Gezondheidszorg

symplr lanceert AI voor tijdregistratie en roostering om de personeelsbehoefte in de zorg te voorspellen

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Three healthcare staff review a conceptual staffing forecast and shift calendar at a hospital operations station.

Een personeelstekort in een ziekenhuis wordt vaak het kostbaarst wanneer er nog maar weinig tijd is om het op te lossen. Managers zoeken koortsachtig naar vervanging, verpleegkundigen krijgen op het laatste moment verzoeken en de resterende gaten worden opgevuld met overwerk of personeel tegen een toeslag. symplr wil deze beslissingen eerder nemen met de lancering van symplr Time and Scheduling, een geïntegreerde oplossing voor personeelsbeheer die AI-gestuurde roostering combineert met tijdregistratie.

Het product, dat op 26 oktober werd aangekondigd, brengt de verwachte personeelsbehoefte, beschikbare medewerkers binnen een zorgsysteem en personeelskosten samen in één overzicht. De nieuwe AI-processen doen aanbevelingen voor roosterwijzigingen die managers kunnen goedkeuren, waarbij rekening wordt gehouden met de voorkeuren van medewerkers, roosterregels, verwachte behoeften en historische patronen.

Met de lancering worden de mogelijkheden van symplr voor voorspellende roostering gekoppeld aan tijdregistratietechnologie die is ontworpen voor de complexe loonregels en nalevingsvereisten in de zorg. Ook wordt hiermee de basis gelegd voor een bredere strategie voor personeelsbeheer, met aandacht voor planning, personeelsinzet en analyse.

AI-aanbevelingen pakken knelpunten bij het in balans brengen van roosters aan

Een rooster opstellen is nog maar het begin van de personeelsplanning in een ziekenhuis. Managers moeten vervolgens de voorkeuren van medewerkers afstemmen op de personeelsbehoefte, tekorten oplossen en reageren wanneer de balans verandert. Een rooster dat op een spreadsheet volledig lijkt, kan er nog steeds toe leiden dat een afdeling op een bepaald moment te weinig mensen heeft.

De AI-gestuurde roosterbalancering van het nieuwe product is bedoeld om het handmatige werk bij het aanpassen van roosters te verminderen. In plaats van een manager te vragen elke wijziging vanaf nul op te stellen, stelt het systeem aanpassingen voor op basis van de relevante personeelsbeperkingen en patronen. De manager blijft degene die de aanpassingen goedkeurt.

Dat is een belangrijk onderscheid in een omgeving waar personeelsbeslissingen gevolgen hebben voor zowel medewerkers als de klinische bedrijfsvoering. Een aanbeveling kan een leidinggevende helpen om sneller opties te vergelijken, terwijl diegene verantwoordelijk blijft voor de beoordeling of de voorgestelde personeelsbezetting bij de afdeling past.

‘Verpleegkundig leidinggevenden zouden niet urenlang roosters moeten opstellen en zich in bochten moeten wringen om open diensten in te vullen, terwijl ze hun teams en patiënten zouden kunnen ondersteunen’, aldus Ali Morin, directeur verpleegkundige informatica bij symplr.

Het bedrijf benadrukt ook dat verpleegkundigen meer flexibiliteit krijgen. Het beoogde voordeel is een rooster waarin eerder rekening wordt gehouden met de voorkeuren van medewerkers, met minder dringende verzoeken en minder administratieve rompslomp bij het vinden van geschikte diensten.

Hoe voorspellende personeelsplanning achter de roosters werkt

De bestaande technologie van Smart Square biedt context voor de lancering. In de documentatie wordt een voorspellend model beschreven dat eigen wiskundige modellen combineert met machine learning. De voorspellingen worden wekelijks bijgewerkt en verwerkt in personeelsmatrices voor afzonderlijke afdelingen of zorggebieden, om de verwachte patiëntvraag te vergelijken met het beschikbare personeel.

Op de huidige productpagina staan voorspellingen tot 120 dagen vooruit beschreven. Het doel is om waarschijnlijke tekorten zichtbaar te maken terwijl managers nog tijd hebben om ze aan te pakken, in plaats van te wachten tot een niet-ingevulde dienst direct een operationeel probleem wordt.

Smart Square omvat ook beheer van open diensten met een variabel stimuleringsmodel, zichtbaarheid van personeelsmiddelen binnen de hele organisatie, zelfroostering en koppelingen met HR-, salaris-, tijdregistratie- en elektronische patiëntendossiersystemen. Deze mogelijkheden laten zien hoe een voorspelling tot actie kan leiden: managers moeten zowel het verwachte tekort zien als de beschikbare personeelsopties om het op te lossen.

De vraag voorspellen en een rooster in balans brengen zijn verwante, maar verschillende taken. De prognose schat in welke personeelsbezetting nodig zal zijn. Bij het balanceren van het rooster wordt vervolgens rekening gehouden met beschikbaarheid, voorkeuren en regels om aan te bevelen hoe aan die behoefte kan worden voldaan. De tijdregistratie legt vast wat er uiteindelijk is gebeurd.

