Waarom we moeten stoppen met eindeloos experimenteren met AI in de zorg
AI in de Zorg – Van belofte naar praktijk | Artikel 3
Door Rutger den Hollander – Oprichter Super Brains
Wanneer is een AI-pilot eigenlijk geslaagd?
We experimenteren volop met AI in de gezondheidszorg. Nieuwe toepassingen worden ontwikkeld, zorgorganisaties starten pilots en behandelaren ontdekken wat technologie voor hun dagelijkse werkzaamheden kan betekenen. Dat is een positieve ontwikkeling. Want voordat we AI verantwoord kunnen inzetten, moeten we onderzoeken wat werkt, wat niet werkt en welke risico’s er zijn. Toch vraag ik me steeds vaker iets af: wanneer hebben we eigenlijk genoeg geëxperimenteerd?
Stel dat een zorgorganisatie een AI-toepassing test die behandelaren ondersteunt bij hun administratieve werkzaamheden. De eerste reacties zijn positief. Medewerkers vinden de technologie interessant en de toepassing lijkt tijd te besparen. De pilot wordt als succesvol beoordeeld. Maar is dat voldoende?
Wat als de daadwerkelijke tijdsbesparing nauwelijks meetbaar is? Wat als behandelaren veel tijd kwijt zijn aan het controleren van de resultaten? Of wat als cliënten uiteindelijk niets merken van de nieuwe technologie? Dan moeten we ons durven afvragen of de pilot werkelijk heeft aangetoond dat de toepassing waarde toevoegt.
Een succesvolle test betekent niet automatisch dat een toepassing een verbetering is voor de zorg.
Experimenteren is noodzakelijk, maar niet eindeloos
Laat ik vooropstellen dat ik een groot voorstander ben van experimenteren. Zeker binnen de gezondheidszorg, waar nieuwe technologie direct invloed kan hebben op het werk van professionals en het welzijn van cliënten. AI biedt mogelijkheden die we enkele jaren geleden nauwelijks voor mogelijk hielden. Van ondersteuning bij administratieve werkzaamheden tot het toegankelijker maken van informatie en het bieden van persoonlijke begeleiding.Maar juist omdat die mogelijkheden zo groot zijn, vind ik dat we kritisch moeten blijven.
Een experiment moet niet alleen aantonen dat technologie iets kan. Het moet vooral duidelijk maken of die mogelijkheid daadwerkelijk iets oplevert. Daar zit volgens mij een belangrijk verschil. We kunnen eindeloos nieuwe AI-toepassingen testen, maar als we onvoldoende leren van de resultaten, komen we uiteindelijk weinig verder. Een pilot is daarom geen doel op zich. Het is een manier om kennis te verzamelen waarmee we een onderbouwde beslissing kunnen nemen. We moeten niet alleen beter worden in experimenteren met AI. We moeten vooral beter worden in beslissen wat we met de resultaten doen.
Waarom positieve resultaten niet altijd voldoende zijn
Bij innovatie richten we ons vaak op wat goed gaat. Een nieuwe toepassing werkt, gebruikers zijn enthousiast en de eerste resultaten zien er veelbelovend uit. Dat enthousiasme begrijp ik. Als ondernemer en ontwikkelaar van digitale zorgoplossingen weet ik hoe motiverend het is wanneer een idee in de praktijk blijkt te werken. Maar enthousiasme alleen zegt nog niet genoeg.
Stel dat een AI-toepassing behandelaren helpt bij het schrijven van verslagen. Tijdens een pilot blijkt dat het genereren van een eerste versie aanzienlijk sneller gaat. Dat klinkt als een succes. Maar wat als de behandelaar vervolgens veel tijd nodig heeft om de tekst te controleren en aan te passen? Wat als belangrijke informatie ontbreekt? Of wat als de toepassing vooral prettig werkt in eenvoudige situaties, maar minder betrouwbaar is bij complexe gesprekken?
Dan kan de werkelijke opbrengst heel anders zijn dan de eerste resultaten suggereren. Daarom vind ik het belangrijk dat zorgorganisaties niet alleen kijken naar wat een toepassing goed doet, maar ook naar de beperkingen ervan. Welke problemen lost de technologie daadwerkelijk op? Welke nieuwe werkzaamheden ontstaan er? En wegen de voordelen op tegen de kosten, risico’s en benodigde inspanning? Pas wanneer we die vragen beantwoorden, kunnen we beoordelen of een AI-toepassing werkelijk waarde toevoegt.
