Het antwoord: Uit een Harvard-studie blijkt dat AI nauwkeurigere diagnoses stelt dan spoedartsen in echte spoedeisende-hulpgevallen. Dit betekent niet dat AI dokters vervangt, maar dat ondernemers kunnen leren hoe AI besluitvorming in eigen processen kan verbeteren, van klantdiagnose tot foutdetectie.

Wat er aan de hand is

Onderzoekers van Harvard Medical School vergeleken de prestaties van grote taalmodellen (LLM’s) met die van spoedartsen in echte casussen. Minstens één AI-model scoorde hoger op diagnostische accuratesse dan de menselijke artsen. De studie, gepubliceerd in een medisch vakblad, onderzocht hoe AI presteert in diverse medische contexten, waaronder complexe spoedgevallen. Het nieuws onderstreept een bredere trend: AI-systemen worden steeds beter in patroonherkenning en het wegen van bewijs, vaardigheden die ook buiten de zorg relevant zijn.

Wat dit betekent

Voor ondernemers is de kernles niet dat AI dokters overbodig maakt, maar dat AI in staat is om op basis van dezelfde informatie tot betere conclusies te komen dan een getrainde professional. Dit heeft implicaties voor elke sector waar besluitvorming afhangt van het combineren van meerdere datapunten: van financiële dienstverlening tot logistiek en klantenservice. De studie laat zien dat AI niet alleen sneller is, maar ook systematischer weegt – een eigenschap die bedrijven kunnen inzetten om menselijke fouten te reduceren. Volgens de onderzoekers presteerde de AI beter omdat het minder last had van cognitieve vooroordelen, zoals het vasthouden aan een eerste diagnose.

Hoe je dit kunt toepassen

Als je een klantenserviceafdeling runt die veel vragen krijgt over producten of diensten, overweeg om een AI-model in te zetten als eerste triage. Net zoals de AI in de studie medische klachten analyseerde, kan een model klantvragen wegen op basis van eerdere tickets en productinformatie. Je zou kunnen beginnen met een pilot waarin de AI de meest waarschijnlijke oorzaak van een klacht voorstelt, waarna een medewerker de diagnose controleert. Dit verhoogt de kans dat het echte probleem snel wordt gevonden.

Als je een productiebedrijf leidt waar kwaliteitscontrole een belangrijke stap is, kun je AI inzetten voor foutdetectie. De Harvard-studie toont aan dat AI beter is in het herkennen van subtiele patronen in complexe data. In een fabriek zou een AI-model sensordata kunnen analyseren om afwijkingen te signaleren die een menselijke inspecteur over het hoofd ziet. Een mogelijkheid is om het model te trainen op historische foutmeldingen en het daarna live te laten meekijken.

Als je een team aanstuurt dat complexe beslissingen neemt, zoals inkoop of investeringen, kun je AI gebruiken als second opinion. De studie laat zien dat AI minder last heeft van tunnelvisie. Je zou kunnen afspreken dat bij belangrijke beslissingen het team eerst een eigen analyse maakt, en daarna een AI-model dezelfde data laat beoordelen. Als de uitkomsten afwijken, is dat een signaal om de aannames nog eens te checken.

Als je in de zorg of welzijn werkt en zelf geen arts bent, maar wel diagnoses of inschattingen maakt (bijvoorbeeld in de thuiszorg of paramedische praktijk), overweeg om AI te gebruiken als ondersteunend hulpmiddel. De studie bewijst dat AI in medische contexten betrouwbaar kan zijn. Een optie is om een gevalideerd AI-hulpmiddel te testen voor het beoordelen van intakeformulieren of het prioriteren van cliënten.

Bron: TechCrunch (https://techcrunch.com/2026/05/03/in-harvard-study-ai-offered-more-accurate-diagnoses-than-emergency-room-doctors/)