AI in de zorg: alles kan | Berenschot artikel

Juist die groei roept een vraag op: waar begin je als organisatie? Om zorgorganisaties te helpen kiezen, hebben we het applicatielandschap in kaart gebracht. De verticale as toont de geschatte impact van het gebruik op een zorgorganisatie; de horizontale as toont de geschatte inspanning voor implementatie van de applicatie. Zo ontstaan vier vakken: snelle winst (linksboven), lage prioriteit (linksonder), grote projecten (rechtsboven) en heroverwegen (rechtsonder).

Spraakgestuurd rapporteren wordt vaak gezien als een praktische eerste toepassing. Het doel is administratieve lasten te verminderen door bijvoorbeeld consulten automatisch om te zetten in gestructureerde verslaglegging in het EPD of ECD.

In het overzicht zien we applicaties van meerdere Nederlandse aanbieders, die inmiddels sectorbreed worden gebruikt:

Uit onderzoek blijkt dat het gebruik van AI voor spraakgestuurd rapporteren in ziekenhuizen geen hype is. Studies binnen de medisch-specialistische zorg laten zien dat AI-verslagen meestal net zo goed zijn als handmatig geschreven verslagen, vooral als het gaat om juistheid en hoeveelheid details (bron: Digizo, Spraakgestuurd rapporteren MSZ, 2026). Internationale wetenschappelijke literatuur bevestigt dit beeld. Onderzoek van Sasseville et al. (2025) laat zien dat AI voor spraakgestuurd rapporteren kan helpen bij het versnellen en vereenvoudigen van medische verslaglegging.

Ook het aantal AI-toepassingen voor capaciteitsplanning en voorspellende analyses neemt toe. Deze applicaties ondersteunen zorgorganisaties bij personeelsinzet, roosteroptimalisatie en het voorspellen van patiëntstromen.

De focus verschuift hier van administratieve verlichting naar structurele sturing. Waar doen zich knelpunten voor in de bezetting? Welke productie wordt verwacht? Waar ontstaan wachttijden of piekbelasting? Dit type AI helpt om deze vragen met data te onderbouwen en scenario’s door te rekenen.

Voorbeelden uit het overzicht zijn:

Waar spraakgestuurd rapporteren vooral tijd vrijspeelt voor zorgprofessionals, richten deze toepassingen zich op betere benutting van schaarse capaciteit. Ze hebben vaak een grotere organisatorische impact, omdat ze ingrijpen op zowel planning, formatie, productieafspraken als financiële kaders. 

Onderstaand AI-ecosysteem-overzicht laat zien dat er nog veel meer AI-toepassingen zijn. Sommige zijn breed toepasbaar in zowel cure als care. Andere zijn gericht op een specifieke sector.

Dit type toepassingen raakt direct aan klinische verantwoordelijkheid. Ze kunnen bijdragen aan betere uitkomsten en efficiëntere inzet van middelen, maar vragen ook om duidelijke afspraken over interpretatie van uitkomsten, continue monitoring en heldere eindverantwoordelijkheid binnen het zorgteam.

Wetenschappers benadrukken dat AI in de zorg niet alleen vraagt om technische ontwikkeling, maar om een volledige cyclus van ontwikkeling, implementatie en monitoring. Zo beschrijven Van de Sande et al. (2022) dat verantwoord gebruik van medische AI pas mogelijk is wanneer verantwoordelijkheden, kwaliteitsbewaking en klinische inbedding goed zijn georganiseerd. AI moet bestuurlijk, organisatorisch en klinisch worden verankerd.

In onze praktijk zien we dat organisaties behoefte hebben aan:

• overzicht in het AI ecosysteem
• heldere prioritering van toepassingen
• een gefaseerde aanpak
• duidelijke governancestructuren
• ondersteuning bij adoptie en gedragsverandering.

AI is daarmee geen los project, maar een veranderopgave. Binnen veel organisaties is spraakgestuurd rapporteren een van de eerste AI-toepassingen. De techniek is beschikbaar en relatief snel te implementeren. In steeds meer EPD’s en ECD’s zit het zelfs al geïntegreerd. Maar zodra de techniek staat, begint het echte werk.

Vaak zien zorginstellingen beginnen met AI als ‘koop een IT-applicatie’. Deze wordt vervolgens gekoppeld aan het EPD of ECD. De IT-afdeling verwacht dan dat zorgprofessionals de applicatie vanzelf gaan gebruiken. En dat de administratieve lasten dalen. Wetenschappelijk onderzoek naar implementatie van AI in de ziekenhuiszorg laat echter zien dat voor succesvolle toepassing meer nodig is. Strohm et al. (2020) noemen bijvoorbeeld workflow-integratie, vertrouwen van zorgprofessionals, duidelijke verantwoordelijkheden, bewijs voor meerwaarde en organisatorische randvoorwaarden als bepalende factoren voor daadwerkelijk gebruik.

De uitdaging ligt dus niet zozeer in het aanbod van AI toepassingen als wel in de vraag hoe je deze goed implementeert. Concreet betekent dit het volgende:

• Werkprocessen aanpassen en duidelijk maken waar AI een rol krijgt.
• Duidelijke afspraken over eindcontrole en verantwoordelijkheid.
• Scholing en begeleiding op de werkvloer, bijvoorbeeld via succescoaches.
• Monitoring van het effect, zoals vermindering van de administratieve lasten bij spraakgestuurd rapporteren.
• Bestuurlijke borging en eigenaarschap.

Zonder deze stappen blijft AI hangen in pilots of incidenteel gebruik en plukt een organisatie er niet de vruchten van. 

AI-applicaties in de zorg zijn breed aanwezig: van spraakgestuurde verslaglegging tot capaciteitsplanning en klinische beslisondersteuning. De kernvraag is vervolgens hoe je als bestuur en managementteam richting geeft. Waar te beginnen? Wat krijgt prioriteit? En hoe zorgt u dat toepassingen daadwerkelijk landen op de werkvloer? Berenschot helpt u graag daarbij.