در همایشی که به مدت نزدیک به دو دهه به عنوان یک مرجع معتبر بین رهبران صنعت شناخته شده است، کنفرانس_transform_ 2025_ به بررسی ادغام‌های هوش مصنوعی در بخش‌های مختلف企業 پرداخته است. یکی از پنل‌های قابل توجه در این کنفرانس، با حضور ویلیام گرانیس، معاون و رئیس فناوری اطلاعات شرکت Google Cloud، و ریچارد کلارک، معاون ارشد داده و تجزیه و تحلیل‌های شرکت Highmark Health، برگزار شد. این پنل تحت عنوان “ساختار جدید هوش مصنوعی در مراقبت‌های بهداشتی: معماری برای محیط‌های چندمدل و چندوجهی” به بررسی همکاری میان این دو سازمان برای استقرار هوش مصنوعی به طور مقیاس‌پذیر در میان بیش از 14,000 کارمند سیستم مراقبت‌های بهداشتی Highmark Health، مستقر در پنسیلوانیا، می‌پردازد.
Highmark Health که به بیش از 6 میلیون عضو خدمات ارائه می‌دهد، از مدل‌ها و زیرساخت‌های هوش مصنوعی Google Cloud برای نوسازی سیستم‌های قدیمی، افزایش کارایی داخلی و بهبود نتایج درمانی استفاده می‌کند. این ابتکار به وضوح بر مهندسی پلتفرم تأکید دارد و هوش مصنوعی را به عنوان یک تغییر بنیادی در نحوه انجام کارها می‌داند. ریچارد کلارک بر اهمیت ساخت زیرساخت‌های انعطاف‌پذیر در مراحل اولیه تأکید کرده و بیان کرده است: “هیچ چیزی قدیمی‌تر از یک پلتفرم استخدام برنامه‌نویسی‌شده در COBOL نیست”، اما Highmark حتی این سیستم‌ها را با مدل‌های هوش مصنوعی مبتنی بر ابر یکپارچه کرده است. نتیجه این همکاری، تا 90 درصد کپی بار کاری بدون اختلال سیستمی است که انتقالات روان‌تر و بینش‌های بلادرنگ در فرآیندهای اداری پیچیده را امکان‌پذیر می‌کند.
گرانیس اشاره کرده که موفقیت از کار پایه‌ای شروع می‌شود و می‌گوید: “این ممکن است سه، چهار یا پنج سال طول بکشد، اما اگر داده‌های شما آماده باشد، می‌توانید حلقه‌های آزمایشی و ارزیابی‌هایی را اجرا کنید که هوش مصنوعی را در مقیاس مفید می‌سازد.” بیش از 14,000 نفر از کارمندان Highmark به طور منظم از ابزارهای هوش مصنوعی تولیدی داخلی این شرکت که تحت قدرت مدل‌های Vertex AI و Gemini Google Cloud کار می‌کنند، استفاده می‌کنند. این ابزارها در موارد متعددی از جمله تولید ارتباطات شخصی‌سازی‌شده برای اعضا و بازیابی مستندات برای پردازش درخواست‌های بیمه کاربرد دارد.
کلارک مثالی از سمت تأمین‌کننده را در خصوص تأیید صلاحیت و تأیید قراردادها مطرح کرد که نشان می‌دهد چگونه هوش مصنوعی داده‌ها را جمع‌آوری کرده و خروجی‌های ویژه‌ای را تولید می‌کند. این فرایند به دلیل استفاده از کتابخانه‌های ساختارمند، آموزش فعال و بازخورد کارشناسان به سادگی بالا می‌رود. گرانیس به یک تحول مهم دیگر اشاره کرد که انتقال از مدل‌های تعامل مبتنی بر گفتگو به سیستم‌های چندعاملی برای انجام وظایف به صورت کامل است.
این دو سخنران بر تغییر ذهنیتی کلیدی تأکید کردند: شروع نکردن از مدل، بلکه آغاز کار از وظیفه و انتخاب یا هماهنگی مدل‌ها بر اساس آن. به عنوان مثال، Highmark از مدل Gemini 2.5 Pro برای پرسش‌های طولانی و تحقیقاتی و از Gemini Flash برای تعاملات سریع و بلادرنگ استفاده می‌کند. برای ادامه این انعطاف‌پذیری، Google Cloud در حال سرمایه‌گذاری بر روی قابلیت‌های مسیریابی مدل‌ها و استانداردهای باز است.
با وجود اینکه همکاری میان Highmark و Google Cloud در حال پیشرفت است، نتایج به دست آمده که به عنوان مدل‌هایی برای دیگران در بخش مراقبت‌های بهداشتی و فراتر از آن عمل می‌کند، نمایانگر این است که موفقیت در هوش مصنوعی تولیدی نه فقط مختص کسانی با بزرگ‌ترین بودجه‌هاست، بلکه برای آنانی است که برنامه‌های واضح، پلتفرم‌های انعطاف‌پذیر و صبر استراتژیک برای ساخت دارند.