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
Mayo Clinic AI Factory: IA clinique pilotée par plateforme
Le plus grand système de santé intégré à but non lucratif au monde devient le plus agressif en matière d'adoption de AI
Défi
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 a développé une plate-forme AI Factory sur le Vertex AI de Google, permettant le « développement citoyen » des outils AI. Leurs agents autonomes incluent la détection des maladies cardiaques à partir des lectures ECG (approuvées par la FDA), les systèmes de gestion de la capacité des unités de soins intensifs et le AI basé sur des hypothèses pour la recherche sur le cancer. La plate-forme comprend un logiciel en tant que comité d'examen des dispositifs médicaux pour la gouvernance.
Reported outcomes
- ·Commercialisation réussie grâce à des sociétés dérivées comme Anumana
- ·Une étude ECG par IA sur Apple Watch (dysfonction ventriculaire gauche) a inclus 2 454 participants
- ·Établissement d'un programme d'études médicales AI pour la prochaine génération
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. Corrected against primary sources: Anumana (the Mayo/nference spinoff) has three FDA-cleared ECG-AI algorithms, not five (low ejection fraction, pulmonary hypertension, cardiac amyloidosis); the Apple Watch reference is the 2,454-participant AI-ECG study, not 'millions'; and the unsourced '10,000+ staff trained' and internal-reporting figures were removed. Last verified 2026-07-21.
Documented Clinical Documentation and Medical Coding Deployments
Publicly documented Ambience Healthcare and AKASA deployments
Défi
Clinical documentation and medical coding are the only deployment areas retained after source review.
Reported approach
Public source verification supports Cleveland Clinic Ambience clinical-documentation and AKASA medical-coding deployments. Earlier predictive-analytics, synthetic-data, AI phone-system, and integrated-ecosystem claims were removed pending evidence.
Reported outcomes
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. Four call-automation figures previously shown here were traced to a vendor blog about an unrelated UK NHS GP surgery and have been removed. Only two verified deployments remain: Ambience Healthcare ambient documentation (Cleveland Clinic newsroom, 19 Feb 2025) and AKASA coding, ~100+ documents in 1.5 minutes (newsroom, 29 Apr 2025). The 13.7 million figure refers to annual outpatient encounters.
Oncologie AI Orchestrator: applications cliniques avancées
Servir chaque année 4 000 patients du comité des tumeurs avec des soins contre le cancer basés sur l'IA
Défi
Stanford a été confronté à une surcharge d'informations, les médecins consacrant 1,5 à 2,5 heures par patient à examiner l'imagerie, la pathologie, la génomique et les notes cliniques; difficulté à suivre le rythme de l'évolution rapide de la recherche sur le cancer (nouvel article toutes les 30 secondes); la préparation fastidieuse du comité des tumeurs et les défis liés à l'appariement des patients aux essais cliniques appropriés parmi plus de 400 000 essais actifs.
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
- ·Prend en charge 4 000 patients annuels du comité des tumeurs
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:This is a research pilot, not a clinical deployment — per Microsoft's May 2025 Build announcement, Stanford is researching the Healthcare Agent Orchestrator, not running it in production. No Ajentik partnership exists or is implied. The 60% figure (which actually belongs to JM Family), plus the 25%, 300% ROI, '10,000 papers/month', and 'days to hours' claims were removed; only the ~4,000 tumor-board patients/year volume and the FURM safety framework remain. Last verified 2026-07-21.
Découverte de médicaments contre la COVID-19: accélération de la recherche
La découverte de médicaments basée sur l’IA identifie les traitements contre le COVID-19 en un temps record
Défi
Pendant la pandémie de COVID-19, les chercheurs ont été confrontés à un besoin urgent d'options de traitement avec plus de 500 000 cas quotidiens, un volume considérable de littérature scientifique (plus de 5 000 articles sur la COVID-19 publiés chaque semaine), des délais de développement de médicaments traditionnels de 10 à 15 ans et la nécessité d'identifier des médicaments sûrs et déjà approuvés pour une réutilisation rapide afin d'éviter de longs essais.
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 48 hours.
