Naomi Goldapple dirige AlayaLabs pour AlayaCare, une entreprise à la fine pointe de la transformation numérique des soins à domicile. Lorsque la pandémie a frappé, ils ont dû, comme bien d’autres, se transformer rapidement et innover en période de crise, en mettant au point des produits et des processus numériques pour offrir des soins à domicile sécuritaires et efficaces pour les patients, les familles et les infirmières à domicile. Nous apprenons comment AlayaCare révolutionne le secteur grâce à l’IA, à l’apprentissage automatique et à une approche axée sur les résultats, et ce, depuis les premières lignes d’une nouvelle ère pour les soins de santé.
Naomi Goldapple dirige AlayaLabs pour AlayaCare, une entreprise à la fine pointe de la transformation numérique des soins à domicile. Lorsque la pandémie a frappé, ils ont dû, comme bien d’autres, se transformer rapidement et innover en période de crise, en mettant au point des produits et des processus numériques pour offrir des soins à domicile sécuritaires et efficaces pour les patients, les familles et les infirmières à domicile. Nous apprenons comment AlayaCare révolutionne le secteur grâce à l’IA, à l’apprentissage automatique et à une approche axée sur les résultats, et ce, depuis les premières lignes d’une nouvelle ère pour les soins de santé.
Les gens s’en sortent mieux à la maison
Ce qu’il faut retenir de la pandémie de COVID-19, c’est que la plupart d’entre nous peuvent très bien s’en sortir à la maison, surtout lorsqu’il s’agit de prendre soin de nos aînés. Naomi affirme que la pandémie a vraiment mis en lumière les faits, les chiffres et le fossé entre les soins à domicile et les soins gériatriques traditionnels, ce qui rend l’optimisation des méthodes de soins à domicile encore plus urgente.
Le secret de l’apprentissage automatique est la mise en œuvre
L’apprentissage automatique et les technologies d’intelligence autonome existent depuis un certain temps. C’est l’application et l’exécution de ces technologies qui sont uniques et qui favorisent la réussite ou l’échec de la technologie. Selon Naomi, l’utilisation de la technologie n’est pas le facteur pertinent. Ce qui compte, c’est la valeur que procure la technologie.
L’optimisation pour nous-mêmes ainsi que pour nos clients
Lorsque nous parlons de l’optimisation numérique des soins de santé, les soins aux patients sont une priorité. Cependant, Naomi et AlayaCare se concentrent également sur d’autres aspects du secteur des soins à domicile. Il est plus urgent que jamais d’utiliser la technologie pour mieux comprendre et satisfaire les besoins des fournisseurs de soins de santé qui travaillent dans un secteur physiquement et émotionnellement exigeant avec un taux de roulement effarant.
Services financiers Innovation CIBC est un partenaire financier de confiance pour les entrepreneurs et les investisseurs. Communiquez avec les membres de notre équipe à l’adresse cibc.com/servicesfinanciersinnovation.
Michael : [00:00:01] Nous avons parlé aux entrepreneurs qui ont laissé leur marque grâce à leur passion sans peur à l’égard de ce qu’ils font. Grâce aux leçons qu’ils ont apprises, nous apprenons comment mieux gérer nos propres entreprises, mobiliser nos propres clients et explorer de nouvelles façons de penser à l’économie de l’innovation. Lors de cet épisode, nous discutons d’une question qui nous tient à cœur durant la pire pandémie depuis plus de 100 ans : prendre soin de nos parents âgés à la maison. [00:00:27][25,7]
Naomi : [00:00:28] Vous savez, nous avons vu les signes et les signaux d’alerte qui ont été soulevés depuis de nombreuses années en ce qui concerne le manque d’aide. Mais jusqu’à ce qu’une pandémie survienne, cela n’a pas vraiment été testé en profondeur. Et dès qu’il a fallu le faire, les fissures étaient évidentes. [00:00:44][15,8]
Michael : [00:00:48] Bonjour, je m’appelle Michael Hainsworth. Le balado de Services financiers Innovation CIBC explore le monde des entreprises en démarrage, des entreprises en phase de croissance et des entreprises établies qui ont fait une percée importante dans leurs secteurs partout dans le monde. [00:01:00][11,7]
