13
min leestijd
AI-documentatie in gemeentelijke gezondheidszorg: beoordelingskader
Kader voor Europese gemeenten die AI-documentatieondersteuning evalueren in gemeentelijke gezondheidsprogramma's. Behandelt MDR, AVG/GDPR, beveiliging, workflow-integratie en governance

Gemeentelijke volksgezondheidsprogramma's werken anders dan ziekenhuizen of huisartsenpraktijken. Ze zijn verspreid over locaties, worden geleid door verpleegkundigen, draaien op korte informele contacten en hebben te maken met wisselende connectiviteit. Dat maakt een apart evaluatieraamwerk voor AI-documentatie-assistentie noodzakelijk, één dat is afgestemd op deze specifieke context.
Waarom gemeentelijke gezondheidszorg een eigen beoordelingskader vereist
Het wetenschappelijk bewijs voor AI-documentatietools in klinische settings komt vrijwel uitsluitend uit ziekenhuizen en huisartsenpraktijken, contexten met vaste spreekkamers, toegewijde IT-infrastructuur en beschermde tijd voor documentatie. Gemeentelijke gezondheidszorg heeft niets van dat alles. Medewerkers verplaatsen zich regelmatig tussen locaties, de connectiviteit is wisselend en dezelfde persoon fungeert tegelijkertijd als zorgverlener, zorgcoördinator en casemanager.
De analyse van de Europese Commissie over barrières voor AI-implementatie in de klinische praktijk onderscheidt vier categorieën uitdagingen: technologische en data-uitdagingen, regelgevingscomplexiteit, organisatorische en financiële barrières, en sociale en culturele factoren. In gemeentelijke volksgezondheidsprogramma's komen alle vier met bijzondere intensiteit voor en ze versterken elkaar. Een systematische review van factoren die e-health-implementatie beïnvloeden in eerste- en tweedelijnszorg en thuiszorg bevestigt dat succesvolle implementatie afhangt van factoren op het niveau van de technologie, de externe organisatiecontext, de interne uitvoeringscontext én de individuele professional. Gemeentelijke gezondheidsprogramma's omvatten al deze niveaus tegelijk, wat de evaluatieopgave wezenlijk complexer maakt dan in een enkelvoudige ziekenhuissetting.
Wat een AI-documentatie-assistent doet, en wat niet
Voordat een regelgevende of aanbestedingsbeoordeling begint, hebben beheerders een precieze functionele definitie nodig. Een verkeerde classificatie leidt tot nalevingsfouten die lastig te corrigeren zijn.
Een AI-documentatie-assistent in een gemeentelijke gezondheidscontext luistert naar een klinisch gesprek, zet gesproken inhoud om naar tekst via spraak-naar-teksttechnologie en genereert een gestructureerd klinisch verslag. De tool interpreteert geen klinische bevindingen, suggereert geen diagnoses en beveelt geen behandelingen aan. Die functies vallen onder klinische beslissingsondersteuning, waarvoor andere regelgevingsverplichtingen gelden onder zowel de Verordening medische hulpmiddelen (Medical Device Regulation, MDR) als de EU AI Act.
Het raamwerk van The Lancet Primary Care maakt dit onderscheid expliciet via de taxonomie voor digitale gezondheidsinterventies van de Wereldgezondheidsorganisatie (WHO). De praktische test luidt: als het weglaten van de AI-output het klinische oordeel van de zorgverlener onveranderd laat, werkt de tool als documentatie-assistent. Als de output het besluit van de zorgverlener beïnvloedt, werkt hij als klinische beslissingsondersteuning. Dit onderscheid bepaalt welk regelgevingsspoor van toepassing is en dus welke documentatie een leverancier moet kunnen overleggen.
MDR- en AI Act-classificatie: de eerste formele stap
Beheerders moeten de classificatie onder de MDR (Verordening 2017/745) vaststellen vóór elke aanbestedingsbeslissing. De centrale vraag is of de tool bedoeld is voor de diagnose, preventie, monitoring, behandeling of verlichting van ziekte. Een tool die alleen klinische gesprekken vastlegt en structureert zonder de inhoud te interpreteren, valt doorgaans buiten het toepassingsgebied van de MDR. Een tool die klinische aanbevelingen, risicoscores of diagnostische suggesties genereert, valt er wél onder.
