Jak wykorzystać sposób myślenia charakterystyczny dla operacji do skalowania dostarczania produktu

Hannah Clark: Znalezienie dopasowania produktu do rynku może przypominać wspinaczkę na najwyższą górę, jaką kiedykolwiek widziałeś, tylko po to, by po dotarciu na szczyt odkryć za nim jeszcze wyższą górę. Wyzwanie związane z wejściem w fazę szybkiego wzrostu i skalowaniem dostarczania produktu jest wielowymiarowe; sprawdza procesy i infrastrukturę organizacji, zmusza do bezwzględnego ustalania priorytetów i wdrażania zasobów oraz wymaga ogromnej odwagi, by podejmować decyzje, które nigdy nie są pozbawione ryzyka. Jednak mimo wszystkich tych zależności istnieje wiele sposobów na zdobycie góry. Dlatego dziś przyjrzymy się tylko jednemu z nich.

Moim dzisiejszym gościem jest Amit Shah, dyrektor operacyjny w Virta Health. Jego perspektywa jest szczególnie cenna, ponieważ nie wywodzi się z tradycyjnego zarządzania produktem. Karierę rozpoczął w operacjach, kierując zespołami dostarczającymi opiekę, a pięć lat temu przeszedł do obszaru produktu. To doświadczenie daje mu wyjątkowe spojrzenie na myślenie systemowe i współpracę międzyfunkcyjną, które miały kluczowe znaczenie, gdy Virta szybko się rozwijała, mierząc się jednocześnie z jednym z najtrudniejszych wyzwań technologii medycznych — ustaleniem, kiedy korzystać z pracy lekarzy, a kiedy powierzyć ją narzędziom sztucznej inteligencji.

Za chwilę usłyszycie, jak jego zespół przeszedł drogę do dopasowania produktu do rynku, które decyzje nie skalowały się dobrze oraz jak myśli o sztucznej inteligencji i długu technologicznym w kolejnej fazie wzrostu. Zaczynajmy.

Amit, bardzo dziękuję, że znalazłeś czas w swoim napiętym styczniowym kalendarzu.

Amit Shah: Dziękuję za zaproszenie. Bardzo się cieszę, że tu jestem.

Hannah Clark: Czy możesz opowiedzieć nam trochę o swoim doświadczeniu i o tym, jak przeszedłeś z roli operacyjnej do przywództwa produktowego w Virta Health?

Amit Shah: Jasne. Zacznę od samego początku i przedstawię to w miarę chronologicznie. Studiowałem inżynierię przemysłową, więc to dość bezpośrednio prowadziło do operacji.

Przez pewien czas pracowałem jako konsultant. Założyłem własną firmę produkującą wyroby solarne na obszarach wiejskich Indii. Następnie bardzo zainteresowała mnie opieka zdrowotna, przede wszystkim dlatego, że lubiłem pracować nad rzeczami poprawiającymi jakość życia ludzi. Później pracowałem w opiece zdrowotnej opartej na wartości, zaczynając od bezpośredniej podstawowej opieki zdrowotnej, a około dziewięciu i pół roku temu dołączyłem do Virta.

Jestem więc w Virta od około dziewięciu i pół roku i przez te lata, tak jak słusznie powiedziałaś, zaczynałem w operacjach. Początkowo kierowałem zespołami dostarczającymi opiekę. W miarę rozwoju Virta nasz podstawowy model dostarczania polega na świadczeniu opieki za pośrednictwem naszych produktów i technologii. Początkowo byłem więc partnerem dla zespołów zajmujących się rozwojem i dostarczaniem produktu, a z biegiem lat coraz bardziej się w to angażowałem.

Około pięć lat temu poproszono mnie o objęcie kierownictwa nad zespołem zajmującym się rozwojem produktu, ponieważ duża część naszej pracy polegała na połączeniu opieki dostarczanej przez lekarzy z tym, jak działał nasz produkt. Tak właśnie trafiłem do obszaru produktu. Krótko o Virta, żeby słuchacze wiedzieli: naszą misją jest odwrócenie chorób metabolicznych u miliarda ludzi, w tym cukrzycy, otyłości i stanu przedcukrzycowego, a całą opiekę dostarczamy wirtualnie.

Jesteśmy pełnoprawną kliniką chorób metabolicznych. To, co robimy, jest niezwykle wyjątkowe, ponieważ personalizujemy biologię i odżywianie, aby leczyć metabolizm ludzi.

Hannah Clark: To naprawdę wspaniała i niezwykle szlachetna misja. Wiem, że dotyka ona wielu rodzin i wpływa na ich życie.

