Bootstrapped till multi-million ARR med tre medgrundare och ingen venture backing, Twofold är tyst bygga vad som kan bli det definierande AI-infrastrukturskiktet för ambulant vård. , för att diskutera varför marknaden för AI-skrivare är fel ram, vad det faktiskt tar för att tjäna kliniskt förtroende, och hur ett tre-person team kör en plattform som används av över 3000 praktiker över hela USA. dubbel Hej Gal, det är bra att ha dig på vår "Behind the Startup" -serie.Innan vi kommer in i Twofold, kunde du ge våra läsare en kort introduktion om dig själv och vad som ledde dig till att bygga AI-infrastruktur för hälso- och sjukvård? Ishan Pandey: Tack, Ishan, verkligen glad att vara här. jag är medgrundare och VD för Min bakgrund spänner över mjukvaruteknik och cybersäkerhet, och jag fortsatte senare att tjäna min MBA från INSEAD. Innan Twofold hade jag redan byggt och lämnat ett företag, så jag kom in i detta med en tydlig känsla av vad det tar att gå från noll till något verkligt. Gal Steinberg: dubbel 
 
 med disciplin, nära kunderna och utan att förlora syn på grunderna. med disciplin, nära kunderna och utan att förlora syn på grunderna. Idag är mitt fulla fokus på att bygga AI-infrastruktur som faktiskt fungerar inom hälsovårdspraxis. De flesta AI-hälsovårdsföretag samlar in tiotals miljoner innan en enda kodrad skrivs. Pengarinsamlingsberättelsen föregår ofta produkten. Du valde en helt annan väg med Twofold, stannade bootstrapped och nådde multi-million ARR med bara tre medgrundare. Vilken var den strategiska logiken bakom det beslutet, och tror du att den venture-tunga modellen inom hälsovård AI är fundamentalt bruten? Ishan Pandey: Vi byggde Twofold utan riskfinansiering eftersom vi ville bygga ett riktigt företag innan vi byggde en insamlingshistoria. Gal Steinberg: 
 
 I hälso- och sjukvården är det lätt att skapa spänning kring AI, men mycket svårare att skapa något som kliniker litar tillräckligt på att använda varje dag. I hälso- och sjukvården är det lätt att skapa spänning kring AI, men mycket svårare att skapa något som kliniker litar tillräckligt på att använda varje dag. Vi tror att det bästa beviset inom hälso- och sjukvården inte är hur mycket pengar du har samlat in, det är om kunderna använder produkten, fortsätter att använda den och betalar för den. Låt oss prata om trajektorin. Twofold är ungefär arton månader gammal, och produkten idag ser ganska annorlunda ut från där den började. Gå oss igenom vad de första sex månaderna faktiskt såg ut, vad var den ursprungliga wedgen, vad lärde du dig från tidiga användare, och vad orsakade visionen att expandera till vad Twofold är nu? Ishan Pandey: Under de första sex månaderna var Twofold mycket smalare.Vi började med en fokuserad wedge kring dokumentation och använde det för att lära oss var AI kunde skapa omedelbart värde i verkliga kliniska arbetsflöden.En stor del av det draget kom från beteendemässig hälsa, som fortfarande är en mycket viktig marknad för oss, men den bredare möjligheten var alltid större än en enda specialitet. Gal Steinberg: https://youtu.be/--ibh8rRmx4?si=lYc-frJ5nb1b_zvh&embedable=true Idag är Twofold en AI-nativ vårdpartner som sitter på toppen av legacy EHR, RCM och praxishanteringssystem för att möjliggöra AI-driven arbetsflöden. Detta inkluderar dokumentation, diagramrevisioner, kliniskt beslutsstöd och personalbevarande fördelar. Vad som började som en dokumentationskedja har utvecklats till ett bredare AI-lager för ambulansvård. Visionen expanderade som vi lärde oss från kunder: metoder vill inte ha en annan avkopplad punktlösning. De vill ha AI som gör deras befintliga stack smartare och hjälper hela organisationen att fungera bättre. Du har nått multi-million ARR från noll på arton månader med ett team av tre personer och ingen extern finansiering. Dessa siffror kommer att lyfta ögonbrynen, både imponerade och skeptiska. Kan du ge oss de faktiska mätningarna? Och vad säger tillväxtkurvan om efterfrågesignalen på denna marknad? Ishan Pandey: Vi grundade företaget för ungefär 1,5 år sedan, och under den tiden har vi vuxit från noll till flera miljoner dollar i ARR samtidigt som vi når breakeven finanser. Gal Steinberg: Eftersom vi började från noll för bara 18 månader sedan är tillväxttakten över året effektivt i tusentals procent.Den mer meningsfulla punkten är dock att vi har nått multi-million ARR mycket snabbt med bara tre medgrundare, ingen riskfinansiering och en produktledd, självbetjänande go-to-marknadsrörelse. Från utsidan ser marknaden för AI-skrivare verkligen trångt ut, Nuance, Abridge, Nabla och ett dussin välfinansierade startups konkurrerar alla om samma kliniska uppmärksamhet. En skeptiker skulle fråga varför hälsovårdspraxis borde bry sig om Twofold. Ishan Pandey: Marknaden ser bara trångt ut om du definierar det smalt som anteckningsgenerering. Vi tror att det missar den verkliga möjligheten. De flesta spelare säljer fortfarande ett bättre anteckningsverktyg. Gal Steinberg: Beteendehälsa är en stor marknad för oss, men det underliggande problemet existerar mycket bredare över ambulansvård. Legacy-system är djupt inbäddade, växlingskostnaderna är höga och metoder vill inte riva ut allt.De vill ha ett AI-nativt lager som sitter på toppen av vad de redan använder och förbättrar hur praktiken går.Det är möjligheten vi ser, och det är mycket större än skrivarkategorin ensam. Det finns ett gap mellan vad AI kan göra i en kontrollerad demo och vad det kan göra i en verklig klinisk miljö med röriga arbetsflöden, kantfall och höga insatser.Från ett tekniskt och operativt perspektiv, vad tar det egentligen att bygga AI som kliniker litar tillräckligt för att förlita sig på dagligen och vad de flesta människor bygger i detta utrymme fundamentalt underskattar? Ishan Pandey: Den svåraste delen är inte att göra en demo ser imponerande. Den svåraste delen är att bygga något tillräckligt tillförlitligt att lita på i en hög satsning, reglerad miljö. Gal Steinberg: Utomstående underskattar ofta hur röriga verkliga kliniska arbetsflöden är. Varje praxis är annorlunda, varje kliniker fungerar lite annorlunda, och nedströms konsekvenserna av dålig produktion är verkliga. Att bygga produktionsgrad AI för hälso- och sjukvård innebär att hantera kantfall, strukturera information korrekt, passa in i befintliga system och tjäna förtroende över tiden. Lönsamheten i detta skede i en riskdominerad sektor är ovanlig nog för att motivera en detaljerad förklaring.Låt oss gå igenom den faktiska mekaniken, hur kör ett trepersonsteam en plattform för över 3 000 metoder utan att bränna pengar? Ishan Pandey: En stor del av det är fokus.Vi valde en tydlig smärtapunkt, byggdes kring verklig kundbehov, och utformade företaget för att vara produktledda och självbetjänande från början. Gal Steinberg: En annan viktig faktor är automatiseringen. 
 
