La sfida dell’AI nel settore sanitario non è l’adozione, ma la prontezza

Le organizzazioni sanitarie stanno investendo pesantemente in intelligenza artificiale, con una spesa in AI che raggiungerà 1,4 miliardi di dollari nel 2025, quasi il triplo rispetto ai livelli del 2024. Un tempo considerata una laggard digitale, il settore sanitario sta ora impostando il ritmo per l’adozione di AI a livello aziendale, implementando AI a un tasso di 2,2 volte superiore a quello dell’economia più ampia.

L’entusiasmo è comprensibile. L’AI promette di ridurre il carico amministrativo, migliorare l’efficienza operativa, supportare la presa di decisioni cliniche e aiutare le organizzazioni a navigare nelle crescenti pressioni sulla forza lavoro e finanziarie. Molti leader del settore sanitario vedono l’AI come il prossimo grande passo nel loro percorso di trasformazione digitale. In effetti, secondo McKinsey, l’85% dei leader del settore sanitario sta esplorando o ha già adottato capacità di AI generative, segnalando un rapido passaggio dall’esperimentazione all’implementazione.

Tuttavia, molte organizzazioni stanno cercando di costruire un futuro alimentato da AI su workflow umani complicati. Purtroppo, per questa tecnologia, questi sistemi e ambienti di dati non sono stati progettati per supportarla.

La velocità dei servizi ambulatoriali amplifica i problemi esistenti dei workflow

La sfida sta diventando sempre più urgente poiché l’assistenza si sposta al di fuori dell’ambiente ospedaliero tradizionale. Il mercato dei centri di chirurgia ambulatoriale da solo è previsto superare i 70 miliardi di dollari entro il 2030, riflettendo il più ampio movimento verso la fornitura di assistenza decentrata e digitale.

Man mano che questi sistemi di assistenza diventano più distribuiti, le organizzazioni sanitarie devono gestire ambienti operativi sempre più complessi. Le reti ambulatoriali multi-sito spesso si affidano a una miscela di registri sanitari elettronici (EHR), sistemi di pianificazione, piattaforme di ciclo di ricavo e strumenti di reporting che sono stati implementati in momenti e per scopi diversi. Sebbene l’AI abbia il potenziale per aiutare le organizzazioni a navigare in questa complessità, la sua efficacia dipende dall’accesso a informazioni coerenti, connesse e affidabili in tutta l’azienda. Più l’assistenza diventa decentrata, più è importante stabilire le fondamenta operative e tecnologiche che consentono all’AI di funzionare efficacemente.

Ma la vera sfida si trova al di sotto della tecnologia stessa. Le organizzazioni che già lottano con processi frammentati, dati incoerenti e sistemi non connessi scopriranno che l’AI magnifica quei problemi piuttosto che risolverli.

Dati: impatto sulla quantità

Il settore sanitario già produce circa il 30% del volume di dati mondiale, e tale cifra è prevista crescere più velocemente di molte altre industrie. L’AI potrebbe accelerare questa tendenza abilitando le organizzazioni a generare molte più analisi, raccomandazioni, riassunti e insight operativi su larga scala.

Dopo tutto, gli studi mostrano che l’AI generativa ha il potenziale per aumentare notevolmente la produttività dei lavoratori della conoscenza, come consulenti, marketer, ingegneri, professionisti sanitari e specialisti di supporto clienti. McKinsey stima che potrebbe creare fino a 4,4 trilioni di dollari di valore economico annuo automatizzando e accelerando attività come il recupero di informazioni, la comunicazione scritta e la diagnosi dei problemi.

Tuttavia, le organizzazioni sanitarie non necessariamente hanno bisogno di più dati. Hanno bisogno di migliori modi per aggregare e operazionalizzare i dati in modo da trasformare gli insight in azioni. Senza una solida base operativa e tecnologica, le iniziative di AI possono creare ulteriore complessità, sovraccaricare lo staff con informazioni e faticare a fornire un ritorno sull’investimento misurabile.

L’AI è uno strato di infrastruttura, non un’altra applicazione

Man mano che questo strato di intelligenza si espande, le organizzazioni sanitarie devono assicurarsi che i loro attuali stack tecnologici possano supportare l’uso di AI su larga scala. A differenza delle precedenti generazioni di software sanitario, l’AI non è confinata a un singolo flusso di lavoro, dipartimento o società di software.