Begin met de vraag wanneer je zou stoppen
Wanneer een zorgorganisatie een nieuwe AI-pilot start, wordt meestal nagedacht over wat men wil bereiken. Dat is logisch. We willen weten welke verbetering mogelijk is en welke resultaten we hopen te zien. Maar ik zou daar een tweede vraag aan willen toevoegen:
Onder welke omstandigheden besluiten we om niet verder te gaan?
Die vraag klinkt misschien minder enthousiast, maar is minstens zo belangrijk. Stel dat een organisatie AI wil inzetten om administratieve tijd te verminderen. Dan moet vooraf duidelijk zijn hoeveel tijdsbesparing nodig is om de toepassing waardevol te maken. Maar ook wanneer die tijdsbesparing onvoldoende is. Of wanneer de kwaliteit van de resultaten achterblijft. Of wanneer het gebruik te veel extra controle vraagt.
Door vooraf te bepalen welke resultaten aanleiding zijn om te stoppen, wordt het gemakkelijker om na afloop een eerlijke beslissing te nemen. Anders ontstaat het risico dat we blijven investeren in een toepassing omdat we er al zoveel tijd en energie in hebben gestoken. Dat lijkt mij geen goede reden om met technologie door te gaan.
Een AI-toepassing verdient een vervolg omdat ze waarde toevoegt, niet omdat er al een pilot voor is uitgevoerd.
Vier mogelijke uitkomsten van een AI-pilot
Volgens mij moeten we af van het idee dat een pilot alleen succesvol is wanneer de technologie daarna wordt ingevoerd.
Een goed uitgevoerd experiment kan verschillende waardevolle conclusies opleveren.
1. Implementeren
De toepassing voldoet aan de vooraf gestelde voorwaarden, levert aantoonbare waarde op en kan verantwoord verder worden ingevoerd.
2. Aanpassen
De technologie heeft potentie, maar belangrijke onderdelen moeten worden verbeterd voordat verder gebruik verstandig is.
3. Verder onderzoeken
De resultaten zijn nog onvoldoende duidelijk. Er is aanvullende informatie nodig om een verantwoorde beslissing te kunnen nemen.
4. Stoppen
De toepassing levert onvoldoende waarde op, sluit niet goed aan bij de behoeften van gebruikers of brengt risico’s met zich mee die niet voldoende kunnen worden beheerst. Wat mij betreft zijn dit niet vier uitkomsten waarvan er maar één succesvol is.
Ze kunnen allemaal waardevol zijn, zolang de beslissing gebaseerd is op duidelijke resultaten. Een organisatie die na een zorgvuldig experiment besluit om te stoppen, heeft misschien juist voorkomen dat veel tijd, geld en capaciteit worden besteed aan een oplossing die onvoldoende bijdraagt aan betere zorg. Dat is geen mislukking. Dat is verantwoord innoveren.
Waarom stoppen soms de beste keuze is
Binnen innovatie bestaat vaak de neiging om vooruit te blijven kijken. We ontwikkelen nieuwe functies, onderzoeken aanvullende mogelijkheden en proberen oplossingen steeds verder te verbeteren. Maar niet ieder probleem vraagt om een technologische oplossing.
Soms blijkt dat een bestaand werkproces eenvoudiger kan worden ingericht. Soms is een betere samenwerking tussen medewerkers effectiever. En soms voegt een nieuwe AI-toepassing simpelweg te weinig toe. Toch kan het lastig zijn om een project te beëindigen.
Er is al tijd geïnvesteerd. Medewerkers hebben meegedacht. Er zijn verwachtingen ontstaan. Misschien heeft de organisatie de pilot zelfs al als succes gepresenteerd. Maar juist dan vind ik het belangrijk om kritisch te blijven.
Want als we iedere veelbelovende toepassing blijven doorontwikkelen, verliezen we tijd en aandacht die we ook aan betere oplossingen hadden kunnen besteden. Stoppen betekent niet dat alle inspanningen voor niets zijn geweest. Het betekent dat we iets hebben geleerd over wat wel en niet werkt. En die kennis is minstens zo belangrijk als het ontwikkelen van een nieuwe toepassing.
Wat merkt de cliënt eigenlijk van een succesvolle pilot?
