Sammanfattat för dig:
AI har stor potential i vården, inte minst genom att frigöra tid för medarbetare och göra relevant information mer tillgänglig när den behövs. Men den verkliga utmaningen börjar när en AI-idé ska gå från pilot till användning i verksamheten.
Kalle Schultz lyfter tre saker som blir avgörande: börja med verksamhetsproblemet, bygg in säkerhet och styrning från start och skapa en struktur där verksamheten kan fortsätta utveckla nya lösningar utan att tappa kontrollen. Målet är inte fler AI-piloter, utan AI som löser verkliga problem på ett säkert och hållbart sätt.
AI har en enorm potential i vården. Verksamheten är både personalintensiv och datarik, två faktorer som gör att AI kan frigöra tid, förenkla arbetsmoment och skapa bättre beslutsunderlag.
Samtidigt är toleransen för genvägar liten.
För mig är därför en av de viktigaste frågorna för vård och life science inte om AI ska användas, utan hur vi skapar tillgång till tekniken på ett sätt som är säkert och följer de regelverk verksamheten måste förhålla sig till. Säkerheten kan inte vara något vi lägger på i efterhand.
Jag har arbetat med digital transformation i över 25 år, bland annat inom telekom, gaming och på AWS med stora organisationer globalt. Tekniken och branscherna har förändrats under den tiden, men en sak återkommer: ny teknik skapar verkligt värde först när vi utgår från verksamhetens behov.
Det gäller i allra högsta grad AI.
Vi behöver gå från AI-hype till problem som är värda att lösa
AI-utvecklingen går oerhört snabbt. Nya modeller, tjänster och möjligheter dyker upp hela tiden. Men för en verksamhet är den viktigaste frågan sällan vilken modell som är mest avancerad.
Frågan är: Vilket problem försöker vi lösa? Och vilket värde vill vi skapa?
I vården tycker jag att det blir särskilt intressant. Här finns stora mängder information samtidigt som mycket av arbetet är beroende av människors tid och kompetens.
Tänk på en situation där en medarbetare behöver leta efter och tolka information om en patient för att kunna fatta rätt beslut och sedan dokumentera det som har gjorts. Med rätt stöd kan AI bidra till att relevant information blir tillgänglig när den faktiskt behövs.
Det är den typen av användning jag tycker är mest spännande. Inte AI för AI:s skull, utan AI som frigör tid för sådant som människor behöver och är bäst lämpade att göra.
I vården kan det i slutändan betyda mer tid för relationen och mötet med patienten.
Piloten är bara början
Att testa AI är relativt enkelt. Att använda tekniken i en verksamhetskritisk miljö är något helt annat.
När en AI-lösning ska gå från pilot till verklig användning behöver verksamhetskunskap, patientperspektiv och teknisk kompetens mötas. Arkitektur, säkerhet och styrning behöver finnas med från början, inte hanteras först när lösningen redan är färdig.
Här ser jag en risk med tempot i AI-utvecklingen. Det är lätt att springa snabbt när möjligheterna känns nästan obegränsade. Men om varje del av verksamheten bygger sin egen lösning utan en gemensam struktur kan resultatet bli en fragmenterad miljö som är både svår och kostsam att hantera.
Därför börjar jag gärna med ett enkelt ord: varför?
Varför ska vi använda AI här? Vilket problem löser vi? För vem? Vilken information behöver lösningen använda? Och vilka krav måste vara uppfyllda för att den ska kunna användas på riktigt?
När vi har svar på de frågorna blir tekniken ett verktyg för att nå målet, snarare än målet i sig.
Verksamheten kommer inte att vänta på IT
En av de största förändringarna just nu är att tröskeln för att själv skapa digitala lösningar har blivit betydligt lägre. Med nya AI-baserade verktyg kan människor i verksamheten gå från idé till fungerande prototyp på mycket kort tid. Det är en fantastisk innovationskraft.
Men den väcker också nya frågor.
Vad händer när en lösning som någon har byggt själv plötsligt börjar användas på riktigt? Hur hanteras data? Vem har kontroll över vilka AI-modeller som används? Och hur säkerställer vi att lösningen håller när den ska skalas upp?
Jag tror inte att svaret är att försöka stoppa den här utvecklingen. Tvärtom. IT behöver skapa förutsättningar för verksamheten att fortsätta experimentera och utveckla – men inom ramar där säkerhet, kontroll och styrning finns på plats.
Det är också en central tanke bakom Advania ALT. Vi ska inte addera ytterligare en AI-produkt, utan skapa en struktur där organisationer kan få kontroll över hur AI används och samtidigt ge verksamheten utrymme att utveckla nya lösningar.
För mig kan det sammanfattas ganska enkelt:
det ska vara lätt att göra rätt.
Verksamheten ska kunna dra nytta av den innovationskraft som AI skapar utan att det sker på bekostnad av säkerhet, kontroll eller struktur.
Nästa steg för AI i vården handlar om verklig nytta
Inför Cambio Dagarna i oktober ser jag framför allt fram emot att träffa personer från verksamheten som har konkreta problem de vill lösa.
Det kan vara en process som tar onödigt mycket tid. Information som är svår att hitta när den behövs. Eller en idé om hur AI skulle kunna förbättra ett arbetssätt, men där vägen från idé till en säker lösning inte är självklar.
Det är i de samtalen jag tror att nästa fas av AI-utvecklingen finns.
För framsteg handlar inte om hur många AI-piloter vi kan starta. Det handlar om vilka verkliga problem vi kan lösa och hur vi kan göra det på ett säkert och hållbart sätt.
I vården kan vinsten i slutändan vara något väldigt konkret: mer tid för människan.