Reported outcomes
- ·Le baricitinib a reçu l'autorisation d'utilisation d'urgence de la FDA en novembre 2020
- ·Tempête de cytokines atténuée avec succès grâce à l'inhibition de l'AAK1
- ·Délai typique compressé de 10 ans à 9 mois
- ·Analyzed 1M+ scientific papers in days vs years
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:BenevolentAI identified baricitinib (used in the baricitinib + remdesivir EUA) in about 48 hours. The '71% reduced recovery time' figure was fabricated — the ACTT-2 trial showed roughly one day's improvement (median 7 vs 8 days). The '$800M Alzheimer's deal' is unrelated and misdated, and the '20+ disease areas' claim predates a 2023 pipeline cut to ~5 assets — all removed. Company status: BenevolentAI was delisted from Euronext Amsterdam in March 2025 following a wind-down.
Soins prédictifs aux personnes âgées: prévention des chutes et surveillance de la santé basées sur l'IA
Wearable AI platform revolutionizes senior care with continuous behavioral monitoring and predictive analytics
Défi
Les résidences pour personnes âgées étaient confrontées à des modèles de soins réactifs dans lesquels les problèmes de santé n'étaient résolus qu'après les incidents. Les chutes, principale cause de décès par blessure chez les adultes de 65 ans et plus, ont entraîné des coûts médicaux annuels de 50 milliards de dollars. Les établissements étaient confrontés à des pénuries de personnel, à une surveillance incohérente et à l'incapacité de prédire le déclin de la santé avant les urgences.
Reported approach
CarePredict a développé Tempo, un appareil AI porté au poignet qui surveille en permanence plus de 18 activités quotidiennes, notamment manger, dormir, marcher et utiliser les toilettes. Le système utilise l’apprentissage automatique pour établir des références individuelles et détecter les écarts subtils qui précèdent les événements de santé. Les algorithmes AI prédisent les infections urinaires 3,5 jours avant les symptômes, les chutes avant qu'elles ne surviennent et l'apparition de la dépression en raison de changements dans les habitudes d'activité.
Reported outcomes
- ·optimisation avec 69 % des chutes dans les installations déployées
- ·Baisse de 39% des hospitalisations pour les résidents suivis
- ·Prédiction de la dépression 2 à 3 semaines avant le diagnostic clinique
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:Vendor-authored, retrospective study (JMIR Aging 2020, 6 communities / 490 residents). The 69% lower fall rate and 39% fewer hospitalizations are retained with that caveat; the unsourced '80% UTI accuracy', '2 hrs/day', and '18+ activities' figures were removed. Not independently audited. Last verified 2026-07-21.
AI Compagnon pour les seniors: lutter contre la solitude à grande échelle
Le robot social alimenté par l'empathique AI réduit l'isolement des personnes âgées avec plus de 30 interactions quotidiennes
Défi
L'isolement social touche 1 personne âgée de plus de 65 ans sur 4, augmentant le risque de mortalité de 26 % et le risque de démence de 50 %. Les solutions traditionnelles comme les appels programmés ou les programmes communautaires ne touchent qu’une fraction des personnes âgées isolées. La pandémie de COVID-19 a exacerbé l’isolement, de nombreuses personnes âgées passant des jours sans interaction humaine significative.
Reported approach
ElliQ est un compagnon AI proactif qui initie des conversations, suggère des activités, fournit des rappels de médicaments, facilite les appels vidéo avec la famille et guide les exercices de bien-être. Contrairement aux appareils passifs qui attendent des commandes, ElliQ utilise le AI empathique pour détecter l'humeur, connaître les préférences et impliquer les personnes âgées tout au long de la journée. Le robot combine le AI conversationnel avec une présence physique qui crée un lien émotionnel.
Reported outcomes
- ·95 % des utilisateurs signalent une optimisation avec la solitude après 30 jours
- ·Les seniors participent à plus de 30 interactions quotidiennes avec ElliQ
- ·L'État de New York a touché plus de 800 personnes âgées isolées via les Area Agencies on Aging
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:The 95% figure is a self-report from the New York State Office for the Aging (NYSOFA, Aug 2023), whose own headline reads '95% report reduced loneliness' — retained as a self-report, not a clinical outcome. The unsourced '90% retention', '~$10K/yr savings', and '3x video calls' figures were removed, and '800+ to Medicaid recipients' was corrected to 800+ isolated older adults reached via Area Agencies on Aging. Last verified 2026-07-21.
