Kuinka hyödyntää operatiivista ajattelutapaa tuotekehityksen skaalaamisessa

Hannah Clark: Tuotteen ja markkinoiden yhteensopivuuden löytäminen voi tuntua siltä kuin kiipeäisit korkeimmalle koskaan näkemällesi vuorelle vain saavuttaaksesi huipun ja huomataksesi, että sen takana on vielä korkeampi vuori. Nopean kasvun vaiheeseen siirtyminen ja tuotekehityksen skaalaaminen on monisyinen haaste; se koettelee organisaatiosi prosesseja ja infrastruktuuria, pakottaa sinut suhtautumaan armottoman tarkasti priorisointiin ja resurssien käyttöön sekä vaatii valtavasti rohkeutta tehdä panostuksia, joihin liittyy aina riskejä. Kaikista näistä riippuvuuksista huolimatta vuoren skaalaamiseen on monia reittejä. Tänään tarkastelemme niistä vain yhtä.

Vieraana on Amit Shah, Virta Healthin operatiivinen johtaja. Hänen näkökulmansa on erityisen arvokas, koska hän ei ole edennyt perinteistä tuotepäällikön urapolkua. Hän aloitti operatiivisissa tehtävissä johtaen hoidon toimittamisen tiimejä ennen siirtymistään tuotekehitykseen viisi vuotta sitten. Tämä tausta antaa hänelle ainutlaatuisen näkökulman järjestelmäajatteluun ja toimintojen väliseen yhteistyöhön. Se on ollut ratkaisevaa, kun Virta on kasvanut nopeasti ja samalla tarttunut yhteen terveysteknologian hankalimmista haasteista: milloin käyttää ihmislääkäreitä ja milloin antaa tekoälytyökalujen hoitaa työ.

Seuraavaksi kuulet, miten hänen tiiminsä eteni tuotteen ja markkinoiden yhteensopivuuden löytämiseen, mitkä päätökset eivät skaalautuneet hyvin ja miten he ajattelevat tekoälystä ja teknisestä velasta kasvun seuraavassa vaiheessa. Aloitetaan.

Amit, kiitos paljon, että löysit kiireisestä tammikuun kalenteristasi meille aikaa.

Amit Shah: Kiitos kutsusta. Olen todella innoissani saadessani olla täällä.

Hannah Clark: Voisitko kertoa hieman taustastasi ja siitä, miten siirryit operatiivisesta roolista tuotejohtamiseen Virta Healthissa?

Amit Shah: Toki. Aloitetaan kaukaa ja edetään jokseenkin kronologisesti. Opiskelin tuotantotaloutta, ja se johdattaa melko suoraan operatiivisiin tehtäviin.

Työskentelin jonkin aikaa konsulttina. Perustin oman yrityksen, joka valmisti aurinkotuotteita Intian maaseudulla. Sen jälkeen kiinnostuin voimakkaasti terveydenhuollosta, koska pidin työskentelystä asioiden parissa, jotka parantavat ihmisten elämänlaatua. Työskentelin sitten arvolähtöisessä terveydenhuollossa, aluksi suorassa perusterveydenhuollossa, ja tulin Virtaan noin yhdeksän ja puoli vuotta sitten.

Olen siis ollut Virta Healthissa noin yhdeksän ja puoli vuotta, ja noiden vuosien aikana aloitin, kuten aivan oikein sanoit, operatiivisissa tehtävissä. Johdin aluksi hoidon toimittamisen tiimejä. Virran kasvaessa ydinmallimme on ollut hoidon toimittaminen tuotteidemme kautta, teknologiaa hyödyntäen. Aluksi olin siis tuotekehitys- ja toimitustiimiemme kumppani, ja vuosien mittaan osallistuin yhä enemmän niiden toimintaan.

Noin viisi vuotta sitten minua pyydettiin johtamaan tuotekehitystiimiä, koska suuri osa työstämme oli ihmislääkäreiden toteuttaman hoidon yhdistämistä siihen, miten tuotteemme toimitti hoitoa. Siitä päädyin tuotekehityksen pariin. Lyhyesti Virrasta: Virta on sitoutunut kumoamaan aineenvaihduntasairauden miljardilla ihmisellä. Tähän kuuluvat diabetes, lihavuus ja esidiabetes, ja toimitamme kaiken hoitomme täysin virtuaalisesti.

Olemme täyden palvelun aineenvaihduntasairauksien klinikka. Työmme on ainutlaatuista, koska yksilöllistämme biologian ja ravitsemuksen ihmisten aineenvaihdunnan parantamiseksi.

Hannah Clark: Se on todella hienoa ja aina hyvin jalo tavoite. Tiedän, että se vaikuttaa moniin perheisiin ja heidän elämäänsä.

On siis hienoa saada sinut vieraaksi keskustelemaan hieman tarkemmin tehtävän taustalla olevista käytännön asioista ja siitä, miten tämä kaikki sujuu nyt. Tänään keskitymme erityisesti siirtymävaiheeseen nopeasta kasvusta skaalattuun tuotekehitykseen, eli juuri siihen tilanteeseen, jossa nyt olet Virta Healthissa.

