Slik bruker du et driftsperspektiv til å skalere produktleveransen

Hannah Clark: Å finne produkt–marked-tilpasning kan være som å bestige det høyeste fjellet du noen gang har sett, bare for å nå toppen og oppdage et enda høyere fjell bak det. Utfordringen med å gå inn i en fase med rask vekst og skalere produktleveransen er mangefasettert; den setter organisasjonens prosesser og infrastruktur på prøve, tvinger deg til å være kompromissløs med hvordan du prioriterer og distribuerer ressursene dine, og krever enormt mot til å satse på ting som aldri er uten risiko. Men til tross for alle disse avhengighetene finnes det mange veier til å bestige et fjell. Så i dag skal vi se nærmere på bare én av dem.

Min gjest i dag er Amit Shah, driftsdirektør i Virta Health, og det som gjør perspektivet hans spesielt verdifullt, er at han ikke har gått den tradisjonelle veien innen produktledelse. Han startet innen drift, der han ledet team som leverte helsetjenester, før han gikk over til produkt for fem år siden. Denne bakgrunnen gir ham et unikt perspektiv på systemtenkning og tverrfunksjonelt samarbeid, noe som har vært avgjørende mens Virta har vokst raskt og samtidig håndtert en av de mest krevende utfordringene innen helseteknologi – å finne ut når man skal bruke menneskelige klinikere, og når man skal la kunstig intelligens gjøre jobben.

Du skal snart høre hvordan teamet hans navigerte veien til produkt–marked-tilpasning, hvilke beslutninger som ikke skalerte godt, og hvordan de tenker på kunstig intelligens og teknisk gjeld i neste vekstfase. La oss sette i gang.

Amit, tusen takk for at du tok deg tid i den travle kalenderen din i januar til å være med oss.

Amit Shah: Takk for invitasjonen. Jeg gleder meg veldig til å være her.

Hannah Clark: Kan du fortelle oss litt om bakgrunnen din, og hvordan du gikk fra en rolle innen drift til produktledelse i Virta Health?

Amit Shah: Ja. Jeg kan begynne helt fra starten. Jeg tar det i noenlunde kronologisk rekkefølge. Jeg studerte industriell ingeniørkunst, og det leder ganske direkte til drift.

Jeg jobbet en periode som konsulent. Jeg startet mitt eget selskap, som produserte solprodukter på landsbygda i India. Deretter ble jeg svært interessert i helsevesenet, hovedsakelig fordi jeg likte å jobbe med ting som forbedret livskvaliteten til mennesker. Så jobbet jeg med verdibasert helsehjelp, først med direkte primærhelsetjenester, før jeg kom til Virta for omtrent ni og et halvt år siden.

Jeg har altså vært i Virta i rundt ni og et halvt år, og i løpet av disse årene startet jeg, som du helt riktig sa, innen drift. Til å begynne med ledet jeg team som leverte helsetjenester. Etter hvert som Virta har vokst, har den grunnleggende leveransemodellen vår vært å levere gjennom produktene våre, altså gjennom teknologi. Derfor var jeg i starten en samarbeidspartner for produktutviklings- og leveranseteamene våre, og med årene ble jeg stadig mer involvert der.

For omtrent fem år siden ble jeg bedt om å lede produktutviklingsteamet, fordi mye av det vi gjorde, handlet om å knytte sammen helsetjenestene våre, som ble levert av menneskelige klinikere, med måten produktet vårt leverte på. Så det var slik jeg kom inn i produkt. Og bare kort om Virta, slik at folk vet det: Virta har som oppdrag å reversere metabolsk sykdom hos én milliard mennesker. Det inkluderer diabetes, fedme og prediabetes, og vi leverer all behandling fullstendig virtuelt.

Vi er en komplett klinikk for metabolske sykdommer. Det vi gjør, er utrolig unikt, fordi vi tilpasser biologi og ernæring for å helbrede menneskers metabolisme.

Hannah Clark: Det er virkelig fantastisk, og alltid et svært edelt oppdrag. Jeg vet at dette påvirker mange familier og livene deres.