Sortie d’hôpital alimentée par l’IA: éliminer les goulots d’étranglement dans le flux des patients
La plateforme d'apprentissage automatique réduit les jours d'hospitalisation excédentaires et permet d'économiser des millions en coûts opérationnels
Défi
La sortie de l’hôpital est notoirement complexe, impliquant une coordination entre les médecins, les infirmières, les travailleurs sociaux, les pharmaciens et les établissements de soins post-aigus. OhioHealth, qui dessert 1,5 million de patients par an dans 14 hôpitaux, a été confronté à des retards de sortie qui coûtent plus de 800 $ par jour excédentaire. Les patients restaient souvent hospitalisés en attendant des processus non cliniques comme l’approbation d’une assurance ou le placement d’un infirmier qualifié.
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
- ·Élimination de 8 554 jours-patients excédentaires au cours de la première année
- ·1,7 million de dollars d'économies annuelles grâce à l'amélioration du débit
- ·Identification plus précoce des besoins en soins post-aigus (2 jours et plus à l'avance)
- ·La satisfaction du personnel s'est améliorée grâce à la optimisation avec la charge administrative
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:Vendor-reported (Qventus–OhioHealth case study), not independently audited. The 8,554 figure is an annualized projection and the $1.7M is cumulative to date. The '0.5-day LOS reduction', '+25% discharge efficiency', '30% ED boarding', and '14 hospitals/1.5M patients/$800 per day' figures could not be verified and were removed (OhioHealth operates 15 hospitals). Last verified 2026-07-21.
Surveillance à distance des patients basée sur l'IA: soins de qualité hospitalière à domicile
La plateforme AI approuvée par la FDA réduit les réadmissions de grâce à la surveillance continue des signes vitaux
Défi
Les patients après leur sortie sont confrontés à la période à risque le plus élevé de leur parcours de santé, avec 1 patient Medicare sur 5 réadmis dans les 30 jours, pour un coût annuel de 26 milliards de dollars. Le suivi traditionnel (appels téléphoniques et visites au cabinet) détecte les problèmes trop tard. Les patients souffrant d’insuffisance cardiaque, de BPCO et d’autres maladies chroniques se détériorent à la maison sans que les équipes soignantes ne reçoivent des signes avant-coureurs.
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
- ·Les équipes cliniques reçoivent des informations exploitables, pas des données brutes
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:Vendor-reported, not independently audited. The FDA 510(k) clearance K183282 (Biovitals Analytics Engine, 2019) is verified; the unsourced '8+ hours early detection', '97%', '$12K/patient', '89% mortality reduction', and '20+ parameters' figures were removed. Company status: Biofourmis merged with CopilotIQ (Oct 2024), and its life-science arm was acquired by ActiGraph (Jan 2025). Last verified 2026-07-21.
Soins d’accompagnement adaptés à l’IA: faire évoluer la connexion humaine
La plateforme technologique met en relation des seniors avec des compagnons « Papa Pals », réduisant ainsi les coûts des soins de santé de 9 %
Défi
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
Papa utilise AI pour mettre en relation des personnes âgées avec des « Papa Pals », des compagnons agréés qui assurent le transport, la compagnie, l'aide technologique et l'entretien ménager léger. Les algorithmes de la plateforme prennent en compte la personnalité, les intérêts, la langue et les besoins spécifiques pour créer des correspondances optimales. AI surveille les modèles et les résultats des visites pour améliorer continuellement la correspondance et identifier les risques de santé émergents.
Reported outcomes
- ·9 % de réduction des coûts totaux de santé pour les membres engagés
- ·18% d’hospitalisations en moins
- ·Note moyenne de satisfaction des membres de 4,8/5
- ·Plus de 2 millions de visites d'accompagnement effectuées
- ·Environ 70 partenaires de régimes de santé au maximum (dont Humana, Aetna, Centene), en repli depuis 2023
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:Vendor-reported (Papa's May 2024 Medicare Advantage claims study): the 9% cost reduction and 18% fewer inpatient admissions are retained as vendor claims. '150+ health plans' was corrected to about 70 at peak, contracting since 2023. Reputational context: a May 2023 Bloomberg Businessweek investigation detailed abuse allegations, after which major insurers (Humana, Aetna, Molina) declined to renew. Last verified 2026-07-21.
