مدیرعامل Zocdoc: دکتر گوگل به‌زودی جای خود را به دکتر هوش مصنوعی می‌دهد

این مصاحبه کمی برای طول و وضوح ویرایش شده است.

---

الیور خراز: شما یکی از بنیان‌گذاران و مدیرعامل Zocdoc هستید. به Decoder خوش آمدید.

الیور خراز: خوشحالم که اینجا هستم، ممنونم.

مجری: خیلی خوشحالم که با شما صحبت می‌کنم. خیلی چیزها در حال تغییر است: نحوه‌ی ساخت اپلیکیشن‌ها، تجربه‌ی مردم از خدمات روی دستگاه‌ها و البته در حوزه‌ی مراقبت‌های درمانی در آمریکا. هوش مصنوعی هم در خیلی از این مسائل دخیل است. فکر می‌کنم موضوعات زیادی وجود دارد که با شما بررسی کنیم و من مشتاقم وارد این بحث شوم.

اما بیایید از ابتدا شروع کنیم. فکر می‌کنم مردم یک نسخه از Zocdoc را می‌شناسند: اگر نیاز به پزشک داشته باشید و این اپ را باز کنید، شاید یکی پیدا کنید. اما اکنون این فقط بخشی از ماجراست. لطفاً توضیح دهید شما خودتان Zocdoc را چگونه می‌بینید.

الیور خراز: Zocdoc در واقع یک پلتفرم است که بیماران و پزشکان را هرجا که باشند به هم وصل می‌کند. همان‌طور که گفتید، مارکت‌پلیس و اپلیکیشن ما بسیار شناخته شده است، جایی که مردم می‌توانند خودشان به‌صورت مستقل اقدام کنند. اما هدف ما این است که هرجا بیمار هست، بتواند به مراقبت دسترسی پیدا کند.

ما با برخی شرکت‌های بیمه سلامت همکاری داریم، مثلاً Blue Shield of California. وقتی وارد سایت آن‌ها می‌شوید، دسترسی به مراقبت فراهم می‌شود. ما به کهنه‌سربازان کمک می‌کنیم تا مراقبت دریافت کنند. خدمات دیگری هم داریم که شاید کمی عجیب به نظر برسد، مثل تماس تلفنی، چون ما از ابتدا می‌خواستیم تلفن را از فرایند مراقبت حذف کنیم. اما اخیراً محصولی ارائه کرده‌ایم که به شما اجازه می‌دهد با یک عامل هوش مصنوعی تماس بگیرید و به‌طور کامل خودکار نوبت بگیرید. مسیر فعلی ما واقعاً حول این است که دسترسی به مراقبت را برای هر بیمار، در هر مکان، آسان کنیم.

مجری: پس Zocdoc در دوره‌ی اپلیکیشن‌های موبایل تأسیس شد: «می‌خواهیم همه چیز را روی صفحه‌ی گوشی بیاوریم و بازارهایی ایجاد کنیم، مخصوصاً بازارهای دوطرفه.» یعنی مثل Uber برای پزشکان.

در آن زمان نوعی صحبت درباره‌ی اپ‌ها و خدمات وجود داشت که بسیار قدرتمند بود و سرمایه‌گذاری‌ها و شرکت‌های بزرگ زیادی ایجاد کرد. اما اکنون این موضوع در حال تغییر است. آیا شما هنوز خودتان را در همان مدل می‌بینید؟ یا فکر می‌کنید Zocdoc باید در آینده شکل دیگری پیدا کند؟

الیور خراز: فکر می‌کنم ما هنوز مدل اپلیکیشن هستیم و توانسته‌ایم دسترسی به مراقبت را بهتر از هر کس دیگری در آمریکا فراهم کنیم. وقتی تلفن را برمی‌دارید و برای گرفتن وقت پزشک تماس می‌گیرید، به‌طور متوسط ۳۰ روز طول می‌کشد تا واقعاً نوبت بگیرید. اما در Zocdoc، بخش اعظم نوبت‌ها ظرف ۲۴ ساعت رزرو می‌شوند و تقریباً همه ظرف ۷۲ ساعت اتفاق می‌افتند. این تجربه‌ای است که به‌مراتب بهتر از روش‌های قدیمی تلفنی است.

اما هدف ما این نیست که پلتفرم را انحصاری کنیم. آن را برای دیگران هم باز می‌کنیم، مثلاً برخی از شرکت‌های بیمه‌ای که پیش‌تر اشاره کردم. اما به‌طور کلی خودمان را به‌عنوان چیزی می‌بینیم که می‌تواند به بیماران کمک کند هرجا هستند به پزشک خود دسترسی داشته باشند.

گسترش Zocdoc به حوزه‌ی تله‌هلث (مراقبت پزشکی از راه دور) فقط به معنای «من نوبت پزشک می‌گیرم و به مطب می‌روم» نیست. اگر کسی نوبت پزشک بگیرد، پزشک آنجا حاضر می‌شود. در این حوزه رقابت زیادی وجود دارد. برای مثال، Zoom به‌طور غیرمنتظره در دوران پاندمی وارد حوزه‌ی تله‌هلث شد، صرفاً به دلیل اینکه وجود داشت. دیگر ارائه‌دهندگان و شرکت‌های بیمه هم می‌خواهند وارد این بازار شوند. آیا این برای شما یک حوزه‌ی رشد آینده است یا صرفاً ادامه‌ی خدمات فعلی شماست؟

الیور خراز: ما تله‌هلث ارائه می‌کنیم، اما اگر بخواهیم کاملاً صادق باشیم، و این موضوع از ابتدا هم مشخص بود، بیماران واقعاً تمایلی به آن ندارند. ما گزینه‌های تله‌هلث و حضوری را ارائه می‌کنیم. برای همه‌ی حوزه‌ها به جز سلامت روان، حدود ۹۵ درصد نوبت‌ها حضوری هستند. نکته‌ی جالب این است که حتی پزشکانی که هر دو گزینه‌ی تله‌هلث و حضوری دارند، رزروهای بیشتری دریافت می‌کنند نسبت به پزشکانی که فقط یکی از این دو گزینه را ارائه می‌دهند.

اما تمام رزروها برای ملاقات‌های حضوری است. بنابراین بیمار فقط ارزش گزینه‌ی «شاید در آینده بخواهم به صورت تله‌هلث ملاقات کنم، اما الان بدنم اینجاست» را می‌بیند. آن‌ها می‌خواهند پزشک دهانشان را نگاه کند، به قلبشان گوش دهد، شکمشان را لمس کند. یکی از ویژگی‌های پزشکی بدنی این است که تله‌هلث کمی شبیه تله‌پیتزا است: خوب است، اما فقط وقتی در همان اتاق هستید می‌توانید از آن استفاده کنید.