Jeg er veldig glad for å ha deg med for å snakke litt mer om detaljene bak oppdraget, og om hvordan dette fungerer for dere nå. I dag skal vi imidlertid fokusere spesielt på overgangsfasen fra rask vekst til skalert produktleveranse, som omtrent er der du befinner deg nå i Virta.

Etter din mening, Amit, hvordan ser denne overgangen faktisk ut i praksis? Og basert på erfaringen din, hva er det som gjør dette tidspunktet spesielt krevende?

Amit Shah: Ja. For å gi litt kontekst rundt denne overgangen: Vi har både hatt rask vekst og et skalert produkt de siste par årene. I fjor var for eksempel vekstraten vår på over 70 prosent fra år til år, og vi har inntekter på flere hundre millioner dollar.

Jeg vil ikke dele detaljer av flere grunner, men du kan se for deg at dette er svært rask vekst, samtidig som produktet er ganske modent. Det skjer utrolig mye på bakken som en del av denne overgangen, og det kan føles intenst. Jeg har snakket med mange kolleger, og først og fremst krever skalering ofte ganske enkelt flere mennesker – flere grupper, flere produktutviklingsgrupper som jobber med ulike ting, og ulike personer som kommer inn for å gjøre forskjellige oppgaver. Derfor må man finne ut hvem som eier hvilke deler, og skape de riktige systemene og prosessene slik at man kan skalere det som fungerte i mindre skala.

Så jeg tror det viktigste å si er at det kan føles kaotisk i praksis. Som leder må du bruke mye tid på å avklare hva som er ledestjernen, og hva dere prøver å oppnå.

Deretter må dere finne ut hvilke systemer, prosesser og organisatoriske strukturer dere skal skape for å oppnå dette.

Hannah Clark: Jeg vil gjerne gå litt tilbake til det du nevnte om bakgrunnen din innen drift. Jeg tror det kan være et ess i ermet når man går over til produktledelse.

Hvordan har dette driftsfokuserte eller systemtenkende perspektivet formet måten du tilnærmer deg produktutvikling på, særlig i skaleringsfasen?

Amit Shah: Det er et godt spørsmål, og jeg er faktisk takknemlig for at du ser på det som noe positivt. Når man ser på produktledere, er det ofte personer som har vokst opp innen produkt. Det har stor verdi, og man får mye kunnskap av det. Jeg var, som du sa, heldig nok til å vokse opp innen drift, og jeg tror det finnes enkelte ting ved drift som er svært nyttige. Gjennom studiene i industriell ingeniørkunst lærte jeg blant annet mye om fremragende gjennomføring.

Fremragende gjennomføring handler om å tenke i systemer, ta analytiske beslutninger, prioritere effektivt, forenkle og være en god leder for mennesker. Dette er de grunnleggende tingene jeg mener gode driftsledere gjør, og det viser seg at gode produktledere gjør mange av de samme grunnleggende tingene.

Det finnes andre ferdigheter også, og tilnærmingen kan være litt annerledes, men dette er de grunnleggende ferdighetene som etter min mening lar seg overføre mellom drift og produktutvikling. Da jeg skulle gjøre overgangen, brukte jeg tid på å lære. Da jeg først ble bedt om å lede produktutvikling, leste jeg sannsynligvis 15 bøker. Jeg hørte på mange podkaster, inkludert denne, og snakket med andre produktledere. Gang på gang oppdaget jeg at hvis du kan tenke systemisk, hjelpe teamet med å ta analytiske beslutninger, hjelpe teamet med å prioritere basert på disse analytiske systemene og systemene du har skapt, forenkle til det som er viktigst, og deretter lede mennesker slik du ellers ville gjort, så er det dette som lar seg overføre best.

Hannah Clark: Når du ramser opp disse fem grunnleggende ferdighetene, virker de for meg alle som svært konkrete og like viktige for å kunne skalere riktig. Dette er også ting jeg tror alle organisasjoner virkelig strever med, avhengig av avdeling. Så det er egentlig selvsagt at dette er et godt sett med ferdigheter.

Amit Shah: For å gå tilbake til det siste spørsmålet ditt om overgangen fra rask vekst til et skalert produkt: Jeg tror også at enkelhet blir svært vanskelig. Tidlig i en virksomhet, når man finner produkt–marked-tilpasning, er det ganske enkelt. Du må finne produkt–marked-tilpasningen og vite hva du gjør. Når du vokser svært raskt, er det egentlig også ganske enkelt.

