Come Utilizzare una Mentalità Operativa per Scalare la Consegna del Prodotto

Hannah Clark: Trovare il product market fit può essere come scalare la montagna più alta che tu abbia mai visto, solo per raggiungere la vetta e trovare dietro un’altra montagna ancora più alta. La sfida di entrare in quella fase di crescita rapida e scalare la consegna del prodotto è multifattoriale; mette alla prova i processi e l’infrastruttura della tua organizzazione, ti costringe a essere spietato su come dare priorità e impiegare le tue risorse e richiede un enorme coraggio per prendere decisioni che non sono mai prive di rischi. Ma nonostante tutte queste dipendenze, ci sono molte strade per scalare una montagna. Quindi oggi ne prenderemo in esame solo una.

Il mio ospite di oggi è Amit Shah, Chief Operating Officer di Virta Health, e ciò che rende la sua prospettiva particolarmente preziosa è che non proviene dalla gestione prodotto tradizionale. Ha iniziato nelle operazioni, guidando team di erogazione delle cure prima di passare al prodotto cinque anni fa. Questo background gli offre una lente unica sul pensiero sistemico e sulla collaborazione interfunzionale, che è stata fondamentale mentre Virta è cresciuta rapidamente affrontando una delle sfide più difficili dell’healthcare tech: capire quando utilizzare medici umani e quando lasciare che siano gli strumenti di IA a svolgere il lavoro.

Stai per ascoltare il racconto di come il suo team ha navigato il percorso verso il product market fit, quali decisioni non hanno retto alla scalabilità e come stanno ragionando su IA e debito tecnologico nella prossima fase di crescita. Iniziamo subito.

Amit, grazie mille per aver trovato del tempo nel tuo calendario impegnato di gennaio per noi.

Amit Shah: Grazie per avermi invitato. Sono davvero entusiasta di essere qui.

Hannah Clark: Bene, puoi raccontarci un po’ del tuo background e di come sei passato da un ruolo operativo alla leadership di prodotto in Virta Health?

Amit Shah: Certo. Inizio dall’inizio. Seguirò un ordine piuttosto cronologico. Ho studiato ingegneria industriale e quindi questo porta abbastanza direttamente alle operazioni.

Ho lavorato come consulente. Ho avviato una mia azienda che produceva prodotti solari nell’India rurale. Successivamente mi sono interessato molto all’ambito sanitario soprattutto perché mi piaceva lavorare su ciò che migliora la qualità della vita delle persone. Poi ho lavorato nell’healthcare basato sul valore, a partire dall’assistenza primaria diretta, per poi arrivare in Virta circa nove anni e mezzo fa.

Quindi sono in Virta da circa nove anni e mezzo, e in questi anni, come hai sottolineato, ho iniziato nel reparto operativo. Inizialmente guidavo team di erogazione delle cure. Mentre Virta cresceva, il nostro modello di erogazione centrale era quello di agire tramite i nostri prodotti e tramite la tecnologia. Così inizialmente ero partner dei team di sviluppo e consegna prodotto, e col tempo mi sono sempre più coinvolto lì.

E poi circa cinque anni fa mi è stato chiesto di guidare il team di sviluppo prodotto perché gran parte di ciò che facevamo era collegare la nostra erogazione clinica umana con la modalità di consegna via prodotto. Ed è così che sono passato nella sfera prodotto. E giusto due parole su Virta: la nostra missione è invertire le malattie metaboliche in un miliardo di persone, inclusi diabete, obesità e pre-diabete, e forniamo tutte le cure completamente in modalità virtuale.

Siamo una clinica full service per le malattie metaboliche. Quello che facciamo è davvero unico perché personalizziamo biologia e nutrizione per curare il metabolismo delle persone.

Hannah Clark: Davvero fantastico e sempre una missione nobile. So che è qualcosa che tocca molte famiglie e le loro vite.