De samenloop van de MDR, de Algemene Verordening Gegevensbescherming (AVG) en de EU AI Act betekent dat zelfs een tool die niet als medisch hulpmiddel wordt geclassificeerd, toch verplichtingen kan hebben onder de AI Act als hij wordt ingezet op een manier die klinische beslissingen beïnvloedt. Daar komt een praktisch knelpunt bij: aangemelde instanties, de onafhankelijke organisaties die conformiteitsbeoordelingen uitvoeren, hebben onvoldoende capaciteit om AI-gebaseerde medische hulpmiddelen tijdig te beoordelen, zoals analyse van de gevolgen van de EU AI Act voor de gezondheidszorg aantoont. Beheerders doen er daarom goed aan leveranciers direct te vragen naar de actuele status van hun conformiteitsbeoordeling.
Van elke leverancier moeten beheerders het volgende opvragen: een schriftelijke verklaring van het beoogde doel; bevestiging van de MDR-classificatie met onderbouwing; CE-markeringsdocumentatie indien van toepassing, of een duidelijke uitleg waarom de tool buiten het toepassingsgebied van de MDR valt; en bewijs van betrokkenheid van een aangemelde instantie.
AVG-verplichtingen en gegevensbeheer bij verwerking van patiëntgegevens
Een AI-documentatie-assistent verwerkt bijzondere categorieën persoonsgegevens onder de AVG, namelijk gezondheidsgegevens over identificeerbare personen. Dat activeert de zwaarste laag van AVG-verplichtingen. Gemeenten dragen als verwerkingsverantwoordelijken de primaire verantwoordelijkheid.
Gemeentelijke gezondheidsprogramma's steunen doorgaans op artikel 9(2)(h) van de AVG, verwerking die noodzakelijk is voor preventieve of arbeidsgeneeskunde of de verlening van gezondheidszorg, gecombineerd met artikel 6(1)(e) voor de uitvoering van een publieke taak. De functionaris voor gegevensbescherming (FG) moet bevestigen dat deze grondslag correct is gedocumenteerd. Een verwerkersovereenkomst conform artikel 28 AVG moet er liggen vóórdat gegevens worden verwerkt, met specificatie van het onderwerp, de duur, de aard en het doel van de verwerking, het type persoonsgegevens en de verplichtingen van de verwerkingsverantwoordelijke.
Beheerders moeten contractueel vastleggen dat patiëntgegevens worden opgeslagen en verwerkt binnen de Europese Unie (EU) of de Europese Economische Ruimte (EER), een volledige lijst van subverwerkers met hun locaties opvragen, en bevestigen welke gegevens de tool bewaart na een consult, hoe lang en onder welk beleid voor verwijdering of anonimisering. De Europese Gezondheidsgegevensruimte (EHDS), die in 2025 in werking is getreden, voegt een extra laag gegevensbeheerverplichtingen toe die gemeenten in hun beoordeling moeten meenemen.
Beveiligingsbeoordeling van leveranciers: certificeringen en praktische controles
ISO 27001 is de basiscertificering die beheerders moeten eisen. Deze certificering toont aan dat de leverancier een informatiebeveiligingsmanagementsysteem heeft ingevoerd dat onafhankelijk is geaudit. Beheerders moeten het actuele certificaat, het toepassingsgebied en de datum van de meest recente toezichtaudit opvragen.
Daarnaast moeten beheerders schriftelijk bevestigd krijgen welke medewerkers van de leverancier toegang hebben tot patiëntgegevens en welk auditspoor daarvoor bestaat; of gegevens versleuteld zijn tijdens verzending en in rust; of toegangs- en verwerkingsgebeurtenissen worden gelogd en toegankelijk zijn voor de gemeente; wat de contractuele verplichting is rond het melden van datalekken binnen de AVG-termijn van 72 uur; en hoe vaak onafhankelijke penetratietesten worden uitgevoerd. Nationale kaders voor gegevensbeveiliging in de gezondheidszorg, zoals die worden beheerd door cyberbeveiligingsagentschappen in Frankrijk, Duitsland of Nederland, kunnen aanvullende eisen stellen bovenop ISO 27001. Gemeenten moeten nagaan of hun nationaal kader van toepassing is op gemeentelijke gezondheidsdatasystemen.
Waarom validatie in een ziekenhuis niet volstaat
Een tool die goed presteert in een ziekenhuispolikliniek kan wezenlijk anders presteren in een gemeentelijke gezondheidssetting. Bewijs van validatie in ziekenhuizen is daarmee onvoldoende als bewijs van geschiktheid voor de gemeentelijke context.
