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

메이요클리닉헬스케어2019 - 현재Partly verified

메이요 클리닉 AI 팩토리: 플랫폼 기반 임상 AI

세계 최대의 비영리 통합 의료 시스템이 가장 공격적인 AI 채택자가 되었습니다.

FDA-Cleared Algorithms

Google Cloud

Platform

10,000+

Staff Trained

Anumana Inc.

Spinoff

도전

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 200+ AI projects simultaneously and ensure regulatory compliance for medical AI applications while maintaining patient safety.

Reported approach

Mayo는 Google의 Vertex AI에서 AI Factory 플랫폼을 개발하여 AI 도구의 "시민 개발"을 가능하게 했습니다. 자율 에이전트에는 ECG 판독값(FDA 승인)을 통한 심장 질환 감지, ICU 용량 관리 시스템, 암 연구를 위한 가설 기반 AI이 포함됩니다. 이 플랫폼은 거버넌스를 위한 의료 기기 검토 위원회로서의 소프트웨어를 갖추고 있습니다.

Reported outcomes

·심장 부정맥 감지를 포함한 5 AI 알고리즘에 대한 FDA 승인
·아누마나 등 스핀오프 기업을 통한 성공적인 상용화
·수백만 명에 달하는 심장 모니터링을 위한 Apple Watch 통합
·차세대 의료 AI 학위 프로그램 교육 확립
·파일럿 부서의 진단 오류 감소 (Mayo 내부 보고에 따른 구체적 수치)
·운영 효율성을 통한 절감 (Mayo 내부 보고에 따른 구체적 수치)

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. Any aggregate figures shown in this entry (including "300% ROI" and "35% diagnostic error reduction") are industry-wide directional estimates compiled from multiple public sources and are not Mayo-specific audited outcomes.

Sources

클리블랜드 클리닉헬스케어2022년 - 현재Partly verified

다중 모드 AI 생태계: 포괄적인 의료 혁신

연간 1,370만 건의 진료를 제공하는 23개 병원과 276개 외래환자 시설

82%

통화 자동화

15일/주

시간 절약

66%

품질 개선

220/일

통화 감소

도전

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

·벨이 3번 울리면 100% 전화 응답(대기 시간 30분 이상)
·품질이 낮은 의료 영상 66% 감소
·1차 진료에서 하루에 220건의 통화 감소
·자동화를 통해 매주 근무일 15일 절약
·82% 자율 통화 처리
·연간 운영 비용 1,500만 달러 절감
·운영 효율성 28% 향상

What this signals for the sector

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.

Sources

스탠포드 의학의료 - 종양학2023년 - 현재Partly verified

종양학 AI Orchestrator: 고급 임상 애플리케이션

매년 4,000명의 종양 환자에게 AI 기반 암 치료 서비스 제공

4,000/년

환자에게 서비스 제공

60%

준비 시간이 절약되었습니다.

25%

정확도 이득

도전

Stanford는 의사가 영상, 병리학, 유전체학 및 임상 기록을 검토하는 데 환자당 1.5~2.5시간을 소비하여 정보 과부하에 직면했습니다. 빠르게 발전하는 암 연구에 보조를 맞추는 어려움(30초마다 새로운 논문) 시간 집약적인 종양 보드 준비 및 400,000개 이상의 활성 시험에서 환자를 적절한 임상 시험에 연결하는 과제.

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

·연간 4,000명의 종양 보드 환자 지원
·의사 준비 시간 60% 감소(2.5시간에서 1시간으로)
·다중 모드 분석을 통해 진단 정확도를 25% 향상
·며칠에서 몇 시간으로 치료 결정 가속화
·매달 10,000개 이상의 연구 논문을 처리합니다.
·첫해에 300%의 ROI

What this signals for the sector

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.

