Welke bestuurlijke vragen roept dit alles op?

De mogelijkheden lijken haast eindeloos. Dat blijkt niet alleen uit wat er nu al kan, maar ook uit de vele nieuwe ideeën en experimenten die telkens ontstaan. Hierdoor voelt het alsof het potentieel van AI nauwelijks grenzen kent. Maar wat betekent dit eigenlijk voor de bestuurlijke agenda? Welke vragen komen op als we de verbeelding de vrije loop laten? Laten we deze brede vraag eens onder de loep nemen.

De kernvraag voor het bestuur is hoe je AI op een verantwoorde én organisatiebrede manier in de zorg kunt invoeren.

Geen businesscase, maar experimenteerruimte

De businesscase is niet van tevoren heel goed in te schatten. Je kunt niet zeggen: als we AI invoeren dan zullen we zoveel kunnen besparen. Je kunt wel zeggen: als je AI níét invoert, dan delf je straks het onderspit. Dat is volgens mij evident.

Prof. Dr. Eric Postma

“Voorzichtig beginnen met low-cost innovatie”

Tussen businesscase en volledige vrijheid

Het opstellen van een traditionele businesscase is in deze context niet haalbaar. Precies berekenen hoeveel tijdwinst AI-toepassingen opleveren – zoals het automatisch notuleren van vergaderingen met een AI-tool – is een enorm tijdrovende klus. Bovendien is het vrijwel onmogelijk om zulke winst nauwkeurig over alle verschillende vakgebieden heen te meten. Pogingen om dit tóch te doen, leiden vooral tot onnodige vertraging. Tegelijkertijd brengt het volledig vrijlaten van AI-gebruik binnen de organisatie ook risico’s met zich mee. Maar wat dan wel?

Innovatiecanvas Datcan

Afbeelding Datcan-model ( (Feldberg & Pots). Voor meer achtergrondinformatie over dit model zie de website: datcan.nl

Waarom

Wat

Welke analyses hebben we nodig om de doelen te kunnen realiseren?

Aan welke

opgave is dit

probleem

gerelateerd?

Wie is opdrachtgever? Wie is de eigenaar van het vraagstuk?

Voor wie is dit

een probleem?

Welk probleem

gaan we

oplossen?

Wat zijn

onze

doelen?

Wat moeten

we hiervoor

doen?

Welke data

hebben we

hiervoor

nodig?

Welke partijen

willen we er bij betrekken?

Wat is het budget?

Wat zijn de benodigde investeringen?

Wat moeten we organiseren om de oplossing succesvol te kunnen gebruiken?

• Wat moeten we beschrijven om het probleem op te lossen?

• Wat moeten we diagnosticeren?

• Wat moeten we voorspellen?

• Wat kunnen we optimaliseren?

Wat zijn de ethische en privacy aspecten?

Welke kennis hebben we hiervoor nodig?

Welke partijen

hebben we nodig om dit vraagstuk op te lossen?

Hoe

Meer dan ooit is je eigen expertise en je eigen kennis over je vakgebied belangrijk. Alleen als je weet waar je het over hebt, werkt bijvoorbeeld ChatGPT goed, en ook dan pas kun je de output beoordelen.

Job van den Berg, techondernemer

“Eigen expertise belangrijker dan ooit”

• Werk waarbij grote aantallen nodig zijn. Denk bijvoorbeeld aan het genereren van ideeën: waar mensen doorgaans enkele ideeën bedenken, kan AI ondersteunen door juist méér en andere invalshoeken aan te dragen.

• Werk waarbij je zelf voldoende deskundig bent om de output van AI op inhoud en juistheid te beoordelen. Dit geldt voor vraagstukken die je normaal gesproken zelf zou oplossen, maar die veel tijd kosten en waarbij ChatGPT je kan ondersteunen.

• Werk waarbij grote hoeveelheden informatie samengevat moeten worden. AI is bijzonder geschikt om aangeboden informatie snel en overzichtelijk samen te vatten.

• Werk waarbij je enkel een perspectiefwissel nodig hebt. Bijvoorbeeld als je een beleidsstuk wilt herschrijven van een RvT-perspectief naar het cliëntenperspectief.

• Werk waarbij je vastloopt in je creativiteit. Vaak blijf je hangen in details; AI kan je dan net dat zetje geven om verder te komen.

• Werk waarvan je weet dat AI er aantoonbaar beter in is.

• Werk waarbij je AI vraagt om een specifieke rol aan te nemen, bijvoorbeeld als meelezer of als kritische tegendenker vanuit verschillende perspectieven. Of als je AI vraagt om een second opinion te geven.

Het boek Slimmer werken met AI van Ethan Mollick geeft praktische handreikingen: wanneer je wel met AI moet werken en wanneer je daarmee moet uitkijken. Ethan Mollick ziet met name de volgende mogelijkheden (Slimmer werken met AI, 2024):

• Wanneer je nieuwe ideeën of informatie wilt leren of integreren: om écht iets nieuws te leren, moet je zelf lezen en nadenken. Je zult merken dat AI je bij bepaalde onderdelen van het leerproces kan ondersteunen, maar het eigen leerproces blijft essentieel! Waak voor intellectuele luiheid.

• Wanneer er een zeer hoge nauwkeurigheid vereist is: het probleem met AI-fouten, ook wel de bekende AI-hallucinaties genoemd, is dat deze door de manier waarop AI werkt vaak heel overtuigend kunnen lijken.

• Wanneer je niet begrijpt op welke manieren AI fouten kan maken.

Naast de mogelijkheden om AI te gebruiken pleit Ethan Mollick ook voor terughoudendheid: