Wat leer je in deze aflevering?
Dave Hamersma, Lead Data Scientist & AI Architect bij Sensire, loste een concreet probleem op: thuiszorgmedewerkers die tien minuten per cliënt kwijt zijn aan inlezen, vaak in hun eigen tijd. Hij bouwde een samenvattingstool die dat terugbrengt naar één minuut — maar in de zorg is een fout over een wond op het verkeerde been geen optie.
De aanpak: drie modellen in serie, waarbij het tweede model de samenvatting vergelijkt met het originele dossier en twijfelachtige informatie er simpelweg uithaalt in plaats van te corrigeren.
Omdat de ECD-leverancier niet meewerkte, bouwde hij een Chrome-extensie die de knop visueel op de bestaande interface projecteert. Zorgmedewerkers stuurden mailtjes toen de knop tijdelijk verdween — adoptie was geen probleem. Morgen kun je één taak inventariseren die collega's in eigen tijd uitvoeren, de mensen die het dagelijks doen vragen wat een betere uitkomst zou zijn, en dat gesprek gebruiken als startpunt voor een use case.
Kernbegrippen
- LLM-as-judge
- Een tweede taalmodel dat AI-output controleert op factische juistheid tegen brongegevens.
- Hallucinaties
- Verzinsel informatie die een AI-model genereert zonder basis in trainingsdata of bronnen.
- Procesautomatisering
- Het vervangen van handmatige, repetitieve werkstappen door geautomatiseerde workflows.
- Verificatielaag
- Een validatiemechanisme dat onjuiste AI-gegenereerde informatie filtert voordat deze wordt gebruikt.
Wat kun je morgen doen?
- 1 Begin met het procespijnpunt van de eindgebruiker, niet met de technologie — dat bepaalt of adoptie slaagt
- 2 Verwijder onbetrouwbare AI-output in plaats van die te laten herschrijven; herschrijven lost hallucinaties zelden op
- 3 Bouw om leveranciersbeperkingen heen: een Chrome-extensie kan een knop toevoegen aan een extern systeem zonder toestemming van de leverancier
Interview: Dave Hamersma
Kun je je voorstellen aan onze luisteraars?
Jazeker, mijn naam is Dave Hamersma. Ik werk bij Sensire als data scientist en daar hou ik me met name bezig met LLM-applicaties. LLM staat voor Large Language Model, dit zijn geavanceerde AI-modellen die menselijke taal kunnen begrijpen en genereren, zoals ChatGPT. Deze technologie zetten we in om concrete oplossingen te bouwen voor onze zorgmedewerkers.
Kun je iets meer vertellen over Sensire voor de mensen die het niet kennen?
Ja, Sensire is een grote organisatie in Gelderland met name gericht op de VVT-sector. Dat staat voor Verpleging, Verzorging en Thuiszorg. We hebben twee soorten zorg: intramuraal en extramuraal. Intramuraal betekent dat cliënten bij ons wonen in een zorginstelling. Extramuraal betekent dat onze cliënten nog thuis wonen en dat we medewerkers hebben die bij hen thuiskomen om zorg te leveren. Het is een sector waarin we te maken hebben met een vergrijzende bevolking en steeds meer zorgvraag, terwijl het tegelijkertijd steeds lastiger wordt om voldoende zorgprofessionals te vinden.
Je hebt iets heel interessants ontwikkeld voor de thuiszorgmedewerkers. Kun je vertellen wat dat is en waarom je dat hebt gemaakt?
Eigenlijk zal ik beginnen bij het waarom. Ik kwam erachter dat er heel veel zorgmedewerkers zijn die in hun eigen vrije tijd moesten inlezen voor de cliënt die ze bijvoorbeeld morgen gaan bezoeken. Dat kost heel veel tijd. Je moet alle rapportages doorlezen, en dat gebeurt dus in je vrije tijd. Toen dacht ik: met de opkomst van AI en LLM's, kan ik dat inzetten? Het bleek een hele goede use case te zijn: gewoon een samenvatting genereren van de rapportages. Dat was mijn doel. Zo simpel mogelijk: druk op de knop en je hebt een samenvatting. Dan weet je in een minuutje lezen hoe het ervoor staat met de cliënt.
Maar het is iets verder geworden dan een simpele samenvatting, toch?
Dat zeker. Het is wel wat meer geworden. Natuurlijk was de insteek altijd: de medewerker helpen. Maar het gaat natuurlijk om wat een goede samenvatting is. Daar begint het bij. En dat hou ik ook nog steeds continu bij door feedback te verzamelen van de samenvattingen. Daardoor wordt de LLM ook weer verder getraind. Dus ja, er zit echt een hele feedback-loop in over elke samenvatting die we maken. We blijven het systeem verbeteren op basis van wat medewerkers aangeven dat ze nuttig vinden en wat niet.
Wat staat er precies in zo'n samenvatting? Want dit is niet zomaar een samenvatting van een artikel, het moet uiteindelijk wel betrouwbaar zijn en er mogen geen fouten in zitten.
De opbouw van zo'n samenvatting is eerst gericht op het beleid. Je wil iets weten van hoe in de periode die je hebt geselecteerd het beleid is geweest van de cliënt. Dan komt er iets over de huidige situatie: hoe staat het er nu voor? En dat was ook een specifieke vraag van onze wijkverpleegkundigen: die wilden iets weten over de ondersteuningsbehoeften. Dus zijn er bijvoorbeeld wijzigingen geweest in het medicatiegebruik of in het helpen met ADL - dat staat voor Algemene Dagelijkse Levensverrichtingen, zoals aankleden, wassen en eten. Dat is eigenlijk de structuur die zo'n samenvatting volgt. En om gelijk in te haken op de hallucinaties - dat is een voorkomend aspect van LLM's. Een hallucinatie betekent dat het AI-model iets genereert dat niet klopt of niet gebaseerd is op de werkelijke informatie. Daarvoor heb ik eigenlijk een LLM als een 'judge' ingezet. Dus ik laat een samenvatting genereren door één LLM. Dan is er een andere LLM die erop kijkt, die het vergelijkt met de originele tekst. Als die herkent van 'je staat iets wat niet klopt', dan geeft hij dat terug. Dan is er nog een LLM die die input verwerkt tot een eigen, verbeterde samenvatting.
Wat doe je dan met elementen die in zo'n samenvatting zitten die niet kloppen?
Die haal ik eruit. Simpelweg haal ik die gewoon eruit. Ik heb eerst wel geprobeerd om het direct te laten herschrijven, en eigenlijk had ik dan een loop gemaakt totdat er geen hallucinaties meer in zaten. Maar echt door het herschrijven kwam ik tegen dat er soms een eindeloze discussie ontstond. Een grappig voorbeeld: we hadden een cliënt die over een periode van twee maanden een wond had op het linkerbeen en het rechterbeen. De eerste samenvatting staat 'wond rechterbeen'. De judge-LLM zegt van 'nee, linkerbeen'. Dan wordt het herschreven en komt er weer 'rechterbeen' uit. En dat ging de hele tijd maar door. Het systeem kon er gewoon niet uitkomen. Dus eigenlijk haal je die stukken er gewoon uit waar de AI het niet over eens kan worden.
Maar betekent dat dan niet dat de thuiszorgmedewerker iets mist? Dan staat er dus niks meer in over wonden op benen.
Ja, kijk, een samenvatting is gewoon een summiere weergave van de tekst, maar een LLM-samenvatting is nooit de absolute waarheid. Eigenlijk zou je moeten kunnen zeggen: als je conclusies gaat trekken op basis van die tekst, moet je dat niet doen. Die informatie moet gewoon staan in je ECD - het Elektronisch Cliënt Dossier. Dus de samenvatting is even kort: hoe staat het ervoor? Zie je details waar je iets meer over moet weten? Je zit al in het dossier, kijk daar dan naar. Het is bedoeld als een startpunt, niet als vervanging van het volledige dossier.
Hoe zorg je er dan voor dat de belangrijke punten die medewerkers eerst in hun voorbereidende leeswerk naar voren lieten komen ook echt in de samenvatting zitten?
Ja, kijk, dat heb je niet altijd in de hand. Het werkt niet goed om te zeggen van 'focus daarop' of 'focus daarom', want niet elke cliënt is hetzelfde. Het gaat met name om gewoon een kortere weergave van de lange tekst die je ingeeft. Het komt erop neer dat het gebaseerd is op rapportages geschreven door zorgprofessionals. Het is vaak snel typen, dus dat zijn ook niet altijd de beste rapportages. Er zit daar wel een bepaalde structuur in waar je mee kon werken. We zijn nu bezig met een soort structuur te houden van rapporteren: de SOAP-rapportage. SOAP staat voor Subjectief, Objectief, Analyse en Plan. Dan ga je een aantal stappen doorlopen. Maar dat rapporteren op die manier kost ook meer tijd. Dat alleen al is al een uitdaging. Nu ben ik wel bezig met een soort zoekhulp, waardoor een LLM kijkt van: je mist bijvoorbeeld de Evaluatie-component van de rapportage.
Waarom heb je voor dit project gekozen? Het gaat niet zozeer om productiviteitswinst, maar om iets anders. Wat betekent dit nou voor de individuele medewerker?
Het gaat met name om het geluk die ze ervaren tijdens het werken. Want zorgmedewerkers zijn er om zorg te leveren, die zijn er niet voor administratie. Ze vinden dat niet leuk. Dus dit is een methode om ervoor te zorgen dat die tijd gewoon minder wordt. Als je na een vakantie van twee weken terugkomt, heb je normaal gesproken voor elke cliënt een enorme berg aan informatie om door te nemen. Dat zijn overdrachten, wijzigingen in medicatie, ontwikkelingen in de gezondheidstoestand - alles wat er gebeurd is terwijl jij weg was. Dat kan zomaar tien minuten per cliënt kosten. Met deze tool brengen we dat terug naar ongeveer één minuut. Als je meerdere cliënten per dag hebt, ga je heel snel van uren voorbereiding naar een paar minuten.
Hoe heb je dit aan je organisatie kunnen verkopen, dat je dit mocht gaan bouwen?