حوزه‌ی سلامت روان کاملاً متفاوت است. تقریباً همه‌ی خدمات سلامت روان به‌صورت از راه دور انجام می‌شود و این برای هر دو طرف مزایای زیادی دارد. بنابراین تصویر کلی بسیار پیچیده است و یک اظهار نظر کلی نمی‌تواند عدالت کاملی در مورد آن برقرار کند. ما این گزینه را همان‌طور که سایر روش‌ها را ارائه می‌کنیم، عرضه می‌کنیم. ما مراقبت اورژانسی، مراقبت اولیه و ۲۵۰ تخصص مختلف، از جراحی قلب تا انکولوژیست‌ها را ارائه می‌دهیم. بنابراین شما می‌توانید تقریباً هر نوع مراقبتی را در Zocdoc پیدا کنید.

یکی از نکات جالب درباره‌ی Zoom یا دیگر خدمات تله‌هلث، ایده‌ی صحبت کردن با یک هوش مصنوعی است. من با مدیرعامل Zoom مصاحبه کردم — یکی از عجیب‌ترین قسمت‌های تاریخ Decoder — و او گفت آینده‌ی Zoom این است که او یک آواتار از شما بسازد و آن آواتار رباتی به جای شما در جلسات Zoom حاضر شود، در حالی که خودتان به ساحل می‌روید. من به او گفتم: «در نهایت، تمام آواتارها جلسه دارند و من نمی‌دانم ما چه کاری انجام خواهیم داد.» او گفت: «این جالب است.»

این ممکن است برای برخی شرکت‌ها خوب باشد، اما برای پزشک یا سازمان سلامت، وقتی فرایند تصمیم‌گیری یا ارتباط با بیمار به یک هوش مصنوعی، عامل دیجیتال یا آواتار واگذار می‌شود، وضعیت متفاوت و کمی خطرناک است. همچنین احساس می‌شود که مصرف‌کنندگان کم‌کم چنین چیزی را طلب خواهند کرد. شما این موضوع را برای پلتفرم خود چگونه در نظر می‌گیرید؟

الیور خراز: بله، من در مورد این آینده کمی شک دارم، عمدتاً چون فکر می‌کنم خوددرمانی بیشتر خواهد شد. «دکتر گوگل» جای خود را به «دکتر هوش مصنوعی» خواهد داد و بیماران خودشان تشخیص می‌دهند که کجا هوش مصنوعی برایشان کافی است و کجا نیاز به قضاوت انسانی دارند. فکر می‌کنم گمراه‌کننده باشد اگر خط بین انسان و AI را محو کنیم و بگوییم: «شما با یک هوش مصنوعی صحبت می‌کنید، اما طوری طراحی شده که انگار با یک انسان صحبت می‌کنید»، زیرا بیمار خودش انتخاب کرده است که: «می‌خواهم چشم انسان این موضوع را بررسی کند، چون احتمال خطا زیاد و تغییر نتیجه مهم است.» بنابراین باید با خودمان صادق باشیم — هر چیزی که ممکن است، لزوماً مفید نیست.

شما اکنون بخشی از پلتفرم دارید به نام Zo. یک دستیار هوش مصنوعی است. همان‌طور که گفتید، در رزرو نوبت و خدمات مشتری کمک می‌کند. این به صورت تلفنی بیان می‌شود: می‌توانید تماس بگیرید و با یک صدا صحبت کنید و پاسخ بگیرید. آیا همان تنش‌هایی که درباره‌ی تعامل مستقیم با AI وجود دارد، اینجا هم هست یا مردم صرفاً تماس می‌گیرند و کارشان راه می‌افتد؟

الیور خراز: بله، واضح است که آن‌ها می‌دانند با AI صحبت می‌کنند و می‌توانند از این تجربه خارج شوند. بازی کردن مداوم با یک انسان روی تلفن، به‌خصوص وقتی باید ۲۰ دقیقه منتظر بمانید، واقعاً سرگرم‌کننده نیست، و مردم این موضوع را قبول دارند. اما یکی از بزرگ‌ترین سوءتفاهم‌ها درباره‌ی راه‌حل‌های هوش مصنوعی این است که فکر می‌کنند «ما فقط کار منشی یا مرکز تماس را خودکار می‌کنیم». اگر فقط این هدف را داشته باشید، هدف بسیار پایینی در نقش یک شرکت فعال در حوزه AI دارید. زیرا آنچه باید فکر کنید این است: «حالا که این هوش مصنوعی را دارم و عملاً پهنای باند نامحدود دارم، چگونه می‌توانم این شغل را از ابتدا طراحی کنم؟»

مثلاً برای ما، سؤال این نیست که «هوش مصنوعی ما چقدر با عوامل انسانی مقایسه می‌شود؟» بلکه در واقع ما اثرگذاری تمام عوامل انسانی را اندازه می‌گیریم، اثرگذاری هوش مصنوعی را برای هر نوع بیمار می‌دانیم و سپس بیمار را به منبع مناسب وصل می‌کنیم. اگر شما برای یک کار روتین تماس بگیرید، مثلاً می‌خواهید محل مطب را تأیید کنید یا نوبتی که قبلاً گرفته‌اید را جابه‌جا کنید، خب، این کار را با هوش مصنوعی انجام دهید، چون بسیار ساده است. شما خدمات سریع‌تر و دوستانه‌تری دریافت خواهید کرد.

اما اگر سؤال پیچیده‌ای دارید، خب، شما را به انسانی متصل می‌کنیم که در آن موضوع بیشترین اطلاعات را دارد. هوش مصنوعی می‌تواند این موضوع را تشخیص دهد و به‌طور دینامیک بیماران را به متخصص مناسب هدایت کند و تجربه‌ی بسیار بهتری نسبت به قبل به آن‌ها بدهد. بنابراین شما باید مرکز تماس خود را دوباره ارزیابی کنید، نه به این فکر که «چطور هزینه‌ها را کاهش دهم»، بلکه به این فکر که «چطور این بخش را به یک مرکز سودآور تبدیل کنم، جایی که بیماران کمتری را از دست می‌دهم و جریان ورودی بهینه است و تجربه‌ی عالی برای بیماران فراهم می‌کنم؟»

می‌خواهم این موضوع را کمی بیشتر بررسی کنم. فرض کنید من می‌خواهم نوبتی را جابه‌جا کنم، به نظر می‌رسد این مشکل با گوشی‌های هوشمند به‌طور کامل حل شده است. من لزوماً نیازی ندارم با ربات صحبت کنم. در واقع می‌خواهم از رابط تصویری گوشی استفاده کنم و دکمه را بزنم. شاید خودم اقدام کنم یا شاید فقط پیامی به بخش پشتی ارسال کنم، فرقی ندارد.