Sources

자비로운 AI제약 AI2020년 2월 - 2020년 11월Third-party research

코로나19 신약 발견: 연구 가속화

AI 기반 약물 발견으로 기록적인 시간 내에 코로나19 치료법 식별

9개월

치료 시간

1M+

Papers Analyzed

10년→9개월

타임라인 압축

$800M

상업적 가치

도전

코로나19 팬데믹 기간 동안 연구자들은 매일 500,000건 이상의 사례가 발생하는 치료 옵션, 압도적인 양의 과학 문헌(주당 5,000건 이상의 코로나 논문이 게시됨), 10~15년의 전통적인 약물 개발 타임라인, 긴 실험을 피하기 위해 신속한 용도 변경을 위해 안전하고 이미 승인된 약물을 식별해야 하는 긴급한 필요성에 직면했습니다.

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

·Baricitinib은 2020년 11월까지 FDA 긴급 사용 승인을 받았습니다.
·렘데시비르와 병용 시 회복 시간 71% 감소 입증
·AAK1 억제를 통해 사이토카인 폭풍을 성공적으로 완화했습니다.
·일반적인 10년 일정을 9개월로 압축
·알츠하이머 약물 표적에 대해 8억 달러 규모의 계약 체결
·Analyzed 1M+ scientific papers in days vs years
·이제 20개 이상의 다른 질병 분야에 적용됩니다.

What this signals for the sector

Sources

케어예측노인 간호 기술2016년 - 현재Third-party research

예측 노인 간호: AI 기반 낙상 예방 및 건강 모니터링

Wearable AI platform revolutionizes senior care with continuous behavioral monitoring and predictive analytics

69%

가을 감소

39%

입원 감소

80%

UTI 예측 정확도

2시간/일

직원 시간 절약

도전

노인 생활 시설은 사고가 발생한 후에만 건강 문제가 해결되는 대응적 치료 모델에 직면했습니다. 65세 이상 성인의 부상 사망 원인 중 가장 큰 원인인 낙상으로 인해 연간 의료 비용이 500억 달러에 달했습니다. 시설은 직원 부족, 일관성 없는 모니터링, 비상 사태 발생 전 건강 악화를 예측할 수 없는 문제로 어려움을 겪었습니다.

Reported approach

CarePredict는 식사, 수면, 걷기, 화장실 사용 등 18가지 이상의 일상 활동을 지속적으로 모니터링하는 손목 착용형 AI 장치인 Tempo를 개발했습니다. 시스템은 기계 학습을 사용하여 개별 기준을 설정하고 건강 문제 이전의 미묘한 편차를 감지합니다. AI 알고리즘은 활동 패턴 변화를 통해 증상이 나타나기 3.5일 전에 요로감염, 낙상, 우울증 발병을 예측합니다.

Reported outcomes

·배치된 시설 전반에 걸쳐 낙상 69% 감소
·모니터링 대상 거주자의 입원이 39% 감소
·임상 증상 3일 전 UTI 예측 정확도 80%
·임상 진단 2~3주 전 우울증 예측
·직원은 수동 모니터링 작업에서 매일 2시간 이상을 절약합니다.

What this signals for the sector

Sources

직관 로봇공학(ElliQ)노인 간호 기술2022년 - 현재Third-party research

AI 노인을 위한 동반자: 대규모의 외로움과 싸우기

공감 능력을 갖춘 소셜 로봇 AI은 매일 30회 이상의 상호 작용을 통해 노인 고립을 줄입니다.

95%

외로움 감소

30+

일일 상호 작용

90%

사용자 유지

~$10,000/년

의료 비용 절감

도전

사회적 고립은 65세 이상 노인 4명 중 1명에게 영향을 미치며, 사망 위험은 26%, 치매 위험은 50% 증가합니다. 예약 통화나 지역사회 프로그램과 같은 기존 솔루션은 고립된 노인 중 극히 일부에게만 도달합니다. 코로나19 팬데믹으로 인해 고립이 더욱 심해졌고, 많은 노인들이 의미 있는 인간 상호작용 없이 며칠간 지내게 되었습니다.