De werkwijzen die kenmerkend zijn voor gemeentelijke gezondheidszorg omvatten mobiele en thuisgebaseerde consulten in wisselende akoestische omgevingen, onbetrouwbare of afwezige internetverbinding, en kortere en minder gestructureerde gesprekken dan ziekenhuisafspraken. Medewerkers combineren klinische beoordeling, sociale zorgcoördinatie en volksgezondheidsbewaking binnen één contact en werken vaak op gedeelde of persoonlijke apparaten in plaats van vaste, centraal beheerde ziekenhuisapparaten. Geen van deze kenmerken is marginaal. Ze raken direct aan de kernfunctionaliteit van een spraakherkenningssysteem dat afhankelijk is van akoestische kwaliteit, verbinding en gestructureerde gesprekspatronen.
Beheerders moeten leveranciers specifiek vragen of de tool is getest in gemeentelijke gezondheidszorg, thuiszorg of schoolgezondheidszorgcontexten, en prestatiegegevens uit die settings opvragen. Een implementatiestudie van klinische beslissingsondersteuning in meerdere eerstelijnszorgsettings toonde aan dat gebruiksgericht ontwerp en testen van workflowintegratie bepalende factoren waren voor succesvolle adoptie. Dat weegt zwaarder dan generieke prestatieclaims van leveranciers.
Personeelsrollen, verantwoordelijkheid en verandermanagement
In door verpleegkundigen geleide diensten, wijkverpleegprogramma's en schoolgezondheidsteams zijn de primaire gebruikers geregistreerde verpleegkundigen, wijkverpleegkundigen en gemeentelijke gezondheidswerkers, geen artsen. Training en verandermanagement moeten worden ontworpen voor dit personeelsbestand. Materialen die zijn ontwikkeld voor huisartsen- of ziekenhuiscontexten zijn niet zonder aanpassing bruikbaar.
De zorgverlener die het contact uitvoerde, behoudt volledige professionele en juridische verantwoordelijkheid voor de nauwkeurigheid van elk AI-gegenereerd verslag. Het verslag is een concept ter beoordeling, geen definitief dossier. Dit moet ondubbelzinnig worden gecommuniceerd vóór implementatie en worden opgenomen in trainingsmaterialen.
Een cross-sectioneel onderzoek onder zorgprofessionals over AI-documentatietools toonde aan dat bekendheid met AI-tools en kennis van het beleid van de eigen organisatie beide laag waren, zelfs onder professionals die werkten in settings waar AI-tools beschikbaar waren. Technische training is daarmee noodzakelijk maar niet voldoende. Medewerkers hebben ook begeleide praktijkervaring nodig om het kritische oordeel te ontwikkelen waarmee ze kunnen herkennen wanneer een AI-gegenereerd verslag het klinische contact niet nauwkeurig weergeeft. Het verandermanagementproces moet raadpleging van medewerkers vóór implementatie omvatten, een gefaseerde uitrol met aangewezen early adopters, doorlopende feedbackmechanismen en benoemde klinische leiders voor governance.
Kwaliteitsbeoordeling van klinische verslagen: van pilot tot doorlopende governance
Beheerders mogen de beoordeling van nauwkeurigheid niet volledig aan leveranciers overlaten. Ze moeten vooraf definiëren hoe een bevredigend verslag eruitziet voor elk type contact in hun programma: welke velden aanwezig moeten zijn, welke klinische taal passend is en welke weglatingen een materiële fout zouden vormen.
Een tijdelijk beperkte pilot met een afgebakende groep medewerkers en contacttypen maakt het mogelijk de nauwkeurigheid in de eigen context te beoordelen. De pilot moet een steekproef van echte consulten omvatten over verschillende contacttypen, een onafhankelijke vergelijking van AI-gegenereerde verslagen met door zorgverleners geschreven verslagen, en een gestructureerde registratie van fouten, weglatingen en hallucinaties. Drempelwaarden voor aanvaardbare nauwkeurigheid moeten worden vastgesteld vóórdat de pilot begint, niet achteraf. Doorlopende kwaliteitsbeoordeling van een steekproef van AI-gegenereerde verslagen, uitgevoerd door een klinische governanceleider, moet vanaf het begin worden ingebouwd in het governanceraamwerk.
