Bijna alle bestuurders en innovatiemanagers in zorgorganisaties zijn of willen aan de slag met AI. Waar vaak nog wel twijfel over is, is hoe ze dat op een verstandige manier kunnen doen. Gebruik van AI is niet zomaar een wens vanuit bestuur of management, maar wordt bijna afgedwongen door de personeelsproblematiek in de zorg. Daarbij zien organisaties om zich heen dat andere partijen al een stuk verder op weg zijn met AI. Softwareontwikkelaar PAQT heeft een whitepaper geschreven over hun visie op AI in de zorg, met als kernboodschap: anders denken is anders doen.
In de whitepaper schetst PAQT een denkkader dat organisaties inzicht geeft in waar ze rekening mee moeten houden bij het (laten) ontwikkelen en implementeren van AI-toepassingen. In deze bijdrage worden de belangrijkste punten uit de whitepaper samengevat (zie de QR-code in het kader rechtsonder voor de volledige versie).
Beperkte praktijktoepassing
Uit de AI Monitor Ziekenhuizen 2026 van M&I/Partners blijkt dat slechts acht procent van de ziekenhuizen AI al grootschalig inzet.1 Wel heeft bijna de helft van de ziekenhuizen een uitgewerkte visie met betrekking tot AI, terwijl ruim driekwart zelfs al beleid heeft vastgesteld. Er is dus een kloof tussen beleid en grootschalige praktijktoepassing van AI. Die kloof wordt veroorzaakt door druk op zorgorganisaties vanuit drie kanten:
- Zorgverzekeraars. Zilveren Kruis vraagt de huisartsenzorg, wijkverpleging en grotere instellingen in de ggz en de medisch-specialistische zorg om uiterlijk eind 2026 een duidelijke strategie voor de toepassing en implementatie van AI te hebben.2 Naar verwachting zullen ook andere zorgverzekeraars op korte termijn om zulke strategieën gaan vragen.
- Wetgevers. Sinds 2025 is op Europees niveau de AI Act van kracht. De komende jaren worden strenge eisen voor hoogrisicosystemen verwacht, waar ook veel medische AI-toepassingen onder zullen vallen. Organisaties moeten hiervoor risicobeheer, documentatie en menselijk toezicht gaan inrichten.
- Personeelstekorten. In de zorgsector zijn personeelstekorten een bekend en groeiend probleem. Door zorgprocessen te stroomlijnen, zou AI de personeelsproblematiek kunnen beperken.
Initiatieven lopen vast
Hoewel veel zorgorganisaties ondertussen visies en beleidsstukken hebben opgesteld rondom AI, blijft de toepassing van de technologie vaak hangen bij losse pilots. Er wordt dan een enthousiaste start gemaakt en de eerste demo is veelbelovend, maar voordat de les uit de pilot wordt geleerd, is het budget op. Uiteindelijk eindigt de pilot met een rapport dat stilletjes in een la verdwijnt en in de vergetelheid raakt. De opgedane kennis verdwijnt en bij de volgende pilot begint het team van vooraf aan.
PAQT ziet drie terugkerende oorzaken voor het blijven hangen van AI-innovatie in de pilotfase:
- Technologie als vertrekpunt. Verwacht niet dat het AI-succesverhaal van een andere zorgorganisatie zomaar gereproduceerd kan worden in de eigen organisatie. Context, mensen, werkwijzen en het IT-landschap verschillen tussen organisaties. Daardoor zal een AI-oplossing ook anders moeten zijn.
- Procesdenken. Waar het bij traditionele automatisering logisch is om te beginnen bij het in kaart brengen van het proces en vervolgens de stappen die sneller kunnen te digitaliseren, werkt deze aanpak vanuit procesdenken bij AI niet. AI komt vooral tot zijn recht wanneer het startpunt het beoogde resultaat is, waarbij de route naar het resultaat er juist anders uit zal zien dan men gewend is. Oftewel: resultaatdenken.
- Geen vervolgplan. AI-pilots gaan in de zorg vaak van start zonder een duidelijk plan voor wat er gaat gebeuren als de pilot succesvol is. Dan strandt de opschaling van de AI-toepassing vrijwel altijd. Niet door de techniek, maar door een slecht voorbereide organisatie.
Wat maakt het verschil
Om het anders te doen, moeten organisaties anders denken. En vooral andere keuzes maken. Bijvoorbeeld in hoe ze hun AI-vraagstuk benaderen. Belangrijke keuzes betreffen:
- Bij het eigen probleem beginnen. Stel meteen de juiste vragen. Welke probleem wil de organisatie met AI oplossen? Voor wie wordt dit probleem opgelost, wanneer is het probleem voor de organisatie met succes verholpen?
