Å bygge tillit til AI-genererte kliniske notater

Tillit til AI-genererte kliniske notater bygges ikke passivt over tid. Den krever aktivt engasjement: å lese nøye, redigere der det trengs, og bygge opp praktisk kunnskap om hvor verktøyet er pålitelig og hvor det ikke er det.

Klinikere stiller spørsmål ved sine notater etter å ha tatt i bruk en AI-assistent, og det er en rasjonell respons

Ubehaget mange klinikere opplever etter å ha tatt i bruk en AI-dokumentasjonsassistent gjenspeiler et reelt rolleskifte: fra forfatter til korrekturleser. Når en kliniker skriver et notat manuelt, er selve skrivingen en form for verifisering. Hver setning krever aktiv gjenkalling og bevisste ordvalg. Når en AI-assistent genererer notatet, hoppes denne kognitive sløyfen over, og med det forsvinner noe av den opplevde sikkerheten om at journalen faktisk gjenspeiler det som skjedde.

En prospektiv kvalitetsforbedrende studie publisert i JAMA Network Open blant 46 klinikere i 17 spesialiteter fant at AI-genererte notater reduserte den kognitive innsatsen dokumentasjon krever, men tilbakemeldingene på notatkvalitet var blandede. Noen opplevde notatene som nøyaktige og detaljerte; andre fant dem feilaktige og krevende å redigere. Hvor mye tillit den enkelte kliniker utvikler, avhenger av det spesifikke verktøyet, den kliniske konteksten og egne korrekturvaner. En rammeverksstudie fra 2025 i PMC om klinikertillit og kalibrering av AI-tillit pekte på to hovedbarrierer: utilstrekkelig åpenhet om hvordan verktøyet fungerer, og dårlig samsvar med virkelige beslutningsprosesser. Når klinikere ikke lett kan spore en formulering tilbake til noe de faktisk sa under konsultasjonen, svekkes tilliten til resultatet.

En artikkel fra 2025 i The American Journal of Medicine bemerket at minst to tredjedeler av legene ser på kunstig intelligens som noe positivt for sin praksis, men advarte om at innføring uten tilstrekkelig validering medfører reelle risikoer, blant annet unøyaktige resultater og algoritmisk skjevhet. Å være klar over disse risikoene gjør det innledende tillitsgapet til en rasjonell og faglig hensiktsmessig respons.

Å stole på verktøyet er ikke det samme som å stole på notatet

Et viktig skille blir ofte blandet sammen: tillit til verktøyet som produkt er ikke det samme som tillit til hvert enkelt notat det produserer.

Å stole på verktøyet betyr å ha tillit til at det overholder relevante regler, ivaretar datasikkerhet og er generelt pålitelig. I en europeisk klinisk kontekst innebærer dette å forstå om produktet oppfyller kravene i EUs forordning om medisinsk utstyr (Medical Device Regulation), og om datahåndteringen er i samsvar med EUs personvernforordning (General Data Protection Regulation). Dette er spørsmål som besvares på organisasjons- eller innkjøpsnivå, ikke ved omsorgspunktet.

Å stole på resultatet, et bestemt notat generert under en bestemt konsultasjon, krever at klinikeren leser notatet, sammenligner det med sin erindring av møtet og gjør en faglig vurdering av om det nøyaktig gjenspeiler det som skjedde. Store språkmodeller er AI-systemer som genererer tekst basert på mønstre i store datamengder, og en artikkel fra 2025 i NEJM AI om hallusinasjoner i store språkmodeller i kliniske dokumenter beskrev unøyaktigheter som en strukturell barriere for innføring. Klinisk årvåkenhet er den viktigste mekanismen for å fange opp feil, og å utøve den er et faglig ansvar.

Et styringsrammeverk publisert i Healthcare (Basel) i 2026 om epistemisk autoritet i resultater generert av store språkmodeller argumenterte for at spørsmålet om hva slags kunnskap et AI-resultat representerer, forblir ubesvart i gjeldende etiske rammeverk. Den praktiske konsekvensen er likevel klar: notatet må gjennomgås og godkjennes av den ansvarlige klinikeren før det kan betraktes som ferdig.

Hva faglig tilstrekkelighet faktisk innebærer for AI-genererte notater

En av grunnene til at klinikere sliter med å stole på AI-genererte notater, er at det mangler en klar målestokk. Uten en definert standard kan ethvert avvik fra notatet en kliniker selv ville ha skrevet, føles som en feil, selv når det ikke har noen klinisk betydning.