اما اگر سؤال پزشکی پیچیده‌ای داشته باشم و نیاز باشد از طریق یک سری پرسش‌های غربالگری برای یافتن ارائه‌دهنده‌ی مناسب و رزرو وقت عبور کنم، خب، این دقیقاً کاری است که پردازش زبان طبیعی (NLP) و هوش مصنوعی می‌تواند در آن مفید باشد. اما این هم کمی جنبه‌ی تشخیصی دارد و نیاز به بینش انسانی دارد. شما چقدر می‌خواهید هوش مصنوعی در آن فرآیند تصمیم‌گیری داشته باشد؟

واقعاً جالب است، چون آنچه شما می‌گویید منطقی است، مگر این که به عنوان بیمار، تجربه‌ی شما این باشد که صدها ورود مختلف به سیستم‌های مختلف پزشکان دارید. امیدوارم همه از Zocdoc استفاده کنند تا فقط یک ورود داشته باشند. اما در واقعیت، برخی بیماران هنوز از تلفن برای گرفتن نوبت استفاده می‌کنند و اپلیکیشن را به عنوان جایگزین در نظر نمی‌گیرند. بنابراین تعجب خواهید کرد که چه درصدی از تماس‌ها واقعاً برای کارهای ساده مثل رزرو نوبت است که جریان بیماران با مسائل پیچیده را مسدود می‌کند. بنابراین احتمالاً یک دوره‌ی گذار وجود دارد تا همه از Zocdoc استفاده کنند و این رزروها همچنان از طریق تلفن انجام شود.

اما در مورد بینش‌ها، ما می‌بینیم که انسان‌ها هم در تمام مسائل پیچیده عملکرد یکسانی ندارند. ما می‌توانیم نرخ تبدیل موفق تماس‌ها را برای انسان متوسط، Zo، سایر راه‌حل‌های هوش مصنوعی و بهترین انسان‌ها اندازه بگیریم. مطالعه‌ی مستقلی اخیراً انجام شده و نشان داده که Zocdoc در میان راه‌حل‌های هوش مصنوعی بهترین است. نرخ تبدیل حدود ۵۲٪ است، در حالی که سایرین زیر ۴۰٪ هستند. متوسط انسان‌ها معمولاً در حدود ۴۰های بالا هستند، پس تقریباً با هوش مصنوعی قابل مقایسه است.

بهترین انسان‌ها نرخ تبدیل ۶۵٪ دارند، بنابراین به‌طور قابل توجهی بهتر هستند. اما آیا آن‌ها در همه چیز ۶۵٪ هستند و باید برای همه چیز از آن‌ها استفاده کرد؟ خیر. شما باید مطمئن شوید که هر کاری که آن‌ها انجام می‌دهند، سایر افرادی که پاسخ تلفن را می‌دهند هم آموزش ببینند تا سطح عمومی بالا رود. همچنین باید مطمئن شوید که بیمار با مشکلی خاص، با نماینده‌ی مرکز تماس که در آن موضوع متخصص است صحبت کند، نه با شخص دیگری در هر سمت.

به زبان ساده‌تر، این نیاز به تخصص و بینش دارد؛ اینکه بیمار چه می‌گوید و چه خدماتی موجود است. باید محدودیتی برای میزان تفکر و قضاوت هوش مصنوعی وجود داشته باشد. این مسئله بزرگ صنعت ماست: چه زمانی هوش مصنوعی متوقف شود و گفته شود وقت صحبت با انسان است؟

هوش مصنوعی باید در این زمینه خودآگاه باشد، و به همین دلیل نمی‌توان صرفاً همه چیز را به هوش مصنوعی سپرد. هر کسی که از مدل‌های زبان بزرگ (LLM) استفاده می‌کند، می‌بیند که آن‌ها بیش از حد مطمئن هستند وقتی نباید باشند و کافی کنجکاو نیستند. ما این مشکل را به شکل کاملاً متفاوت حل کرده‌ایم: یک لایه‌ی هماهنگی قطعی داریم که از LLMها به‌طور انتخابی استفاده می‌کند تا پاسخ‌های بیمار را درست تفسیر کند.

ما یک برنامه‌ی اصلی داریم و می‌دانیم چه زمانی مکالمه از مرزهای برنامه خارج می‌شود و باید به انسان منتقل شود، بنابراین مسئولیت آن را می‌پذیریم. این کاملاً متفاوت از این است که همه چیز را در پنجره‌ی زمینه‌ی یک LLM رها کنید و امیدوار باشید بهترین نتیجه حاصل شود.

خب، می‌خواهم این موضوع را نگه دارید تا بعداً دوباره به آن برگردیم، چون کل صنعت در حال بازسازی حول همین مشکل است و این یک راه‌حل بسیار مهم است. اما می‌خواهم درباره‌ی ساختار Zocdoc هم سؤال کنم: Zocdoc اکنون چگونه سازماندهی شده؟ چند کارمند دارد و سازمان‌دهی آن‌ها چگونه است؟

ما کمی بیش از ۱,۰۰۰ کارمند داریم و هنوز هم ساختار سازمانی عملکردی داریم. یک مدیر فروش، یک مدیر بازاریابی، یک مدیر روابط دولتی و غیره داریم. دلیل اینکه این ساختار برای شرکتی با اندازه‌ی ما کار می‌کند و چرا فکر می‌کنم ادامه خواهد داد، به تاریخچه‌ی نسبتاً منحصر به فرد ما برمی‌گردد.

ما خط مستقیم و ساده‌ای نداشتیم. مدت زیادی است که فعال هستیم. یک تغییر عمده در مدل کسب‌وکار داشتیم، چیزی شبیه به بازسازی، و این باعث ایجاد نوعی انسجام شده که فلسفه‌ی «یک Zocdoc» هنوز کار می‌کند. همه‌ی رهبران به یک هدف واحد متمرکز هستند و این یک عدد برای Zocdoc به عنوان کل مجموعه است، و به همین دلیل می‌توانیم تیم‌های عملکردی را کنار هم بیاوریم و با سیاست‌های معمول شرکت‌ها که معمولاً مانع کار می‌شوند، مواجه نمی‌شویم.

چه عددی؟ وقتی می‌گویید یک عدد وجود دارد که باید دنبال شود، آن عدد چیست؟

این عدد درآمد و سودآوری است و ما آن‌ها را با هم ترکیب کرده و یک امتیاز واحد می‌سازیم.

تغییر مدل کسب‌وکار شما این بود که از هزینه‌ی ثابت برای پزشکان به ارجاع بر اساس هر بیمار رفتید. شما درباره‌ی اینکه این تغییر چگونه رشد را آزاد کرد و حالا سودآور شده‌اید، مصاحبه‌های زیادی داده‌اید. پزشکان زیاد از آن خوششان نیامد. برخی تصمیم گرفتند مشتریان خود را پیدا کنند و با این کار خودشان را از Zocdoc جدا کنند. پزشکان روی اینستاگرام دنبال مشتری خودشان هستند و این یک وضعیت پیچیده است. آیا این مدل شما را تحت فشار قرار می‌دهد؟

خیر. واضح است که برخی پزشکان از این مدل خوششان نیامد و برخی خیلی خوششان آمد. نکته‌ی جالب درباره‌ی بازارها این است که استفاده از خدمات یک منحنی قدرت دارد. همان‌طور که تصور می‌کنید، اگر یک هزینه‌ی ثابت داشته باشید، کسانی که در بالای منحنی قدرت هستند، ارزش را رایگان دریافت می‌کنند. کسانی که در پایین این توزیع هستند، ارزش کافی دریافت نمی‌کنند.

