De zorg heeft geen AI-probleem, maar een implementatieprobleem
AI in de Zorg. Maar hoe dan? | Artikel 2
Door Rutger den Hollander – Oprichter Super Brains
De pilot is geslaagd. En nu?
De pilot is geslaagd. En nu?
Een zorgorganisatie test een nieuwe AI-toepassing voor behandelverslagen. Tien behandelaren doen mee aan een pilot van drie maanden. De technologie werkt, de eerste ervaringen zijn positief en het projectteam presenteert de resultaten aan het management. Iedereen is enthousiast. Maar zes maanden later wordt de toepassing nog steeds alleen door dezelfde kleine groep gebruikt. Hoe kan dat?
Het antwoord zit vaak niet in de technologie, maar in wat er na de pilot gebeurt. Wie neemt de verantwoordelijkheid voor de verdere invoering? Hoe worden andere behandelaren opgeleid? Hoe sluit de toepassing aan op bestaande systemen? En wie bepaalt of de investering daadwerkelijk iets oplevert?
Dit is volgens mij een van de belangrijkste uitdagingen rondom AI in de gezondheidszorg. We worden steeds beter in het ontwikkelen en testen van nieuwe toepassingen, maar het structureel invoeren ervan vraagt om een heel andere aanpak.
In het eerste artikel van deze reeks schreef ik over de noodzaak om de zorg zelf te veranderen. In dit tweede artikel wil ik een stap verder gaan. Want hoe zorgen we ervoor dat veelbelovende AI-toepassingen niet blijven hangen in een experiment, maar daadwerkelijk onderdeel worden van de dagelijkse zorgpraktijk?
Waarom de overgang van pilot naar praktijk zo moeilijk is
Tijdens een pilot zijn de omstandigheden vaak gunstig. Er werkt een kleine groep gemotiveerde medewerkers met de technologie, er is extra aandacht vanuit het projectteam en problemen kunnen relatief snel worden opgelost. Bij een bredere invoering verandert dat. Plotseling moeten tientallen of honderden medewerkers met dezelfde toepassing werken. Niet iedereen heeft dezelfde digitale vaardigheden, werkdruk of verwachtingen. Bovendien moet de technologie aansluiten op bestaande systemen, afspraken en verantwoordelijkheden.
Een toepassing die bij tien enthousiaste behandelaren goed functioneert, werkt daardoor niet automatisch even goed bij een volledige zorgorganisatie. Daar komt bij dat een pilot meestal een duidelijk begin en einde heeft. Voor de periode daarna zijn verantwoordelijkheden soms minder concreet vastgelegd. Het projectteam rondt zijn werkzaamheden af, terwijl de organisatie nog niet volledig is voorbereid op structureel gebruik. Juist op dat moment kan een veelbelovende innovatie stilvallen. Een geslaagde pilot bewijst dat een toepassing kan werken. Pas een succesvolle invoering bewijst dat een organisatie ermee kan werken.
Het verschil tussen testen en opschalen
Een AI-toepassing testen is iets anders dan deze beschikbaar maken voor een volledige organisatie. Bij opschaling ontstaan nieuwe vragen die tijdens een kleinschalige pilot mogelijk nauwelijks aan bod zijn gekomen.
Neem bijvoorbeeld een AI-toepassing die behandelgesprekken automatisch transcribeert en samenvat. Tijdens een pilot kan een projectteam handmatig gebruikersaccounts aanmaken, medewerkers begeleiden en technische problemen oplossen. Wanneer honderden behandelaren de toepassing gaan gebruiken, is die aanpak niet langer houdbaar. Er moet een structureel proces komen voor gebruikersbeheer, technische ondersteuning, scholing en kwaliteitscontrole.
Ook de aansluiting op het elektronisch patiëntendossier wordt belangrijker. Wanneer behandelaren samenvattingen handmatig moeten overzetten naar een ander systeem, kan een deel van de beoogde tijdswinst verloren gaan. Daarnaast moet duidelijk zijn hoe de organisatie omgaat met nieuwe medewerkers, software-updates en veranderende wetgeving.
Opschalen betekent dus niet simpelweg dat meer mensen toegang krijgen tot dezelfde technologie. Het betekent dat de organisatie haar werkwijze zo moet inrichten dat de toepassing op grotere schaal veilig, betrouwbaar en efficiënt gebruikt kan worden.