Reported approach

ElliQ는 대화를 시작하고, 활동을 제안하고, 약물 복용 알림을 제공하고, 가족과의 화상 통화를 촉진하고, 건강 운동을 안내하는 적극적인 AI 동반자입니다. 명령을 기다리는 수동적 장치와 달리 ElliQ는 공감 능력을 갖춘 AI을 사용하여 기분을 감지하고 선호도를 학습하며 하루 종일 노인들의 참여를 유도합니다. 로봇은 대화형 AI을 감정적 연결을 생성하는 물리적 존재와 결합합니다.

Reported outcomes

·95%의 사용자가 30일 후에 외로움이 감소했다고 보고합니다.
·노인들은 ElliQ와 매일 30회 이상의 상호 작용에 참여합니다.
·12개월 동안 사용자 유지율 90%
·가이드 운동을 통해 일일 신체 활동 80% 증가
·ElliQ 지원으로 가족 영상 통화가 3배 증가했습니다.
·뉴욕주는 Medicaid 수혜자에게 800개 이상의 유닛을 배포했습니다.
·사용자당 연간 의료 비용 절감액 $10,000 이상 예상

What this signals for the sector

Sources

큐벤투스 + 오하이오헬스의료 운영2022년 - 현재Third-party research

AI 기반 병원 퇴원: 환자 흐름의 병목 현상 제거

기계 학습 플랫폼으로 과도한 병원 일수를 줄이고 운영 비용을 수백만 달러 절약

8,554

초과 일수 제거

$1.7M

연간 절감액

0.5일

체류기간 단축

+25%

방전효율

도전

병원 퇴원은 의사, 간호사, 사회복지사, 약사, 급성기 후 시설 간의 조정을 포함하여 복잡하기로 악명이 높습니다. 14개 병원에서 매년 150만 명의 환자에게 서비스를 제공하는 OhioHealth는 초과일당 $800 이상의 비용이 드는 퇴원 지연 문제로 어려움을 겪었습니다. 환자들은 종종 보험 승인이나 전문 간호 배치와 같은 비임상 과정을 기다리며 입원했습니다.

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

·첫해에 초과 환자 일수 8,554일 제거
·처리량 개선으로 연간 170만 달러 절감
·평균 체류 기간 0.5일 단축
·방전공정 효율 25% 향상
·급성 후 치료 요구 사항을 조기에 식별(2일 이상 사전)
·응급실 환자 탑승 30% 감소
·관리부담 감소로 직원 만족도 향상

What this signals for the sector

Sources

바이오푸르미스디지털 헬스/RPM2019 - 현재Third-party research

AI 기반 원격 환자 모니터링: 집에서 병원 수준의 진료

FDA 승인을 받은 AI 플랫폼은 지속적인 활력 징후 모니터링을 통해 재입원을 줄입니다.

8시간 전

조기 발견

97%

환자 만족도

$12K/환자

비용 절감

도전

퇴원 후 환자는 의료 여정에서 가장 위험한 기간에 직면해 있으며, 메디케어 환자 5명 중 1명은 연간 260억 달러의 비용으로 30일 이내에 재입원합니다. 기존의 후속 조치(전화 통화 및 사무실 방문)는 문제를 너무 늦게 파악합니다. 심부전, COPD 및 기타 만성 질환이 있는 환자는 치료 팀에 경고 신호가 전달되지 않은 채 집에서 악화됩니다.

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

·증상 8시간 이상 전부터 악화 감지
·환자 만족도 97%
·재입원 방지를 통해 환자당 $12,000 이상 절약
·심부전 환자 사망률 89% 감소
·임상팀은 원시 데이터가 아닌 실행 가능한 통찰력을 얻습니다.

What this signals for the sector

Sources

주식회사 파파간병인 기술2017년 - 현재Third-party research

AI 매칭 동반자 케어: 인간 연결 확장

기술 플랫폼은 노인을 "Papa Pals" 동반자와 연결하여 의료 비용을 9% 절감합니다.