بنابراین همه کسانی که در سمت چپ توزیع قیمت جدید ما بودند، این مدل را دوست دارند. تعداد زیادی پزشک بیشتر، یعنی به تعداد زیادی بیشتر، امروز در Zocdoc هستند نسبت به وقتی که شروع کردیم. واضح است که برخی پزشکان باید بیشتر پرداخت می‌کردند. اگر قبلاً سالانه ۱۰,۰۰۰ بیمار از ما می‌گرفتید و ما ۳,۰۰۰ دلار هزینه داشتیم، از نظر هر بیمار، جایی دیگر چنین چیزی دریافت نمی‌کردید، حتی روی اینستاگرام. اما حالا که از شما می‌خواهیم برای هر بیمار هزینه پرداخت کنید، مبلغ خیلی بیشتر می‌شود. بنابراین طبیعی است که یک دوره‌ی تطبیق وجود داشته باشد.

نکته‌ی فوق‌العاده جالب این است که با وجود گفت‌وگوهایی مانند «قیمت شما ۱۰۰ برابر افزایش یافته»، که اگر تجربه کرده باشید، چندان خوشایند نیست، اما همه‌ی این پزشکان، تمام کسانی که بیشتر هزینه می‌کنند، در واقع دوباره به Zocdoc برگشتند، به جز یکی. آن‌ها بازگشتند و گفتند: «کیفیت بیماران، حجم دریافت شده و پیش‌بینی‌پذیری برای کسب‌وکار من به‌گونه‌ای است که هیچ جایگزینی وجود ندارد.»

وقتی درباره‌ی تطبیق بیماران فکر می‌کنم، دوباره به کل صنعت نگاه می‌کنم و فکر می‌کنم: «خب، متا فرض می‌کند هوش مصنوعی تبلیغات را بهتر هدف‌گیری می‌کند. گوگل هم فرض مشابهی دارد، اگرچه کمتر اعلام می‌کنند، اما فرضشان این است که هوش مصنوعی به آن‌ها کمک می‌کند تبلیغات را بهتر هدف‌گیری کنند.»

در واقع، شما در حال انجام همان کار هستید: مشتریان و ارائه‌دهندگان را به‌طور واقعی مطابقت می‌دهید. آیا در این زمینه از هوش مصنوعی استفاده می‌کنید؟

بله، برای فرآیند تطبیق حتماً از آن استفاده می‌کنیم.

پارامترهای آن چیست؟

ما اطلاعات زیادی درباره‌ی بیماران داریم، و البته آن‌ها هم پاسخ‌هایی به ما می‌دهند. همچنین اطلاعات زیادی درباره‌ی پزشکان داریم. در برخی موارد، لایه‌هایی از اطلاعات وجود دارد که عمومی نیست. این‌ها اطلاعاتی است که بین پزشکان و Zocdoc و بین بیماران و Zocdoc وجود دارد و ما می‌توانیم از آن برای مطابقت کارآمد استفاده کنیم.

اطلاعات عمومی زیادی هم وجود دارد که باید در نظر گرفته شود: چه پزشکی کارت بیمه شما را قبول می‌کند؟ چه پزشکی بیماران جدید را می‌پذیرد؟ این پزشک چه نوع بیمارانی را ویزیت می‌کند؟ معمولاً برای بیمار با شکایت اصلی شما چقدر زمان می‌گذارد؟ صبح ویزیت می‌کند یا بعدازظهر؟ چند نفر را می‌تواند پشت سر هم ببیند؟

این‌ها همه اطلاعات متا درباره‌ی پزشک است و ما ارتباط مستقیم با برنامه‌های زمان‌بندی آن‌ها داریم تا ببینیم «با توجه به این قوانین، چه زمان‌هایی واقعاً برای شما در دسترس است؟» و سپس سؤالات مربوط به تناسب بالینی را بررسی می‌کنیم که واقعاً حوزه‌ای بسیار جذاب برای رشد ما است.

دلیل اینکه این سوالات را این‌طور می‌پرسم این است که این هسته‌ی Zocdoc است، درست است؟ هر یک از این ارجاعات، حالا که مدل کسب‌وکار تغییر کرده، درآمد برای شماست و اگر بیمار مراجعه کند، همه خوشحال هستند. شما باید سرمایه‌گذاری کنید تا فرآیند تطبیق بهتر شود و این سرمایه‌گذاری همان سرمایه‌گذاری در هوش مصنوعی است که هنوز در مراحل اولیه است.

پیش‌تر درباره‌ی بازده سرمایه‌گذاری‌ها صحبت کردیم که کمی نامعلوم است. چگونه تصمیم گرفتید «خب، من می‌خواهم سرمایه‌گذاری پیشرفته انجام دهم تا هوش مصنوعی را وارد تیم‌های عملکردی کنیم با این فرض که تطبیق‌ها درست‌تر می‌شوند، پزشکان راضی‌تر می‌شوند و بیماران خوشحال‌تر می‌شوند»؟

اول از همه، ما ارجاع نمی‌دهیم؛ بیماران از ما برای گرفتن وقت با پزشکشان استفاده می‌کنند. اما از روز اول چالش این بود که چطور این تطبیق را بهتر کنیم. برای هر کسی که در دنیای واقعی فعالیت می‌کند، فهمیدن تمام موارد استثنا و راه‌هایی که ممکن است اشتباه باشد، حیاتی است. چون اگر قانون ۸۰/۲۰ را اعمال کنید، ۲۰٪ از مشتریان خود را ناراضی می‌کنید و نمی‌توانید این کار را زیاد انجام دهید. بنابراین شما باید دائماً زوم کنید و بگویید «چه موارد لبه‌ای باقی مانده که هنوز درست کار نمی‌کنند؟»

این مشکل کمی شبیه ساحل انگلستان است. اگر از روی نقشه نگاه کنید، به نظر می‌رسد می‌توانید آن را اندازه‌گیری کنید. اما وقتی دقیق می‌شوید، می‌بینید خلیج‌ها، صخره‌ها و ترک‌های ریز وجود دارد. هرچه دقیق‌تر شوید، متوجه می‌شوید «خدای من، هیچ‌گاه تمام نمی‌شود، کار خیلی زیاد است.» حالا هوش مصنوعی عالی است چون می‌تواند این مشکلات را سریع‌تر حل کند و تجربه‌ای یکپارچه‌تر برای بیمار و پزشک ایجاد کند.

