De fleste AI er ikke AI. Det kommer til å bli viktig.

Stedet der AI ikke har noen hvor å gjemme seg

En kolorektal kreftscreening-resultat ankommer en klinik via fax, der 88% av helsepersonell sier at fax-relaterte forsinkelser negativt påvirker pasientbehandling. Det er merket positivt. Det lever i en PDF. Ingen ser det med mindre noen manuelt åpner dokumentet, leser det og bestemmer hva som skal skje neste. I mellomtiden venter pasienten. Oppfølgingen skjer ikke. Behandlingsgapet øker.

Dette er ikke en teknisk feil i vanlig forstand. Faksen ble mottatt. Dokumentet ble lagret. Ifølge de fleste definisjoner fungerte systemet. Det som feilet var alt som måtte skje neste, og ingen AI-verktøy i arbeidsflyten var ansvarlig for å gjøre det skje.

Jeg har brukt mer enn et tiår i helse-teknologi, og dette er hva som gjør helsevesenet til det klareste linse for å evaluere AI: hver flaskehals har en menneskelig kostnad, og den kostnaden er umulig å ignorere.

Helsevesenet er der den virkelige standarden for AI settes først. Og det som er synlig her kommer til å påvirke hver industri.

Innen 2027 vil organisasjonene som har flyttet raskest være i gang med en annen arkitektur helt. Vinnerne vil være de med sannt integrasjon, da Gartner forutser at over 40% av agentic AI-prosjekter kan bli kansellert på grunn av manglende verdi. I stedet for å bygge på SaaS-punktløsninger og å stole på at ansatte kobler dem sammen, vil de ha autonome lag rett på toppen av systemer for registrering, og utføre arbeidsflyter fra ende til ende uten menneskelig koordinering ved hver overføring. SaaS-produkter som ikke kan absorberes i denne modellen eller rettferdiggjøre sin plass ved siden av, vil møte noe verre enn en hard fornyelseskontrakt. De vil møte forældring.

Ikke all “AI” er AI

SaaS har brukt to år på å kalle tre svært forskjellige ting ved samme navn. Denne sammenblandingen har konsekvenser. Mens noen produkter er sannt agentic, er andre bare lag med AI på gammel teknologi, en distinksjon som stadig mer blir anerkjent som AI-agenter former SaaS-markeder.

Den første kategorien er AI bare i navnet. Disse er eksisterende SaaS-produkter med et tynnt lag lagt til: en sammenfattningsfunksjon her, en klassifiseringsverktøy der. Veikartet har ikke endret seg. Produktet har ikke endret seg. Det eneste som har endret seg er hva det sier på nettstedet. AI er en markedsramme. Utviklingsretningen har ikke flyttet seg.

Den andre er AI som et paraplybegrep. Leverandører pakker maskinlæring, GenAI, arbeidsflyt og sannt agentic kapasiteter sammen og kaller hele ting AI. Spørsmålet verdt å stille er om AI driver produktvisjonen eller primært rammer salgskonversasjonen. I de fleste tilfeller, hvis presset hardt nok, er det sistnevnte.

Den tredje er sannt agentic AI. Disse systemene handler fleksibelt innenfor parametre, tolker innputt og tar handling uten å vente på at en person bestemmer hva som skjer neste. Dette er det nærmeste man kommer autonom AI i dag, og det representerer en sannt kapabilitets-sprang. Men kapabilitet er ikke det samme som fullføring. Selv de beste agentic systemene på markedet stopper langt fra å eie en arbeidsflyt fra ende til ende.

Adopsjonsbuen de siste årene forteller samme historie på en loop. 2022 var drevet av vaksinasjonsplanlegging og digitale fronter. 2024 var dominert av inntekts-syklus-håndtering (RCM) og kodautomatisering. 2025 brakte AI-skrivere og ambient lytting-verktøy. 2026 er året for agentic stemme, når helse-selskaper utstiller ROI og agentic kapasiteter på bransje-arrangementer som HIMSS. Hver syklus, finner industrien en ny kategori, erklærer det transformasjonelt og flytter på. Den underliggende problemer forblir eksakt der det var: arbeid avhenger fortsatt av mennesker for å føre det videre.

