Вызов искусственного интеллекта в здравоохранении не заключается в принятии, а в готовности

Организации здравоохранения вкладывают большие средства в искусственный интеллект, и расходы на ИИ достигнут 1,4 миллиарда долларов в 2025 году, что почти в три раза превышает уровень 2024 года. Ранее считавшаяся цифровым отсталым, здравоохранение теперь задает темп принятию ИИ в корпоративном секторе, развертывая ИИ со скоростью 2,2 раза выше, чем в более широкой экономике.

Возбуждение понятно. ИИ обещает снизить административную нагрузку, улучшить операционную эффективность, поддержать принятие клинических решений и помочь организациям ориентироваться в растущих проблемах с персоналом и финансами. Многие лидеры здравоохранения видят в ИИ следующий крупный шаг в их цифровом пути. Фактически, согласно McKinsey, 85% лидеров здравоохранения исследуют или уже приняли возможности генеративного ИИ, что указывает на быстрый переход от экспериментов к реализации.

Но многие организации пытаются построить будущее, основанное на ИИ, на основе сложных человеческих рабочих процессов. К сожалению, эти системы и среды данных никогда не были разработаны для поддержки ИИ.

Ожидание скорости амбулаторного лечения усиливает существующие проблемы рабочих процессов

Проблема становится все более срочной, поскольку уход смещается за пределы традиционной больничной обстановки. Рынок амбулаторных хирургических центров alone прогнозируется превысить 70 миллиардов долларов к 2030 году, отражая более широкое движение к децентрализованной, цифровой первичной помощи.

По мере того, как эти системы ухода становятся более распределенными, организации здравоохранения должны управлять все более сложными операционными средами. Многосайтовые амбулаторные сети часто полагаются на смесь электронных медицинских записей (ЭМЗ), систем планирования, платформ цикла выручки и инструментов отчетности, которые были внедрены в разное время и для разных целей. Хотя ИИ имеет потенциал помочь организациям ориентироваться в этой сложности, его эффективность зависит от доступа к последовательной, связанной и надежной информации во всей организации. Чем более децентрализованным становится уход, тем более важно создать операционные и технологические основы, которые позволяют ИИ функционировать эффективно.

Но настоящая проблема лежит под самой технологией. Организации, которые уже борются с фрагментированными процессами, несоответствующими данными и несвязанными системами, обнаружат, что ИИ усиливает эти проблемы, а не решает их.

Данные: Влияние над избытком

Здравоохранение уже производит примерно 30% мирового объема данных, и эта цифра ожидается вырастет быстрее, чем во многих других отраслях. ИИ может ускорить эту тенденцию, позволяя организациям генерировать гораздо больше анализов, рекомендаций, резюме и оперативных данных в масштабе.

Ведь исследования показывают, что генеративный ИИ имеет потенциал существенно повысить производительность знаний, таких как консультанты, маркетологи, инженеры, специалисты здравоохранения и специалисты по поддержке клиентов. McKinsey оценивает, что он может создать до 4,4 триллиона долларов годового экономического значения путем автоматизации и ускорения деятельности, таких как извлечение информации, письменная коммуникация и диагностика проблем.

Но организации здравоохранения не обязательно нуждаются в большем количестве данных. Им нужны лучшие способы агрегировать и операционализировать данные таким образом, чтобы превратить прозрения в действие. Без прочной операционной и технологической основы инициативы ИИ могут создать больше сложности, перегрузить персонал информацией и испытывать трудности в обеспечении измеримой отдачи от инвестиций.

ИИ – это слой инфраструктуры, а не еще одно приложение

По мере расширения этого слоя интеллекта организации здравоохранения должны обеспечить, чтобы их существующие технологические стопки могли поддерживать использование ИИ в масштабе. В отличие от предыдущих поколений программного обеспечения для здравоохранения, ИИ не ограничивается одним рабочим процессом, отделом или компанией-производителем программного обеспечения.

