Abridge के अंदर: 10 करोड़ डॉक्टर विज़िट सुनने वाला AI — Abridge की Janie Lee और Chai Asawa

The first and most important thing is context is everything as Tai alluded to. सबसे पहले और सबसे महत्वपूर्ण बात, जैसा कि Chai ने संकेत दिया, context ही सब कुछ है। And I also think about how do we go from being reactive alerting to really proactive intelligence at the point at which it matters most. और मैं यह भी सोचती हूं कि हम reactive alerting से real proactive intelligence की तरफ कैसे जाएं, जहां सबसे ज़रूरी हो। One thing we like to say is we want our product to feel like air conditioning. हम एक बात हमेशा कहते हैं कि हम चाहते हैं हमारा product एयर कंडीशनिंग जैसा लगे। It should be in the background just making things better. यह background में रहे और चीज़ों को बेहतर बनाता रहे। And maybe if and if there is something that has great clinical risk and we're acutely aware that intervening now and not later is incredibly important, we should decide to act. और अगर कभी कोई ऐसी चीज़ हो जिसमें clinical risk बहुत ज़्यादा हो, और हमें पूरी तरह पता हो कि अभी दखल देना बाद में देने से कहीं ज़्यादा ज़रूरी है, तो हमें कदम उठाना चाहिए। Before we get into today's episode, I just have a small message for listeners. आज के episode में जाने से पहले, listeners के लिए एक छोटा-सा message है। Thank you. शुक्रिया। We would not be able to bring you the AI engineering, science, and entertainment content that you so clearly want if you didn't choose to also click in and tune into our content. अगर आप हमारे content में आकर tune नहीं करते, तो हम AI engineering, science, और entertainment की वह content आप तक नहीं पहुंचा पाते जो आप इतनी शिद्दत से चाहते हैं। We've been approached by sponsors on an almost daily basis. Sponsors लगभग रोज़ हमसे संपर्क करते हैं। But fortunately, enough of you actually subscribe to us to keep all this sustainable without ads and we want to keep it that way. लेकिन सौभाग्य से, आप में से काफी लोग हमें subscribe करते हैं, जिससे बिना ads के यह काम sustainable रहता है, और हम इसे ऐसे ही रखना चाहते हैं। But I just have one favor to ask all of you. लेकिन बस एक छोटी-सी request है। The single most powerful, completely free thing you can do is to click that subscribe button. सबसे powerful और पूरी तरह मुफ्त काम जो आप कर सकते हैं वह है: उस subscribe button को click करना। It's the only thing I'll ever ask of you. यही एकमात्र चीज़ है जो मैं आपसे कभी मांगूंगा। And it means absolutely everything to me and my team that works so hard to bring the Inspace to you each and every week. और इसका मतलब मेरे और मेरी पूरी team के लिए बहुत कुछ है, जो हर हफ्ते आपके लिए Latent Space को बेहतर बनाने में जुटी रहती है। If you do it, I promise you we'll never stop working to make the show even better. अगर आप करते हैं, तो मेरा वादा है कि हम show को और बेहतर बनाने की कोशिश कभी नहीं छोड़ेंगे। Now, let's get into it. चलिए, शुरू करते हैं। Okay, this is a special crossover late in space unsupervised learning pod. ठीक है, यह एक खास crossover episode है, Latent Space और Unsupervised Learning podcast का। Very, very excited to do this, you know, once a year at this point. बहुत excited हूं, यह साल में एक बार हो पाता है। We get together and this is a fun occasion to get to do it on. हम सब मिलते हैं और यह एक मज़ेदार मौका होता है। Uh we I really wanted to talk to a bridge. मैं Abridge के बारे में बात करना चाहता था। Uh but I felt very underqualified because it's healthcare is not something we cover very intensely and it just so happens that points are big big investors and supporters of uh bridge. लेकिन मुझे लगा मैं काफी कम qualified हूं क्योंकि healthcare कोई ऐसा विषय नहीं है जिसे हम बहुत गहराई से cover करते हैं, और ऐसे में Redpoint Abridge के बड़े investors और supporters हैं। So तो anytime you want to have a portfolio company on on your podcast so please by all means. जब भी कोई portfolio company को आपके podcast पर लाना हो, तो बिल्कुल आ जाइए। So we introduce our guests um Chai and Janie welcome to the pod. तो हम अपने guests को introduce करते हैं, Chai और Janie, pod में आपका स्वागत है। Thanks for having us. आने का शुक्रिया। We're excited to be here. हम यहां होकर बहुत excited हैं। Thank