AI förändrar vår bransch
in HealthTech & Digital Health

Det korta svaret

Frågan är inte vad AI kan göra. Det är vilka av dina riskutsatta intäktsandelar som blir billigare för en betalare eller konkurrent att leverera. För digitala hälsobolag dyker det upp på ett särskilt ställe. Siffrorna som bär svaret är riskutsatt intäktsandel och engagemangsnivå, och den branschspecifika komplikationen är att utfallsrisk skrivs på snabbare än bolaget hinner lära sig om det klarar den – ett 12-månaders mätfönster mot en 11-månaders säljcykel. Den generella versionen av problemet och den du faktiskt befinner dig i har olika första drag.

De flesta samtal om AI-strategi utgår från förmåga och slutar ingenstans, eftersom förmåga inte är den variabel som avgör utfallet. Variabeln är huruvida de attribuerade utfall du tar betalt för under riskutsatt andel blir dramatiskt billigare för en betalare eller konkurrent att producera själva.

Det går att besvara rad för rad. För varje intäktsrad: hur stor del av kostnaden är det arbete som automatiseras, hur mycket av din PMPM försvaras av något annat än det arbetet, och hur snabbt en trovärdig konkurrent kan nå paritet på engagemangsnivå och bruttomarginal.

Det vanliga obehagliga fyndet är att de exponerade raderna är de lönsamma, eftersom hög marginal normalt är informationsarbete knutet till attribuerade utfall. Svaret är sällan att adoptera snabbare; det är att flytta det du tar betalt för mot det automatiseringen gör mer värdefullt snarare än mindre.

Hur du ser att det är ditt problem

De här tre tillsammans är signaturen. En ensam pekar oftast någon annanstans.

✓ Trycket syns som kompression på riskutsatt andel eller PMPM, inte som förlorade logotyper.
✓ Betalare frågar varför attribuerade utfall tar så lång tid att mäta.
✓ En nyare konkurrent prissätter jämförbar engagemangsnivå och utfall till en bråkdel av din PMPM.

Steget som brukar göra det värre. Adoptera verktygen utan att ändra vad du tar betalt för under riskutsatt andel, vilket sänker både din kostnad och din PMPM samtidigt och lämnar marginal och logotypchurn där de var.

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.

Hur det ser ut när analysen körs

Below is an excerpt from a real run of this analysis on ett digitalt hälsobolag. 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.

Vad motorn gör med den här frågan

This question routes to AI Horizon, one of 29 engagements the platform runs. For digitala hälsobolag 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. Läs en komplett rapport här if you would rather see the depth first.

Frågor som folk ställer om det här

Ska vi bygga in AI i produkten eller använda det internt först?

Internt först är oftast rätt, eftersom det ger bevis om era egna ekonomiska förhållanden innan ni lovar kunder något. Undantaget är när en konkurrent redan har ändrat kundernas förväntan, då kommer intern effektivitet för sent.

Hur fort går det faktiskt i vår bransch?

Bedöm efter pris, inte efter annonser. När marknadspriset på det ni säljer börjar falla har störningen kommit oavsett vad tekniken kan visa.

Vad gör vi om vi är för små för att satsa på det här?

Mindre bolag har oftast fördelen att de kan ändra vad de tar betalt för snabbt. Draget som spelar roll är ompositionering, och det är billigare för er än för en etablerad aktör med en stor bas att skydda.

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.