Tijdens een consult voert de arts een gesprek met de patiënt, en terwijl zij praten schrijft een AI-scribe mee. Geen toetsenbord, geen dictafoon, geen handmatige invoer. Na het consult staat er een gestructureerd verslag klaar in het EPD. De arts corrigeert, klikt op akkoord, en gaat door. Helemaal zonder toetsenbord en muis is het nog niet, maar het is een mooie ontwikkeling met nog veel meer potentie. Maar zelfs technologische ontwikkelingen die goed ontvangen worden door de eindgebruikers, schalen niet vanzelf op.
Internationaal zijn er al veel studies gedaan naar spraakgestuurd rapporteren. Deze laten zien dat de documentatietijd vermindert en dat er een indicatie is dat het burn-out percentage daalt. Al variëren de gemeten effecten sterk per setting, specialisme en implementatieaanpak. De technologie is bewezen, maar daarmee zijn we er nog niet.
In Nederland staan we niet aan de vooravond van een nieuwe beweging, maar in een fase waar het zich in de praktijk bewezen heeft en waar nog een aanzienlijk opschalingspotentieel ligt. Via het Aanvullend Zorg- en Welzijnsakkoord komt er een mooie kans om die opschaling door te trekken. Vanuit het AZWA komt er 800 miljoen euro als doorbraakmiddelen, te besteden in 2027, 2028 en 2029, voor bewezen arbeidsbesparende AI, digitale en hybride zorg en medische technologie.
Spraakgestuurd rapporteren is daarbinnen één van de speerpunten, maar niet het enige. De middelen bestrijken meerdere onderwerpen en zorgsectoren, waaronder telemonitoring waarover ik eerder schreef. De spelregels worden in de loop van dit jaar bekendgemaakt.
Van pilot naar praktijk: de kloof die overblijft
De AI Monitor Ziekenhuizen 2026 (M&I) laat een genuanceerd beeld zien. 69% van de ziekenhuizen is gestart met spraakgestuurd rapporteren, maar gemiddeld gebruikt slechts 21% van de beoogde zorgverleners de technologie actief. Een kwart van de ziekenhuizen heeft nog geen enkel onderdeel van de AI-readiness op orde, van datastrategie tot transformatievermogen. Het is geen kwestie van alleen de technologie uitrollen, want dan zijn we er nog niet.
Er is een aanzienlijk verschil tussen een succesvolle uitrol in één ziekenhuis en een landelijk ingevoerde standaardwerkwijze. In de VS liep men daar ook tegenaan zodra de opschaling begon. Klinische terminologie verschilt per specialisme, soms per afdeling. Workflows zijn niet gestandaardiseerd. En dan zijn er de vragen die je bij een pilot kunt parkeren, maar bij opschaling niet; hoe informeer je patiënten over het feit dat hun gesprek wordt meegeluisterd? Hoe borgt een organisatie de kwaliteit van wat er in het dossier terechtkomt? Hoe is het gebruik te monitoren? En de vraag die ik hoop dat beantwoord is vóórdat je aan pilot start, wie is verantwoordelijk als de AI een fout maakt in een notitie?
Een pilot vraagt om enthousiasme. Opschaling vraagt om structuur.
Kwaliteit, kosten en de belofte van morgen
Vanderbilt University Medical Center rolde spraakgestuurd rapporteren in één beweging uit naar meer dan 2.400 clinici. Binnen drie maanden verwerkte ze één op de vijf consulten via spraakgestuurde verslaglegging, en meer dan 90% van de ondervraagde gebruikers zou teleurgesteld zijn als ze de toegang weer zouden verliezen. Dat zijn indrukwekkende adoptiecijfers, maar dat komt niet vanzelf. Vanderbilt begon met een pilot met een klein aantal gebruikers, breidde geleidelijk uit, en investeerde intensief in training en ondersteuning.
Regelmatig hoor ik, vrij vertaald: 'De AI van vandaag is de slechtste AI die je ooit zult gebruiken.' Dat is een mooi perspectief, maar de kwaliteit vandaag in een productieomgeving in de zorg is zeer relevant. En daar zijn wel aandachtspunten. In het Digizo.nu rapport over spraakgestuurd rapporteren is terug te lezen dat onbewerkte AI-verslagen regelmatig onnauwkeurigheden bevatten, met foutpercentages die variëren van 15% tot bijna 50%, vooral door omissies. Ernstige hallucinaties zijn zeldzaam, maar komen voor. Na correctie door de gebruiker verdwijnen de meeste kwaliteitsverschillen, maar dat betekent dat de zorgverlener hier rekening mee moet houden en werk aan heeft, en daarvoor ook getraind moet worden. Dat klinkt als een drempel, maar het rapport biedt gelukkig ook praktische handvatten om dit goed in te richten.
