De flesta AI är inte AI. Det kommer att bli viktigt.

Platsen där AI inte har någonstans att gömma sig

Ett resultat från en koloskopiundersökning anländer till en klinik via fax, där 88% av vårdpersonal 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 konventionell mening. Faxen mottogs. 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 det är detta 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 fastställs först. Och vad som är synligt här är på väg att komma till varje industri.

Inom 2027 kommer organisationerna som har flyttat snabbast att köra en annan arkitektur helt och hållet. Vinnarna kommer att vara de med sann integration, eftersom Gartner förutspår att över 40% av agentic AI-projekt kan komma att skrotas 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 står inför något värre än ett svårt förnyelse-samtal. De står inför föråldring.

Inte all “AI” är AI

SaaS har tillbringat två år med att kalla tre helt olika saker för samma namn. Den här 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. Dessa är befintliga SaaS-produkter med ett tunt lager tillagt: en sammanfattningsfunktion här, ett klassificeringsverktyg där. Produktvägen 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 en paraplyterm. Leverantörer paketerar maskinlärande, GenAI, inställda arbetsflöden och genuint agenter tillsammans och kallar hela grejen 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 agentbaserad AI. Dessa system agerar flexibelt inom parametrar, tolkar indata och vidtar åtgärder utan att vänta på att en person bestämmer vad som händer härnäst. Detta är det närmaste man kan komma till autonom AI idag, och det representerar ett verkligt kapacitetssteg. Men kapacitet är inte detsamma som slutförande. Även de bästa agentbaserade systemen på marknaden slutar långt ifrån att äga ett arbetsflöde från slut till slut.

Antagandekurvan under de senaste åren berättar samma historia i en loop. 2022 drevs av vaccinschema och digitala främre dörrar. 2024 dominerades av hantering av intäktscykel (RCM) och automatisering av kodning. 2025 medförde AI-skrivare och ambientlyssningverktyg. 2026 är året för agentbaserad röst, när hälsovårdsföretag visar ROI och agentbaserade funktioner på branschmässor som HIMSS. Varje cykel, hittar industrin en ny kategori, förklarar den som omvälvande 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 att välja från fel kategori helt och hållet, övertygade om att de köper transformation när de i själva verket köper en uppgraderad inkorg. Företags AI-antagande har expanderat massivt, men de flesta system har fortfarande inte integrerat AI i operativa arbetsflöden i stor skala. Problemet bor i produktvägen. Meddelandet döljer det bara.

För köpare har feltolkning av taxonomin en specifik kostnad. Det låser in samordningskostnader som ackumuleras över tiden. Organisationer som investerar i de två första kategorierna betalar för AI medan de fortfarande personalstyr för samma operativa börda. Antalet anställda som krävs för att hålla arbetsflödet samman 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, ytanför innehållet och lämnar det för personal 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 genuint uppgiftsutförande, och för några år sedan skulle det ha känts som ett betydande steg.

Nästa fas gör till och med det verka ofullständigt. Den standard som håller på att utvecklas är om ett system kan äga hela nedströmsresan: följa upp med patienten, följa upp med remitterande kliniker, 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 de genuint agentbaserade, 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 indata till bekräftat resultat, är vart förväntningarna är på väg inom det närmaste året.

Utdata är inte utförande. Uppgiftsutförande är inte arbetsflödesägande. Industrin börjar bara förstå den andra halvan av den distinktionen.

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

Vad nästa fas faktiskt ser ut som

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

Den gamla modellen är enkel: programvaran 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 modellen som AI har lagts till, inte modellen som den ersätter.

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

Inom 2027 kommer de system som betyder något att vara de som är anslutna direkt 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 designade för att fungera tillsammans, tillförlitlighet i produktionsmiljöer där kanter är konstanta, regelefterlevnad med regulatoriska begränsningar som varierar efter 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 SaaS-punktlösningarna de ersatte: användbara en stund, 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 arkitekturerade för att assistera, och assistans förstärker inte. Den expanderar inte. Den blir inte svårare att avsätta över tiden. Utförande gör det.

Frågan som är värd att omorientera hela produktvägar runt: eliminerar systemen 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 integration först. Byggare kan inte utlösa nedströmsåtgärder i system de inte är inbäddade i. Att ytanför rekommendationer i ett arbetsflöde är en fundamentalt annan kapacitet än att operera inom det. Överlämningarna i produkten, ögonblicken då en person måste plocka upp vad systemet lade ner, är det tydligaste signalen för var byggare är på den här skalan. Granska dem. Alla är en belastning i en marknad som konsolideras runt system som eliminerar dem.

Om en byggares produktväg fortfarande är inriktad på att göra utdata 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 i all evighet.

För köpare

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

Det börjar med produktvägen. 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. Produktvägen berättar köparna vilken sorts de har att göra med innan kontraktet gör det.

När köpare vet vart de är på väg, måste de utsätta metricerna för tryck. En leverantör som annonserar 80% automatiseringshastigheter eller höga innehållsskördeskolor kommer att tillhandahålla utdata. Gå förbi det: vilken procent av arbetsflöden slutförs utan mänskligt ingripande från slut till slut? Hur håller den siffran 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 över 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 prisbeskydd byggt in. Hur köpare förhandlar om sin Azure-utgift kommer att börja se ut som hur de förhandlar om all sin utgift. Organisationer som hoppar över det steget när volymer är låga ångrar det när volymer inte är.

För investerare och analytiker

Funktionell 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. Assist-lagerprodukter 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 mer om den långsiktiga konkurrenspositionen än demon kommer att göra.

Standarden fastställs nu

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