اما باید سرمایه‌گذاری می‌کردید، درست است؟ شما تیم عملکردی دارید و دارید یک محصول را با هم می‌سازید تا به یک عدد برسید و بگویید «خب، ما این سرمایه‌گذاری در هوش مصنوعی را انجام می‌دهیم.» احتمالاً اهدافی داشتید. هدف، بیشتر رزرو شدن بیماران با تعداد بیشتری پزشک بود. چگونه تصمیم گرفتید که ارزش دارد؟

ما از روز اول تیمی داشتیم، اگرچه در سال ۲۰۰۷ از هوش مصنوعی استفاده نمی‌کردند، اما از یادگیری ماشین و تکنیک‌های دیگر برای بهبود کیفیت تطبیق استفاده می‌کردیم. ما معتقدیم کیفیت تطبیق عامل تعیین‌کننده‌ی بزرگی است. ما قصد نداریم تعداد رزروها را در یک لحظه بهینه کنیم، بلکه تجربه‌ای که کاربر دارد را بهینه می‌کنیم، چون معتقدیم این عامل تعیین‌کننده‌ای است که آیا دوباره باز می‌گردد و از ما استفاده می‌کند یا خیر. آیا Zocdoc را ترجیح می‌دهند چون ابزار کارآمدی است؟

آیا دیده‌اید که این سرمایه‌گذاری نتیجه داده است؟

۱۸ سال بعد، ما هنوز اینجا هستیم.

(می‌خندد) خب، درباره‌ی هوش مصنوعی به طور خاص. درباره‌ی Zocdoc، بله، اما درباره‌ی هوش مصنوعی به طور خاص؟

بله، قطعاً. ما در حال فکر کردن به راه‌هایی هستیم که هوش مصنوعی نه تنها کاری را که قبلاً انجام داده‌ایم کارآمدتر کند، بلکه چه کارهای جدیدی اکنون ممکن است که پیش‌تر امکان‌پذیر نبود. و بنابراین چیزهای جالبی در آینده می‌آید که وقتی آماده باشیم اعلام کنیم، خوشحال می‌شوم درباره‌ی آن‌ها صحبت کنم.

اجازه بدهید سؤال دیگری از Decoder بپرسم: چگونه تصمیم‌گیری می‌کنید؟ چارچوب شما چیست؟

من در حالت «بنیان‌گذار» نیستم، اگر این سؤال شماست. من فکر می‌کنم فقط سه نوع تصمیم می‌گیرم. اولین نوع، انتخاب افرادی است که به آن‌ها اعتماد دارم و با خود می‌آورم. تیم رهبری ارشد چه کسانی هستند و چه کسی واقعاً می‌تواند ما را به مرحله‌ی بعد برساند؟ وقتی این افراد را درست انتخاب کنم، باید حوزه‌ی خود را بهتر از من بدانند. اگر یک مدیر فروش سازمانی استخدام کنم و مجبور باشم به او آموزش دهم، اشتباه کرده‌ام. این باید روی خودکار باشد و تنها راه آن این است که در کار آن‌ها دخالت نکنم.

دومین نوع تصمیم جایی است که ریسک وجود دارد. سازمان‌ها معمولاً مردم را به ریسک نکردن هدایت می‌کنند و این جایی است که به عنوان بنیان‌گذار، موقعیت ویژه‌ای دارید تا بگویید: «می‌دانید چیست؟ اگر این اشتباه شود، تمام مسئولیتش با من است. اگر درست شد، تماماً مال شماست. شما فکرش را کردید، جلو بروید.» بنابراین وقتی می‌بینم جایی باید ریسک شود، وارد می‌شوم و مطمئن می‌شوم همه می‌دانند که اجازه‌ی مطلق برای ریسک هوشمندانه دارند. ما قصد نداریم از ساختمان بپریم، اما فرصت‌های زیادی وجود دارد.

نوع سوم تصمیم‌گیری زمانی است که مربوط به جهت حرکت توپ (یا به‌اصطلاح «puck») است. این موضوعی است که نیاز دارد ورودی‌های مختلفی را با هم ادغام کنید. پس واضح است که اول باید بدانید چه چیزی از نظر فنی ممکن است. من همچنین با مشتریان زیادی صحبت می‌کنم و می‌فهمم چگونه جهان را می‌بینند، جایی که انگار سنگریزه‌ای در کفششان است. سپس وقت زیادی را در واشینگتن دی.سی می‌گذرانم تا بفهمم «تنظیم‌کننده چه می‌خواهد؟» و سپس باید این‌ها را با هم ترکیب کنید و بگویید «با توجه به این‌ها، چه کاری باید انجام دهیم؟ چه قابلیت‌های جدیدی باید درون شرکت ایجاد کنیم تا بتوانیم چالش بعدی را مدیریت کنیم؟» من معتقدم شرکت‌ها می‌توانند تکامل پیدا کنند و قابلیت‌های جدیدی توسعه دهند. فکر نمی‌کنم قابلیت‌های اصلی شما را محدود کنند، اما باید بدانید چه می‌خواهید و چه چیزی نیاز دارید؛ در غیر این صورت نمی‌توانید با اعتماد آن را بسازید.

اجازه دهید روی جهت حرکت توپ کمی تأکید کنم. Zocdoc یک ارائه‌دهنده خدمات است، دوباره، نسل جدیدی از اپلیکیشن‌ها که مصرف‌کننده با باز کردن گوشی، کنترل بخشی از عملکردهای پشت صحنه را به دست می‌آورد. من می‌خواهم یک خودرو رزرو کنم یا یک پزشک پیدا کنم. این ارائه‌دهندگان خدمات به روش‌های مختلف عمودی و افقی گسترش یافته‌اند. شما کسب‌وکار دارید.

دیروز، OpenAI DevDay داشت. Anthropic هم روی صحنه آمد تا [Model Context Protocol] را معرفی کند. ایده‌ی اینکه هوش مصنوعی ارائه‌دهندگان خدمات را کنار بزند، بسیار واقعی به نظر می‌رسد. من این را «مسئله DoorDash» می‌نامم. اگر من بگویم: «الکسا، برایم یک ساندویچ سفارش بده» و او وارد وب‌سایت DoorDash شود و روی دکمه‌ها کلیک کند و ساندویچ برسد، DoorDash ممکن است از بازار خارج شود.

چون تمام درآمد مرتبط با من که DoorDash را استفاده می‌کنم، از بین می‌رود و آن‌ها فقط به یک تامین‌کننده ساندویچ تبدیل می‌شوند، که کسب‌وکار خوبی نیست. این ممکن است برای شما هم اتفاق بیفتد. ممکن است بگویم: «الکسا، یک پزشک پیدا کن» و او از پشت‌صحنه Zocdoc استفاده کند و شما را کنار بزند، و همه قابلیت‌های جدیدی که می‌خواهید بسازید، کنار گذاشته شوند. آیا درباره‌ی این فکر کرده‌اید؟ آیا می‌خواهید با این نوع عوامل جدید یکپارچه شوید، یا می‌خواهید خودتان بسازید؟

ما با این عوامل یکپارچه می‌شویم و دلیلش این است که فکر می‌کنم ترس DoorDash کمی اشتباه است. چرا؟ به این دلیل که سوالاتی هست که باید از خود بپرسید:

۱. آیا این عوامل شما را کاملاً کنار می‌زنند؟ هیچ کسی که کسب‌وکاری دارد و با دنیای واقعی تعامل دارد، این را نمی‌پذیرد، چون منحنی یادگیری وجود دارد، موارد استثنا وجود دارد، و ما خیلی جلوتر هستیم و همیشه می‌توانیم تجربه بهتری ارائه دهیم. این همان مسئله‌ی «ساحل انگلستان» است. ما ۲۰ سال است که این کار را انجام داده‌ایم؛ کسی نمی‌تواند به این زودی به ما برسد. بنابراین آن‌ها ما را از بازار خارج نخواهند کرد.