Kall det hva det er: de fleste AI-investeringer endrer ikke hvordan arbeid blir gjort. Kjøpere ender opp med å velge fra feil kategori helt, overbevist om at de kjøper transformasjon når de kjøper en oppgradert innboks. Bedrifts AI-adoptsjon har utvidet massivt, men de fleste systemer har fortsatt ikke integrert AI i operasjonelle arbeidsflyter i stor skala. Problemet ligger i veikartet. Meldingen bare skjuler det.

For kjøpere, å misforstå taksonomien har en spesifikk kostnad. Det låser inn koordineringsutgifter som akselerer over tid. Organisasjoner som investerer i de to første kategoriene, betaler for AI mens de fortsatt betaler for samme operasjonelle byrde. Antall ansatte som må holde arbeidsflyten sammen, krympes ikke. Det blir bare dyrere å rettferdiggjøre.

God AI, feil definisjon av “Ferdig”

Ta faks-arbeidsflyten. Det er et nyttig eksempel på hvor standarden er i dag og hvordan raskt det flytter seg.

De dårligste systemene parser faksen, overflater innholdet og lar det ligge for ansatte å handle på. Det er en bedre innboks. De gode systemene går lenger: de trekker ut håndterbare neste trinn og utfører dem, routerer henvisningen, utløser pasient-oppfølging, planlegger møtet. Det er sannt oppgave-utførelse, og for noen år siden ville det ha føltes som et betydelig sprang.

Neste fase gjør selv det se ut som ufullstendig. Standarden som oppstår er om et system kan eie hele nedstrøms-reisen: følge opp med pasienten, følge opp med henvisningskliniker, holde fast til at besøket faktisk skjer, lukke løkken, markere unntak uten å bli bedt om det. Ingen overføringer. Ingen som koordinerer det imellom.

De fleste nåværende systemer, selv sannt agentic, opererer på midten av fasen. De utfører en oppgave. De avhenger fortsatt av mennesker for å koordinere mellom oppgaver. Det er definisjonen av “ferdig” markedet er på vei til å flytte seg forbi.

Utførelse av enkelt-oppgaver hvor mennesker koordinerer mellom dem, vil ikke være standarden. Full autonom koordinering over en arbeidsflyt, fra første innputt til bekreftet resultat, er hvor forventningene er på vei til å gå innen neste år.

Utdata er ikke utførelse. Oppgave-utførelse er ikke arbeidsflyt-eierskap. Industrien er bare begynt å forholde seg til den andre halvdelen av den distinksjonen.

For byggere, er dette der konkurransefordelen allerede begynner å skille seg. Systemer som stopper ved utdata, blir enklere å sammenligne, enklere å kommodifisere og hardest å forsvare ved fornyelse. Systemer som utfører oppgaver uten å eie fullt resultat, er bare en fase foran. Den forsvarbare posisjonen tilhører systemer som kan kjøre en arbeidsflyt fra start til bekreftet slutt, autonomt over systemer over tid.

Hva neste fase faktisk ser ut som

For noen år siden, ville jeg ha beskrevet den agentic AI-kategorien og kalt det destinasjonen. Det er det ikke. Det er en milepæl. Neste fase vil bli definert av systemer som tar ansvar for å fullføre arbeid over systemer for registrering. Forbedring av et steg innen ett system er den gamle standarden.

Den gamle modellen er enkel: programvare utfører en funksjon, og mennesker kobler sammen trinnene. Et system trekker ut informasjon. En person bestemmer hva som skal skje med det. Et annet system planlegger møtet. En annen person følger opp. Koordineringsbyrden ligger hos personalet. Det har alltid ligget hos personalet. Det er modellen AI er lagt på, ikke modellen det erstatter.

Den nye modellen flytter på den ansvar. Systemer bærer arbeidsflyten videre. Mennesker går inn når noe feiler, krever dømmekraft eller faller utenfor policy. Koordineringen er bygget inn i systemet, ikke absorbert av teamet.

Innen 2027 vil systemene som teller være de som er koblet direkte til kjern-systemer for registrering, og utfører alt som trengs for å nå et resultat uten å vente på menneskelig inngripen ved hver overføring. Å eie resultatet fra ende til ende.

Bygging på dette nivået har spesifikke krav: integrasjon over fragmenterte systemer som ikke var designet for å fungere sammen, pålitelighet i produksjons-miljøer hvor edge-tilfeller er konstante, overholdelse av regulatoriske begrensninger som varierer med kontekst og kontinuerlig eierskap av resultater over hele arbeidsflyten. De fleste organisasjoner er ikke strukturert for å bygge dette internt. Leverandørene som kan, vil definere den neste eraen av bedrifts-programvare.

