De flesta AI-system är inte riktiga AI. Det kommer att bli viktigt.

Platsen där AI inte har någonstans att gömma sig

Ett resultat från en kolorektal cancerscreening anländer till en klinik via fax, där 88% av vårdpersonalen säger att faxrelaterade förseningar negativt påverkar patientvården. Det är markerat som positivt. Det finns i en PDF. Ingen ser det såvida inte någon manuellt öppnar dokumentet, läser det och bestämmer vad som ska hända härnäst. Under tiden väntar patienten. Uppföljningen sker inte. Vårdgapet ökar.

Detta är inte ett tekniskt fel i klassisk bemärkelse. Faxen togs emot. Dokumentet sparades. Enligt de flesta definitioner fungerade systemet. Vad som misslyckades var allt som behövde hända härnäst, och inget AI-verktyg i arbetsflödet var ansvarigt för att göra det hända.

Jag har tillbringat mer än ett decennium inom hälsovårdsteknik, och detta är vad som gör hälsovården till den tydligaste linsen för att utvärdera AI: varje flaskhals har en mänsklig kostnad, och den kostnaden är omöjlig att ignorera.

Hälsovården är där den riktiga standarden för AI sätts först. Och vad som syns här är på väg att komma till varje bransch.

Inom år 2027 kommer de organisationer som har flyttat snabbast att köra en helt annan arkitektur. Vinnarna kommer att vara de med riktiga integrationer, eftersom Gartner förutspår att över 40% av agentic AI-projekt kan avbrytas på grund av brist på verkligt värde. Istället för att stapla SaaS-punktlösningar och förlita sig på personal för att ansluta dem, kommer de att ha autonoma lager som sitter direkt ovanpå system av post, som utför arbetsflöden från slut till slut utan mänsklig samordning vid varje överlämning. SaaS-produkter som inte kan absorberas i den modellen eller motivera sin plats bredvid den riskerar att bli föråldrade.

Inte all “AI” är AI

SaaS har tillbringat två år med att kalla tre helt olika saker för samma namn. Den sammanblandningen har konsekvenser. Medan vissa produkter verkligen är agenter, är andra bara lager av AI på gammal teknik, en distinktion som alltmer erkänns som AI-agenter omformar SaaS-marknader.

Den första kategorin är AI bara till namnet. Detta är befintliga SaaS-produkter med ett tunt lager tillagt: en summeringsfunktion här, ett klassificeringsverktyg där. Vägkarten har inte ändrats. Produkten har inte ändrats. Det enda som har ändrats är vad det står på webbplatsen. AI är en marknadsram. Utvecklingsriktningen har inte flyttat.

Den andra är AI som ett paraplybegrepp. Leverantörer buntar maskinlärning, GenAI, arbetsflöden och genuint agenter tillsammans och kallar hela sak för AI. Frågan som är värd att ställa är om AI driver produktvisionen eller främst ramverket för försäljningssamtalet. I de flesta fall, om man pressar tillräckligt hårt, är det det senare.

Den tredje är genuint agenter AI. Dessa system agerar flexibelt inom parametrar, tolkar indata och vidtar åtgärder utan att vänta på att en person bestämmer vad som ska hända härnäst. Detta är den närmaste motsvarigheten till autonom AI som finns idag, och det representerar en verklig kapacitetsökning. Men kapacitet är inte detsamma som slutförande. Även de bästa agentera systemen på marknaden slutar långt ifrån att äga ett arbetsflöde från slut till slut.

Adoptionsbågen under de senaste åren berättar samma historia om och om igen. 2022 drevs av vaccinschema och digitala entrédörrar. 2024 dominerades av intäktscykelhantering (RCM) och kodautomatisering. 2025 medförde AI-skrivare och ambientlyssnande verktyg. 2026 är året för agenter röst, när hälsovårdsföretag visar ROI och agenter kapacitet på branschmässor som HIMSS. Varje cykel, hittar branschen en ny kategori, förklarar den som transformerande och flyttar vidare. Det underliggande problemet stannar exakt där det var: arbetet är fortfarande beroende av människor för att fortsätta.