Bardzo się cieszę, że możemy porozmawiać o szczegółach stojących za tą misją i o tym, jak wygląda ona teraz w praktyce. Dziś skupimy się jednak konkretnie na przejściu od szybkiego wzrostu do skalowalnego dostarczania produktu, czyli na sytuacji, w której obecnie znajduje się Virta.

Jak twoim zdaniem, Amit, ta zmiana wygląda w praktyce? I z twojego doświadczenia: co sprawia, że ten moment jest szczególnie trudny?

Amit Shah: Tak. Żeby dać wszystkim kontekst tej zmiany, w ciągu ostatnich kilku lat byliśmy jednocześnie firmą szybko rosnącą i organizacją dostarczającą produkt na dużą skalę. Na przykład w zeszłym roku nasze tempo wzrostu przekroczyło 70% rok do roku, a nasze przychody wynosiły setki milionów dolarów.

Nie będę podawał szczegółów z różnych powodów, ale można sobie wyobrazić, że to bardzo szybki wzrost i dość dojrzały produkt. W praktyce podczas tej zmiany dzieje się tak wiele, że sytuacja może wydawać się niezwykle intensywna. Rozmawiałem z wieloma członkami zespołu i przede wszystkim samo skalowanie często oznacza potrzebę zatrudnienia większej liczby osób: więcej zespołów, więcej zespołów rozwijających produkt, nowych ludzi przychodzących, by realizować różne zadania. Trzeba więc ustalić, kto jest właścicielem poszczególnych obszarów, oraz stworzyć odpowiednie systemy i procesy, żeby skalować to, co działało na mniejszą skalę.

Główna rzecz, którą chciałbym przekazać, jest taka, że na poziomie codziennej pracy może to wyglądać chaotycznie. Uważam, że jako lider trzeba poświęcić sporo czasu na określenie naszej Gwiazdy Północnej i odpowiedź na pytanie: co właściwie próbujemy osiągnąć?

A następnie trzeba ustalić, jakie systemy, procesy i struktury organizacyjne tworzymy, aby ten cel osiągnąć.

Hannah Clark: Chciałam wrócić do tego, co wcześniej powiedziałeś o swoim doświadczeniu operacyjnym. Uważam, że jest ono pewnego rodzaju asem w rękawie podczas przechodzenia do przywództwa produktowego.

Jak to operacyjne, skoncentrowane na systemach podejście wpłynęło na sposób, w jaki podchodzisz do rozwoju produktu, szczególnie w fazie skalowania?

Amit Shah: To dobre pytanie i jestem wdzięczny, że postrzegasz to jako zaletę. Kiedy patrzymy na liderów produktu, często widzimy osoby, które rozwijały się bezpośrednio w obszarze produktu. Jest w tym ogromna wartość i zdobywa się tam dużą wiedzę. Ja miałem szczęście rozwijać się w operacjach i uważam, że pewne elementy tego obszaru są bardzo pomocne. Doskonałość wykonawcza to coś, czego jako student inżynierii przemysłowej uczyłem się nawet na studiach.

Myślenie o doskonałości wykonawczej sprowadza się do bycia osobą myślącą systemowo, podejmującą decyzje analitycznie, skutecznie ustalającą priorytety, upraszczającą oraz dobrze zarządzającą ludźmi. To podstawowe cechy, które moim zdaniem mają świetni operatorzy, a okazuje się, że świetni liderzy produktu mają wiele z tych samych cech.

Istnieją oczywiście inne umiejętności, a sposób ich stosowania może się nieco różnić. Są to jednak podstawowe kompetencje, które można z powodzeniem przenieść z operacji do rozwoju produktu. Kiedy przechodziłem do tego obszaru i poproszono mnie o kierowanie rozwojem produktu, poświęciłem czas na lekturę. Przeczytałem prawdopodobnie piętnaście książek, wysłuchałem wielu podcastów, w tym tego, oraz rozmawiałem z innymi liderami produktu. Wielokrotnie dochodziłem do wniosku, że jeśli potrafisz myśleć systemowo, pomóc zespołowi podejmować analityczne decyzje, ustalać priorytety na podstawie tych analiz i stworzonych systemów, upraszczać działania do tego, co najważniejsze, a następnie przewodzić ludziom tak jak zwykle, to właśnie te umiejętności najlepiej się przenoszą.

Hannah Clark: Kiedy wymieniasz te pięć podstawowych umiejętności, wszystkie wydają mi się konkretnie i w równym stopniu ważne, aby właściwie skalować działalność. To również obszary, z którymi, moim zdaniem, zmagają się niemal wszystkie organizacje, choć zależy to od działu. To naprawdę oczywisty, świetny zestaw kompetencji.