Taal, dialect en bevolkingsdiversiteit als governanceverplichting
AI-documentatietools die goed presteren in standaard gesproken Nederlands, Duits of Engels kunnen aanzienlijk slechter presteren bij spraak met accent, regionale dialecten of het wisselen tussen talen binnen één gesprek. Voor gemeentelijke gezondheidsprogramma's met een expliciet volksgezondheidsmandaat is dit een kwestie van gelijke dienstverlening. The Lancet Primary Care stelt gelijkheid als kernprincipe voor AI-integratie in gemeentelijke zorg en wijst erop dat tools die voor verschillende bevolkingsgroepen anders presteren, bestaande gezondheidsongelijkheden kunnen vergroten. Dit risico moet worden meegewogen bij de leveranciersselectie, niet pas bij de evaluatie achteraf.
Beheerders moeten leveranciers vragen in welke talen en taalvarianten de tool is gevalideerd, wat het gedocumenteerde nauwkeurigheidsverschil is tussen standaard en niet-standaard spraak, en hoe de tool omgaat met consulten die via een tolk worden gevoerd. Testen moeten medewerkers en patiënten omvatten die de werkelijke bevolkingsdiversiteit van de gemeente vertegenwoordigen, niet alleen de meerderheidstaalgroep.
Technische integratie met medische registratiesystemen en gemeentelijke IT
Technische integratie heeft doorgaans de langste doorlooptijd bij een implementatie. Beheerders doen er goed aan deze beoordeling vroeg op te starten.
De kernvragen zijn: met welke medische registratiesystemen integreert de tool, en via welk mechanisme (directe programmeerinterface (API), HL7 FHIR of een eigen connector); of de tool kan werken binnen de bestaande infrastructuur of dat systeemupgrades vereist zijn, want de analyse van de Europese Commissie noemt versnipperde data-infrastructuur en verouderde systemen als de voornaamste barrière voor AI-implementatie; of de tool offline kan vastleggen en verwerken bij wisselende connectiviteit; en of de output compatibel is met FHIR/HL7-standaarden voor gemeenten die deelnemen aan grensoverschrijdende gegevensuitwisseling, zoals beschreven in een handleiding van het Journal of Medical Internet Research (JMIR) over naleving van de AI Act binnen het MyHealth@EU-raamwerk.
Vóór implementatie moet een volledige datastroomkaart worden opgesteld en beoordeeld door de FG. Die kaart laat zien waar gegevens worden aangemaakt, verwerkt, opgeslagen en verwijderd. Dat is een vereiste onder de AVG én een praktisch instrument voor het beheer van de gehele verwerkingsketen.
Interne governance en aanbesteding: wie wanneer betrekken
Beheerders die de aanbesteding van een AI-documentatie-assistent primair als een technologieaankoop benaderen, lopen doorgaans tegen vertragingen en bezwaren aan die voorkomen hadden kunnen worden.
De FG moet vanaf het begin worden betrokken en een gegevensbeschermingseffectbeoordeling uitvoeren of daarop toezicht houden. Dat is verplicht onder artikel 35 AVG bij grootschalige AI-verwerking van gezondheidsgegevens. Een klinische governanceleider stelt de kwaliteitsnormen vast en houdt toezicht op de pilot. IT en informatiebeveiliging beoordelen de technische integratie en de compatibiliteit met de bestaande infrastructuur. Juridisch adviseurs beoordelen de leverancierscontracten en de aansprakelijkheidspositie van de gemeente onder de MDR, de AI Act en het toepasselijke nationale recht. Financiën en aanbesteding waarborgen de naleving van de regels voor overheidsopdrachten. Vertegenwoordigers van klinisch personeel moeten vanaf het begin worden betrokken bij het vaststellen van vereisten en het ontwerpen van de pilot. De beoordeling van de WHO voor de Europese Regio stelt dat betrokkenheid van belanghebbenden een bepalende factor is voor succesvolle AI-adoptie. Implementaties waarbij klinisch personeel pas laat wordt geconsulteerd, stuiten vaker op weerstand die de uitrol vertraagt of ondermijnt.
De businesscase voor goedkeuring moet de volgende punten behandelen: een gekwantificeerde vermindering van de documentatielast; personeelsbehoud en vermindering van burn-out als argumenten voor duurzame inzetbaarheid; naleving van regelgeving als verplichting voor risicobeheer; de volledige kosten van implementatie inclusief training en doorlopende governance; en de risico's van niet handelen. Het AICare@EU-initiatief en EU4Health-financiering kunnen medefinancieringsmogelijkheden bieden voor gemeenten in lidstaten.