Wie is verantwoordelijk wanneer de pilot voorbij is?
Een van de grootste risico’s bij AI-implementatie is onduidelijk eigenaarschap. Tijdens de ontwikkeling en testfase is meestal duidelijk wie het project leidt. Maar zodra de toepassing onderdeel moet worden van de dagelijkse werkzaamheden, raken verschillende afdelingen betrokken.
De IT-afdeling kijkt naar de technische werking. Informatiebeveiliging beoordeelt de veiligheid. Zorgprofessionals richten zich op de praktische bruikbaarheid. Het management kijkt naar de kosten en resultaten. Iedere afdeling heeft een eigen verantwoordelijkheid, maar wie bewaakt het geheel? Wie neemt een beslissing wanneer medewerkers tegen problemen aanlopen? Wie bepaalt of een toepassing verder moet worden ontwikkeld? En wie is verantwoordelijk wanneer het gebruik na enkele maanden terugloopt?
Volgens mij moet een zorgorganisatie deze verantwoordelijkheden vastleggen voordat een pilot wordt afgerond. Daarbij moet één persoon of team de regie houden over de verdere implementatie, met duidelijke afspraken over de betrokken afdelingen. Bestuurlijke betrokkenheid blijft daarbij noodzakelijk, maar de dagelijkse verantwoordelijkheid moet concreet zijn belegd. Zonder eigenaarschap kan een innovatie tussen verschillende afdelingen blijven hangen, ook wanneer iedereen overtuigd is van de mogelijkheden.
Waarom medewerkers een AI-toepassing niet blijven gebruiken
Het aantal medewerkers dat een nieuwe AI-toepassing voor het eerst gebruikt, zegt nog weinig over het succes ervan. Veel interessanter is de vraag hoeveel medewerkers de toepassing na drie of zes maanden nog steeds gebruiken. Wanneer het gebruik terugloopt, wordt dat soms verklaard door weerstand tegen verandering. Maar volgens mij is dat te eenvoudig.
Misschien moeten behandelaren te veel handelingen uitvoeren voordat ze de toepassing kunnen gebruiken. Misschien moeten ze de resultaten zo uitgebreid controleren dat de beloofde tijdwinst verdwijnt. Of misschien sluit de technologie onvoldoende aan op de manier waarop zij hun werkzaamheden uitvoeren. Ook kan een toepassing in de eerste weken veel aandacht krijgen, terwijl medewerkers daarna nauwelijks ondersteuning ontvangen.
Daarom is het belangrijk om niet alleen te onderzoeken of medewerkers tevreden zijn tijdens een pilot, maar ook hoe zij de technologie ervaren wanneer deze onderdeel is geworden van hun normale werkdag.
Bij Super Brains houden we ons bezig met digitale ondersteuning binnen de geestelijke gezondheidszorg. Vanuit die praktijk vind ik het belangrijk om niet alleen te kijken naar wat technologie mogelijk maakt, maar vooral naar wat gebruikers nodig hebben om ermee te kunnen werken. Een toepassing die extra werk oplevert, zal uiteindelijk moeilijker structureel worden gebruikt. Zelfs wanneer de technologie op zichzelf uitstekend functioneert.
Vijf stappen om AI succesvol te implementeren
Hoe kunnen zorgorganisaties voorkomen dat veelbelovende AI-toepassingen na een pilot stilvallen? Vanuit mijn ervaringen als ondernemer en ontwikkelaar van digitale zorgoplossingen zie ik vijf stappen die daarbij kunnen helpen.
1. Stel vooraf duidelijke succescriteria vast
Voordat een pilot begint, moet duidelijk zijn wanneer deze succesvol is en onder welke voorwaarden een bredere invoering verantwoord is. Bij een AI-toepassing voor behandelverslagen kan bijvoorbeeld worden gemeten hoeveel tijd behandelaren besteden aan verslaglegging, hoeveel correcties nodig zijn en hoe zij de kwaliteit van de samenvattingen beoordelen.