Du må holde toget på skinnene. Når du går over til et skalert produkt, kommer kompleksiteten inn på en svært interessant måte. Det er noe jeg i ettertid tenker at virkelig stemmer.

Hannah Clark: Du slipper ikke så lett unna. Nå har du vekket nysgjerrigheten min, så fortell meg litt mer om hva dette betyr for deg. Jeg kan på en måte forestille meg det, men jeg er sikker på at måten jeg tenker på enkelhet på, med mitt perspektiv, er svært annerledes enn din – som en person fra drift som går inn i en situasjon der du må definere hva enkelhet betyr i rollen din.

Amit Shah: Enkelhet handler om å kunne koke ned alle de ulike mulighetene til et sett med prioriteringer som teamet faktisk kan jobbe med, jobbe tydelig med og jobbe med uten å bli distrahert. Vi befinner oss i et område, metabolsk helse, som utvikler seg utrolig raskt, blant annet med fremveksten av GLP-1-legemidler.

Vi er svært særpregede i det vi gjør. Vi har et ernærings- og livsstilsprogram som er skalert, og ikke mange andre selskaper har dette. Det er dessuten fullstendig digitalt. Når man har et skalert produkt, må man både sørge for at produktet fortsetter å levere på det nivået og med den kvaliteten vi har levert til nå – helt tilbake til den kliniske studien vår i 2015 – og samtidig håndtere nye behov.

Vi leverte virkelig resultater i verdensklasse for pasientene våre, og målet vårt er å gjøre det hver eneste dag, selv om vi nå er bokstavelig talt hundrevis av ganger større enn den gangen. Det krever mye arbeid; det skjer ikke av seg selv.

I tillegg endrer markedet seg raskt. En ny legemiddelklasse har kommet til, det finnes andre selskaper, og vi er en virksomhet mellom bedrift og forbruker, slik helseteknologi ofte fungerer. Derfor har vi ulike behov fra ulike kunder. Vi må finne ut hvordan vi skal prioritere disse behovene og forenkle dem til spørsmålet: Hva bidrar til den samme kjernen? Hva bør vi skille ut og investere i på en annen måte, investere i separat eller la være å gjøre?

Det er denne typen forenkling vi håndterer i dag.

Hannah Clark: Jeg ville avklare dette, fordi enkelhet kan ses fra brukerens perspektiv, fra intern drift eller fra et annet ståsted. Hva er egentlig omfanget av det vi snakker om? Jeg vil gå litt videre, for jeg er nysgjerrig på et svært interessant aspekt ved Virta: Hvordan bruker dere klinikere til å levere behandling, og når går dere helt digitalt?

Det virker som om dere har en kombinasjon av begge deler i produktet deres. Kan du forklare hvordan dere utformer denne balansen, og hva som gjør det spesielt krevende å få den riktig?

Amit Shah: Mye av magien i Virta, produktet vårt og leveransen vår handler om å finne ut når vi skal bruke teknologi.

Jeg bruker teknologi i bredeste forstand: kunstig intelligens, automatisering, maskinlæringsmodeller som driver automatiseringen, og så videre. Samtidig må vi vite når vi skal bruke klinikere og mennesker. Noen av resultatene våre er at vi i gjennomsnitt oppnår 10 prosent vekttap etter ett år, og vi reduserer risikoen for hjerteinfarkt og død betydelig.

Grunnen til at jeg nevner disse resultatene, er at dette er fysiske resultater i virkeligheten. Det handler ikke om at folk klikker mer på telefonen. Det handler om at mennesker gjør livsstilsendringer som forbedrer den metabolske helsen deres, og som forbedrer både livet og levetiden deres.

Det er utrolig viktig for oss å finne ut hvordan vi oppnår denne magien. Et av systemene jeg støtter meg på, er ledestjernen vår. Vi er her for å levere dette resultatet. Resultatet er svært tydelig for oss: forbedret metabolsk helse. Og dette kan måles. Vi ber pasientene våre oppgi biomarkører hver dag – vekt, ketoner, glukose, blodtrykk og så videre.