Op basis van internationale ervaringen en de ervaringen in de Nederlandse praktijk werd al duidelijk dat er wel een tijdswinst zit, maar dat die financieel lastig te effectueren is in lagere kosten of meer opbrengsten. Dat betekent dat de kosten van spraakgestuurd rapporteren lastig direct terug te ‘verdienen’ zijn. De voordelen als een prettiger consult voor patiënt en zorgverleners, minder cognitieve belasting en een beperkte tijdswinst bij de zorgverlener zijn ook belangrijke overwegingen. Daarnaast zou dit de slechtste AI-scribe moeten zijn die nog gebruikt gaat worden; die van de komende jaren gaan alleen maar beter worden en mogelijk meer administratie uit handen nemen en ook voorstellen doen rondom de behandeling. Is het dan nog een lastige keuze of je als organisatie spraakgestuurd rapporteren beschikbaar wilt stellen?
Van integratie naar afhankelijkheid
Om goed gebruik te maken van spraakgestuurd rapporteren is integratie met het elektronisch patiëntendossier belangrijk, anders moeten zorgverleners samenvattingen handmatig kopiëren en plakken. Dit zorgt ervoor dat er minder tijdwinst is. Die situatie is voor een aantal leveranciers van EPD en AI-scribes inmiddels anders, er zijn diverse ziekenhuizen die spraakgestuurd rapporteren met een integratie in het EPD in plaats van kopiëren en plakken.
Maar met die integratie verschuift het probleem wel. AI-scribe leveranciers zijn nu afhankelijk van wat de EPD-leverancier technisch mogelijk maakt en van het tempo waarop die zijn ontwikkelagenda uitvoert. De AI-scribe leverancier zit in veel gevallen ook verborgen achter de schermen van het EPD. Functionaliteit die een AI-scribe leverancier morgen wil bieden, kan pas worden ingezet als het EPD die koppeling ondersteunt. Dat creëert een afhankelijkheid die ziekenhuizen en AI-scribe leveranciers samen maar beperkt kunnen beïnvloeden. Daarnaast zal het voor AI-scribe leveranciers lastiger worden om zichzelf te onderscheiden, zeker als EPD-leveranciers zelf ook met specifieke partijen een AI-scribe functionaliteit met verregaande integratie aanbieden. Dan zou je ook nog de vraag kunnen stellen welke functionaliteit op de voorgrond staat, het EPD dat de AI-scribe insluit, of de AI-scribe die het EPD naar de achtergrond duwt.
Al deze afhankelijkheid wordt relevanter naarmate de technologie zich ontwikkelt. De huidige integratie richt zich op vrije tekstvelden waarbij de samenvatting in het juiste consultsjabloon belandt. Maar de volgende stappen zijn veel ambitieuzer, zoals het gestructureerd vastleggen van discrete data. Diagnoses als ICD-codes (financieel) en later als SNOMED-codes, medicatiewijzigingen rechtstreeks in het medicatieoverzicht, ZIB-conforme vastlegging van bevindingen. Dat zijn ontwikkelingen die meerdere leveranciers al op hun roadmap hebben staan, en die de waarde van spraakgestuurd rapporteren een nieuwe dimensie geven. Niet alleen minder administratie, maar ook betere en herbruikbare data.
Of die belofte wordt ingelost hangt in Nederland in belangrijke mate af van de mogelijkheden van EPD-leveranciers om dit samen met de markt te ontwikkelen. Het zal ook laten zien welke AI-scribe leveranciers volwassen genoeg zijn om zich voldoende te certificeren. De doorbraakmiddelen bieden een kans om daar als zorgsector collectief regie op te nemen, niet als klant die afwacht, maar als collectief dat als opdrachtgever richting geeft.
Wat de doorbraakmiddelen zouden moeten bereiken
Hier ligt de echte uitdaging voor Nederland. De doorbraakmiddelen zijn niet bedoeld als onderzoeksbudget, ze zijn bedoeld als versneller van bewezen toepassingen. Dat is terecht, maar versnellen zonder richting is gokken op een goede uitkomst. Drie doelen verdienen expliciete aandacht.
Het eerste is werkdrukvermindering voor zorgverleners, niet productiviteitsverhoging voor organisaties. De ervaringen die er nu al gelden voor zorgverleners zijn belangrijker dan tijdwinst in absolute zin. Als de vrijgekomen tijd wordt omgezet in meer patiënten per uur, missen we de kern. Gelukkig staat reduceren van werkdruk als drijfveer voor AI op 100% bij alle ziekenhuizen in de AI Monitor Ziekenhuizen 2026. Geen enkel ander doel scoort zo hoog. Tegelijkertijd is de gerealiseerde impact van AI in de afgelopen drie jaar in de meeste ziekenhuizen overwegend neutraal gebleven. En bijna de helft van de ziekenhuizen verwacht dat AI eerder zal leiden tot hogere zorgkosten dan lagere. De uitdaging zal zijn via grotere schaal een hogere impact per organisatie te behalen, en daarin niet alleen te focussen op tijd maar ook op kwalitatieve voordelen.