۲. آیا آن‌ها سود این بخش‌ها را تخلیه می‌کنند؟ می‌توان گفت: «خب، ممکن است دنیایی وجود داشته باشد که مصرف‌کنندگان هزینه اشتراک به سازندگان این عوامل بدهند و عوامل بهترین قیمت را پیدا کنند.» این برخلاف مدل درآمدی اینترنت است. همه چیز از طریق تبلیغات درآمدزایی شده است. اگر این اتفاق بیفتد، باید فرض کنید تغییری در رفتار انسان‌ها رخ می‌دهد، اما واقعیت این است که مردم چنین کاری نمی‌کنند.

۳. آیا بیشتر سود من را خواهند گرفت؟ ما ۲۰ سال گذشته با گوگل به عنوان یک انحصارگر عادت کرده‌ایم، اما حالا شرایط تغییر کرده است. پنج شرکت بزرگ LLM یا هوش مصنوعی در رقابت هستند تا عامل شما شوند. اگر عاملی وجود داشته باشد که نتواند ساندویچ سفارش دهد، Airbnb رزرو کند، Uber تماس بگیرد یا پزشک رزرو کند، آیا شما از آن استفاده می‌کنید؟ خیر. بنابراین ارائه‌دهندگان خدمات اکنون اهرم بیشتری برای مذاکره با این عوامل هوش مصنوعی دارند، چیزی که قبلاً با گوگل نداشتند.

در واقع، اگر همه قبول کنند MCP راه‌حل است، اهرم زیادی دارید. می‌توانید بگویید «سرور MCP من برای آمازون و گوگل باز است، اما برای مایکروسافت بسته است»، و حالا فقط در حال مذاکره API هستید. برخی شرکت‌ها ممکن است بگویند «خب، ما فقط روی وب‌سایت شما کلیک می‌کنیم و دکمه‌ها را برای کاربر فشار می‌دهیم.» این می‌تواند اهرم شما را نابود کند، اما در همان حال، درآمدی برای آن‌ها نیست و شما همچنان درآمد خود را دارید.

اگر به شرکت‌هایی نگاه کنید که بیشترین ارزش را ایجاد می‌کنند، آن‌ها فقط از طریق تبلیغات این کار را نمی‌کنند. البته تبلیغات بخشی از درآمد است، اما بیشتر از طریق هزینه تراکنش درآمد کسب می‌کنند. اگر ساندویچ سفارش دهید، هزینه خدمات به DoorDash می‌دهید. وقتی Airbnb رزرو می‌کنید، بخشی از هزینه رزرو از شما گرفته می‌شود. بنابراین اگر درآمد تبلیغات کاهش یابد، این درآمد به روش‌های دیگر بازمی‌گردد.

Google مورد جالبی است، چون مرورگر و موتور جستجوی اصلی را در اختیار دارد. آیا فکر می‌کنید می‌توانید با گوگل به شکلی متفاوت از دیگر موتورهای جستجوی عمودی مذاکره کنید؟

ما همیشه می‌خواهیم بیماران را هرجا و هرطور که می‌خواهند کمک کنیم. حتی با شرکت‌های بیمه هم کار می‌کنیم، جایی که Zocdoc مخفی است و بیماران با ورود به حساب بیمه، پزشکان شبکه را می‌بینند و رزرو می‌کنند.

سوال آخر: بزرگ‌ترین رقیب Zocdoc کیست؟

در زمینه بازار اصلی، این کسب‌وکار بسیار دشوار است و موج‌های رقابتی آمده و رفته‌اند. در حال حاضر رقیب اصلی وجود ندارد. دلیل اینکه Zocdoc خاص است همین است: هر کسی بخواهد پزشک پیدا کند، باید با شما تعامل کند. این یعنی شما بانک اطلاعاتی اصلی هستید.

ممکن است رقیب‌های جانبی بگویند «ما بانک اطلاعاتی پزشکان داریم، فقط جلوه کاربری نداریم، اما عامل شما می‌تواند از آن استفاده کند.» اما مشکل نقشه‌برداری و «ساحل انگلستان» باعث شده هیچ رقیبی نتواند تجربه بهتری بسازد. ما چهار سال حتی از نیویورک خارج نشدیم تا به سطح پایه‌ای از عملکرد برسیم، چون ترکیب با سیستم‌های EHR پیچیده است. علاوه بر آن، مسئله انسان‌شناسی نیز وجود دارد: مدیران و کارکنان دفاتر پزشکی چگونه واقعاً از EHR استفاده می‌کنند؟ اطلاعات پنهان چیست؟ ما همه این‌ها را یاد گرفته‌ایم و تجربه دو دهه داریم.

بنابراین، بله، می‌توان رقیب Zocdoc راه‌اندازی کرد، اما تجربه به مراتب بدتری خواهد بود. به همین دلیل است که عوامل هوش مصنوعی می‌خواهند با کسی مثل ما همکاری کنند تا تجربه‌ی عالی برای کاربران ارائه شود.

در مورد OpenAI و ChatGPT، این ربات‌ها کار را کمی بدتر انجام می‌دهند، اما کاربران ممکن است از تجربه‌ی آن‌ها خوشحال باشند. این نوع اختلال واقعی است که نه تنها Zocdoc بلکه کل صنعت با آن مواجه است.

فکر می‌کنم این ایده تا زمانی عالی است که مشکلی پیش نیاید در دنیای واقعی؛ مثلا وقتی که در حال رسیدن به پرواز هستید و اوبری که از طریق ChatGPT گرفته‌اید، نمی‌آید، یا همه رستوران‌ها بسته‌اند و سفارش DoorDash شما انجام نشده، یا وقتی به میامی می‌رسید، Airbnb شما توسط شخص دیگری اشغال شده است. چقدر می‌توان روی چنین چیزی حساب کرد؟ این با گفتن جمله «دوستت دارم» بسیار متفاوت است؛ در مورد آن، انتظارات ما کمتر است، در حالی که مشکلات دنیای واقعی جدی هستند. اینجا همان جایی است که پیشرفت تجربه‌ی اپراتورهای واقعی نسبت به ChatGPT مزیت پایداری ایجاد می‌کند.

من فکر می‌کنم باید ۲۰ دقیقه آخر را به مقایسه‌ی اهمیت گفتن «دوستت دارم» و اهمیت رزرو پرواز اختصاص دهیم.