Kalla det för vad det är: de flesta AI-investeringar förändrar inte hur arbetet utförs. Köpare hamnar i fel kategori, övertygade om att de köper transformation när de i själva verket köper en uppgraderad inkorg. Företags AI-antagande har expanderat kraftigt, men de flesta system har fortfarande inte integrerat AI i operativa arbetsflöden i stor skala. Problemet bor i vägkarten. Meddelandet döljer det bara.

För köpare har att missförstå taxonomin en specifik kostnad. Det låser in samordningskostnader som ökar över tiden. Organisationer som investerar i de två första kategorierna betalar för AI samtidigt som de fortfarande bemannar för samma operativa börda. Personalbehovet för att hålla arbetsflödet ihop minskar inte. Det blir bara dyrare att motivera.

Bra AI, fel definition av “klar”

Ta fax-arbetsflödet. Det är ett användbart exempel på var standarden är idag och hur snabbt den flyttar.

De sämsta systemen parsar faxen, ytor innehållet och lämnar det för personalen att agera på. Det är en bättre inkorg. De bra systemen går längre: de extraherar agerbara nästa steg och utför dem, dirigerar remissen, utlöser patientkontakt, schemalägger mötet. Det är äkta uppgiftsutförande, och för några år sedan skulle det ha känts som ett betydande språng.

Nästa fas gör till och med det verka ofullständigt. Den standard som växer fram är om ett system kan äga hela nedströmsresan: följa upp med patienten, följa upp med den remitterande kliniken, persistera tills besöket faktiskt sker, stänga loopen, flagga undantag utan att bli tillfrågad. Inga överlämningar. Ingen som hanterar det däremellan.

De flesta nuvarande system, även genuint agenterade, fungerar på mittenfasen. De utför en uppgift. De är fortfarande beroende av människor för att samordna mellan uppgifter. Det är definitionen av “klar” som marknaden är på väg att gå förbi.

Utförande av enskilda uppgifter där människor samordnar mellan dem kommer inte att vara standarden. Fullständig autonom samordning över ett arbetsflöde, från första inmatning till bekräftat resultat, är vad förväntningarna är på väg mot inom det närmaste året.

Utmatning är inte utförande. Uppgiftsutförande är inte arbetsflödesägande. Branschen är bara i början av att förstå den andra halvan av den distinktionen.

För byggare är detta där den konkurrensmässiga fördelen redan börjar skilja sig. System som slutar vid utmatningar blir lättare att jämföra, lättare att kommodifiera och svårare att försvara vid förnyelse. System som utför uppgifter utan att äga det fulla resultatet är bara en fas framåt. Den försvarbara positionen tillhör system som kan köra ett arbetsflöde från start till bekräftat slut, autonomt över system under en längre tid.

Vad nästa fas faktiskt ser ut som

För några år sedan skulle jag ha beskrivit den agenterade AI-kategorin och kallat den destinationen. Det är det inte. Det är en vägpunkt. Nästa fas kommer att definieras av system som tar ansvar för att slutföra arbetet över system av post. Att förbättra ett steg inom ett system är den gamla ribban.

Den gamla modellen är enkel: programvara utför en funktion, och människor ansluter stegen. Ett system extraherar information. En person bestämmer vad som ska göras med den. Ett annat system schemalägger mötet. En annan person följer upp. Samordningsbördan bor med personalen. Den har alltid bott med personalen. Det är den modell som AI har lagts till, inte den modell som den ersätter.

Den framväxande modellen flyttar det ansvaret. Systemen bär arbetsflödet framåt. Människor går in när något går sönder, kräver bedömning eller faller utanför policy. Samordningen är byggd in i systemet, inte absorberad av teamet.

Inom år 2027 kommer de system som betyder något att vara de som är direkt anslutna till kärnsystem av post, som utför allt som behövs för att nå ett resultat utan att vänta på mänskligt ingripande vid varje överlämning. Att äga resultatet från slut till slut.

Att bygga på den här nivån har specifika krav: integration över fragmenterade system som inte var utformade för att fungera tillsammans, tillförlitlighet i produktionsmiljöer där kanter är konstanta, överensstämmelse med regulatoriska begränsningar som varierar med sammanhang och kontinuerligt ägande av resultat över hela arbetsflödet. De flesta organisationer är inte strukturerade för att bygga detta internt. Leverantörerna som kan kommer att definiera nästa era av företagsprogramvara.

