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: клінічний ШІ на базі платформи
Найбільша у світі некомерційна інтегрована система охорони здоров’я стає найагресивнішим постачальником AI
Виклик
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
Мейо розробив платформу AI Factory на Google Vertex AI, що дозволяє «громадянську розробку» інструментів AI. Їхні автономні агенти включають виявлення серцевих захворювань за показаннями ЕКГ (схвалено FDA), системи управління потужністю відділень інтенсивної терапії та керований гіпотезою AI для дослідження раку. На платформі є Комісія з перегляду програмного забезпечення як медичного пристрою для управління.
Reported outcomes
- ·Успішна комерціалізація через такі спіноф-компанії, як Anumana
- ·Дослідження ЕКГ зі штучним інтелектом на Apple Watch (дисфункція лівого шлуночка) охопило 2454 учасники
- ·Встановлена медична програма навчання наступного покоління AI
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
Виклик
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.
Онкологія AI Orchestrator: Advanced Clinical Applications
Щорічно обслуговує 4000 пацієнтів із онкологічними дошками за допомогою штучного інтелекту
Виклик
Стенфорд зіткнувся з перевантаженням інформацією: лікарі витрачали 1,5-2,5 години на кожного пацієнта на перегляд зображень, патології, геноміки та клінічних приміток; важко йти в ногу з дослідженнями раку, що швидко розвиваються (нова стаття кожні 30 секунд); інтенсивна підготовка пухлинної дошки, а також виклики підбору пацієнтів для відповідних клінічних випробувань із 400 000+ активних випробувань.
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
- ·Щорічно обслуговує 4000 пацієнтів з онкологічними дошками
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.
Виявлення ліків від COVID-19: прискорення досліджень
Виявлення ліків за допомогою штучного інтелекту дозволяє за рекордно короткий час визначити лікування COVID-19
Виклик
Під час пандемії COVID-19 дослідники зіткнулися з гострою потребою у варіантах лікування з 500 000+ випадків щодня, величезним обсягом наукової літератури (5 000+ COVID-статей, що публікується щотижня), традиційними термінами розробки ліків 10-15 років і необхідністю визначити безпечні, уже схвалені ліки для швидкого перепрофілювання, щоб уникнути тривалих випробувань.
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
- ·Барицитиніб отримав дозвіл FDA на екстрене використання до листопада 2020 року
- ·Успішно пом'якшено цитокіновий шторм за допомогою інгібування AAK1
- ·Стандартний 10-річний графік стиснутий до 9 місяців
- ·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.
Передбачувана допомога літнім людям: запобігання падінню та моніторинг здоров’я на основі штучного інтелекту
Wearable AI platform revolutionizes senior care with continuous behavioral monitoring and predictive analytics
Виклик
Притулки для людей похилого віку стикалися з моделями реактивної допомоги, коли проблеми зі здоров’ям вирішувалися лише після того, як сталися інциденти. Падіння, головна причина смерті від травм серед дорослих старше 65 років, призвело до 50 мільярдів доларів щорічних медичних витрат. Заклади боролися з нестачею персоналу, непослідовним моніторингом і нездатністю передбачити погіршення здоров’я до надзвичайних ситуацій.
Reported approach
Компанія CarePredict розробила Tempo, наручний пристрій AI, який безперервно відстежує щоденні дії 18+, включаючи їжу, сон, прогулянки та використання ванної кімнати. Система використовує машинне навчання для встановлення індивідуальних базових показників і виявлення незначних відхилень, які передують подіям зі здоров’ям. Алгоритми AI передбачають ІМП за 3,5 дні до появи симптомів, падіння до їх появи та початок депресії за допомогою зміни моделі активності.