Het tweede doel is kennisdeling en gezamenlijke doorontwikkeling. Elk ziekenhuis dat nu spraakgestuurd rapporteren uitrolt, maakt zijn eigen keuzes over templates, kwaliteitsborging en implementatieaanpak. Veel van die keuzes zijn al eerder gemaakt door anderen. De doorbraakmiddelen bieden een kans om dat te doorbreken door ervaringen actief te delen, succesvolle aanpakken op te nemen in modelplannen, en uitwisseling tussen ziekenhuizen te organiseren over de praktische inrichting per specialisme. Hoe documenteert een longarts anders dan een cardioloog? Welke templatestructuur werkt voor de verpleegkundig specialist? Welke feedbackloop tussen zorgverlener en leverancier leidt tot de snelste kwaliteitsverbetering? Dat zijn vragen waarop de antwoorden al bestaan, maar verspreid over tientallen organisaties. Tegelijkertijd moeten de kaders ook de EPD-kant omvatten, heldere afspraken over de doorontwikkeling. Zodat ziekenhuizen niet ieder afzonderlijk onderhandelen over hetzelfde probleem.
Meer dan een tool, bouwen aan AI-volwassenheid
Dan is er nog een derde doel, dat gaat meer over het AI-volwassenheid. Ziekenhuizen die nu zorgverleners laten ervaren hoe AI hun werk concreet verlicht, bouwen iets op dat verder gaat dan één tool. Ze leren daarmee ook dat AI nog steeds een kritische blik nodig heeft. Ze bouwen vertrouwen in AI als zodanig, en dat vertrouwen is de randvoorwaarde voor alles wat daarna komt. Diagnostische AI, voorspellende modellen, geautomatiseerde codering, het draagvlak daarvoor groeit in organisaties waar medewerkers al hebben meegemaakt dat AI betrouwbaar, beheersbaar en nuttig kan zijn. Door de brede toepassingsmogelijkheden van spraakgestuurd rapporteren is het ook mogelijk om AI-geletterdheid mee te nemen.
Spraakgestuurd rapporteren is in die zin niet alleen een oplossing voor de administratieve last. Het is een oefening in AI-samenwerking die de hele organisatie AI-ready maakt.
De vraag die blijft liggen
De doorbraakmiddelen worden in 2029 geëvalueerd. Wat staat er dan in dat rapport?
Als het antwoord is dat we opnieuw goede pilots hebben gedraaid, de EPD-ontwikkelagenda niet is bijgehouden, verpleegkundigen zijn overgeslagen en de tijdwinst is opgegaan in hogere productiviteitseisen, dan hebben we het geld besteed maar de boot gemist.
Nederland heeft iets wat de V.S. niet had, de luxe van achteraf kijken. We weten wat er misgaat als je opschaalt zonder structuur, zonder stevige EPD-afspraken en zonder bewuste keuzes over de bestemming van de gewonnen tijd. De doorbraakmiddelen geven ons meer ruimte dan alleen financiële middelen om door te pakken. Laat de doorbraak ook de gezamenlijke aanpak zijn. Dan werken we als zorgsector naar minder administratieve last en een gezonde voedingsbodem voor andere AI-innovaties.
Nederlandse bronnen
M&I/Partners. AI Monitor Ziekenhuizen 2026. Zeist: M&I/Partners, 2026. https://mxi.nl/kennis/752/ai-monitor-ziekenhuizen-2026
Digizo.nu. Spraakgestuurd rapporteren binnen de medisch-specialistische zorg: opschaling in de praktijk. Versie 1.0, 3 februari 2026. https://digizo.nu/proces/spraakgestuurd-rapporteren-msz/
Zorgakkoorden.nl. Bestuurlijk overleg IZA/AZWA besluit doorbraakmiddelen te investeren in AI, digitale zorg en technologie. April 2026. https://www.zorgakkoorden.nl/actueel/nieuws/Doorbraakmiddelen/
Internationale bronnen
Wright A.P. et al. Enterprise-wide simultaneous deployment of ambient scribe technology: lessons learned from an academic health system (Vanderbilt). JAMIA, 2025. https://academic.oup.com/jamia/advance-article/doi/10.1093/jamia/ocaf186/8307782
Duggan M.J. et al. Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout. JAMA Network Open, oktober 2025. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12492056/
Afshar M. et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial (UW Health). NEJM AI, december 2025. https://www.med.wisc.edu/news/ambient-ai-improves-practitioner-well-being/
Tierney A.A. et al. Ambient artificial intelligence scribes: learnings after 1 year and over 2.5 million uses (The Permanente Medical Group). NEJM Catalyst, 2025. https://catalyst.nejm.org/doi/full/10.1056/CAT.25.0040
Rotenstein L. et al. Barriers and opportunities of scaling ambient AI scribes for clinical documentation across diverse healthcare settings. npj Digital Medicine, maart 2026. https://www.nature.com/articles/s41746-026-02554-0
