Technologie en Innovatie
Stellingen over de technologische en organisatorische kant van AI-implementatie in de zorg, van integratie tot dataveiligheid.
Stelling 1
Mijn zorgorganisatie moet geen eigen AI toepassingen ontwikkelen
De stelling stelt dat een zorgorganisatie geen eigen AI-oplossingen moet bouwen, maar liever gebruik maakt van bestaande technologie.
Overwegingen
- Ontwikkeling is duur, onderhoudsintensief en vereist expertise.
- Inkoop of samenwerking met anderen is vaak efficiënter.
- Eigen ontwikkeling is alleen logisch als er geen geschikte oplossing is.
- Open standaarden en samenwerking zijn belangrijk in zorgcontext.
Standpunt
Oneens
Wij zijn het oneens met deze stelling. Hoewel we het principe aanhouden van eerst inkopen, dan collectief ontwikkelen en pas als laatste zelf bouwen, sluiten we eigen ontwikkeling niet uit. In specifieke gevallen waarin de markt tekortschiet, of wanneer maatwerk nodig is, kan eigen ontwikkeling gerechtvaardigd zijn — mits goed onderbouwd, duurzaam en schaalbaar.
Stelling 2
Er moet meer geïnvesteerd worden in implementatie van bestaande AI dan in ontwikkeling van AI
De stelling stelt dat we in de zorg minder moeten investeren in nieuwe AI-oplossingen, en meer in het implementeren van bestaande toepassingen.
Overwegingen
- Veel succesvolle AI-pilots worden niet opgeschaald.
- Er is sprake van ‘AI-moeheid’ door experiment zonder implementatie.
- Implementatie vereist budget, tijd en verandermanagement.
- Werkende AI verdient opschaling, niet vervanging.
Standpunt
Eens
Wij zijn het eens met deze stelling. In de zorg is sprake van een wirwar aan experimenten met AI. Helaas komt maar een klein deel van die experimenten verder dan de pilotfase, ondanks dat experimenten vaak wel succesvol zijn. Wij pleiten voor meer aandacht, middelen en structuur voor het implementeren van bewezen toepassingen. Dat is nodig om AI echt impactvol te maken in het werkveld.
Stelling 3
AI heeft de meeste waarde voor de zorg als klinische beslisondersteuning
Deze stelling benadrukt dat AI vooral waarde toevoegt wanneer het zorgverleners ondersteunt bij het nemen van klinische beslissingen.
Overwegingen
- AI kan patronen herkennen en suggesties doen op basis van grote datasets.
- Beslisondersteuning verhoogt de nauwkeurigheid en consistentie van diagnoses.
- De eindverantwoordelijkheid blijft bij de zorgverlener.
- AI moet transparant en uitlegbaar zijn bij klinische toepassing.
Standpunt
Eens
Wij zijn het eens met deze stelling. Hoewel AI breed toepasbaar is in de zorg, zit de grootste en directe meerwaarde in klinische beslisondersteuning. AI kan artsen en verpleegkundigen helpen bij het interpreteren van complexe informatie, zoals medische beelden of laboratoriumuitslagen, en kan via beslisbomen en risicovoorspellingen bijdragen aan meer consistente en nauwkeurige besluitvorming. Cruciaal is wel dat AI een hulpmiddel blijft — de klinische context, de wensen van de patiënt en het morele ...
Stelling 4
Implementatie van AI in de zorg vereist gespecialiseerde expertise in de zorginstelling
De stelling onderstreept dat het gebruik van AI in de zorg specialistische kennis vereist binnen de organisatie.
Overwegingen
- AI-toepassingen in de zorg zijn complex en raken aan ethiek, techniek en regelgeving.
- Gebruikers moeten begrijpen hoe AI werkt en wat de beperkingen zijn.
- Zonder kennis kunnen risico’s op verkeerde interpretaties toenemen.
- Kennis vergroot acceptatie en veiligheid.
