Kort antwoord
Begin bij één concreet probleem in de zorg dat je zonder het woord AI kunt beschrijven, niet bij de technologie. Toets daarna vijf punten: het probleem, de plek in het zorgproces, de controle op de uitkomst, de verantwoordelijkheid en je data. Kun je die niet beantwoorden, dan is het in onze ogen nog te vroeg om te starten.
Je organisatie wil of moet nadenken over AI. Het ministerie van Volksgezondheid, Welzijn en Sport (VWS), dat het landelijke zorgbeleid vormgeeft, wil de inzet van AI in zorg en welzijn veilig en verantwoord versnellen en is daarvoor een programma gestart. De druk om iets te doen is dus reëel. Het risico is dat je begint bij een tool of aanbod, en niet bij een probleem. Deze blog helpt bestuurders, managers en zorgprofessionals om in vijf vragen te bepalen of en waar AI in hun zorgproces past.
De patiënt- of cliëntreis is het geheel van stappen en contactmomenten die iemand doorloopt, van de eerste hulpvraag tot en met de nazorg. AI in die reis is software die op een of meer van die momenten een taak overneemt of ondersteunt.
AI is geen nieuw begrip in de zorg. VWS noemt medische beeldanalyse en het voorspellen van behandeleffecten op basis van historische gegevens als bekende voorbeelden, en benadrukt dat AI losse software kan zijn, onderdeel van een groter softwarepakket, of verwerkt in medische hulpmiddelen zoals sensoren of apparaten. Nieuw is dat AI op steeds meer plekken in de reis opduikt.
Een AI-idee is pas goed als het probleem scherp is. Kies één probleem van een patiënt, cliënt of zorgverlener dat je kunt beschrijven zonder het woord AI, en bepaal hoe je merkt dat het is gelukt. Wij vinden het doel nog niet scherp genoeg zolang je het alleen kunt beschrijven met de oplossing erin.
Denkbeeldig voorbeeld, alleen om de vorm te laten zien: “Cliënten wachten te lang op een terugkoppeling” is een probleem. “We willen een chatbot” is een oplossing.
Dat sluit aan bij wat VWS schrijft: AI kan bij passende inzet de kwaliteit van zorg verbeteren, de zorg toegankelijker maken en de druk op de arbeidsmarkt verlichten. Wat passend is, kun je alleen beoordelen als het probleem helder is.
Wij vinden dat je moet kijken of het probleem in de zorg zelf speelt, dus bij diagnose, behandeling of begeleiding, en niet alleen in de ondersteuning, zoals administratie. Wie alleen ondersteunende processen aanpakt, laat de vraag liggen waar de zorg zelf beter van wordt.
Het is wel een afweging en geen regel. VWS richt zich zelf op beide kanten, met extra aandacht voor het terugdringen van administratieve lasten. Is je organisatie nog niet ver met AI, dan kan een ondersteunend proces een veilige plek zijn om te leren. Zie het dan als oefening en niet als einddoel.
Een AI-uitkomst moet iemand kunnen beoordelen. Leg daarom vooraf vast wie dat doet, waarop, en wanneer een mens ingrijpt. Het risico dat hierachter zit heet automation bias: de neiging om te veel op automatisch advies te vertrouwen.
Onderzoek wijst in dezelfde richting. Een systematische review uit 2026 in het wetenschappelijke tijdschrift Journal of Healthcare Leadership bekeek studies uit 2015 tot en met 2025 over generatieve AI in de zorg en vond automation bias als terugkerend thema in 10 studies, en deskilling (verlies van vaardigheden) in 9. De auteur beschrijft dat generatieve AI diagnostiek en beslisondersteuning kan verbeteren, maar dat te veel vertrouwen risico’s geeft voor het oordeel van de zorgverlener. Menselijk toezicht, in het Engels human-in-the-loop, noemt de review als een van de maatregelen om dat te beperken. Het is wel één review van één auteur, en de uitkomsten zijn thema’s, geen foutpercentages.