Michael : [00:01:10] La COVID-19 a braqué les projecteurs sur l’importance d’offrir des services dans un milieu familier et d’éviter les cliniques bondées dans les hôpitaux, et sur les améliorations de la qualité de vie des préposés qui découlent du fait que des préposés au soutien personnel et d’autres personnes vont voir le patient, et non l’inverse. Tout comme le coronavirus nous a forcés à faire progresser les efforts de numérisation dans les écoles et sur le lieu de travail, l’économie de l’innovation a aidé AlayaCare à obtenir le solide statut nécessaire pour apporter des solutions du 21e siècle aux problèmes d’abord révélés par la fondatrice des soins infirmiers contemporains, Florence Nightingale. Elle a aussi été une pionnière de la visualisation des données à l’époque victorienne. Nous avançons maintenant de 166 ans vers le monde moderne des soins infirmiers, où des préposés au soutien personnel armés de téléphones intelligents et de mégadonnées aident à garder les patients et le personnel heureux et en santé. Pour en savoir plus sur l’état actuel des soins infirmiers et son avenir, nous nous tournons vers la chef de la recherche et du développement à AlayaCare, Naomi Goldapple. Selon elle, s’il y a une chose que la COVID-19 a faite, c’est qu’elle nous a appris que les gens s’en sortent mieux à la maison. [00:02:20][69,8]
Naomi : [00:02:22] Des études ont révélé que les personnes âgées s’en sortent certainement mieux lorsqu’on s’occupe d’elles à la maison. Mais cette pandémie a vraiment mis en lumière les faits réels, les chiffres, et le gouffre entre les deux méthodes, ce qui a été choquant pour bien des gens. Vous savez, nous avons vu les signes et les signaux d’alerte qui ont été soulevés depuis de nombreuses années en ce qui concerne le manque d’aide. Mais jusqu’à ce qu’une pandémie survienne, cela n’a pas vraiment été testé en profondeur. Et dès qu’il a fallu le faire, les fissures étaient évidentes. Vous savez, c’est malheureux pour tout le monde, et j’espère vraiment que, de l’autre côté de cette pandémie, nous aurons de meilleures méthodes et une meilleure réponse pour faire face à la situation. [00:03:07][45,3]
Michael : [00:03:08] On a l’impression que la COVID-19 a réveillé tout le monde et qu’il n’y a tout simplement pas assez de gens dans le secteur des soins à domicile. [00:03:14][6,1]
Naomi : [00:03:15] Absolument. Ce n’est pas un secret pour tous les intervenants du secteur, mais on peut dire aux autres personnes que les gens qui travaillent dans les soins à domicile sont les mêmes qui travaillent dans des établissements. Mais cette compétence générale de soignant n’est tout simplement pas suffisante. Surtout lorsque, comme vous le savez, nous fermons les frontières en raison de la pandémie, ce qui élimine définitivement la venue de certains des immigrants qui entrent au pays et représentent un fort pourcentage de ces aidants. C’est donc encore plus restrictif qu’avant. [00:03:45][30,3]
Michael : [00:03:46] Quand AlayaCare a fait la recherche, vous avez appris que la fille adulte est généralement la principale responsable du gros du travail dans un environnement de soins à domicile. En quoi cela vous a-t-il aidé à personnaliser votre travail? [00:03:59][13,3]
Naomi : [00:04:00] Nous sommes à un degré de séparation du client final. Nous sommes donc d’entreprise à entreprise à consommateur, alors nos clients sont les agences. La fille adulte est vraiment la cliente de l’agence. Nous avons mis en place une nouvelle fonctionnalité qui favorise vraiment la participation de toute la famille. En fait, un peu, tout ne repose pas seulement sur la fille adulte. Par exemple, nous avons un portail familial où tous ceux qui ont l’autorisation peuvent aller chercher tous les renseignements dont ils ont besoin sur les soins, les médicaments, les visites suivantes, la facturation, vous savez, pour qu’il soit possible de partager les soins d’un être cher âgé avec toute la famille plutôt qu’une seule personne s’en occupe. [00:04:39][39,0]
Michael : [00:04:39] Lorsque nous parlons aux gens du secteur du sans-fil, ils nous parlent de plans de croissance sur cinq ans qui ont été terminés au cours des deux premiers mois de la terrible pandémie de COVID-19. En quoi la pandémie mondiale a-t-elle eu une incidence sur votre feuille de route? [00:04:51][12,1]