Amit Shah: Wracając do twojego poprzedniego pytania o przejście od szybkiego wzrostu do produktu działającego na dużą skalę: uważam, że upraszczanie również staje się wtedy bardzo trudne. To czwarty element, o którym wspomniałem, ale warto powiedzieć to wprost. Na bardzo wczesnym etapie działalności, gdy szukasz dopasowania produktu do rynku, wszystko jest bardzo proste. Musisz je znaleźć i wiedzieć, czego szukasz. Kiedy rozwijasz się bardzo szybko, sytuacja także jest w pewnym sensie prosta.

Musisz utrzymać pociąg na torach. Kiedy przechodzisz do produktu działającego na dużą skalę, złożoność zaczyna pojawiać się w bardzo interesujący sposób. Patrząc dziś wstecz, myślę: tak, to rzeczywiście trafne spostrzeżenie.

Hannah Clark: Nie możesz tak łatwo uniknąć tego tematu. Będziemy musieli przyjrzeć mu się nieco dokładniej. Rozbudziłeś moją ciekawość, więc opowiedz, co to dla ciebie oznacza. Mogę się tego domyślać, ale jestem pewna, że moje rozumienie prostoty, wynikające z mojego punktu odniesienia, bardzo różni się od twojego — jako osoby z doświadczeniem operacyjnym, która znalazła się w sytuacji wymagającej skalowania. Czym jest prostota w twojej roli?

Amit Shah: Prostota oznacza możliwość sprowadzenia wszystkich różnych szans i możliwości do zestawu priorytetów, nad którymi zespół rzeczywiście może pracować, jasno i bez rozpraszania się. Działamy w obszarze zdrowia metabolicznego, który niezwykle szybko się zmienia, między innymi za sprawą leków z grupy agonistów receptora GLP-1.

Jesteśmy wyjątkowi pod względem tego, co robimy. Mamy skalowalną interwencję żywieniowo-stylu życia. Niewiele innych firm ją oferuje, a my dostarczamy ją całkowicie cyfrowo. Kiedy produkt działa już na dużą skalę, trzeba przede wszystkim utrzymywać jego działanie na poziomie i z doskonałością, które osiągaliśmy do tej pory — od naszego badania klinicznego w 2015 roku. Dostarczaliśmy naszym pacjentom naprawdę przełomowe, doskonałe rezultaty i chcemy robić to każdego dnia, mimo że jesteśmy dosłownie setki razy więksi niż wtedy.

To wymaga ogromnej pracy. Nie dzieje się samo. Jednocześnie rynek szybko się zmienia. Pojawiła się nowa klasa leków, istnieją inne firmy, a my działamy w modelu B2B2C, ponieważ tak często funkcjonuje technologia medyczna.

Mamy więc różne potrzeby różnych klientów. Trzeba ustalić priorytety, a następnie uprościć je do odpowiedzi na pytanie: co wspiera ten sam rdzeń działalności? Co powinniśmy wyodrębnić, w co inwestować inaczej lub osobno, a czego nie robić wcale? Właśnie na tym polega dziś upraszczanie w naszej organizacji.

Hannah Clark: Chciałam to doprecyzować, ponieważ na prostotę można patrzeć z perspektywy użytkownika, operacji wewnętrznych albo po prostu ustalić ramy rozmowy. Jaki jest zakres tego, o czym mówimy? Chciałabym przejść dalej, bo ciekawi mnie bardzo interesujący aspekt Virta: jak decydujecie, kiedy wykorzystywać lekarzy do dostarczania opieki, a kiedy przechodzić w pełni na rozwiązania cyfrowe?

W waszym produkcie wydaje się, że oba podejścia są połączone. Czy możesz opowiedzieć, jak projektujecie tę równowagę i co sprawia, że tak trudno ją właściwie ustalić?

Amit Shah: Duża część magii Virta, naszego produktu i sposobu dostarczania opieki polega na ustaleniu, kiedy korzystać z technologii.

Używam słowa „technologia” w najszerszym znaczeniu: sztuczna inteligencja, automatyzacja, modele uczenia maszynowego napędzające automatyzację i tak dalej. Trzeba również ustalić, kiedy korzystać z lekarzy i ludzi. Chcę tylko zaznaczyć, że nasze wyniki obejmują średnią utratę 10% masy ciała po roku oraz znaczące zmniejszenie ryzyka zawału serca i śmierci.

Dzielę się tymi rezultatami, ponieważ są to rzeczywiste efekty dotyczące ludzi, a nie sytuacja, w której ktoś po prostu częściej klika w telefonie. Ludzie zmieniają styl życia, poprawiając ogólny stan zdrowia metabolicznego, swoje życie i jego długość.