Dermed kan vi jevnlig se forbedringen. Fordi vi har en så tydelig ledestjerne, nemlig at vi må se disse tallene forbedres, blir det litt enklere å finne ut hvordan vi best kan forbedre dem. Selv i dagens tidsalder med kunstig intelligens – og vi bruker maskinlæring og kunstig intelligens omfattende i Virta – finnes det enkelte ting vi fortsatt mener at klinikere og mennesker gjør best. Det er empati, kreativitet, ansvarlighet og komplekse kliniske beslutninger.

Dette er de fire tingene der vi sier at mennesker skal prioriteres. Det meste annet vil teknologi og kunstig intelligens gjøre bedre. Hvis en kliniker gjør noe som ikke faller inn under disse fire områdene – for eksempel komplekse kliniske beslutninger som å skrive ut eller avslutte medisiner og håndtere komorbiditet – bør vi forsøke å la teknologien gjøre det. Hvis det ikke handler om emosjonell ansvarlighet, altså noe som motiverer pasienten gjennom menneskelig kontakt, bør vi også forsøke å bruke teknologi.

Det viser seg dessuten at de samme tingene som klinikere er gode på, også er det som gir dem arbeidsglede. Klinikerne blir mer tilfredse når de kan bruke dagen på å være empatiske, knytte kontakt med andre mennesker og hjelpe dem med å løse komplekse kliniske problemer.

Slik tenker vi altså om dette. Hvis noe kan gjøres av teknologi, både når det gjelder å skape et bedre resultat og innenfor juridiske retningslinjer, bør vi begynne der. Men det finnes enkelte ting vi mener at mennesker gjør bedre, og det gjør det mulig å legge til rette for at klinikerne våre kan være så effektive som mulig når de skal levere dette resultatet.

Hannah Clark: Det høres virkelig meningsfullt ut. Jeg blir slått av hvor givende det må være å måle suksessen til plattformen deres ut fra de faktiske resultatene til menneskene som bruker den, samtidig som klinikerne som samhandler med pasientene gjennom plattformen, er tilfredse. Men alle må også føle et enormt ansvar for å sikre at dere leverer på dette løftet og denne ledestjernen dag etter dag.

Amit Shah: Jeg har vært her i ni og et halvt år. Vi er absolutt oppdragsdrevne, og det som får meg opp hver morgen, er at bedre arbeid bokstavelig talt betyr å redde flere liv og forbedre flere liv. Det gjelder alle som jobber i Virta.

Det er drivstoffet som har ført oss gjennom både fasene med rask vekst og skalert produkt.

Hannah Clark: Absolutt. Det er et stort privilegium og et stort ansvar. La oss gå litt tilbake til detaljene. Når Virta har skalert, og vi ser på tidligere beslutninger rundt arkitektur, prosesser eller teamstruktur, hva fungerte godt i starten, men måtte dere etter hvert legge bort da ting tok seg opp og dere måtte skalere?

Amit Shah: Det er to ting jeg kommer på. Jeg kan bruke et eksempel på organisasjonsstruktur.

En struktur som fungerte i de første årene, var at produkt, utvikling, analyse og design var separate ekspertiseområder. Det er ofte slik ting organiseres: en utviklingsleder, en produktleder, en analyseleder og en designleder.

Den opprinnelige strukturen vår var derfor å ha disse områdene, der hvert område hadde overlappende, men også egne prioriteringer. Dette fungerte faktisk da produktutviklingsteamet var mindre. Det var effektivt. Vi måtte bygge fremragende utvikling, fremragende produktarbeid og så videre.

Etter hvert som vi skalerte og teamene vokste, måtte vi legge denne modellen til side. Vi har fortsatt disse fagfellesskapene – et fagfellesskap for utvikling og arbeid med fremragende utvikling – men de fleste utviklerne våre er nå plassert i det vi kaller en gruppe.

En gruppe er en tverrfunksjonell sammensetning av mennesker som arbeider med et forretningsproblem. Dette viste seg å være langt mer effektivt gjennom den raske veksten og også i fasen med et skalert produkt, fordi teamene får høy kontekstforståelse for problemet. De har en ledestjerne for det de skal løse, og arbeider med det samme eller et nært beslektet sett av utfordringer.