Naomi : [00:04:52] Il ne fait aucun doute que nous sommes passés au virtuel pour bien des choses. Lorsque cette pandémie a commencé en février dernier, nous avons donc dû rapidement accorder la priorité à la fonctionnalité de soins virtuels de notre plateforme, encore plus qu’avant. La possibilité d’effectuer des visites virtuellement au moyen d’un appel vidéo ou même par téléphone, grâce à l’application, est assurément devenue une priorité. Évidemment, on ne peut pas tout faire virtuellement. Vous savez, on ne peut pas donner des bains, et on ne peut pas aider les gens à effectuer certaines activités de la vie quotidienne. Mais il y a certaines choses comme la thérapie, et une grande partie des soins de santé mentale peuvent assurément être administrés virtuellement. Je sais aussi que dans mon équipe, nous nous intéressons beaucoup plus à la surveillance à distance des patients et à la façon dont nous pouvons tirer parti des nombreux appareils qui existent pour recueillir des données à distance de façon transparente afin de prendre le pouls de la situation des patients à la maison sans avoir à les visiter autant qu’avant. [00:05:47][54,7]
Michael : [00:05:48] Je comprends que les soins virtuels faisaient toujours partie de votre feuille de route, mais vous avez réussi à créer un produit en quatre semaines. [00:05:54][6,2]
Naomi : [00:05:55] Tout s’est fait très, très rapidement parce qu’il le fallait. Je veux dire, évidemment, cela signifie que l’on doit détourner des ressources de certains autres projets, mais c’était absolument nécessaire pour que nous n’éliminions pas complètement la capacité de visite. [00:06:09][14,3]
Michael : [00:06:10] Parlez-moi de la création d’une carte de constellation, alors que nous traitons le problème du traçage des contacts, et de ce que votre application offre maintenant. [00:06:16][6,0]
Naomi : [00:06:17] Vous savez, au début... c’est drôle comme ça, un an plus tard, on se dit, oh, c’était la première vague, n’est-ce pas? Parce que nous sommes beaucoup plus intelligents maintenant. Mais au début, bien sûr, nous avons rapidement mis en place ce que nous appelons des formules de dépistage. Ainsi, chaque fois qu’un soignant se rendait sur place, il s’assurait qu’il ne présentait aucun symptôme et qu’il vérifiait les symptômes de son patient ou de son client aussi. Ainsi, si quelqu’un présentait un symptôme positif, nous pouvions rapidement retracer les personnes que le soignant a vues au cours des deux dernières semaines, disons. Et qui ce client a-t-il vu au cours des deux dernières semaines? Nous tentons, vous savez, de maximiser la continuité des soins afin que les gens à la maison puissent voir les mêmes soignants et nouer des relations. Mais ils ont parfois des gens différents. Grâce à notre système, nous pouvions très rapidement voir qui a visité qui, établir un portrait rapide et fermer le cercle de soins afin d’éviter toute exposition supplémentaire. [00:07:09][52,3]
Michael : [00:07:10] Que dites-vous à un entrepreneur qui se trouve dans une situation semblable et qui doit accélérer le développement d’un projet? Quatre semaines, c’est un délai remarquablement court pour bâtir quelque chose! Je ne peux qu’imaginer qu’il doit y avoir eu quelques ratés en cours de route. [00:07:22][12,7]
Naomi : [00:07:23] Absolument. Vous savez, il y a souvent des choses que vous devez sacrifier. Quand vous faites une bonne gestion des produits, vous faites beaucoup de recherches et avez beaucoup de clients qui participent. Vous vous assurez de tester beaucoup de choses en cours de route. Vous devez prendre des raccourcis, faire des hypothèses et régler certains problèmes au fur et à mesure, au lieu de tout prévoir et d’attendre que tout soit réglé. Mais c’est vraiment une course contre la montre, car ce que nous voulions éviter, c’est que tous nos clients passent rapidement à une autre plateforme. Ils auraient pu profiter de Teams, de Zoom et de tout le reste, mais nous préférons lorsque les gens utilisent notre plateforme. Ensuite, nous conservons toutes les données dans la plateforme, et il y a une expérience beaucoup plus agréable et harmonieuse pour ce qui est de la visite virtuelle. Nous voulions nous assurer qu’ils utilisent l’application. [00:08:08][45,4]