Ik was in 2022 bezig met mijn studie. In die studie moest ik een use case bij mijn organisatie uitwerken. Toen was er net de opkomst van LLM's. Dus ik was eigenlijk op zoek naar hoe ik LLM's kon inzetten bij Sensire. Toen heb ik gezeten met de toenmalige raad van bestuur, en die had een aantal onderwerpen waar hij over had gehoord. Een van die onderwerpen was dus dat heel veel medewerkers veel tijd kwijt zijn aan het inlezen. Wij bij Sensire geloven natuurlijk dat AI voor ons moet werken, het moet echt ondersteunen en het werkgeluk verbeteren. Dat is erg belangrijk in de zorg.
Maar hoe maak je een business case rondom werkgeluk?
Natuurlijk levert het tijd op. Maar we weten allemaal: in de zorg hebben we te maken met vergrijzing. Er komen steeds meer cliënten bij en het wordt steeds lastiger om medewerkers te werven. Dus we hebben steeds minder mensen. Daarom moeten we alles eraan doen om juist ervoor te zorgen dat de mensen blijven en willen werken bij ons. Werkgeluk is daarin een cruciaal element. Als mensen zich gewaardeerd voelen, als ze zich kunnen focussen op hun kernwerk in plaats van administratie, dan blijven ze langer en werken ze met meer plezier. Dat is een van de grootste uitgangspunten.
Hoe zijn de zorgmedewerkers betrokken geweest in dit traject dat je hebt doorlopen? Je hebt dit waarschijnlijk niet alleen gedaan.
Ik heb eigenlijk gelijk een klein groepje opgezet met een aantal wijkverpleegkundigen die me graag wilden helpen. Want ik weet niet wat een goede samenvatting is - dat moeten zij me vertellen. Dus dat was echt een iteratief proces. Ik maakte iets, stuurde het op. Zorgmedewerkers hebben niet altijd alle tijd, dus het vinden van dan een half uurtje hier, dan een half uurtje daar - dat was wel een lang proces. Maar uiteindelijk zijn we zo tot een goed resultaat gekomen.
Wat waren daar opvallende zaken die je terugkreeg van de medewerkers, dingen die je misschien helemaal niet verwacht had?
Eigenlijk was er vooral output van de LLM's die ik niet verwacht had. Een van de iteraties was dat we een samenvatting gingen schrijven op basis van de Gordon-analyse. Dat is een analysemethode met een aantal patronen die een wijkverpleegkundige moet verzamelen van een cliënt. Het gaat onder andere over rollen, over religie, dat soort zaken. Dan heb je een hele casus van je cliënt. Het was een van de voorstellen van de wijkverpleegkundigen om op basis daarvan die samenvatting te schrijven. Dat deed ik, en dan komen we gelijk weer bij hallucinaties uit. De LLM probeerde natuurlijk voor elk patroon iets te zeggen. Heel veel dingen klopten, maar dan kom je uit bij religie. In die periode stond niks over religie in de rapportages. Dus wat kwam eruit? 'De heer is christen en gelooft in een leven na de dood.' Gewoon volledig verzonnen! Daardoor is de structuur aangepast, omdat eigenlijk die template-structuur niet paste bij de use case. Het systeem probeerde de gaten op te vullen door het gebrek aan data te compenseren met aannames.
Wat was het moment dat je dacht: ik ga dat eruit gooien in plaats van proberen er toch achter te komen hoe ik die template kan invullen?
Als dat een paar keer voorkomt en je krijgt zo'n samenvatting, en je bent vaak bezig met prompts aanpassen... Het werkt bij één use case om te zeggen van 'doe dit niet'. Maar als je dat meerdere keer gaat doen, werkt het niet meer en je prompt wordt mega lang: het mag niet dit, het mag niet dat. Dan vergeet het systeem natuurlijk ook dingen. Het is beter om gewoon een andere aanpak te kiezen dan toch vast te blijven haken in die strikte structuur.
Hoe heb je de afweging gemaakt tussen volledigheid en betrouwbaarheid?
Door de betrouwbaarheid te verhogen, verlaag je mogelijk de volledigheid. Je wil natuurlijk een vermindering van leestijd. Je kan die volledigheid verhogen door gewoon alles weer te geven, maar op een gegeven moment moet je een selectie maken van wat een geschikte lengte is. Ook daarmee was het gewoon experimenteren. Uiteindelijk is een samenvatting van 200 woorden in één minuut te lezen, en dat vinden de meeste mensen goed. Hoe langer die is, hoe meer mensen snel afhaken of denken: nou, dat bespaart me die tijd, maar het kost alleen maar meer tijd. Dat was ook gewoon een proces van uitproberen en feedback verzamelen.
Wat zijn de reacties terug van de zorgmedewerkers?
Louter enthousiast! Ja, die zijn enthousiast. Er is zelfs een moment geweest dat de knop even weg was uit het systeem, en daar kreeg ik gelijk mailtjes van: waar is de knop? Daar mag je het wel aan zien dat het goed werkt. En wat ook opvalt: het wordt ook voor andere doeleinden gebruikt, dus niet alleen om even te weten hoe het ervoor staat. Als bijvoorbeeld een cliënt wordt overgedragen van extramuraal naar intramuraal - dus van thuiszorg naar een zorginstelling - dan wordt ook even dat stukje samenvatting gekopieerd en geplakt om te kijken van: zo staat het ervoor. Dat is een toepassing die ik niet van tevoren bedacht had. Het is een hele mooie bijkomstigheid.
We hebben het hier wel over zorgdata. Heb je uitdagingen gehad met beveiliging en datazekerheid?
Wij werken volledig in GCP, dus Google Cloud Platform. Daar hebben wij een enterprise contract voor. Dus wij hebben een eigen versie van Gemini - dat is het LLM van Google - die niet wordt gebruikt voor hertraining door Google. Dus eigenlijk alles wat we daarin stoppen, blijft in onze eigen omgeving. In die zin is dat veilig. De data staat al bij ons, in onze eigen data warehouse. Dus eigenlijk is het gewoon een kwestie van de data ophalen, versturen naar de LLM en het presenteren in het ECD zelf.
Zou je, gezien de geopolitieke situatie, een voorkeur hebben om het nog soevereiner te maken ten opzichte van wat je nu hebt?
In mijn eerste fase van de opbouw van deze applicatie - toen heette het nog PaLM 2 in plaats van Google Gemini - heb ik het vergeleken met Llama 2. Dat is een open source model dat draaide op mijn eigen pc. In 80% van de gevallen ging de voorkeur naar Gemini, maar toch 20% naar het open source model. Ik denk nog steeds dat met betere tuning, voor een taak zoals samenvatten, je dan misschien niet zo'n megamodel als Gemini nodig hebt, maar dat je het prima kan doen met een open source model. Het is zeker mogelijk voor doorontwikkeling, maar voor het gemak is het nu gewoon even een simpel API-call maken en je krijgt je resultaat.
Dit is nu voor samenvattingen. Welke nieuwe kansen zijn er ontstaan nu mensen dit hebben ervaren en in de praktijk kunnen gebruiken?
Een van de nieuwe applicaties waar ik nu mee bezig ben, is een wondfotoanalyse. Hierbij kan een wondverpleegkundige een foto uploaden van een wond. Ze moet altijd zelf een TIME-assessment schrijven. TIME staat voor Tissue, Infection/Inflammation, Moisture en Edge - het zijn verschillende aspecten van wondbeoordeling. Daar staat een aantal aspecten waar ze naar kijken en dan beoordelen ze de wond. Dat kan een AI ook. Ze uploaden de foto en ze krijgen het TIME-assessment terug. Ze moeten nog wel wat aanvullen, want een van de onderdelen is bijvoorbeeld geur. Dat kan de AI natuurlijk niet waarnemen. Dat kunnen ze dus aanvullen en dan gelijk in het ECD plakken. Handig!
Hoe verloopt de adoptie van dit soort nieuwe technologie? Krijg je ook weerstand?
Nee, niet echt weerstand. Wel dat er wat hallucinaties tussen kunnen spelen, maar niet echt weerstand. Iedereen is eigenlijk altijd wel enthousiast. Ik denk dat dit komt omdat als het gaat om teruglezen van rapportages of het schrijven van het TIME-assessment, het veel tijd kost. Als je dat weg kan halen - wie wordt er niet blij van minder tijd besteden aan dingen die je niet leuk vindt? Het is echt een verlichten van je werk. Als het zou zorgen voor een compleet andere werkwijze, dan was het misschien anders.
Zou het ook kwaliteitsverhogend kunnen zijn of voelen?
Ja, ik denk dat het wel zou kunnen zijn. Het blijft - en dat is ook het uitgangspunt - je moet het altijd nog zelf kunnen aanpassen en kunnen aanvullen. Dus als er iets staat wat niet compleet is, of wat je niet helemaal netjes vindt qua formulering, dan kan je het altijd aanpassen. In het ECD lezen zij dat nog even na en passen ze het eventueel aan.
Dat betekent dat de mensen ook wel moeten weten dat er een AI-model achter zit. Hoe worden de mensen daarin meegenomen en wat doet het met hun blik op de technologie?
Eigenlijk heb ik altijd disclaimers staan: 'Dit is gegenereerd door AI'. En verder hebben wij een sociaal intranet waar wij alles delen. We zijn nu ook bezig met een AI-maand waarbij we een hele maand lang workshops gaan geven en wat meer op de voorgrond willen staan. We willen meer communicatie uitbrengen over wat je kan met AI en hoe wij dat bij Sensire gebruiken.
Zorgorganisaties zijn best groot. Hoe groot is de IT-afdeling waarin jij onderdeel van bent?
Wij zijn inmiddels gegroeid tot acht personen. Twee jaar geleden zaten we met z'n tweeën. Inmiddels heb ik één andere data scientist erbij. Dus we zijn nu met z'n tweeën data scientists. We hebben een data-analyst, we hebben drie data engineers en eigenlijk één lead. Het is een mooie groei geweest.
Heeft die groei te maken met dat jij dit soort dingen gemaakt hebt en dat ze hebben gezien wat het kan betekenen?
Dat denk ik zeker wel. Ik denk wel dat dit voor meer groei heeft gezorgd en meer aandacht naar ons team. En daar is natuurlijk ook meer budget voor vrijgekomen. Door concrete resultaten te laten zien, kun je ook laten zien wat de waarde is van investeren in dit soort technologie en de mensen die ermee kunnen werken.
In het boek gaf je aan dat je mogelijk die samenvattingen wilde gaan omzetten naar spraak, zodat medewerkers ze onderweg naar de cliënt kunnen beluisteren. Is dat gelukt, of zo niet, waar ben je dan tegenaan gelopen?
