Laura Miller, TempDevのCEO Laura Miller TempDevのCEO

ヘルスケアのAI課題は採用ではなく準備度である

ヘルスケア組織は人工知能に多大な投資をしており、2025年のAI支出は14億ドルに達し、2024年の水準より約3倍になる見込みです。かつてデジタル化の遅れていたヘルスケア業界は、現在、企業のAI導入の先頭を切っており、経済全体のAI導入率の2.2倍のペースでAIを導入しています。その期待は理解できるものです。AIは行政的な負担を軽減し、運用の効率を高め、臨床的な意思決定を支援し、組織が増加する労働力と財務の圧力に直面するのを助けることが約束されています。多くのヘルスケアのリーダーは、AIを次のデジタル変革のステップとして見ています。実際、McKinseyによると、85%のヘルスケアリーダーは、生成的なAI機能の探索または導入を行っており、実験から実装への急速な移行を示しています。しかし、多くの組織は、人間の複雑なワークフロー上にAI駆動の未来を構築しようとしています。残念ながら、そのテクノロジーにとって、これらのシステムやデータ環境は、AIをサポートするように設計されていませんでした。外来患者スピード期待は既存のワークフロー問題を増幅するこの課題は、ケアが従来の病院の設定を超えてシフトするにつれて、より緊急性を増しています。単独の手術センター市場だけで2030年までに700億ドルを超える見込みであり、より分散化されたデジタルファーストのケア提供へのより広範な移行を反映しています。これらのケアシステムがより分散化するにつれて、ヘルスケア組織は、ますます複雑な運用環境を管理する必要があります。マルチサイトの外来ネットワークは、電子ヘルスレコード（EHR）、スケジューリングシステム、収益サイクルプラットフォーム、レポートツールなどの混合を使用することが多く、これらは異なる時期に異なる目的で導入されました。AIは、これらの複雑さを組織が乗り越えるのを助ける可能性がありますが、その有効性は、エンタープライズ全体で一貫した、接続された、信頼できる情報へのアクセスに依存しています。ケアがより分散化するにつれて、AIが効果的に機能することを可能にする運用的および技術的な基盤を確立することが、より重要になります。しかし、実際の課題は、テクノロジーそのものの下にあります。すでに断片化されたプロセス、不一致なデータ、接続されていないシステムに苦労している組織は、AIがこれらの問題を解決するのではなく、増幅させることを発見します。データ：影響力よりも豊富さヘルスケア業界は、すでに世界のデータ量の約30%を生産しており、この数字は他の多くの業界よりも急速に増加する見込みです。AIは、この傾向を加速させる可能性があり、組織がより多くの分析、推奨、要約、運用的洞察をスケールで生成できるようにします。実際、研究によると、生成的なAIは、コンサルタント、마케팅担当者、エンジニア、ヘルスケア専門家、カスタマーサポート担当者などの知識労働者の生産性を大幅に高める可能性があります。McKinseyは、情報の取得、書面によるコミュニケーション、問題の診断などの活動を自動化および加速することで、年間4.4兆ドルの経済的価値を創出できる可能性があると推定しています。しかし、ヘルスケア組織は、必ずしもより多くのデータが必要ではありません。データを集約し、運用化するためのより良い方法が必要です。強力な運用的および技術的な基盤がなければ、AIイニシアチブは、より多くの複雑さを生み出し、スタッフを情報で圧倒し、測定可能なROIを届けるのに苦労する可能性があります。AIはインフラストラクチャ層であり、アプリケーションではないこのインテリジェンス層が拡大するにつれて、ヘルスケア組織は、既存のテクノロジースタックが、AIの使用をスケールでサポートできることを確認する必要があります。以前のヘルスケアソフトウェアの世代とは異なり、AIは、単一のワークフロー、部門、またはソフトウェア会社に限定されていません。ヘルスケアのリーダーは、AIを華麗なテクノロジー導入ではなく、運用的準備度の課題として見る必要があります。