you. शुक्रिया। Yeah. हां। So for for listeners तो listeners के लिए, uh what do you guys do just to situate you guys in the in the company? company में आप दोनों क्या करते हैं, यह बताइए। Uh Bridge is a clinical intelligence layer for health systems. Abridge एक clinical intelligence layer है health systems के लिए। We really started with documentation and building for clinicians. हमने documentation से शुरुआत की और clinicians के लिए product बनाया। And we think that, you know, as we think about reducing the burden that clinicians have, they're spending 10 to 20 hours a week on documentation. और हमारा मानना है कि clinicians पर जो बोझ है उसे कम करने के लिए, वे documentation में हफ्ते में 10 से 20 घंटे बिताते हैं। There's a massive doctor shortage in the country. देश में doctors की भारी कमी है। We also think that conversations between patients and clinicians are probably the most important workflow in healthcare. हम यह भी मानते हैं कि मरीज़ों और clinicians के बीच की बातचीत healthcare का सबसे अहम workflow है। It's obviously where care is given and received, but if you think about the 20% of our GDP that goes towards healthcare, almost everything is a derivative of that conversation, whether it's the claim, the payment, the actual diagnosis given the treatment. यह वह जगह है जहां care दी और ली जाती है, लेकिन जब आप सोचते हैं कि हमारी GDP का 20% healthcare पर जाता है, तो उस बातचीत का लगभग हर derivative, चाहे claim हो, payment हो, diagnosis हो या treatment, उसी से निकलता है। And we've started with a conversation to reduce the burden for doctors on documentation, but we're really excited about the path ahead as we become this broader clinical intelligence layer. हमने documentation का बोझ कम करने के लिए उस बातचीत से शुरुआत की, लेकिन आगे एक broader clinical intelligence layer बनने का सफर हमें बहुत excited करता है। I'm Chai. मैं Chai हूं। I work on clinical decision support at ABridge. मैं Abridge में clinical decision support पर काम करता हूं। And so I think as Jenny said that we have this we're uniquely situated where we started off with the clinical note. जैसा Janie ने कहा, हम एक unique position में हैं, हमने clinical note से शुरुआत की। What I'm really excited about and where we're expanding towards is what are all the things you can do before the conversation during the conversation and after the conversation if you did have access to all the context about patients pair guidelines medical literature and put that together and to serve you know what how healthcare could look fundamentally different. मुझे सबसे ज़्यादा यह बात excited करती है कि अगर आपके पास patients, payer guidelines, medical literature सब का context हो, तो उस बातचीत से पहले, दौरान, और बाद में आप क्या-क्या कर सकते हैं, और यह सब मिलाकर healthcare को कितना fundamentally अलग बना सकते हैं। Yeah. हां। And that's like the context engine that you guys have. यही तो वह context engine है जो आपलोगों के पास है। Is that what it's called? क्या उसे वही कहते हैं? Okay. ठीक है। Uh so historically as I understand it company started in 2018. तो historically, जहां तक मेरी समझ है, company 2018 में शुरू हुई। Uh a lot of people would be familiar with like the AI voice notes form factor that that doctors would be like well do you consent to be being recorded? बहुत लोग उस AI voice notes form factor से परिचित होंगे, जहां doctor कहते थे, 'क्या आप recording के लिए consent देते हैं?' It replaces handwriting and what have you. यह handwriting की जगह लेता था, वगैरह। Uh but I it it sounds like more recently there's been a big transition in the company or just tell me about like the the broader transition. लेकिन लगता है हाल ही में company में एक बड़ा transition आया है, मुझे उस broader transition के बारे में बताइए। Yeah. हां। So from a transition perspective, we really think about our journey तो transition के नज़रिए से, हम अपनी journey को इस तरह सोचते हैं, as how do we, you know, first chapter was first act was how do we help save time and that's where a lot of that original product was पहला act था: हम time कैसे बचाएं? और original product उसी के इर्द-गिर्द था। which like by the way one of the interesting stats on your