Quindi sono davvero felice che tu sia qui a raccontarci un po’ di più del funzionamento dietro la missione, come sta andando ora. Ma oggi ci concentreremo specificamente sulla fase di transizione dalla crescita rapida alla consegna prodotto scalata, che è proprio dove vi trovate in Virta.

Quindi, secondo te, Amit, come si presenta veramente questa transizione nel concreto? E in base alla tua esperienza, cosa rende questo momento particolarmente difficile?

Amit Shah: Sì. E solo per fornire qualche contesto su questo passaggio, negli ultimi anni siamo stati sia in crescita rapida che in consegna prodotto scalata. L’anno scorso, per esempio, il nostro tasso di crescita è stato superiore al 70% anno su anno e parliamo di centinaia di milioni di dollari di fatturato.

Ancora, non posso condividere dettagli specifici per vari motivi, ma puoi immaginare che si tratta di una crescita molto rapida e di un prodotto abbastanza maturo. Quindi questo passaggio è stato… c’è così tanto che accade durante questa fase che a terra può sembrare super intenso. Ho parlato con tanti colleghi e prima di tutto, man mano che si scala, spesso si rende necessario aggiungere più persone, più squadre di sviluppo prodotto che lavorano su progetti, persone diverse che si occupano di cose differenti, e quindi bisogna capire.

Quali sono le aree di responsabilità di ciascuno, creare i giusti sistemi e processi per riuscire a scalare ciò che funzionava su scala ridotta. Direi che la cosa principale da condividere è che può sembrare caotico sul campo, e penso che come leader sia importante passare molto tempo a chiarire qual è la nostra stella polare, cosa vogliamo raggiungere.

E poi, quali sono i sistemi, i processi e le strutture organizzative che creiamo per raggiungerlo.

Hannah Clark: Vorrei approfondire quello che hai menzionato prima sul tuo background operativo, che penso sia davvero un asso nella manica nel passaggio verso la leadership di prodotto.

Quindi come questa mentalità operativa o di pensiero sistemico ha plasmato il tuo approccio allo sviluppo prodotto soprattutto nella fase di scaling?

Amit Shah: Bella domanda, e ti ringrazio che pensi sia un punto positivo. Molto spesso quando osservi i leader prodotto.

Ci sono persone che sono cresciute nel prodotto e penso che questo sia molto prezioso perché acquisisci un insieme di conoscenze specifiche. Per me la fortuna è stata crescere nelle operazioni e credo che ci siano aspetti delle operazioni fondamentali. L’eccellenza nell’esecuzione è qualcosa che come studente di ingegneria industriale ho studiato anche all’università.

Quindi, riflettendo su cosa significa eccellenza nell’esecuzione, scaturisce l’essere pensatori sistemici, prendere decisioni analitiche, dare le giuste priorità, semplificare i processi e guidare le persone. Sono questi i pilastri fondamentali dei grandi operatori, e risulta che anche i grandi product leader fanno spesso le stesse cose chiave.

Certo, esistono altre competenze, il modo di metterle in atto può essere diverso. Ma queste skill sono state quelle che ho davvero potuto trasferire dalle operations allo sviluppo prodotto. Così quando sono passato a guidare lo sviluppo prodotto, mi sono dedicato a studiare. All’inizio ho letto probabilmente 15 libri. Ho ascoltato molti podcast, incluso questo, e ho parlato con altri product leader, e trovavo ripetutamente che, se riesci a pensare in ottica sistemica, aiutare il team a fare scelte analitiche, aiutare il team a dare priorità basate su queste analisi e sistemi creati, semplificare fino a ciò che è più importante, e poi guidare le persone come faresti normalmente.

Ecco cosa secondo me si traduce meglio.

Hannah Clark: Quando elenchi queste cinque skill, mi sembrano tutte davvero rilevanti e fondamentali per scalare in modo corretto, e sono sfide che tutte le organizzazioni, a seconda del reparto, si trovano ad affrontare. Credo sia una combinazione perfetta da possedere.