Miltä tämä muutos mielestäsi näyttää käytännössä? Ja mikä tekee tästä hetkestä kokemuksesi perusteella erityisen haastavan?

Amit Shah: Taustan vuoksi on hyvä sanoa, että olemme viime vuosina olleet sekä nopean kasvun että skaalatun tuotekehityksen vaiheessa. Esimerkiksi viime vuonna kasvuvauhtimme oli yli 70 prosenttia vuodesta toiseen, ja liikevaihtomme on satoja miljoonia dollareita.

En jaa yksityiskohtia monista syistä, mutta voit kuvitella, että kasvu on todella nopeaa ja kyseessä on melko laaja tuotekehitysorganisaatio. Muutoksen aikana tapahtuu käytännössä valtavasti asioita, ja se voi tuntua erittäin intensiiviseltä. Olen keskustellut monien tiimikavereiden kanssa, ja ensinnäkin skaalaaminen tarkoittaa usein yksinkertaisesti useampia ihmisiä: enemmän ryhmiä ja tuotekehitysryhmiä, jotka työskentelevät eri asioiden parissa, sekä uusia ihmisiä tekemässä asioita. Silloin on hieman selvitettävä,

mitkä omistajuudet kuuluvat kenellekin, ja luotava oikeat järjestelmät ja prosessit, jotta pienemmässä mittakaavassa toiminut voidaan skaalata. Tärkein huomio on ehkä se, että käytännössä kaikki voi tuntua kaoottiselta. Johtajana sinun on käytettävä paljon aikaa sen määrittämiseen, mikä on pohjantähti ja mitä yritämme saavuttaa.

Sen jälkeen on mietittävä, millaisia järjestelmiä, prosesseja ja organisaatiorakenteita luomme tämän saavuttamiseksi.

Hannah Clark: Haluaisin palata siihen, mitä sanoit aiemmin operatiivisesta taustastasi. Ajattelen, että se on eräänlainen valttikortti siirryttäessä tuotejohtamiseen.

Miten operatiivinen näkökulma tai järjestelmäajattelun tapa on vaikuttanut siihen, miten lähestyt tuotekehitystä, etenkin skaalausvaiheessa?

Amit Shah: Hyvä kysymys, ja olen itse asiassa kiitollinen siitä, että pidät sitä myönteisenä asiana. Kun tarkastelemme tuotejohtajia, monet ovat kasvaneet tuotekehityksen parissa, ja siinä on paljon arvoa ja tietoa.

Minä puolestani sain kasvaa operatiivisissa tehtävissä, kuten sanoit, ja uskon, että operatiivisesta työstä on hyötyä tietyillä tavoilla. Toteutuksen erinomaisuus on asia, jota opiskelin jo tuotantotalouden opiskelijana.

Toteutuksen erinomaisuuden ajatteleminen tarkoittaa järjestelmäajattelijana toimimista, järjestelmien tarkastelua, analyyttistä päätöksentekoa, tehokasta priorisointia, asioiden yksinkertaistamista ja hyvänä ihmisjohtajana toimimista. Ne ovat mielestäni erinomaisten operatiivisten johtajien ydinasioita, ja käy ilmi, että erinomaiset tuotejohtajat tekevät monia samoja asioita.

Muita taitoja toki on, ja tapa toteuttaa näitä asioita voi olla hieman erilainen. Nämä ovat kuitenkin ydintaidot, jotka ovat siirtyneet hyvin operatiivisesta työstä tuotekehitykseen. Kun tein siirtymää ja minut pyydettiin ensimmäistä kertaa johtamaan tuotekehitystä, käytin aikaa lukemiseen. Luin luultavasti

15 kirjaa. Kuuntelin monia podcasteja, myös tätä, ja keskustelin muiden tuotejohtajien kanssa. Löysin toistuvasti saman asian: jos osaat ajatella järjestelmien näkökulmasta, auttaa tiimiä tekemään analyyttisiä päätöksiä, auttaa tiimiä priorisoimaan luomiesi analyyttisten järjestelmien perusteella, yksinkertaistaa asiat olennaiseen ja johtaa ihmisiä kuten yleensäkin, se siirtyy parhaiten tehtävästä toiseen.

Hannah Clark: Kun luettelit nuo viisi ydintaitoa, minusta jokainen niistä vaikuttaa hyvin erityisesti ja yhtä lailla tärkeältä, jotta skaalaaminen onnistuu kunnolla. Ne ovat myös asioita, joiden kanssa organisaatiot yleisesti kamppailevat, osastosta riippumatta. Joten se on mielestäni itsestään selvästi hyvä kokonaisuus.

Amit Shah: Haluan palata edelliseen kysymykseesi nopeasta kasvusta skaalattuun tuotekehitykseen siirtymisestä. Myös yksinkertaisuus muuttuu mielestäni erittäin vaikeaksi. Tämä oli neljäs mainitsemani asia, mutta sanon sen vielä ääneen: liiketoiminnan alkuvaiheessa tuotteen ja markkinoiden yhteensopivuuden löytäminen on hyvin yksinkertaista. Sinun täytyy löytää yhteensopivuus, sinun täytyy tietää mitä teet, ja kun kasvat nopeasti, asia on tavallaan edelleen yksinkertainen.