En fagfellevurdert studie fra 2025 i Frontiers in Artificial Intelligence som direkte sammenlignet AI-genererte kliniske notater med legeskrevne notater, fant at AI-notater presterte bedre på grundighet og organisering, mens legenotater scoret høyere på nøyaktighet og intern konsistens. Fullstendighet og presisjon er separate dimensjoner: et notat kan være velstrukturert og likevel inneholde en faktisk unøyaktighet som må korrigeres. Korrekturlesning kan derfor ikke erstattes av en generell tillit til at verktøyet pleier å gjøre det bra.

Realistiske kvalitetskriterier for AI-assistert klinisk dokumentasjon kan formuleres slik: notatet gjengir korrekt den aktuelle problemstillingen, undersøkelsesfunn og klinisk resonnement; seksjonene følger en logisk rekkefølge i tråd med den kliniske konteksten; ingenting vesentlig er utelatt, og ingenting er lagt til som ikke ble diskutert; der SNOMED- eller ICD-koder brukes, samsvarer de med det dokumenterte kliniske innholdet (se også kliniske kodefeil og pasientsikkerhet); og notatet ville vært forsvarlig hvis det ble gjennomgått av en kollega, en klinisk leder eller et tilsynsorgan.

Standarden er faglig tilstrekkelighet, ikke stilistisk likhet med notater klinikeren ville skrevet selv.

En korrekturlesningsvane som gjenoppretter eierskap

Den mest pålitelige veien til tillit er en konsekvent og enkel korrekturlesningsrutine som klinikeren bruker på hvert notat før det legges inn i journalsystemet. En kartleggingsgjennomgang publisert i PMC i desember 2024 pekte på åpenhet, klinikerautonomi og tilstrekkelig opplæring som de tre forutsetningene for at klinikere skal stole på AI-dokumentasjonsverktøy. En strukturert korrekturlesningsvane støtter direkte to av disse tre.

I praksis betyr det å lese notatet i sin helhet, ikke bare skumme gjennom det, og sjekke at det kliniske resonnementet gjenspeiler den faktiske beslutningsprosessen, ikke en plausibel rekonstruksjon. Medisiner, doser og undersøkelsesresultater bør verifiseres eksplisitt. Redigeringer bør gjøres aktivt, selv når endringene er små.

Selve redigeringene er viktige. Hver korrigering er en liten handling av forfatterskap som styrker klinikerens forhold til journalen. Over tid endrer korrekturlesningsprosessen karakter: fra å føles som kvalitetskontroll av andres arbeid til å bli den siste fasen av klinikerens egen dokumentasjonsprosess.

Hvordan gjentatt bruk rekalibrerer klinisk dømmekraft

Tillit til en AI-dokumentasjonsassistent utvikler seg ikke jevnt og lineært. De fleste klinikere rapporterer en innledende periode med økt gransking, etterfulgt av gradvis rekalibrering etter hvert som mønstre begynner å tre frem. Dette er utviklingen av kalibrert tillit, som skiller seg fra både blind avhengighet og refleksiv mistro.

Med erfaring lærer klinikere at AI-assistenten håndterer visse konsultasjonstyper med høy pålitelighet, som strukturerte oppfølginger, medikamentgjennomganger og enkle akutte problemstillinger, mens den presterer mindre konsekvent i komplekse konsultasjoner med flere samtidige sykdommer eller der det kliniske resonnementet er nyansert og ikke-lineært. Å kjenne disse mønstrene gjør det mulig å tilpasse korrekturlesningsinnsatsen: grundigere gjennomgang der verktøyet er kjent for å slite, lettere gjennomgang der det konsekvent leverer godt.

En rask gjennomgang publisert i JMIR AI i 2025 som oppsummerte virkelige erfaringer med digitale skriveassistenter, konkluderte med at slike verktøy viser lovende resultater når det gjelder å redusere dokumentasjonsbyrden og øke klinikertilfredshet, men at dokumentasjonsgrunnlaget fortsatt er begrenset. Kalibrert tillit bør derfor forbli responsiv til bevis, både klinikerens egne erfaringer og den voksende forskningsbasen.

Teamkultur og kollegenes rolle i tillitsbyggingen

Individuell tillit til AI-generert dokumentasjon utvikler seg ikke i et vakuum. Team som snakker åpent om AI-assistert dokumentasjon, og deler eksempler på notater som krevde betydelig redigering eller situasjoner der verktøyet presterte uventet godt, bidrar til å normalisere tilpasningsperioden. Når en kliniker hører at en respektert kollega også syntes de første ukene var ubehagelige, omdefineres den erfaringen som et forutsigbart stadium snarere enn en personlig svikt.

