AI har snabbt etablerat sig som ett kunskapsstöd och diskussionspartner. Även om exaktheten fortfarande har en del att önska har den blivit tillräckligt bra för att vara användbar inom allt fler områden. 

Alla frågor har inte direkt nytta av att AI används, och i vissa fall kan det innebära en risk. Å andra sidan kan det bidra avsevärt i vissa delar, och om det används med omdöme leda till både högre kvalitet och snabbare processer.

Som alltid är det inte främst verktyget i sig som ar avgörande, utan organisationens förmåga att dra nytta av ett nytt kraftfullt verktyg. Vi vet sedan tidigare att vården har problem att ta till sig nya metoder och arbetssätt. Mottagligheten för innovation är ibland låg, och spridning av dessa tar tid.

Användandet av generella AI-verktyg bygger i stor utsträckning på egen användning för specifika problem. AI-nytta behöver byggas nedifrån.

Här får vi till synes en paradox, där stora generiska system (ChatGPT mfl) måste vara tillräckligt flexibla för att kunna användas till många olika frågor, men samtidigt tillräckligt exakta för att ge bra svar. Utmaningen blir inte att bygga ett eget verktyg, utan att lära sig använda de verktyg som finns till de frågor där de passar.

Arbetet med att använda AI i den egna vårdverksamheten behöver balanseras mer åt lokala förmågor än mot att (på egen hand) utveckla nya bättre verktyg. Balansen 10-20-70 mellan ny teknik, data och underlag respektive processer, arbetssätt och kompetens kan vara en god tumregel. Tyvärr ser vi ofta den omvända relationen, med alltför mycket fokus på teknik och system, och alltför lite på arbetssätt och lokal förmåga.

En bra ide är att börja systematiskt nedifrån med att utvärdera AI som möjligt och nyttigt verktyg. Testa småskaligt och brett, och låt det fortsätta vara småskaligt och brett.

Det ställer stora krav på flexibla lösningar, lokala anpassningar och AI-support ute i verksamheterna.

 

Bygg inte monoliter, utan släpp lös kraften i AI under lagom övervakning.