Sinun täytyy pitää juna raiteillaan. Kun siirryt skaalattuun tuotekehitykseen, monimutkaisuus hiipii mukaan hyvin kiinnostavalla tavalla. Lisäisin tämän asiaksi, joka tänään taaksepäin katsoessani tuntuu tutulta.

Hannah Clark: Et siis pääse näin helpolla.

Meidän on mentävä hieman syvemmälle. Herätit uteliaisuuteni, joten kerro, mitä tämä tarkoittaa sinulle. Voin arvailla, mutta tapani ajatella yksinkertaisuutta omasta viitekehyksestäni olisi varmasti hyvin erilainen kuin sinun, kun olet operatiivisen taustan omaavana henkilönä siirtynyt tällaiseen tilanteeseen. Mitä yksinkertaisuus tarkoittaa sinun roolissasi?

Amit Shah: Yksinkertaisuus tarkoittaa sitä, että kaikki erilaiset mahdollisuudet voidaan tiivistää prioriteettijoukoksi, jonka parissa tiimi voi todella työskennellä selkeästi ja ilman häiriötekijöitä. Toimimme aineenvaihdunnan terveyden alalla, joka muuttuu erittäin nopeasti GLP-1-lääkkeiden myötä.

Olemme toiminnassamme hyvin ainutlaatuisia. Meillä on skaalattu ravitsemukseen ja elämäntapaan perustuva interventio. Monilla muilla yrityksillä ei ole sellaista, eikä sitä ole skaalattu täysin digitaalisesti. Kun tuotekehitys on skaalattu, yksi osa työtä on yksinkertaisesti pitää tuote sillä tasolla ja sillä erinomaisuuden tasolla, jota olemme tähän asti tarjonneet. Aina vuonna 2015 toteutetusta kliinisestä tutkimuksestamme lähtien olemme tuottaneet potilaillemme todella maailman muuttavia ja erinomaisia tuloksia. Tavoitteemme on tehdä niin joka päivä, vaikka olemme nyt

kirjaimellisesti satoja kertoja suurempia kuin silloin. Se vaatii paljon työtä, eikä se tapahdu itsestään. Lisäksi markkinat muuttuvat nopeasti. Uusi lääkeryhmä on tullut markkinoille, ja mukana on muita yrityksiä. Olemme yritysten välisille asiakkaille ja kuluttajille suunnattu liiketoiminta, koska niin terveysteknologia usein toimii.

Meillä on erilaisia tarpeita erilaisilta asiakkailta. Siksi meidän on päätettävä, miten priorisoimme ne ja yksinkertaistamme ne. Mitkä asiat tukevat samaa ydintä? Mitkä asiat meidän ehkä kannattaa erottaa ja joihin investoida eri tavalla, erikseen tai olla investoimatta lainkaan?

Tällaista yksinkertaistamista käsittelemme tänään.

Hannah Clark: Selvä. Halusin tarkentaa, koska yksinkertaisuutta voi tarkastella käyttäjän näkökulmasta, sisäisten operaatioiden näkökulmasta tai muuten vain. Mikä on keskustelumme rajaus? Haluan siirtyä eteenpäin, koska minua kiinnostaa Virran todella mielenkiintoinen puoli: miten käytätte hoidon toimittamisessa lääkäreitä ja milloin siirrytte täysin digitaaliseen toteutukseen?

Teillä vaikuttaa olevan jonkinlainen yhdistelmä molempia asioita tuotteessanne. Voitko kertoa, miten suunnittelette tämän tasapainon ja mikä tekee sen löytämisestä haastavaa?

Amit Shah: Suuri osa Virran, tuotteemme ja toimitusmallimme taikuudesta on sen määrittämistä, milloin käytämme teknologiaa.

Käytän teknologiaa laajassa merkityksessä: tekoälyä, automaatiota, automaatiota ohjaavia koneoppimismalleja ja niin edelleen. On myös määritettävä, milloin käytämme lääkäreitä ja ihmisiä. Tuloksistamme mainittakoon, että potilaidemme paino laskee keskimäärin 10 prosenttia vuodessa. Pienennämme merkittävästi sydänkohtauksen ja kuoleman riskiä.

Kerron näistä tuloksista, koska kyse on todellisista, konkreettisista tuloksista. Ei siitä, että ihmiset esimerkiksi klikkaisivat puhelimellaan enemmän. Ihmiset muuttavat elämäntapaansa, mikä parantaa heidän aineenvaihduntansa terveyttä, elämäänsä ja elinikäänsä.

Tämän tasapainon löytäminen on meille erittäin tärkeää. Yksi järjestelmistä, johon tukeudun, on pohjantähti. Olemme täällä saavuttaaksemme kyseisen tuloksen. Tulos on meille hyvin selkeä: aineenvaihdunnan terveyden paraneminen. Sen voi myös mitata. Pyydämme potilaitamme toimittamaan meille päivittäin biomarkkereita, kuten painon, ketoaineet, glukoosin ja verenpaineen.