Seniorleger spiller en særlig viktig rolle her. Når erfarne utøvere synlig leser, redigerer og diskuterer AI-genererte notater som en naturlig del av dokumentasjonspraksisen, etablerer de en teamnorm om at aktivt engasjement med AI-resultater er forventet og faglig. Der notater aksepteres uten gransking fordi seniorpersonell ser ut til å gjøre det, oppstår det en kulturell risiko som er vanskelig å reversere når den først er etablert.

Kommentaren i American Journal of Medicine om tillit og verdi i AI-drevet medisin argumenterte for at en vellykket innføring av kunstig intelligens krever tillit blant alle helseaktører, ikke bare mellom klinikere og verktøy, men også mellom klinikere og institusjoner, og klinikere imellom. Teamkultur er følgelig en del av selve infrastrukturen for innføring, ikke en sekundær faktor.

Når bekymringer om notatkvalitet bør eskaleres

Rutinemessig redigering av AI-genererte notater er forventet og krever ikke eskalering. Det viktige skillet går mellom individuelle korrigeringer og feilmønstre som tyder på et systematisk problem med verktøyet, konfigurasjonen eller den kliniske konteksten det brukes i.

Bekymringer som bør løftes til en klinisk leder, IT-team eller AI-leverandør er blant annet: gjentatte faktiske unøyaktigheter av samme type; notater som konsekvent utelater en bestemt kategori av klinisk informasjon; resultater som ser ut til å gjenspeile en annen konsultasjon enn den som ble registrert; kliniske koder som konsekvent er feilanvendt i en bestemt spesialitet; og ethvert tilfelle der et unøyaktig notat kom inn i journalsystemet uten korrigering og fikk kliniske konsekvenser i ettertid.

Artikkelen i NEJM AI om faktaverifisering i dokumenter generert av store språkmodeller bemerket at hallusinasjoner, det vil si plausible men faktisk feilaktige utsagn, utgjør en strukturell risiko i AI-generert klinisk dokumentasjon. Når en kliniker identifiserer det som ser ut til å være en hallusinasjon, er det informasjon som leverandøren og den kliniske styringsgruppen trenger for å vurdere om problemet er isolert eller systemisk. Å eskalere slike bekymringer er et faglig ansvar.

Klinikerens ansvar forblir uendret

Uavhengig av hvordan et klinisk notat ble generert, har klinikeren som signerer det fullt faglig og juridisk ansvar for innholdet. Det gjelder like mye for notater skrevet for hånd, diktert til en menneskelig skriveassistent eller generert av en AI-assistent.

I en europeisk klinisk kontekst er AI-dokumentasjonsverktøy som oppfyller definisjonen av medisinsk utstyr underlagt EUs forordning om medisinsk utstyr. Denne forordningen stiller krav til sikkerhet, ytelse og overvåking etter at produktet er satt på markedet. EUs personvernforordning regulerer hvordan pasientdata behandles og lagres, inkludert krav til datalagring som er særlig relevante når AI-systemer behandler lyd fra konsultasjoner eller transkripsjoner. Klinikere trenger ikke å være eksperter på disse regelverkene, men institusjonens bruk av et AI-dokumentasjonsverktøy bør være støttet av dokumentert etterlevelse av begge.

Styringsrammeverket publisert i Healthcare (Basel) om epistemisk autoritet og ansvar i resultater generert av store språkmodeller argumenterte for at gjeldende rammeverk lar kritiske spørsmål om ansvarlighet stå ubesvart, særlig spørsmålet om hvem som bærer ansvaret når et AI-generert resultat inneholder en feil som får kliniske konsekvenser. Den praktiske og faglige posisjonen er likevel klar: klinikeren er ansvarlig for det som står i journalen, og korrekturlesning er derfor obligatorisk. En kommentar fra RAND om AI-genererte medisinske notater bemerket at opptil 30 prosent av legepraksisser har tatt i bruk AI-dokumentasjonsverktøy, og pekte på kjente risikoer som skjevhet, hallusinasjoner og dårlige treningsdata som faktorer klinikere må forholde seg til. Faglig ansvarlighet er det som sikrer at disse risikoene håndteres ved omsorgspunktet, ikke bare ved innkjøp.