عالی است! چرا که نه؟

ایده این است که ریسک گفتن «دوستت دارم» کمتر از از دست دادن پرواز است. این موضوع خیلی پیچیده است و می‌توان درباره آن بحث طولانی کرد. یک پلتفرم دیگر هم هست که می‌خواهم درباره‌اش صحبت کنم، و سپس می‌خواهم به مسائل بهداشتی و درمانی بپردازم.

اپل Siri را با App Intents معرفی کرد، یک دستیار پرقدرت که مردم فکر می‌کردند مزیت زیادی خواهد داشت، چون اپ‌ها قبلا روی گوشی هستند. اما به نظر می‌رسید شروعش کمی اشتباه باشد. اخیراً اپل درباره MCP صحبت کرده است؛ عجیب است که صاحب iOS بگوید MCP راه آینده است. آیا اجازه می‌دهید Siri از اپ شما به صورت خودکار استفاده کند؟

بله.

زیرا همان دلیلی که به عوامل سازمانی مانند Veterans Administration یا مراقبان Blue Shield اجازه می‌دهیم اپ را بدون برند استفاده کنند، صدق می‌کند. من قطعا اجازه می‌دهم Siri هم این کار را انجام دهد.

آیا انتظار دارید Siri اپ را باز کند و کلیک کند، یا فقط پایگاه داده و سرویس اپ شما در دسترس باشد؟

ما باید بررسی کنیم که مصرف‌کنندگان واقعاً چه می‌خواهند، اما کاملاً آماده‌ایم مسیر بهینه برای بیمار را پیدا کنیم. این هدف اصلی ماست و موضوعی جدا از رابطه‌ی Siri و Zocdoc است.

رابطه توسعه‌دهندگان اپ با اپل طی سال‌های اخیر دشوار بوده است. آیا فکر می‌کنید حالا در اپل هم می‌توان روابط مختلفی داشت؟

ما روی برد-برد تمرکز داریم، به همین دلیل همیشه رابطه خوبی با همه داشته‌ایم. نمی‌توانم به یاد بیاورم با کسی در جنگ بوده باشیم. تمرکز ما روی کارهایی است که واقعاً می‌خواهیم انجام دهیم. گاهی این اهداف با اهداف دیگران همپوشانی دارد و گاهی نه؛ و در نهایت هر دو طرف دوست باقی می‌مانند و مسیر خود را ادامه می‌دهند. این گفتگوها ادامه خواهند داشت و فضا بسیار سریع در حال تغییر است؛ حتی اپل هم باید بازنگری کند که چگونه راه حل بهینه برای کاربرانش ارائه دهد.

آیا روی MCP مانند دیگران شرط‌بندی می‌کنید یا نسبت به نحوه عملکرد این عوامل بیشتر بی‌طرف هستید؟

فکر می‌کنم باید چند چیز را امتحان کنید. هنوز مشخص نیست این عوامل چگونه سازماندهی می‌شوند تا به کاربران اعتماد بدهند و ابزارها را درست استفاده کنند. بعضی اطلاعات پیچیده ممکن است نیاز به بازخورد بصری داشته باشند، زیرا در یک نگاه می‌توان اطلاعات بیشتری ارائه داد تا توضیح شفاهی.

پس این پارادایم‌ها تکامل می‌یابند؛ برای کارهای ساده مثل «خمیر دندان سفارش بده» متفاوت است با «گزینه‌ها را نشان بده و آن‌ها را طوری مرتب کن که سریع دریافت کنم.» ما آماده‌ایم و خوشحالیم با هر کسی همکاری کنیم که می‌خواهد تجربه را بهتر کند.

یکی از دلایلی که این سؤال را پرسیدم این است که انتقاد به MCP مسائل امنیتی زیادی دارد؛ داده‌ها افشا می‌شوند و دسترسی API غیرقطعی است. در حوزه سلامت، شما مسئولیت حفظ محرمانگی بیمار، دولت و ارائه‌دهنده را دارید. آیا MCP با کسب‌وکار شما سازگار است؟

من در مورد محدودیت‌های فنی اظهار نظر نمی‌کنم. فقط می‌گویم در برخی حوزه‌ها AI را به گونه‌ای استفاده می‌کنیم که به نتایج صحیح برسیم و قابل آزمایش باشد. ما چارچوب‌هایی ایجاد کرده‌ایم که اطمینان می‌دهد خطا و خروج از محدوده مجاز رخ ندهد. این چارچوب هیبرید بین بخش‌های قطعی اپلیکیشن و بخش‌های مبتنی بر LLM است. در آینده باید راهی پیدا کنیم تا امنیت داده‌ها و کاربران حفظ شود و نتایج غیرمنتظره رخ ندهد. این موضوع قابل حل است و هنوز به نتایج خوب می‌رسیم.

شما در اینجا به توسعه‌ی هیبرید اشاره کردید. شرط‌بندی در AI این است که همه چیز توسط AI انجام شود؛ همه برنامه‌ها، تعاملات و خدمات در چارچوب LLM و MCP کار خواهند کرد. این شرط‌بندی باعث سرمایه‌گذاری‌های زیادی شده که آینده همه چیز در این چارچوب خواهد بود.

شما یک چارچوب بسیار متفاوت را توصیف می‌کنید. می‌گویید: «من باید این مدل‌ها را با الگوریتم‌ها و سیستم‌های سنتی و قطعی احاطه کنم تا نتایجی که نیاز دارم تضمین شود، و این در واقع آینده کسب‌وکار ماست.» این شرط‌بندی رایج سرمایه‌گذاری نیست و همه پول‌های عظیم سرمایه‌گذاری‌شده روی این فرض انجام نمی‌شود، اما با صحبت با شما، به نظر می‌رسد که در این روش بسیار مطمئن هستید. آیا فکر می‌کنید مسیر واقعی برای سیستم‌های AI وجود دارد تا همانند مدل هیبریدی که توصیف می‌کنید عمل کنند؟

نه، امروز نه. آیا مسیر رسیدن به آن در آینده وجود دارد؟ کسانی که از من باهوش‌ترند، صدها میلیارد دلار روی آن سرمایه‌گذاری می‌کنند.

آیا آن‌ها از شما باهوش‌ترند؟

قطعاً. این یک چیز قطعی است. اما آن‌ها سرمایه‌گذاری زیادی کرده‌اند و احتمالاً به این باور رسیده‌اند که می‌توانند به AGI برسند، شاید حتی فردا. اما به عنوان یک ناظر، فکر می‌کنم این احتمال کمتر است. اخیراً انتشار Sora را داشتیم؛ اگر کسی انتظار AGI نزدیک داشت، واقعاً روی ابزار ویرایش ویدئو سرمایه‌گذاری نمی‌کرد، بلکه روی AGI کار می‌کرد. بنابراین احتمالاً هنوز سال‌ها تا رسیدن به این نقطه فاصله داریم و این زمان کافی برای یادگیری اینکه کدام عناصر مفیدند، فراهم می‌کند.

