ผู้นำทางความคิด

ทำไมการปรับปรุงอย่างต่อเนื่องจึงเป็นกุญแจสู่ความสำเร็จด้วย AI ในการดูแลสุขภาพ

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

หลายทศวรรษที่ผ่านมา การปรับปรุงระบบสุขภาพได้ปฏิบัติตามแนวทางที่คุ้นเคย: สร้างแผนงาน, หาทุน, เปิดตัวโครงการการเปลี่ยนแปลงขนาดใหญ่และมุ่งสู่สภาพแวดล้อมเทคโนโลยีในอนาคต โมเดลนี้มีความสมเหตุสมผลเมื่อเทคโนโลยีและความต้องการทางธุรกิจเปลี่ยนแปลงช้าเพียงพอให้แผนหลายปียังคงมีความเกี่ยวข้อง

สิ่งนี้กำลังยากขึ้นเรื่อย ๆ ในวันนี้ องค์กรด้านสุขภาพต้องเผชิญกับแรงกดดันด้านการเงินและแรงงาน, การเปลี่ยนแปลงกฎระเบียบและความคาดหวังของผู้บริโภคที่เพิ่มขึ้นในขณะที่ AI กำลังเปลี่ยนแปลงสิ่งที่เทคโนโลยีทำได้อย่างรวดเร็ว Gartner’s 2026 CIO and Technology Executive Survey พบว่า 94% ของ CIO คาดว่าจะมีการเปลี่ยนแปลงสำคัญต่อแผนและผลลัพธ์ของพวกเขาในสองปีข้างหน้า, ในขณะที่เพียง 48% ของโครงการดิจิทัลบรรลุหรือเกินเป้าหมายผลลัพธ์ทางธุรกิจของตน

ความท้าทายคือไม่ใช่แค่การดำเนินแผนงานให้มีประสิทธิภาพมากขึ้น แต่คือสภาพแวดล้อมที่องค์กรกำลังปรับปรุงอาจเปลี่ยนแปลงไปขณะที่การปรับปรุงยังอยู่ระหว่างดำเนินการ โปรแกรมที่ออกแบบตามความสำคัญและแรงกดดันกำไรในวันนี้อาจต้องตอบสนองต่อความต้องการใหม่ด้านการเงิน, กฎระเบียบ, และเทคนิคเมื่อเสร็จสิ้น

ทำไมโมเดลแบบดั้งเดิมจึงล้าหลัง

แนวทางแบบดั้งเดิมนั้นตรงไปตรงมา เริ่มจากองค์กรทำแผนงานโดยละเอียด, จากนั้นได้รับทุนและดำเนินการตามแผนการเปลี่ยนแปลง, หวังว่าระบบของตนจะได้รับการปรับปรุงในไม่กี่ปีต่อไป วิธีนี้ใช้ได้เมื่อเทคโนโลยีและความต้องการทางธุรกิจเปลี่ยนแปลงช้าเพียงพอให้แผนยังคงมีความเกี่ยวข้องจนโครงการเสร็จสมบูรณ์

ในโลกปัจจุบัน บริษัทต้องเผชิญกับแรงกดดันด้านงบประมาณ, กฎหมายใหม่, การขาดแคลนบุคลากร, การเปลี่ยนแปลงความต้องการของผู้บริโภคและการพัฒนาเทคโนโลยีที่รวดเร็ว – ทั้งหมดนี้เกิดขึ้นพร้อมกัน ซึ่งไม่ใช่สภาพแวดล้อมที่ระบบสุขภาพของสหรัฐอเมริกาปฏิบัติอยู่ แผนงานใด ๆ ที่คุณวางไว้จะต้องเผชิญกับความท้าทายที่ต่างจากที่คุณกำลังแก้ไขอยู่ในขณะนี้ เนื่องจากระบบเริ่มเสื่อมสภาพตั้งแต่ขั้นตอนการดำเนินการ นอกจากนี้ บริษัทมักล่าช้าในการทำการเปลี่ยนแปลงพื้นฐานทุก ๆ ห้าถึงเจ็ดปี

ประเด็นสำคัญคือการขาดแคลนทรัพยากรและความมุ่งมั่น การเปลี่ยนแปลงแบบ “บิ๊กแบง” ต้องใช้งบประมาณมหาศาล, มักถูกเบี่ยงเบนระหว่างกระบวนการเนื่องจากความเปลี่ยนแปลงของลำดับความสำคัญทางธุรกิจ, และบางครั้งใช้เวลานานจนผลลัพธ์ปรากฏขึ้น ผู้นำอาจสูญเสียความเชื่อมั่นในความพยายามนั้นแล้ว

โมเดลการดำเนินงานแบบปรับปรุงใหม่

วิธีการนี้ไม่เหมือนกับแบบเดิม แต่เป็นกระบวนการใหม่ที่จัดลำดับขั้นอย่างแตกต่าง แทนที่จะพยายามปรับปรุงทั้งหมดพร้อมกัน บริษัทพบว่าการโฟกัสที่ความสามารถทางธุรกิจแบบ end‑to‑end หนึ่งด้านต่อหนึ่งด้าน ตั้งแต่คน, กระบวนการ, แอปพลิเคชัน, ไปจนถึงข้อมูล แล้วค่อยย้ายไปยังด้านต่อไป เป็นเหมือนการปรับปรุงบ้านทีละห้องแทนการรีโนเวททั้งอาคารพร้อมกัน เป้าหมายคือสร้างแรงผลักดัน: ส่งมอบสิ่งที่จับต้องได้, เรียนรู้จากประสบการณ์นั้น, แล้วขยายเป็นโครงการที่ใหญ่ขึ้น

AI จะเข้ามาได้ที่ไหนและไม่ได้ที่ไหน

การมาของ AI ยกประเด็นปรัชญาที่น่าสนใจและลึกซึ้งอีกครั้ง: เทคโนโลยีควรทำให้กระบวนการปัจจุบันทำงานได้ดีขึ้นหรือทำให้กระบวนการเหล่านั้นล้าสมัย?

