Een ouder AI-model van OpenAI, o1-preview uit 2024, diagnosticeerde patiënten op de spoedeisende hulp nauwkeuriger dan twee ervaren artsen. Dat blijkt uit een Harvard-studie die deze week in Science is gepubliceerd. Voor ondernemers is de les niet dat AI dokters gaat vervangen, maar dat routinematige analyse van complexe data – in welke sector dan ook – sneller en beter kan met AI.

Wat er aan de hand is

In de studie kregen het AI-model en twee artsen 76 echte spoedgevallen voorgelegd. Het model gaf in 67,1 procent van de gevallen de juiste diagnose bij de eerste triage, tegenover 55,3 en 50,0 procent voor de twee artsen. De beoordelaars die de diagnoses scoorden, konden niet zien welke van een arts of van de AI afkomstig waren. In één geval signaleerde de AI een zeldzame vleesetende infectie bij een transplantatiepatiënt, ongeveer twaalf tot 24 uur voordat de behandelend arts het ontdekte. Het gebruikte model, o1-preview, is inmiddels alweer een generatie oud.

Wat dit betekent

Deze studie laat zien dat AI niet alleen goed is in het beantwoorden van algemene vragen, maar ook in het doorploegen van complexe, ongestructureerde data – in dit geval de ruwe tekst uit elektronische patiëntendossiers. Voor ondernemers is de parallel helder: veel bedrijven hebben stapels data in de vorm van klantnotities, logboeken, offertes of financiële overzichten. Het handmatig analyseren daarvan kost tijd en is foutgevoelig. Als een AI-model van een jaar oud al beter presteert dan specialisten in een stressvolle omgeving als de spoedeisende hulp, dan is de kans groot dat het ook in jouw bedrijf administratieve lasten kan verlichten. Niet door mensen te vervangen, maar door hen te ondersteunen bij het vinden van patronen en uitzonderingen.

Hoe je dit kunt toepassen

Als je een team aanstuurt dat veel met klantdata werkt. Denk aan een klantenservice of salesafdeling die dagelijks gespreksnotities, e-mails en tickets verwerkt. Je zou kunnen overwegen om een AI-tool in te zetten die deze teksten doorzoekt op terugkerende problemen, signalen van ontevredenheid of kansen voor upsell. Het model uit de studie deed precies dat: het las ruwe tekst en trok daar conclusies uit. Een optie is om een proef te draaien met een AI-assistent die wekelijks een samenvatting maakt van de belangrijkste thema’s uit jullie klantcontact.

Als je in een sector werkt met veel rapportage of kwaliteitscontrole. Bijvoorbeeld in de logistiek, productie of financiële dienstverlening. Overweeg om AI in te zetten voor het controleren van standaardrapporten op afwijkingen. Net zoals de AI in de studie een zeldzame infectie eerder oppikte dan de arts, kan een model in jouw bedrijf afwijkende cijfers of patronen signaleren die een mens zou missen. Begin met één specifiek rapport dat veel handmatige controle vraagt en test of AI de uitzonderingen er sneller uit haalt.

Als je administratieve processen hebt die veel handmatige interpretatie vereisen. Denk aan het verwerken van offertes, contracten of facturen. Een mogelijkheid is om een AI-model te trainen op een set van honderd eerdere documenten, zodat het leert welke informatie cruciaal is. Het model uit de Harvard-studie gebruikte alleen de ruwe tekst uit dossiers, zonder extra structuur. Dat betekent dat je niet per se een perfect georganiseerde database nodig hebt om te beginnen. Een simpele export van teksten kan al voldoende zijn voor een eerste test.

Als je twijfelt of AI wel betrouwbaar genoeg is voor jouw type werk. De studie laat zien dat de beoordelaars het verschil niet zagen tussen AI en mens. Dat is geen garantie, maar wel een indicatie dat de kwaliteit van AI-analyse inmiddels serieus genomen moet worden. Je zou kunnen beginnen met een situatie waarin de AI een tweede mening geeft, zonder dat het beslissingen overneemt. Zo bouw je vertrouwen op voordat je de inzet vergroot.

Bron: Therundown (https://www.therundown.ai/p/ai-shows-its-skills-in-the-emergency-room)