Third-party research. These entries are summaries of publicly available company reports, vendor case studies, and peer-reviewed publications. They are not Ajentik customer references. Every numeric claim links back to its original source; entries marked vendor-sourced reflect figures published by the vendor and have not been independently audited.
Industry Research
Sourced summaries of how leading organisations are deploying AI in healthcare and adjacent industries — drawn entirely from public reporting.
Healthcare Industry
メイヨークリニックAIファクトリー：プラットフォーム駆動型臨床AI
世界最大の非営利統合医療システムが最も積極的な AI 採用者となる
チャレンジ
Mayo faced the need to democratize AI development across their organization with 76,000 staff, enable clinicians to create AI solutions without extensive technical expertise, manage a large concurrent portfolio of AI projects and ensure regulatory compliance for medical AI applications while maintaining patient safety.
Reported approach
Mayo は、Google の Vertex AI 上で AI Factory プラットフォームを開発し、AI ツールの「シチズン開発」を可能にしました。彼らの自律エージェントには、ECG 読み取り値からの心臓病の検出 (FDA 承認)、ICU キャパシティ管理システム、および癌研究のための仮説駆動型 AI が含まれます。このプラットフォームには、ガバナンスのための医療機器としてのソフトウェア審査委員会が設置されています。
Reported outcomes
- ·不整脈検出を含む 5 つの AI アルゴリズムに対する FDA の認可
- ·アヌマナなどのスピンオフ企業を通じて商業化に成功
- ·Apple Watchとの統合により数百万人が心臓モニタリングを実現
- ·次世代を育成する医療AI学位プログラムを設立
- ·パイロット部門での診断エラー削減（Mayo内部報告に基づく具体数値）
- ·運用の効率化による節約（Mayo内部報告に基づく具体数値）
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Mayo Clinic operates its own AI programs (Mayo Clinic Platform). No Ajentik partnership exists or is implied. Only the figures shown in the tiles below are reported by Mayo Clinic or its public partners; other narrative figures previously cited in this entry have been removed pending a primary source.
マルチモーダル AI エコシステム: 包括的な医療変革
23 の病院と 276 の外来施設が年間 1,370 万人の患者に対応
チャレンジ
The organization with 82,600 employees faced overwhelming administrative burden on clinicians, poor quality medical documentation affecting patient care, operational inefficiencies costing millions annually and high call volumes disrupting primary care services with 30+ minute wait times.
Reported approach
Cleveland Clinic deployed multiple specialized AI agents: Ambience Healthcare for real-time clinical documentation, AKASA for intelligent medical coding (processing 100+ documents in 1.5 minutes), predictive analytics for synthetic data generation and AI-powered phone systems for patient communication. These agents work together in an integrated ecosystem.
Reported outcomes
- ·3 回の呼び出し音以内に 100% 電話応答 (30 分以上の待ち時間から)
- ·低品質の医療画像を 66% 削減
- ·プライマリケアにおける 1 日あたりのコール数が 220 件減少
- ·自動化により毎週 15 日の労働日を節約
- ·82% の自律的な通話処理
- ·運用コストを年間 1,500 万ドル節約
- ·業務効率が 28% 向上
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Cleveland Clinic runs its own AI programs through Cleveland Clinic Innovations. No Ajentik partnership exists or is implied. Figures cited are drawn from Cleveland Clinic public communications.
オンコロジー AI オーケストレーター: 高度な臨床アプリケーション
AI を活用したがん治療で年間 4,000 人の腫瘍ボード患者にサービスを提供
チャレンジ
スタンフォード大学は、医師が画像、病理学、ゲノミクス、臨床記録の検討に患者 1 人あたり 1.5 ～ 2.5 時間を費やし、情報過多に直面していました。急速に進化するがん研究（30秒ごとに新しい論文が発表される）に追いつくのが難しい。時間のかかる腫瘍ボードの準備、および 400,000 以上のアクティブな臨床試験から適切な臨床試験に患者をマッチングするという課題があります。
Reported approach
Stanford deployed Microsoft-powered Healthcare Agent Orchestrator featuring specialized agents: tumor board agent analyzing multimodal data, care coordination agent providing treatment recommendations, research literature agent processing medical updates and clinical trial matching agent. The system uses secure Azure infrastructure with comprehensive FURM assessment for AI fairness.