Pre-implementatiechecklist voor gemeentelijke gezondheidsbeheerders
Regelgevende classificatie
Heeft de leverancier een schriftelijke verklaring van het beoogde doel verstrekt?
Is de MDR-classificatie bepaald en gedocumenteerd, inclusief onderbouwing?
Indien CE-gemarkeerd: is het actuele certificaat beschikbaar en geldig?
Is de classificatie van de tool onder de EU AI Act beoordeeld?
AVG en gegevensbeheer
Is een gegevensbeschermingseffectbeoordeling gestart en toegewezen aan de FG?
Is een conforme verwerkersovereenkomst aanwezig vóór livegang?
Heeft de leverancier EU/EER-gegevensopslag bevestigd, inclusief subverwerkers?
Is een datastroomkaart compleet en beoordeeld door de FG?
Beveiliging
Heeft de leverancier actuele ISO 27001-certificering die de relevante systemen dekt?
Zijn toegangscontroles, versleuteling, auditlogs en meldingstijdlijnen voor datalekken schriftelijk bevestigd?
Zijn de vereisten van het nationale kader voor gegevensbeveiliging in de gezondheidszorg beoordeeld?
Workflowaansluiting en klinische kwaliteit
Is de tool getest in gemeentelijke gezondheidszorg, thuiszorg of schoolgezondheidszorgsettings, met beschikbare prestatiegegevens?
Functioneert de tool bij lage connectiviteit of offline?
Zijn drempelwaarden voor aanvaardbare nauwkeurigheid gedefinieerd vóór de pilot, en is een gestructureerd pilotplan aanwezig?
Is doorlopende kwaliteitsbeoordeling ingebouwd in het governanceraamwerk?
Personeelsgereedheid en taal
Is een trainingsprogramma ontworpen voor het specifieke personeelsbestand, inclusief duidelijke communicatie over verantwoordelijkheid voor de nauwkeurigheid van verslagen?
Is er een verandermanagementplan met klinische leiders en feedbackmechanismen?
Is de tool gevalideerd in de talen en dialecten van de gemeentelijke bevolking, inclusief via tolk bemiddelde consulten?
IT-integratie en governance
Is compatibiliteit met het medische registratiesysteem bevestigd en is het integratiemechanisme gedocumenteerd?
Is een technische beoordeling van verouderde systemen voltooid, en is FHIR/HL7-compatibiliteit bevestigd waar relevant?
Zijn alle vereiste interne belanghebbenden betrokken en voldoet het aanbestedingsproces aan de toepasselijke regels voor overheidsopdrachten?
Het bewijs uit de hele WHO Europese Regio laat zien dat gezondheidssystemen op elk niveau nog steeds de bestuurlijke capaciteit opbouwen om te navigeren in de regelgevingsomgeving rond de MDR, de AVG en de EU AI Act. Beginnen met een helder raamwerk, in plaats van een aanpak waarbij de technologie vooropstaat, vergroot de kans op een implementatie die juridisch solide is én daadwerkelijk nuttig voor het personeel en de gemeenschappen die het beoogt te dienen.
Veelgestelde vragen
▶ Waarom hebben gemeentelijke volksgezondheidsprogramma's een apart evaluatieraamwerk nodig voor AI-documentatietools?
Bestaand bewijs is gebaseerd op settings met vaste spreekkamers en stabiele IT. In gemeentelijke gezondheidszorg bepalen wisselende akoestiek, onbetrouwbare verbinding en gecombineerde rollen of een tool in de praktijk werkt. Die factoren zijn niet marginaal: ze raken direct aan de kernfunctionaliteit van spraakherkenning.
▶ Wat doet een AI-documentatie-assistent daadwerkelijk in een gemeentelijke gezondheidssetting?
De tool legt een gesprek vast en genereert een gestructureerd verslag. De praktische test: als het weglaten van de output het klinische oordeel van de zorgverlener onveranderd laat, werkt de tool als documentatie-assistent. Beïnvloedt de output het besluit, dan is er sprake van klinische beslissingsondersteuning met andere regelgevingsverplichtingen.
▶ Hoe is de EU Medical Device Regulation (MDR) van toepassing op AI-documentatietools in gemeentelijke gezondheidszorg?
