Da AI-baseret talegenkendelse begyndte at finde vej ind i hospitalsjournalerne, var forventningen, at teknologien ville spare tid og lette dokumentationsarbejdet. Men ny forskning fra Københavns Universitet peger på, at virkeligheden ofte er en anden.
“AI-baseret journalisering skulle effektivisere arbejdet på landets hospitaler. Men i praksis ender læger med at bruge værdifuld arbejdstid på at rette fejl, træne algoritmer og løse administrative opgaver, som før lå hos sekretærerne,” lyder det i en ny pressemeddelelse fra universitetet.
Bag konklusionen ligger en afhandling, som bygger på to års feltstudier på et dansk hospital, hvor forskeren Silja Vase har fulgt læger, sekretærer og it-personale i brugen af automatiseret talegenkendelse.
Læger bruger tid på at rette fejl
Et af de centrale fund er, at AI-systemerne langt fra er fejlfri. Tværtimod kan de skabe et betydeligt merarbejde.
“Den AI-baserede talegenkendelse på hospitaler laver ofte så mange fejl, at lægerne ender med at bruge timer af deres dyrebare tid på at rette ord, sætningsendelser og fagtermer,” fremgår det af pressemeddelelsen.
Ifølge forskeren kan lægerne blive afbrudt mange gange i løbet af en vagt, fordi de løbende må stoppe op og rette i journalteksten.
I hendes beregninger bliver læger afbrudt omkring 602 gange om måneden på grund af rettelser, hvilket i gennemsnit svarer til over 40 afbrydelser per vagt.
AI lærer ikke nødvendigvis af rettelserne
Et andet fund udfordrer en udbredt forestilling om, at AI løbende bliver bedre, når brugerne retter i systemets fejl.
“Problemet er, at de ikke kan se, om deres rettelser faktisk gør en forskel. Systemets statistiske data er ikke tilgængelige for dem, og derfor risikerer de at arbejde i blinde,” siger Silja Vase.
Med andre ord: Lægerne retter fejl og leverer dermed træningsdata til systemet – men de har ingen sikkerhed for, at rettelserne faktisk bliver brugt til at forbedre algoritmen.
I afhandlingen beskrives dette som en form for “pseudo-dataarbejde”, hvor klinikere bruger tid på at forbedre systemet uden at kunne se effekten.
Arbejdet flytter fra backstage til klinikken
Forskningen peger også på en mere strukturel ændring i arbejdsgangene på hospitalerne.
Tidligere var en stor del af journalarbejdet placeret hos lægesekretærer. Med AI-baseret talegenkendelse sker der i stedet en forskydning af arbejdet til lægerne selv.
“Tidligere var det lægesekretærer, der bestilte tider til røntgen og andre undersøgelser i forbindelse med transskribering af lægens noter. Når lægerne selv varetager journaliseringen, overgår disse opgaver imidlertid også til dem,” forklarer Silja Vase.
Afhandlingen beskriver denne udvikling som en bevægelse, hvor klinisk dokumentation flytter fra sundhedsvæsenets “backstage” til “frontstage” hos klinikerne.
Dermed bliver dokumentationsarbejdet mere synligt – men også mere tidskrævende for lægerne.
Teknologi skal tilpasses hospitalerne
Ifølge forskeren peger erfaringerne på et mere grundlæggende problem: AI-systemer implementeres ofte uden at tage højde for de eksisterende arbejdsgange.
“Når AI som fx talegenkendelse skal indføres i sundhedssektoren, er det afgørende, at den bliver tilpasset de eksisterende praksisser og arbejdsgange – ikke omvendt,” siger Silja Vase.
Ellers risikerer hospitalerne at stå med en teknologi, der i stedet for at spare tid skaber nye administrative opgaver.
Store forventninger – mere kompleks virkelighed
Afhandlingen tegner dermed et mere nuanceret billede af AI i sundhedsvæsenet.
Teknologien kan hjælpe med dokumentation, men den fungerer ikke som en simpel automatisering af arbejdet. I stedet ændrer den arbejdsdelingen mellem faggrupper og skaber nye typer opgaver – især for lægerne.
På den led udfordrer forskningen også en udbredt politisk fortælling om, at AI hurtigt kan frigøre klinisk tid i et presset sundhedsvæsen.