Reported outcomes
- ·年間 4,000 人の腫瘍ボード患者をサポート
- ·医師の準備時間の 60% 削減 (2.5 時間から 1 時間へ)
- ·マルチモーダル分析により診断精度が 25% 向上
- ·治療の決定を数日から数時間に短縮します
- ·毎月 10,000 以上の研究論文を処理
- ·初年度以内に 300% の ROI
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Stanford Medicine and Microsoft Research conduct legitimate published work in this area. No Ajentik partnership exists or is implied. Figures cited are drawn from Stanford HAI and Microsoft Research publications.
新型コロナウイルス感染症の創薬: 研究の加速
AI を活用した創薬により、記録的な速さで新型コロナウイルス感染症の治療法を特定
チャレンジ
新型コロナウイルス感染症（COVID-19）のパンデミック中、研究者らは毎日50万件を超える症例、圧倒的な量の科学文献（毎週5,000件以上の新型コロナウイルスに関する論文が発表）、従来の10～15年に及ぶ医薬品開発スケジュール、長期にわたる治験を避けるために迅速に転用できる安全な既承認薬を特定する必要性など、治療選択肢の緊急の必要性に直面した。
Reported approach
BenevolentAI deployed autonomous agents including biomedical literature mining agent processing millions of scientific papers, drug-target interaction agent predicting novel relationships using knowledge graphs, clinical trial optimization agent for patient selection and ADME prediction agent for drug properties. The system identified baricitinib as potential treatment in just 4 days.
Reported outcomes
- ·バリシチニブは2020年11月までにFDA緊急使用許可を取得
- ·レムデシビルと併用すると回復時間が 71% 短縮されることが実証されました
- ·AAK1阻害によりサイトカインストームの軽減に成功
- ·一般的な 10 年間のタイムラインを 9 か月に圧縮
- ·アルツハイマー病治療薬ターゲットで8億ドルの取引につながった
- ·Analyzed 1M+ scientific papers in days vs years
- ·現在、他の 20 以上の疾患領域に適用されています
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
予測型高齢者ケア: AI を活用した転倒予防と健康モニタリング
Wearable AI platform revolutionizes senior care with continuous behavioral monitoring and predictive analytics
チャレンジ
高齢者向け住宅施設は、健康問題が事故発生後にのみ対処されるという事後対応型のケアモデルに直面していました。転倒は65歳以上の成人の傷害死亡の主な原因であり、年間医療費が500億ドルに達している。施設は、スタッフ不足、一貫性のないモニタリング、緊急事態前に健康状態の悪化を予測できないことに悩まされていました。
Reported approach
CarePredict は、食事、睡眠、歩行、トイレの使用など 18 以上の日常活動を継続的に監視する手首に装着する AI デバイスである Tempo を開発しました。このシステムは機械学習を使用して個々のベースラインを確立し、健康事象に先立つ微妙な逸脱を検出します。 AI アルゴリズムは、尿路感染症を症状の 3.5 日前に予測し、尿路感染症が起こる前に転倒し、活動パターンの変化によるうつ病の発症を予測します。
Reported outcomes
- ·導入された施設全体で転倒が 69% 削減
- ·監視対象住民の入院が 39% 減少
- ·臨床症状の 3 日以上前に尿路感染症を予測する精度は 80%
- ·臨床診断の2～3週間前にうつ病を予測
- ·スタッフは手動監視タスクにかかる時間を毎日 2 時間以上節約できます
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI 高齢者向けコンパニオン: 孤独と大規模に闘う
共感力のある AI を搭載したソーシャル ロボットは、毎日 30 回以上のやり取りで高齢者の孤立を軽減します
チャレンジ
社会的孤立は65歳以上の高齢者の4人に1人に影響を及ぼし、死亡リスクは26％、認知症リスクは50％増加する。定期通話やコミュニティ プログラムなどの従来のソリューションは、孤立した高齢者の一部にしか届きません。新型コロナウイルス感染症のパンデミックは孤立を悪化させ、多くの高齢者が有意義な人間関係のない日々を過ごしている。
Reported approach
ElliQ は、会話を開始したり、活動を提案したり、薬のリマインダーを提供したり、家族とのビデオ通話を促進したり、健康運動を指導したりする、プロアクティブな AI コンパニオンです。コマンドを待つ受動的なデバイスとは異なり、ElliQ は共感力のある AI を使用して、気分を感知し、好みを学習し、一日を通して高齢者と関わります。このロボットは、会話的な AI と、感情的なつながりを生み出す物理的な存在を組み合わせています。