Michael : [00:08:09] En plus de mettre au point cette plateforme virtuelle de soins au cours de cette période de quatre semaines, vous avez lancé en mars 2020 une technologie de dépistage de la COVID-19. J’ai cru comprendre que cette technologie n’a été mise au point qu’en trois jours. Je peux imaginer que la pire chose, dans le monde des soins à domicile, c’est un patient qui doit retourner à l’hôpital. Il est donc essentiel de pouvoir intégrer rapidement ce type de technologie dans votre application. [00:08:34][24,9]
Naomi : [00:08:35] Absolument. Je veux dire, la beauté, c’est que le dépistage est en fait une autre formule. Dans notre système, vous pouvez facilement créer des formules, car vous devez en remplir un grand nombre pour faire le suivi de beaucoup de renseignements. Cette fonctionnalité de base était là, il fallait s’assurer qu’elle faisait partie du flux de travail. Alors, nous nous posions une question. Comment pouvons-nous inciter les gens à remplir ces formules de dépistage et recueillir ainsi toutes ces données afin que nous puissions examiner les tendances et déterminer quelles régions géographiques sont les plus symptomatiques, et quelles données démographiques? Cela nous a vraiment aidés à comprendre où la maladie se propage et où il faut rester à l’affût. [00:09:09][34,7]
Michael : [00:09:12] L’intelligence artificielle promet de réinventer le secteur des soins de santé, mais l’apprentissage automatique nécessite de vastes bassins de données. C’est le type de contenu que les travailleurs en soins à domicile recueillent, mais souvent, il n’est pas analysé en temps opportun. Mais il y a un autre type de mégadonnées qu’AlayaCare considère comme essentiel pour aider les patients dans le confort de leur domicile. Ce sont les données sur les fournisseurs de ces soins de santé. C’est un travail en isolation, qui n’est pas particulièrement bien rémunéré, et c’est un travail difficile. En 2018, Home Care Pulse a révélé que le taux de roulement chez les travailleurs de soutien était de 82 %. Un an plus tard, ce pourcentage est passé à 64 %. L’un des grands progrès de Naomi Goldapple consiste à analyser le langage des employés de soutien et à surveiller leur état d’esprit à l’aide de leurs mots pour s’assurer qu’ils demeurent heureux et employés. [00:10:01][48,5]
Michael : [00:10:07] Quel rôle l’intelligence artificielle joue-t-elle dans le développement à AlayaCare? Vous travaillez avec Scale AI pour surveiller la santé des patients et des travailleurs. [00:10:16][8,9]
Naomi : [00:10:16] Nous avons réalisé un projet d’une année avec Scale AI, et ils se concentraient sur deux choses, et davantage sur le plan de l’efficacité. Il ne fait aucun doute que l’un des principaux problèmes dont nous avons parlé au début est non seulement le manque de soignants, mais aussi le manque de fidélisation et le roulement. Le taux de roulement est très élevé. Souvent, il est élevé parce que les soignants n’ont pas d’horaire leur permettant de nourrir leur famille. Les technologies dont nous tirons parti sont assurément des technologies d’optimisation. Elles touchent l’optimisation des déplacements et des horaires, parce que si nous pouvons rendre leurs horaires plus efficaces, ils auront plus d’heures, seront plus heureux et resteront plus longtemps. C’est très simple, mais plus difficile à mettre en pratique. Nous tirons certainement parti des technologies d’optimisation pour y arriver. Pour ce qui est du roulement, nous voulons aussi que les planificateurs et les responsables soient en mesure de comprendre quels sont les signes d’une personne à risque de quitter ses fonctions. Vous pourriez ensuite avoir des stratégies d’intervention. C’est là que nous avons mis au point un modèle prédictif pour pouvoir comprendre quels soignants sont à risque et avoir des stratégies d’intervention et régler la situation. Et cela pourrait être aussi simple que de leur donner plus d’heures, de modifier leur horaire ou de les appeler. Il y a tant de choses. On recueille ces données, mais il y a toujours des personnes qui s’expriment plus. Vous savez, les gens qui vont appeler tous les lundis matins et dire qu’ils ne sont pas satisfaits de leur horaire. Pour 5 d’entre eux, il y aura encore 15 ou 20 autres personnes, ou même plus encore, qui sont de plus en plus insatisfaits. Et si nous recueillons ces données, on peut s’en servir. [00:11:50][93,5]