landing page was like people spend doctors spend like time after hours. वैसे, आपके landing page पर एक interesting stat था, doctors घर पर, काम के बाद घंटों बिताते हैं। They call it pajama time. उसे 'pajama time' कहते हैं। Okay. अच्छा। Why is that pajama time? यह 'pajama time' क्यों? Uh doctors after work in their pajamas at home or just writing and catching up on their notes every day. Doctors काम के बाद घर पर, pajamas में बैठकर अपने notes लिखते और पूरे करते हैं। And you know, I think some of our favorite customer love stories. और मुझे लगता है हमारी कुछ favorite customer love stories हैं। We have a Slack channel called Love Stories. हमारा एक Slack channel है जिसका नाम है 'Love Stories'। We have clinicians telling us a bridge has helped us, you know, from retiring early. Clinicians हमें बताते हैं कि Abridge ने उन्हें early retirement से बचाया। We're now finally able to go home and eat dinner with our kids for the first time and हम आखिरकार पहली बार घर जाकर बच्चों के साथ खाना खा पा रहे हैं, save their marriage and some. शादियां भी बच रही हैं। Yeah. हां। One of your quotes was like we're not divorcing anymore. आपका एक quote था, 'हम अब divorce नहीं ले रहे।' Like why? क्यों? Like जैसे cuz they're working too much, I guess. क्योंकि वे बहुत ज़्यादा काम कर रहे थे, शायद। Yeah. हां। But um in terms of where we're going and where we're expanding, we really think about our second and third acts around how do we help health systems save and make more money. लेकिन हम जहां जा रहे हैं और जहां expand कर रहे हैं, हम अपने दूसरे और तीसरे act को इस तरह सोचते हैं: health systems को पैसे कैसे बचाएं और कैसे कमाएं। Health systems are operating with, you know, record low operating margins. Health systems record low operating margins के साथ काम कर रहे हैं। It's getting harder and harder to serve patients. मरीज़ों की सेवा करना और मुश्किल होता जा रहा है। And they have regulatory, some tailwinds, but also a lot of headwinds coming their way. और regulatory मोर्चे पर कुछ tailwinds हैं, लेकिन बहुत सारे headwinds भी। And we think AI is ripe for helping on the saving and make more money piece. हमारा मानना है कि AI इस पैसे बचाने और कमाने की कोशिश में ज़बरदस्त मदद कर सकता है। And then ultimately, how do we help save lives? और अंततः, हम जानें बचाने में कैसे मदद करें? The fact that our software and our product is open millions of times a week before, during, and after a patient walks in the room um gives us massive opportunity with products like clinical decision support, what Chai is building, but so many others to actually improve patient outcomes and probably one of the most important workflows and and problems to be going after right now. हमारा software और product हफ्ते में लाखों बार खुलता है, मरीज़ के कमरे में आने से पहले, दौरान, और बाद में, तो इससे हमें clinical decision support जैसे products के साथ, जो Chai बना रहे हैं, मरीज़ों के outcomes को बेहतर बनाने का बड़ा मौका मिलता है। I mean I think one thing that's that's interesting chai is obviously you came over to a bridge from glee and I think about clinical decision support uh which is you know for our listeners is basically you know in the context of a visit helping a doctor figure out the right type of care it's really a search problem in many ways right of of going through lots of different data sources very analogous to your previous role as as as one of the uh earliest engineers over at Glean um I'm sure a lot of our listeners are curious what's uh similar about the problem set you're going after now and what feels different uh now that you're you're in healthcare एक interesting बात यह है कि Chai, आप Glean से Abridge आए, और clinical decision support, जो basically एक patient visit के context में doctor को सही care के लिए guide करने की search problem है, काफी हद तक आपके पिछले role जैसा है जहां आप Glean में earliest engineers में से एक थे। हमारे listeners जानना चाहते हैं, दोनों problem sets में क्या similar है और healthcare में आने से क्या अलग लगता है? Yeah. हां। Um, very similar. बहुत similar। And I I think taking a step back, I think with every wave, there's a lot of like very similar patterns that