Voimme siis seurata kehitystä säännöllisesti. Koska pohjantähtemme on selkeä ja meidän täytyy nähdä näiden lukujen paranevan, on helpompi selvittää, miten parannamme niitä parhaalla tavalla. Tietyissä asioissa uskomme edelleen, että lääkärit ja ihmiset toimivat parhaiten, vaikka elämme tekoälyn aikakautta ja käytämme Virrassa laajasti koneoppimis- ja tekoälymalleja. Näitä asioita ovat empatia, luovuus, vastuullisuus ja monimutkainen kliininen päätöksenteko.

Sanomme, että ihmiset asetetaan etusijalle näissä neljässä asiassa. Useimmissa muissa asioissa teknologia ja tekoäly toimivat paremmin. Jos lääkäri tekee jotain, joka ei kuulu näihin neljään ryhmään, kyse ei ole esimerkiksi monimutkaisesta kliinisestä päätöksenteosta, kuten lääkkeiden määräämisestä, niiden käytön lopettamisesta tai liitännäissairauksien hallinnasta, meidän pitäisi pyrkiä antamaan teknologian hoitaa asia.

Jos kyse ei ole emotionaalisesta vastuullisuudesta, jossa jokin auttaa motivoimaan potilasta yhteyden ansiosta, meidän pitäisi pyrkiä käyttämään teknologiaa. Samat asiat, joissa lääkärit ovat hyviä, tuottavat myös lääkäreille merkityksellisyyttä työssä.

Käy ilmi, että lääkärit ovat tyytyväisiä, kun he voivat käyttää päivänsä empaattiseen työskentelyyn, yhteyden luomiseen muiden ihmisten kanssa ja monimutkaisten kliinisten ongelmien ratkaisemiseen. Näin me siis ajattelemme asiaa. Jos teknologia voi tuottaa paremman tuloksen ja sen käyttö on oikeudellisten ohjeiden mukaista, meidän pitäisi aloittaa siitä.

On kuitenkin tiettyjä asioita, joissa ihmiset ovat mielestämme parempia. Näin voimme antaa lääkäreille mahdollisuuden olla mahdollisimman tehokkaita tämän tuloksen saavuttamisessa.

Hannah Clark: Puhutaan täyttymyksestä. On vaikuttavaa ajatella, kuinka palkitsevaa on mitata alustan onnistumista sen perusteella, millaisia todellisia tuloksia sitä käyttävät ihmiset saavuttavat, ja samalla nähdä alustalla potilaidensa kanssa työskentelevien lääkäreiden tyytyväisyys. Kaikkien täytyy myös tuntea valtava vastuu siitä, että lupaus ja pohjantähti toteutuvat päivä toisensa jälkeen.

Amit Shah: Olen ollut täällä yhdeksän ja puoli vuotta. Olemme täysin tehtäväkeskeisiä, ja juuri se saa minut nousemaan joka aamu. Parempi työ tarkoittaa meille kirjaimellisesti useampien ihmisten henkien pelastamista ja yhä useampien ihmisten elämän parantamista. Sama pätee jokaiseen Virrassa työskentelevään.

Se on polttoaine, joka on vienyt meitä sekä nopean kasvun että skaalatun tuotekehityksen vaiheiden läpi.

Hannah Clark: Aivan. On valtava etuoikeus ja vastuu tehdä tällaista työtä. Palataan hieman käytännön asioihin. Virran skaalautuessa: kun ajattelemme aiempaa päätöksentekoa arkkitehtuurin, prosessien tai tiimirakenteen ympärillä, mikä toimi aluksi hyvin mutta josta jouduitte luopumaan asioiden kasvaessa?

Amit Shah: Tästä tulee mieleen kaksi asiaa.

Ensimmäinen liittyy organisaatiorakenteeseen. Varhaisina aikoina toimiva rakenne oli sellainen, että tuote, ohjelmistokehitys, analytiikka ja suunnittelu olivat omia asiantuntijuusalueitaan. Näin asiat usein järjestetään. On teknologiajohtaja, tuotejohtaja, analytiikan johtaja ja suunnittelujohtaja.

Alkuperäinen organisaatiorakenteemme koostui näistä alueista, joilla jokaisella oli omat, osittain päällekkäiset prioriteettinsa. Se toimi, kun tuotekehitystiimi oli pienempi. Meidän oli rakennettava ohjelmistokehityksen erinomaisuutta ja tuotetyön erinomaisuutta. Kun skaalauduimme ja tiimit kasvoivat, tästä täytyi luopua.

Lopulta järjestäydyimme siten, että meillä on edelleen nämä yhteisöt, kuten ohjelmistokehityksen yhteisö, jossa rakennetaan ohjelmistokehityksen erinomaisuutta. Suurin osa ohjelmistokehittäjistämme on kuitenkin sijoitettu siihen, mitä kutsumme ryhmäksi.