Gestion des maladies chroniques basée sur l'IA: contrôle du diabète à grande échelle
La plateforme d'appareils connectés avec le coaching AI permet d'obtenir des résultats cliniques rivalisant avec les soins intensifs en personne
Défi
Le diabète touche 537 millions d'adultes dans le monde, et sa prise en charge nécessite une attention constante à la glycémie, à l'alimentation, à l'exercice et aux médicaments. Les soins traditionnels (visites médicales trimestrielles) laissent les patients sans assistance 99 % du temps. Un mauvais contrôle entraîne des complications qui coûtent 327 milliards de dollars par an rien qu'aux États-Unis. Les patients ont besoin de conseils continus et non de rendez-vous épisodiques.
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
- ·Réduction moyenne du taux d'HbA1c de 0,9 % (cliniquement significative)
- ·86 % des membres vérifient leur glycémie plus de 16 fois/mois
- ·1 908 $ d’économies annuelles moyennes par membre
- ·optimisation avec 21 % des dépenses médicales liées au diabète
- ·30 % de visites aux urgences en moins liées au diabète
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:Vendor-reported, not independently audited. The ~0.8–0.9% A1c reduction is Livongo's own sustained figure; the '$1,908 savings' traces to the Livongo S-1 filing; '1.2M members' is Teladoc's total, not Livongo's. The unsourced '86% engagement' was removed and '2,000+ employers' corrected toward the ~1,328 actually reported. Context: Teladoc recorded multibillion-dollar goodwill impairments after its 2020 Livongo acquisition. Last verified 2026-07-21.
AI Évaluation des soignants: Prévenir l'épuisement professionnel avant qu'il ne survienne
La plateforme fondée sur des données probantes utilise AI pour identifier et traiter le risque d'épuisement professionnel des aidants familiaux
Défi
Les aidants familiaux – 53 millions d’Américains et un nombre croissant – sont confrontés à des taux d’épuisement professionnel supérieurs à 60 %, ce qui entraîne leurs propres problèmes de santé et leur incapacité à continuer à prodiguer des soins. Les employeurs perdent 33 milliards de dollars par an lorsque les employés soignants réduisent leurs heures de travail, s'absentent du travail ou démissionnent. Les programmes de soutien traditionnels servent les soignants déjà en crise plutôt que de prévenir l’épuisement professionnel.
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
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:Vendor-reported, not independently audited. The '+35% retention' is an employee-retention figure (vendor framing), and the unsourced 42%, +25%, '$200-400', and '15-min' figures were removed. The evidence base is the peer-reviewed Montgomery et al. 2011 randomized controlled trial (266 caregivers, 4 states), not a 40-state deployment. Last verified 2026-07-21.
Avatar d'infirmière virtuelle: réduire les réadmissions grâce à l'engagement AI
L'avatar empathique AI effectue un suivi après la sortie, atteignant des taux de réadmission <5 %
Défi
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
Molly, l'avatar virtuel de l'infirmière alimenté par l'IA de Sensely, effectue des enregistrements via un smartphone, posant des questions sur les symptômes, l'observance des médicaments et les préoccupations dans le cadre d'une conversation naturelle. Le système utilise la reconnaissance vocale, l'analyse des sentiments et des protocoles cliniques pour identifier les patients présentant un risque de détérioration. Les patients à haut risque sont automatiquement transmis au personnel clinique avec un contexte de conversation complet.
Reported outcomes
- ·Déployé dans le NHS, la Mayo Clinic et les principaux systèmes de santé
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:Vendor-reported, not independently audited. The original four tiles (<5% / 85% / 93% / 4.5) had no source and were removed; the entry is rebuilt on the real 'Ask NHS' pilot (Sensely/PRNewswire, Apr 2021). Company status: Sensely was acquired by Mediktor in June 2024. Last verified 2026-07-21.
AI-Optimized Hospital Operations: From Bottlenecks to Flow
Machine learning platform optimizes infusion centers ORs and bed management across 600+ hospitals
Défi
Les services hospitaliers sont confrontés à une demande très variable: les perfusions contre le cancer, les interventions chirurgicales et les admissions arrivent de manière imprévisible tout au long de la journée. La planification statique crée des heures de pointe le matin et des accalmies l’après-midi, obligeant les patients à attendre alors que la capacité reste inutilisée. Les goulots d'étranglement qui en résultent se répercutent en cascade: l'embarquement aux urgences, les retards chirurgicaux et les heures supplémentaires du personnel accumulent les coûts tandis que les patients souffrent.
