Talegenkendelse på danske sygehuse: Implementeringskrise, ikke AI-fiasko

En ny ph.d.-afhandling har påpeget et pinligt problem: talekendelsessoftware på to danske sygehuse blev ikke til tidsbesparelse for lægerne. Tværtimod blev de konstant afbrudt – omkring 40 gange pr. vagt – for at rette fejl i de automatisk transskriberede patientnoter. Det er bekymrende, og ifølge Ingeniøren fortjener denne forskning at blive taget seriøst.

Men her skal der skabes klarhed: undersøgelsen dokumenterer et implementeringsproblem, ikke et fundamentalt AI-problem. De læger, der blev evalueret, blev reelt tvunget til at levere gratis træningsdata til softwareleverandøren uden at vide, hvorvidt det gjorde nogen forskel. Det er ikke acceptabelt arbejdsgangsdesign.

Fejlet er menneskets, ikke algoritmens

Når talegenkendelse ikke virker på sygehuse, skyldes det sjældent, at teknologien er principielt brudt. Det handler næsten altid om, hvordan løsningen bliver implementeret. Blev læger taget med i planprocessen? Blev systemet kalibreret til dansk medicinalterminologi? Blev supportstrukturen sat op, før rollout begyndte?

Studiet viser tilsyneladende et nej til alle disse spørgsmål. Lægerne blev afbrudt konstant, hvilket gjorde deres arbejde værre, ikke bedre. Det skyldes ikke AI-teknologien – det skyldes en implementering, der ikke respekterede slutbrugernes arbejdsbetingelser.

Løsningen ligger i bedre praksis

For at få talegendelse til at fungere på danske sygehuse kræves det en helt anden tilgang. Teknologien skal præcis-justeres til kontekst. Læger skal være pilotbrugere fra dag ét, ikke test-objekter. Og leverandører må ikke bruge sundhedsvæsenet som gratis træningslaboratorium uden explicit aftale om værdi.

AI-løsninger i sundhedssektoren er ikke en død ende. Men de dør, når implementeringen negligeres og slutbrugerne bliver ignoreret. Det er lektien her – ikke at AI ikke kan hjælpe, men at vi skal blive meget bedre til at implementere det.