Målinger af AI i sundhedssektoren misser pointen. At lukke adgangsgabet er AI’s største afkast

Sundhedssektoren har længe evalueret AI gennem velkendte operationelle målinger: sparet timer, afledte opkald, færdiggjort dokumentation og reducerede omkostninger. Disse tal betyder noget. De viser, om teknologien skaber kapacitet i organisationer, der står over for vedvarende mangel på arbejdskraft, stigende udgifter og voksende patientefterspørgsel.

I min karriere har jeg dog lært, at disse målinger kun besvarer en del af spørgsmålet. Sundhedsledere skal også vide, om AI gør det lettere for en patient at modtage pleje. Den måling afslører, om større effektivitet omsættes til en bedre patientrejse.

AI-målinger i sundhedssektoren indfanger kun halvdelen af værdien

Gå ind i de fleste ledelsesmøder i sundhedssektoren, så er ordforrådet forudsigeligt. Holdene diskuterer produktivitet, bemandingsforhold, omkostning pr. interaktion og fjernet administrativt arbejde. Disse målinger er relativt nemme at kvantificere, forsvare i et budgetmøde og rapportere til bestyrelsen.

Forretningscasen for AI bliver allerede klar. NVIDIA’s 2026 State of AI in Healthcare fandt, at 85 % af ledere i sundhedssektoren sagde, at AI øger indtægterne, mens 80 % rapporterede, at den reducerer omkostningerne. Disse resultater antyder, at AI leverer betydelig operationel og finansiel værdi på tværs af branchen.

De efterlader stadig et vigtigt spørgsmål ubesvaret: Modtager patienterne pleje lettere? Et system kan reducere opkaldsmængden og færdiggøre dokumentation hurtigere, mens patienterne fortsat går glip af screenings, mister overblikket over henvisninger eller har svært ved at planlægge det næste skridt i deres pleje. Operationel aktivitet fortæller ledere, hvad organisationen har opnået. Adgang måler, om dette arbejde har ændret patientens oplevelse.

AI er grundlæggende en adgangshistorie

De fleste ledere i sundhedssektoren er blevet opfordret til at tænke på AI som en automatiseringshistorie. Den bredere ledelsesmulighed er adgang. AI kan hjælpe patienter med at få svar hurtigere, nå pleje tidligere og opleve mindre friktion mellem de enkelte trin i deres rejse.

Patientadgang strækker sig langt ud over at planlægge en tid. Den omfatter henvisninger, opfølgning, forebyggende screenings, medicinoverholdelse, uddannelse, påmindelser, overgange i pleje og enhver interaktion, der hjælper en patient med at fuldføre en anbefalet handling. Når disse oplevelser bliver fragmenterede, kan små friktionspunkter ophobe sig til missede aftaler, forsinkede diagnoser, lavere overholdelse og dårligere resultater.

Branchedata viser, hvor bredt dette gab stadig er. Experian Health’s 2026 State of Patient Access fandt, at 46 % af udbydere mente, at patientadgangen var forbedret, mens kun 18 % af patienterne var enige. Denne forskel bør fange ledelsens opmærksomhed, fordi den antyder, at organisationer kan forbedre interne processer uden at skabe samme fremskridt for dem, der forsøger at navigere dem.

Fragmenteret teknologi flytter friktion nedstrøms

Sundhedssektoren har aldrig haft så meget teknologi. Organisationer har investeret kraftigt i elektroniske patientjournaler, platforme for patientengagement, planlægningsværktøjer, kontaktcenter‑systemer, digital beskedudveksling, henvisningsapplikationer og specialiserede punktløsninger. Mange af disse værktøjer fungerer præcis som tilsigtet inden for deres individuelle funktioner.

Problemet ligger i overleveringerne.

En henvisning starter i en afdeling og overgår til et andet team. En påmindelse sendes fra et system, der ikke ved, at patienten allerede har omlagt sin tid. Patienten ringer for at få afklaring, en medarbejder gennemgår historikken, og processen starter forfra. Hvert værktøj kan fungere, men rejsen forbliver vanskelig, fordi ingen koordinerer den samlede oplevelse.

Et mønster, jeg konsekvent har observeret, er, at mere engagement kan skabe mere operationelt arbejde, når orkestreringen mangler. Hver påmindelse skaber et svar, og hvert svar skaber en ny arbejdsproces. AI, der lægges oven på adskilte processer, kan accelerere aktivitetsmængden, mens den underliggende fragmentering forbliver.

Patienter oplever ikke afdelinger, systemer eller kanaler. De oplever én rejse. Når organisationen ikke har designet den rejse som en sammenhængende helhed, pådrager patienten sig omkostningerne gennem gentagne forklaringer, forsinkede næste skridt og pleje, der stille falder mellem stolene.

Access ROI forbinder effektivitet med pleje

Derfor er jeg begyndt at tænke på AI gennem en ramme, jeg kalder Access ROI. Det er en praktisk måde at vurdere, om teknologien reducerer barriererne mellem patienter og den pleje, de har brug for. Kernen i idéen er enkel: Sundhedssektoren bør måle AI efter den pleje, den muliggør, såvel som det arbejde, den eliminerer.

