Hoe blijf je relevant in de wereld van ChatGPT?

Verslag van de lezing, van prof. dr. Frans Feldberg, tijdens het NWVT Jaarcongres.

Slimme zorg

Niet enkel in de tandartspraktijk gaan er doorbraken plaatsvinden in de vorm van kunstmatige intelligentie. Data en AI-gedreven innovatie gaat ook bij zorgverzekeraars en bij de ministeries een essentiële rol spelen die de zorgverlener dient te begrijpen. Wees hierbij niet naïef, maar grijp de kansen aan die deze technologie met zich meebrengt. Doe dit uiteraard op een verantwoorde wijze. Begrijp hoe het werkt om de antwoorden van een chatbot in context te kunnen plaatsen. Vaar niet blind op deze antwoorden, want dat kan natuurlijk problemen veroorzaken.

Bij elke grote wereldwijde verandering worden de relaties tussen individuen, bedrijven en overheden opnieuw uitgevonden. Waar corona in 2020 een kantelpunt was, bevinden we ons nu opnieuw in een fase waarin data en AI die verhoudingen hertekenen.

Voor tandartsen is niet zozeer de vraag: gaat AI mijn werk overnemen, maar veeleer welke tandarts maakt slim gebruik van data en AI en zet hiermee de norm voor mij. Hoe borg je dat je relevant blijft.

Data dentistry: drie toepassingen

De tandheelkunde ontwikkelt zich richting data dentistry. Daarbij onderscheiden onderzoekers drie hoofdtoepassingen:

• Medische data-analyse
  Met AI-toepassingen, bijvoorbeeld gebaseerd op deep learning technology, kunnen ongekende hoeveelheden medische gegevens (taal, spraak, beeld) productief worden ingezet.
• Data-verrijkte klinische care
  Integratie van gegevens van individuen (zoals demografische, sociale en klinische data), zorginstellingen (bijvoorbeeld omgevings- en zorgverlenersdata) en systemen (zoals verzekeraars of regelgeving). Door deze bronnen samen te brengen ontstaat een continu en real-time beeld van gezondheid, gedrag en context. Dit biedt mogelijkheden voor een dieper inzicht in ziekte en gezondheid en ondersteunt een meer gepersonaliseerde, voorspellende en preventieve vorm van zorg.
• Data voor onderzoek
  Door open data en datadeling kunnen onderzoekers gegevens beter vergelijken, hergebruiken en benutten voor innovatie.

Impact van AI

Toch zijn er ook uitdagingen zoals bijvoorbeeld: gebrek aan standaardisatie, AI-geletterdheid, risico op bias en vragen rond privacy en eigenaarschap vormen drempels. Voor de tandheelkunde (en mondzorg in het algemeen) liggen hier duidelijke actiepunten, zoals bijvoorbeeld: vergroten van datatoegang en vermogen om data in kennis om te zetten, veilig en nuttig gebruik aantonen, creëren van omgeving waarin veilig en verantwoord geëxperimenteerd kan worden (‘leren door te experimenteren’), de beroepsgroep opleiden en infrastructuur verbeteren.

Om de impact van AI en data te duiden, introduceert professor Feldberg zes kernbegrippen:

• Datafication
  Steeds meer gegevens worden verzameld. De vraag is: hoeveel data en welke mate van detail in de data heb je nodig om relevant te blijven? Grote techbedrijven, zoals Amazon Healthcare, betreden inmiddels ook de zorgmarkt, verzamelen grote hoeveelheden data in hoge mate van detail.
• Deceptive
  Door xponentiële groei van rekenkracht zijn de effecten ervan moeilijk in te schatten. Zoals bij een lekkage die zich iedere seconde verdubbelt: het gevaar lijkt lang ver weg, tot ineens de volgende verdubbeling maakt dat de hele ruimte onder water staat.
• Machine learning & AI
  Volgens Amara’s Law overschatten we de korte termijnimpact, maar onderschatten we de lange termijn impact van innovaties. AI kan steeds meer, van analyses tot contentgeneratie. Het blijft echter belangrijk te beseffen dat een computer niet “denkt” zoals een mens.
• Intimacy
  Van telefoongegevens naar sociale media naar AI: technologie dringt steeds dieper door in onze denkpatronen en besluitvorming. Steeds meer organisaties zetten AI in om de relaties met hun klanten en andere stakeholders conform hun doelen te beïnvloeden (‘customer intimacy’).
• Democratization
  AI wordt laagdrempelig toegankelijk, waardoor iedereen er gebruik van kan maken en dus ook in potentie kan meebeslissen.
• Disruptie
  Nieuwe spelers veranderen traditionele verhoudingen. Denk aan Philips met radiografische data of Oral-B met apps die poetsgedrag volgen. Gaan we straks naar Phillips voor een nieuwe knie of kan Oral-B een tandartsafspraak plannen?

Relevantie behouden

Hoe blijf je als mondzorgprofessional relevant in deze snel veranderende wereld? Het is niet genoeg om alleen bestaande processen te optimaliseren (exploitatie). Minstens zo belangrijk is exploratie: nieuwe mogelijkheden verkennen, samenwerken met andere disciplines en nadenken over ecosystemen. Denk verder dan de businesscases, durf ook te leren door te experimenteren Ga eens met een leverancier in gesprek of met een ander specialisme. Werk aan AI-geletterdheid, zorg dat je het begrijpt. Ontwikkel binnen je team jullie eigen verhaal rond data- en AI-gedreven innovatie.

Dat laatste is een cruciale stap: begrijpen wat de technologie wel en niet kan. En, begin klein, bijvoorbeeld door in de praktijk samen met het team te verkennen wat data voor jullie kan betekenen. Stel simpele vragen: waarom zou AI ons verder helpen? Welke problemen willen we oplossen? Welke kennis of data hebben we daarvoor nodig?

De spreker verwees hierbij naar de 13 vragen die zijn opgenomen in het ‘Datagedreven Innovatie Canvas’ (Datcan.nl), die tandartspraktijken kunnen helpen om hun eigen verhaal rond data en AI te ontwikkelen, gestructureerd te denken over het waarom, wat en hoe van data- en AI-gedreven innovatie.

Take home message

De centrale boodschap van professor Feldberg is helder: de vraag is niet of je de dingen juist doet, maar of je de juiste dingen doet. Door open te staan voor samenwerking, innovatie en data-gedreven werken, kan de tandarts relevant blijven – ook in een wereld waarin AI het toverwoord lijkt te zijn. De kernboodschap van zijn presentatie was dan ook: Wees niet naïef, succesvolle data- en AI-gedreven innovatie is essentieel om relevant te blijven. Grijp daarom de kansen die data en AI bieden, doe dit op verantwoorde wijze ne borg de randvoorwaarden voor succes.

Frans Feldberg is hoogleraar Data- & AI-Driven Business Innovation bij de KIN-onderzoeksgroep van de School of Business and Economics aan de Vrije Universiteit Amsterdam. Zijn huidige onderzoek richt zich op de vraag hoe organisaties succesvol waarde kunnen creëren uit (big) data, analytics en kunstmatige intelligentie. Hij is directeur van een diverse programma’s voor professionals op het gebied van data- en AI-gedreven innovatie en medeoprichter van het Amsterdam Center for Business Analytics. Daarnaast is hij medeoprichter van Data Science Alkmaar. Als business consultant heeft hij ruime ervaring met de ontwikkeling en implementatie van data- en AI-gedreven businessmodellen, diensten en strategieën voor zowel nationale als internationale bedrijven.

Verslag van de lezing van prof. dr. Frans Feldberg, door Camil Chakir, tijdens het NWVT Jaarcongres.