De MDR-classificatie bepaalt welke documentatie een leverancier moet kunnen overleggen. Vraag vóór aanbesteding altijd een schriftelijke verklaring van het beoogde doel op. Let ook op de capaciteitsproblemen bij aangemelde instanties: een lopende conformiteitsbeoordeling is geen garantie voor tijdige afronding, dus vraag naar de actuele status.
▶ Welke AVG-verplichtingen zijn van toepassing wanneer een gemeente een AI-documentatie-assistent gebruikt om patiëntgegevens te verwerken?
Gemeenten dragen als verwerkingsverantwoordelijke de primaire verantwoordelijkheid. De verwerkersovereenkomst moet er liggen vóór livegang. Vergeet daarbij de Europese Gezondheidsgegevensruimte niet: die is in 2025 in werking getreden en voegt een extra laag gegevensbeheerverplichtingen toe die gemeenten in hun beoordeling moeten meenemen.
▶ Welke beveiligingscertificeringen en controles moeten beheerders eisen van leveranciers van AI-documentatie?
ISO 27001 is het minimum. Vraag het actuele certificaat op, inclusief het toepassingsgebied en de datum van de meest recente toezichtaudit. Nationale kaders voor gegevensbeveiliging in de gezondheidszorg, zoals die van cyberbeveiligingsagentschappen in Frankrijk, Duitsland of Nederland, kunnen aanvullende eisen stellen bovenop ISO 27001.
▶ Waarom kan een in een ziekenhuis gevalideerde AI-documentatietool anders presteren in gemeentelijke gezondheidszorgsettings?
Een implementatiestudie van klinische beslissingsondersteuning in meerdere eerstelijnszorgsettings toonde aan dat gebruiksgericht ontwerp en testen van workflowintegratie bepalende factoren waren voor succesvolle adoptie. Generieke prestatieclaims van leveranciers wegen daartegen niet op. Vraag prestatiegegevens op uit gemeentelijke, thuiszorg- of schoolgezondheidszorgcontexten.
▶ Wie is verantwoordelijk voor de nauwkeurigheid van AI-gegenereerde klinische verslagen in een door verpleegkundigen geleide gemeentelijke gezondheidsdienst?
De zorgverlener die het contact uitvoerde, behoudt volledige professionele en juridische verantwoordelijkheid. Trainingsmaterialen moeten dit ondubbelzinnig vastleggen. Technische instructie over de tool is daarvoor onvoldoende: medewerkers hebben begeleide praktijkervaring nodig om te herkennen wanneer een verslag het consult niet nauwkeurig weergeeft.
▶ Hoe moeten beheerders de nauwkeurigheid van AI-documentatietools evalueren voordat ze deze implementeren in een gemeentelijk gezondheidsprogramma?
Stel acceptatiedrempels voor nauwkeurigheid vast vóórdat de pilot begint. Definieer per contacttype welke velden aanwezig moeten zijn en welke weglatingen een materiële fout vormen. Registreer tijdens de pilot ook hallucinaties, gevallen waarin de AI inhoud genereert die niet is gezegd, want die zijn moeilijker te herkennen dan gewone weglatingen.
▶ Hoe moeten beheerders beoordelen of een AI-documentatietool taalkundig diverse gemeentelijke gezondheidspopulaties kan bedienen?
The Lancet Primary Care stelt gelijkheid als kernprincipe voor AI-integratie in gemeentelijke zorg en wijst erop dat tools die voor verschillende bevolkingsgroepen anders presteren, bestaande gezondheidsongelijkheden kunnen vergroten. Dit risico moet meewegen bij leveranciersselectie. Vraag het gedocumenteerde nauwkeurigheidsverschil op tussen standaard en niet-standaard spraak, inclusief tolkgesprekken.
▶ Welke interne belanghebbenden moeten worden betrokken bij het aanbesteden van een AI-documentatie-assistent voor een gemeentelijk gezondheidsprogramma?
De WHO-beoordeling voor de Europese Regio stelt dat betrokkenheid van belanghebbenden een bepalende factor is voor succesvolle AI-adoptie. Betrek klinisch personeel daarom bij het vaststellen van vereisten, vóór de leveranciersselectie. Implementaties waarbij medewerkers pas laat worden geconsulteerd, stuiten vaker op weerstand die de uitrol vertraagt of ondermijnt.