Vergelijk deze resultaten met de situatie voordat de toepassing werd ingevoerd. Leg ook vast welke uitkomsten aanleiding zijn om verder te gaan, de toepassing aan te passen of juist te stoppen. Zo wordt de beslissing over opschaling gebaseerd op concrete resultaten in plaats van alleen op positieve eerste ervaringen.
2. Maak al tijdens de pilot een opschalingsplan
Wacht niet tot een experiment is afgerond voordat wordt nagedacht over de volgende fase. Bepaal vooraf welke stappen nodig zijn om de toepassing breder beschikbaar te maken. Denk aan technische integraties, opleiding van medewerkers, ondersteuning, budget en verantwoordelijkheden.
Onderzoek bovendien of de resultaten van de pilot representatief zijn voor andere teams en afdelingen. Een toepassing die goed werkt binnen één behandelteam hoeft niet automatisch geschikt te zijn voor alle onderdelen van een zorgorganisatie. Door de invoering gefaseerd uit te breiden, kunnen organisaties nieuwe knelpunten ontdekken voordat de technologie op grote schaal wordt gebruikt.
3. Organiseer structurele ondersteuning
Een eenmalige training is meestal niet voldoende om medewerkers vertrouwd te maken met nieuwe technologie. Zorg dat gebruikers weten waar zij terechtkunnen met vragen, problemen en suggesties. Maak bijvoorbeeld gebruik van interne aanspreekpunten die de toepassing goed kennen en collega’s kunnen ondersteunen.
Verzamel daarnaast regelmatig ervaringen uit de praktijk. Welke functies worden veel gebruikt? Waar lopen medewerkers tegenaan? En welke onderdelen blijken minder nuttig dan vooraf werd verwacht? Door ondersteuning en feedback structureel te organiseren, kan een toepassing blijven aansluiten op de behoeften van gebruikers.
4. Leg veiligheid en kwaliteitscontrole vast
Bij AI-toepassingen in de gezondheidszorg moeten organisaties duidelijk vastleggen hoe zij omgaan met privacy, informatiebeveiliging en mogelijke fouten. Wanneer AI bijvoorbeeld een behandelverslag genereert, moet duidelijk zijn welke controle door de behandelaar noodzakelijk is en wie verantwoordelijk blijft voor de uiteindelijke inhoud.
Ook moet worden beoordeeld welke wettelijke verplichtingen gelden. Afhankelijk van de toepassing kunnen onder andere de AVG, de AI Act en Europese regelgeving voor medische hulpmiddelen relevant zijn.
Veiligheid moet niet uitsluitend tijdens de pilot worden beoordeeld. Ook na de invoering moeten organisaties blijven controleren of toepassingen verantwoord functioneren.
5. Meet het resultaat ook na zes en twaalf maanden
Een succesvolle implementatie stopt niet op het moment dat een toepassing beschikbaar is voor alle medewerkers. Juist daarna wordt duidelijk of de technologie daadwerkelijk waarde toevoegt. Onderzoek daarom ook op langere termijn hoeveel medewerkers de toepassing gebruiken, welke tijdwinst wordt gerealiseerd en hoe de kwaliteit van het werk zich ontwikkelt. Kijk daarbij verder dan alleen gebruikscijfers.
Een toepassing die dagelijks wordt gebruikt, kan alsnog extra administratieve handelingen veroorzaken. Andersom kan een toepassing met een relatief kleine gebruikersgroep juist veel waarde toevoegen binnen een specifieke behandeling. Het belangrijkste is dat de resultaten aansluiten bij de oorspronkelijke doelstellingen.
Wanneer moet je stoppen met een AI-toepassing?
Bij innovatie ligt de nadruk vaak op vooruitgang. Een succesvolle pilot wordt gezien als een reden om verder te investeren. Maar volgens mij hoort bij verantwoord implementeren ook de bereidheid om te stoppen.
Niet iedere AI-toepassing die technisch werkt, is automatisch geschikt voor structureel gebruik. Stel dat een AI-tool behandelaren gemiddeld enkele minuten per gesprek bespaart, maar tegelijkertijd veel extra controlewerk vraagt. Of dat een toepassing goed functioneert, maar onvoldoende aansluit op de bestaande systemen.