Leverandørene som ikke kan, vil finne seg i samme posisjon som SaaS-punktløsningene de erstattet: nyttig en stund, så i veien.

Hva dette betyr hvis du bygger, kjøper eller satser på AI

For byggere

Den ubehagelige sannheten er at de fleste AI-systemer er arkitektet for å assistere, og assistanse ikke akselerer. Det ikke utvider seg. Det ikke blir vanskeligere å erstatte over tid. Utførelse gjør.

Spørsmålet verdt å reorientere hele veikartene rundt: eliminerer systemene behovet for menneskelig koordinering over arbeidsflyten? Om de kvalifiserer som agentic er en lavere standard, og gapet mellom de to er hvor de fleste byggere nå sitter.

Å komme til utførelse krever å eie integrasjon først. Byggere kan ikke utløse nedstrøms-handlinger i systemer de ikke er integrert i. Å overflate anbefalinger inn i en arbeidsflyt er en fundamentalt annen kapasitet enn å operere innen den. Overføringene i produktet, øyeblikkene hvor en person må plukke opp hva systemet la ned, er det klareste signal på hvor byggere er på denne skalaen. Gjennomgang dem. Alle er en ansvar i en marked som konsoliderer rundt systemer som eliminerer dem.

Hvis en byggers veikart fortsatt er rettet mot å gjøre utdata smartere, optimaliserer de rundt et problem som vil fange opp med dem. Vinduet til å omposisjonere mot utførelse er åpent nå. Det vil ikke forbli åpent uendelig.

For kjøpere

Hvis piloter leverer verdi, hold dem gående. Spørsmålet er om de fører noen sted. Vurdér om leverandøren kan utvide seg utover å forbedre ett enkelt steg.

Det begynner med veikartet. Spør hver leverandør hvor de er på vei og anvend taksonomien på hva som høres. Løser de diskrete problemer med AI, eller bygger de mot full utførelse? En leverandør som fortsatt er rettet mot punkt-løsninger, vil fortsette å selge kjøpere punkt-løsninger. Veikartet forteller kjøpere hvilken type de har å gjøre med før kontrakten gjør det.

En gang kjøpere vet hvor de er på vei, må de trykke på metricene. En leverandør som annonserer 80% automatiserings-rater eller høye innholdsskårer, vil gi utdata. Trykk forbi det: hva prosent av arbeidsflyter fullfører uten menneskelig inngripen fra ende til ende? Hvordan holder det tall seg når volum og kompleksitet øker? Kjør matematikken på hva sannt koordinerings-reduksjon ville bety for operasjonelle kostnader.

Så få kontraktene rett før skaleringsprosessen. Mens AI integreres over planlegging, inntak, oppfølging og henvisninger, beregnes kostnadene annerledes enn tradisjonell SaaS. Modell kostnad per AI-assistert interaksjon på samme måte som en ville modellere skytjenester. Forhandle deretter, med utgiftstak, trinnvisede forpliktelser og prisbeskyttelse bygget inn. Hvordan kjøpere forhandler sin Azure-utgift, vil begynne å se ut som hvordan de forhandler alle sine utgifter. Organisasjonene som hopper over dette steget når volumer er lave, angret det når volumer ikke er.

For investorer og analytikere

Funksjons-dybde og grensesnitt-kvalitet er ikke lenger pålitelige proxyer for forsvarbarhet. Selskapene som vil utvide sin operasjonelle fotavtrykk, er de som tar ansvar for resultater over systemer for registrering. Assist-lag-produkter møter margin-trykk og konsoliderings-risiko mens kjøpere blir mer sofistikerte om hva de faktisk kjøper. Når man vurderer AI-leverandører, spør hvor menneskelige overføringer er. Svaret forteller investorer og analytikere mer om langtids konkurranse-posisjon enn demoen vil.

Standarden settes nå

Helsevesenet vil vise resten av bedrifts-programvaren hvor denne skiftet lander først. Innsatsen er for høy og ineffektivitetene for dyre for å la gapet mellom utdata og utførelse forbli usynlig. Organisasjonene som flytter nå, vil ha bygget det alle andre prøver å holde tritt med. Neste fase tilhører systemer som fullfører arbeid. Alt annet er overhodet.