Dokumentasjonsbyrden som AI-verktøy er utviklet for å redusere, er reell, og bevisene for at de kan redusere den, vokser. Klinikerens rolle i prosessen er endret, men ikke eliminert. Klinikere som behandler korrekturlesning som en faglig handling snarere enn en administrativ formalitet, oppnår oftere en stabil og kalibrert tillit til sine notater, noe som gagner både dem og pasientene de har ansvar for.

Ofte stilte spørsmål

▶ Hvorfor føler klinikere seg usikre på AI-genererte kliniske notater selv når notatene ser nøyaktige ut

Manuell skriving fungerer som en innebygd verifiseringsloop: klinikeren gjenkaller aktivt og velger hvert ord. Når AI-en overtar selve skrivingen, forsvinner denne loopen, og usikkerheten som oppstår er faglig fornuftig. Det hjelper å anerkjenne at ubehaget signaliserer årvåkenhet, ikke manglende tilpasningsevne.

▶ Hva er forskjellen mellom å stole på et AI-dokumentasjonsverktøy og å stole på et spesifikt notat det produserer

Tillit til verktøyet handler om regulatorisk etterlevelse og datasikkerhet, spørsmål avgjort på organisasjonsnivå. Tillit til et enkelt notat avgjøres ved omsorgspunktet, gjennom klinikerens egen gjennomgang av det konkrete resultatet. De to vurderingene er uavhengige av hverandre og krever ulike former for innsats.

▶ Hvordan ser et godt AI-generert klinisk notat faktisk ut

En studie i Frontiers in Artificial Intelligence fra 2025 fant at AI-notater scoret høyere på grundighet og organisering enn legenotater, mens legenotater scoret høyere på nøyaktighet. Et godt notat treffer begge dimensjonene: fullstendig og presist. Stilistisk likhet med klinikerens egne notater er ikke et relevant kriterium.

▶ Hvordan kan klinikere bygge en korrekturlesningsvane som gjenoppretter en følelse av eierskap over AI-genererte notater

Les hele notatet høyt for deg selv før du lagrer det. Å lese høyt tvinger hjernen ut av skumlesingsmodus og gjør det lettere å oppdage setninger som ikke stemmer med det du faktisk sa under konsultasjonen. Selv små redigeringer bidrar til at notatet oppleves som ditt eget.

▶ Forbedres tilliten til en AI-dokumentasjonsassistent med gjentatt bruk

Ja, men ikke jevnt. De fleste klinikere går gjennom en periode med økt gransking før tilliten stabiliserer seg. Det som bygger stabil tillit er mønstergjenkjenning: å lære hvilke konsultasjonstyper verktøyet håndterer godt og hvilke som krever grundigere gjennomgang. Den kunnskapen kommer bare gjennom faktisk bruk over tid.

▶ Hvilken rolle spiller teamkultur i å bygge tillit til AI-assistert dokumentasjon

Teamkultur setter normen for hva som er akseptabel praksis. Hvis seniorleger åpent redigerer og diskuterer AI-genererte notater, signaliserer det at aktiv gjennomgang er forventet. Hvis notater godtas uten gransking fordi det ser ut til å være normen, er den kulturelle risikoen vanskelig å reversere når den først er etablert.

▶ Når bør en kliniker eskalere bekymringer om AI-generert notatkvalitet

Enkeltkorrigeringer hører til den daglige arbeidsflyten. Eskalering er aktuelt når du ser gjentatte feil av samme type, konsekvent utelatelse av en bestemt informasjonskategori, kliniske koder som er feilanvendt på tvers av flere konsultasjoner, eller et tilfelle der et unøyaktig notat fikk kliniske konsekvenser etter at det ble lagt inn i journalsystemet.

▶ Hvem er juridisk og faglig ansvarlig for innholdet i et AI-generert klinisk notat

Klinikeren som signerer notatet bærer fullt ansvar for innholdet, uavhengig av hvordan det ble produsert. I europeisk klinisk praksis regulerer Medical Device Regulation verktøyet og General Data Protection Regulation datahåndteringen, men ingen av disse overtar klinikerens individuelle ansvar for det som står i journalen.

▶ Hva er tegnene på at en kliniker har utviklet et sunt, modent forhold til sin AI-dokumentasjonsassistent

Et praktisk tegn er at korrekturlesningen går raskt fordi notatet som regel er gjenkjennelig riktig før redigering. Et annet er at klinikeren kan si konkret hvilke konsultasjonstyper som krever ekstra oppmerksomhet. Å signere notatet oppleves da som en reell faglig vurdering, ikke en formalitet man vil ha unna.