Ryhmä on eri toimintojen edustajista koostuva tiimi, joka ratkaisee liiketoimintaongelmaa. Se osoittautui paljon tehokkaammaksi nopean kasvun aikana ja myös skaalatun tuotekehityksen vaiheessa, koska se antaa tiimeille vahvan kontekstin ongelmasta. Niillä on pohjantähti eli selkeä käsitys siitä, mitä ne ratkaisevat. Ne ratkaisevat tavallaan samaa asiaa tai samaa asiakokonaisuutta.

Näin ongelmia voidaan ratkaista syvällisemmin. Siiloutuneemmassa lähestymistavassa eri asioiden parissa työskentelevien ohjelmistokehittäjien vaihtaminen olisi aiheuttanut omat ongelmansa. Pienessä organisaatiossa kaikki voivat tavallaan kokoontua saman asian ympärille. Kun skaalaat nopeasti ja saavutat skaalatun tuotekehityksen vaiheen, tiimit täytyy rajata ja varmistaa, että jokaisella ryhmällä on oikeat eri toimintojen valmiudet tarvitsemansa toteuttamiseen.

Hannah Clark: Haluan keskeyttää hetkeksi. Toivottavasti en suista sinua raiteiltasi. Kosketit asiaa, jota olen myös ajatellut paljon skaalaamisen yhteydessä: tiedonsiirron aliarvioitua merkitystä. Se voi muodostua valtavaksi pullonkaulaksi tiimien välillä, saman tiimin jäsenten välillä sekä organisaation kasvaessa, kun uusia ihmisiä tulee ja vanhempia lähtee.

Organisaation kasvaessa tiedon siirtämiseen liittyvä toimintamalli on usein tehoton. Tämä on vain asia, jota olen pohtinut, ja on kiinnostavaa kuulla sinun kommenttisi sekä se, että pidät ryhmämallia tehokkaimpana tapana hallita tätä.

Saat jatkaa, mutta voimme ehkä palata tähän, koska tämä on kiinnostava aihe.

Amit Shah: Kommentoin sitä sanomalla, että ryhmämalli on ehdottomasti parempi, mutta ongelmaa ei ole ratkaistu. Olemme havainneet, että tietyt yksilöt ovat uskomattoman hyviä. Heillä on valtavasti kontekstia ja he toteuttavat asioita erittäin hyvin.

Jos heidät siirretään toisiin tehtäviin tai he lähtevät, menetämme osan tästä kontekstista. En usko, että meillä on vielä dokumentaatioratkaisua tähän. Ryhmämalli tekee asiasta kuitenkin helpomman, koska siinä on enemmän johdonmukaisuutta siinä, mitä tehdään ja millainen lopputulos tarvitaan.

Hannah Clark: Voisimme tehdä kokonaisen jakson pelkästään tästä, mutta jatka vain.

Amit Shah: Kysymyksesi koski asioita, jotka eivät skaalautuneet, tai varhaisia päätöksiä, jotka eivät skaalautuneet. Toinen asia liittyy siihen, miten rakensimme datan ja myöhemmin analytiikan. En ole vielä tavannut teknologiayrityksen johtajaa, joka olisi saanut tämän heti alusta alkaen oikein, vaikka sellaisia varmasti on.

Hyvin varhain halusimme demokratisoida datan. Laitoimme kaiken taulukoihin ja annoimme monille ihmisille pääsyn niihin. Aluksi se toimi hienosti. Kuka tahansa pystyi hakemaan dataa. Kasvaessamme taulukot kuitenkin muuttuivat sekaviksi. Ihmiset hakivat eri asioita, ja meillä oli tapana vitsailla, että samaan kysymykseen sai kaksi vastausta riippuen siitä, kuka datan haki ja miten hän sen haki.

Olemme käyttäneet paljon aikaa ja käytämme edelleen paljon aikaa tämän siivoamiseen. Tarkastelemme uudelleen, miten data päätyy taulukoihin, ja varmistamme, että se on puhdasta jo lähteessä. Tämä on ollut investointi etenkin siinä vaiheessa, kun siirryimme nopean kasvun vaiheesta skaalattuun tuotekehitykseen, vaikka työ jatkuu edelleen.

Uutta tulee paljon sisään. Haluan kuitenkin olla tässä varovainen: en halua väittää, että olisimme päässeet nopean kasvun vaiheesta ulos. Olemme sekä skaalattu tuote että nopeasti kasvava yritys. Koska tuotteemme on skaalattu, olemme pyrkineet tarkoituksellisesti ottamaan varhain käyttöön kontrollit, jotka määrittävät, mitä dataa taulukoihin päätyy, miten se päätyy sinne ja niin edelleen.

Hannah Clark: Nyt kun olemme tämän jakson dataosiossa, puhutaan hieman generatiivisesta tekoälystä. Kuten mainitsit, on alueita, joissa lääkäreiden osaaminen ja osallistuminen ovat paras lähestymistapa. Toisaalta on asioita, jotka eivät kuulu näihin neljään kategoriaan ja jotka on järkevintä ulkoistaa tekoälylle, joka voi tehdä ne tehokkaammin ilman, että ihmisten arvokasta aikaa kuluu niihin.