Ustalenie, jak osiągnąć tę magię, jest dla nas niezwykle ważne. Jednym z systemów, na których się opieram, jest Gwiazda Północna. Jesteśmy tu po to, by dostarczać ten rezultat. Jest on dla nas bardzo jasny: poprawa zdrowia metabolicznego. Można go zresztą mierzyć. Prosimy pacjentów o codzienne przekazywanie biomarkerów: masy ciała, poziomu ciał ketonowych, glukozy, ciśnienia krwi i tak dalej. Dzięki temu możemy regularnie obserwować poprawę.

Ponieważ nasza Gwiazda Północna jest tak jasno określona — musimy obserwować poprawę tych wartości — łatwiej ustalić, jak najlepiej ją osiągać. Są rzeczy, które nawet w obecnej erze sztucznej inteligencji, mimo że w Virta szeroko korzystamy z uczenia maszynowego i modeli sztucznej inteligencji, nadal najlepiej wykonują lekarze i ludzie. Są to empatia, kreatywność, odpowiedzialność oraz złożone podejmowanie decyzji klinicznych.

Mówimy więc: te cztery obszary powierzamy ludziom. W większości pozostałych technologia i sztuczna inteligencja poradzą sobie lepiej. Jeśli lekarz wykonuje jakieś zadanie, które nie mieści się w tych czterech kategoriach — na przykład złożone podejmowanie decyzji klinicznych, przepisywanie lub odstawianie leków, zarządzanie chorobami współistniejącymi — powinniśmy spróbować wykorzystać technologię. Jeśli nie chodzi o emocjonalne budowanie odpowiedzialności, czyli sytuację, w której połączenie z pacjentem pomaga mu utrzymać motywację, również powinniśmy spróbować zastosować technologię.

Te same rzeczy, w których lekarze są dobrzy, zwiększają także ich satysfakcję z pracy. Okazuje się, że lekarze są bardzo spełnieni, kiedy mogą spędzać dzień na okazywaniu empatii, nawiązywaniu kontaktu z innymi ludźmi i pomaganiu im w rozwiązywaniu złożonych problemów klinicznych.

Tak właśnie o tym myślimy. Jeśli coś może zostać wykonane przez technologię — zarówno pod kątem uzyskania lepszego rezultatu, jak i z uwzględnieniem wymogów prawnych — powinniśmy zacząć od technologii. Są jednak rzeczy, które, jak uważamy, ludzie wykonują lepiej. Dzięki temu możemy przygotować lekarzy do jak najskuteczniejszego dostarczania tego rezultatu.

Hannah Clark: Mówimy o spełnieniu. Uderza mnie, jak satysfakcjonujące musi być mierzenie sukcesu platformy na podstawie rzeczywistych rezultatów osiąganych przez korzystających z niej ludzi, a także zadowolenia lekarzy, którzy kontaktują się za jej pośrednictwem z pacjentami. Jednocześnie wszyscy muszą odczuwać ogromną odpowiedzialność za to, by każdego dnia realizować tę obietnicę i podążać za Gwiazdą Północną.

Amit Shah: Jedną z rzeczy, które najbardziej mnie napędzają, jest fakt, że jestem tu od dziewięciu i pół roku. Jesteśmy organizacją całkowicie kierowaną misją. To właśnie sprawia, że każdego ranka wstaję: lepsza praca oznacza dla nas dosłownie ratowanie większej liczby istnień i poprawianie życia większej liczby osób. Dotyczy to każdej osoby pracującej w Virta.

To dosłownie paliwo, które napędzało zarówno fazę szybkiego wzrostu, jak i fazę produktu działającego na dużą skalę.

Hannah Clark: Porozmawiajmy teraz bardziej o szczegółach. W miarę skalowania Virta, gdy myślimy o wcześniejszych decyzjach dotyczących architektury, procesów czy struktury zespołu, co początkowo działało dobrze, ale musieliście z tego zrezygnować, gdy działalność nabrała tempa i trzeba było ją skalować?

Amit Shah: Przychodzą mi na myśl dwie rzeczy. Pierwsza dotyczy struktury organizacyjnej. We wczesnych dniach mieliśmy osobne obszary kompetencji: inżynierię produktu, analitykę i projektowanie. Tak często wyglądają organizacje: jest lider inżynierii, lider produktu, lider analityki i lider projektowania.

Nasza pierwotna struktura polegała na tym, że każdy z tych obszarów miał częściowo pokrywające się, ale własne priorytety. Działało to, gdy zespół rozwijający produkt był mniejszy. Trzeba było wtedy budować doskonałość inżynieryjną i produktową.

W miarę skalowania i rozrostu zespołów musieliśmy z tego podejścia zrezygnować. Ostatecznie zorganizowaliśmy się tak, że nadal mamy te grupy kompetencyjne, w tym grupę inżynieryjną i związaną z nią doskonałość inżynieryjną, ale większość naszych inżynierów pracuje w zespołach, które nazywamy oddziałami.