Amit Shah: Ritornando alla tua domanda precedente, nel passaggio dalla crescita rapida al prodotto scalato, credo che la semplicità diventi molto difficile. Quindi questo è il quarto punto che ho menzionato, ma lo voglio dire chiaramente: nelle prime fasi di una startup, trovare il product market fit è semplice. Devi semplicemente trovarlo, devi capire. E mentre la crescita è molto rapida, in realtà il focus resta semplice: mantenere il treno sui binari. Quando si passa verso il prodotto scalato, la complessità entra in gioco in maniera interessante. Oggi, guardando indietro, sento che questa riflessione risuona molto.

Hannah Clark: Bene, ora non puoi cavartela così facilmente.

Dobbiamo approfondire un po’. Hai suscitato la mia curiosità, quindi spiegaci cosa significa per te. Posso immaginare, ma sono sicura che la mia idea di semplicità sarebbe molto diversa dalla tua, dato il tuo background operativo, trovandoti a dover semplificare in questo scenario. Che cos’è la semplicità nel tuo ruolo?

Amit Shah: La semplicità consiste nel ridurre tutte le diverse opportunità a delle priorità su cui il team possa lavorare davvero, con chiarezza e senza distrazioni. Nel nostro caso, ci muoviamo in uno spazio, quello della salute metabolica, che cambia in maniera incredibilmente rapida con l’arrivo dei GLP-1 e altro ancora.

Siamo molto distintivi. Abbiamo un intervento nutrizionale e sullo stile di vita che è scalato e completamente digitale. Quindi, quando ti trovi nella fase di prodotto scalato, il compito è mantenere costantemente il livello e l’eccellenza che ci hanno contraddistinto sin dagli studi clinici del 2015, continuando a garantire risultati davvero rivoluzionari per i nostri pazienti ogni giorno, anche se oggi siamo letteralmente centinaia di volte più grandi di allora. E richiede molto lavoro, non accade da sé. Inoltre il mercato cambia rapidamente. Con l’arrivo di una nuova classe di farmaci, la concorrenza, e il nostro modello B2B2C, riscontriamo esigenze diverse da vari clienti. Occorre quindi dare priorità e semplificare: quali attività seguono quel nucleo centrale e quali invece vanno trattate o tralasciate separatamente?

Questa è la semplificazione con cui ci confrontiamo ogni giorno.

Hannah Clark: Ok, volevo chiarire: semplicità può essere vista dalla prospettiva dell’utente o delle operazioni interne. Solo per focalizzare: qual è lo scope di cui parliamo? Ora voglio spostarmi su un aspetto molto interessante di Virta: come decidete quando usare i clinici umani per l’erogazione delle cure e quando puntare sul digitale?

Siete davvero in mezzo tra entrambe le soluzioni. Puoi spiegarci come progettate questo equilibrio e quali sono le sfide nel trovare la giusta combinazione?

Amit Shah: Sì. Gran parte della magia di Virta e del nostro prodotto sta proprio nel capire quando affidarsi alla tecnologia.

E intendo tecnologia nel senso più ampio: IA, automazione, modelli ML che guidano questa automazione e così via, e quando invece serve il clinico umano. Solo per darvi un’idea dei nostri risultati: mediamente il nostro programma garantisce una perdita di peso del 10% dopo un anno. Riduciamo significativamente il rischio di attacchi cardiaci e mortalità.

Vi racconto questi risultati perché sono veri e tangibili. Non è solo “le persone cliccano di più sull’app”, ma stanno davvero cambiando stile di vita e migliorando salute e aspettativa di vita.