I leader del settore sanitario dovrebbero smettere di considerare l’AI come un’imponente implementazione tecnologica e iniziare a considerarla come una sfida di prontezza operativa. Le organizzazioni che genereranno un ritorno sull’investimento significativo dall’AI non saranno necessariamente quelle che investono nel maggior numero di strumenti, ma quelle che costruiscono i flussi di lavoro, le strutture di governance e le fondamenta di dati necessarie per supportare l’AI su larga scala. Ma per arrivarci, è necessario stabilire parametri di successo realistici e linee guida per ogni organizzazione individuale.

La governance determina se l’AI si scala

La tecnologia da sola non determina il successo dell’AI. Le organizzazioni hanno anche bisogno di framework di governance che stabiliscono come le soluzioni di AI vengono valutate, implementate, monitorate e misurate nel tempo.

Senza una chiara governance, diversi dipartimenti potrebbero adottare strumenti di AI separati o in conflitto, creando standard incoerenti su qualità dei dati, sicurezza, conformità e misurazione delle prestazioni. La sfida diventa ancora più grande man mano che l’AI si avvicina alla presa di decisioni operative e cliniche. I leader devono avere la fiducia che i dati sottostanti siano accurati, che gli output possano essere affidabili e che la responsabilità rimanga chiara quando le raccomandazioni generate dall’AI influenzano i flussi di lavoro.

La prontezza della forza lavoro è altrettanto importante. I dipendenti hanno bisogno di indicazioni chiare su come incorporare le raccomandazioni generate dall’AI nei flussi di lavoro esistenti. Stabilire meccanismi di controllo, criteri di successo misurabili e linee di responsabilità chiare aiuta a garantire che le iniziative di AI rimangano allineate con gli obiettivi dell’organizzazione piuttosto che diventare esperimenti tecnologici disconnessi. Le implementazioni di successo abbinano generalmente una solida governance a una gestione dei progetti disciplinata, compresi milestone definiti, responsabilità condivisa tra i team e la volontà di limitare le personalizzazioni non necessarie che possono rallentare i progressi senza aggiungere valore significativo.

Le architetture legacy sono spesso le barriere più alte al successo dell’AI

Molti sistemi sanitari sono stati progettati per flussi di lavoro transazionali, non per intelligenza in tempo reale. Sistemi frammentati, dati in silos e scarsa interoperabilità spesso creano ostacoli più grandi all’adozione di AI della tecnologia stessa.

Ad esempio, un gruppo di specialità supportato da private equity potrebbe dover normalizzare e migrare dati da cinque piattaforme di registri sanitari elettronici separate a seguito di una strategia di acquisizione rapida. Ciò sottolinea una sfida che molte organizzazioni sanitarie affrontano oggi: man mano che si espandono attraverso fusioni e acquisizioni, gli ambienti tecnologici spesso diventano più frammentati, non meno.

Prima che l’AI possa fornire un valore significativo, le organizzazioni devono prima stabilire una base di infrastruttura unificata in grado di supportarla.

Migliori decisioni, non più insight

L’AI è incredibilmente ben equipaggiata per generare un flusso infinito di previsioni, allarmi e raccomandazioni. Le organizzazioni che avranno successo con quegli insight saranno quelle che integreranno l’intelligenza direttamente nei flussi di lavoro per ridurre la complessità piuttosto che creare ulteriore rumore.

La maggior parte delle organizzazioni non ha bisogno di eliminare completamente le loro piattaforme core per diventare pronte per l’AI. Il percorso più pratico è quello di ottimizzare i sistemi esistenti, migliorare le integrazioni e creare una base più solida che consenta all’AI di estendere sia il valore che la durata degli attuali investimenti tecnologici.

L’AI strategica è l’AI di successo

Le organizzazioni sanitarie stanno investendo pesantemente in AI, ma la tecnologia da sola non determinerà chi avrà successo. Man mano che l’AI si integra in sistemi clinici, operativi e amministrativi, il vero differenziatore sarà la prontezza dell’infrastruttura.

Il settore sanitario ha trascorso gli ultimi decenni a digitalizzare i registri, modernizzare i flussi di lavoro e costruire ambienti di assistenza sempre più connessi.

La prossima fase determinerà se quegli investimenti possano supportare l’intelligenza digitale di oggi. I leader che si concentrano esclusivamente sull’adozione di AI rischiano di trattare la tecnologia come una soluzione in cerca di un problema. Quelli che si concentrano sulla prontezza prima saranno meglio equipaggiati per implementare l’AI in modi che migliorano la presa di decisioni, migliorano le prestazioni operative e creano un valore misurabile in tutta l’organizzazione.

Nella corsa per capitalizzare l’AI, la domanda non è più chi può adottare la tecnologia più velocemente. È chi può costruire la base più solida per sostenerla.