happen across different products. मुझे लगता है एक step back लें, हर wave में बहुत similar patterns दिखते हैं, अलग-अलग products में। A lot of social networking products look the same. बहुत सारे social networking products एक जैसे दिखते हैं। A lot of like crowd-based products look the same. बहुत सारे crowd-based products एक जैसे दिखते हैं। And I think we're seeing that's very similar in the agent era with many companies, of course, in Redpoint's portfolio and so forth. और agent era में भी, Redpoint के portfolio की कंपनियों समेत, यही pattern देख रहे हैं। Um, and the key insight between both companies is that like you have amazing models, but like context is king and context is what actually puts them to work. दोनों companies की key insight यह है कि आपके पास amazing models हैं, लेकिन context ही राजा है, context ही उन्हें काम में लाता है। Um so I see in a lot of ways a lot of similarities and like this is a healthcare coded version of clean but I think the differences are really interesting. मैं इसे एक healthcare-coded version of Glean की तरह देखता हूं, लेकिन जो differences हैं वे सच में interesting हैं। A couple things that come to mind. कुछ बातें दिमाग में आती हैं। First and foremost uh like the rigor at which in which in in the setting we are in um the downside risk is extremely high here in healthcare. पहली और सबसे ज़रूरी बात, जिस माहौल में हम काम करते हैं उसमें downside risk बेहद ज़्यादा है। It can actually be fatal in some cases. कुछ cases में यह जानलेवा भी हो सकता है। You prescribe something that the patient is allergic to for example. मान लीजिए आपने कोई दवा prescribe की जिससे मरीज़ को allergy है। Whereas at Glean it's like oh you got the question wrong. जबकि Glean में गलत जवाब मिल जाए तो, 'ओह, question गलत हो गया।' it wasn't the end of the world in most most cases. ज़्यादातर cases में दुनिया खत्म नहीं होती थी। And so what does that mean? तो इसका क्या मतलब है? That shapes our evaluation strategy, both offline evaluation, progressive roll out, and there's a lot more we could kind of go into there. इससे हमारी evaluation strategy बनती है, offline evaluation, progressive rollout, और इस पर काफी कुछ कहा जा सकता है। Second thing that comes to mind is like vertical versus horizontal. दूसरी बात जो दिमाग में आती है वह है horizontal बनाम vertical। Um, in both cases, there's there's a large variance, but when Glean is it's a much more horizontal company, there's a variance of personas, companies that you're working with. दोनों में variance बहुत ज़्यादा है, लेकिन Glean ज़्यादा horizontal company है, वहां personas और companies का काफी wide variance है। Um we also have a variance of uh personas, different types of specialties, different hospital systems, but the variance is a little more narrow. हमारे यहां भी personas का variance है, अलग-अलग specialties, अलग-अलग hospital systems, लेकिन वह थोड़ा narrower है। So from a product perspective, you're able to focus far more, especially when you have a maturing technology and you're building new products that never existed before. Product perspective से, जब technology mature हो रही हो और ऐसे नए products बन रहे हों जो पहले कभी थे ही नहीं, तो आप कहीं ज़्यादा focused रह सकते हैं। It lets you go specific uh go after them much more easily and especially in healthcare where so many problems have were solved with labor and process that's actually extremely ripe for AI to keep helping augment and enable. इससे आप specific problems को कहीं आसानी से target कर सकते हैं, खासकर healthcare में जहां बहुत सारी समस्याएं labor और process से solve होती थीं, वहां AI का मौका बहुत बड़ा है। Um, and then the final thing that I think that's really interesting, Bridge specifically compared to many other companies in the AI area is the modality we started with. और अंतिम जो चीज़ interesting लगती है, Abridge की modality बाकी companies से अलग है। We're we're ambient and we're always listening in the background. हम ambient हैं, हम हमेशा background में सुन रहे हैं। And I think many more AI products will go that way, but it's actually how we started. मुझे लगता है बहुत सारे AI products उस तरफ जाएंगे, लेकिन हमने तो शुरू से यही किया।