AI er allerede smartere enn legen din. Det er ikke den skumle delen.

Jeg ønsket at AI skulle løse dette problemet.

I flere år hadde jeg samlet inn kompliserte pasienthistorier, laboratoriefunn, symptomer, medisiner, tilskudd og år med tidligere behandling, og prøvd å omforme alt dette til en sammenhengende klinisk plan. En kompleks sak kunne kreve tre timer med research før jeg følte meg trygg på hva som var viktig og hva som skulle skje videre.

Så kom generativ AI.

Den første tanken min var den åpenbare: endelig.

Dette var en teknologi som kunne behandle enorme mengder informasjon, hente medisinsk kunnskap raskere enn jeg noen gang kunne, og finne sammenhenger i en sak på sekunder. Jeg antok at jeg kunne sette et grensesnitt rundt en stor språkmodell, bygge noen få sikkerhetstiltak og være ferdig.

Det ville vært fantastisk.

I stedet, omtrent ett år og 1 million dollar senere, med programvareingeniører som jobbet sammen med et klinisk team på ti personer, var vi fortsatt i byggefasen.

Årsaken var ikke at AI ikke var intelligent nok.

Det var at intelligens var den enkle delen.

Jeg fikk en annen AI enn alle andre

Det første tipset kom før vi noen gang prøvde å bygge klinisk programvare. Jeg la stadig merke til at jeg kunne bruke det samme AI-verktøyet som en person ved siden av meg og oppnå dramatisk bedre resultater.

Hvorfor? Fordi jeg ikke bare stilte et spørsmål og tok svaret. Jeg diskuterte med det. Jeg utfordret antakelser. Jeg ga kontekst som det hadde savnet. Jeg korrigerte feil. Jeg endret rammen. Jeg presset videre.

Teknisk sett brukte vi det samme verktøyet. Funksjonelt gjorde vi det ikke.

Det er et interessant produktivitetsproblem når du skriver en annonse. Det blir et helt annet problem når motivet er en pasient.

Jeg har jobbet med mer enn 70 000 utøvere. En person kan være klinisk briljant og likevel være dårlig til å hente nyttig informasjon fra et AI-system.

Det er forskjellige ferdigheter.

Likevel ser det ut til at mye av helsevesenets svar er at klinikere bare trenger å lære seg «prompt‑engineering».

Jeg tror ikke det er en seriøs løsning.

Hvis et klinisk AI-system krever at en lege blir en sofistikert prompt‑ingeniør før systemet er pålitelig, har vi ikke fullført byggingen av det kliniske AI‑systemet.

Forskningen forteller oss allerede noe ubehagelig

En randomisert klinisk studie fra 2024 ga 50 leger vanskelige diagnostiske tilfeller. Leger som brukte GPT‑4 oppnådde 76 prosent; de som brukte konvensjonelle ressurser oppnådde 74 prosent, en forskjell som ikke var statistisk signifikant.

Deretter testet forskerne GPT‑4 alene. Den slo legene som brukte konvensjonelle ressurser med 16 prosentpoeng.

En 2026 studie i Pakistan fant at, etter AI‑litteracy‑opplæring, oppnådde leger med tilgang til GPT‑4o 71.4 prosent på diagnostisk resonnering sammenlignet med 42.6 prosent for de som brukte konvensjonelle ressurser. Men GPT‑4o alene oppnådde 82.9 prosent.

En 2026 UK-replikasjon fant en lignende forskjell: leger forbedret seg med AI‑assistanse, men scoret fortsatt mer enn 21 prosentpoeng under LLM‑en som arbeidet alene.

Vi må si den ubehagelige delen høyt: på visse kognitive oppgaver er AI allerede bedre enn en enkelt lege.

Ingen lege har lest hver medisinsk artikkel eller kan huske hver obskur lidelse, interaksjon eller kontraindikasjon i det øyeblikk den blir relevant. AI kan behandle enorme mengder informasjon uten å bli sliten eller gå tom for tid.

Feilen er å anta at vi kan sette en chatbot foran en kliniker og erklære problemet løst.

Den tomme prompt‑boksen er problemet

Forestill deg at en lege laster opp en laboratorierapport som inneholder 150 markører og ber en LLM om å analysere den.

Svaret kommer tilbake vakkert organisert. Det er bare ett problem: systemet hentet ikke pålitelig alle 150 markører.