Oddział to międzyfunkcyjna grupa osób rozwiązująca konkretny problem biznesowy. To okazało się znacznie skuteczniejsze podczas szybkiego wzrostu, a także w fazie produktu działającego na dużą skalę, ponieważ zespoły mają szeroki kontekst problemu i jasno określoną Gwiazdę Północną, czyli wiedzą, co rozwiązują. Mogą głębiej zajmować się problemem. W bardziej silosowym podejściu wymiana inżynierów pracujących nad danym zadaniem tworzyłaby kolejne problemy.

Zmiana struktury organizacyjnej polegała więc na przejściu od sytuacji, w której przy mniejszej skali wszyscy mogli skupiać się na tym samym, do sytuacji, w której podczas szybkiego skalowania i przechodzenia do produktu działającego na dużą skalę trzeba podzielić zespoły i zapewnić każdemu oddziałowi odpowiednie kompetencje międzyfunkcyjne, aby mógł realizować swoje zadania.

Hannah Clark: Chciałam na chwilę przerwać. Mam nadzieję, że nie wybiję cię z rytmu. Wspomniałeś o czymś, o czym dużo ostatnio myślę w kontekście skalowania: o niedocenianej wadze transferu wiedzy. Może on stać się ogromnym wąskim gardłem nie tylko między zespołami i członkami jednego zespołu, lecz także wtedy, gdy organizacja rośnie, przyjmuje nowe osoby i traci bardziej doświadczonych pracowników.

Często brakuje sprawnego mechanizmu optymalizującego transfer wiedzy w miarę powiększania się organizacji. To temat, który ostatnio bardzo mnie interesuje. Ciekawe jest usłyszeć, jak komentujesz podejście oparte na oddziałach i uznajesz je za najskuteczniejszy sposób zarządzania częścią tego problemu.

Możesz kontynuować, ale być może wrócimy jeszcze do tego wątku.

Amit Shah: Powiem, że podejście oparte na oddziałach zdecydowanie pomaga, ale problem nie został rozwiązany. To kwestia, z którą nadal się mierzymy. Jest to jednocześnie pozytywne z perspektywy ludzi i wyzwanie z perspektywy organizacji: niektóre osoby są niezwykle skuteczne, mają ogromny kontekst i działają znakomicie.

Jeśli przeniesiemy je do innego miejsca, odejdą z organizacji albo wydarzy się coś podobnego, tracimy część tego kontekstu. Nie znaleźliśmy jeszcze rozwiązania opartego na dokumentacji. Model oddziałów ułatwia jednak sytuację, ponieważ zapewnia większą spójność realizowanych zadań i oczekiwanych rezultatów.

Hannah Clark: Mogłybyśmy nagrać cały odcinek tylko na ten temat, ale kontynuujmy.

Amit Shah: Pytałaś o rzeczy, które się nie skalowały, albo o wczesne decyzje, które nie sprawdziły się przy większej skali. Drugą kwestią — nie spotkałem jeszcze lidera firmy technologicznej, który od samego początku właściwie ustrukturyzowałby dane i późniejszą analitykę, choć z pewnością tacy liderzy istnieją — jest sposób, w jaki zorganizowaliśmy nasze dane.

Bardzo wcześnie chcieliśmy demokratyzować dostęp do danych. Umieściliśmy wszystko w tabelach i daliśmy wielu osobom dostęp do tych tabel. Na początku działało to świetnie: każdy mógł pobierać dane. W miarę wzrostu tabele stawały się jednak chaotyczne. Ludzie pobierali różne informacje i żartowaliśmy, że na to samo pytanie można było uzyskać dwie odpowiedzi, zależnie od tego, kto i jak pobrał dane.

Poświęciliśmy więc dużo czasu — i nadal go poświęcamy — na uporządkowanie tego obszaru, sprawdzanie, jak dane trafiają do tabel, oraz zapewnianie ich czystości już u źródła. To była inwestycja szczególnie ważna w okresie przechodzenia do fazy produktu działającego na dużą skalę. W fazie szybkiego wzrostu nadal to robimy, ponieważ wciąż pojawiają się nowe dane.

Chcę jednak zachować ostrożność. Nie chciałbym sugerować, że wyszliśmy już z fazy szybkiego wzrostu. Jesteśmy jednocześnie produktem działającym na dużą skalę i firmą szybko rosnącą. Ponieważ nasz produkt jest coraz bardziej dojrzały, staramy się odpowiednio wcześnie wprowadzać kontrole dotyczące tego, co trafia do tabel danych i w jaki sposób.