Standpunt
Eens
Wij zijn het eens met deze stelling. Implementatie van AI in de zorg zonder de juiste expertise is vergelijkbaar met een vliegtuig laten vliegen zonder piloot. AI raakt aan medische veiligheid, ethiek, wetgeving en databeheer. Zorgprofessionals moeten begrijpen hoe ze AI-resultaten moeten interpreteren, wanneer ze moeten ingrijpen, en wat de beperkingen zijn. Daarnaast is er nood aan technische expertise binnen instellingen om de juiste AI-tools te selecteren, configureren en evalueren. Daarom pleiten wij voor het aanwezig zijn van specialistische kennis vanuit meerdere invalshoeken binnen zorginstellingen.
Stelling 5
Mijn zorginstelling loopt achter op het gebied van AI
Deze stelling suggereert dat de eigen zorginstelling achterloopt ten opzichte van anderen op het gebied van AI.
Overwegingen
- De mate van inzet van AI verschilt sterk tussen organisaties.
- Achterstand is relatief — belangrijker is of er een visie en leerbereidheid is.
- Innovatie begint vaak kleinschalig en hoeft niet in de breedte zichtbaar te zijn.
Standpunt
Joker
Wij kiezen hier voor de joker, omdat de mate van ‘achterstand’ afhankelijk is van het referentiekader en het type zorginstelling. Sommige instellingen lopen voorop in pilotprojecten, terwijl anderen juist inzetten op stabiele implementatie. Innoveren gaat niet alleen om technologie, maar ook om cultuur, mensen en verandervermogen. Wij geloven dat het belangrijker is om consistent en doordacht te bouwen aan AI-vaardigheid.
Stelling 6
Iedere zorginstelling moet een centraal AI team hebben
Het idee dat elke zorginstelling een eigen AI-team moet hebben, legt de lat onnodig hoog en is niet realistisch voor alle typen zorgorganisaties.
Overwegingen
- Schaalgrootte: Van kleine huisartsenpraktijken kan niet verwacht worden dat zij een volledig AI-team opzetten.
- Efficiëntie: Het opzetten van AI-teams in iedere instelling leidt tot versnippering en dubbel werk.
- Toegankelijkheid: Het is wel belangrijk dat instellingen toegang hebben tot gespecialiseerde AI-expertise.
- Kennisdeling: Centrale of regionale hubs kunnen zorginstellingen beter ondersteunen met richtlijnen, expertise en training.
Standpunt
Oneens
Wij zijn het oneens met deze stelling. Het eisen van een AI-team in iedere zorginstelling is niet uitvoerbaar en zelfs onwenselijk. Je kunt niet verwachten dat ook de huisarts op de hoek of een kleine zorgaanbieder de capaciteit heeft om zo’n team te onderhouden. Wat wél noodzakelijk is, is dat iedere zorginstelling toegang heeft tot gespecialiseerde AI-kennis en ondersteuning. Dit kan via gezamenlijke expertisecentra, regionale samenwerkingen of landelijke organisaties. Daarnaast is het belangrijk dat instellingen hulp krijgen bij het ontwikkelen van richtlijnen voor verantwoord gebruik, en dat zorgverleners voldoende training krijgen om AI op een veilige en effectieve manier in te zetten. Zo wordt AI breed toegankelijk, zonder dat iedere organisatie zelf een team hoeft op te tuigen
Stelling 7
Weerstand tegen AI komt voort uit angst en onwetendheid
Deze stelling veronderstelt dat weerstand tegen AI voortkomt uit emotie of een gebrek aan kennis.
Overwegingen
- Niet alle weerstand is irrationeel — voorzichtigheid is soms terecht.
- Negatieve ervaringen of onzorgvuldige pilots kunnen wantrouwen versterken.
- Transparantie en educatie kunnen weerstand verminderen.
Standpunt
Oneens
Wij zijn het deels oneens met deze stelling. Hoewel onwetendheid en angst voor technologie zeker een rol kunnen spelen bij weerstand, onderschatten we het gesprek als we alle weerstand daarop terugbrengen. Voorzichtigheid kan ook voortkomen uit professionele verantwoordelijkheid, ethische vragen of eerdere negatieve ervaringen. Daarnaast zijn er soms 'AI cowboys' — voortrekkers die te snel willen — wat juist leidt tot afkeer bij anderen. Bij Aigency vinden we het belangrijk om deze signalen serieus te nemen en tijd te geven om vertrouwen op te bouwen.