Tantangan AI di Bidang Kesehatan Bukanlah Adopsi, Melainkan Kesiapan

Organisasi kesehatan menginvestasikan banyak uang di kecerdasan buatan, dengan pengeluaran AI mencapai $1,4 miliar pada tahun 2025, hampir tiga kali lipat dari tahun 2024. Yang dulunya dianggap sebagai laggard digital, kesehatan sekarang memimpin adopsi AI perusahaan, dengan menggelar AI pada 2,2 kali lipat dari tingkat perekonomian yang lebih luas.

Antusiasme ini dapat dipahami. AI berjanji untuk mengurangi beban administratif, meningkatkan efisiensi operasional, mendukung pengambilan keputusan klinis, dan membantu organisasi mengatasi tekanan tenaga kerja dan keuangan yang meningkat. Banyak pemimpin kesehatan melihat AI sebagai langkah besar berikutnya dalam perjalanan transformasi digital mereka. Faktanya, menurut McKinsey, 85% pemimpin kesehatan sedang menjelajahi atau telah mengadopsi kemampuan AI generatif, menandai peralihan cepat dari eksperimen ke implementasi.

Namun, banyak organisasi mencoba membangun masa depan yang ditenagai AI di atas alur kerja yang rumit. Sayangnya, sistem dan lingkungan data ini tidak pernah dirancang untuk mendukungnya.

Harapan Kecepatan Rawat Jalan Meningkatkan Masalah Alur Kerja yang Ada

Tantangan ini menjadi semakin mendesak karena perawatan bergeser dari pengaturan rumah sakit tradisional. Pasar pusat bedah rawat jalan saja diperkirakan melebihi $70 miliar pada tahun 2030, mencerminkan pergerakan yang lebih luas menuju pengiriman perawatan yang terdesentralisasi dan digital pertama.

Seiring dengan sistem perawatan ini menjadi lebih terdistribusi, organisasi kesehatan harus mengelola lingkungan operasional yang semakin kompleks. Jaringan rawat jalan multi-lokasi sering mengandalkan campuran catatan kesehatan elektronik (EHR), sistem penjadwalan, platform siklus pendapatan, dan alat pelaporan yang diimplementasikan pada waktu dan tujuan yang berbeda. Meskipun AI memiliki potensi untuk membantu organisasi mengatasi kompleksitas ini, efektivitasnya bergantung pada akses ke informasi yang konsisten, terhubung, dan dapat diandalkan di seluruh perusahaan. Semakin terdesentralisasi perawatan, semakin penting untuk membangun fondasi operasional dan teknologi yang memungkinkan AI berfungsi secara efektif.

Namun, tantangan sebenarnya terletak di bawah teknologi itu sendiri. Organisasi yang sudah bergelut dengan proses yang terfragmentasi, data yang tidak konsisten, dan sistem yang terputus akan menemukan bahwa AI memperbesar masalah tersebut daripada menyelesaikannya.

Data: Dampak Lebih dari Kelimpahan

Kesehatan sudah menghasilkan sekitar 30% dari volume data dunia, dan angka ini diperkirakan tumbuh lebih cepat daripada banyak industri lain. AI dapat mempercepat tren ini dengan memungkinkan organisasi untuk menghasilkan banyak analisis, rekomendasi, ringkasan, dan wawasan operasional pada skala besar.

Setelah semua, studi menunjukkan bahwa AI generatif memiliki potensi untuk secara signifikan meningkatkan produktivitas pekerja pengetahuan seperti konsultan, pemasar, insinyur, profesional kesehatan, dan spesialis dukungan pelanggan. McKinsey memperkirakan bahwa AI dapat menciptakan hingga $4,4 triliun nilai ekonomi tahunan dengan mengotomatisasi dan mempercepat kegiatan seperti pengambilan informasi, komunikasi tertulis, dan diagnosis masalah.

Namun, organisasi kesehatan tidak selalu membutuhkan lebih banyak data. Mereka membutuhkan cara yang lebih baik untuk mengumpulkan dan mengoperasikan data dengan cara yang akan mengubah wawasan menjadi tindakan. Tanpa fondasi operasional dan teknologi yang kuat, inisiatif AI dapat menciptakan lebih banyak kompleksitas, membanjiri staf dengan informasi, dan berjuang untuk menghasilkan ROI yang dapat diukur.

AI adalah Lapisan Infrastruktur, Bukan Aplikasi Lain

Ketika lapisan kecerdasan ini berkembang, organisasi kesehatan harus memastikan bahwa tumpukan teknologi mereka yang ada dapat mendukung penggunaan AI pada skala besar. Tidak seperti generasi sebelumnya dari perangkat lunak kesehatan, AI tidak terbatas pada satu alur kerja, departemen, atau perusahaan perangkat lunak.

Pemimpin kesehatan harus berhenti memandang AI sebagai penerapan teknologi yang mencolok dan mulai memandangnya sebagai tantangan kesiapan operasional. Organisasi yang menghasilkan ROI yang signifikan dari AI tidak akan selalu menjadi mereka yang menginvestasikan alat paling banyak, tetapi mereka yang membangun alur kerja, struktur tata kelola, dan fondasi data yang diperlukan untuk mendukung AI pada skala besar. Namun, untuk mencapai itu, parameter kesuksesan yang realistis dan pedoman harus disetel secara sengaja untuk setiap organisasi individu.