Michael : [00:11:51] Je peux imaginer que pour le travailleur en soins à domicile, l’expérience est assez isolante. Vous savez, nous parlons tous de travailler à la maison et de ne pas voir nos collègues. Mais ce sont des gens qui ne voient presque jamais leurs collègues. Et dans certains cas, ce n’est pas bien rémunéré. C’est un travail très ardu. Le problème du taux de roulement est énorme. Mais je peux imaginer que ce n’est pas parce que les gens vont travailler chez un concurrent. Ils quittent le secteur. [00:12:13][22,6]
Naomi : [00:12:14] Pas nécessairement. Souvent, ils travaillent pour quelques agences en même temps. Ils essaient de combler les temps libres durant la journée. Nous avons certains clients qui... je me souviens d’un de nos clients aux États-Unis qui nous a dit que son plus grand concurrent était Burger King parce que les employés pouvaient facilement aller faire cuire des hamburgers pour un salaire plus élevé. Vous savez, c’est un peu différent au Canada, mais certaines personnes le font parce que c’est une profession et une vocation. Lorsque vous le faites parce que cela paie les factures, vous devez vous assurer d’avoir un horaire complet. Alors, vous savez, l’une des choses que nous avons constatées dans nos recherches est que si vous commencez à voir qu’il y a un décalage trop important entre la date d’embauche et la première visite, vous allez perdre l’employé parce qu’il doit gagner de l’argent. Donc, s’ils constatent qu’ils n’ont pas d’heures de travail, ils vont commencer à aller en chercher ailleurs, et leur utilisation commencera à diminuer. Et ce sont là des signes et des symptômes qui montrent qu’ils ne sont pas très engagés dans votre entreprise et que vous devez découvrir pourquoi. [00:13:08][54,4]
Michael : [00:13:09] Vous avez donc créé un modèle de mégadonnées qui prédit quels travailleurs risquent de quitter l’entreprise. Vous pouvez donc avoir des stratégies d’intervention pour empêcher cela. [00:13:16][7,0]
Naomi : [00:13:16] Oui, c’est ce que nous appelons un score de satisfaction. En gros, nous intégrons certaines variables dans un modèle, puis nous obtenons le score. Nous supposons que les travailleurs qui obtiennent de meilleurs scores sont très mobilisés. Ils sont assez satisfaits. Vous pouvez jeter un coup d’œil à la tranche inférieure de 10 % et dire, vous savez quoi, ces employés sont à risque. De nombreuses stratégies d’intervention différentes peuvent être aussi simples que de simplement appeler les employés pour les mobiliser à nouveau. Comme vous l’avez dit, le travail d’équipe est très important. Avant l’arrivée de la COVID-19, certaines des agences qui connaissent le plus de succès se faisaient un devoir d’organiser de nombreuses réunions d’équipe et de commencer la journée en rencontrant l’équipe, d’organiser beaucoup de formations et de leur donner l’impression de faire partie de quelque chose de plus grand. Et c’est assurément un plus grand défi. [00:13:54][37,7]
Michael : [00:13:55] Vous avez intégré dans l’application la capacité d’analyser la rédaction du rapport d’un soignant à la fin d’une visite pour être en mesure de déterminer, en fonction des mots choisis, s’il est susceptible de démissionner ou d’aller chez un concurrent. [00:14:11][15,6]
Naomi : [00:14:11] Nous analysons le texte en soi, et nous avons assurément découvert qu’il y a beaucoup de données non structurées dans notre plateforme. Au début, notre hypothèse était la suivante : pouvons-nous voir dans les notes sur les progrès s’il y a des signaux dans les données qui nous indiquent un risque de roulement de personnel? En fait, lorsque nous avons commencé cette recherche, nous avons découvert autre chose. Nous avons découvert que dans ce texte non structuré, il y avait beaucoup de renseignements cliniques très importants sur l’état des patients. Nous nous orientons donc vers un projet pilote, qui porte notamment sur un indicateur automatique important, le modèle NLP. Essentiellement, le modèle de NLP lira ces notes d’intervention. Lorsqu’une visite a lieu, ce processus se produit et le modèle peut constater que certaines choses sont très importantes et urgentes, et que le superviseur clinique doit les connaître immédiatement. Par exemple, le patient a-t-il chuté? Y a-t-il eu des hospitalisations? Y a-t-il des plaies de lit qui se détériorent? Que peut-on faire au sujet de la COVID-19? Ces choses sont urgentes. Une fois qu’elles sont inscrites, elles doivent être immédiatement