Reported outcomes
- ·ユーザーの 95% が 30 日後に孤独感が軽減されたと報告
- ·高齢者は毎日 30 回以上 ElliQ とやり取りしています
- ·12 か月にわたるユーザー維持率 90%
- ·ガイド付きエクササイズにより毎日の身体活動量が 80% 増加
- ·ElliQ の促進により家族のビデオ通話が 3 倍に増加
- ·ニューヨーク州はメディケイド受給者に800台以上のユニットを配備
- ·ユーザー 1 人あたりの推定年間医療費削減額が 10,000 ドル以上
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI を活用した退院: 患者の流れのボトルネックを解消
機械学習プラットフォームにより超過入院日数が削減され、数百万ドルの運用コストが節約されます
チャレンジ
退院は、医師、看護師、ソーシャルワーカー、薬剤師、急性期後施設間の調整が必要となる複雑なことで知られています。 OhioHealth は、14 の病院で年間 150 万人の患者にサービスを提供していますが、退院の遅延に悩まされており、超過 1 日あたり 800 ドル以上の費用が発生しています。患者は保険の承認や熟練した看護師の配置などの非臨床プロセスを待つために入院したままになることがよくありました。
Reported approach
Qventus deployed AI agents that predict discharge readiness, automate milestone tracking and orchestrate multi-team workflows. The system analyzes 100+ variables including clinical status, social determinants and post-acute bed availability to predict and accelerate safe discharges. AI identifies barriers early and automatically routes tasks to appropriate team members.
Reported outcomes
- ·初年度に 8,554 の超過患者日数を削減
- ·スループットの向上により年間 170 万ドルを節約
- ·平均滞在日数が0.5日短縮
- ·放電工程効率25%向上
- ·急性期後のケアの必要性をより早期に特定（2 日以上前）
- ·ED での患者の搭乗を 30% 削減
- ·事務負担の軽減によりスタッフの満足度が向上
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI を活用した遠隔患者モニタリング: 在宅での病院レベルのケア
FDA の認可を受けた AI プラットフォームは、継続的なバイタルサイン監視により再入院を 削減します
チャレンジ
退院後の患者は医療の過程で最もリスクの高い時期に直面しており、メディケア患者の 5 人に 1 人が 30 日以内に再入院し、年間 260 億ドルの費用がかかります。電話やオフィス訪問といった従来のフォローアップでは、問題を発見するのが遅すぎます。心不全、COPD、その他の慢性疾患を患う患者は、警告サインがケアチームに届くことなく自宅で悪化します。
Reported approach
Biofourmis deploys FDA-cleared wearable biosensors combined with AI algorithms that continuously analyze 20+ physiological parameters. The Biovitals platform detects subtle deterioration patterns 8+ hours before clinical symptoms appear, enabling proactive intervention. AI personalizes alert thresholds based on each patient's baseline, dramatically reducing false alarms while catching true deterioration.
Reported outcomes
- ·症状の8時間以上前に悪化を検出
- ·患者満足度97%
- ·再入院の回避により患者 1 人あたり 12,000 ドル以上の節約
- ·心不全患者の死亡率が89%減少
- ·臨床チームは生データではなく実用的な洞察を受け取ります
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI とマッチングしたコンパニオン ケア: 人間関係の拡大
テクノロジープラットフォームが高齢者と「パパパル」仲間をマッチングし、医療費を9%削減
チャレンジ
Healthcare plans struggled to address social determinants of health—transportation barriers, social isolation and daily living challenges—that drive costly medical utilization. Traditional home care focused on clinical tasks, missing the companionship and practical support that prevents health decline. Seniors needed both social connection and help with errands, technology and appointments.