Hannah Clark: Skoro przeszliśmy do segmentu danych, porozmawiajmy o generatywnej sztucznej inteligencji. Jak wspomniałeś, istnieją obszary, w których wiedza i udział lekarzy są najlepszym rozwiązaniem, ale są też zadania, które nie mieszczą się w tych czterech kategoriach i najlepiej powierzyć je sztucznej inteligencji, ponieważ wykona je sprawniej i nie będzie trzeba poświęcać na nie cennego czasu ludzi.

Z pewnością na sposób integrowania generatywnej sztucznej inteligencji z produktem wpływa więcej decyzji. Jak myślicie o włączaniu różnych rodzajów sztucznej inteligencji do produktu, aby uzupełniały ludzkie kompetencje?

Amit Shah: Jak powiedziałem wcześniej, duża część magii polega na tym, jak to robimy. Cały czas iterujemy nad tym podejściem. Od pierwszego dnia byliśmy firmą opartą na danych i rygorze analitycznym. Zanim w ogóle zaczęliśmy mówić o generatywnej sztucznej inteligencji, przez siedem czy osiem lat korzystaliśmy z bardzo skutecznych, predykcyjnych modeli uczenia maszynowego.

Jedną z kluczowych rzeczy, o których często myślimy, jest proaktywna interwencja. Korzystamy z modeli uczenia maszynowego wytrenowanych na naszym własnym zbiorze danych obejmującym ponad 200 000 pacjentów i dziesięć lat. To dosłownie setki milionów punktów danych, takich jak poziomy glukozy i ciał ketonowych we krwi oraz masa ciała.

Są to obiektywne dane, które pozwalają przewidywać, jaka może być kolejna najlepsza interwencja dla pacjenta. Kiedy ją przewidujemy, eksperymentujemy z tym, czy powinna zostać dostarczona przez człowieka, automatycznie czy za pomocą opracowanego przez nas narzędzia generatywnej sztucznej inteligencji.

Proaktywna interwencja i zestaw zbudowanych przez nas modeli uczenia maszynowego są dla nas kluczowe, ponieważ pozwalają w ogóle określić, kiedy należy interweniować.

Drugą kwestią jest interwencja reaktywna, czyli pomoc w danym momencie, gdy pacjent zgłasza się do nas z konkretną potrzebą. Nawet najlepsze modele nie zawsze potrafią wszystko przewidzieć. W przypadku dużej części pomocy udzielanej w danej chwili bardzo przydatna okazała się czysta generatywna sztuczna inteligencja. Jest szkolona na naszych systemach i danych, a my wdrożyliśmy ją właśnie do takiej bieżącej, reaktywnej pomocy. Pacjent może otrzymać odpowiedź w danym momencie, a my możemy oznaczyć sprawę do dalszej obserwacji przez lekarza, jeśli uznamy to za konieczne.

Chcę też powiedzieć więcej o generatywnej sztucznej inteligencji. Uznaliśmy, że chcemy budować silne zaufanie naszych pacjentów. Dlatego bardzo wyraźnie informujemy, kiedy coś jest wynikiem działania sztucznej inteligencji, a kiedy lekarza. Pracujemy ze zdrowiem pacjentów, więc chcemy, aby naprawdę ufali temu, co otrzymują. Dajemy im także możliwość skontaktowania się z lekarzem, gdy tylko jest to możliwe.

Drugą stroną tego zagadnienia jest pytanie, co ma największy sens, gdy wiemy, że trzeba zainterweniować. Na podstawie wszystkich testów wiemy, że pewne rzeczy działają lepiej, gdy interweniuje człowiek, dlatego priorytetowo traktujemy je w pracy naszych lekarzy. Chcą oni pomagać innym ludziom być zdrowszymi. To najlepsze rozwiązanie dla nich i dla pacjenta.

Hannah Clark: Kiedy opowiadasz, jak o tym myślicie, szczególnie uderza mnie jedna rzecz. Prowadzę ten program od kilku lat. Gdy zaczynaliśmy podcast o menedżerach produktu, sztuczna inteligencja dopiero miała się gwałtownie rozwinąć do obecnego poziomu.

Kiedy rozmawiam z tobą, czyli z osobą pracującą w środowisku, w którym Virta korzystała ze sztucznej inteligencji, zanim stało się to modne, dostrzegam różnicę w sposobie myślenia i podejściu do tego, czym sztuczna inteligencja jest oraz jak skutecznie i etycznie wykorzystywać ją w produkcie.

Czy zastanawiałeś się kiedyś, czy wcześniejsze doświadczenia z wykorzystaniem sztucznej inteligencji lub uczenia maszynowego wyróżniają cię w sposobie myślenia o tej technologii, a także w podejściu do jej dalszego, zrównoważonego rozwoju?

