Tankeledare

Varför kontinuerlig modernisering är nyckeln till att vinna med AI inom sjukvården

mm
Lägg till Unite.AI bland dina föredragna källor på Google

I flera decennier har moderniseringen av sjukvården följt en välbekant spelplan: skapa en färdplan, säkra finansiering, starta ett stort transformationsprogram och arbeta mot en framtida teknologimiljö. Den modellen var logisk när teknik och affärskrav förändrades tillräräckligt långsamt för att en flerårsplan skulle förbli relevant.

Det blir allt svårare idag. Hälsoorganisationer navigerar finansiella och personalmässiga påtryckningar, regulatoriska förändringar och ökande konsumentförväntningar samtidigt som AI snabbt omformar vad tekniken kan göra. Gartner’s 2026 CIO and Technology Executive Survey visade att 94 % av CIO:erna förväntar sig betydande förändringar i sina planer och resultat inom de kommande två åren, medan endast 48 % av digitala initiativ uppfyller eller överträffar sina affärsmål.

Utmaningen är alltså inte bara att genomföra färdplanen mer effektivt. Det handlar om att den miljö som en organisation moderniserar för kan förändras medan moderniseringen fortfarande pågår. Ett program som är utformat efter dagens prioriteringar och marginalpress kan vid slutförandet lösa ett helt annat set av krav – finansiella, regulatoriska, tekniska.

Varför den traditionella modellen fortsätter att hamna efter

Den konventionella metoden är enkel. Först gör organisationen en detaljerad plan, sedan får den finansiering och implementerar transformationsplanen i hopp om att systemen ska moderniseras under de kommande åren. Detta fungerade när teknik och affärsbehov förändrades tillräckligt långsamt för att en plan förblev relevant tills projektet var slutfört.

I dagens värld måste företag hantera tryck på sina budgetar, ny lagstiftning, personalbrist, förändrade konsumentpreferenser och snabb teknikutveckling – allt samtidigt. Detta är inte längre den verklighet som amerikansk sjukvård verkar i. Vilken färdplan du än skapar kommer den att möta en annan utmaning än den du adresserar nu, eftersom systemen börjar försämras redan vid implementeringen. Dessutom ligger företag ständigt efter schemat när det gäller att göra grundläggande förändringar var fem till sju år.

Det centrala problemet är bristen på nödvändiga resurser och uthållighet. En “big bang”-typ av transformation kräver en extraordinär budget, blir avledd under processen på grund av förändrade affärsprioriteringar, och kan ibland pågå så länge att ledningen redan har tappat förtroendet för insatsen när resultaten väl visar sig.

En annan moderniserad driftsmodell

Denna metod skiljer sig från den föregående, men är en helt ny sekvenseringsstrategi. Istället för att försöka förnya allt på en gång upptäcker företag att de kan hantera övergången bättre genom att fokusera på en end‑to‑end affärsförmåga åt gången, från människor till processer, till applikationer, till data. Och sedan gå vidare till nästa. Detta motsvarar att renovera ett hus rum för rum i stället för att totalrenovera hela byggnaden på en gång. Målet är att bygga upp momentum: leverera något konkret, lära av erfarenheten och växa till något större.

Var AI passar in och var det inte gör det

AI:s framväxt väcker återigen en fascinerande, om inte djup, filosofisk fråga: bör tekniken optimera de befintliga processerna eller göra dem föråldrade?

AI:s framväxt gör denna distinktion ännu viktigare. Gartner fann att 80 % av VD:arna tror att AI kommer att tvinga fram omfattande omstruktureringar av operativ förmåga. Det antyder att möjligheten är större än att bara göra befintliga processer snabbare med AI. Att applicera AI på en ineffektiv process kan öka hastigheten, men eliminerar inte den underliggande ineffektiviteten.

Samtidigt kan organisationer inte bara överge kärnprocesser över en natt; många måste fortsätta att fungera medan förändringen pågår. Det verkliga värdet av AI ligger därför i att använda den för att identifiera vilka processer som bör omdesignas, vilka som bör förenklas och vilka som kanske inte längre har någon funktion.

Sluta mäta projektet. Mät resultatet.

Modernisering kan inte längre drivas enbart av att tekniken är föråldrad. Med amerikanska sjukvårdsorganisationer under ständig finansiell press och liten marginal för fel, måste varje initiativ tydligt demonstrera affärsvärde.

Detta kräver ett annat tillvägagångssätt för att prioritera modernisering. De största programmen är inte nödvändigtvis de mest värdefulla. Värde definieras av förbättringar i affärsprocesser som leder till effektivare drift, stärkt intäktscykel och kliniska arbetsflöden, samt förbättrad upplevelse för patienten eller medlemmen och ger flexibilitet för framtiden. Allt reduceras till detta – vi måste mäta våra moderniseringsinsatser efter det värde de skapar, inte efter omfattning och storlek på initiativen.

US Healthcare kommer alltid att behöva verka i en miljö av ständig förändring – nya regler, teknologier, affärsmodeller samt ständigt växande krav från medlemmar, patienter och leverantörer. Målet har aldrig varit att nå ett enda tillstånd av att vara ‘modern’.

Vinnarna i denna miljö kommer inte att vara organisationer som satsar på stora transformationer och stora budgetar för dessa transformationer och stora intäkter för dessa budgetar. Vinnarna blir de som kan anpassa sig kontinuerligt, transformera kontinuerligt och leverera värde kontinuerligt utan att förstöra verksamheten i processen.

Det är den förändring som sjukvården måste göra: modernisering är inte längre ett periodiskt försök att hinna med framtiden. Det blir en kärnverksamhetsförmåga för att svara på den.

Abhijeet Vaidya är chef för Data & AI Practice på Emids. Abhijeet har över två decennier av erfarenhet inom Data & AI, med fokus på att hjälpa organisationer att driva teknikdriven transformation. Hans expertis omfattar datamodernisering, datatillit, AI‑strategi, lösningsarkitektur, Gen AI och Agentic AI.

Innan Emids var Abhijeet Global Market Head för Data Engineering & Analytics på Zensar Technologies, där han arbetade med datamodernisering, analytik och maskininlärning. Före Zensar tillbringade han över 15 år på Cognizant, avancerade genom seniora ledarskapsroller och ledde så småningom Data & Intelligence Delivery för North America Financial Services‑verksamheten.