Uiteindelijk moeten we bij iedere AI-toepassing blijven kijken naar wat deze daadwerkelijk oplevert voor de cliënt. Een zorgorganisatie kan een toepassing als succesvol beoordelen omdat administratieve werkzaamheden sneller verlopen of medewerkers tevreden zijn. Maar betekent dat ook dat cliënten betere zorg ontvangen? Krijgen zij sneller passende ondersteuning? Hebben behandelaren meer ruimte voor persoonlijke aandacht? Wordt informatie begrijpelijker? Of kunnen cliënten beter zelfstandig aan hun doelen werken? Dat zijn voor mij belangrijke vragen.
Bij Super Brains ontwikkelen we digitale oplossingen voor de geestelijke gezondheidszorg. Daarbij kijken we niet alleen naar de mogelijkheden van technologie, maar vooral naar wat mensen in de praktijk nodig hebben. Vanuit mijn eigen ervaringen met ADHD en autisme weet ik hoe belangrijk het is dat ondersteuning aansluit bij de persoon die haar ontvangt.
Niet iedereen heeft dezelfde behoeften. En niet iedere technologische oplossing is voor iedereen even waardevol. Daarom vind ik dat we AI niet uitsluitend moeten beoordelen op technische prestaties, tijdsbesparing of tevredenheid van medewerkers.
We moeten ook onderzoeken wat de technologie daadwerkelijk betekent voor de mensen die zorg ontvangen. Een toepassing kan technisch uitstekend functioneren en toch weinig verschil maken voor cliënten. Andersom kan een relatief eenvoudige toepassing juist veel waarde toevoegen wanneer deze mensen op het juiste moment passende ondersteuning biedt. De echte opbrengst van AI zit niet in een succesvolle pilot, maar in de verbetering die cliënten en zorgprofessionals uiteindelijk ervaren.
Van zoveel mogelijk experimenten naar betere beslissingen
Ik verwacht dat AI de komende jaren een steeds grotere rol gaat spelen binnen de gezondheidszorg. Er zullen nieuwe toepassingen ontstaan en bestaande systemen zullen zich verder ontwikkelen. Experimenteren blijft daarbij noodzakelijk. Maar ik hoop dat we anders gaan kijken naar wat innovatie succesvol maakt.
Niet iedere nieuwe AI-toepassing verdient een pilot. Niet iedere positieve uitkomst vraagt om verdere ontwikkeling. En niet iedere interessante technologie hoeft uiteindelijk een plek te krijgen in de dagelijkse zorgpraktijk. Wat mij betreft moeten we minder nadruk leggen op het aantal experimenten dat we uitvoeren en meer op de kwaliteit van de beslissingen die we ermee nemen.
Dat begint met duidelijke vragen. Welk probleem willen we oplossen? Wat willen we leren? Welke resultaten vinden we voldoende? En wanneer besluiten we dat een andere oplossing verstandiger is? Door die vragen vooraf te stellen, wordt experimenteren gerichter. Dan gebruiken we pilots niet alleen om nieuwe mogelijkheden te ontdekken, maar ook om bewust te bepalen welke mogelijkheden we beter kunnen loslaten.
Mijn oproep aan zorgorganisaties
Wanneer een zorgorganisatie morgen een nieuwe AI-pilot wil starten, zou ik adviseren om eerst goed na te denken over welke beslissing het experiment uiteindelijk moet opleveren.
Niet alleen wat de technologie kan. Niet alleen of medewerkers enthousiast zijn. Maar vooral welke kennis nodig is om te bepalen of de toepassing werkelijk waarde toevoegt. En durf daarbij ook vooraf vast te leggen wanneer stoppen de verstandigste keuze is. Want verantwoord innoveren betekent niet dat we iedere nieuwe mogelijkheid moeten benutten.
Het betekent dat we kritisch blijven onderzoeken welke toepassingen daadwerkelijk bijdragen aan betere, veiligere en toegankelijkere zorg. We moeten niet stoppen met experimenteren. We moeten stoppen met experimenteren zonder duidelijk doel en zonder bereidheid om conclusies te trekken.
Want uiteindelijk wordt de toekomst van AI in de zorg niet bepaald door hoeveel pilots we starten, maar door hoeveel waardevolle verbeteringen cliënten en zorgprofessionals daadwerkelijk ervaren.
Rutger den Hollander is ondernemer en oprichter van Super Brains, een digitaal platform voor mentale gezondheid en ondersteuning binnen de GGZ. Vanuit zijn ervaring als ondernemer en ervaringsdeskundige met ADHD en autisme deelt hij zijn visie op digitale zorginnovatie en AI-implementatie.
Dit is artikel 3 uit de reeks ‘AI in de Zorg – Van belofte naar praktijk’.