Leverantörerna som inte kan kommer att hamna i samma position som de SaaS-punktlösningar de ersatte: användbara för en tid, sedan i vägen.

Vad detta betyder om du bygger, köper eller satsar på AI

För Byggare

Den obekväma sanningen är att de flesta AI-system är utformade för att assistera, och assistering kompenserar inte. Den expanderar inte. Den blir inte svårare att avsätta över tiden. Utförande gör det.

Frågan som är värd att omorientera hela vägkartor runt: eliminerar systemet behovet av mänsklig samordning över arbetsflödet? Om de kvalificerar sig som agenter är en lägre ribba, och gapet mellan de två är där de flesta byggare för närvarande sitter.

Att komma till utförande kräver att man äger integrationen först. Byggare kan inte utlösa nedströmsåtgärder i system de inte är inbäddade i. Att yta rekommendationer i ett arbetsflöde är en grundläggande annan kapacitet än att operera inom det. Överlämningarna i produkten, ögonblicken där en person måste plocka upp vad systemet lade ner, är de tydligaste signalerna på var byggare är på den här skalan. Granska dem. Alla är en ansvarsskyldighet i en marknad som konsolideras runt system som eliminerar dem.

Om en byggares vägkarta fortfarande är inriktad på att göra utmatningar smartare, optimerar de runt ett problem som kommer att komma ikapp dem. Fönstret att ompositionera mot utförande är öppet nu. Det kommer inte att stanna öppet för alltid.

För Köpare

Om piloter levererar värde, fortsätt att köra dem. Frågan är om de leder någonstans. Utvärdera om leverantören kan expandera bortom att förbättra ett enskilt steg.

Det börjar med vägkarten. Fråga varje leverantör vart de är på väg och applicera taxonomin på vad som hörs. Lösar de diskreta problem med AI eller bygger de mot slutfört utförande? En leverantör som fortfarande är inriktad på punktlösningar kommer att fortsätta sälja köpare punktlösningar. Vägkarten berättar köparna vilken typ de har att göra med innan kontraktet gör det.

När köpare vet vart de är på väg, måste de trycka på siffrorna. En leverantör som annonserar 80% automatiseringshastigheter eller höga innehållsskörningar kommer att tillhandahålla utmatningsdata. Tryck förbi det: vilken procent av arbetsflöden slutförs utan mänskligt ingripande från slut till slut? Hur står den siffran emot när volym och komplexitet ökar? Kör matematiken på vad verklig samordningsreducering skulle betyda för operativa kostnader.

Sedan får kontrakten rätt innan du skalar. När AI införlivas i schemaläggning, intag, uppföljning och remisser, beräknas kostnaderna annorlunda än traditionell SaaS. Modellera kostnad per AI-assisterad interaktion på samma sätt som man modellerar molnberäkning. Förhandla därefter, med utgiftstak, nivåerade åtaganden och prisgarantier inbyggda. Hur köpare förhandlar om sin Azure-utgift kommer att börja se ut som hur de förhandlar om alla sina utgifter. Organisationerna som hoppar över det steget när volymer är låga ångrar det när volymer inte är det.

För Investorer och Analytiker

Funktionens djup och gränssnittskvalitet är inte längre tillförlitliga proxier för försvarbarhet. Företagen som kommer att expandera sin operativa fotavtryck är de som tar ansvar för resultat över system av post. Assisteringslagerprodukter möter marginaltryck och konsolideringsrisk när köpare blir mer sofistikerade om vad de faktiskt köper. När man utvärderar AI-leverantörer, fråga var de mänskliga överlämningarna är. Svaret berättar investerare och analytiker mer om den långsiktiga konkurrenspositionen än demon kommer att göra.

Standarden sätts nu

Hälsovården kommer att visa resten av företagsprogramvaran var denna förändring landar först. Insatserna är för höga och ineffektiviteterna för dyra för att gapet mellan utmatning och utförande ska förbli osynligt. Organisationerna som flyttar nu kommer att ha byggt vad alla andra försöker komma ikapp. Nästa fas tillhör system som slutför arbetet. Allt annat är överhuvudtaget.