Generelle LLM‑er er ikke deterministiske kliniske dokumentparsersere. Tabeller og tette medisinske rapporter forblir spesielt vanskelige. Den skremmende delen er at det endelige svaret kanskje ikke kunngjør: «Jeg manglet 50 verdier».

Den kan bare svare.

Forestill deg nå at en av de manglende verdiene krever en akutt medisinsk vurdering.

Det var ikke en begrensning jeg var villig til å bygge rundt. Vi måtte lage en annen uttrekningsteknologi for å håndtere laboratorierapporter nøyaktig og reproduserbart før den kliniske resonneringsdelen av systemet vårt kunne starte.

Den opplevelsen endret måten jeg tenker på AI‑sikkerhet.

Et AI‑system som forteller deg at det ikke vet noe, er upraktisk.

Et AI‑system som ikke vet hva det har gått glipp av, er farlig.

Hvorfor vi måtte bygge utover AI

Klinisk arbeid krever noe som generativ AI ikke naturlig leverer: reproduserbarhet.

Vi trengte kontroll over hva som ble lagt inn og hva som kom ut: pålitelig datauttrekk, strukturert kunnskap, deterministisk logikk, sikkerhetsmekanismer og systemer som kan vurdere relasjoner i en pasients historikk.

Klinisk resonnering er ikke bare en samling av hvis‑så‑da‑utsagn. Noen ganger er signalet forholdet mellom flere markører. Noen ganger blir fem individuelt ubetydelige funn viktige når de ses samlet.

Ingeniører trenger regler som er tydelige nok til at programvaren kan utføre dem. Klinikerne bruker livet på å si: «Ja, unntatt …»

Menneskelig biologi er full av unntak, modifikatorer, kontekst og konkurrerende forklaringer. Til tider føltes det som om den ene gruppen kommuniserte på tegnspråk mens den andre snakket Klingon.

Svaret var aldri «AI» eller «ikke AI». Det handlet om å finne ut nøyaktig hvor hver del hørte hjemme.

AI kan lese journalen. Mennesker kan lese rommet.

Når AI brukes riktig, kan den utvide en klinikers hukommelse, akselerere forskning, avdekke uvanlige muligheter og gjenkjenne mønstre i enorme mengder informasjon.

Det begynner å ligne mindre på å erstatte behandleren og mer på å bygge en bionisk en.

Men pasienten er ikke en klinisk vignett.

En behandler hører nølingen før svaret. Hun legger merke til når historien endrer seg. Hun lærer at én pasient systematisk minimerer symptomer mens en annen rapporterer hver følelse med maksimal intensitet. Hun vet når «jeg har det bra» tydelig ikke betyr bra.

Den informasjonen finnes kanskje aldri i journalen.

Menneskelig samhandling i medisin er ikke bare et hyggelig lag vi legger til etter at maskinen har gjort det intellektuelle arbeidet. Det er en annen kilde til kliniske data.

AI kan lese journalen. Mennesker kan lese rommet.

De beste kliniske systemene vil trenge begge.

Slutt på spørsmålet om AI vil erstatte legen

Vi stiller feil spørsmål.

Fremtiden vil ikke nødvendigvis tilhøre selskapet med den mest smarte chatboten eller den mest avanserte grunnmodellen. Den viktige innovasjonen skjer i økende grad rundt modellen: hvordan informasjon fanges og verifiseres, hvilken kunnskap som leveres, hva systemet får lov til å konkludere med, hvor deterministisk kontroll tar over og hvor en menneskelig aktør må forbli i kretsen.

Rå intelligens blir stadig mer tilgjengelig.

Pålitelige systemer for å anvende den intelligensen er mye vanskeligere å bygge.

Og vi bør ikke løse dette problemet ved å kreve at hver kliniker blir en amatør‑AI‑utvikler. Kompleksiteten skal ligge i teknologien, ikke i legens prompt.

Fremtidens lege vil ikke slå AI på hukommelse. Den konkurransen blir allerede meningsløs.

I stedet bør vi bygge systemer som gir klinikere maskinens hukommelse, prosesseringskraft og mønstergjenkjenning, samtidig som de bevarer kontekst, dømmekraft, skepsis og menneskelig kontakt.

Vi kaller det den bioniske behandleren.

Jeg mistenker at pasientene etter hvert vil kalle det noe mye enklere.

Deres lege.