의료비 절감

18%

병원 입원 감소

4.8/5

회원 만족도

2M+

방문 완료

도전

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

Papa는 AI을(를) 사용하여 노인들을 "Papa Pals"(교통, 친구 관계, 기술 지원 및 간단한 가사 서비스를 제공하는 검증된 동반자)와 연결합니다. 플랫폼의 알고리즘은 성격, 관심사, 언어 및 특정 요구 사항을 고려하여 최적의 일치를 만듭니다. AI은 방문 패턴과 결과를 모니터링하여 매칭을 지속적으로 개선하고 새로운 건강 위험을 식별합니다.

Reported outcomes

·참여 회원의 총 의료 비용 9% 절감
·병원 입원 18% 감소
·평균 회원 만족도 4.8/5
·200만 명 이상의 동반자 방문 완료
·응급실 방문 15% 감소
·Humana, Aetna, Centene를 포함한 150개 이상의 건강 보험과의 파트너십

What this signals for the sector

Sources

Livongo / Teladoc 건강디지털 헬스/만성질환 관리2014년 - 현재Third-party research

AI 기반 만성 질환 관리: 대규모 당뇨병 관리

AI 코칭이 포함된 연결된 장치 플랫폼은 집중적인 대면 치료에 필적하는 임상 결과를 달성합니다.

0.9%

A1c 감소

86%

회원 참여

$1,908/년

비용 절감

1.2M+

봉사한 회원들

도전

당뇨병은 전 세계적으로 5억 3,700만 명의 성인에게 영향을 미치고 있으며 관리를 위해서는 혈당, 식이요법, 운동 및 약물 치료에 지속적인 주의가 필요합니다. 분기별로 의사를 방문하는 전통적인 진료에서는 환자가 99%의 시간 동안 지원을 받지 못합니다. 잘못된 통제로 인해 미국에서만 연간 3,270억 달러의 비용이 소요되는 합병증이 발생합니다. 환자에게는 일시적인 진료가 아닌 지속적인 지도가 필요합니다.

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

·0.9% 평균 A1c 감소(임상적으로 유의함)
·회원의 86%가 한 달에 16회 이상 혈당을 확인합니다.
·회원당 연간 평균 $1,908 비용 절감
·2,000개 이상의 고용주에 120만 명 이상의 회원이 등록되어 있습니다.
·당뇨병 관련 의료비 지출 21% 감소
·당뇨병과 관련된 응급실 방문 30% 감소
·Net Promoter Score 64(의료 부문 제외)

What this signals for the sector

Sources

TCARE간병인 지원2019 - 현재Third-party research

AI 간병인 평가: 번아웃이 발생하기 전에 예방하기

증거 기반 플랫폼은 AI을 사용하여 가족 간병인의 탈진 위험을 식별하고 해결합니다.

+35%

간병인 유지

42%

번아웃 감소

+25%

직원 유지

15분

평가 시간

도전

가족 간병인(미국인 5,300만 명 이상 증가)은 60%가 넘는 탈진율에 직면해 있으며, 이로 인해 자신의 건강 문제가 발생하고 간병을 계속할 수 없게 됩니다. 간병인이 근무 시간을 단축하거나, 결근하거나, 그만두면서 고용주는 연간 330억 달러의 손실을 입습니다. 전통적인 지원 프로그램은 탈진을 예방하기보다는 이미 위기에 처한 간병인에게 서비스를 제공합니다.

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

·간병인 역할에서 간병인 유지율 35% 향상
·간병인 피로 점수 42% 감소
·간병 직원의 직원 유지율 25% 향상
·간병인의 90%가 평가 보고서에서 자신의 상황을 정확하게 파악했습니다.
·15분 평가가 기존의 2시간 수업을 대체합니다.
·40개 주에 배치되어 100,000명 이상의 간병인에게 서비스 제공
·간병인당 비용은 연간 $200-400로 안정화되었습니다.