Miten ajattelette generatiivisen tekoälyn ja erilaisten tekoälymuotojen integroimista tuotteeseen niin, että ne täydentävät ihmisten osaamista?

Amit Shah: Kuten aiemmin sanoin, suuri osa taikuudesta liittyy siihen, miten tämän teemme. Iteroimme jatkuvasti toteutustapaa, mutta yksi käyttämämme viitekehys on seuraava. Olemme alusta asti olleet dataan ja analytiikkaan perustuva, tarkka yritys. Jo ennen kuin puhumme generatiivisesta tekoälystä, meillä on ollut erittäin ennustavia ja tehokkaita koneoppimismalleja seitsemän tai kahdeksan vuoden ajan.

Yksi asia, jota usein ajattelemme, on ennakoiva interventio. Käytämme koneoppimismalleja, jotka on koulutettu omistamaamme tietoaineistoon. Se sisältää yli 200 000 potilasta kymmenen vuoden ajalta, eli kirjaimellisesti satoja miljoonia datapisteitä. Kyse on esimerkiksi verensokeri- ja ketoainetasoista sekä painosta.

Näiden objektiivisten datapisteiden avulla ennustamme, mikä potilaan seuraava paras interventio voisi olla. Kun ennustamme seuraavaa parasta interventiota, kokeilemme usein, pitäisikö ihmisen toteuttaa se, pitäisikö se toimittaa automaattisesti vai pitäisikö sen toteuttamiseen käyttää kehittämäämme generatiivisen tekoälyn työkalua.

Palaan generatiiviseen tekoälyyn hetken kuluttua. Ensimmäinen huomio on, että tämä ennakoivan intervention järjestelmä ja sen ympärille rakentamamme koneoppimismallien kokonaisuus auttavat meitä tietämään, milloin ylipäätään pitäisi puuttua tilanteeseen.

Toinen asia on reaktiivinen toiminta. Potilas voi tulla kysymään meiltä jotain juuri sillä hetkellä. Mallit eivät tietenkään pysty aina ennustamaan kaikkea. Olemme havainneet, että juuri tässä hetkessä tarvittavassa avussa puhdas generatiivinen tekoäly on ollut hyvin hyödyllinen.

Se on koulutettu järjestelmiimme ja dataamme, ja olemme ottaneet generatiivista tekoälyä käyttöön reaktiivista, juuri sillä hetkellä tarvittavaa apua varten. Potilas voi saada vastauksen heti, ja voimme tarvittaessa ilmoittaa lääkärille jatkotoimia varten. Näin olemme ajatelleet tekoälyn käyttöä.

Haluan puhua vielä hieman generatiivisesta tekoälystä. Olemme havainneet myös, että haluamme rakentaa potilaisiimme vahvan luottamuksen. Siksi kerromme hyvin selkeästi, milloin jokin on tekoälyn ohjaamaa ja milloin lääkärin ohjaamaa.

Syvimpiä asioita suhteessamme potilaisiin on se, että työskentelemme heidän terveytensä parissa. Heidän täytyy todella luottaa siihen, mitä heille välitetään. Siksi teemme eron selväksi ja annamme heille mahdollisuuksien mukaan tilaisuuden ottaa yhteyttä lääkäriin tai työskennellä lääkärin kanssa.

Viimeinen huomioni tästä aiheesta on käänteinen näkökulma. Kun tiedämme, että meidän pitää puuttua tilanteeseen, mikä on järkevintä? Testien perusteella tiedämme, että tietyt asiat toimivat paremmin, kun ihminen puuttuu tilanteeseen. Siksi asetamme ne jälleen lääkäreidemme vastuulle. He haluavat auttaa muita ihmisiä voimaan terveemmin, joten mikä antaa heille siihen parhaat mahdollisuudet? Se on parasta heille ja parasta potilaalle.

Hannah Clark: Kun kerrot, miten ajattelette tätä, yksi asia todella pysäyttää minut. Olen tehnyt tätä ohjelmaa jo useita vuosia. Kun aloitimme tuotepäällikköpodcastin, olimme juuri siinä vaiheessa, ennen kuin tekoäly todella räjähti nykyiseen asemaansa.

Kun keskustelen kanssasi, olet työskennellyt tehtävässä, jossa tekoälyä on käytetty jo pitkään. Virta hyödynsi tekoälyä ennen kuin se oli muodikasta. Ajattelutavassa ja lähestymistavassa on eroa verrattuna niihin, jotka vasta nyt yrittävät selvittää, miten tekoäly sovitetaan tuotteeseen tai miten rakennetaan uusi tuote näiden uusien teknologisten valmiuksien varaan.

Haluan kysyä tästä hieman tarkemmin. Oletko koskaan pohtinut, erottaako aiempi kokemuksesi tekoälyn tai koneoppimisen käytöstä sinut siinä, miten ajattelet teknologiasta ja miten lähestyt sen kestävää käyttöä jatkossa?