De kan løse problemer mer inngående. I den mer oppdelte modellen måtte man bytte ut utviklere som arbeidet med noe, og det skapte sine egne problemer. Når man er mindre og ennå ikke vokser raskt, kan alle samle seg rundt det samme. Når man skalerer raskt og går mot et skalert produkt, må man dele opp teamet og sørge for at hver enkelt gruppe har de riktige tverrfunksjonelle ferdighetene for å gjennomføre det de skal.

Hannah Clark: Jeg vil bare skyte inn noe kort. Jeg håper ikke jeg sporer deg av, men du var inne på noe jeg har tenkt mye på i forbindelse med skalering: betydningen av kunnskapsoverføring, som jeg tror ofte undervurderes. Det kan være en stor flaskehals, ikke bare mellom team, men også mellom medlemmer i samme team. Når organisasjoner vokser, kommer nye mennesker inn og eldre mennesker forsvinner.

Det finnes ofte en dysfunksjonell motor for hvordan man optimaliserer kunnskapsoverføringen når organisasjonen blir større. Det har opptatt meg, og det er interessant å høre deg snakke om gruppemodellen som den mest effektive måten å håndtere noe av dette på.

Amit Shah: Gruppemodellen er definitivt bedre, men problemet er ikke løst. Vi har fortsatt erfart at enkelte personer er eksepsjonelle. Det betyr at de har en enorm mengde kontekst og gjennomfører arbeidet utrolig godt.

Hvis de blir flyttet, slutter eller noe annet skjer, mister man noe av denne konteksten. Jeg tror ikke vi har funnet dokumentasjonsløsningen på dette ennå. Gruppemodellen gjør det likevel enklere, fordi det er større kontinuitet i hva man arbeider med og hvilket resultat som skal oppnås.

Hannah Clark: Vi kunne sikkert laget en hel episode om dette, men fortsett.

Amit Shah: Spørsmålet ditt handlet om ting som ikke skalerte, eller tidlige beslutninger som ikke skalerte. Det andre eksempelet gjelder hvordan vi strukturerte dataene våre og den påfølgende analysen.

Svært tidlig ønsket vi å demokratisere data. Vi la alt i tabeller og ga mange mennesker tilgang til dem. Det fungerte faktisk veldig bra i starten. Alle kunne hente ut data. Etter hvert som vi vokste, ble tabellene rotete. Folk hentet ut forskjellige ting, og vi pleide å spøke med at det fantes to svar på det samme spørsmålet, avhengig av hvem som hentet ut dataene og hvordan de gjorde det.

Vi har derfor brukt, og fortsetter å bruke, mye tid på å rydde opp. Vi ser på hvordan dataene kommer inn i tabellene, og sørger for at de er ryddige fra kilden. Dette har vært en investering, særlig i overgangen til fasen med et skalert produkt. I fasen med rask vekst kommer det fortsatt mye nytt inn, så arbeidet pågår.

Jeg vil være forsiktig med å si at vi er ferdige med fasen med rask vekst. Vi har både et skalert produkt og rask vekst. Nettopp fordi produktet er mer skalert, har vi forsøkt å være bevisste på å etablere disse kontrollene tidlig: hva som kommer inn i datatabellene, hvordan det kommer inn, og så videre.

Hannah Clark: Nå som vi er inne på datadelen av episoden, la oss snakke litt om generativ kunstig intelligens. Som du nevnte, finnes det noen områder der klinikernes kunnskap og deltakelse virkelig er den beste tilnærmingen. Men hvis noe ikke passer inn i de fire kategoriene, kan det være best å overlate det til kunstig intelligens, som kan gjøre det mer effektivt og spare menneskers verdifulle tid.

Det ligger sikkert flere beslutninger bak hvordan dere integrerer generativ kunstig intelligens i produktet. Hvordan tenker dere rundt integrering av kunstig intelligens og ulike typer kunstig intelligens i produktet, slik at dere kan komplettere menneskenes ferdigheter?