Tata Kelola Menentukan Apakah AI Berskala

Teknologi saja tidak menentukan kesuksesan AI. Organisasi juga memerlukan kerangka tata kelola yang menetapkan bagaimana solusi AI dievaluasi, diterapkan, dipantau, dan diukur dari waktu ke waktu.

Tanpa tata kelola yang jelas, departemen yang berbeda mungkin mengadopsi alat AI yang terpisah atau bertentangan, menciptakan standar yang tidak konsisten seputar kualitas data, keamanan, kepatuhan, dan pengukuran kinerja. Tantangan menjadi lebih besar ketika AI semakin dekat dengan pengambilan keputusan operasional dan klinis. Pemimpin perlu yakin bahwa data yang mendasarinya akurat, output dapat dipercaya, dan akuntabilitas tetap jelas ketika rekomendasi yang dihasilkan AI mempengaruhi alur kerja.

Kesiapan tenaga kerja juga sangat penting. Karyawan memerlukan panduan yang jelas tentang bagaimana rekomendasi yang dihasilkan AI harus diintegrasikan ke dalam alur kerja yang ada. Membangun mekanisme pengawasan, kriteria kesuksesan yang dapat diukur, dan garis akuntabilitas yang jelas membantu memastikan bahwa inisiatif AI tetap sejalan dengan tujuan organisasi daripada menjadi eksperimen teknologi yang terputus. Implementasi yang sukses biasanya memasangkan tata kelola yang kuat dengan manajemen proyek yang disiplin, termasuk milstones yang ditentukan, akuntabilitas bersama antar tim, dan kemauan untuk membatasi kustomisasi yang tidak perlu yang dapat memperlambat kemajuan tanpa menambah nilai yang berarti.

Arsitektur Warisan Seringkali Menjadi Penghalang Tertinggi untuk Kesuksesan AI

Banyak sistem kesehatan dirancang untuk alur kerja transaksional, bukan kecerdasan waktu nyata. Sistem yang terfragmentasi, data yang terisolasi, dan interoperabilitas yang buruk sering menciptakan hambatan yang lebih besar untuk adopsi AI daripada teknologi itu sendiri.

Sebagai contoh, sebuah grup spesialis yang didukung oleh ekuitas swasta mungkin harus menormalkan dan memigrasikan data dari lima platform EHR terpisah setelah strategi akuisisi yang cepat. Ini menekankan tantangan yang dihadapi banyak organisasi kesehatan saat ini: ketika mereka berkembang melalui merger dan akuisisi, lingkungan teknologi sering menjadi lebih terfragmentasi, bukan kurang.

Sebelum AI dapat menghasilkan nilai yang berarti, organisasi harus terlebih dahulu membangun fondasi infrastruktur yang terunifikasi yang dapat mendukungnya.

Keputusan yang Lebih Baik Bukan Wawasan yang Lebih Banyak

AI sangat siap untuk menghasilkan aliran prediksi, peringatan, dan rekomendasi yang tak terbatas. Organisasi yang sukses dengan wawasan tersebut akan menjadi mereka yang mengintegrasikan kecerdasan langsung ke dalam alur kerja untuk mengurangi kompleksitas daripada menciptakan kebisingan tambahan.

Sebagian besar organisasi tidak perlu benar-benar menghapus platform inti mereka untuk menjadi siap AI. Jalur yang lebih praktis adalah mengoptimalkan sistem yang ada, memperbaiki integrasi, dan menciptakan fondasi yang lebih kuat yang memungkinkan AI untuk memperpanjang nilai dan umur teknologi investasi saat ini.

AI Strategis adalah AI yang Sukses

Organisasi kesehatan menginvestasikan banyak uang di AI, tetapi teknologi saja tidak akan menentukan siapa yang sukses. Ketika AI menjadi terintegrasi di seluruh sistem klinis, operasional, dan administratif, pembeda nyata akan menjadi kesiapan infrastruktur.

Industri kesehatan telah menghabiskan beberapa dekade terakhir untuk mendigitalkan catatan, memodernisasi alur kerja, dan membangun lingkungan perawatan yang semakin terhubung.

Fase berikutnya akan menentukan apakah investasi tersebut dapat mendukung kecerdasan digital hari ini. Pemimpin yang fokus secara eksklusif pada adopsi AI berisiko mengobati teknologi sebagai solusi yang mencari masalah. Mereka yang fokus pada kesiapan terlebih dahulu akan lebih siap untuk menerapkan AI dengan cara yang meningkatkan pengambilan keputusan, meningkatkan kinerja operasional, dan menciptakan nilai yang dapat diukur di seluruh organisasi.

Dalam perlombaan untuk memanfaatkan AI, pertanyaan tidak lagi siapa yang dapat mengadopsi teknologi ini dengan cepat. Pertanyaannya adalah siapa yang dapat membangun fondasi terkuat untuk mempertahankannya.