Dan moet een organisatie kritisch durven beoordelen of verdere invoering verstandig is. Dat kan betekenen dat de toepassing eerst moet worden verbeterd. Maar soms is stoppen de beste keuze. Een pilot die aantoont dat een oplossing onvoldoende waarde toevoegt, hoeft geen mislukking te zijn. De organisatie heeft immers waardevolle kennis opgedaan zonder direct grootschalig te investeren.
Wat ik vooral belangrijk vind, is dat organisaties vooraf bepalen op basis van welke resultaten zij besluiten om door te gaan, aan te passen of te stoppen. Zo voorkomen we dat innovatieprojecten blijven bestaan omdat er al veel tijd en geld in is geïnvesteerd.
De verborgen kosten van AI-implementatie
Wanneer zorgorganisaties de kosten van AI beoordelen, wordt vaak gekeken naar licenties, ontwikkeling en technische ondersteuning. Maar de daadwerkelijke kosten van implementatie kunnen verder gaan.
Medewerkers moeten worden opgeleid, bestaande systemen moeten mogelijk worden aangepast en er is tijd nodig om nieuwe werkprocessen te ontwikkelen. Daarnaast vraagt verantwoord gebruik om kwaliteitscontrole, informatiebeveiliging en structureel beheer. Ook tijdelijke productiviteitsverliezen kunnen een rol spelen. Medewerkers hebben immers tijd nodig om aan een nieuwe werkwijze te wennen.
Deze kosten maken AI niet automatisch minder interessant. Ze moeten alleen wel worden meegenomen in de beoordeling van de totale investering. Een toepassing die op papier goedkoop lijkt, kan in de praktijk veel organisatorische inspanning vragen.
Andersom kan een relatief grote investering verantwoord zijn wanneer deze op langere termijn aantoonbaar tijd bespaart, de kwaliteit ondersteunt of de toegankelijkheid van zorg verbetert. Daarom moeten organisaties niet alleen kijken naar de aanschafprijs van AI, maar naar de totale kosten en opbrengsten over een langere periode.
Wat kunnen zorgorganisaties morgen al anders doen?
Volgens mij hoeven zorgorganisaties niet te wachten op nieuwe technologische ontwikkelingen om hun AI-implementatie te verbeteren. Er zijn nu al concrete stappen mogelijk.
Begin bijvoorbeeld met een overzicht van alle lopende AI-pilots binnen de organisatie. Welke toepassingen worden getest? Welke resultaten zijn beschikbaar? En wat is het plan na afloop van ieder experiment? Kijk vervolgens welke pilots voldoende veelbelovend zijn om verder te onderzoeken en welke toepassingen misschien beter kunnen worden beëindigd.
Maak voor de meest kansrijke oplossingen duidelijk wie verantwoordelijk is voor de verdere invoering, welke ondersteuning nodig is en hoe succes wordt gemeten. Dat klinkt misschien minder vernieuwend dan het ontwikkelen van een nieuwe AI-toepassing. Maar juist deze organisatorische stappen kunnen het verschil maken tussen een interessant experiment en een blijvende verbetering van de zorgpraktijk.
Mijn oproep aan zorgorganisaties
In het eerste artikel van deze reeks schreef ik dat AI de zorg niet vanzelf zal veranderen. Die verandering moeten we zelf organiseren. In dit artikel heb ik laten zien waarom de stap van experiment naar dagelijks gebruik daarbij zo belangrijk is.
We hoeven niet iedere technologische ontwikkeling onmiddellijk op grote schaal in te voeren. Maar wanneer een toepassing aantoonbaar waardevol is, moeten we ook bereid zijn om de voorwaarden te creëren voor structureel gebruik. Dat vraagt om duidelijke verantwoordelijkheden, realistische plannen, ondersteuning van medewerkers en voortdurende evaluatie.
Mijn oproep aan zorgbestuurders, directeuren en innovatiemanagers is daarom eenvoudig: Beoordeel een AI-project niet alleen op het succes van de pilot, maar vooral op de waarde die het daarna in de dagelijkse zorgpraktijk oplevert. Want uiteindelijk gaat het niet om hoeveel experimenten een zorgorganisatie heeft uitgevoerd. Het gaat om hoeveel van die innovaties daadwerkelijk bijdragen aan betere zorg.
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 2 uit de reeks ‘AI in de Zorg. Maar hoe dan?’