Reported outcomes
- ·Зменшення падінь на 69% на розгорнутих об’єктах
- ·На 39% зменшилася госпіталізація підконтрольних мешканців
- ·Прогноз депресії за 2-3 тижні до клінічної діагностики
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 Companion для людей похилого віку: масштабна боротьба із самотністю
Соціальний робот на базі empathetic AI зменшує ізоляцію літніх людей за допомогою 30+ щоденних взаємодій
Виклик
Соціальна ізоляція вражає 1 з 4 літніх людей старше 65 років, збільшуючи ризик смертності на 26% і ризик деменції на 50%. Традиційні рішення, такі як заплановані дзвінки або громадські програми, охоплюють лише частину ізольованих людей похилого віку. Пандемія COVID-19 посилила ізоляцію, і багато людей похилого віку пройшли дні без значущої людської взаємодії.
Reported approach
ElliQ — це проактивний компаньйон AI, який ініціює розмови, пропонує заходи, надає нагадування про ліки, полегшує відеодзвінки з родиною та керує оздоровчими вправами. На відміну від пасивних пристроїв, які чекають команд, ElliQ використовує empathetic AI, щоб відчувати настрій, вивчати вподобання та залучати людей похилого віку протягом дня. Робот поєднує розмову AI з фізичною присутністю, яка створює емоційний зв’язок.
Reported outcomes
- ·95% користувачів повідомляють про зменшення самотності через 30 днів
- ·Люди похилого віку щоденно спілкуються з ElliQ понад 30 осіб
- ·Штат Нью-Йорк охопив понад 800 ізольованих літніх людей через 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.
Виписка з лікарні на основі штучного інтелекту: усунення вузьких місць у потоці пацієнтів
Платформа машинного навчання скорочує зайві лікарняні дні та економить мільйони операційних витрат
Виклик
Виписка з лікарні, як відомо, складна, передбачає координацію між лікарями, медсестрами, соціальними працівниками, фармацевтами та пост-невідкладними закладами. OhioHealth, що обслуговує 1,5 мільйона пацієнтів щорічно в 14 лікарнях, боровся із затримками виписки, які коштували понад 800 доларів США за день. Пацієнти часто залишалися госпіталізованими в очікуванні неклінічних процесів, таких як схвалення страховки або розміщення кваліфікованої медсестри.
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
- ·Виключено 8554 надлишкових пацієнто-дні протягом першого року
- ·1,7 мільйона доларів щорічної економії завдяки покращенню пропускної здатності
- ·Попереднє визначення потреб у допомозі після невідкладної допомоги (за 2+ дні)
- ·Задоволеність персоналу покращилася завдяки зменшенню адміністративного тягаря
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.
Дистанційний моніторинг пацієнтів за допомогою штучного інтелекту: Лікарняний догляд вдома
Схвалена FDA платформа AI зменшує кількість повторних госпіталізацій на завдяки постійному моніторингу життєво важливих показників
Виклик
Пацієнти після виписки стикаються з періодом найвищого ризику на шляху лікування: 1 з 5 пацієнтів Medicare повертається протягом 30 днів, що коштує 26 мільярдів доларів на рік. Традиційне спостереження — телефонні дзвінки та візити до офісу — виявляє проблеми надто пізно. Пацієнти з серцевою недостатністю, ХОЗЛ та іншими хронічними захворюваннями погіршуються вдома, а попереджувальні ознаки не потрапляють до команди догляду.
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
- ·Клінічні команди отримують корисну інформацію, а не необроблені дані
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.
AI-Matched Companion Care: Масштабування людського зв’язку
Технологічна платформа поєднує людей похилого віку з компаньйонами «Papa Pals», знижуючи витрати на охорону здоров’я на 9%
Виклик
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
Тато використовує AI, щоб зібрати людей похилого віку з «папа-другами» — перевіреними компаньйонами, які забезпечують транспорт, товаришування, технологічну допомогу та невелике обслуговування. Алгоритми платформи враховують особистість, інтереси, мову та особливі потреби для створення оптимальних відповідностей. AI відстежує шаблони відвідувань і результати, щоб постійно покращувати відповідність і виявляти нові ризики для здоров’я.
Reported outcomes
- ·9% зниження загальних витрат на охорону здоров’я для залучених членів
- ·На 18% менше госпіталізацій
- ·Середня оцінка задоволеності учасників 4,8/5
- ·Здійснено понад 2 мільйони супутніх відвідувань
- ·Близько 70 партнерів медичних планів на піку (зокрема Humana, Aetna, Centene), скорочення з 2023 року
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.