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
- ·optimisation avec 50 % des temps d'attente des patients
- ·Déployé dans plus de 1,000+ hôpitaux, dont Stanford, UCSF et Cleveland Clinic
- ·Augmentation de 15 % du débit de patients
- ·optimisation avec 25 % des heures supplémentaires du personnel
- ·Les scores de satisfaction des patients se sont améliorés de 30 %
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:Vendor-reported, not independently audited. The '50%' utilization figure was corrected toward the ~31% in LeanTaaS's own case studies, and the unsourced +20%, $10M, and +30% figures were removed. '600+ hospitals' was updated to the published figure: LeanTaaS serves 1,000+ hospitals and centers across 185 health systems (Dec 2023). Last verified 2026-07-21.
Historical Current Health Hospital-at-Home Platform
Historical overview; Best Buy completed the sale of Current Health in June 2025
Défi
This entry is retained only as historical context for Best Buy ownership of Current Health.
Reported approach
Best Buy acquired Current Health in 2021 and completed its sale in June 2025. This entry describes the former ownership period and does not represent a current Best Buy Health deployment.
Reported outcomes
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:The 38% cost-reduction and <10% readmission figures previously shown were outcomes from Levine et al. (Annals of Internal Medicine, 2020), a Brigham & Women's home-hospital RCT of 91 patients — not Best Buy Health / Current Health results — and the 95% preference, 30%-faster, 'Equal+', and reach figures were unsourced; all removed. Company status: Best Buy divested Current Health in June 2025 and cut 161 roles in July 2025; this entry is retained as history.
Cross-Industry
Révolution du service client: leçons pour la communication dans le domaine des soins de santé
Le géant suédois de la fintech, qui dessert plus de 150 millions d'utilisateurs dans le monde, transforme son service client avec AI
Défi
Klarna avait du mal avec des temps de résolution moyens de 11 minutes et avait besoin d'une assistance multilingue 24h/24 et 7j/7 pour des millions de transactions quotidiennes dans plus de 35 langues. L'entreprise avait besoin d'une solution capable de gérer des informations financières sensibles tout en garantissant un niveau élevé de satisfaction client et de conformité réglementaire.
Reported approach
Klarna deployed an OpenAI-powered autonomous AI assistant that handled 2.3 million conversations in its first month (February 2024). 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
- ·Le temps de résolution est passé de 11 minutes à moins de 2 minutes (amélioration de 82 %)
- ·AI effectue un travail équivalent à 700 agents à temps plein
- ·La satisfaction des clients a augmenté avec 25 % de demandes répétées en moins
- ·Amélioration attendue des bénéfices annuels de plus de 40 millions de dollars
- ·Prend en charge plus de 35 langues avec une maîtrise de niveau natif
- ·Gère de toutes les demandes des clients sans intervention humaine
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:Figures are Klarna's own press release (company-reported, not independent third-party research). The 2.3M conversations figure covers Klarna's first month (February 2024), not a full year. For balance: Klarna publicly rebalanced toward human support in 2025 after the initial rollout.
Erica: Plan directeur pour les assistants virtuels de soins de santé
Serving 40+ million mobile banking customers with personalized AI guidance
Défi
La banque était confrontée à des demandes de service client écrasantes, avec des demandes de routine qui consommaient beaucoup de temps humain. Les clients avaient besoin d'un accès immédiat aux informations de compte, à l'historique des transactions et aux conseils financiers, sans attendre une aide humaine. Les systèmes IVR traditionnels ont frustré les clients et entraîné des taux d'abandon élevés.
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
- ·Traité plus de 3 milliards d'interactions depuis le lancement
- ·Sert 42 millions de clients (50 % des utilisateurs mobiles)
- ·Gère 1,5 million d’interactions quotidiennes
- ·>98 % des clients obtiennent une réponse en 44 secondes (avec escalade humaine)
- ·Reduced call center volume by 50% for routine inquiries
- ·A obtenu une note de satisfaction client de 4,7/5
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:Figures are Bank of America's own disclosures (company-reported, not independent third-party research). The '+19%' figure was a bank-wide Q2-2023 net-income headline never attributed by BofA to Erica and has been removed. '98% autonomous resolution' was a speed metric, not autonomy: BofA reports that over 98% of clients get answers within 44 seconds, with human escalation. Totals updated to the August 2025 release (3B+ interactions, ~50M users).