Amit Shah: To świetne pytanie. Podoba mi się określenie, że jesteśmy użytkownikami tej technologii od samego początku. Będę się nim posługiwał. Myślę, że stanowiło to dla nas pewną ramę. Wiemy, a nie tylko wierzymy, że jednym z naszych najbardziej unikalnych zasobów jest zbiór danych.

Mamy dane dotyczące setek tysięcy pacjentów z okresu dekady: obiektywne, subiektywne i dotyczące odczuć. Uruchamianie modeli uczenia maszynowego i trenowanie generatywnej sztucznej inteligencji na naszych danych jest supermocą, której nikt inny nie posiada.

Ktoś może jutro stworzyć generatywną wersję tego, co robimy, ale nasza Gwiazda Północna to rezultaty i odwrócenie chorób metabolicznych. Znamy ścieżkę dla każdej pojedynczej osoby na podstawie wszystkich dostępnych punktów danych.

Postrzegam generatywną sztuczną inteligencję, modele uczenia maszynowego i wszystkie te rozwiązania jako narzędzia. Są elementami zestawu narzędzi, które pomagają osiągnąć rezultat będący naszą Gwiazdą Północną. Im więcej narzędzi technologicznych otrzymamy, tym więcej będziemy ich używać. Nie wiem, co pojawi się po generatywnej sztucznej inteligencji, ale wierzę, że wykorzystamy to do osiągania tego samego rezultatu. Tym, co nadal pozostanie unikalne, będzie nasze podejście i zbiór danych, który pozwala je realizować.

Hannah Clark: Chciałam to podkreślić, ponieważ naprawdę dobrze słyszeć, z jakim szacunkiem mówisz o posiadanych danych, o odpowiedzialności związanej z właściwym obchodzeniem się z nimi i o skupieniu na tym, czy faktycznie prowadzą do rezultatu. W całej branży często narzeka się obecnie na wykorzystywanie sztucznej inteligencji dla samego jej wykorzystywania. Czasami wdrażanie jej może wydawać się nieprzemyślane, a nawet nieodpowiedzialne.

Dlatego bardzo budujące jest usłyszeć tak ludzkie i ugruntowane podejście do sztucznej inteligencji oraz jej wykorzystania w produktach.

Amit Shah: Nasi pacjenci przychodzą do nas, aby poprawić swoje zdrowie, a klienci B2B zatrudniają nas, aby poprawić zdrowie swojej populacji. Nasze Gwiazdy Północne to poprawa zdrowia i wykorzystamy wszystkie dostępne narzędzia, aby ją osiągnąć.

Generatywna sztuczna inteligencja jest niezwykłym narzędziem, które rozwija się w ogromnym tempie, i rzeczywiście pomaga nam realizować ten cel. Jedną z moich ulubionych funkcji naszej aplikacji jest możliwość zrobienia zdjęcia talerza i uzyskania informacji o zawartych na nim makroskładnikach.

Aplikacja określa także, oznaczając wynik kolorem pomarańczowym, żółtym lub zielonym, czy posiłek pasuje do planu żywieniowego danej osoby. Bez generatywnej sztucznej inteligencji nie moglibyśmy stworzyć całego tego procesu. Jest niezwykle potężna. Ostatni element sprawia jednak, że prowadzi ona do oczekiwanego rezultatu: pomaga człowiekowi podjąć w danej chwili najlepszą dla niego decyzję.

Hannah Clark: To podejście przypomina mi rozmowę z osobą kierującą badaniami użytkowników w Photo Room. Kilka miesięcy temu zauważyła ona podobną rzecz: badacze użytkowników byli początkowo niechętni do przyjmowania sztucznej inteligencji, ale teraz widzimy większe zaufanie do tej technologii, ponieważ pojawiła się jaśniejsza ścieżka odpowiedzialnego jej wykorzystywania.

Widzę podobieństwo między Virta Health a innymi organizacjami: koncentrujecie sztuczną inteligencję na rozpoznawaniu wzorców w dużych zbiorach danych i zadaniach, których człowiek, na przykład lekarz, nie byłby w stanie przyswoić, przetworzyć i wykorzystać. To ma sens. Natomiast osąd pozostaje po stronie człowieka. Wszyscy powinniśmy już wiedzieć, że ChatGPT nie ma najlepszego osądu.

Warto więc powtarzać i stale analizować, w czym sztuczna inteligencja jest naprawdę dobra, do jakich zastosowań powinniśmy ją wykorzystywać, a w jakich nie jest najlepszym rozwiązaniem.

Amit Shah: Żartowałem ostatnio z żoną. Jest o wiele bardziej błyskotliwa ode mnie z wielu powodów, ale rozmawialiśmy o generatywnej sztucznej inteligencji i powiedziałem, że ostatecznie należy myśleć o niej jak o systemie wytrenowanym na wszystkim, co jest publicznie dostępne w internecie.