Geplande personeelsbezetting koppelen aan gewerkte uren

Door roostering en tijdregistratie te integreren, wordt een tweede bron van administratief werk aangepakt: het verschil tussen een geplande dienst en de uren die bij de salarisadministratie terechtkomen. Wanneer deze activiteiten in afzonderlijke systemen plaatsvinden, moeten managers wijzigingen en urenstaten met elkaar in overeenstemming brengen nadat de personeelsbeslissing al is genomen.

symplr Time and Scheduling brengt de twee functies samen, zodat verpleegkundig leidinggevenden binnen dezelfde workflow rekening kunnen houden met zowel de personeelsbezetting als de personeelskosten. De tijdregistratiefunctie is ontworpen voor de loonregels en nalevingsvereisten in de zorg, en behandelt diensten dus niet alsof het onderling uitwisselbare blokken uren zijn.

symplr verwijst naar eerder gemelde resultaten van de mogelijkheden voor roostering en tijd- en aanwezigheidsregistratie: ongeveer 50% minder tijd besteed aan personeelsplanning en taken rond urenstaten, met de mogelijkheid om tot 75% van de capaciteit van het salarisadministratieteam vrij te maken. Dit zijn door het bedrijf gerapporteerde mogelijke voordelen van de gecombineerde mogelijkheden, geen nieuwe onafhankelijke evaluatie van het vandaag gelanceerde product.

Dit onderscheid is belangrijk bij de beoordeling van de lancering. De kans bestaat erin het aantal handmatige stappen te verminderen tussen het voorzien van een personeelsbehoefte, het invullen van een dienst en het verwerken van de gewerkte uren. De resultaten voor een specifiek zorgsysteem zijn afhankelijk van de workflows, bestaande integraties en implementatie.

Een handmatig proces blijft bestaan ondanks de toenemende investeringen in AI

De Compass-enquête van 2026 van het bedrijf helpt de behoefte in de markt te verklaren. Eenenveertig procent van de respondenten zei dat het roosteren van artsen en verpleegkundigen in hun organisatie nog volledig handmatig gebeurde. Nog eens 35% omschreef het als minimaal geautomatiseerd, terwijl slechts 4% aangaf dat het volledig was geautomatiseerd.

De enquête, die samen met CHIME werd uitgevoerd, omvatte 146 respondenten met klinische, IT- en operationele functies in Amerikaanse ziekenhuizen en zorgstelsels. De enquête werd afgenomen van 1 juni tot en met 17 juli 2026. De bevindingen beschrijven deze groep respondenten en vormen geen volledige telling van alle ziekenhuizen.

Uit hetzelfde onderzoek bleek dat 21% van de respondenten zei dat hun organisatie AI had ingezet zonder meetcriteria vast te stellen om de resultaten ervan te evalueren. Daarmee is meten, net als automatisering, een prioriteit bij de implementatie. Voor roostering zijn relevante meetpunten onder meer de tijd die wordt besteed aan het beheren van het rooster, onvervulde diensten, overwerk, medewerkerstevredenheid en de nauwkeurigheid van vraagprognoses.

Een proces verder automatiseren is alleen nuttig als het resulterende rooster werkt voor de mensen die zorg moeten verlenen. Door verpleegkundige leidinggevenden en medewerkers in de frontlinie bij de implementatie te betrekken, kan een zorgstelsel nagaan of de aanbevelingen daadwerkelijk de oorzaken van knelpunten bij het roosteren aanpakken.

Wat nu beschikbaar is en wat hierna komt

De huidige introductie draait om geïntegreerde roostering en tijdregistratie, met aanbevelingen van AI tijdens het in balans brengen van roosters. symplr is van plan in 2027 aanvullende AI-mogelijkheden toe te voegen voor het corrigeren van urenstaten en het instellen van roosterregels. Deze functies staan nog op de ontwikkelingsroadmap.

De bredere AI-strategie in de zorg omvat voorspellende inzichten, slim zelfroosteren en tools die in operationele workflows zijn ingebed. Het bedrijf noemt traceerbaarheid van bronnen en goed beheerde data als prioriteiten voor het platform. Die bredere strategie moet worden onderscheiden van de specifieke functionaliteit die bij de introductie beschikbaar is in Time and Scheduling.

Chief Product Officer Scott Sbihli zei dat de plannen van symplr verder gaan dan traditionele roostering en erop gericht zijn personeelsplanning, personeelsbezetting en analyses met elkaar te verbinden in de intramurale en ambulante zorg, met uitgebreidere mogelijkheden voor artsen en andere zorgverleners.

symplr demonstreert Time and Scheduling tijdens de ANCC Magnet Conference in Chicago, van 29 tot en met 31 oktober, bij stand 631. De eerste toets is of een beter verbonden overzicht van de zorgvraag, beschikbaar personeel en gewerkte uren verpleegkundige leidinggevenden minder problemen op het laatste moment oplevert om op te lossen — en hun meer tijd geeft om hun teams te ondersteunen.

Lila Rowan is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar ze de kruispunten van kunstmatige intelligentie, gezondheidszorg en geestelijke gezondheid bestudeert. Haar werk richt zich op hoe AI-gestuurde tools diagnostiek verbeteren, toegang tot zorg uitbreiden en geestelijke gezondheidsdiensten ondersteunen op manieren die menselijke clinici aanvullen - niet vervangen.
Met een compassievol en op bewijs gebaseerd perspectief onderzoekt Lila klinische studies, real-world implementaties en opkomende gezondheidstechnologieën door een humanistische lens. Ze is vooral geïnteresseerd in AI-toepassingen die barrières voor zorg verlagen, vroege detectie verbeteren en geestelijk welzijn ondersteunen met respect voor de privacy en veiligheid van patiënten en voor ethische normen.
Artikelen geschreven door Lila Rowan zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om nauwkeurigheid, gevoeligheid en verantwoorde verslaggeving over gezondheids- en geestelijke gezondheidstechnologieën te garanderen.