Amit Shah: Som jeg sa tidligere, ligger mye av magien i hvordan vi gjør dette. Vi gjentar og forbedrer hele tiden måten vi gjør det på. Et perspektiv vi bruker, er at vi helt fra dag én har vært en datadrevet og analytisk grundig virksomhet. Før vi i det hele tatt snakker om generativ kunstig intelligens, har vi brukt svært prediktive og effektive maskinlæringsmodeller i sju eller åtte år.

En viktig ting vi ofte tenker på, er proaktiv intervensjon. Vi bruker maskinlæringsmodeller som er trent på vårt proprietære datasett med over 200 000 pasienter over ti år – bokstavelig talt hundrevis av millioner datapunkter. Det gjelder datapunkter som blodsukkernivå, ketonnivå og vekt, altså objektive datapunkter som kan forutsi hva den neste beste intervensjonen for en pasient kan være.

Når vi har forutsagt den neste beste intervensjonen, tester vi ofte om den bør leveres av et menneske, automatisk eller av et generativt kunstig intelligensverktøy vi har utviklet.

Det første jeg vil si, er at dette systemet for proaktiv intervensjon og settet med maskinlæringsmodeller vi har bygget rundt det, er avgjørende for at vi i det hele tatt skal vite når vi skal gripe inn.

Det andre er at det finnes reaktiv hjelp – hjelp i øyeblikket – der en pasient henvender seg til oss med noe. Selv med gode modeller kan man ikke alltid forutsi alt. For mye av hjelpen i øyeblikket har vi derfor funnet at ren generativ kunstig intelligens er svært nyttig.

Den er trent på systemene og dataene våre, og vi har tatt i bruk generativ kunstig intelligens for denne reaktive hjelpen. Pasienten kan få et svar der og da, og vi kan varsle en kliniker for oppfølging hvis vi mener det er nødvendig.

Vi har også erfart at vi ønsker å bygge høy tillit hos pasientene våre. Derfor er vi tydelige på når noe er drevet av kunstig intelligens, og når noe er drevet av en kliniker. Det viktigste vi har med pasientene våre, er at vi arbeider med helsen deres. De må kunne stole på det som kommer gjennom systemet.

Vi gjør derfor dette helt tydelig og gir dem mulighet til å eskalere til en kliniker eller samarbeide med en kliniker når det er mulig. Til slutt finnes det en motsatt vurdering: Når vi vet at vi må gripe inn, hva gir mest mening? Gjennom all testingen vet vi at enkelte ting fungerer bedre når et menneske griper inn, og da prioriterer vi igjen klinikerne våre. De ønsker å hjelpe andre med å bli sunnere, så hva kan gi dem den muligheten? Det er best for dem og best for pasienten.

Hannah Clark: Når du forteller hvordan dere tenker rundt dette, er det noe som virkelig slår meg. Jeg har laget dette programmet i flere år. Da vi startet podkasten for produktledere, var vi omtrent på terskelen, like før kunstig intelligens virkelig eksploderte til det den er i dag.

Når jeg snakker med deg, som har jobbet i en sammenheng der Virta brukte kunstig intelligens før det ble populært, merker jeg en forskjell i både tankegangen og tilnærmingen til hva kunstig intelligens er, og hvordan den kan brukes effektivt og etisk i et produkt.

Mange har brukt teknologien lenge, ikke bare fordi det nå er det man skal gjøre, mens alle skynder seg for å finne ut hvordan de kan bygge den inn i et eksisterende produkt eller lage et nytt produkt basert på de nye teknologiske mulighetene.

Har du tenkt på om den tidligere erfaringen din med kunstig intelligens eller maskinlæring skiller deg fra andre når det gjelder hvordan du tenker om teknologien, og hvordan du vil arbeide videre med å gjøre den bærekraftig?

Amit Shah: Det er et godt spørsmål. Jeg liker tanken på at vi er de opprinnelige brukerne av denne teknologien. Det skal jeg ta med meg videre. Jeg tror det har vært et viktig perspektiv for oss. Vi vet at noe av det mest proprietære vi har, er datasettet vårt: hundretusener av pasienter over et tiår, med både objektive, subjektive og følelsesmessige data.