Лікування хронічних захворювань за допомогою ШІ: контроль діабету в масштабах
Платформа підключених пристроїв із коучингом AI досягає клінічних результатів, які конкурують з інтенсивним доглядом особисто
Виклик
Діабет вражає 537 мільйонів дорослих у всьому світі, лікування якого вимагає постійної уваги до рівня глюкози в крові, дієти, фізичних вправ і прийому ліків. Традиційна допомога – щоквартальні відвідування лікаря – залишає пацієнтів без підтримки в 99% випадків. Поганий контроль призводить до ускладнень, вартість яких становить 327 мільярдів доларів щорічно тільки в США. Пацієнти потребують постійного супроводу, а не епізодичних прийомів.
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
- ·Середнє зниження A1c на 0,9% (клінічно значуще)
- ·86% учасників перевіряють рівень глюкози в крові 16+ разів на місяць
- ·1908 доларів середньорічної економії на учасника
- ·Зменшення витрат на лікування діабету на 21%.
- ·На 30% менше відвідувань невідкладної допомоги, пов’язаних із діабетом
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 Оцінка вихователя: запобігання вигоранню до того, як воно станеться
Платформа, заснована на фактичних даних, використовує AI для виявлення та усунення ризику вигорання сімейних доглядачів
Виклик
Сімейні опікуни — 53 мільйони американців і зростають — стикаються з рівнем вигорання, що перевищує 60%, що призводить до їхніх власних проблем зі здоров’ям і нездатності продовжувати догляд. Роботодавці втрачають 33 мільярди доларів щороку, оскільки працівники, які доглядають за ними, скорочують робочий день, пропускають роботу або звільняються. Традиційні програми підтримки служать опікунам, які вже перебувають у кризовому стані, а не запобігають вигорянню.
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.
Віртуальний аватар медсестри: скорочення кількості повторних госпіталізацій через залучення AI
Емпатичний AI аватар проводить спостереження після виписки, досягаючи <5% показників повторної госпіталізації
Виклик
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
Віртуальний аватар медсестри Sensely на основі штучного інтелекту — Олівія — проводить перевірку за допомогою смартфона, запитуючи про симптоми, дотримання ліків і проблеми в природній розмові. Система використовує розпізнавання мовлення, аналіз настроїв і клінічні протоколи для виявлення пацієнтів із ризиком погіршення стану. Пацієнти високого ризику автоматично передаються до клінічного персоналу з повним контекстом розмови.
Reported outcomes
- ·Розгорнуто в NHS, клініці Mayo та провідних системах охорони здоров’я
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
Виклик
Відділення лікарень стикаються з дуже різним попитом — препарати для лікування раку, операції та госпіталізації надходять непередбачувано протягом дня. Статичний графік створює ранкову суєту та післяобідню затишшя, змушуючи пацієнтів чекати, поки виробничі потужності простоюють. У результаті виникає каскад вузьких місць: госпіталізація екстреної допомоги, затримки хірургічного втручання та понаднормова робота персоналу накопичують витрати, а пацієнти страждають.
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
- ·50% скорочення часу очікування пацієнтів
- ·10+ мільйонів доларів щорічної економії для великих систем охорони здоров’я
- ·Розгорнуто в понад 1,000+ лікарнях, включаючи Стенфорд, UCSF, клініку Клівленда
- ·15% збільшення пропускної здатності пацієнтів
- ·Скорочення понаднормової роботи персоналу на 25%.
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
Виклик
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
Революція в обслуговуванні клієнтів: уроки спілкування в галузі охорони здоров’я
Шведський фінтех-гігант, який обслуговує понад 150 мільйонів користувачів у всьому світі, трансформує обслуговування клієнтів за допомогою AI
Виклик
Klarna мала проблеми з 11-хвилинним середнім часом вирішення, і потребувала цілодобової багатомовної підтримки для мільйонів щоденних транзакцій понад 35 мовами. Компанії було потрібно рішення, яке могло б обробляти конфіденційну фінансову інформацію, зберігаючи при цьому високу задоволеність клієнтів і дотримання нормативних вимог.