Reported approach
パパは AI を使用して、高齢者と「パパ パル」をマッチングします。「パパ パル」は、移動手段、同伴者、テクノロジー支援、簡単な家事を提供する、厳選された仲間です。プラットフォームのアルゴリズムは、性格、興味、言語、特定のニーズを考慮して、最適なマッチングを作成します。 AI は、訪問パターンと結果を監視して、マッチングを継続的に改善し、新たな健康リスクを特定します。
Reported outcomes
- ·熱心なメンバーの総医療費を 9% 削減
- ·入院数が 18% 減少
- ·平均会員満足度評価は 4.8/5
- ·200万人以上のコンパニオン訪問が完了しました
- ·救急外来の受診が 15% 減少
- ·Humana、Aetna、Centene を含む 150 以上の医療プランとのパートナーシップ
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI を活用した慢性疾患管理: 大規模な糖尿病管理
AI コーチングを備えたコネクテッド デバイス プラットフォームは、集中的な対面ケアに匹敵する臨床成果を達成します
チャレンジ
糖尿病は世界中で 5 億 3,700 万人の成人に影響を与えており、その管理には血糖、食事、運動、投薬に常に注意を払う必要があります。従来のケア（四半期ごとの医師の診察）では、99% の確率で患者はサポートを受けられません。管理が不十分な場合、合併症が発生し、米国だけで年間 3,270 億ドルの損失が発生します。患者には、一時的な予約ではなく、継続的な指導が必要です。
Reported approach
Livongo provides a connected blood glucose meter that uploads readings in real-time to an AI platform. When readings fall outside personalized parameters, AI triggers immediate coaching interventions—sometimes automated messages, sometimes live certified diabetes educators. The system learns each member's patterns, providing proactive guidance before problems occur.
Reported outcomes
- ·A1c 平均 0.9% (臨床的に有意)
- ·会員の 86% が月に 16 回以上血糖値をチェックしています
- ·メンバー 1 人当たりの年間平均コスト削減額は 1,908 ドル
- ·2,000 社以上の雇用主に 120 万人以上の会員が登録
- ·糖尿病関連の医療費を 21% 削減
- ·糖尿病に関連する救急外来受診が 30% 減少
- ·ネット プロモーター スコア 64 (ヘルスケアでは例外)
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI 介護者の評価: 燃え尽き症候群を未然に防ぐ
証拠に基づいたプラットフォームは AI を使用して家族の介護者の燃え尽き症候群のリスクを特定し、それに対処します
チャレンジ
家族の介護者（5,300万人のアメリカ人）は、60％を超える燃え尽き症候群に直面しており、自らの健康上の問題を引き起こし、介護を継続できなくなる。介護中の従業員が勤務時間を短縮したり、仕事を休んだり、退職したりすることで、雇用主は年間 330 億ドルの損失を被っています。従来のサポート プログラムは、燃え尽き症候群を防ぐというよりも、すでに危機に瀕している介護者に役立ちます。
Reported approach
TCARE uses an AI-powered assessment algorithm developed from 20+ years of academic research to quantify caregiver burden across multiple dimensions: identity discrepancy, care burden, relationship quality and health. The platform then generates personalized action plans with specific interventions proven to address identified risks. AI continuously learns from outcomes to improve recommendations.
Reported outcomes
- ·介護者の介護職定着率が 35% 向上
- ·介護者の燃え尽き症候群スコアが 42% 減少
- ·介護中の従業員の定着率が 25% 向上
- ·介護者の 90% が、評価によって自分の状況が正確に把握されたと報告しています
- ·従来の 2 時間の評価を 15 分間の評価に置き換えます
- ·40 州に展開され、100,000 人以上の介護者にサービスを提供
- ·介護者一人当たりのコストは年間 200 ～ 400 ドルで安定
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
バーチャル看護師アバター: AI の取り組みを通じて再入院を削減
共感力のある AI アバターが退院後のフォローアップを実施し、再入院率 5% 未満を達成
チャレンジ
Post-discharge patient follow-up is critical but difficult to scale. Hospitals face 20% readmission rates with $26 billion in annual penalties. Phone call follow-up reaches only 30-40% of patients, with nurses spending hours on unsuccessful calls. Patients forget instructions, don't recognize warning signs and delay seeking care until emergencies occur.