Å ta i bruk maskinlæringsmodeller og trene generativ kunstig intelligens på dataene våre er en superkraft ingen andre har. Noen kan lansere en generativ kunstig intelligens-versjon av det vi gjør i morgen, men ledestjernen vår er resultater, altså reversering av metabolsk sykdom.

Vi kjenner behandlingsveien for hvert enkelt menneske basert på alle datapunktene vi har. Jeg ser på generativ kunstig intelligens, maskinlæringsmodeller og alle disse teknologiene som verktøy for klinikerne. De er verktøy i verktøykassen som skal føre oss til resultatet som er ledestjernen vår. Jo flere teknologiske verktøy vi får, desto flere kommer vi til å bruke.

Jeg vet ikke hva som kommer etter generativ kunstig intelligens, men jeg tror vi vil kunne bruke det og utnytte det til å oppnå det samme resultatet. Det proprietære vil fortsatt være tilnærmingen vår og datasettet som leverer denne tilnærmingen.

Hannah Clark: Jeg måtte understreke dette litt, fordi det er fint å høre hvor stor respekt du har for dataene dere har, og for ansvaret som følger med å håndtere dem riktig. Dere fokuserer virkelig på om dette driver det ønskede resultatet.

Det er en vanlig klage i bransjen nå at kunstig intelligens brukes for kunstig intelligensens egen skyld, og at bruken noen ganger virker lite gjennomtenkt eller uansvarlig.

Det er derfor oppmuntrende å høre en så menneskelig og jordnær måte å tenke på kunstig intelligens og hvordan den bør brukes i produkter.

Amit Shah: Pasientene våre kommer til oss for å forbedre helsen sin, og kundene våre mellom bedrift og forbruker ansetter oss for å forbedre helsen til befolkningen sin. Ledestjernen vår er derfor bedre helse, og vi kommer til å bruke alle tilgjengelige verktøy for å oppnå dette.

Generativ kunstig intelligens er et utrolig verktøy som utvikler seg i rasende fart, og jeg mener at det hjelper oss med å gjøre nettopp dette. En av favorittfunksjonene mine i appen vår er en funksjon der du kan ta bilde av en tallerken, og appen bryter ned makronæringsstoffene for deg.

Den bruker også all dataen vi har om personen, og viser med oransje, gult eller grønt om maten passer inn i ernæringsplanen for livsstilen deres. Vi kunne ikke ha gjennomført hele denne flyten uten generativ kunstig intelligens. Den er utrolig kraftig.

Det siste leddet er det som gjør funksjonen verdifull: Den driver oss mot resultatet vi ønsker, nemlig å hjelpe personen med å ta den beste beslutningen for seg selv i øyeblikket.

Hannah Clark: Denne tilnærmingen minner meg litt om en samtale vi hadde med lederen for brukerundersøkelser i Photo Room for noen måneder siden. Hun hadde en lignende observasjon: Jeg tror brukerforskere har vært litt tilbakeholdne med å ta i bruk kunstig intelligens. Nå ser vi mer bruk og tillit til teknologien, fordi det finnes tydeligere veier for hvordan den kan brukes ansvarlig.

Likheten jeg ser, er at Virta Health, i likhet med noen andre organisasjoner, fokuserer på å holde kunstig intelligens rettet mot storskala gjenkjenning av datamønstre og ting som det ville vært umulig for en kliniker å fordøye, behandle og produsere på egen hånd.

Det gir perfekt mening å overlate slike oppgaver til generativ kunstig intelligens, mens vurdering og dømmekraft fortsatt ligger hos mennesker. På dette tidspunktet burde vi alle vite at kunstig intelligens ikke alltid har den beste dømmekraften.

Det er fint å høre deg gjenta at vi hele tiden bør tenke på hva kunstig intelligens faktisk er god på, hva vi bør bruke teknologien til, og hva den kanskje ikke egner seg best til.

Amit Shah: Jeg spøkte faktisk med kona mi her om dagen. Hun er langt mer intelligent enn meg på mange måter. Vi snakket litt om generativ kunstig intelligens, og jeg sa at man egentlig bør tenke på generativ kunstig intelligens som noe som er trent på alt som er offentlig tilgjengelig på internett.