در زندگی، پاسخ اغلب «بستگی دارد» است. برای بعضی کارها، LLMها همان‌طور که امروز هستند عالی‌اند. برای برخی کارها، نمی‌توان به آن‌ها اعتماد کرد و نیاز به لایه ارکستراسیون داریم، و باید ببینیم این روند چگونه تکامل می‌یابد. نمی‌توانم دنیایی تصور کنم که همه چیز یکسان باشد؛ حتی اکنون ایالات متحده هنوز در حال ساخت چیپ‌های ۸۰۸۶ است، همان چیپ‌هایی که ۴۰ سال پیش وجود داشت.

حالا، دولت آمریکا هم در حال ساخت همین چیپ‌هاست که واقعاً ذهن‌تان را درگیر می‌کند.

بیایید وارد حوزه سلامت شویم. سلامت در آمریکا شدیداً تنظیم شده است و در معرض تهدید است. ما در میانه تعطیلی دولت صحبت می‌کنیم، که بر آینده قانون Affordable Care Act (ACA) و چگونگی پرداخت‌ها اثر می‌گذارد.

Zocdoc وجود دارد چون مردم باید به پزشک مراجعه کنند، و اغلب به دلیل داشتن بیمه، فیلتر اول پیدا کردن پزشکی است که بیمه آن‌ها را بپذیرد. بازار در حال حاضر تحت فشار زیادی است. به عنوان سازنده بازار، چه واکنشی مشاهده می‌کنید؟

راز Zocdoc، بینش مخالف جریان اصلی، این است که پزشکان به اندازه‌ای که به نظر می‌رسد شلوغ نیستند. حدود ۳۰٪ ظرفیت آن‌ها از لغوهای لحظه آخری، عدم حضور و تغییر برنامه آزاد است. با افزایش فشار به پزشکان به دلیل اختلافات بودجه و تخصیص منابع، استفاده از این ۳۰٪ ظرفیت بیشتر اهمیت پیدا می‌کند.

بنابراین آن‌ها می‌توانند بیشتر از گذشته از Zocdoc استفاده کنند. ما در کار کمک به اتصال بیماران و پزشکان هستیم و خوشحالیم که این پل را ایجاد کنیم و اطمینان حاصل کنیم که پزشکان کسب‌وکارهای پایداری داشته باشند. هدف گسترده ما، به حداکثر رساندن پتانسیل بازارمان است، که شامل بهبود دسترسی، کیفیت و هزینه است. ما با دسترسی شروع کردیم چون بیشترین مشکل را داشت و همچنین این مسیر مقیاس کافی برای تمرکز بر مشکلات دیگر در آینده فراهم کرد.

با توجه به فشار فعلی روی هزینه‌ها، آیا احتمال دارد یارانه‌های ACA در سراسر کشور تغییر کنند و هزینه‌ها سر به فلک بکشد و برخی ارائه‌دهندگان کسب‌وکار خود را از دست بدهند؟

فکر نمی‌کنم اینطور شود. نگاهی به دوره قبل از ACA بیندازید؛ بیماران بیمه‌نشده بیشتری بودند، اما هنوز درمان می‌شدند. پزشکان جبران می‌کردند با دریافت هزینه بیشتر از بیماران با بیمه تجاری. وقتی این مراقبت‌های جبران‌نشده به ACA منتقل شد، افزایش نرخ کلی کمی آهسته‌تر شد.

ما در واقع هزینه کل مراقبت را کاهش نمی‌دهیم. تنها راه کاهش آن این است که مردم را از Medicaid یا ACA محروم کنیم و درمان را متوقف کنیم، که تاکنون هیچ‌کس چنین پیشنهادی نداشته است، چون پیامدهای اجتماعی بسیار شدیدی دارد.

یک انتقاد کلی از سیستم سلامت آمریکا، چه با ACA و چه بدون آن، این است که تجاری شده است و بازارمحور است. خانواده من پزشک هستند و نظرات زیادی در این مورد دارند.

عدم شفافیت قیمت در سیستم تجاری‌شده، جایی که قیمت‌ها اغلب مخفی یا از قبل توافق شده و صورت‌حساب‌های متعدد دریافت می‌کنید، بسیار درست و آزاردهنده است. به عنوان سازنده بازار، اگر سیستم بیشتر تجاری شود و چارچوب مقرراتی تغییر کند، آیا شفافیت قیمت را در Zocdoc ارائه می‌کنید و می‌گویید «هزینه این پزشکان اینقدر است»؟

در زمان مناسب، پاسخ مثبت است. ما خود را به عنوان اتحادی از بیماران می‌بینیم و از قدرت خرید جمعی آن‌ها برای ایجاد تغییر استفاده می‌کنیم. ارائه‌دهندگان پاسخگو بوده‌اند؛ ما می‌گوییم «بیماران می‌خواهند ساعات کاری صبح یا عصر تغییر کند، یا اطلاعاتی درباره هزینه‌ها نیاز دارند.»

وجود Zocdoc به عنوان بازاری که تصمیمات میلیون‌ها بیمار را ترکیب می‌کند، محرکی برای تغییر است. این با تلاش دولت متفاوت است، که قانون الزام‌آور است و اگر رعایت نکنید، مجازات می‌شوید. Zocdoc می‌تواند رفتار درست را پاداش دهد؛ مثلا اگر اطلاعات بیشتری ارائه دهید، در جایگاه برجسته‌تری در بازار قرار می‌گیرید.

به عنوان مثال، با Veterans Administration و Blue Shield of California همکاری کرده‌ایم و زمان دسترسی به پزشک را از چند هفته به چند روز کاهش داده‌ایم. هدف ما این است که سیستم را از پایین به بالا بهتر کنیم و با نهادهایی که واقعاً تلاش می‌کنند، همکاری کنیم.

همچنین اشاره کردید که بزرگترین درخواست بیماران چیست؛ واقعیت این است که سلامت پیچیده است و همیشه مشغول بهبود خدمات ساده‌ای هستیم که امروز ارائه می‌دهیم و اطمینان حاصل می‌کنیم که بیماران پزشکان مناسب‌تری برای شرایط خود پیدا کنند. هدف ما این است که بیمار بدون نیاز به مراجعه مستقیم به Zocdoc تجربه خوبی داشته باشد.

هر کجا که باشید، ما آنجا به سراغتان می‌آییم و شروع می‌کنیم به بهبود تجربه شما با همان سهولت و راحتی که اکنون در Zocdoc دارید. و تا جایی که نیاز باشد مراحل را به صورت آفلاین طی کنید، مثل تماس گرفتن با مطب پزشک، ما می‌خواهیم تجربه شما را در آنجا نیز بهتر کنیم. ما واقعاً تلاش می‌کنیم یک سیستم جامع برای شما به عنوان بیمار باشیم، به طوری که هر تعامل شما با سیستم سلامت آمریکا بهتر شود، چه بدانید که Zocdoc در پس‌زمینه فعالیت می‌کند یا نه.