Quindi trovare il giusto equilibrio è cruciale. Uno dei sistemi su cui mi baso è la North Star. Siamo qui per ottenere quel risultato. Il miglioramento della salute metabolica. Ed è qualcosa che si può misurare. Chiediamo ai nostri pazienti di fornirci biomarcatori ogni giorno: peso, chetoni, glicemia, pressione… quindi vediamo questi miglioramenti costantemente. E poiché abbiamo una stella polare così chiara, è più facile capire come raggiungerla nel modo migliore. Anche oggi, nonostante l’IA sia ampiamente adottata (noi usiamo tantissimo modelli di apprendimento automatico e IA), ci sono cose che i clinici e gli esseri umani fanno meglio, e per noi si tratta di empatia, creatività, accountability (responsabilità) e decisioni cliniche complesse. Sono le quattro cose che diciamo: “vogliamo che le persone si dedichino a queste”. Tutto il resto, se può, lo farà la tecnologia o l’IA.

Se il clinico fa qualcosa che non rientra in una di queste quattro categorie — non è una decisione clinica complessa, o non riguarda il supporto motivazionale dovuto alla relazione — allora cerchiamo di affidarlo a una soluzione tecnologica. Tra l’altro, le attività che i clinici svolgono meglio sono anche quelle che li soddisfano di più nel loro lavoro.

Quindi alla fine hai clinici più motivati e soddisfatti se si dedicano all’empatia, alla relazione umana e alla soluzione di problemi clinici complessi. Così la vediamo noi: se qualcosa può essere fatto dalla tecnologia, sia per produrre un risultato migliore sia secondo le normative, allora si parte da lì.

Ma ci sono cose che comunque crediamo siano meglio in mano umana, e in questo modo diamo ai nostri clinici la possibilità di essere il più efficaci possibile nel raggiungere il risultato atteso.

Hannah Clark: Sì, decisamente gratificante. È impressionante misurare il successo della vostra piattaforma sui risultati reali ottenuti da chi la usa, ma anche sulla soddisfazione dei clinici che la utilizzano coi pazienti, e anche la grande responsabilità che tutti sentite nel dare ogni giorno risposte coerenti a quella promessa, quella North Star.

Amit Shah: Sì. Uno dei motivi per cui sono qui da nove anni e mezzo è proprio la missione, che ci spinge ogni mattina: fare meglio sul lavoro significa salvare e migliorare più vite. Questo vale per ogni persona che lavora in Virta.

Ed è letteralmente il carburante sia della crescita rapida sia del prodotto scalato. È quello che ci alimenta ogni giorno.

Hannah Clark: Fantastico, davvero. È un privilegio e una responsabilità non da poco. Torniamo ora un po’ più sul tecnico. Scalando Virta, se pensiamo alle decisioni prese agli inizi, sia di architettura sia processi o struttura del team, cosa ha funzionato bene inizialmente e che poi hai dovuto lasciare da parte man mano che siete cresciuti?

Amit Shah: Ho due esempi in mente.

Il primo riguarda la struttura organizzativa. All’inizio avevamo product, engineering, analytics, design: erano aree di competenza separate, come spesso si vede, con un leader per ciascun settore. E ognuno si occupava delle proprie priorità, anche se talvolta si sovrapponevano. Questa struttura funzionava con un team di sviluppo prodotto piccolo, era molto efficace: serviva creare eccellenza ingegneristica e di prodotto. Man mano che siamo cresciuti, abbiamo dovuto abbandonare questo modello. Ora manteniamo i cosiddetti “guilds”, quindi esiste l’engineering guild, e l’eccellenza resta, ma la maggior parte degli ingegneri è assegnata a quella che chiamiamo “squad”.

La squad è un gruppo interfunzionale che lavora su un problema aziendale. Questo approccio si è rivelato molto più efficace durante la crescita rapida e anche ora che siamo in prodotto scalato, perché permette alle squadre di avere un contesto profondo sul problema, di avere la stessa North Star sul risultato da ottenere, e di affrontare meglio i problemi. Nell’approccio più settoriale, invece, cambiando le risorse poteva crearsi confusione e inefficienza. Quindi questa evoluzione, da un modello più settoriale quando si è piccoli, verso la suddivisione in squad quando si scala rapidamente e il prodotto cresce, si è rivelata fondamentale per dare ad ogni team le competenze trasversali che servono per avere successo.