Wat de wet zegt: de Europese AI-verordening (in het Engels AI Act) is de Europese wet voor AI. Voor systemen met een hoog risico vraagt die dat de mensen die toezicht houden zich bewust blijven van de neiging om automatisch op de output te vertrouwen. Organisaties die AI aanbieden of gebruiken moeten er ook voor zorgen dat hun medewerkers voldoende kennis van AI kunnen opbouwen (AI-geletterdheid). Een Europese wijziging uit 2026, de Digital Omnibus, is op 27 juli 2026 in werking getreden en heeft de termijnen verschoven. AI die onderdeel is van een medisch hulpmiddel, een product onder de Europese MDR- en IVDR-regels, moet daardoor vanaf 2 augustus 2028 aan de hoog-risicoregels voldoen. Voor hoog-risico toepassingen op een lijst in de wet, zoals bij werving, onderwijs en kredietbeoordeling, geldt 2 december 2027. Of jouw toepassing hoog-risico is, hangt af van wat je inzet. Laat dat toetsen door een jurist. Dit is geen juridisch advies.
Ons advies: leg per toepassing vier dingen vast: welke uitkomst je beoordeelt, wie dat doet, wanneer een mens ingrijpt en hoe je dat vastlegt. De beoordelaar moet genoeg vakkennis hebben om een fout te herkennen, ook als het antwoord overtuigend klinkt.
Wij vinden dat de zorgprofessional verantwoordelijk is voor de zorg in het individuele geval en het bestuur voor de randvoorwaarden. Dat laatste betekent dat het bestuur regelt wat AI mag doen, hoe de controle is ingericht en welke functies erbij horen. Het helpt om vroeg één eigenaar op bestuursniveau aan te wijzen.
Het eerste deel komt overeen met wat VWS schrijft: AI is nadrukkelijk ondersteunend en de eindverantwoordelijkheid ligt bij de zorgprofessional die de toepassing gebruikt. Het tweede deel is onze eigen lezing.
Ja, als je kunt aanwijzen welke gegevens de toepassing nodig heeft, waar ze staan en of ze eenduidig zijn vastgelegd. Eenduidig betekent dat dezelfde gegevens in dezelfde categorieën en op dezelfde manier worden genoteerd. Kun je dat niet, dan is ordenen volgens ons een beter eerste project dan AI.
Ook VWS ziet dit zo: databeschikbaarheid en datakwaliteit zijn belangrijke randvoorwaarden voor een goede ontwikkeling van AI. Nictiz, de Nederlandse kennisorganisatie die informatiestandaarden voor de zorg ontwikkelt, beschrijft in een artikel uit 2024 de zorginformatiebouwstenen (zibs), waarmee gezondheidsdata uniform wordt vastgelegd en gedeeld.
Hieronder lopen we de vijf vragen langs voor een denkbeeldig geval. Het is een illustratie, geen praktijkcase en geen medisch advies.
Stel: patiënten meten thuis hun bloeddruk met een wearable, en een algoritme geeft de medisch specialist een signaal als waarden buiten afgesproken grenzen komen.
Kun je bij een van de vijf punten geen antwoord geven, dan weet je waar je moet beginnen.
PAQT is een softwareontwikkelaar die zich richt op sectoren waar fouten grote gevolgen hebben, zoals de zorg. Wij bouwen zelf software, dus we kijken er niet van een afstand naar. Die achtergrond bepaalt onze volgorde: eerst het probleem en de controle, dan pas de techniek. Onze collega Pieter van Weijen, business development manager, sprak er onlangs over met het vakmagazine ICT&health, in een interview (Premium): AI integreren in de patiënt- en cliëntreis. Wil je het kort lezen, dan staat de kern in ons nieuwsbericht.
Wie met AI begint, doet er goed aan eerst te toetsen of het probleem scherp is en de verantwoordelijkheid is belegd. De techniek komt daarna. Dit is een kader voor je eigen afweging, geen vaste route. Regelgeving verandert, dus controleer de actuele stand voordat je erop bouwt.