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
- ·Час вирішення скорочено з 11 хвилин до менше 2 хвилин (82% покращення)
- ·AI виконує роботу, еквівалентну 700 штатним агентам
- ·Задоволеність клієнтів зросла завдяки зменшенню на 25% повторних запитів
- ·Очікується щорічне збільшення прибутку на 40+ мільйонів доларів США
- ·Підтримує понад 35 мов із вільним володінням на рідному рівні
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.
Еріка: проект для віртуальних помічників охорони здоров’я
Serving 40+ million mobile banking customers with personalized AI guidance
Виклик
Банк зіткнувся з надзвичайно високими вимогами до обслуговування клієнтів, оскільки звичайні запити забирали багато часу людського агента. Клієнтам потрібен був негайний доступ до інформації про обліковий запис, історії транзакцій і фінансової консультації, не чекаючи людської допомоги. Традиційні системи IVR розчаровували клієнтів і призводили до високого рівня відмов.
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
- ·З моменту запуску оброблено понад 3 мільярди взаємодій
- ·Обслуговує 42 мільйони клієнтів (50% мобільних користувачів)
- ·Обробляє 1,5 мільйона щоденних взаємодій
- ·>98% клієнтів отримують відповідь протягом 44 секунд (з ескалацією до людини)
- ·Reduced call center volume by 50% for routine inquiries
- ·Отримано оцінку задоволеності клієнтів 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).
Впровадження Devin AI: масштабування операцій охорони здоров’я
Найбільша фінтех-компанія Бразилії трансформує застарілі системи за допомогою автономного AI
Виклик
Компанії потрібно було реорганізувати понад 100 000 реалізацій класів даних у своїй 8-річній монолітній системі ETL із 6 мільйонами рядків, керувати складними перехресними залежностями в застарілих системах, уникнути масивного розподілу ресурсів під час традиційної міграції (1000+ інженерів протягом 18 місяців) і підтримувати стабільність системи під час трансформації.
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
- ·12-кратне покращення інженерних годин заощаджено
- ·Економія коштів у 20 разів порівняно з ручною міграцією
- ·Скорочення часу виконання завдання з 40 до 10 хвилин
- ·Завершення міграцій за тижні замість місяців/років
- ·99,9% точність рефакторинга коду
- ·Нуль виробничих інцидентів під час міграції
- ·Звільнив понад 1000 інженерів для інноваційної роботи
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: Конвергенція страхування та охорони здоров’я
150-річна компанія, яка обслуговує 50 мільйонів клієнтів у 50+ країнах
Виклик
Prudential із 38 000 співробітників стикався зі складними державними правилами страхування, довготривалою обробкою претензій у кількох бізнес-підрозділах, фрагментованими даними про клієнтів, які перешкоджали цілісному обслуговуванню, і значними ручними зусиллями в операціях з обслуговування клієнтів, які вимагали навігації понад 50 різними нормативними документами.
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
- ·Економія принаймні половини дня на тиждень на одного представника служби підтримки клієнтів
- ·Виключено сотні робочих процесів маршрутизації вручну
- ·Покращене співчуття клієнтів завдяки зменшенню адміністративного навантаження
- ·Значне підвищення продуктивності операцій оптової торгівлі
- ·12 мільйонів доларів щорічної операційної економії
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
Виклик
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: аналіз ланцюга поставок
Глобальна компанія з виробництва матеріалів трансформує ланцюжок поставок за допомогою автоматизації AI
Виклик
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
- ·Очікується економія понад 5 мільйонів доларів протягом першого року
- ·Скорочено час розслідування з тижнів/місяців до хвилин
- ·Підвищена точність до 99,5% у логістичних рахунках
- ·Масштабовано для обробки понад 100 000 рахунків-фактур без додаткового персоналу
- ·У першому кварталі було виявлено 2 мільйони доларів США завищених витрат
- ·Дозволили нетехнічному персоналу виконувати складні аналізи
- ·Скорочення ручного введення даних на 95%.
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.