การมาของ AI ทำให้ความแตกต่างนี้สำคัญยิ่งขึ้น Gartner พบว่า 80% ของ CEO เชื่อว่า AI จะบังคับให้ต้องปรับโครงสร้างความสามารถการดำเนินงาน ซึ่งบ่งบอกว่าความโอกาสนั้นใหญ่กว่าการนำ AI ไปใช้เพื่อทำให้กระบวนการเดิมเร็วขึ้น การใช้ AI กับกระบวนการที่ไม่มีประสิทธิภาพอาจทำให้ความเร็วเพิ่มขึ้น แต่ไม่แก้ไขปัญหาความไม่มีประสิทธิภาพพื้นฐาน

ในขณะเดียวกัน องค์กรไม่สามารถละทิ้งกระบวนการหลักได้ทันที; หลายกระบวนการยังต้องดำเนินต่อไปขณะการเปลี่ยนแปลงกำลังเกิดขึ้น คุณค่าจริงของ AI จึงอยู่ที่การใช้มันเพื่อระบุว่ากระบวนการใดควรออกแบบใหม่, ควรทำให้เรียบง่ายขึ้น, หรืออาจไม่จำเป็นต้องมีต่อไปแล้ว

หยุดวัดโครงการ. วัดผลลัพธ์.

การปรับปรุงไม่สามารถขับเคลื่อนได้เพียงเพราะเทคโนโลยีล้าสมัยอีกต่อไป เมื่อองค์กรสุขภาพของสหรัฐต้องเผชิญกับแรงกดดันทางการเงินอย่างต่อเนื่องและพื้นที่สำหรับความผิดพลาดมีจำกัด ทุกโครงการต้องแสดงคุณค่าทางธุรกิจที่ชัดเจน

จึงต้องใช้แนวทางใหม่ในการจัดลำดับความสำคัญของการปรับปรุง โปรแกรมขนาดใหญ่ไม่ได้หมายความว่าจะมีคุณค่ามากที่สุด คุณค่าถูกกำหนดโดยการปรับปรุงกระบวนการธุรกิจที่ทำให้การดำเนินงานมีประสิทธิภาพมากขึ้น, เสริมสร้างวงจรรายได้และกระบวนการคลินิก, ปรับปรุงประสบการณ์ของผู้ป่วยหรือสมาชิก, และให้ความยืดหยุ่นต่ออนาคต ทั้งหมดสรุปได้ว่า เราต้องวัดความสำเร็จของการปรับปรุงด้วยคุณค่าที่สร้างขึ้น, ไม่ใช่ขนาดหรือปริมาณของโครงการ

องค์กรสุขภาพของสหรัฐจะต้องดำเนินการในสภาพแวดล้อมที่เปลี่ยนแปลงอย่างต่อเนื่อง – กฎระเบียบใหม่, เทคโนโลยีใหม่, โมเดลธุรกิจใหม่, รวมถึงความต้องการที่เพิ่มขึ้นจากสมาชิก, ผู้ป่วย, และผู้ให้บริการ เป้าหมายไม่เคยเป็นการอยู่ในสถานะ “ทันสมัย” เพียงครั้งเดียว

ผู้ชนะในสภาพแวดล้อมนี้จะไม่ใช่องค์กรที่เดิมพันกับการเปลี่ยนแปลงขนาดใหญ่และงบประมาณมหาศาลสำหรับการเปลี่ยนแปลงเหล่านั้น แต่จะเป็นผู้ที่สามารถปรับตัวอย่างต่อเนื่อง, ปรับโฉมอย่างต่อเนื่อง, ส่งมอบคุณค่าอย่างต่อเนื่องโดยไม่ทำให้ธุรกิจเสียหาย

นั่นคือการเปลี่ยนแปลงที่อุตสาหกรรมสุขภาพต้องทำ: การปรับปรุงไม่ได้เป็นความพยายามตามช่วงเวลาเพื่อไล่ตามอนาคตอีกต่อไป แต่กำลังกลายเป็นความสามารถหลักของธุรกิจในการตอบสนองต่ออนาคต

Abhijeet Vaidya เป็นหัวหน้าฝ่าย Data & AI Practice ที่ Emids. Abhijeet มีประสบการณ์กว่าสองทศวรรษในด้าน Data & AI โดยมุ่งเน้นการช่วยองค์กรขับเคลื่อนการเปลี่ยนแปลงด้วยเทคโนโลยี ความเชี่ยวชาญของเขาครอบคลุมการปรับสมัยข้อมูล, ความเชื่อถือของข้อมูล, ยุทธศาสตร์ AI, สถาปัตยกรรมโซลูชัน, Gen AI และ Agentic AI.

ก่อนเข้าร่วม Emids, Abhijeet ดำรงตำแหน่ง Global Market Head for Data Engineering & Analytics ที่ Zensar Technologies, ซึ่งเขาทำงานด้านการปรับสมัยข้อมูล, การวิเคราะห์และการเรียนรู้ของเครื่อง. ก่อน Zensar, เขาใช้เวลามากกว่า 15 ปีที่ Cognizant, ผ่านตำแหน่งผู้นำระดับสูงหลายตำแหน่งและในที่สุดเป็นผู้นำ Data & Intelligence Delivery สำหรับธุรกิจบริการทางการเงินของอเมริกาเหนือ.