Nee, we hebben het nog niet. Het is nog steeds een plan. Het idee is dat in plaats van dat je het leest, je onderweg naar de cliënt eigenlijk dat stukje kan luisteren. Dus dat je helemaal geen verloren tijd meer hebt. We willen het gaan verbinden met de planning, maar onze nieuwe plannings-app is nog niet klaar. Dus daar wacht ik op om dat te koppelen.
Heb je wel al gekeken of het kan en of het goede kwaliteit levert?
Het kan zeker. Ik heb het nog niet helemaal uitgetest, maar als je kijkt naar Google's speech-to-text of de text-to-speech modellen, dat is gewoon een goed model. En als je helemaal kijkt naar bijvoorbeeld de Google Notebook podcast-functie die ze hebben, dat klinkt gewoon goed en natuurlijk. Dus ik verwacht wel een goed resultaat. Ik denk dat ik gewoon het voorlezen van de samenvatting ga gebruiken, want als je het als een gesprek gaat laten maken tussen twee AI-stemmen, dan wordt het misschien wat lang en gaat het wellicht weer hallucineren in het gesprek met zichzelf.
Dit was een procespijnpunt. Welke processen zie je nog meer waar je heel veel waarde zou kunnen leveren in de zorg waar deze techniek toegepast kan worden?
Ja, ik ben nu bezig met ook weer een volgende applicatie. Eigenlijk is dat een heel platform. Ik heb het genoemd 'spraak naar waarde'. Je hebt een opname en een hele mooie use case daarvoor is een anamnese - dat is het eerste gesprek met je cliënt waarin je heel veel data moet verzamelen. Zoals ik net al zei, bij die anamnese volgens de Gordon-analyse zijn er elf patronen waar je heel veel dingen moet verzamelen. Op dit moment is het gewoon een gesprek waarbij je heel veel moet meetypen. Dat kost gewoon veel tijd. Wat ik graag wil, is een app waarbij je op 'opnemen' drukt, je legt je telefoon neer, je hebt gewoon je gesprek met de cliënt. Je kijkt daarna op je telefoon en je ziet het eigenlijk al vast ingevuld in die elf patronen. Dan zie je: 'wist je nog dit niet, moet je nog wat doorvragen.' Dus je kan eigenlijk beter in het gesprek zijn, zonder elke keer te denken: oh ja, wacht, heb ik dat vinkje nou, heb ik dat vinkje nou?
Hoe denk je dat de cliënten dit gaan ervaren?
Ik denk dat het natuurlijk wel een ding is om even gevraagd te worden van: mag ik dit opnemen? Dat zal nog een uitdaging zijn. Maar uiteindelijk is het veel fijner om echt een gesprek te hebben met iemand dan met iemand die op de laptop zit te typen. Het is veel persoonlijker en menselijker contact.
Waar zit je nu in dat traject?
Ik zit nu in de fase van het verzamelen van data, dus eigenlijk de opnames. En zodra ik die heb, dan is het eigenlijk de LLM tunen. Want eigenlijk alles erachter - van spraak naar tekst omzetten - dat staat al. Dat is een mooie uitdaging, maar dat werkt al.
Waarom zeg je dat het een uitdaging is met dat vakjargon?
Je hoorde net al de afkortingen - die zijn er gewoon heel veel in de zorg. En niet elk speech-to-text model kent dat jargon. Je kan de afkortingen toevoegen aan het model, waardoor er extra nadruk ligt en dat het systeem dat herkent. Er zijn volgens mij ook Nederlandse partijen die specifiek voor de zorg hun modellen maken, om al die kennis in het model te hebben zitten. Dat zou ook interessant kunnen zijn om naar te kijken. Maar wij willen heel veel zelf doen. Dus wij hebben heel veel andere applicaties waar we aan willen werken. Wij willen sneller meer ontwikkelen dan wat bijvoorbeeld een andere leverancier zou kunnen leveren. Ik wil de flexibiliteit hebben om zelf gewoon te kunnen aanvullen van: dit is het vakjargon, dit moet het herkennen. Dat kan prima binnen de Google Suite waar we nu mee werken. Ik heb het zelfs zo ingebouwd dat je de output krijgt van het transcript, en als je daar dingen in wijzigt - bijvoorbeeld 'VVT' wordt herkend als 'VVD' - dan zoek ik de verschillen op, categoriseer ik die termen en vul ik het gewoon gelijk weer in het model. Zo leer je het systeem automatisch bij.
Heb je nog meer lessen of voorbeelden die je aan anderen wil meegeven die ook dit soort oplossingen willen bouwen?
Als je het hebt over zorgmedewerkers: die moet je gewoon zo snel mogelijk betrekken. Die gaan ermee werken. Een van de voorbeelden is: ik wilde gelijk het zo simpel mogelijk maken voor die samenvattingsknop om die beschikbaar te maken. Het moet niet zo zijn dat zij eerst naar een andere webpagina moeten gaan, daar de cliënt moeten opzoeken en dat invullen en dan de samenvatting krijgen. Het moet gewoon direct in het ECD. Er moet gewoon een knop staan en je opent het. Die inzichten zijn cruciaal.
Hoe heb je de leverancier van het ECD zo ver gekregen om die knop erin te maken?
Niet! Ik heb een Chrome-extensie gebouwd die de knop projecteert op de website. Inmiddels wordt het gebruikt, maar de leverancier heeft nog niet gezegd: zullen wij die knop gewoon niet standaard mee gaan leveren? Ik weet wel dat de leverancier ook bezig is met hun eigen samenvattingsfunctie. Die zal zeker komen. Maar het voordeel van mijn samenvattingsapplicatie is: ik heb nu alle data over de cliënt, en niet alleen maar wat ze in het ECD schrijven. Dus als er iets wijzigt in het financiële gedeelte bijvoorbeeld, of de urenregistratie, dat kan ik allemaal meenemen. Mijn context is veel wijder. En straks natuurlijk, wat je zegt: opnemen met zo'n anamnese - dat heb je dan ook allemaal zelf.
We hebben met Elisabeth-TweeSteden Ziekenhuis een kaartspel ontwikkeld rondom vragen die leven voor de inzet van AI in de zorg. Mogen we een stelling aan je voorleggen?
Ja, graag!
De stelling luidt: 'Door de hype rondom AI wordt AI te veel en te snel ingezet.' Wat vind jij daarvan?
Ik denk niet dat het te snel wordt ingezet. Juist voor deze eigenlijk simpele use cases - alleen een samenvatting genereren - is het heel effectief. Ik denk niet dat het te snel gaat. Ik denk: als je echt volledige processen wil gaan overnemen of handelingen wil gaan uitvoeren in systemen, daar is het nog niet volwassen genoeg voor. Maar voor dit soort ondersteunende taken is het perfect.
Hoe houd je het dan klein? Want je zegt: het is heel klein, dus daarom verandert het niet een heel proces. Maar hoe zorg je ervoor dat je het klein blijft houden?
Eigenlijk door te kijken naar waar de zorgmedewerker veel tijd in kwijt is en waar oplossingen voor zijn om dat te verminderen. Focus op die concrete pijnpunten in plaats van te denken: we gaan nu een heel proces automatiseren.
Hoe kom je erachter waar die pijnpunten zitten? Zit dat in een urenregistratie of op een andere manier?
Dat is met name door gesprekken en ervaringen. Je moet echt met de mensen praten die het werk doen. Volgens mij heb ik ook best wel heel veel tijd en ruimte gekregen in de ontwikkeling van wat ik mag doen. In heel veel organisaties gaat het om business case, return on investment en dat soort zaken. Mij is het volgens mij andersom gegaan - ik heb best wel heel veel ruimte gekregen.
Was dit ook mogelijk geweest als je wel die business case had moeten maken, als je wel heel strakke kaders had gehad? Was je dan op hetzelfde punt gekomen waar je nu bent?
Kijk, uiteindelijk bespaart het wel tijd. En tijd is geld. Maar het is tijd in vrije tijd van medewerkers. Dit waren geen directe kosten voor de organisatie in die zin. Eigenlijk ben ik in mijn hele werkperiode bij Sensire daarin best wel vrij gelaten. Toen ik begon bij Sensire was het: ze wilden iets doen met data science. Ik kwam daar en ik kreeg gewoon een dataset van: succes, leef je uit, lever mij iets op. Toen was ik met name bezig met het voorspellen van vallen bij ouderen. Daar kwam niks van terecht - de data was niet goed genoeg. Maar je ziet gewoon: door de LLM's kan je heel snel waarde uithalen. Dus dan kan ik iets opleveren waar onze zorgmedewerkers echt wat aan hebben.
Hoe voorkom je dan dat je een oplossing hebt op zoek naar een probleem? Hoe draai je dat zo snel mogelijk om dat je zegt: oh ja, maar nu heb ik wel wat te pakken, en daar is deze technologie ook heel handig voor?
Ik denk: als je iets kan aanbieden waardoor mensen inzien dat ze daar minder tijd in kwijt zijn en de voordelen daarvan zien, dan werkt het vanzelf. Jij bent eigenlijk in hun schoenen gaan staan. Ik ben zelf fysiotherapeut geweest, dus ik heb in hun schoenen gestaan.
Heeft je achtergrond als fysiotherapeut geholpen in dit traject?
Ja, zeker. Ik ben natuurlijk ook als fysiotherapeut bekend met anamnese en dat je daar heel veel moet registreren. Dus ik zag meteen al kansen. Het heeft natuurlijk geholpen met de connectie met onze zorgmedewerkers. Ik kan me beter inleven. Ik heb al kennis van de zorgtermen, dus die afkortingen zitten bij mij al. Dus daarmee heb je een voorsprong. Dus eigenlijk: als je hiermee aan de slag gaat, zorg dat je die domeinkennis goed genoeg opbouwt, want het maakt het gesprek makkelijker. In de schoenen kunnen staan van de gebruiker is essentieel belangrijk.
Als je morgen ongelimiteerd budget zou hebben en mag denken: wat zou je dan willen ontwikkelen voor de zorg? Het mag breder zijn dan alleen je organisatie.