Reported approach
Sensely の AI を活用した仮想看護師アバターであるオリビアは、スマートフォンを介してチェックインを行い、自然な会話で症状、服薬遵守、懸念事項について質問します。このシステムは、音声認識、感情分析、臨床プロトコルを使用して、悪化のリスクがある患者を特定します。高リスク患者は、完全な会話コンテキストを備えた臨床スタッフに自動的にエスカレーションされます。
Reported outcomes
- ·熱心な患者の 30 日以内の再入院率は 5% 未満
- ·85% の患者エンゲージメント率 (電話の場合は 35%)
- ·報告可能な症状を 93% の精度で検出
- ·平均会話時間: 3 分 (電話の場合は 12 分)
- ·患者満足度評価 4.5/5
- ·NHS、メイヨークリニック、主要な医療システム全体に展開
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
AI-Optimized Hospital Operations: From Bottlenecks to Flow
Machine learning platform optimizes infusion centers ORs and bed management across 600+ hospitals
チャレンジ
病院の各部門は、がんの輸液、手術、入院が 1 日を通して予測不可能に発生するため、非常に変動する需要に直面しています。静的なスケジューリングでは、午前中のラッシュと午後の落ち着きが生じ、患者はキャパシティが空いている間待たされることになります。その結果、ボトルネックが連鎖的に発生します。ER への入院、手術の遅延、スタッフの残業によりコストがかさみ、患者は苦しみます。
Reported approach
LeanTaaS iQueue uses machine learning to predict demand patterns and optimize scheduling across infusion centers, operating rooms and inpatient beds. The system analyzes historical patterns, treatment durations and real-time data to create optimal appointment templates. AI continuously learns from actual flow to improve predictions and identifies scheduling opportunities in real-time.
Reported outcomes
- ·患者の待ち時間を 50% 削減
- ·20%+ improvement in capacity utilization without adding resources
- ·大規模な医療システムで年間 1,000 万ドル以上を節約
- ·スタンフォード大学、UCSF、クリーブランド クリニックを含む 600 以上の病院に導入
- ·患者のスループットが 15% 増加
- ·スタッフの残業時間を25%削減
- ·患者満足度スコアが 30% 向上
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
在宅病院: 病院の壁を超えた AI 対応の救急医療
小売大手が 24 時間 365 日のリモート患者監視プラットフォームでヘルスケア リーダーに変身
チャレンジ
病院のベッドは高価（1 日あたり 2,500 ドル以上）で不足していますが、多くの入院患者は急性期治療の集中的なインフラを必要としません。患者は自宅で回復することを望んでいますが、安全な急性レベルの治療に必要なモニタリングが伝統的に不足していました。新型コロナウイルス感染症により、代替手段への需要が加速しましたが、在宅病院を拡張するには、存在しないテクノロジーが必要でした。
Reported approach
Best Buy Health は、Current Health の買収を通じて、ウェアラブルな継続的モニタリング、ビデオ訪問、AI を活用した警報システム、ケア調整を組み合わせた完全な在宅病院プラットフォームを展開しています。このプラットフォームはバイタルサインを年中無休で監視し、AI が悪化パターンを検出し、臨床チームにアラートを送信します。医療システムとの統合により、急性期から在宅へのシームレスな移行が可能になります。
Reported outcomes
- ·従来の病院での治療よりもコストが 38% 低い
- ·選択肢を提示された場合、患者の 95% は病院より自宅を好む
- ·30日以内の再入院率は10%未満
- ·入院治療と同等以上の臨床転帰
- ·家庭環境での回復時間が 30% 高速化
- ·30以上の医療システムパートナーシップに拡大
- ·50 州の患者にサービスを提供
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Cross-Industry
顧客サービス革命: 医療コミュニケーションの教訓
世界中で 1 億 5,000 万人以上のユーザーにサービスを提供するスウェーデンのフィンテック大手が AI で顧客サービスを変革
チャレンジ
Klarna は平均 11 分の解決時間に苦労しており、35 以上の言語にわたる毎日の数百万件のトランザクションに対して 24 時間年中無休の多言語サポートを必要としていました。同社は、高い顧客満足度と規制順守を維持しながら、機密の財務情報を処理できるソリューションを必要としていました。
Reported approach
Klarna deployed an OpenAI-powered autonomous AI assistant that handles 2.3 million conversations annually. The system processes natural language queries, makes autonomous decisions about refunds and payments and seamlessly escalates complex cases to human agents. It maintains context across conversations and provides personalized responses based on customer history.