To najlepsza dostępna baza wiedzy. W internecie jest bardzo dużo informacji, ale nie powiedziałbym, że wszystko, co się w nim znajduje, opiera się na dobrym osądzie. Rozróżnianie informacji, krytyczne myślenie, decyzja, jak i gdzie wykorzystać dane rozwiązanie oraz jak je zaprezentować — właśnie w tym tkwi duża część magii.

Hannah Clark: Zdecydowanie. Częścią osądu jest empatia. Być może nie da się jej zmierzyć konkretnym wskaźnikiem, ale możemy wyraźnie zobaczyć rezultaty, gdy uwzględnimy ją w całościowym obrazie. Chciałabym porozmawiać o obecnych wyzwaniach, szczególnie w perspektywie 2026 roku.

Mamy nowy rok, a Virta, jak powiedziałeś, skaluje się i szybko rośnie. Jakie jest kolejne duże wyzwanie i jak podchodzisz do zmian nadchodzących w 2026 roku?

Amit Shah: To bardzo istotne w kontekście naszego podcastu. Jesteśmy szybko rosnącym produktem działającym na dużą skalę. Skupiam się więc na zapewnieniu systemów i procesów, które stworzą spójność od pierwszej rozmowy z klientem o tym, jak możemy pomóc jego populacji, aż po doświadczenie pojedynczego pacjenta, który rejestruje się w Virta.

Robimy to na tle szybko zmieniającego się rynku. Jedną z rzeczy, które oferujemy klientom, jest dostarczanie takiej samej utraty masy ciała jak w przypadku leków z grupy GLP-1 — Ozempicu, Wegovy, Zepbound i Mounjaro — ale bez stosowania leku.

Jesteśmy alternatywą dla leków. Około 70% Amerykanów, którzy chcą schudnąć, chce zrobić to bez przyjmowania leków. To bardzo popularne podejście. Wielu pacjentów przychodzi do nas, ponieważ słyszeli o naszej usłudze i nie chcą zaczynać farmakoterapii.

Jesteśmy również rozwiązaniem umożliwiającym odejście od leków. Jednym z elementów zatwierdzenia przez Agencję ds. Żywności i Leków leków z grupy GLP-1 jest łączenie ich ze zmianą stylu życia. My oferujemy skuteczną zmianę stylu życia. W recenzowanej publikacji naukowej wykazaliśmy, że po odstawieniu leków z grupy GLP-1 utrzymywaliśmy u ludzi około 11% utraty masy ciała przez kolejny rok.

Mówię o tym, ponieważ leki z grupy GLP-1 są obecnie bardzo gorącym tematem. Pojawiają się leki doustne i wiele innych zmian. Jesteśmy elastyczni w podejściu do rynku, ponieważ zachodzi na nim wiele zmian, ale nasza podstawowa propozycja wartości pozostaje taka sama.

Skupiam się na tym, byśmy byli elastyczni, potrafili reagować na potrzeby rynku, odpowiadali na potrzeby pacjentów i klientów tam, gdzie się znajdują, a także byli zorganizowani tak, aby nadal dostarczać niezwykłe i wyjątkowe rezultaty, które dotychczas poprawiały życie ludzi przy niższych kosztach.

Hannah Clark: To niesamowite, że osiągacie rezultaty porównywalne z lekami dostępnymi na rynku. Ogromne wyrazy uznania dla całego zespołu Virta. To niezwykle ważna misja i wspaniale słyszeć, że realizujecie ją z takim sukcesem. Skoro wspomniałeś o spotykaniu ludzi tam, gdzie się znajdują, gdzie można cię znaleźć po tym programie?

Amit Shah: Najaktywniej działam na LinkedIn, więc zachęcam do odszukania mnie na LinkedIn. To naprawdę najlepsze miejsce, żeby mnie znaleźć. Warto też obserwować Virta Health na Instagramie, ponieważ często jestem zaangażowany w działania na koncie.

Hannah Clark: Amit, dziękuję, że do nas dołączyłeś. Doceniamy twój czas. To była świetna rozmowa.

Amit Shah: To było wspaniałe. Bardzo dziękuję.

Hannah Clark: Następny odcinek podcastu Menedżer Produktu jest dla liderów przedsiębiorstw zarządzających portfelami wielu produktów. Jeśli kiedykolwiek widziałeś mamy w Costco przedzierające się przez tłum i pilnujące czwórki dzieci będących na zupełnie różnych etapach rozwoju, myśląc: „Tak właśnie wygląda moja praca”, ten odcinek z Anneka Guptą z Rubrik będzie twoim zestawem przetrwania. Zasubskrybuj już teraz, żeby go nie przegapić.