Implémentation de Devin AI: faire évoluer les opérations de soins de santé
La plus grande fintech du Brésil transforme ses systèmes existants avec des AI autonomes
Défi
L'entreprise devait refactoriser plus de 100 000 implémentations de classes de données dans son système ETL monolithique de 6 millions de lignes vieux de 8 ans, gérer les dépendances croisées complexes dans les systèmes existants, éviter l'allocation massive de ressources de la migration traditionnelle (plus de 1 000 ingénieurs pendant 18 mois) et maintenir la stabilité du système pendant la transformation.
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
- ·Amélioration par 12 des heures d'ingénierie économisées
- ·20 fois plus d'économies par rapport à la migration manuelle
- ·Réduction du temps de réalisation des tâches de 40 à 10 minutes
- ·Réalisation des migrations en semaines au lieu de mois/années
- ·Précision de 99,9 % dans la refactorisation du code
- ·Zéro incident de production pendant la migration
- ·Libération de plus de 1 000 ingénieurs pour des travaux d'innovation
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 (Devin) marketing about a Nubank engineering engagement — vendor-reported, not independently audited. Nubank is a digital bank, not a healthcare organization (the earlier 'Healthcare Operations' headline was wrong). The unsourced 'zero production incidents' claim was removed, and 'freed 1,000+ engineers' is the vendor's counterfactual, not an audited outcome. Last verified 2026-07-21.
Salesforce Agentforce: Convergence assurance-santé
Entreprise vieille de 150 ans au service de 50 millions de clients dans plus de 50 pays
Défi
Prudential, avec 38 000 employés, était aux prises avec des réglementations d'assurance complexes état par état, un traitement fastidieux des réclamations dans plusieurs unités commerciales, des données client fragmentées empêchant un service holistique et un effort manuel important dans les opérations de service client nécessitant la navigation dans plus de 50 cadres réglementaires différents.
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
- ·Économisé au moins une demi-journée par semaine par représentant du service client
- ·Élimination de centaines de flux de travail de routage manuel
- ·Empathie accrue avec les clients grâce à une optimisation avec la charge administrative
- ·Améliorations significatives de la productivité dans les opérations des grossistes
- ·Conformité réglementaire maintenue à 100 %
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:Vendor-reported (Salesforce customer story), and a pilot/beta rather than a deployment — Agentforce launched in late 2024. Prudential is a financial-services firm, not healthcare. The 'half a day' saving applies to annuity wholesalers and is a projected figure ('up to half a day per week'), not a realized CSR outcome; the unsourced 'hundreds of workflows', '100% compliance', and '$12M' figures were removed. Last verified 2026-07-21.
UiPath Enterprise Automation: Verified PACE Evidence
Global bank reports a vendor-sourced efficiency benefit across its PACE automation portfolio
Défi
This entry is limited to published evidence about the Barclays PACE automation portfolio; earlier mortgage-processing and document-agent details were removed pending evidence.
Reported approach
Barclays uses UiPath for enterprise automation and is exploring agentic workflows. The retained vendor-reported evidence is a 30%+ efficiency benefit across its PACE automation portfolio; earlier document-agent deployment claims were removed pending evidence.
Reported outcomes
- ·Vendor-reported 30%+ efficiency benefit across PACE implementations
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:The 98% straight-through and 12,000-hours figures shown in earlier versions were Fiserv's numbers from the same UiPath On Tour London coverage, not Barclays'; the days-to-minutes figure was a UiPath product demo and the £25M figure was unsourced — all removed. Barclays is exploring agentic workflows; the only correctly scoped figure retained is the 30%+ efficiency benefit across its PACE automation portfolio (vendor-reported, not independently audited).
Microsoft Copilot Studio: Intelligence de la chaîne d'approvisionnement
Une entreprise mondiale de matériaux transforme sa chaîne d'approvisionnement avec l'automatisation AI
Défi
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
- ·S'attend à plus de 5 millions de dollars d'économies au cours de la première année
- ·Temps d’enquête réduit de quelques semaines/mois à quelques minutes
- ·Précision accrue à 99,5 % dans la facturation logistique
- ·Adapté pour traiter plus de 100 000 factures sans personnel supplémentaire
- ·Permettre au personnel non technique d’effectuer des analyses complexes
- ·optimisation avec 95 % de la saisie manuelle des données
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:Vendor-reported (Microsoft WorkLab 'AI impact at Dow'), not independently audited. The '$5M+ first year' figure was softened to 'millions (anticipated, once scaled)' to match the source, and the unsourced '99.5% accuracy' and '$2M first quarter' figures were removed. Last verified 2026-07-21.
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.