Reported outcomes
- ·解決時間が 11 分から 2 分未満に短縮されました (82% 改善)
- ·AI は 700 人の常勤エージェントに相当する作業を実行します
- ·繰り返しの問い合わせが 25% 減り、顧客満足度が向上
- ·年間 4,000 万ドル以上の利益改善が見込まれる
- ·ネイティブレベルの流暢さで35以上の言語をサポート
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Erica: ヘルスケア仮想アシスタントの青写真
Serving 40+ million mobile banking customers with personalized AI guidance
チャレンジ
この銀行は、日常的な問い合わせに人間のエージェントが多大な時間を費やすという、圧倒的な顧客サービスの需要に直面していました。顧客は、人間の支援を待たずに、アカウント情報、取引履歴、財務上のアドバイスに即座にアクセスできる必要がありました。従来の IVR システムは顧客に不満を抱かせ、高い離脱率を引き起こしていました。
Reported approach
Erica, launched in 2018, uses predictive analytics and natural language processing to provide comprehensive financial assistance. The AI agent autonomously handles balance inquiries, payment scheduling, spending analysis, fraud detection and personalized financial insights. It integrates seamlessly with mobile banking and learns from each interaction.
Reported outcomes
- ·リリース以来 20 億件以上のインタラクションを処理
- ·4,200 万人の顧客 (モバイル ユーザーの 50%) にサービスを提供
- ·毎日 150 万件のインタラクションを処理
- ·人間の介入なしで 98% のクエリ解決率を維持
- ·収益の 19% 増加に貢献
- ·Reduced call center volume by 50% for routine inquiries
- ·顧客満足度 4.7/5 を達成
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Devin AI 実装: ヘルスケア業務のスケーリング
ブラジル最大のフィンテック企業が自律型 AI でレガシー システムを変革
チャレンジ
同社は、8 年前から 600 万行のモノリシック ETL システムで 100,000 を超えるデータ クラスの実装をリファクタリングし、レガシー システムの複雑な相互依存関係を管理し、従来の移行による大量のリソース割り当て (18 か月間で 1,000 人以上のエンジニア) を回避し、変革中のシステムの安定性を維持する必要がありました。
Reported approach
Nubank deployed Cognition Labs' Devin AI, an autonomous software engineering agent. Devin analyzed the monolithic codebase, created migration strategies, generated modular sub-components and executed systematic refactoring. The AI learned from each task, improving performance over time.
Reported outcomes
- ·エンジニアリング時間を 12 倍に短縮し節約
- ·手動移行と比較して 20 倍のコスト削減
- ·タスク完了時間を 40 分から 10 分に短縮
- ·移行を数か月または数年ではなく数週間で完了
- ·移行中の本番インシデントはゼロ
- ·1,000 人以上のエンジニアをイノベーション活動に解放
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Outcome figures originate from Cognition AI marketing materials describing a customer engagement with Nubank. They have not been independently verified and should be read as vendor-reported, not independently audited.