Amit Shah: Erinomainen kysymys. Pidän ajatuksesta, että olemme tämän teknologian alkuperäisiä käyttäjiä. Aion käyttää tuota jatkossa. Se on ollut meille yksi viitekehys. Tiedämme, että yksi omistamistamme ainutlaatuisimmista asioista on tietoaineistomme.

Meillä on jälleen satojatuhansia potilaita vuosikymmenen ajalta. Data sisältää objektiivisia, subjektiivisia ja mielialaan liittyviä tietoja. Koneoppimismallien vapauttaminen ja generatiivisen tekoälyn kouluttaminen omalla datallamme on supervoima, jota kenelläkään muulla ei ole.

Joku voisi huomenna julkaista generatiiviseen tekoälyyn perustuvan version siitä, mitä me teemme. Koska meidän pohjantähtemme on kuitenkin tulos eli aineenvaihduntasairauden kumoaminen, tiedämme kyseisen yksilön hoitopolun kaikkien käytettävissämme olevien datapisteiden perusteella.

Ajattelen generatiivisia tekoälymalleja ja koneoppimismalleja työkaluina, joilla lääkärit saadaan käyttöön. Ne ovat kaikki työkalupakin välineitä, joilla pyritään kohti pohjantähteä eli tavoiteltua tulosta. Mitä enemmän teknologisia työkaluja saamme, sitä enemmän niitä käytämme. En oikeastaan tiedä, mitä generatiivisen tekoälyn jälkeen tulee, mutta uskon, että pystymme hyödyntämään sitä saman tuloksen saavuttamiseen.

Ainutlaatuista on edelleen lähestymistapamme ja tietoaineistomme, joiden avulla tämä lähestymistapa tuottaa tuloksia.

Hannah Clark: Halusin korostaa tätä hieman, koska äänestäsi kuulee, kuinka paljon kunnioitatte hallussanne olevaa dataa. Siihen liittyy suuri vastuu: sitä on käsiteltävä oikein ja keskityttävä siihen, tuottaako se halutun tuloksen.

Koko toimialalla valitetaan tällä hetkellä siitä, että tekoälyä käytetään tekoälyn vuoksi ja että sen käyttöönotto voi tuntua kömpelöltä tai jopa vastuuttomalta. On hyvin rohkaisevaa kuulla inhimillinen ja käytännöllinen tapa ajatella tekoälyä ja sen käyttöä tuotteissa.

Amit Shah: Potilaamme tulevat meille parantamaan terveyttään ja yritysasiakkaamme palkkaavat meidät parantamaan väestönsä terveyttä. Pohjantähtemme on siis terveyden parantaminen, ja käytämme kaikkia käytettävissämme olevia työkaluja sen saavuttamiseen.

Älä ymmärrä väärin: generatiivinen tekoäly on uskomaton työkalu, joka kehittyy huimaa vauhtia, ja uskon sen auttavan meitä. Yksi suosikkitoiminnoistani sovelluksessamme on ominaisuus, jossa voit ottaa kuvan lautasesta ja sovellus erittelee sen makroravintoaineet.

Se kertoo myös oranssilla, keltaisella tai vihreällä, sopiiko annos henkilön yksilölliseen ravitsemussuunnitelmaan. Emme olisi voineet toteuttaa koko prosessia ilman generatiivista tekoälyä. Se on erittäin tehokas. Viimeinen osa tekee siitä tavoitteeseemme johtavan välineen: autamme henkilöä tekemään juuri sillä hetkellä hänelle parhaan päätöksen.

Hannah Clark: Tämä lähestymistapa muistuttaa minua eräästä keskustelusta, jonka kävimme muutama kuukausi sitten Photo Roomin käyttäjätutkimuksesta vastaavan johtajan kanssa. Hänellä oli samanlainen havainto: käyttäjätutkijat ovat ehkä suhtautuneet tekoälyn käyttöönottoon vastahakoisesti. Nyt näemme hieman enemmän käyttöönottoa ja luottamusta, koska vastuulliseen käyttöön on tarjolla selkeämpi polku.

Näen samankaltaisuuksia Virta Healthissa ja muissa organisaatioissa. Tekoälyä käytetään suurten tietomäärien hahmojen tunnistamiseen ja sellaisiin tehtäviin, joita lääkäri ei pystyisi ihmisvoimin käsittelemään, prosessoimaan ja tuottamaan. On järkevää antaa nämä tehtävät generatiiviselle tekoälylle.

Arviointikyvyn osalta meidän pitäisi tässä vaiheessa kaikkien tietää, ettei ChatGPT:llä ole paras arviointikyky. On hyvä kuulla ja toistaa, että meidän on ajateltava, mihin tekoäly todella sopii, missä sitä kannattaa hyödyntää ja missä ei.

Amit Shah: Vitsailin tästä hiljattain vaimoni kanssa. Hän on monesta syystä paljon älykkäämpi kuin minä. Keskustelimme generatiivisesta tekoälystä, ja sanoin, että sitä pitäisi ajatella siten, että generatiivinen tekoäly on koulutettu kaikkeen julkiseen internetissä olevaan tietoon.