Eigenlijk, als je helemaal ongelimiteerd denkt - je hebt geen privacy-bezwaren, geen budgetrestricties - dan zou je bijna willen toewerken naar dat alles wordt opgenomen. Je hebt gewoon een bodycam met een microfoon, je bent gewoon bezig met je cliënt en alles staat gedocumenteerd in het ECD. Ook al heb je alle spraak, ook al heb je alles opgenomen, je hebt nog niet je handelingen - wat heb je gedaan? Dat heb je nog steeds niet, dan moet je nog steeds typen. Dat blijft altijd wel een uitdaging. Dus je zou alles weghalen: in plaats van dat je na een cliëntbezoek nog even naar je laptop moet om te schrijven wat je hebt gedaan, is dat helemaal weg.
Hoe zou je het zelf vinden als jij de hele dag een camera bij je zou hebben die alles vastlegt wat je doet?
Ik denk dat je als medewerker ook best wel bewust wordt van wat je doet. Er is misschien het idee dat het wordt gecontroleerd of dat iedereen ziet wat ik doe, en wat ermee wordt gedaan. Maar stel: niemand komt bij die camerabeelden. Je krijgt daar ook weer gewoon je samenvattingen uit en je analyses. Er is geen big brother, je baas kijkt niet mee, niemand kijkt mee, thuis kijkt niet mee. Het is voor persoonlijk gebruik. Dan zou ik er niks op tegen hebben. Ik kan me heel goed voorstellen: ik als fysiotherapeut, als ik bezig ben met een cliënt en bezig met mijn metingen, dat ik dan misschien even hardop zeg: '90 graden' of 'zoveel graden', en dat het daarna ook gewoon gelijk in mijn dossier staat. Perfect! En je kan ook nog eens een feedback loop voor jezelf creëren. Je kan van jezelf leren. Je kan je fouten nog eens terugzien. Misschien confronterend, maar ik denk dat het goed is als je wil leren van je fouten. En als je het daarna ook weer zou kunnen delen - met jezelf erbij natuurlijk - dan denk ik dat je ook heel veel waardevolle data en inzichten tot je beschikking hebt.
Is er iets in deze technologie wat jou bezighoudt - dat kan zijn dat je daar heel enthousiast van wordt of dat je er wakker van ligt?
Waar ik veel mee bezig ben: ik ben nog niet helemaal fan van volledige voice coding - dat de AI helemaal je code schrijft. Omdat ik dan echt de controle kwijt ben. Maar ik gebruik wel echt AI veel in het ontwikkelen en eigenlijk het bedenken van de architectuur van alles wat ik opzet. En daar vind ik het echt enorm waardevol voor. Ik zou het niet helemaal door AI willen laten doen. Misschien ben ik daar wel bang voor, want ik heb het natuurlijk wel gebruikt om een applicatie te maken of een leuke app te bouwen. Maar als je mij nu vraagt: wat voor code heb ik gebruikt, of wat staat daar? Geen idee. Ik weet gewoon: het werkt. Dus je verliest wel een beetje de kennis over de code. En er is natuurlijk een verschil tussen 'het werkt' en 'het moet direct werken op schaal, het moet veilig zijn, efficiënt zijn'. Daar zit wel een flink gat tussen. Even simpel een app maken voor een demo? Perfect! Maar echt schaalbare oplossingen bouwen is nog een uitdaging. Dat is echt next level.
Is er iets wat we niet gevraagd hebben wat je wel heel graag kwijt zou willen?
Nee, eigenlijk niet. We hebben wel leuke onderwerpen besproken. Ik ben heel enthousiast over 'spraak naar waarde' - dat gaat zeker komen!
Kun je nog iets meegeven aan de zorgsector? CIO's die hier genoeg mee bezig zijn, of juist organisaties die denken: volgens mij mogen we daar nog wat stappen in zetten?
De meeste zorgorganisaties zijn best wel afhankelijk van hun leveranciers voor dit soort functies. En ik wil hier meegeven dat er veel mogelijk is wat je ook zelf kan doen. Het klinkt vaak heel complex, maar zo complex is het niet. Als je een beetje kan coderen en een beetje Python kent, dan kom je echt al heel ver. En met AI kan je ook heel erg helpen daarin. Het begint bij goede ideeën. Denk in oplossingen in plaats van in problemen. Dus denk niet alleen in het probleem van het huidige systeem waar je in zit, maar kijk ook eromheen. Daar zijn genoeg mogelijkheden. Kernpunten en Praktische Adviezen Focus op werkgeluk, niet alleen op productiviteit: Dave's samenvattingstool bespaart thuiszorgmedewerkers 9 van de 10 minuten voorbereidingstijd per cliënt. Dit betekent dat medewerkers minder tijd kwijt zijn aan administratie in hun vrije tijd en zich meer kunnen focussen op hun kernwerk: zorg verlenen. Betrouwbaarheid boven volledigheid: Door een 'judge-LLM' in te zetten die de gegenereerde samenvattingen controleert op hallucinaties en onjuistheden, wordt de betrouwbaarheid gewaarborgd. Onderdelen die niet te verifiëren zijn worden verwijderd in plaats van dat het systeem probeert gaten op te vullen met aannames. Betrek eindgebruikers vanaf het begin: Dave werkte vanaf dag één samen met wijkverpleegkundigen om te bepalen wat een goede samenvatting is. Dit iteratieve proces zorgde ervoor dat de tool echt aansluit bij de behoeften van de medewerkers. Integreer in bestaande workflows: De samenvattingsknop werd direct in het ECD geïntegreerd via een Chrome-extensie, zodat medewerkers niet naar een aparte applicatie hoeven. Hoe laagdrempeliger, hoe beter de adoptie. Start klein met duidelijke use cases: Begin met concrete, overzichtelijke problemen zoals het samenvatten van rapportages. Probeer niet meteen hele processen te automatiseren. Door kleine successen te boeken, bouw je vertrouwen op en creëer je draagvlak voor verdere innovatie. Domeinkennis is cruciaal: Dave's achtergrond als fysiotherapeut hielp hem enorm om de behoeften van zorgmedewerkers te begrijpen, het vakjargon te kennen en effectiever te communiceren met gebruikers. Investeer tijd in het leren van de context waarin je werkt. Maak gebruik van feedback loops: Door continu feedback te verzamelen over de gegenereerde samenvattingen, wordt het systeem steeds beter. Deze feedback wordt gebruikt om de LLM verder te trainen en te verbeteren. Soevereiniteit en dataveiligheid: Door te werken met een enterprise-versie van Google Cloud Platform waarbij data niet wordt gebruikt voor hertraining, blijft alle zorgdata veilig binnen de eigen omgeving. Dit is essentieel in de zorgsector. Wees creatief met technische beperkingen: Toen de ECD-leverancier geen knop wilde toevoegen, bouwde Dave een Chrome-extensie. Laat je niet tegenhouden door systemen die je niet kunt aanpassen - er zijn vaak creatieve workarounds. De business case voor werkgeluk: In tijden van personeelstekort in de zorg is werkgeluk een essentiële investering. Medewerkers behouden is minstens zo belangrijk als efficiëntie verhogen. Tools die het werk prettiger maken, betalen zich terug in lagere uitstroom en hogere tevredenheid. Volgende stappen: spraak-naar-waarde: Dave werkt aan een platform waarbij gesprekken met cliënten automatisch worden omgezet in gestructureerde documentatie, zodat zorgverleners volledig aanwezig kunnen zijn in het gesprek in plaats van bezig te zijn met typen. Het is minder complex dan het lijkt: Met basiskennis van programmeren (Python) en gebruik van moderne LLM's kun je al snel waardevolle toepassingen bouwen. Wees niet te afhankelijk van externe leveranciers - veel is zelf te realiseren. AIToday Live is een podcast die zich richt op de nieuwste ontwikkelingen in AI en de impact ervan op verschillende sectoren. In elke aflevering spreken hosts Niels Naglé en Joop Snijder met experts uit het veld om inzicht te krijgen in de mogelijkheden en uitdagingen van AI-technologie. Luister via je favoriete podcast app: Spotify, Apple podcasts, YouTube Music, en meer.
Over de gast
Dave Hamersma is Lead Data Scientist & AI Architect bij een grote zorgorganisatie in Gelderland, waar hij zich richt op het ontwikkelen van LLM-applicaties voor de zorgsector. Met een achtergrond als fysiotherapeut combineert hij domeinkennis met technische expertise om praktische AI-toepassingen te bouwen die het werk van zorgmedewerkers verlichten. Zijn focus ligt op het verminderen van administratieve lasten, zodat zorgprofessionals meer tijd en aandacht kunnen besteden aan hun cliënten.