Salesforce Agentforce: 保険とヘルスケアの融合
50 か国以上で 5,000 万人の顧客にサービスを提供する 150 年の会社
チャレンジ
従業員 38,000 人のプルデンシャルは、州ごとの複雑な保険規制、複数の事業部門にまたがる時間のかかる保険金請求処理、包括的なサービスを妨げる断片化された顧客データ、50 以上の異なる規制枠組みのナビゲーションを必要とする顧客サービス業務における多大な手作業に苦労していました。
Reported approach
Prudential implemented Salesforce Agentforce for Financial Services, deploying autonomous agents for customer identification, contract analysis, policy retrieval and claims processing. The system features human-in-the-loop oversight for regulated operations and multi-LLM architecture for specialized functions.
Reported outcomes
- ·カスタマー サービス担当者 1 人当たり、週に少なくとも半日を節約
- ·何百もの手動ルーティングワークフローを排除
- ·管理負担の軽減による顧客共感の向上
- ·卸売業の生産性が大幅に向上
- ·100% の規制遵守を維持
- ·年間 1,200 万ドルの運用コストの節約
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Outcome figures originate from Salesforce customer-success marketing for Agentforce. They have not been independently verified and should be read as vendor-reported, not independently audited.
UiPath の実装: エンタープライズ規模のヘルスケア オートメーション
世界的な銀行がプロセス オートメーション センター オブ エクセレンスを設立
チャレンジ
バークレイズは、20種類以上の書類を必要とする複雑な住宅ローン処理、複数の法域にわたる法規制順守の必要性、大量の取引処理需要（毎日10,000件以上）、そして申請ごとに3～5日かかる適格性評価とリスク評価における多大な手作業に直面していました。
Reported approach
UiPath のプラットフォームを使用して、バークレイズはローン申請用の文書理解エージェント、推論機能を備えた適格性評価エージェント、規制遵守を備えたリスク評価エージェント、および顧客コミュニケーション エージェントを導入しました。このシステムは、エージェント、ロボット、人間全体のオーケストレーションのための UiPath Maestro を備えています。
Reported outcomes
- ·98% のストレートスルー処理で、人間の介入が必要なのはわずか 2%
- ·自動化により年間 12,000 時間を節約
- ·処理時間が 3 ～ 5 日から数分に短縮されました
- ·すべての実装で少なくとも 30% の効率性の向上
- ·年間 2,500 万ポンドのコスト削減
- ·500 以上の自動プロセスに拡張
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Outcome figures originate from UiPath customer-story marketing. They have not been independently verified and should be read as vendor-reported, not independently audited.
Microsoft Copilot Studio: サプライ チェーン インテリジェンス
世界的な材料会社が AI オートメーションでサプライ チェーンを変革
チャレンジ
Dow struggled with manual processing of 100,000+ PDF invoices yearly from 5,000+ suppliers, difficulty detecting billing inaccuracies and anomalies costing $3-5M annually, time-consuming freight rate investigations taking weeks or months per dispute and lack of visibility into cost optimization opportunities across global supply chain.
Reported approach
Using Microsoft Copilot Studio, Dow deployed autonomous invoice scanning agents for billing analysis and a natural language "Freight Agent" for investigation. The system features automatic anomaly detection, pattern recognition for cost optimization, dashboard integration for employee review and conversational interface for deep analysis.
Reported outcomes
- ·最初の 1 年以内に 500 万ドル以上の節約が見込まれる
- ·調査時間を数週間から数分に短縮
- ·物流請求の精度が 99.5% に向上
- ·スタッフを追加せずに 100,000 件以上の請求書を処理できるように拡張
- ·第 1 四半期に 200 万ドルの超過請求を特定
- ·技術者以外のスタッフでも複雑な分析を実行できるようになりました
- ·手動データ入力を 95% 削減
What this signals for the sector
This entry is included as a research note about the broader healthcare AI landscape. It does not describe an Ajentik product, customer, or partnership. Readers can use the source links below to inspect the original reporting.
Editorial note:Outcome figures originate from Microsoft customer-story marketing (Microsoft Transform / Source) describing a Dow engagement. They have not been independently verified and should be read as vendor-reported, not independently audited.
Want to discuss your own deployment?
These research notes describe other organisations work. If you would like to talk to us about your own healthcare AI plans, contact our team.