Sådan får sundhedsvæsenet succes med AI

I Danmark ser vi mange spændende AI-projekter, og det gælder også sundhedssektoren, der allerede har kastet sig over flere pilotprojekter. Alligevel kæmper mange organisationer med at integrere AI-løsningerne effektivt i den daglige drift. Denne udfordring er ikke ny for sundhedsvæsenet, der er vant til at udvikle og implementere digitale løsninger. Potentialet i AI er dog ekstraordinært, og derfor er det vigtigt at have de bedste forudsætninger for at skabe gode resultater i stor skala. Men hvordan sikrer vi, at AI-projekter ikke blot forbliver pilotprojekter, men bliver vitale komponenter i sundhedsvæsenets fremtidige arbejde?

Digital taskforce sætter retningen for kunstig intelligens i den offentlige sektor
I et forsøg på at få større succes med at implementere AI i den offentlige sektor har KL, Danske Regioner og regeringen nedsat en Digital Taskforce for kunstig intelligens, der skal identificere og håndtere barrierer for udnyttelse af AI. Derudover skal gruppen være med til at etablere et samlet målbillede for anvendelse af kunstig intelligens i den offentlige sektor.

En dedikeret task force til AI i det offentlige er kærkomment, men udfordringen kan være, at det i nogen grad kan virke som en oppefra og ned tilgang fra regeringens side. Ønsket om brug af kunstig intelligens kommer nemlig ikke nødvendigvis kun fra ledelsen. Både ideer og løsninger til succesfuld brug kommer fra hele organisationen, og selvom alle ideer ikke nødvendigvis er relevante i et strategisk perspektiv, er det vigtigt at være nysgerrig over for AI-input fra dem, der får reel nytte af det i hverdagen.

Først kommer strategien, dernæst værdien
Udvikling og implementering af kunstig intelligens skal hjælpe med at realisere organisationens strategi. Derfor er det afgørende med en klar strategi for anvendelsen af AI, så teknologien løser en reel problemstilling. Alternativt kan man ende med, at løsning og teknologi søger et problem - og ikke et problem, der søger en løsning. For så bliver prioritering vanskeligere.

Kunstig intelligens er dog stadig en relativ ny teknologi, og fuld udnyttelse af teknologien kræver adgang til relevante data – i sundhedsvæsenet helst også patient-henførbare data, hvilket kan være en udfordring i forhold til patientgenkendelighed og sikkerhed. Samtidig kan det også være en udfordring, at gevinsterne ved brugen af AI først kommer, når vi ændrer vores arbejdsprocesser og overlader dele af dem til AI. Det kræver desuden nye kompetencer at bruge de nye muligheder, som teknologien giver, samtidig med, at det kan ændre den enkelte medarbejders opfattelse af, hvad deres arbejde kan og bør bestå af. Her kan strategiudvikling og parallelle indblik i de teknologiske muligheder ofte være en god vej at gå for den strategiske ledelse.

Strategisk prioritering overkommer barrierer
Uden strategisk prioritering vil det være vanskeligt at overkomme nogle af de ovenstående barrierer. De tre største områder, der skal prioriteres, er derfor: 

• Det økonomiske aspekt
  Anvendelse af kunstig intelligens kan være en økonomisk stor post. En brugerlicens kan koste 2000 kr. om året for en enkelt medarbejder og nogle organisationer har mange tusind medarbejdere. Søgning og svar med GenAI-løsninger afregnes typisk efter forbrug, men hvor mange gange dagligt vil de mange tusinde medarbejdere mon søge efter kliniske retningslinjer – og hvad vil gevinsten ved større og mere aktuel viden være? Hvor mange gange vil en medarbejder bruge GenAI til at forudsige risiko for genindlæggelse? I begge situationer vil velfungerende AI kunne hjælpe. AI stiller dog krav til datakvalitet og kræver mange data, så hvor meget koster det mon at bruge AI, hvis man tager alle omkostningerne med? Den strategiske prioritering og gevinster skal selvfølgelig vejes op mod omkostningerne – og nogle af disse omkostninger kan være svære at gøre op. Er der, når alt tælles med, en god businesscase?
• Det juridiske aspekt
  AI-løsninger kan bidrage i mange sammenhænge i sundhedsvæsenet, men potentialet er allerstørst, hvis man hjælper klinikerne i den direkte kontakt med patienterne. AI-løsninger kan forudsige forværring af sygdom, hjælpe med indledende diagnostik og levere sikker hastegradsvurdering. AI kan hjælpe med at skabe overblik over store mængder af journaldata på tværs af systemer, så risici for patienterne reduceres, fejl undgås og tid spares. Alt dette kræver sikker behandling af store datamængder og sikre løsninger. Virksomheder skal være parat til at investere i godkendelsesprocesser samtidig med, at stat, kommuner og regioner skal hjælpes ad med at løsne op for de juridiske barrierer i forbindelse med brug af sundhedsdata – også i AI.
• Det tekniske aspekt
  AI er egentlig blot IT og applikationer i ny forklædning, og derfor er IT-afdelinger vigtige for udvikling og implementering. Det betyder ikke, at de bør se sig selv som udviklere, men det betyder heller ikke, at entreprenante klinikere vil have held med selv at udvikle løsninger og få dem i drift i større skala uden aktiv medvirken fra IT-afdelingerne. Ligesom i alle andre sammenhænge, hvor digitale løsninger skal implementeres i større skala, skal man have IT-ressourcerne med fra starten. Og den strategiske ledelse skal sikre sig, at IT ser sig som hjælper med de rette forudsætninger og ressourcer. For der kommer ikke færre krav til eksisterende IT-løsningers effektivitet, brugervenlighed og driftssikkerhed. Det er ikke uden omkostninger at sikre sig, at IT har processer og ressourcer, der kan hjælpe effektive løsninger fra Proof of concept til drift.

Hvordan kan succesfuld implementering gøres mere effektivt i sundhedsvæsenet?
Ledelsen i sundhedsvæsenet bør, med strategien som guideline, prioritere de mange projektforespørgsler fra medarbejdere og resten af økosystemet. Det er vigtigt at sortere og fokusere, da ressourcerne ofte ikke rækker til at implementere projekter, hverken i de dele af organisationen, hvor opgaverne med borgerne og patienterne udføres, eller i de understøttende afdelinger. Prioriteringen skal komme fra ledelsen, som har kapaciteten til at overvinde økonomiske, juridiske, tekniske og uddannelsesmæssige barrierer. Det er bedre at komme fra start og fokusere på få, men vigtige projekter, frem for at sprede kræfterne på mange, mindre driftsunderstøttende pilotprojekter.

Som leder kan du med fordel overveje følgende spørgsmål, inden du beslutter, hvilke AI-projekter der skal prioriteres:

• Hvor kan AI skabe værdi i din organisation?
• Hvordan uddanner du dine medarbejdere i AI?
• Hvordan sikrer du, at jeres AI er compliant?
• Hvilke AI-værktøjer skal du investere i?
• Hvordan kan din organisation udnytte egne data til AI?

Hos PwC er vi i Danmark 200+ medarbejdere, som arbejder med AI og transformation for virksomheder og organisationer. Gennem workshops og ved brug af vores AI Readiness Assessment arbejder vi sammen med vores kunder om at finde de løsninger, der opfylder deres behov og sikrer succesfuld implementering. Er du nysgerrig på, hvordan I implementerer AI i jeres organisation? Så læs mere her.