AI verandert onze sector
in HealthTech & Digital Health

Het korte antwoord

De vraag is niet wat AI kan. Het gaat om welk deel van je at-risk omzet goedkoper wordt voor een betaler of concurrent om te leveren. Bij digital health bedrijven zie je dit op een specifieke plek. De getallen die het antwoord geven zijn at-risk revenue share en engagement rate. De complicatie in deze sector is dat outcomes-risico sneller wordt getekend dan het bedrijf kan leren of het dat kan dragen: een meetvenster van 12 maanden tegen een verkoopcyclus van 11 maanden. De algemene versie van dit probleem en de versie waarin je zit, vragen om andere eerste stappen.

De meeste AI-strategiegesprekken beginnen bij wat het kan en eindigen nergens, omdat capaciteit niet de variabele is die uitkomsten bepaalt. De variabele is of de toegeschreven uitkomsten waarvoor je onder at-risk share rekent, dramatisch goedkoper worden voor een betaler of concurrent om zelf te produceren.

Dat is regel voor regel te beantwoorden. Voor elke omzetlijn: welk deel van de kosten is het werk dat geautomatiseerd wordt, hoeveel van je PMPM wordt verdedigd door iets anders dan dat werk, en hoe snel kan een geloofwaardige concurrent pariteit bereiken op engagement rate en brutomarge.

De ongemakkelijke uitkomst is meestal dat de blootgestelde lijnen de winstgevende zijn, omdat hoog-marginaal werk normaal informatie-werk is dat gekoppeld is aan toegeschreven uitkomsten. De reactie is zelden sneller adopteren; het is verplaatsen waar je voor rekent naar wat de automatisering waardevoller maakt in plaats van minder.

Hoe je ziet dat dit jouw probleem is

Deze drie samen zijn het kenmerk. Eén op zichzelf wijst meestal ergens anders op.

✓ De druk verschijnt als compressie op at-risk share of PMPM, niet als verloren logo's.
✓ Betalers vragen waarom toegeschreven uitkomsten zo lang duren om te meten.
✓ Een nieuwere concurrent biedt vergelijkbare engagement rate en uitkomsten tegen een fractie van je PMPM.

De stap die het meestal erger maakt. De tools adopteren zonder te veranderen waar je voor rekent onder at-risk share, waardoor je kosten en je PMPM tegelijk dalen en de marge en logo-churn blijven waar ze waren.

Who this is for — and who it is not

It is for you if you run or finance a digital health company and the pressure is showing up as price, not as lost deals. It is the situation where the numbers are available but nobody has put them in an order that produces a decision.

It is not for you if Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.

Hoe dit eruitziet als de analyse echt draait

Below is an excerpt from a real run of this analysis on een digital health bedrijf. It is a sample profile rather than a customer, and it is engine output translated from English — this is the format you get, on your own numbers.

The subject is Vantabridge Health, a sample company profile used for testing rather than a customer — $62M ARR, 340,000 enrolled members.

This is one move out of a full analysis. Read a complete report — every page, no email required.

Wat de engine met deze vraag doet

This question routes to AI Horizon, one of 29 engagements the platform runs. For digital health bedrijven it works through at-risk revenue share, engagement rate, gross margin and logo churn, then produces the sequence rather than a list of options — which move first, what it funds, and the observation that would say the sequence is wrong.

You watch the analysis get built before paying anything. Lees hier een volledig rapport if you would rather see the depth first.

Vragen die mensen hierover stellen

Moeten we AI in ons product bouwen of eerst intern gebruiken?

Intern eerst is meestal juist, omdat het bewijs oplevert over je eigen economie voordat je beloftes maakt aan klanten. De uitzondering is als een concurrent de verwachting van de klant al heeft verlegd, want dan komt interne efficiëntie te laat.

Hoe snel gaat dit echt in mijn sector?

Beoordeel op prijs, niet op aankondigingen. Wanneer de marktprijs voor de output die je verkoopt begint te dalen, is de verstoring aangekomen, ongeacht wat de technologie kan aantonen.

Wat als we te klein zijn om hierin te investeren?

Kleinere bedrijven hebben meestal het voordeel dat ze snel kunnen veranderen waar ze voor rekenen. De zet die telt is herpositioneren, en dat is voor jou goedkoper dan voor een gevestigde speler met een grote basis om te beschermen.

Is this different in healthtech & digital health than in other industries?

Materially, yes. Outcomes risk is being signed faster than the company can learn whether it can carry it — a 12-month measurement window against an 11-month sales cycle — which changes both the diagnosis and the order of the fixes. The metrics that decide it here are at-risk revenue share, engagement rate, gross margin, and an answer built on industry-general benchmarks will usually point at the wrong one first.

What data do I need before this analysis is worth running for a digital health company?

Less than most people expect. Your last twelve months of revenue and cost split the way you already split it, plus whatever you hold on at-risk revenue share and engagement rate. The analysis is explicit about what it is assuming where your data stops, which is more useful than waiting for numbers you may never have.

When is Percision the wrong tool?

Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Does Percision replace a lawyer, tax advisor, auditor, or AI implementation team?

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.