Operationel ROI spørger, om AI hjælper en organisation med at arbejde mere effektivt. Access ROI spørger, om patienterne gennemfører næste skridt i deres behandling mere pålideligt og hurtigere. Ledere kan måle Access ROI gennem fuldførelse af aftaler, opfølgning på henvisninger, deltagelse i forebyggende screeninger, reducerede behandlingsforsinkelser og stærkere engagement efter opsøgende indsats.

En nyttig ledelses‑spørgsmål er, om organisationen kan identificere de øjeblikke, hvor en patient bliver tavs. Hvis en mammografi forbliver forfalden eller en recept udløber, genkender systemet så den manglende handling? Endnu vigtigere, følger der et koordineret næste skridt?

Mange AI‑programmer er designet til at håndtere de interaktioner, der kommer ind. Access kræver, at organisationer bemærker, hvad der ikke skete. De organisationer, der opbygger evnen til tidligt at identificere disse huller og handle, før en administrativ forsinkelse bliver en klinisk konsekvens, gør de største fremskridt.

Orkestrering gør opsøgende indsats til resultater

Værdien af denne tilgang bliver tydeligere, når den ses gennem patientresultater. Olmsted Medical Center brugte automatiseret opsøgende indsats til at genoprette kontakt med patienter med udestående mammografi‑ordrer. Inden for 90 dage planlagde 44 % af de kontaktede patienter mammografier, og 20 patienter fik tidligere brystkræftdiagnoser, end de ellers måske ville have fået.

De operationelle fordele var betydningsfulde. Personalet brugte mindre tid på manuelle opkald, opsøgende indsats blev mere konsistent, og kommunikationen skalerede mere pålideligt. Den varige værdi kom fra at hjælpe patienterne med at fuldføre et anbefalet næste skridt og give nogle af dem en tidligere mulighed for behandling.

Dette eksempel indfanger den rolle, AI bør spille i sundhedssektoren. Teknologien hjalp med at identificere et hul, igangsætte opsøgende indsats og skabe operationel kapacitet. Orkestrering knyttede disse kapaciteter til et defineret patientbehov og sikrede, at opsøgende indsats førte til noget betydningsfuldt.

Dette skel er vigtigt, fordi aktivitet er lettere at måle end fremskridt. En chatbot kan besvare flere spørgsmål, og et kontaktcenter kan aflede opkald. Access ROI spørger, om disse forbedringer hjalp flere mennesker med at modtage behandling, og hvor meget hurtigere de modtog den.

Sundhedssektorens ledere har brug for en ROI-model i tre lag

Jeg tænker på AI i sundhedssektoren i tre sammenhængende lag:

1. Operationel ROI måler effektivitet, arbejdsflow‑præstation, personalestøtte og økonomiske resultater. 
2. Access ROI måler, om patienterne møder færre barrierer og fuldfører næste skridt i deres behandling. 
3. Klinisk ROI afspejler de nedstrøms virkninger af den adgang, herunder tidligere diagnose, stærkere overholdelse, sundere patientpopulationer og lavere langsigtede omkostninger ved pleje.

Hvert lag bygger på det foregående. Operationelle forbedringer skaber kapacitet. Bedre adgang retter den kapacitet mod patientrejsen. Over tid kan tidligere og mere konsistent pleje bidrage til bedre kliniske resultater.

Denne ramme giver også ledere en mere disciplineret måde at beslutte, hvilke AI‑investeringer der fortjener at blive skaleret. Et brugstilfælde, der sparer tid, mens patientrejsen forbliver uændret, kan stadig have værdi, selvom virkningen forbliver snæver. Et brugstilfælde, der forbedrer driften, lukker et adgangshul og understøtter et bedre sundhedsresultat, skaber et mere komplet afkast.

Den næste fase af AI i sundhedssektoren vil kræve, at ledere stiller sværere spørgsmål. Modtog patienterne pleje hurtigere? Faldt færre henvisninger gennem sprækkerne? Blev forebyggende screeninger gennemført til tiden? Blev kommunikationen mere koordineret på tværs af hele rejsen?

Det afkast, der er værd at forfølge, er de patienter, der nås

AI er allerede bevist at den kan forbedre sundheds‑operationer. Den næste ledelsesudfordring er at sikre, at disse gevinster når patienten. Det kræver et skift fra at implementere isolerede funktioner til at orkestrere de øjeblikke, der bestemmer, om pleje finder sted.

Fremtiden tilhører organisationer, der kan forbinde effektivitet, adgang og resultater. Deres AI‑strategier vil genkende, hvornår patienterne har brug for støtte, koordinere den passende respons og måle, om den respons hjalp dem videre. Sådan bliver teknologien en del af en mere pålidelig plejerute i stedet for et ekstra lag, som patienter og personale skal navigere i.