 Twofold drivs av bara tre medgrundare, och vi använder automatisering över produktutveckling, tillväxt, onboarding, support, analys och verksamhet. Twofold drivs av bara tre medgrundare, och vi använder automatisering över produktutveckling, tillväxt, onboarding, support, analys och verksamhet. Det låter oss fungera med en hävstång som normalt skulle kräva ett mycket större team.Vi försöker inte se stora ut.Vi försöker vara snabba, effektiva och komposterande. Tre medgrundare som driver ett företag i denna skala är en organisationsmodell som de flesta operatörer skulle kalla ohållbar.Vid vilken punkt blir att stanna lean en begränsning snarare än en fördel och hur tänker du om de avsiktliga kompromisser du gör genom att inte anställa? Ishan Pandey: Företaget är fortfarande bara de tre medgrundarna.Det förvånar många människor med tanke på den skala vi har nått, men det är avsiktligt. Gal: Var och en av oss arbetar över flera funktioner, och vi använder automatisering kraftigt för att multiplicera produktionen. Det inkluderar produkt, tillväxt, support, analys och interna operationer. Vi försöker inte bygga en stor organisation för den skull. Vi försöker bygga en extremt effektiv. Hittills har lean varit en verklig konkurrensfördel. Du har beskrivit Twofolds ambition att bli det AI-operativa skiktet som sitter ovanför legacy hälsovårdsprogramvara, vilket är ett betydligt större krav än att bygga ett dokumentationsverktyg. Ishan Pandey: 2026 handlar om att fortsätta att expandera från en korg till ett mycket bredare AI-operativt lager för hälsovårdspraxis.Det betyder djupare möjligheter över diagramrevisioner, kliniskt beslutsstöd, arbetsflödesautomation och övningsprestanda.Beteendehälsa är en stor del av den berättelsen för oss, men den långsiktiga visionen är bredare: hjälpa praxis att arbeta smartare på toppen av de system de redan har. Gal: Ambitionen är mycket större än att bygga en annan AI-skrivare. Vi tror att hälso- och sjukvårdsorganisationer alltmer kommer att förlita sig på ett AI-nativt lager som sitter ovanför arvsoftware och hjälper till att förbättra vårdleverans, minska administrativa drag, förbättra efterlevnad och stödja personalretention. Vårt mål är att Twofold ska bli det skiktet. Vi tror att detta kan bli ett av de definierande AI-företagen inom hälso- och sjukvården, och vi tror att vi kan komma dit med bara tre medgrundare genom att använda AI och automation för att ompröva hur skalan ser ut. Glöm inte att gilla och dela berättelsen!

This story contains new, firsthand information uncovered by the writer.

The writer was physically present in relevant location(s) to this story. The location is also a prevalent aspect of this story be it news or otherwise.

Hot off the press! This story contains factual information about a recent event.

Winner of Noonies 2020 for the award Hacker Noon Contributor of the Year - DATA.

2020 - Hacker Noon Contributor of the Year in DATA

Read My Stories

Det här ljudet är producerat på berättelsens originalspråk!

Tvåfaldig VD: Vi byggde ett multi-million ARR Healthcare AI-företag med tre personer och noll VC-pengar

About Author

KOMMENTARER

HÄNG TAGGAR

DENNA ARTIKEL PRESENTERAS I

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps