AI minskar fel i sjukvården – men tekniken faller platt utan rätt grund
AI halverar sjukvårdsfel – men utan rätt teknikgrund blir resultaten tomma löften.
När verkligheten möter visionen
Det är lätt att bli hänförd av AI-löftena inom sjukvården. Det är lika lätt att bli cynisk när implementeringarna havererar. Men det mest intressanta – och mest lärorika – händer i utrymmet däremellan. Det är där den riktiga omvandlingen äger rum.
Ta Northwell Health Labs som exempel. Enligt Healthcare IT News har sjukhusnätverket uppnått 40 procents färre fel i sin fakturerings- och betalningshantering efter att ha infört AI i intäktscykeln. Det är inte ett pilotprojekt i ett kontrollerat laboratorium – det är operationell verklighet i ett av USA:s största sjukhussystem.
Nyckeln, enligt vice vd Joe Accurso, var paradoxalt enkel: tänk litet för att vinna stort.
– Tänk på hur ni kan införa en AI-lösning i hanterbara delar. På så sätt kan vi slutföra dellösningarna och börja se resultat, i stället för att bygga ett gigantiskt system som inte ger oss någonting på länge, förklarar han.
Det är ett råd som varje affärsledare i alla branscher borde tatuera in. Ambitionen att bygga det perfekta systemet på en gång är nästan alltid fienden till det fungerande systemet nu.
Omgivande AI: Enormt löfte, verkliga hinder
På den kliniska sidan väcker så kallad omgivande AI – system som automatiskt dokumenterar läkarsamtal och patientmöten i realtid – enorm entusiasm. Och med rätta. Utbrändhet bland läkare och sjuksköterskor är en akut kris, och om AI kan ta bort timmar av journalskrivning varje vecka är det inte en bekvämlighet utan en strukturell förändring.
Men Healthcare IT News rapporterar att forskarna Wendy Charles och Renee Pratt riktar en viktig varning: hastigheten får inte gå ut över noggrannheten. Felaktig dokumentation i en patientjournal är inte bara ett administrativt bekymmer – det är en patientsäkerhetsfråga.
Ännu mer centralt är integrationsproblematiken. Om ett AI-verktyg för dokumentation inte samverkar sömlöst med befintliga journalsystem riskerar det att skapa mer arbete, inte mindre. Det motverkar hela syftet. Forskarna rekommenderar att vårdorganisationer noggrant kartlägger sina kliniska arbetsflöden och tekniska miljöer innan de väljer verktyg – inte efteråt.
Detta är ett mönster jag ser om och om igen i affärsutveckling: organisationer förälskar sig i en teknologi och köper den, för att sedan försöka tvinga in den i verkligheten. Det fungerar sällan.
Infrastruktur är inte en detalj – det är grunden
Ett kompletterande perspektiv kommer från den pågående utvecklingen inom identitetsverifiering. Företag som Verato bygger gemensam identitetsinfrastruktur för sjukhus och försäkringsbolag, medan journalsystemsjätten Epic utökar sitt ekosystem med verifieringsverktyg via aktörer som 1Kosmos. Logiken är tydlig: ju mer tillförlitlig den gemensamma identitetsdatabasen är, desto bättre fungerar alla AI-lösningar som bygger på den.
Identitetshantering låter torrt. Men det är exakt den typen av rörledningar som antingen möjliggör eller kväver digital omvandling i stor skala.
Ochsner visar vad skalning faktiskt kräver
Den kanske mest strategiskt intressanta berättelsen kommer från Ochsner Health i Louisiana. Sjukhussystemet startade telemedicin redan 1998 och hade 2009 byggt ut fjärrövervakning för strokepatienter som ett direkt svar på specialistbrist i tre delstater.
Men det som verkligen skiljer Ochsner från mängden är insikten som biträdande vice ordföranden Rachelle Longo formulerar: utmaningen var inte om virtuell vård kunde hjälpa – utan hur man rörde sig bortom isolerade pilotprojekt mot en centraliserad, standardiserad driftsmodell.
Det är exakt rätt fråga. Och det är den frågan de flesta organisationer aldrig ens ställer sig, för de fastnar för evigt i pilotfasen.
Virtuella vårdgivare vid Ochsner ersätter inte personalen vid sängkanten – de förstärker den. Det är samma filosofi som Accurso på Northwell formulerar: AI finns där för att förstärka, inte ersätta.
Den verkliga bilden
Så hur ser den egentliga bilden ut? AI i sjukvården levererar mätbara resultat – men bara när organisationer är disciplinerade nog att bygga rätt grund, implementera i hanterbara steg och ta integrationsfrågor på allvar från dag ett. Det är inte ett hot mot omvandlingen. Det är manualen för hur den lyckas.
Vår analys
Det som verkligen framträder i dessa berättelser är ett mönster som går långt bortom sjukvården: teknologin är sällan det svåraste – det är förändringsledning och infrastruktur som avgör.
Northwell och Ochsner lyckas inte för att de valt bättre AI-verktyg än andra. De lyckas för att de ställt rätt frågor från början: Vad löser vi? Hur bryter vi ner det? Hur integrerar det med vad vi redan har?
Den varning som Charles och Pratt riktar mot omgivande AI är välgrundad, men den bör inte tolkas som ett argument för att bromsa – utan för att bygga rätt. De organisationer som tar infrastruktur och arbetsflödeskartläggning på allvar nu kommer att ha ett enormt försprång om 18–24 månader, när marknaden för kliniska AI-verktyg exploderar.
Utvecklingen pekar mot en sjukvård där AI är inbäddad i varje operationellt lager – från fakturering till journalföring till patientidentifiering. Den resan är inte enkel. Men riktningen är omisskännlig.