruktur. I de tidlige dage havde vi produkt, softwareudvikling, analyse og design som separate ekspertiseområder. Det er ofte sådan, tingene organiseres: en udviklingsleder, en produktleder, en analyseleder og en designleder.

Vores oprindelige struktur var derfor at have disse områder med overlappende, men separate prioriteringer. Det fungerede faktisk, da produktudviklingsteamet var mindre. Vi havde brug for at skabe fremragende udvikling, fremragende produktarbejde og så videre.

Efterhånden som vi voksede, måtte vi opgive den tilgang. Vi har stadig faglige fællesskaber, herunder et udviklingsfællesskab, men de fleste af vores udviklere er placeret i det, vi kalder et team. Et team er en tværfunktionel gruppe, der arbejder med et forretningsproblem.

Det viste sig at være langt mere effektivt under den hurtige vækst og også i fasen med et skaleret produkt, fordi teamene får en dyb forståelse af problemet. De har en fælles ledestjerne for det, de forsøger at løse, og arbejder med det samme eller en beslægtet gruppe af problemer.

Det gør det muligt at løse problemer dybere. I en mere opdelt tilgang ville man skifte udviklere ud mellem opgaver, hvilket skabte sine egne problemer. Så ændringen fra en mindre organisation, hvor alle kunne samles om det samme, til hurtig skalering og et skaleret produkt kræver, at man opdeler teamet og sikrer, at hvert tværfunktionelt team har de rigtige kompetencer til at udføre arbejdet.

Hannah Clark: Jeg vil lige afbryde kort. Jeg håber ikke, jeg afsporer dig, men du berørte noget, jeg har tænkt meget over i forbindelse med skalering: vidensoverførsel. Det er ofte en undervurderet flaskehals, ikke bare mellem teams, men også mellem medlemmer af det samme team. Når organisationer vokser og får nye mennesker ind, samtidig med at andre forlader dem, er det ofte svært at optimere overførslen af viden.

Det har været interessant at høre dig fremhæve teammodellen som den mest effektive måde at håndtere noget af det på. Vi kan vende tilbage til det, for det er en interessant tråd.

Amit Shah: Det er bestemt bedre med teammodellen, men problemet er ikke løst. Nogle personer er ganske enkelt utroligt dygtige, hvilket betyder, at de besidder en enorm mængde kontekst og udfører arbejdet ekstremt godt.

Hvis de flyttes, eller hvis de forlader organisationen, mister man noget af den kontekst. Vi har bestemt ikke fundet den perfekte dokumentationsløsning på det endnu. Men teammodellen gør det lettere, fordi der er større kontinuitet i det, man arbejder med, og i det resultat, man forsøger at opnå.

Hannah Clark: Det kunne vi sagtens lave en hel episode om, men fortsæt endelig.

Amit Shah: Det andet, der ikke skalerede, var den måde, vi strukturerede vores data og efterfølgende analyse på. Tidligt ønskede vi at demokratisere data. Vi lagde alt i tabeller og gav mange mennesker adgang til dem, og det fungerede faktisk godt i begyndelsen.

Efterhånden som vi voksede, blev tabellerne rodede. Folk hentede forskellige ting, og vi plejede at joke med, at der kunne være to svar på det samme spørgsmål, afhængigt af hvem der hentede dataene og hvordan.

Vi har brugt og bruger fortsat meget tid på at rydde op i det, gennemgå hvordan data kommer ind i tabellerne og sikre, at data er rene fra kilden. Det har krævet en investering, især i overgangen til fasen med et skaleret produkt. Der kommer stadig mange nye ting ind, så vi forsøger at være bevidste om, hvad der kommer ind i datatabellerne, hvordan det kommer ind, og hvordan vi sikrer kvaliteten.

Hannah Clark: Nu hvor vi er nået til data i denne episode, så lad os tale lidt om generativ AI. Du nævnte, at klinikernes viden og deltagelse er den bedste tilgang på nogle områder, mens andre opgaver bedst overlades til AI, hvis de ikke falder inden for de fire kategorier. Så bruger vi ikke menneskers dyrebare tid på de opgaver.

Hvordan tænker I om at integrere AI og forskellige former for AI i produktet, så det supplerer de menneskelige kompetencer?

Amit Shah: Som jeg sagde tidligere, er en stor del af magien netop, hvordan vi gør det. Vi gentager hele tiden vores tilgang. Vi har været en dataorienteret og analytisk grundig virksomhed fra dag ét. Før vi overhovedet taler om generativ AI, har vi i syv eller otte år haft meget prædiktive og effektive maskinlæringsmodeller.

Et vigtigt område er proaktiv intervention. Vi bruger maskinlæringsmodeller, der er trænet på vores proprietære datasæt med over 200.000 patienter over ti år – bogstaveligt talt hundredvis af millioner datapunkter. Det er blandt andet blodsukkerniveauer, ketonniveauer og vægt, altså objektive datapunkter, der kan bruges til at forudsige den næste bedste intervention for en patient.

Når vi forudsiger den næste bedste intervention, eksperimenterer vi ofte med, om interventionen skal leveres af et menneske, automatisk eller af et generativt AI-værktøj, som vi selv har udviklet.

Dette proaktive interventionssystem og de maskinlæringsmodeller, vi har bygget omkring det, er afgørende for overhovedet at vide, hvornår vi skal gribe ind.

Derefter er der reaktiv hjælp, altså hjælp i øjeblikket, hvor en patient henvender sig med noget. Selv med gode modeller kan man ikke altid forudsige alt. Her har vi fundet ren generativ AI meget nyttig. Den er trænet på vores systemer og vores data, og vi har taget generativ AI i brug til denne form for hjælp i øjeblikket.

Patienten kan få et svar med det samme, og vi kan markere sagen for en kliniker, hvis vi vurderer, at opfølgning er nødvendig. Sådan har vi tænkt lidt over AI.

Vi har også fundet ud af, at vi ønsker at opbygge stor tillid hos vores patienter. Derfor er vi meget tydelige om, hvornår noget er AI-drevet, og hvornår det er klinikerdrevet. Vi arbejder med menneskers helbred, og patienterne skal kunne stole på det, der kommer gennem systemet.

Vi gør det tydeligt og giver dem mulighed for at eskalere til eller arbejde sammen med en kliniker, når det er muligt. Og endelig er der den modsatte situation: Når vi ved, at vi skal gribe ind, og test viser, at det fungerer bedre, når et menneske gør det, prioriterer vi det for vores klinikere.

De ønsker at hjælpe andre mennesker med at blive sundere, så hvad kan give dem den mulighed? Det er bedst for dem og bedst for patienten.

Hannah Clark: Når du fortæller, hvordan I tænker om det, slår det mig, at jeg har lavet dette program i flere år. Da vi begyndte med produktlederpodcasten, var vi lige på kanten af den periode, før AI virkelig eksploderede til det, den er i dag.

Når jeg taler med dig, som har arbejdet i en organisation, hvor AI blev brugt, før det blev moderne, hører jeg en forskel i tankegangen og tilgangen til, hvad AI er, og hvordan man bruger det effektivt og etisk i et produkt.

Har du tænkt over, om din tidligere erfaring med AI eller maskinlæring gør en forskel for, hvordan du tænker om teknologien og arbejder videre med at gøre den bæredygtig?

Amit Shah: Det er et godt spørgsmål. Jeg kan godt lide tanken om, at vi er de oprindelige brugere af teknologien, så det vil jeg bruge fremover. Det har været en ramme for os. Vi ved, at noget af det mest proprietære, vi har, er vores datasæt.

Vi har hundredtusindvis af patienter over et årti samt objektive, subjektive og følelsesmæssige data. At frigøre potentialet i maskinlæringsmodeller og træne generativ AI på vores data er en superkraft, som ingen andre har.

Man kunne komme med en generativ AI-version af det, vi gør, i morgen, men vores ledestjerne er resultater og vending af metabolisk sygdom. Vi kender vejen for den enkelte baseret på alle de datapunkter, vi har.

Jeg ser generativ AI og maskinlæringsmodeller som værktøjer, der kan bruges af klinikere. De er alle værktøjer i værktøjskassen til at nå resultatet ved vores ledestjerne. Jo flere teknologiske værktøjer vi får, jo flere kommer vi til at bruge. Jeg ved ikke, hvad der kommer efter generativ AI, men jeg tror, at vi vil kunne bruge det til det samme resultat.

Det proprietære vil fortsat være vores tilgang og det datasæt, der leverer denne tilgang.

Hannah Clark: Jeg måtte dvæle lidt ved det, fordi det er rart at høre, hvor stor respekt du har for de data, I besidder, og for det ansvar, der følger med at håndtere dem korrekt. Det handler virkelig om, hvorvidt teknologien driver resultatet.

Der er meget brug af AI for AI’s egen skyld i branchen lige nu, og anvendelsen kan til tider virke kluntet eller uansvarlig. Derfor er det opmuntrende at høre en så menneskelig og jordnær måde at tænke om AI og produktanvendelse på.

Amit Shah: Vores patienter kommer til os for at forbedre deres helbred, og vores B2B-kunder hyrer os for at forbedre helbredet i deres befolkning. Vores ledestjerne er derfor bedre sundhed, og vi bruger alle de værktøjer, vi har til rådighed, for at opnå det.

Generativ AI er et fantastisk værktøj, der udvikler sig i et meget højt tempo, og jeg mener, at det hjælper os med at nå målet. En af mine yndlingsfunktioner i vores app er, at man kan tage et billede af en tallerken, hvorefter den opdeler makronæringsstofferne.

Den bruger også alle de data, vi har om den enkelte, og angiver med orange, gul eller grøn, om måltidet passer ind i personens ernæringsplan. Vi kunne ikke gennemføre hele denne proces uden generativ AI. Den er utrolig kraftfuld. Det sidste trin er det, der driver det ønskede resultat: at hjælpe personen med at træffe den bedste beslutning for sig selv i øjeblikket.