Bekijk gastprofielTranscript
Dave Hamersma is Lead Data Scientist & AI Architect bij Sensire, een grote zorgorganisatie in Gelderland die thuiszorg en intramurale zorg levert. Dave ontdekte dat zorgmedewerkers in hun vrijetijd rapportages moesten doorlezen om zich voor te bereiden op de volgende dag. Dat kost zomaar 10 minuten per cliënt. Hij bouwde een samenvattingstool die dat terugbrengt na 1 minuut. Maar hoe zorg je ervoor dat zo'n samenvatting ook echt klopt? In een sector waar een fout over een wond op het verkeerde been echte gevolgen heeft. Joop: Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. Joop: Mijn naam is Joop Snijder, Head of AI bij Info Support. Niels: Mijn naam, Niels Naglé, Area Lead Data & AI bij Info Support. Joop: En ik ben heel blij met de studio en de gast. Joop: Want deze jongeman moet ik zeggen. Joop: Die heb ik ook al geïnterviewd voor mijn boek, doeltreffend met AI-agents. Joop: En het is een van mijn favoriete cases die ik ook vertel in de presentaties. Joop: Dave zou je je eerst willen voorstellen aan de luisteraar. Dave: Jazeker, mijn naam is Dave Hamersma. Dave: Ik werk bij Sensire als data scientist. Dave: En daar hou ik me met name bezig met LLM-applicaties. Niels: En kan je iets meer vertellen over Sensire voor de mensen die het niet kennen? Dave: Ja, Sensire is een grote organisatie in Gelderland. Dave: met name gericht op in de VVT. Dave: Dus intramurale en extramurale. Niels: Dat zijn tegen inderdaad is een abracadabra. Dave: Wij hebben cliënten die bij ons wonen. Dave: En extramurale, dus die wonen nog thuis. Dave: En daar hebben wij medewerkers die bij hen thuiskomen. Joop: En daar heb je echt iets voor gemaakt. Joop: Die bij de mensen thuiskomen. Joop: Daar heb je iets voor gemaakt, zou je dat kunnen vertellen wat dat is en waarom je dat hebt gemaakt. Dave: Ja, nou eigenlijk zal beginnen bij waarom. Dave: Ik kwam erachter dat er heel veel zorgmedewerkers zijn die in hun eigen vrije tijd moesten inlezen voor de cliënt die ze bijvoorbeeld morgen gaan bezoeken. Dave: Dat kost heel veel tijd. Dave: Je moet alle rapportages doorlezen. Dave: In je vrije tijd. Dave: Dus ik dacht van was net opkomst van AI LLM, die. Dave: En het was iets van kan ik dat inzetten. Dave: Nou, eigenlijk is een hele goede use case: gewoon de samenvatting genereren van de rapportages. Dave: Dat was mijn doel. Dave: Zo simpel mogelijk, druk op de knop en je hebt een samenvatting. Dave: En je weet een minuutje lezen hoe het ervoor staat. Joop: Ja, maar het is iets verder geworden dan een simpele samenvatting. Dave: Dat zeker. Dave: Het is wel wat meer bij gekomen. Dave: Natuurlijk was het de insteek is altijd de medewerker helpen. Dave: Maar het gaat natuurlijk om wat is een goede samenvatting. Dave: Daar begint het bij. Dave: En dat hou ik ook nog steeds continu bij door feedback te verzamelen van de samenvatting. Dave: En daardoor wordt dus de LLM ook weer verder getraind. Dave: Dus ja, dat zit echt een hele close loop over elke samenvatting maken. Joop: En wat staat er in zo'n samenvatting? Joop: Maar we moeten de luisteraars aan denken. Joop: Het is niet zomaar dat je zegt hier is een stuk tekst of een aantal overdrachten. Joop: En jij zegt van maak hier een samenvatting van, wat wij misschien doen van artikelen of van rapporten. Joop: Want het moet uiteindelijk betrouwbaar zijn. Joop: En daar mogen niet fouten in zitten. Dave: De opbouw van zo'n samenvatting is eerst gericht op beleid. Dave: Je wil iets weten van hoe in de periode die je dus hebt geselecteerd, hoe het beleid is geweest van de cliënt. Dave: En dan iets over de huidige situatie hoe staat het er nu voor. Dave: En dat was ook een vraag van onze wijkverpleegkundige, die wilde iets weten over de ondersteuningsbehoeften. Dave: Dus zijn er bijvoorbeeld wijzigingen geweest in de medicatiegebruik of in het helpen van de ADL. Dave: Dus eigenlijk dat is eigenlijk de structuur die zo'n samenvatting volgt. Dave: En om gelijk in te haken op de hallucinaties. Dave: Dat is een voorkomend aspect van de LLM's. Dave: Daar heb ik eigenlijk een LLM als een judge voor ingezet. Dave: Dus ik heb een samenvatting rollen uit. Dave: Een andere LLM die kijkt erop. Dave: Die vergelijkt het met de originele tekst en die herkent van je staat iets wat niet klopt, dan geeft hij terug en dan is er nog een LLM die die input verwerkt tot een eigen samenvatting. Joop: En wat doe je dan met elementen die in zo'n samenvatting zitten die niet kloppen? Dave: Die haal ik eruit. Dave: Simpelweg haal ik die gewoon eruit. Dave: Ik heb eerst wel geprobeerd om het te laten direct te laten herschrijven. Dave: En eigenlijk had ik dan echt een loop gemaakt en dan totdat hij geen hallucinaties meer bevat. Dave: Maar echt door het herschrijven, kwam ik tegen dat zo grapjes een voorbeeld van de cliënt die een periode van twee maanden. Dave: Die had een wond op een linkerbeen en rechterbeen. Dave: De eerste samenvatting staat rond rechterbeen. Dave: De LLM's justice die zegt van nee linkerbeen. Dave: Schrijven, en dan zegt de komt u weer rechterbeen. Dave: En dat ging de hele tijd maar door. Dave: Hij kan er gewoon niet uit. Dave: Dus eigenlijk die stukken haal je er gewoon uit. Joop: Maar is dat niet dat je dan dat de thuiszorgmedewerker dan iets mist, want dan staat er dus niks meer in over wonden op benen. Dave: Ja, kijk, een samenvatting is gewoon een summiere weergave van het tekst, maar een LLM-samenvatting is nooit de waarheid. Dave: Eigenlijk zou je moeten kunnen zeggen. Dave: Als je conclusies gaat trekken op basis van die tekst, moet je niet doen, dat moet gewoon staan in je ECD. Dave: Dus het is even kort, hoe staat het ervoor? Dave: Zie je details waar je iets meer over moet weten. Dave: Je zit al in het dossier. Niels: Kijk daar dan naar. Dave: En hoe maak je dan de punten over zorgen dat de belangrijke punten die ze eerst in hun voorwerk in een leestraject naar voren laten komen dat het ook in de samenvatting wel erin zit. Dave: Ja, kijk, dat heb je niet altijd in de hand. Dave: Het werkt niet goed om te zeggen van focus daarop of focus daarom, want niet elke cliënt is hetzelfde. Dave: Het gaat met name om gewoon een kortere weergave van de lange tekst die je ingeeft. Dave: Het komt ervoor dat het is op basis van rapportages geschreven door zorgprofessionals, het is vaak snel typen. Dave: Dat zijn ook niet altijd de beste rapportages. Dave: Er zit daar wel een bepaalde structuur in waar je mee kon werken, of is dat ook nog abstract dat er misschien wat structuur in verstopt zit, we zijn bezig met naar een soort structuur te houden van rapporteren, de SOAP-rapportage en dan ga je een aantal stappen door langs. Dave: Maar dat rapporteren op die manier kost ook meer tijd. Dave: Alleen dat al is al is al een uitdaging. Dave: Nu ben ik wel bezig met een soort zoekhulp, waardoor je een LLM kijkt van, je mist de Evaluatie. Joop: Waar staat SOAP voor, want anders gaat ik er van achter objectief evaluatie en plan. Joop: Wel een hele mooie afkort. Joop: Ik wil toch nog heel even op de waarom daar stappen denk ik nu best wel heel kort overheen. Joop: Want als de thuiszorgmedewerker bijvoorbeeld op vakantie is geweest, een paar weken, dan hebben we het echt wel over een enorme berg aan informatie waar je normaal gesproken doorheen zou moeten gaan aan overdrachten en laat staan dat je ook nog in dat ECD zou moeten in het elektronisch cliëntdossier zou moeten zoeken. Joop: Wat betekent nou dat jullie dit hebben? Dave: Wat betekent dat voor de individuele medewerker? Dave: Het gaat met name om het geluk die ze ervaren tijdens tijdens werken. Dave: Want zorgmedewerkers zijn er om zorg te leveren, die zijn er niet om voor administratie vinden dat niet leuk. Dave: Dus dit is een methode om ervoor te zorgen dat dat die tijd gewoon minder wordt. Joop: En het bespaart echt veel tijd. Joop: Ja, want dat vond ik zo mooi, weet je, ik heb je dan gesproken voor het boek. Joop: agents, daar wordt nu heel snel gedacht van die moeten we inzetten voor productiviteitswinst. Joop: Jij bent met een ander uitgangspunt bij je begonnen, want het ging over werkgeluk. Dave: Hoe heb je dit nou aan je organisatie kunnen verkopen dat je dit moest gaan bouwen. Dave: Ik was 2022 bezig met de studie. Dave: In die studie was mijn moest ik een use case bij mijn organisatie uitwerken. Dave: Toen opkomst van LLMs. Dave: Dus ik was eigenlijk op zoek naar hoe kan ik LLMs inzetten bij Sensire. Dave: Toen heb gezeten met de toenmalige raad van bestuur, en die zei van die had een aantal aantal onderwerpen waar hij hoorde. Dave: En een van die onderwerpen was dus dat heel veel medewerkers veel tijd kwijt zijn aan het daar vandaan. Dave: Wij bij Sensire die wij geloven natuurlijk dat AI voor ons moet werken, het moet echt ondersteunen. Joop: Welk geluk verbeteren, is erg belangrijk in de zorg. Dave: En hoe maakt je de business case rondom werkgeluk? Dave: Natuurlijk levert het tijd op. Dave: Maar we weten allemaal in de zorg. Dave: We hebben sprake van vergrijzing. Dave: Er komen steeds meer cliënten bij. Dave: En het wordt steeds lastiger om medewerkers te werven. Dave: Dus we hebben steeds minder mensen. Dave: Dus we moeten alles aan doen om juist ervoor te zorgen dat de mensen blijven en willen werken bij ons. Niels: Dat is een van de grootste uitgangspunten. Dave: Hoe zijn de zorgmedewerkers betrokken in dit traject die jij heb