What this signals for the sector

Sources

센스있게디지털 건강/환자 참여2015년 - 현재Third-party research

가상 간호사 아바타: AI 참여를 통한 재입원 감소

공감력이 뛰어난 AI 아바타가 퇴원 후 후속 조치를 수행하여 <5% 재입원율 달성

<5%

30일 재입학

85%

환자 참여

93%

증상 감지

도전

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

Sensely의 AI 기반 가상 간호사 아바타인 Molly는 스마트폰을 통해 체크인을 진행하며 자연스러운 대화를 통해 증상, 복약 준수 여부, 우려 사항을 질문합니다. 이 시스템은 음성 인식, 정서 분석 및 임상 프로토콜을 사용하여 악화 위험이 있는 환자를 식별합니다. 고위험 환자는 전체 대화 내용을 바탕으로 임상 직원에게 자동으로 에스컬레이션됩니다.

Reported outcomes

·참여한 환자의 30일 재입원율은 5% 미만입니다.
·환자 참여율 85%(전화 통화의 경우 35%)
·보고 가능한 증상 탐지 정확도 93%
·평균 대화 시간: 3분(전화의 경우 12분)
·환자 만족도 4.5/5
·NHS, Mayo Clinic 및 주요 의료 시스템 전반에 배포

What this signals for the sector

Sources

린TaaS의료 운영2010년 - 현재Third-party research

AI-Optimized Hospital Operations: From Bottlenecks to Flow

Machine learning platform optimizes infusion centers ORs and bed management across 600+ hospitals

50%

대기시간 단축

+20%

Capacity Utilization

$10M+

연간 절감액

600+

배치된 병원

도전

병원 부서는 하루 종일 예측할 수 없는 암 주입, 수술, 입원 등 매우 다양한 수요에 직면해 있습니다. 정적인 일정으로 인해 오전에는 붐비고 오후에는 소강 상태가 발생하므로 환자는 수용 능력이 유휴 상태인 동안 기다리게 됩니다. 그 결과 병목 현상이 연속적으로 발생합니다. 응급실 탑승, 수술 지연, 직원의 초과 근무로 인해 환자가 고통받는 동안 비용이 쌓입니다.

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

·환자 대기 시간 50% 감소
·20%+ improvement in capacity utilization without adding resources
·대규모 의료 시스템의 경우 연간 1,000만 달러 이상의 비용 절감
·Stanford, UCSF, Cleveland Clinic을 포함한 600개 이상의 병원에 배포
·환자 처리량 15% 증가
·직원 초과 근무 25% 감소
·환자 만족도 점수 30% 향상

What this signals for the sector

Sources

Best Buy 건강 / 현재 건강재택병원2021년 - 현재Third-party research

Hospital-at-Home: 병원 벽을 넘어선 AI 기반 급성 치료

24시간 연중무휴 원격 환자 모니터링 플랫폼을 통해 의료 분야의 선두주자로 변모한 대형 소매업체

38%

비용 절감

95%

환자 선호도

<10%

재입원율

같음+

케어 품질

도전

병상은 비싸고(1일 $2,500 이상) 부족하지만, 많은 입원 환자들은 급성 치료를 위한 집중 인프라가 필요하지 않습니다. 환자들은 집에서 회복하는 것을 선호하지만 전통적으로 안전한 급성 치료에 필요한 모니터링이 부족했습니다. 코로나19로 인해 대안에 대한 수요가 가속화되었지만 재택병원 규모를 확장하려면 존재하지 않는 기술이 필요했습니다.

Reported approach

Best Buy Health는 Current Health 인수를 통해 웨어러블 연속 모니터링, 비디오 방문, AI 기반 경고 시스템 및 치료 조정을 결합한 완전한 병원 재택 플랫폼을 배포합니다. 플랫폼은 AI이 악화 패턴을 감지하고 임상 팀에 경고를 전달하면서 활력 징후를 연중무휴 24시간 모니터링합니다. 의료 시스템과 통합하면 급성에서 가정으로의 원활한 전환이 가능합니다.