Hannah Clark: Volevo solo intervenire al volo. Non vorrei deviare il discorso, ma hai toccato un punto che ritengo cruciale nel processo di scaling: il trasferimento di conoscenza. Può essere un vero collo di bottiglia, non solo tra team diversi ma anche internamente allo stesso team, man mano che l’azienda cresce e si aggiungono o si perdono persone. Spesso diventa un elemento problematico e sottovalutato. È interessante che tu abbia scelto proprio l’approccio squad come il modo più efficiente per gestire tutto questo.

Ti lascio proseguire, magari ne riparliamo dopo perché è una tematica davvero interessante.

Amit Shah: Sì, aggiungo che è decisamente meglio col modello squad, ma dire che il problema sia risolto sarebbe un’esagerazione, è una cosa con cui ci confrontiamo ancora. Devo dire che, se da un lato avere certe persone di talento è un vantaggio enorme (perché detengono tanto contesto e lavorano in modo eccezionale), dall’altro quando si spostano o lasciano l’azienda si perde anche quel contesto. Sinceramente, non credo esista (e almeno noi non l’abbiamo ancora trovata) una soluzione di documentazione perfetta. Il modello squad però aiuta perché dà più coerenza sia sui progetti sia sull’obiettivo da perseguire.

Hannah Clark: Sì, potremmo dedicarci un intero episodio, ma vai avanti.

Amit Shah: La domanda riguardava le cose che non hanno retto alla scalabilità o le decisioni prese presto che poi si sono dimostrate poco efficaci. Un secondo esempio, e non ho ancora incontrato nessun leader tech che abbia azzeccato la scelta giusta dall’inizio (anche se sono sicuro che qualcuno esisterà), è la struttura dei dati e la successiva analytics.

All’inizio volevamo democratizzare i dati: tutto in tabelle, accesso per molti membri del team. Funzionava molto bene nelle prime fasi: tutti potevano estrarre dati, ma man mano che siamo cresciuti le tabelle sono diventate ingestibili. Chi estraeva i dati in modo diverso trovava spesso due risposte diverse alla stessa domanda, a seconda di chi e come li prendeva.

Abbiamo investito, e continuiamo a investire, molto nel pulire, sistemare la modalità di inserimento dati nelle tabelle e garantirne la qualità dalle origini. Questo lavoro è più marcato nella fase prodotto scalato che in quella di crescita rapida, dove invece altro continua a essere aggiunto di nuovo. Non voglio dire che la crescita rapida sia finita (spero di no!), siamo sia prodotto scalato che in rapida crescita, però man mano che si struttura meglio il prodotto abbiamo cercato di mettere controlli più precisi sull’ingresso e la gestione dei dati.

Hannah Clark: Visto che siamo entrati nel segmento dati, parliamo un po’ di IA generativa. Hai detto che alcune attività sono prerogativa dei clinici, ma a volte la soluzione migliore è delegarle all’IA che può farle in modo più efficiente. Tuttavia, immagino che ci sia un processo decisionale più complesso per integrare l’IA generativa nel prodotto. Come ragionate sull’integrazione delle varie forme di IA affinché siano complementari alle competenze umane?

Amit Shah: Come dicevo, molta della nostra forza sta proprio in come facciamo questo.

Siamo continuamente in iterazione su questo fronte. Un approccio che abbiamo usato è: innanzitutto, siamo un’azienda analitica e data-driven sin dal primo giorno, quindi anche prima di parlare di IA generativa, avevamo modelli predittivi estremamente efficaci già da sette-otto anni.