meegemaakt, dat heb je waarschijnlijk niet alleen gedaan, maar hoe zijn de zorgmedewerkers zelf erbij betrokken geweest? Dave: Ik heb eigenlijk gelijk een klein groepje opgezet met een aantal wijkverpleegkundigen die me graag wilden helpen. Dave: Want ik weet niet wat een goede samenvatting is. Dave: Dat is hun aan te vertellen. Dave: Dus dat was echt een iteratief proces. Dave: Ik maakte wat komt opsturen. Dave: Zorgmedewerkers hebben niet altijd alle tijd. Dave: Dus even vinden van dan een half uurtje, dan half uurtje. Dave: Dat was een wel lang proces. Joop: Maar uiteindelijk zijn we zo gekomen. Dave: Wat waren daar opvallende zaken die je terugkreeg die je misschien helemaal niet verwacht had? Dave: Eigenlijk was dat ook een beetje output wat ik niet verwacht had van de LLMs. Dave: Een van de van de van de iteraties was, we gaan een samenvatting schrijven, op basis van het Gordon Analyse, dat is een aantal patronen die eigenlijk wijkverpleegkundige moet verzamelen van een cliënt. Dave: Onder iets over de rollen over religie, dat soort zaken. Dave: Dat is een hele casus hebt van jou van je cliënt. Dave: Het was een van de voorstellen van de wijkverpleegkundigen om op basis daarvan die samenvatting te schrijven. Dave: Dat deed ik. Dave: En een van de komen gelijk weer bij hallucinaties uit. Dave: De LLM probeert natuurlijk al elk patroon probeert er iets over te zeggen. Dave: Heel veel dingen klopten, maar kom je uit bij religie. Dave: In die periode staat niks over religie. Dave: Dus wat komt eruit? Dave: De heer is christenen en geloven een leven na de dood. Niels: Om te zien dat dat voorkomt. Dave: Dus daardoor is de structuur aangepast, omdat eigenlijk de structuur matchen niet bij de use case, omdat hij eigenlijk de gaten probeerden dicht te lopen voor het gebrek aan data. Joop: Ja, klopt. Joop: Wat was het moment dat je dan dachten van ja, maar dan ga ik dat eruit gooien in plaats van proberen er toch achter te komen om die template in te vullen, laat ik het anders voor worden. Joop: Ik denk als heel veel mensen een template hebben dat ze zelf namelijk ook de drang voelen om bij ieder vakje iets in te vullen. Dave: Maar wij als mensen ook waarom dacht jij van ik gooi dat eruit. Dave: Als dat als een paar keer voorkomt je krijgen zijn samenvatting en je wou als je vaak bezig met prompts. Dave: Het werkt bij één use case om te zeggen van doe dit niet. Dave: Maar als je dat meerdere keren gaat niet werken en je prompt wordt mega lang niet, het mag niet, het mag niet en dan vergeet hij natuurlijk ook dingen. Joop: Het is beter om gewoon een andere aanpak voor een andere aanpak te kiezen dan toch vast te blijven haken in die structuur. Joop: Hoe heb je de afweging dan gemaakt tussen volledigheid en betrouwbaarheid. Dave: Door de betrouwbaarheid te verhogen, verlaag je mogelijk de volledigheid. Dave: Je wil natuurlijk een vermindering van leeftijd. Dave: Je kan die volledigheid verhogen door gewoon alles weer te geven. Dave: Op een gegeven moment moet je een selectie maken van wat is een geschikte leeftijd. Dave: En ook daarmee was ook gewoon experimenteren. Dave: Uiteindelijk is een samenvatting van 200 woorden is in één minuut te lezen, dat is dat vinden de meeste mensen goed. Dave: Dat was ook gewoon een proces. Joop: Hoe langer die is, hoe meer mensen snel afhaken, of denk je, nou, dat bespaart me die tijd, maar het kost alleen maar meer tijd. Joop: En je noemt één minuut. Joop: Heb je enig idee zeg maar hoe lang het daarvoor dan duur? Dave: Stel, ik ben twee weken op vakantie geweest. Dave: Ja, ik heb al die metrics, heb ik, maar ik weet ze niet uit mijn hoofd. Dave: Er was ongeveer ongeveer van tien minuten naar één minuut. Joop: Dat soort ratio. Joop: En dan een paar cliënten misschien op de dag erna. Dave: Dus je gaat heel snel van uren naar een paar minuten. Joop: Ja, precies. Niels: Het is indrukwekkend. Niels: Zeker indrukwekkend. Niels: Wat zijn de reacties terug van de zorgmedewerkers? Dave: Louder enthousiast? Dave: Ja, die zijn enthousiast. Dave: Er zijn een moment geweest dat de knop even weg was en daar kreeg ik gelijk mailtjes van waar is de knop. Dave: Daar zal het goed behoren. Dave: En wat ook opvalt, het wordt ook voor andere doeleinden gebruikt. Dave: Dus niet alleen om voor even te weten hoe het ervoor staat. Dave: Als bijvoorbeeld een cliënt wordt overgedragen van dus extra moraal naar intramuraal. Dave: Dan wordt ook even dat stukje samenvatting wordt gekopieerd geplakt. Joop: En kijken kijken van zo staat ervoor. Dave: Dat is denk ik een toepassing die je niet van tevoren bedacht had. Dave: Nee, zeker niet. Joop: Het is een hele mooie bijkomstigheid. Dave: Zijn er nog meer van dit soort toepassingen waarvan je weet omdat ze het ook nog op een andere manier gebruiken? Dave: De samenvatting weet ik niet zo. Dave: Ik denk dat ik kan me wel voorstellen dat ze dat gebruiken bij als een overleg hebben. Dave: Multidisciplinaire overleg. Niels: Dat dan even een samenvatting bij worden gehaald om hier zo staat ervoor. Niels: En we hebben het hier wel over zorgdata. Niels: Heb je nog uitdagingen gehad met beveiliging, datazekerheid? Dave: Hoe zijn jij daarmee omgegaan? Dave: Wij werken volledig in GCP, dus Google Cloud Platform. Dave: Daar hebben wij een enterprise contract. Dave: Dus wij hebben een eigen versie van Gemini die niet worden gebruikt voor hertraining. Dave: Dus eigenlijk alles wat we daarin kunnen stoppen, blijft in onze omgeving. Dave: Dus in die zin is dat veilig. Dave: De data staat al bij ons. Dave: Staat in onze eigen data warehouse. Dave: Dus eigenlijk is het gewoon een kaal maken om de data op te halen, versturen naar een LLM. Joop: Het presenteren ook in het ECD zelf. Joop: Klinkt goed. Joop: Zou je natuurlijk geopolitiek is heel wat aan de hand. Dave: Zou je een voorkeur hebben om het nog iets soevereiner te maken ten opzichte van wat je nu hebt, of speelt dat helemaal niet? Dave: In mijn eerste fase van het opbouw van deze applicatie. Dave: Toen heet het nog PaLM 2, Google Gemini, heb ik vergeleken met Llama 2. Dave: En die draaide lokaal mijn eigen pc. Dave: Ja, echt een open source model. Dave: Dat in 80% van de gevallen ging de voorkeur naar de Gemini. Dave: Maar toch 20% naar open source. Dave: Ik denk nog steeds dat met betere tuning, voor een taak zoals samenvatten. Dave: Dat je dan misschien niet zo'n megamodel als Gemini nodig hebt, maar dat prima kan doen met een open source model. Dave: Het is zeker mogelijk. Niels: Mogelijk in het doorontwikkeling, maar voor het gemak nu is het gewoon even een simpel API callen en je krijgen kan ik me iets bij voorstellen. Niels: Ik was nieuwsgierig naar dit is nu voor samenvattingen. Dave: Wat zijn er voor nieuwe kansen ontstaan nu mensen dit hebben ervaren en dit in de praktijk kunnen gebruiken? Dave: Een van de van de nieuwe applicaties waar ik nu mee bezig ben, is een wondfotoanalyse. Dave: Hierbij kan een wondverpleegkundige kan een foto uploaden van een wond. Dave: Ze moet altijd zelf een time assessment schrijven. Dave: Dus daar staat een aantal aspecten waar ze naar kijken en dan beoordelen ze de wond. Dave: Dat kan een AI ook. Dave: Ze uploaden de foto en ze krijgen de time assessment krijgen ze terug. Joop: Ze moeten nog wel wat aanvullen, want een van de onderdelen is bijvoorbeeld geur. Joop: Het kan niet op zo'n hoog hallucineren. Joop: En dat kunnen ze dus aanvullen en gelijk in het ECD plakken. 235 Joop: Handig. 236 Joop: Ook daar weer. 237 Joop: Hoe verloopt die adoptie van dit soort nieuwe technologie? 238 Dave: Krijg je ook krijg je ook weerstand? 239 Dave: Nee, niet echt weerstand. 240 Dave: Wel dat er wat hallucinaties tussen kunnen spelen. 241 Dave: Maar niet echt weerstand. 242 Joop: Iedereen is altijd eigenlijk altijd wel enthousiast over. 243 Joop: Heb je enig idee waarom? 244 Joop: Want wij spreken natuurlijk best wel heel veel gasten. 245 Joop: De meesten hebben altijd best wel weerstand binnen hun organisatie. 246 Dave: Zou je op een of andere manier kunnen duiden waarom waarom je dat dan niet hebt? 247 Dave: Ik denk dat dit een, dus als het teruglezen van rapportages of het schrijven van het time, het kost veel tijd en als je dat weg kan halen. 248 Dave: Wie wordt er niet blij van minder tijd en dingen die je niet leuk vind, is echt verlichten van je werk. 249 Joop: Als het zorgt voor een echt een compleet andere werkwijze, dan is dat is het misschien anders. 250 Dave: Is het ook niet of dat zo is, zou het ook kwaliteitsverhogend kunnen zijn of voelen? 251 Dave: Ja, ik denk dat het wel zou kunnen zijn. 252 Dave: Het blijft, en dat is ook het uitgangspunt, je moet het ook altijd nog zelf wel kunnen aanpassen en kunnen aanvullen. 253 Joop: Dus achter iets staat wat jij wat niet compleet is, of wat je niet helemaal netjes vindt voor woord, dan kan je het altijd aanpassen. 254 Niels: Dus in je in de ECD lezen zij dat nog even na en passen ze het eventueel aan. 255 Niels: Dat betekent dat de mensen ook wel moeten weten dat er een AI-model achter zit en gebruikt worden. 256 Dave: Hoe worden de mensen daarin meegenomen en wat doet het met een blik op de technologie? 257 Dave: Eigenlijk heb ik altijd disclaimers staan. 258 Dave: Dit is gegenereerd door AI. 259 Dave: En verder hebben wij een sociaal internet waar wij alles delen. 