Reported outcomes

·기존 병원 진료보다 비용 38% 저렴
·환자의 95%는 선택의 여지가 있을 때 병원보다 집을 선호합니다.
·30일 이내 재입원율 10% 미만
·입원환자 진료와 동등하거나 우수한 임상 결과
·가정 환경에서 복구 시간 30% 단축
·30개 이상의 의료 시스템 파트너십으로 확장
·50개 주에서 환자에게 서비스 제공

What this signals for the sector

Sources

Cross-Industry

클라르나금융 서비스2023년 4분기 - 현재Third-party research

고객 서비스 혁명: 의료 커뮤니케이션을 위한 교훈

전 세계적으로 1억 5천만 명 이상의 사용자에게 서비스를 제공하는 스웨덴 핀테크 거대 기업은 AI을 통해 고객 서비스를 혁신합니다.

82% ↓

해결 시간

에이전트 700명

FTE 동등

$40M+

연간 절감액

230만/년

대화

도전

Klarna는 평균 11분의 해결 시간으로 어려움을 겪었으며 35개 이상의 언어로 매일 수백만 건의 거래를 처리하기 위해 연중무휴 다국어 지원이 필요했습니다. 이 회사는 높은 고객 만족도와 규정 준수를 유지하면서 민감한 금융 정보를 처리할 수 있는 솔루션이 필요했습니다.

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

·해결 시간이 11분에서 2분 미만으로 단축되었습니다(82% 개선).
·AI은 700명의 정규 상담원에 해당하는 작업을 수행합니다.
·재 문의 25% 감소로 고객 만족도 향상
·연간 이익 4천만 달러 이상 개선 예상
·원어민 수준의 유창함으로 35개 이상의 언어 지원

What this signals for the sector

Sources

뱅크 오브 아메리카은행 및 금융2018년 - 현재Third-party research

Erica: 의료용 가상 비서를 위한 청사진

Serving 40+ million mobile banking customers with personalized AI guidance

2B+

총 상호작용

1.5M

일일 볼륨

98%

자율적 해결

+19%

수익에 미치는 영향

도전

은행은 상담사에게 상당한 시간을 소모하는 일상적인 문의로 인해 압도적인 고객 서비스 요구에 직면했습니다. 고객은 사람의 도움을 기다리지 않고 계좌 정보, 거래 내역, 재무 조언에 즉시 액세스할 수 있어야 했습니다. 기존의 IVR 시스템은 고객을 좌절시키고 높은 포기율로 이어졌습니다.

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

·출시 이후 20억 건 이상의 상호작용 처리
·4,200만 명의 고객에게 서비스 제공(모바일 사용자의 50%)
·일일 150만 건의 상호작용 처리
·사람의 개입 없이 쿼리 해결률 98% 유지
·수익 19% 급증에 기여
·Reduced call center volume by 50% for routine inquiries
·고객 만족도 4.7/5 달성

What this signals for the sector

Sources

누뱅크금융 기술2024년 - 6주 구현Vendor-sourced

Devin AI 구현: 의료 운영 확장

브라질 최대의 핀테크는 자율적인 AI로 레거시 시스템을 변화시킵니다.

12배

효율성 향상

20배

비용 절감

75%

시간 단축

600만 라인

코드가 마이그레이션됨

도전

이 회사는 8년 된 600만 회선 모놀리식 ETL 시스템에서 100,000개 이상의 데이터 클래스 구현을 리팩터링하고, 레거시 시스템의 복잡한 상호 종속성을 관리하고, 기존 마이그레이션의 대규모 리소스 할당을 피하고(18개월 동안 1,000명 이상의 엔지니어) 변환 중에 시스템 안정성을 유지해야 했습니다.