signalées. Et puis, il y a d’autres choses qui sont importantes. On peut obtenir une sorte de résumé à la fin de la journée. Notre hypothèse est qu’en donnant un avis plus rapidement au sujet de ce qui est écrit, car parfois on ne le voit pas et on ne lit pas toutes les notes, on peut obtenir les renseignements plus rapidement et faire bouger les choses pour ce qui est des résultats. L’un des principaux résultats est la prévention de l’hospitalisation. Quand une personne sort de l’hôpital pour recevoir des soins à domicile, l’une des pires choses que vous voulez vraiment éviter, c’est qu’elle retourne à l’hôpital. Si, en donnant ces renseignements importants plus tôt, nous pouvons prévenir les hospitalisations et les chutes, et les mesurer concrètement, c’est énorme. [00:15:55][103,1]
Michael : [00:15:59] Naomi Goldapple reconnaît l’importance de l’intelligence artificielle. De nombreuses personnes dans le secteur des soins de santé le font, mais l’intelligence artificielle peut être mal mise en œuvre et carrément dangereuse dans ce cas. Naomi Goldapple croit que le secret pour faire de l’apprentissage automatique un outil efficace réside dans sa mise en œuvre. [00:16:15][16,3]
Michael : [00:16:19] Parlons un peu plus de l’utilisation de l’intelligence artificielle, de l’apprentissage automatique et des mégadonnées qui alimentent tout cela, car l’IA est plus qu’une API qu’un développeur peut glisser dans une application. Quelles leçons uniques avez-vous apprises en ce qui concerne la science et, je suppose, l’art de l’intelligence artificielle? [00:16:40][20,5]
Naomi : [00:16:43] L’une des leçons les plus importantes est que le modèle d’apprentissage automatique est environ 5 % de l’ensemble du processus. C’est ce dont les gens parlent le plus, mais il y a beaucoup d’extraction et de nettoyage de données sales qui doivent avoir lieu au début. Et même avant cela, vous avez besoin d’un pipeline de données. Vous suivez? Vous avez donc besoin d’un bon flux de données qui vous seront transmises et qui vous permettra de constamment entraîner votre système. Cela alimentera constamment un modèle afin que vous puissiez avoir des prévisions en temps quasi réel. Il y a tout ce qui se passe avant, puis il y a la mise en production. Il y a donc beaucoup de travail d’ingénierie de données à faire pour que tout cela soit intégré parfaitement à votre application. Avant, nous parlions beaucoup des vrais experts en apprentissage automatique qui peuvent modifier les algorithmes, et c’est génial. Mais maintenant, un scientifique des données a vraiment besoin de compétences en extraction, en nettoyage et en mise en production. [00:17:41][58,4]
Michael : [00:17:42] Tout à fait. Si les données entrées sont inexactes, les résultats seront erronés. Si les données qui sont intégrées à votre modèle ne sont pas épurées, efficaces et efficientes, alors le résultat de cet algorithme d’apprentissage automatique vous enverra dans la mauvaise direction. Comment vérifiez-vous les résultats de l’intelligence artificielle pour vous assurer de ne pas engager votre entreprise dans la mauvaise voie? [00:18:03][20,8]
Naomi : [00:18:04] Absolument. Il y a aussi ce qu’on appelle les boucles de rétroaction. Pendant la formation, vous devez vous assurer d’avoir un certain niveau d’exactitude pour votre modèle d’apprentissage automatique. Ensuite, vous devez vous assurer de mesurer constamment ce niveau d’exactitude et de veiller à ce qu’il ne dérive pas trop loin. Et vous devez vous assurer que les données qui alimentent ce modèle qui a été entraîné ne commencent pas à dériver de la distribution initiale des données que vous aviez, car si c’est le cas, alors le modèle doit être entraîné à nouveau. C’est pourquoi toute cette ingénierie des données existe. Vous devez structurer les données de façon à ce qu’il y ait une boucle de rétroaction, pour que vous puissiez voir si vos prévisions étaient exactes et que la rétroaction soit transmise et entraîne le modèle pour vous assurer de toujours maintenir votre niveau d’exactitude. Il y a donc beaucoup plus d’ingénierie qui entre en jeu qu’on pourrait le penser pour s’assurer que tout le processus est vraiment fluide et qu’il est constamment mis à jour, ce qui est très différent de la simple création d’une technologie standard où vous mettez du code et tout va toujours se dérouler de la même façon pour les 30 ou 40 prochaines années. Ici, c’est comme un animal vivant qui apprend constamment. Et vous devez vous assurer qu’il continue d’apprendre les bonnes choses, qu’il continue d’obtenir le bon renforcement et qu’il maintient ces niveaux d’exactitude. [00:19:14][69,8]