260 Niels: We zijn nu ook bezig met een AI maand waarbij je een hele maand lang workshop gaan geven en wat meer op de voorgrond willen staan en meer communicatie wil uitbrengen voor wat je kan met AI en hoe wij dat bij Sensire gebruiken. 261 Niels: En we de zorgorganisaties bij best groot. 262 Dave: Hoe groot is de IT-afdeling waarin jij dan onderdeel van bent. 263 Dave: Wij zijn inmiddels met gegroeid tot acht personen. 264 Niels: En het was twee jaar geleden en zaten we met z'n tweeën. 265 Niels: Wat voor rollen moet ik dan aan denken? 266 Dave: Want van twee naar acht is inderdaad een aardige stappen. 267 Dave: Inmiddels heb ik er één andere data scientist. 268 Dave: Dus we zijn nu met z'n tweeën. 269 Dave: We hebben een data-analyst, we hebben de drie engineers, data engineers. 270 Joop: En eigenlijk één één lead. 271 Dave: En heeft dat iets relatie te maken met dat jij dit soort dingen gemaakt hebt en dat ze hebben gezien van wat het kan betekenen? 272 Dave: Dat denk ik zeker wel. 273 Dave: Ik denk wel dat dit voor meer groei heeft gezorgd en meer aandacht naar ons team. 274 Joop: En daar natuurlijk ook meer budget voor vrij gekomen. 275 Niels: In het boek gaf je aan dat je mogelijk die samenvattingen die je genereerde voor de thuiszorgmedewerker, dat je die misschien wilde gaan omzetten naar spraak. 276 Joop: En daar hoor ik jou ten over je open en daar was je echt heel enthousiast over. 277 Dave: Ja, dus ik ben heel heel erg benieuwd van, is dat is dat gelukt, ben je zover of zo niet, waar ben je dan tegenaan gelopen? 278 Dave: Nee, we hebben het nog niet. 279 Joop: Het is nog steeds een plan. 280 Joop: Maar het idee, ik moet misschien even uitleggen dat in plaats van dat je het leest dat je onderweg naar de cliënt eigenlijk dat stukje kan luisteren. 281 Dave: Dus dat je helemaal geen verloren tijd meer hebt, ja, klopt, eigenlijk. 282 Dave: We willen gaan verbinden met de planning. 283 Dave: Maar wij werken onze nieuwe plannings-app is nog niet klaar. 284 Joop: Dus daar haak ik bij. 285 Dave: Heb je wel al gekeken van of het kan en of het goede kwaliteit levert. 286 Dave: Het kan zeker. 287 Dave: Ik heb het nog niet helemaal uitgetest. 288 Dave: Maar als ik de Google speech teksten of de text to speech, is gewoon een goed model en als je helemaal de Google Notebook podcast die die maakt, dat klinkt gewoon goed in natuurlijke taal. 289 Joop: Dus ik verwacht wel goede resultaat. 290 Joop: Oh, ja, en voor zie je dan ook zoiets dat je het inderdaad als een twee gesprek gaat laten maken. 291 Joop: Ik denk gewoon het voorlezen van smaak je er misschien een uur lang of gaat weer hallucineren in het gesprek met zichzelf. 292 Niels: Het zou wel grappig zijn, even een korte podcast over. 293 Niels: Dit was een procespijnpunt. 294 Dave: Welke processen zie je nog meer waar je heel veel waarde zou kunnen leveren in de zorg waar deze techniek toegepast kan worden? 295 Dave: Ja, ik ben ik ben nu bezig met ook weer een volgende applicatie. 296 Dave: Eigenlijk is dat een heel heel platform. 297 Dave: Ik heb het genoemd spraak naar waarde. 298 Dave: Je hebt een opname en een hele mooie use case daarvoor is een anamnese, dus dat is eerste gesprek met je cliënt. 299 Dave: En moet je heel veel data verzamelen. 300 Dave: Dus wat ik net al zei, die anamneses, daar zijn elf patronen, moet je heel veel dingen verzamelen. 301 Dave: Op dit moment is het gewoon een gesprek, heel veel meetypen, kost gewoon veel tijd. 302 Dave: Wat ik graag wil, is een app. 303 Dave: Je drukt opnemen. 304 Dave: Je leggen neer, je hebt gewoon je gesprek. 305 Niels: Je kijkt daarna op je telefoon en je ziet het eigenlijk alvast in die elf patronen voor ingevuld. 306 Niels: Wist je nog wat, moet je nog wat doorvragen. Joop: Dus je kan eigenlijk beter in het gesprek zijn, waar ik me dan voorstellen. Joop: Zonder elke keer, oh ja, wacht heb ik dat vinkje nou heb ik dat vinkje nou. Dave: Hoe denk je dat de cliënten dit gaan ervaren? Dave: Ik denk dat het natuurlijk wel een ding is om even gevraagd te worden van mag ik dit opnemen, dat ze wel nog een uitdaging zijn. Niels: Maar uiteindelijk, het is veel fijner om echt een gesprek te hebben met iemand dan iemand die op de laptop zit, die heeft het mee te typen. Joop: Dat ervaren wij in onze meetings ook al, dat je inderdaad weet hoe waar de transcriptie loopt, inderdaad, die acties komen later wel, inderdaad. Joop: Volgens mij heb ik wel eens vaker verteld hier in de podcast. Joop: Ik kom nog wel eens regelmatig bij een arts. Joop: Vind ik dat inderdaad heel vervelend. Joop: Wij hebt het idee. Joop: Je hebt geen dialoog. Joop: Ik ben aan het praten en iemand aan het typen. Joop: En die zit me half aan te kijken. Joop: Maar je zit natuurlijk ook half zo op het scherm te kijken, zal ik er niet met mijn vingers compleet naast. Joop: Ik zou het zelf al als patiënt zeg maar heel fijn vinden, als een arts met mij, zeg maar, gewoon drukken de knop in. Dave: En dat gesprek wordt uiteindelijk gewoon goed uitgewerkt. Dave: Ja, mooie bewegingen. Dave: Ik zit nu in de fase van het verzamelen van data. Dave: Dus eigenlijk de opnames. Dave: En zodra ik die heb, dan is het eigenlijk de LLM tunen. Dave: Want eigenlijk alles achterliggen van spraak naar tekst omzetten. Dave: Dat is al een mooie uitdaging, maar dat staat altijd. Joop: Dus dat is wel heel mooi. Dave: Waarom zeg je dat van dat vakjargon? Dave: Je hoorde net al de afkortingen. Dave: Die zijn er gewoon heel veel in de zorg en niet elke speech to text model kent dat. Niels: Je kan de afkortingen kan je toevoegen, waardoor de extra nadruk ligt en dat hij dat herkent. Niels: En ik ben even de naam vergeten, die moet ik een keer opzoeken, maar volgens mij zijn er ook Nederlandse partijen die specifiek voor de zorg hun modellen maken, inderdaad, om al die kennis in het model te hebben zitten. Dave: Misschien interessant om ook naar te kijken. Dave: Dat we graag heel veel willen. Dave: Dus wij hebben heel veel andere applicaties. Dave: Wij willen sneller meer dan wat bijvoorbeeld een andere leverancier zou kunnen. Dave: Ik wil de flexibiliteit hebben. Niels: Ik wil zelf gewoon te kunnen aanvullen van dit is het vakje. Dave: En dat kan prima binnen de Google Suite waar je nu mee werkt. Dave: En ik heb het zelfs ingebouwd dat je de output krijgt. Dave: En je wijzigt daar dingen in het transcript, je wij zegt van VVT en VVD. Dave: Je wijzigt dat dan zoek ik de verschillen op. Joop: Categoriseer ik die termen en vul ik het gewoon gelijk weer in het model. Joop: Dat is slim. Joop: Dan heb je gewoon in die zin, zeg maar. Joop: De mens die het labelt, wat de fouten waren. Niels: Heel slim. Niels: Ja, slim. Niels: Heb je nog meer voorbeelden die je aan anderen mee wil geven die ook dit soort oplossingen willen bouwen. Dave: Met jouw leertraject. Niels: Voorbeelden van use cases. Dave: Of wat je geleerd hebt bij het implementeren van zo'n oplossing, waar denk ik van oh wacht dat ga ik volgende keer zeker ook weer op deze manier doen, had ik dit maar in het begin geweten. Dave: Als je het hebt over zorgmedewerkers, die moet je gewoon zo snel mogelijk betrekken. Dave: Die gaan ermee werken. Dave: Een van de voorbeelden is. Dave: Ik wilde gelijk het zo simpel mogelijk maken voor die samenvattingsknop om die beschikbaar te maken. Dave: Het moet niet zo zijn dat zij eerst naar een andere webpagina moeten gaan en daar de cliënt moet opzoeken en dat invullen en dan de samenvatting. Dave: Het moet gewoon direct in het ECD. Dave: Je moet gewoon een knop staan en je opent het. Joop: Die inzichten. Joop: Hoe heb je de leverancier? Joop: Ik ga een vraag stellen waar ik het antwoord eigenlijk al op weet. Dave: Hoe heb je de leverancier van de ECD zo gek gekregen om die knop erin te maken? Dave: Niet. Niels: Ik heb een Chrome extensie gebouwd die de knop projecteert op de website. Dave: En inmiddels wordt het gebruikt, heeft de leverancier niet gezegd, zullen wij die knop gewoon niet standaard mee gaan leveren. Dave: Nee, heeft u nog. Dave: Nu weet ik wel dat de leverancier ook bezig is met hun eigen samenvattingsfunctie. Dave: Dat zeker is waarschijnlijk zal het komen. Dave: Maar het voordeel van mijn samenvattingsapplicatie, ik heb nu dat alle data over de kinderen en niet alleen maar wat ze in het ECD schrijven. Niels: Dus als het iets wijzig in financiële gedeelte bijvoorbeeld of de urenregistratie, dat kan ik allemaal meenemen. Joop: Dus jouw context is veel wijder om daarin te kunnen schakelen. Niels: Straks natuurlijk wat je zegt: opnemen met zo'n anamnese dat heb je dan ook allemaal zelf. Joop: Dat beantwoorden ook wel een vraag inderdaad van je eigen ECN, maar dat is dus het antwoord dus nee, maar daar kan je dus prima omheen werken op deze manier. Joop: Wij hebben met Elisabeth 2, de ziekenhuis hebben een kaartspel ontwikkeld rondom vragen die leven eigenlijk voor de inzet van AI in de zorg. Niels: Het zijn stellingen, en we zijn vooral eigenlijk ook benieuwd naar als wij een stelling aan jou voorleggen naar jouw antwoord. Joop: Je denkt het spel bepalen. Niels: Ik gooide er toch eentje weg, die was dan te eenvoudig of hebben die al behandeld, ik zal hem inderdaad, omdat je terecht drukken weggooien zou ik inderdaad van de luisteraars hebben heel transparant toch noemen en stelling luiden, ik werk liever niet met AI. Niels: Ik denk dat het inderdaad voor de hand ligt, maar een andere stelling en de categorie risico's en uitdagingen. Dave: De stelling luidt als volgt: door de hype rondom AI