Hannah Clark: Denne tilgang minder mig om en samtale, vi havde med en leder inden for brugerresearch hos Photo Room. Hun bemærkede på samme måde, at brugerresearchere havde været tilbageholdende med at tage AI til sig. Nu ser vi større udbredelse og tillid, fordi der er en tydeligere vej til at bruge teknologien ansvarligt.

Det, jeg ser som ligheden, er, at Virta Health og andre organisationer fokuserer AI på storskala-genkendelse af datamønstre og andre opgaver, som et menneske som en kliniker ikke ville kunne fordøje, bearbejde og levere. Det giver perfekt mening at bruge generativ AI til den slags.

Dømmekraft er noget andet. På dette tidspunkt bør vi alle vide, at ChatGPT ikke har den bedste dømmekraft. Det er rart at høre jer gentage, hvad AI virkelig er god til, hvad vi bør bruge teknologien til, og hvad den måske ikke er bedst til.

Amit Shah: Jeg jokede faktisk med min kone forleden. Hun er langt mere intelligent end mig på mange områder. Vi talte om generativ AI, og jeg sagde, at man grundlæggende bør tænke på det som noget, der er trænet på alt det offentlige materiale på internettet.

Det er den bedste vidensbase, der findes, og der er meget på internettet. Men alt på internettet har ikke nødvendigvis den bedste dømmekraft. Derfor ligger meget af magien i at skelne, tænke kritisk og afgøre, hvordan, hvor og på hvilken måde man skal præsentere informationen.

Hannah Clark: En del af dømmekraften handler om empati. Empati er måske ikke noget, vi kan måle med en bestemt metrik, men vi kan se resultaterne, når den indgår i helheden. Lad os tale lidt om de aktuelle udfordringer, især når vi bevæger os ind i 2026.

Hvad er den næste store udfordring, I står over for, og hvordan arbejder du med udviklingen i 2026?

Amit Shah: Det er meget relevant for den podcast, vi laver. Vi er et hurtigt voksende produkt, der allerede er skaleret. Jeg fokuserer på at sikre, at vi har systemer og processer, der skaber overensstemmelse hele vejen fra den første samtale med en kunde om, hvordan vi kan hjælpe deres befolkning, til den oplevelse, en individuel patient får, når vedkommende tilmelder sig Virta.

Det sker samtidig med, at markedet ændrer sig hurtigt. En af de ting, vi tilbyder vores kunder, er, at vi leverer det samme vægttab som GLP-1-præparater som Ozempic, Wegovy, Zepbound og Mounjaro – men uden medicinen.

Vi er både et alternativ til medicinen, og omkring 70 procent af amerikanere, der ønsker at tabe sig, vil gerne gøre det uden medicin. Derfor kommer mange patienter til os, fordi de ikke ønsker at begynde på medicin. Men vi er også en vej ud af medicinen.

En del af FDA-godkendelsen for GLP-1-lægemiddelklassen er, at den kombineres med livsstilsændringer. Vi tilbyder en livsstilsændring, der virker. En fagfællebedømt, offentliggjort artikel viser, at vi har hjulpet mennesker med at fastholde omkring 11 procents vægttab i endnu et år, efter at vi har trappet deres GLP-1-medicin ned.

GLP-1-præparater er et meget aktuelt emne. Der kommer tabletter, og der sker mange forskellige ting. Vi er agile i vores tilgang til markedet, fordi der sker mange ændringer, men vores grundlæggende værdiforslag er det samme.

Jeg fokuserer på at sikre, at vi er agile, at vi kan reagere på markedets behov, at vi møder både patienter og kunder, hvor de er, og at vi fortsat kan levere de fantastiske og særegne resultater, vi har leveret indtil nu, som virkelig forbedrer menneskers liv til en lavere pris.

Hannah Clark: Det er helt utroligt at høre, at I opnår resultater, der svarer til eller matcher lægemidlerne på markedet. En stor cadeau til hele Virta-teamet. Det er en utrolig vigtig mission, og det er fantastisk at høre, at I leverer så succesfuldt på den.

Hvor kan folk finde dig efter programmet?

Amit Shah: Jeg er mest aktiv på LinkedIn, så find mig endelig der. Det er ærligt talt det bedste sted at finde mig. Følg også Virta Health på Instagram, for jeg er ofte involveret der gennem min konto.

Hannah Clark: Mange tak, fordi du ville være med. Vi sætter pris på din tid, Amit. Det har været fantastisk.

Amit Shah: Det har været en fornøjelse. Tusind tak.

Hannah Clark: Næste gang i Produktlederpodcasten. Denne episode er til ledere i store virksomheder, der jonglerer med porteføljer med flere produkter. Hvis du nogensinde har set mødre i Costco kæmpe sig gennem en menneskemængde, mens de holder styr på fire børn i vidt forskellige udviklingsstadier, og tænkt: »Det er præcis sådan, mit arbejde føles«, så bliver denne episode med Rubriks Anneka Gupta dit overlevelseskit. Abonnér nu, så du ikke går glip af den.