Det er på en måte den beste kunnskapsbasen som finnes der ute. Det finnes mye på internett, så det er omfattende. Men som du sier, er det ikke slik at alt på internett har den beste dømmekraften.

Å skjelne, tenke kritisk, vurdere hvordan og hvor teknologien skal brukes, og hvordan resultatene skal presenteres – det er der mye av magien ligger.

Hannah Clark: Absolutt. En del av dømmekraften handler om empati. Empati er kanskje ikke noe vi kan måle med en metrikk, men vi kan virkelig se resultater når den tas med i vurderingen.

Jeg vil snakke litt om noen av de aktuelle utfordringene, særlig når vi går inn i 2026. Vi har et nytt år, og som du sa, Virta skalerer og vokser raskt. Hva er den neste store utfordringen dere står overfor, og hvordan arbeider dere med utviklingen som kommer i 2026?

Amit Shah: Det er svært relevant for denne podkasten. Vi er et raskt voksende produkt i stor skala. Det jeg fokuserer på, og kanskje grunnen til at jeg tidligere tok opp enkelhet, er å sørge for at vi har systemer og prosesser som skaper samsvar hele veien fra den første samtalen med en kunde om hvordan vi kan hjelpe befolkningen deres, og ned til det en enkelt pasient opplever.

Pasienten registrerer seg hos Virta, og dette skjer i et marked som endrer seg raskt. Noe av det spesielle vi har, er at vi leverer samme vekttap som GLP-1-legemidler, som Ozempic, Wegovy og Mounjaro, men uten legemiddelet.

Vi er både et alternativ til legemiddelet – rundt 70 prosent av amerikanere som ønsker å gå ned i vekt, vil gjøre det uten å ta legemidler – og en vei ut av legemiddelbehandlingen. En del av godkjenningen fra amerikanske legemiddelmyndigheter for GLP-1-legemiddelklassen er at den skal kombineres med livsstilsendringer. Vi tilbyr livsstilsendringer som fungerer.

Vi har en fagfellevurdert og publisert studie som viser at vi har opprettholdt omtrent 11 prosent vekttap gjennom et nytt år etter at vi har avsluttet GLP-1-behandlingen hos pasientene.

GLP-1-legemidler er et svært aktuelt tema akkurat nå. Det kommer tabletter, og det skjer mange ulike ting. Vi er smidige i måten vi møter markedet på, fordi det skjer mange endringer. Samtidig er det grunnleggende verdiforslaget vårt det samme.

Jeg fokuserer derfor på å sørge for at vi er smidige, at vi kan svare på behovene i markedet, at vi møter både pasientene og kundene våre der de befinner seg, og at vi er samordnet slik at vi kan fortsette å levere de enestående og særpregede resultatene vi har levert til nå – resultater som virkelig forbedrer menneskers liv til en lavere kostnad.

Hannah Clark: At dere har resultater som tilsvarer resultatene til legemidlene på markedet, er helt utrolig. En enorm honnør til hele Virta-teamet. Dette er et så viktig oppdrag, og det er fantastisk å høre at dere lykkes så godt med det.

Siden du nevnte å møte mennesker der de befinner seg, hvor kan folk finne deg etter dette programmet?

Amit Shah: Jeg er mest aktiv på LinkedIn, så søk meg gjerne opp der. Det er ærlig talt det beste stedet å finne meg. Følg også Virta Health på Instagram, for jeg er ofte involvert der gjennom kontoen min.

Hannah Clark: Tusen takk for at du ble med. Vi setter pris på tiden din, Amit. Dette har vært flott.

Amit Shah: Dette har vært fantastisk. Tusen takk.

Hannah Clark: Neste gang i Produktlederpodkasten. Denne episoden er for virksomhetsledere som håndterer porteføljer med flere produkter. Hvis du noen gang har sett mødre på Costco kjempe seg gjennom en folkemengde mens de passer på fire barn i drastisk forskjellige utviklingsfaser, og tenkt: «Det er akkurat slik jobben min føles», kommer denne episoden med Anneka Gupta fra Rubrik til å bli overlevelsesutstyret ditt. Abonner nå, så du ikke går glipp av den.