Michael : [00:19:15] Aidons donc un dirigeant qui reconnaît que son entreprise pourrait avoir besoin de se tourner vers l’apprentissage automatique et l’intelligence artificielle. Je peux imaginer qu’un dirigeant se dit que l’entreprise a un service de TI qui va simplement s’en occuper. [00:19:27][12,0]
Naomi : [00:19:27] La situation a grandement changé au cours des dernières années, et il y a assurément beaucoup d’apprentissage automatique disponible. Ce que je veux dire, c’est qu’il existe beaucoup de technologies. Google et AWS offrent tous ces outils d’apprentissage automatique que votre service de TI peut commencer à entraîner et mettre en production. [00:19:42][15,1]
Michael : [00:19:43] Mais ce qui me frappe, c’est qu’il est essentiel que nous reconnaissions que l’employé des TI qui va réparer votre imprimante n’est pas la personne à qui vous voulez confier votre intelligence artificielle. [00:19:52][9,2]
Naomi : [00:19:53] Absolument pas. Ce n’est pas la personne qui répare votre imprimante, mais les développeurs. Ils peuvent certainement commencer à acquérir ces compétences. Vous savez, l’important, ce n’est pas seulement de dire que vous utilisez l’apprentissage automatique, mais que vous voulez créer de la valeur. Et c’est vraiment la chose la plus difficile à faire, parce que vous pouvez le faire. Nous venons de parler d’avoir un score de prédiction. L’idée à laquelle vous devez penser est de savoir qui utilisera ce score de prédiction et comment il pourra mener à des mesures à prendre. Qu’est-ce que cela signifie? Alors, si je vois un niveau de risque qui correspond, à un score d’un à cinq et que je vois que c’est sur trois, que dois-je faire? Vous suivez? Vous devez donc réfléchir à la façon dont cela peut être mis en œuvre. Vous devez faire appel à vos employés responsables des produits. Vous devez parler au client pour comprendre la valeur que cela est censé produire, parce qu’il y a beaucoup de gens qui disent que c’est basé sur l’apprentissage automatique et ils ont intégré l’apprentissage automatique à leur système, mais cela ne crée pas nécessairement la valeur nécessaire. Il faut comprendre non seulement le fonctionnement des modèles, mais aussi la façon dont ils seront appliqués. Toute la partie de l’application est extrêmement importante. Il y a une grande différence entre le développement d’algorithmes et la mise en pratique d’algorithmes de sources ouvertes. Tout est dans l’exécution. C’est beaucoup plus important. [00:21:10][76,7]
Michael : [00:21:11] À quel point votre entreprise est-elle unique dans le secteur? Traditionnellement, le secteur des soins à domicile n’est pas très sophistiqué et je ne connais aucune autre entreprise dans votre milieu, dans votre monde, qui possède un volet de recherche et développement. [00:21:27][16,0]
Naomi : [00:21:28] C’est vrai. Cela nous rend vraiment uniques. Au cours de la dernière année, j’ai constaté que notre clientèle est beaucoup plus intéressée. Vous suivez? Elle veut tirer parti de certaines de ces technologies émergentes. C’est intéressant, j’ai eu un appel hier avec une agence de soins à domicile relativement sophistiquée qui est très fière de sa configuration. Ils disaient que s’ils veulent utiliser l’intelligence artificielle, ils peuvent utiliser ce qui est disponible aujourd’hui. L’une des choses qui font de nous une entreprise unique est qu’à AlayaCare, nous avons des ensembles de données propres aux soins à domicile. Si vous prenez un modèle de programmation de langage naturel qui a été entraîné sur Wikipédia par exemple, il ne sera pas aussi performant qu’un modèle qui tire parti d’un ensemble de données de soins à domicile. Mais nous reconnaissons que bon nombre des problèmes qui existent dans le secteur des soins à domicile sont des problèmes que des secteurs plus importants et plus sophistiqués ont réglés, comme l’optimisation des déplacements et des horaires. Ces technologies et ces algorithmes existent, mais tout repose en fait sur l’exécution. Qu’est-ce qui rend les soins à domicile uniques? Cette continuité des soins rend le secteur très unique. Le fait d’avoir une main-d’œuvre différente rend le secteur unique. Le fait d’avoir des horaires précis qui doivent cadrer avec certains échéanciers, c’est unique. Nous devons donc tirer parti de ces technologies, mais dans une optique très particulière pour cette application unique. [00:22:50][82,7]