- Starten vanuit het beoogde resultaat. De recente generatie AI-systemen – met name agentic AI – krijgt als input een opdracht en doel. Vervolgens bepaalt het systeem zelf welke route daarheen leidt. Soms is die route niet zoals een organisatie die zelf had bedacht, maar juist een stuk efficiënter. Het kan spannend zijn om bestaande processen los te laten, maar door resultaatgericht te denken komt AI juist tot zijn recht.
- Aan infrastructuur en governance bouwen. Bouw geen losse AI-oplossingen, maar een lokale infrastructuur waarop meerdere AI-toepassingen kunnen draaien. En ontwikkel gelijktijdig de governance die nodig is om de toepassingen te sturen.
Juridische kaders
Op dit moment doen vijf wetten er echt toe voor het gebruik van AI in de zorg. Dit zijn de AVG (gegevensverwerking), de NIS2 (cyberbeveiliging), de MDR (is AI een medisch hulpmiddel), de AI Act (risicocategorieën) en de Data Act (onder meer dataportabiliteit). Vanaf maart 2027 wordt bovendien de EHDS gefaseerd toegepast: een belangrijke verordening om nu al over na te denken bij het inrichten van data-architectuur.
Welke regels voor een AI-toepassing gelden, wordt bepaald door de volgende drie dimensies:
- Klinisch of niet-klinisch doel? Of de MDR van toepassing is, hangt af van of een AI-tool gebruikt wordt om klinische beslissingen te maken of enkel administratieve of operationele taken ondersteunt.
- Zelf (laten) bouwen of kopen? Wanneer een organisatie zelf een AI-toepassing bouwt - of laat bouwen – ligt de verantwoordelijkheid voor compliance grotendeels bij henzelf. Bij aanschaf van een bestaande tool ligt deze verantwoordelijkheid met name bij de leverancier.
- Primair, secundair of trainingsmiddel? De Raad van Bestuur bepaalt of een AI-toepassing dient als primair beslismiddel, secundaire controle of trainingsinstrument. Dit heeft juridische gevolgen.
Overigens zijn niet alleen wetten, maar ook normen relevant voor AI in de zorg. De belangrijkste normen zijn: ISO 13485 (kwaliteitsmanagement voor medische hulpmiddelen) en ISO 14971 (risicomanagement), IEC 62304 (software-levenscyclus) en IEC 82304-1 (veiligheid van zelfstandige health-software) voor medische software, ISO/IEC 42001 (managementsystemen voor AI) en NEN 7510 (informatiebeveiliging in de zorg).
Stappenplan
Om van denken naar doen te komen, kunnen zorgorganisaties een stappenplan volgen:
- Inventariseer aan welke taken nu nodeloos veel tijd verloren gaat.
- Definieer welk resultaat behaald moet worden in de vorm van een meetbaar doel.
- Kies een niet-klinische, laagrisico AI-toepassing om mee te starten.
- Richt van tevoren op kleine schaal governance in, die al doende meegroeit.
- Maak al vóór de pilot plannen voor opschaling.
Bestuurders maken zich vaak zorgen om de kosten van een nieuw project. Aan welk bedrag ze moeten denken, hangt uiteraard af van de toepassing. Door klein te beginnen, blijven de kosten relatief beperkt. En de winst is het vertrouwen, de kennis en het governance-ritme die de pilot oplevert, en vervolgstappen goedkoper maken. Denk groot, maar begin klein.
De whitepaper oppert vier vragen die gesteld kunnen worden tijdens het volgende overleg met een MT of leverancier, en die elk AI-voorstel snel terugbrengen tot de kern. Daarnaast worden vijf vragen aangereikt die een inschatting geven van de kans op renderen na de eerste implementatie binnen een AI-traject.
Conclusie
Al met al ligt de kern van de whitepaper bij de drie belangrijke keuzes: beginnen bij het probleem, sturen op resultaat en bouwen aan infrastructuur en governance. Dat zijn geen nieuwe concepten, maar wel keuzes die steeds belangrijker worden nu de druk op zorgorganisaties toeneemt. Door serieus over deze keuzes na te denken, kan intern een ander gesprek gevoerd worden: niet zozeer over techniek, maar over wat de zorgorganisatie écht wil bereiken.