Una delle pillole chiave della nostra riflessione è l’intervento proattivo. Usiamo modelli ML addestrati sul nostro dataset proprietario con oltre 200.000 pazienti raccolti in 10 anni; quindi, letteralmente centinaia di milioni di dati oggettivi (glicemia, chetoni, peso, ecc.) per prevedere il miglior intervento per ogni singolo paziente. Una volta prevista la migliore azione, sperimentiamo: deve essere svolta da un umano? Oppure può essere automatizzata? Può essere realizzata con uno strumento di IA generativa interno? Ritorno sull’IA generativa fra poco. La chiave è che questo sistema di intervento proattivo, con il set di modelli ML che abbiamo realizzato, è centrale per capire quando intervenire.

Secondo aspetto: l’aiuto reattivo, on demand. Un paziente può chiederci aiuto in qualsiasi momento. Anche con i migliori modelli, non riuscirai mai a prevedere tutto. In questi casi abbiamo riscontrato che l’IA generativa pura è molto utile: addestrata sui nostri sistemi e dati, fornisce risposta immediata e, se serve, permette la segnalazione al clinico per successive verifiche. Questo è il nostro modello d’uso di IA.

Inoltre, vogliamo generare grande fiducia nei pazienti: rendiamo sempre molto chiaro quando un intervento è guidato dall’IA e quando invece c’è un clinico. Perché ci affidano la loro salute: la trasparenza è tutto, e permettiamo sempre la possibilità di escalation verso una persona umana, se il paziente lo desidera.

E infine, alcune cose (per cui sappiamo con certezza che il clinico produce risultati migliori) vengono sempre gestite dalla persona: per loro è anche più soddisfacente.

Hannah Clark: Sentendoti parlare mi colpisce l’approccio. Da quando conduco questo podcast, mi sono resa conto che chi lavora sull’IA da tempo, come in Virta, la integra in modo molto più ragionato e consapevole rispetto a chi la utilizza solo perché ora fa tendenza, magari cercando di adattare a tutti i costi soluzioni IA dove non necessariamente servono.

Vorrei chiederti: pensi che la tua esperienza pregressa con i modelli ML e IA abbia reso la vostra strategia più solida e differenziante nel tempo?

Amit Shah: Bellissima domanda! Mi piace essere considerato (come dici tu) un “pioniere” dell’IA, la userò questa definizione! Sì, ha formato il nostro approccio. Sappiamo per certo che uno dei nostri asset più importanti è il dataset: centinaia di migliaia di pazienti in dieci anni, dati sia oggettivi sia soggettivi, incluse le emozioni. Addestrare modelli ML e strumenti di IA generativa su questo ci dà un superpotere unico. Potresti domani creare un nuovo prodotto basato su IA generativa, ma la nostra stella polare resta l’outcome concreto, cioè la remissione delle malattie metaboliche. Conosciamo il percorso per ogni singolo paziente grazie allo storico dati. Gen AI, ML, dispiegamento dei clinici sono strumenti nella nostra cassetta degli attrezzi per raggiungere il risultato. Più strumenti tecnologici avremo, più li sfrutteremo. Quello che resterà sempre esclusivo sarà il nostro approccio e il nostro dataset.

Hannah Clark: Ecco, apprezzo molto che traspaia quanto rispetto abbiate verso i dati. È una grande responsabilità usarli correttamente e restare focalizzati sull’impatto: questo genera risultati. Si sente spesso parlare di IA per moda, a volte inserita in modo forzato o addirittura irresponsabile. È molto rassicurante sentire un approccio umano e solido, centrato sull’etica d’uso dell’IA.

Amit Shah: I nostri pazienti si rivolgono a noi per migliorare la propria salute e i nostri clienti b2b ci scelgono per il benessere delle loro popolazioni. La nostra stella polare è migliorare la salute e useremo ogni strumento per raggiungere questo obiettivo.

L’IA generativa, non fraintedetemi, è un potente strumento in crescita rapidissima e ci aiuta molto. Una delle mie funzioni preferite dell’app, ad esempio, consente di fotografare il proprio piatto: l’IA ti analizza i macronutrienti e, grazie allo storico dati, ti segnala anche con colori (arancione, giallo, verde) se rientra nel piano nutrizionale personalizzato. Senza l’IA generativa non potremmo offrire questo servizio. È molto potente perché aiuta davvero la persona a compiere la scelta più corretta in quel momento.

Hannah Clark: Mi ricorda una puntata in cui abbiamo intervistato la responsabile ricerca utenti di Photo Room: anche lì si notava che la fiducia verso l’IA si rafforza quando si chiarisce quali funzioni sono ideali per la tecnologia (come la gestione di grandi pattern nei dati) e quali invece richiedono comunque giudizio umano. In certi casi, affidare tutto all’IA non è la scelta giusta, e vale la pena domandarsi continuamente: per cosa è il massimo l’IA? E per cosa invece occorre altro?

Amit Shah: L’altro giorno lo dicevo scherzando a mia moglie (che è molto più brillante di me!) parlando di IA generativa: di fatto l’IA si basa su tutto ciò che è pubblico su internet, il più grande catalogo di conoscenze che esista, ma come tutti sappiamo non tutto ciò che è online è dotato di giudizio. Quindi senso critico, capacità di discernimento, saper come e dove presentare i risultati, sono il vero valore aggiunto di chi lavora con l’IA.

Hannah Clark: Ecco, assolutamente! Parte del giudizio umano include anche l’empatia: magari non si può misurare, ma si vede nei risultati. Andando verso il 2026, parliamo delle attuali sfide. Siamo in un nuovo anno, Virta continua a scalare rapidamente: quale sarà la grande sfida prossima e come state approcciando l’evoluzione verso il 2026?

Amit Shah: È una domanda molto in linea con il focus del nostro podcast: siamo un prodotto scalato in crescita rapida, quindi il mio sforzo è (ecco perché prima parlavo di semplicità) assicurare che ci siano sistemi e processi chiari per creare allineamento dall’acquisizione del cliente fino all’esperienza del singolo paziente, in un mercato che cambia velocemente. Uno dei nostri punti forti è garantire la stessa perdita di peso dei farmaci GLP-1 (Ozempic, Wegovy, Zepbound, Mounjaro…), ma senza il farmaco. Siamo sia un’alternativa (il 70% degli americani che vuole perdere peso preferisce evitare il farmaco), sia una soluzione complementare: la FDA prevede che i GLP-1 siano affiancati da un cambio di stile di vita. Noi, con lavori pubblicati e peer reviewed, abbiamo dimostrato che i nostri pazienti mantengono un calo di peso dell’11% anche a distanza di un anno dalla sospensione dei farmaci.

Dico questo perché i GLP-1 sono un tema caldo, arrivano anche le versioni orali, il mercato si muove molto. Dobbiamo quindi essere agili, rispondere alle esigenze dei clienti e dei pazienti, rimanendo fedeli al nostro valore centrale: risultati concreti e duraturi a un costo inferiore.

Hannah Clark: Sapere che garantite risultati simili ai farmaci sul mercato è sorprendente. Complimenti a tutto il team Virta, è una missione fondamentale e vi auguro che continuiate così. Già che parliamo di reach, dove è possibile trovarti dopo questa puntata?

Amit Shah: Sono più attivo su LinkedIn, cercatemi pure lì! E seguite Virta Health su Instagram, che è collegato al mio profilo e dove partecipo spesso anche io.

Hannah Clark: Grazie mille per essere stato con noi, Amit. È stato davvero un piacere.

Amit Shah: Grazie, anche per me, davvero bello.

Hannah Clark: Prossimamente sul podcast del Product Manager. Questa puntata è per i leader d’impresa che devono gestire portafogli multiprodotto: se vi è mai capitato di vedere delle mamme al supermercato che si fanno strada tra la folla guidando quattro figli a diversi stadi di sviluppo e avete pensato: “ecco, è proprio così che mi sento al lavoro”… L’episodio con Anneka Gupta di Rubrik potrebbe essere il vostro kit di sopravvivenza. Iscrivetevi ora per non perderlo.