wordt AI te veel en te snel ingezet. Dave: Ik denk niet dat het te snel wordt ingezet. Dave: Juist voor deze eigenlijk zijn simpele use cases en alleen een samenvatting genereer, is het heel effectief. Dave: Ik denk niet dat het te snel gaat. Dave: Ik denk als je echt volledige processen wil gaan overnemen, handelingen wil gaan uitvoeren in systemen. Niels: Daar is het nog niet volwassen genoeg voor. Niels: Hoe hou je het dan klein is mijn vraag dan eigenlijk inderdaad? Dave: Want eigenlijk heb je zeggen, het is heel klein, dus daarom verandert niet een heel proces, maar hoe zorg je ervoor dat je het klein blijft. Niels: Eigenlijk kijken naar wat de zorgmedewerker waar die veel tijd in kwijt in is en waar daar oplossingen voor zijn om dat te verminderen. Niels: Hoe kom je erachter? Dave: Zit dat in een urenregistratie? Joop: Dat is met name gesprekken en ervaringen. Joop: Volgens mij heb je ook best wel heel veel tijd en ruimte gekregen in de ontwikkeling van wat jij mag doen. Joop: Hoe heeft jou dat geholpen? Joop: Laat ik het anders omdraaien, daarom vroeg ik er straks al een beetje naar de business case. Joop: Dus in heel veel organisaties gaat het om business case, return on investment en allemaal zaken. Joop: Jou is het volgens mij andersom gegaan, heb je best wel heel veel ruimte gekregen. Dave: Was dit ook mogelijk geweest, als je wel die business case had moeten bepalen, als je als je wel heel strakke kaders had gehaald, was je dan op hetzelfde punt gekomen waar je nu bent. Dave: Kijk, uiteindelijk heeft het bespaart het wel tijd. Dave: En tijd is geld, maar ... Dave: Het is tijd in vrije tijd. Joop: Je kan het wel omrekenen naar uren. Dave: Dit waren geen kosten voor de organisatie. Dave: Nee, dat klopt. Dave: Eigenlijk ben ik in mijn hele werkperiode bij Sensire daarin best wel vrij gelaten, eigenlijk toen ik begon bij Sensire was het. Dave: Ze wilde iets doen met data science. Dave: Ik kwam daar en ik kreeg gewoon een dataset van succes, leef je uit lever mij iets op. Joop: Toen werd name bezighouden met voorspellen van vallen. Dave: Ik kwam niks van terecht. Dave: Maar je ziet gewoon door de LLM's, daar kan je heel snel waarde uithalen. Joop: Dus dan kan ik iets opleveren waar onze zorgmedewerkers wat aan hebben. Joop: En hoe voorkom je dan dat je een oplossing hebt voor een probleem dat je nog niet weet dat je een oplossing hebt op zoek naar een probleem. Dave: Hoe draai je dat zeg maar zo snel mogelijk om dat je zegt van oh ja, maar nu heb ik wel wat te pakken, en daar is deze technologie ook dan heel handig voor. Dave: Maar ik denk als je iets kan aanbieden waardoor je inziet dat je daar minder tijd in kwijt bent en de voordelen daarvan ziet. Niels: In die zin welke raten. Niels: Jij bent eigenlijk in hun schoenen gaan staan, eigenlijk over in hun schoenen gestaan, je bent zelf achtergrond van fysiotherapeut, heeft dat nog geholpen in dit traject en zo. Niels: Ja, ben ik wel nieuwsgierig, hoe heeft dat dan geholpen? Dave: Ja, zeker. Dave: Ik ben natuurlijk ook als fysiotherapeut bekend met anamnese en dat je daar heel veel moet registreren. Dave: Dus ik zag meteen al meteen al kansen. Dave: Het heeft natuurlijk geholpen met de connectie met onze zorgmedewerkers. Dave: Ik kan me beter inleven. Joop: Ik ben al wel kennis van de zorgtermen. Niels: Dus die afkortingen, die zaten bij mij dan. Niels: Dus daarmee heb je een voorsprong. Dave: Dus eigenlijk ook die met die dat aan de slag gaat, zorg dat je die kennis goed genoeg ophoudt, want het maakt het gesprek makkelijker in de schoenen kunnen staan van een ander essentieel belangrijk. Dave: Als je morgen zonder budget mag denken van wat zou je dan willen ontwikkelen voor de zorg, mag breder zijn dan misschien dan de organisatie, wat zou je dan willen ontwikkelen om in de zorgsector echt stappen vooruit te komen, eigenlijk als je helemaal ongelimiteerd, je hebt geen privacy-erd. Joop: Dan zou je bijna willen toe werken dat alles voor winnaar wordt opgenomen, je hebt gewoon een bodycam met een microfoon en je bent gewoon bezig met je cliënt en alles staat gewoon gedocumenteerd staat in je in het EHR en overal bij. Dave: Wat zou dat oplossen? Dave: Ook al heb je alle spraak, ook heb je alles opgenomen, je hebt nog niet je handelingen wat heb je gedaan, dat heb je nog steeds niet dan moet je nog steeds nog steeds typen, dat blijft altijd wel. Dave: Dus dat gaal je helemaal weg. Joop: Dus eigenlijk in plaats van dat je dan nadat je bij een cliënt geweest nog even naar je laptop moet om te schrijven wat je hebt gedaan, is dat helemaal weg. Joop: Hoe zou je het zelf vinden als jij zeg maar de hele dag een camera met alles wat je doet, daarom zeker ongelimiteerd? Joop: Ik meen het serieus. Joop: Want ik zit te denken van ik bedoel het nou niet eens slecht hoor, maar wat zou erop tegen zijn? Dave: En wat zou het jezelf helpen als je zoiets zou hebben. Joop: Ik denk dat je als medewerker ook best wel bewust van wat je dan wat je dan doet. Joop: Wij misschien het idee dat het wordt gecontroleerd of alles iedereen ziet alles wat ik doe, en wat we daarmee gedaan. Joop: Maar stel, niemand komt bij die camerabeelden. Joop: Maar je krijgt daar ook weer gewoon je samenvattingen uit je dingen. Joop: Er is geen big brother, er is niet je baas kijkt niet mee, niemand keek mee thuiskijk niet mee. Dave: Het is voor persoonlijk gebruik. Dave: Dan zou ik er iets op tegen hebben. Dave: Ik kan me heel goed voorstellen, ik als fysiotherapeut, dat als ik bezig ben met de cliënt en bezig met mijn metingen. Dave: Dat ik dan misschien even hardop zeg van 90 graden, zoveel graden. Dave: En het staat daarna ook gewoon gelijk in mijn dossier. Niels: Perfect. Niels: Ja, en je kan ook nog eens, daar denk ik dan, je hebt een feedback loop voor jezelf. Niels: Je kan van jezelf leren. Niels: Je kan je fouten kan je nog keer terugzien. Niels: Misschien confronterend, maar ik denk dat het goed is als je wil leren van je fouten. Niels: En als je het daarna ook weer zou kunnen delen en jezelf erbij bent, denk je dat je ook weer heel veel waardevolle data en inzichten daar weer tot beschikking hebt, inderdaad, los van de uitdaging. Joop: Ik ben hier wel bij komen kijken. Joop: Ik weet niet of ik het zelf zou willen hoor. Joop: Ik bedoel, het is nogal wat toch. Joop: Laat staan iedereen die in beeld komt. Dave: Is er iets in deze technologie wat jou bezighoudt, en dat kan zijn dat je daar heel erg enthousiast van wordt of dat je daarvan wakker ligt. Dave: Waar ik veel mee bezig ben, is eigenlijk. Dave: Ik ben nog niet helemaal fan van volledige voice coding. Dave: Omdat ik dan echt al de controle kwijt ben. Dave: Maar ik gebruik wel echt AI veel in het ontwikkelen. Dave: En eigenlijk het bedenken van het architectuur van alles wat ik opzet. Dave: En daar vind ik het echt enorm waardevol voor. Dave: Ik zou het niet helemaal last willen laten. Dave: Misschien ben ik daar wel bang voor, want ik heb het natuurlijk wel gebruikt om even een applicatie en een leuke app te maken. Dave: Maar als je mij nu zo vragen wat voor code ik heb gebruikt, of wat is daar, geen idee. Dave: Ik weet gewoon het werkt. Joop: Dus ja, je verliest wel een beetje de kennis over de code. Joop: En er is natuurlijk een verschil tussen het werkt en het moet ze direct werken op schaal, het moet veilig zijn efficiënt zijn. Dave: Daar zit wel een flink gat tussen. Joop: Ja, even simpel voor even een app te maken wat je even een demo kan laten zien, perfect, maar echt inderdaad, schaalbare oplossingen, is het nog een uitdaging, dat is wel echt next level. Dave: Is er iets nagedachten van toen je hier naartoe kwam, is er iets wat wij niet gevraagd hebben wat je wel heel graag kwijt zou willen. Dave: Nee, eigenlijk niet, we hebben wel een leuk leuke onderwerpen besproken. Niels: Voor het sprake waarde en ik heel enthousiast over dat gaat komen. Dave: Kun je dan nog iets meegeven aan de zorgsector, CECZ, genoeg mee bezig zijn, of zeggen van nou volgens mij mogen we daar nog wat stapjes bij zetten, heb je daar een beeld bij? Dave: De meeste zorgorganisaties zijn best wel afhankelijk van hun leverancier voor deze functies. Dave: En ik wil hier meegeven dat het veel mogelijk wat je ook wel zelf kan doen. Dave: Het klinkt vaak heel complex, maar zo complex is het niet. Dave: Als je een beetje kan coderen en een beetje Python kan, dan kom je echt al kom je echt aan heel eind. Joop: En met AI kan je ook heel erg helpen daarin. Joop: En het begint bij goede ideeën. Joop: Dat heb ik wel vandaag van je gehoord, want het begint met goede ideeën en denk in oplossingen in plaats van die problemen. Niels: Maar ik dat zo zeggen. Joop: Dus denk niet in het probleem van het huidige systeem waar je in zit, maar ook eromheen, inderdaad, zijn er genoeg mogelijkheden mooi. Dave: Dankjewel, Dave dat je deze inzichten met ons wilde delen. Joop: Ja, graag gedaan. Joop: Leuk dat je weer luisteren naar deze aflevering. Joop: We hebben ook een hele leuke brief. Joop: En daar ga je ook een vraag die we aan de luisteraars van deze maand hebben gesteld. Joop: Dus dan krijg je ook de vraag die we aan Dave hebben voorgelegd. Joop: Kan je daar dan lezen? Niels: Dus abonneer je erop. Niels: En nog een kleine toevoeging voor de mensen die het nieuwe zorgvariant van het stellingenspel willen hebben, die is via de website gratis te bestellen. Niels: Dus neem ook mee in de show notes.