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

·엔지니어링 시간 12배 향상 절감
·수동 마이그레이션에 비해 20배의 비용 절감
·작업 완료 시간을 40분에서 10분으로 단축
·몇 개월/년이 아닌 몇 주 만에 마이그레이션 완료
·마이그레이션 중 생산 사고 제로
·혁신 작업을 위해 1,000명 이상의 엔지니어 해방

What this signals for the sector

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.

Sources

푸르덴셜보험2023년 - 현재Vendor-sourced

Salesforce Agentforce: 보험-의료 융합

50개 이상의 국가에서 5천만 명의 고객에게 서비스를 제공하는 150년 역사의 회사

주 0.5일

시간 절약

100초

워크플로우 제거

100%

준수율

도전

직원이 38,000명인 Prudential은 복잡한 주별 보험 규정, 여러 사업부에 걸쳐 시간이 많이 소요되는 청구 처리, 전체적인 서비스를 방해하는 단편화된 고객 데이터, 50개 이상의 다양한 규제 프레임워크를 탐색해야 하는 고객 서비스 운영의 상당한 수동 작업으로 인해 어려움을 겪었습니다.

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

·고객 서비스 담당자당 일주일에 최소 반나절을 절약했습니다.
·수백 개의 수동 라우팅 워크플로 제거
·관리 부담 감소로 고객 공감 강화
·도매업체 운영의 생산성이 크게 향상되었습니다.
·100% 규정 준수 유지
·연간 운영 비용 1,200만 달러 절감

What this signals for the sector

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.

Sources

바클레이스은행업2019 - 현재Vendor-sourced

UiPath 구현: 엔터프라이즈 규모 의료 자동화

글로벌 은행, 프로세스 자동화 Center of Excellence 설립

98%

자동화율

12,000

절약된 시간

일→분

처리 속도

30%+

효율성 향상

도전

Barclays는 20개 이상의 문서 유형, 여러 관할권에 걸친 규제 준수 요구, 대량 거래 처리 요구(일일 10,000개 이상), 신청당 3~5일이 소요되는 자격 평가 및 위험 평가에 대한 상당한 수동 작업이 필요한 복잡한 모기지 처리에 직면했습니다.

Reported approach

UiPath 플랫폼을 사용하여 Barclays는 대출 신청을 위한 문서 이해 에이전트, 추론 기능을 갖춘 자격 평가 에이전트, 규정 준수를 갖춘 위험 평가 에이전트, 고객 커뮤니케이션 에이전트를 배포했습니다. 이 시스템에는 에이전트, 로봇, 인간 전반의 오케스트레이션을 위한 UiPath Maestro 기능이 포함되어 있습니다.

Reported outcomes

·98% 직접 처리, 단 2%만 사람의 개입 필요
·자동화를 통해 연간 12,000시간 절약
·처리 시간이 3~5일에서 몇 분으로 단축되었습니다.
·모든 구현에서 최소 30% 효율성 이점
·£25M 연간 비용 절감
·500개 이상의 자동화된 프로세스로 확장

What this signals for the sector

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.

Sources

다우케미칼조작2024년 - 현재Vendor-sourced

Microsoft Copilot Studio: 공급망 인텔리전스

글로벌 소재 기업, AI 자동화로 공급망 혁신

$5M+

연간 절감액

주→분

처리 속도

100K+

송장량

99.5%

정확도

도전

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

·첫 해 내에 500만 달러 이상의 비용 절감 기대
·조사 시간을 몇 주/몇 달에서 몇 분으로 단축
·물류비 청구 정확도 99.5% 향상
·추가 직원 없이 100,000개 이상의 송장을 처리할 수 있도록 확장
·1분기에 200만 달러의 초과 요금이 확인되었습니다
·비기술 직원이 복잡한 분석을 수행할 수 있도록 지원
·수동 데이터 입력 95% 감소

What this signals for the sector

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.

Sources

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.