Se on tavallaan paras olemassa oleva tietopohja. Internetissä on paljon tietoa, joten sitä on paljon. Mutta kuten sanoit, kaikella internetissä olevalla tiedolla ei ole parasta arviointikykyä. Erottelukyky, kriittinen ajattelu sekä sen arviointi, miten ja missä tekoälyä hyödynnetään ja miten tulokset esitetään, ovat mielestäni suuri osa taikuudesta.

Hannah Clark: Ehdottomasti. Arviointikykyyn kuuluu myös empatia. Empatiaa ei ehkä voi mitata mittarilla, mutta voimme nähdä sen vaikutuksen, kun se otetaan huomioon. Haluaisin puhua nykyisistä haasteista, etenkin kun siirrymme vuoteen 2026.

Uusi vuosi on alkanut, Virta skaalautuu ja kasvaa nopeasti. Mikä on seuraava suuri haasteenne ja miten lähestyt vuoden 2026 tuomaa kehitystä?

Amit Shah: Se liittyy erittäin suoraan tämän podcastin aiheeseen. Olemme nopeasti kasvava, skaalattu tuote. Keskityn siihen, että meillä on järjestelmät ja prosessit, jotka luovat yhteensopivuutta aina ensimmäisestä asiakkaan kanssa käytävästä keskustelusta siihen, miten voimme auttaa hänen väestöään, aina siihen asti, millaisen kokemuksen yksittäinen potilas saa.

Potilas rekisteröityy Virtaan, ja teemme tämän kaiken nopeasti muuttuvien markkinoiden keskellä. Yksi asiakkaillemme tarjoamistamme asioista on se, että tuotamme saman painonpudotuksen kuin GLP-1-lääkkeet, kuten Ozempic, Wegovy, Zepbound ja Mounjaro, mutta ilman lääkettä.

Olemme lääkkeelle vaihtoehto. Noin 70 prosenttia painoa pudottaa haluavista amerikkalaisista haluaa tehdä sen ilman lääkettä. Se on siis hyvin suosittu vaihtoehto, ja monet potilaamme tulevat meille kuultuaan meistä ja sanoessaan, etteivät he halua aloittaa lääkitystä.

Olemme myös tapa lopettaa lääkitys. GLP-1-lääkeryhmän hyväksyntään kuuluu elämäntapamuutoksen yhdistäminen hoitoon. Me tarjoamme toimivan elämäntapamuutoksen. Vertaisarvioitu ja julkaistu tutkimuksemme osoittaa, että ihmiset ovat säilyttäneet noin 11 prosentin painonpudotuksen vielä vuoden ajan sen jälkeen, kun olemme lopettaneet heidän GLP-1-lääkityksensä.

GLP-1-lääkkeet ovat tällä hetkellä hyvin kuuma aihe. Suun kautta otettavia lääkkeitä on tulossa, ja paljon muuta tapahtuu. Olemme markkinoiden suhteen ketteriä, koska muutoksia on paljon, mutta keskeinen arvolupauksemme pysyy samana.

Keskityn siihen, että olemme ketteriä, pystymme vastaamaan markkinoiden tarpeisiin, kohtaamme sekä potilaamme että asiakkaamme heidän tilanteessaan ja linjaamme toimintamme niin, että voimme edelleen tuottaa tähän asti saavuttamiamme vaikuttavia ja ainutlaatuisia tuloksia. Ne auttavat parantamaan ihmisten elämää pienemmillä kustannuksilla.

Hannah Clark: On uskomatonta kuulla, että tuloksenne vastaavat markkinoilla olevien lääkkeiden tuloksia. Suuret kiitokset koko Virran tiimille. Tehtävänne on äärimmäisen tärkeä, ja on hienoa kuulla, että onnistutte siinä näin hyvin. Kun mainitsit ihmisten kohtaamisen heidän lähtökohdistaan, mistä ihmiset löytävät sinut tämän ohjelman jälkeen?

Amit Shah: Olen aktiivisin LinkedInissä, joten etsikää minut sieltä. Se on rehellisesti sanottuna paras paikka löytää minut. Seuratkaa myös Virta Healthia Instagramissa, koska olen usein mukana sen tilillä.

Hannah Clark: Kiitos, että tulit vieraaksemme. Arvostamme aikaasi, Amit. Oli hienoa keskustella.

Amit Shah: Tämä oli hienoa. Kiitos paljon.

Hannah Clark: Seuraavaksi Tuotepäällikkö-podcastissa: tämä jakso on tarkoitettu yritysjohtajille, jotka tasapainoilevat usean tuotteen kokonaisuuksien kanssa. Jos olet koskaan nähnyt Costcon äitien raivaavan tiensä väkijoukon läpi samalla kun he paimentavat neljää lasta, jotka ovat täysin eri kehitysvaiheissa, ja ajatellut: ”Tuolta työni tuntuu”, tästä Rubrikin Anneka Guptan kanssa tehtävästä jaksosta tulee selviytymispakkauksesi. Tilaa podcast nyt, jotta et jää siitä paitsi.