AIから有意義なROIを生み出す組織は、必ずしも最も多くのツールに投資する組織ではなく、AIをスケールでサポートするために必要なワークフロー、ガバナンス構造、データ基盤を構築する組織であることが多いです。しかし、そこに到達するには、各組織の個別の成功パラメータとガイドラインを意図的に設定する必要があります。ガバナンスがAIのスケーラビリティを決定するテクノロジーだけがAIの成功を決定するわけではありません。組織は、AIソリューションを評価、導入、監視、測定するためのガバナンスフレームワークも必要です。明確なガバナンスがなければ、異なる部門が個別の、または矛盾するAIツールを採用する可能性があり、データ品質、セキュリティ、コンプライアンス、パフォーマンス測定に関する不一致な基準が生まれます。AIが運用的および臨床的な意思決定に近づくにつれて、課題はさらに大きくなります。リーダーは、基礎となるデータが正確であること、出力が信頼できること、そしてAI生成の推奨がワークフローに影響を与える場合に、説明責任が明確であることを確信する必要があります。ワークフォースの準備度も同様に重要です。従業員は、AI生成の推奨が既存のワークフローにどのように組み込まれるべきかについて、明確な指針が必要です。監視メカニズム、測定可能な成功基準、明確な説明責任のラインを確立することで、AIイニシアチブが組織の目標から切り離されたテクノロジー実験にならないことを保証できます。成功した実装では、強力なガバナンスと、定義されたマイルストーン、チーム間の共有の説明責任、進捗を遅らせる不要なカスタマイズを制限することを含む、規律あるプロジェクト管理が組み合わされることが多いです。レガシーアーキテクチャは、AIの成功への最大の障害であることが多い多くのヘルスケアシステムは、リアルタイムのインテリジェンスではなく、トランザクションのワークフロー用に設計されました。断片化されたシステム、シロ化されたデータ、悪い相互運用性は、テクノロジーそのものよりも、AI導入への大きな障害を生み出すことが多いです。例えば、プライベートエクイティによって支援される専門グループは、急速な買収戦略の後に、5つの個別のEHRプラットフォームからのデータを正規化および移行する必要があるかもしれません。これは、多くのヘルスケア組織が今日直面している課題を強調しています。組織が買収や合併を通じて拡大するにつれて、テクノロジー環境は、断片化されたものではなく、統合されたものになることが多いです。AIが有意義な価値を届ける前に、組織は、AIをサポートできる統一されたインフラストラクチャの基盤を最初に確立する必要があります。より良い意思決定ではなく、より多くの洞察AIは、予測、警告、推奨の無限のストリームを生成するために非常に適しています。洞察を成功させる組織は、ワークフローに直接インテリジェンスを統合して複雑さを軽減するのではなく、追加のノイズを生み出す組織ではありません。ほとんどの組織は、AIを準備するために、コアプラットフォームを完全に交換する必要はありません。より実用的なアプローチは、既存のシステムを最適化し、統合を改善し、AIが現在のテクノロジー投資の価値と寿命を拡張できる基盤を作成することです。戦略的なAIは、成功したAIであるヘルスケア組織は、AIに多大な投資をしていますが、テクノロジーだけが成功を決定するわけではありません。AIが臨床、運用、行政システム全体に埋め込まれるにつれて、実際の違いは、インフラストラクチャの準備度にあるでしょう。ヘルスケア業界は、過去数十年間で、記録をデジタル化し、ワークフローを近代化し、接続されたケア環境を構築してきました。次の段階は、これらの投資が今日のデジタルインテリジェンスをサポートできるかどうかを決定します。AIの採用にのみ焦点を当てているリーダーは、テクノロジーを問題を解決するために探す解決策として扱う危険があります。準備度に最初に焦点を当てているリーダーは、意思決定を改善し、運用的パフォーマンスを強化し、組織全体で測定可能な価値を創出する方法でAIを展開するために、より適切な準備が整っています。AIを活用する競争では、テクノロジーを最も速く採用できる組織がどれかという問題ではありません。どの組織がそれを維持するための最も強力な基盤を構築できるかという問題です。