Michael : [00:22:52] Je trouve absolument fascinante l’idée que vous recueillez toutes ces mégadonnées. Si les données sont en quelque sorte le pétrole 2.0 du 21e siècle, AlayaCare a une quantité remarquable de monnaie numérique. [00:23:08][15,7]
Naomi : [00:23:08] Absolument. Nous en tirons vraiment parti en ce moment. Nous venons tout juste de créer un nouveau poste de vice-président des données, et cette personne sera responsable de tirer parti de toutes les données de toutes nos plateformes. AlayaCare a effectué quelques acquisitions au cours de la dernière année. Cela signifie que nous avons accès à beaucoup plus de données que l’an passé. Mais les données de certaines de ces acquisitions se trouvent dans leurs installations. L’installation du logiciel est donc faite donc sur place. Cela signifie que les données ne sont pas dans le nuage. C’est donc plus difficile d’y accéder. Mais ces données sont extrêmement puissantes. Nous avons des stratégies très précises sur la façon de recueillir toutes les données de nos différentes plateformes et de les mettre en quelque sorte dans un seul grand lac de données afin que nous puissions en tirer parti, comme des sources de données encore plus grandes et encore plus importantes. Nous sommes vraiment très enthousiastes à ce sujet. [00:24:00][52,0]
Michael : [00:24:01] Pouvez-vous imaginer remonter dans le temps et dire à Florence Nightingale que vous avez embauché un chef des données? [00:24:06][5,2]
Naomi : [00:24:07] Oui. Et que nous mettons des données dans un lac de données. Oui. Non, ils ne trouveraient pas cela aussi pertinent. Assurément. Et c’est encore un défi parce que nous sommes du côté clinique. Assurément. Dans certaines de nos agences, tout se fait encore sur papier. Vous suivez? Et elles veulent profiter de ces occasions emballantes. Elles adorent les modèles de risque pour la réhospitalisation. Ce serait formidable pour elles. Mais tout est encore sur papier. Nous aidons nos clients en leur tenant presque la main et en leur disant : OK, voici ce que vous avez besoin de numériser. Maintenant, assurons-nous que tout est saisi correctement dans le système afin que, dans six mois, lorsque nous aurons recueilli ces données, nous puissions commencer à en tirer parti et à bâtir des systèmes. Mais si c’est encore sur papier, nous ne pouvons pas encore vous aider. Vous savez, ça dépend. Certaines entreprises sont très sophistiquées et d’autres ne sont pas vraiment allées bien plus loin que Florence Nightingale. Vous devez donc tenir leur main en cours de route. [00:25:03][55,7]
Michael : [00:25:04] Naomi, c’était vraiment fascinant. Merci beaucoup de votre temps et de vos commentaires. [00:25:07][2,7]
Naomi : [00:25:08] Oh, vous êtes le bienvenu. Ça m’a fait plaisir. [00:25:09][1,0]
Michael : [00:25:11] Pendant la pandémie de COVID-19, on a accordé beaucoup d’attention aux travailleurs de première ligne dans les hôpitaux, mais les préposés au soutien personnel qui rendent visite aux malades et aux personnes âgées sont aux premières lignes d’une nouvelle ère dans le domaine des soins médicaux. Et le fait de les garder heureux, engagés et au travail s’avère être une tâche difficile. En tirant parti de technologies comme les téléphones intelligents, l’IA et le traitement du langage naturel, nous avons de meilleures chances d’offrir plus de soins à ceux qui en ont le plus besoin. [00:25:37][26,0]
Michael : [00:25:43] Vous écoutiez le balado de Services financiers Innovation CIBC, où nous apprenons les secrets de l’innovation, de l’économie et de la réussite des entrepreneurs qui ouvrent la voie à l’avenir. [00:25:51][8,3]
Michael : [00:25:52] Si ce n’est pas déjà fait, je vous invite à vous abonner au balado dans Apple Podcasts, à donner une note à l’émission et à nous dire ce que vous en avez pensé. Je m’appelle Michael Hainsworth et je vous remercie de votre attention. [00:25:52][0,0]
[1475,7]