Лидеры здравоохранения должны перестать рассматривать ИИ как технологическое внедрение и начать рассматривать его как проблему операционной готовности. Организации, которые получат значительную отдачу от инвестиций в ИИ, не обязательно будут теми, которые инвестируют в наибольшее количество инструментов, а теми, которые создадут рабочие процессы, структуры управления и основы данных, необходимые для поддержки ИИ в масштабе. Но чтобы добраться туда, необходимо намеренно установить реалистичные параметры и рекомендации для каждой отдельной организации.

Управление определяет, будет ли ИИ масштабируемым

Технология сама по себе не определяет успех ИИ. Организациям также необходимы кадровые структуры, которые определяют, как оцениваются, развертываются, контролируются и измеряются решения ИИ во времени.

Без четкого управления различные отделы могут принять отдельные или противоречивые инструменты ИИ, создавая несоответствующие стандарты качества данных, безопасности, соблюдения требований и измерения производительности. Проблема становится еще более серьезной, когда ИИ приближается к операционному и клиническому принятию решений. Лидерам необходимо иметь уверенность в том, что основные данные точны, выходы можно доверять, и подотчетность остается ясной, когда рекомендации, сгенерированные ИИ, влияют на рабочие процессы.

Готовность персонала также имеет решающее значение. Сотрудникам необходимо предоставить четкие рекомендации о том, как включать рекомендации, сгенерированные ИИ, в существующие рабочие процессы. Создание механизмов надзора, измеримых критериев успеха и четких линий подотчетности помогает обеспечить, чтобы инициативы ИИ оставались согласованными с целями организации, а не становились отключенными технологическими экспериментами. Успешные реализации обычно сочетают сильное управление с дисциплинированным управлением проектами, включая определенные вехи, общую подотчетность команд и готовность ограничить ненужную настройку, которая может замедлить прогресс без добавления значимой ценности.

Устаревшие архитектуры часто являются наиболее высокими барьерами для успеха ИИ

Многие системы здравоохранения были разработаны для транзакционных рабочих процессов, а не для реального интеллекта. Фрагментированные системы, изолированные данные и плохая интероперабельность часто создают более серьезные препятствия для принятия ИИ, чем сама технология.

Например, частная компания, поддерживаемая частным капиталом, может потребоваться нормализовать и перенести данные из пяти отдельных платформ электронных медицинских записей после быстрой стратегии слияния и поглощения. Это подчеркивает проблему, с которой сталкиваются многие организации здравоохранения сегодня: по мере расширения через слияния и поглощения технологические среды часто становятся более фрагментированными, а не менее.

Прежде чем ИИ сможет обеспечить значимую ценность, организации должны сначала создать основу единой инфраструктуры, способной поддерживать его.

Лучшие решения, а не больше прозрений

ИИ невероятно хорошо подходит для генерации бесконечного потока прогнозов, оповещений и рекомендаций. Организации, которые преуспеют с этими прозрениями, будут теми, которые интегрируют интеллект直接 в рабочие процессы, чтобы уменьшить сложность, а не создать дополнительный шум.

Большинство организаций не нужно полностью удалять свои основные платформы, чтобы стать готовыми к ИИ. Более практичный путь – оптимизация существующих систем, улучшение интеграций и создание более прочной основы, которая позволяет ИИ расширить как ценность, так и срок службы текущих технологических инвестиций.

Стратегический ИИ – это успешный ИИ

Организации здравоохранения вкладывают большие средства в ИИ, но технология сама по себе не определит, кто преуспеет. По мере того, как ИИ становится встроенным в клинические, операционные и административные системы,真正ным дифференциатором будет готовность инфраструктуры.

Отрасль здравоохранения потратила последние несколько десятилетий на оцифровку записей, модернизацию рабочих процессов и создание все более связанных сред ухода.

Следующая фаза определит, смогут ли эти инвестиции поддержать цифровой интеллект сегодня. Лидеры, которые сосредотачиваются исключительно на принятии ИИ, рискуют рассматривать технологию как решение в поисках проблемы. Те, кто сосредотачивается на готовности сначала, будут лучше подготовлены к развертыванию ИИ способами, которые улучшают принятие решений, повышают операционную производительность и создают измеримую ценность во всей организации.

В гонке за капитализацией ИИ вопрос больше не заключается в том, кто может принять технологию быстрее. Это тот, кто может создать самую сильную основу для ее поддержки.