Gaat AI de personeelstekorten in de zorg oplossen?
Simon Jacobs - Gupta Strategists
Tijdens ons recente event ‘AI in de zorg’ bespraken we de vraag: Kan AI helpen om de personeelstekorten in de zorg op te lossen? Ons korte antwoord: AI kan een belangrijke bijdrage leveren, maar alleen als het ons lukt om productiviteitswinst daadwerkelijk om te zetten in arbeidsbesparing, en als die besparing terechtkomt waar de tekorten het grootst zijn.
De verwachting: AI gaat leiden tot een grote arbeidsbesparing
We staan in Nederland voor een groot personeelstekort in de zorg. Sommige mensen verwachten dat AI een grote rol kan spelen in het ombuigen van personeelstekorten, ook in de zorg. Vandaar onze vraag: Kan AI helpen om de personeelstekorten in de zorg op te lossen?
Hierbij moeten we denken aan een voorspelling van de econoom John Maynard Keynes. Hij voorspelde in 1930 dat we door technologische innovaties – machineproductie en grootschalige opwekking van elektriciteit – op termijn naar een 15-urige werkweek zouden kunnen.
Sinds 1900 heeft iedere generatie aan de vooravond gestaan van een grote technologische innovatie, en gedacht dat deze innovatie veel arbeid zou besparen. Time Magazine voorspelde in 1965 dat de computer zou leiden tot het ‘Helleense ideaal van vrije tijd’. Het internet zou leiden tot ‘Het einde van werk’. En nu voorspellen mensen dat AI meer dan de helft van ons werk gaat overnemen. Tot nu toe is het iedere keer echter niet gebeurd.
Productiviteitswinst en arbeidsbesparing
Wat kunnen we leren van deze historische voorspellingen? Wij denken dat het helpt om te begrijpen waarom eerdere innovaties niet tot grote arbeidsbesparing hebben geleid. Zodat we ook beter begrijpen hoe we AI slim kunnen inzetten om personeelstekorten op te lossen.

De productiviteit is de afgelopen eeuw sterk gestegen (zie figuur 1). Tussen 1950 en 1990 verdrievoudigde de productiviteit bijna, en sinds 1990 is deze nog eens verdubbeld. Dat komt onder andere door technologie: machineproductie, elektriciteit, computers en het internet.
Dit vertaalt zich echter maar beperkt in arbeidsbesparing: ondanks dat het lukt om 80% meer waarde toe te voegen per gewerkt uur, daalt het aantal gewerkte uren per persoon sinds 1990 niet meer. Productiviteitswinst en arbeidsbesparing lijken van elkaar losgekopppeld geraakt.
Waarom leidt productiviteitswinst niet tot minder werk?

Er is een aantal mogelijke verklaringen waarom productiviteitswinst de afgelopen eeuw maar beperkt heeft geleid tot arbeidsbesparing. Waar we meer kunnen, zien we dat we ook meer gaan eisen: we hebben een steeds hogere standaard van leven gekregen. Had in 1930 minder dan 1% van Nederlanders een auto, inmiddels hebben we meer auto’s dan huishoudens, en willen we ook nog eens elke vijf jaar een nieuwe.
In de zorg zien we dit ook. We kunnen steeds meer in de zorg. Het aantal behandelingen, therapieën en geneesmiddelen is de afgelopen eeuw enorm gestegen. Het paradigma daarbij is altijd geweest: zo veel mogelijk zorg leveren, en de levensverwachting zo veel mogelijk verhogen.
De tweede verklaring is dat de productiviteitswinst in de ene sector is opgegaan in nieuw werk in andere sectoren. Ook dit hebben we afgelopen eeuw zien gebeuren. Het aantal mensen dat in de landbouw en maakindustrie werkt is sinds 1950 gedaald, en het aantal mensen met een baan in de dienstensector is explosief gestegen. Dat is ook een vorm van productiviteit, maar het is duidelijk anders dan productiviteit in de maakindustrie.
In de zorg zien we bijvoorbeeld dat, met de opkomst van digitale technologieën, zorgverleners meer tijd kwijt zijn aan administratie. Deze technologieën geven ons meer inzicht in de kwaliteit, toegankelijkheid en betaalbaarheid van zorg, maar het betekent ook dat productiviteitswinsten in het werk van zorgverleners in de afgelopen vijftig jaar teniet zijn gedaan.
De potentie van AI in de zorg
We zien dat er hoge verwachtingen zijn van de mogelijkheden om AI te gebruiken in de zorg. Anthropic, het bedrijf achter onder andere Claude, publiceerde eerder dit jaar een studie over de potentiële impact van AI op het werk van een verpleegkundige. Volgens Anthropic kan AI een aantal taken van een verpleegkundige volledig overnemen: inkopen van producten, plannen van herhaalpoli’s, bijhouden van vitale signalen. Ook is er een groot aantal taken die AI kan versnellen of verlichten: roosters maken, ontslagbrieven schrijven, triëren van patiënten. Ten slotte zijn er sommige taken, zoals praten met een patiënt, een patiënt wassen, of bloed afnemen, waar AI weinig voor een verpleegkundige kan betekenen.
We zien iets soortgelijks in het Aanvullend Zorg- en Welzijnsakkoord (AZWA). De ambitie uit het AZWA is om, tot en met 2028, het arbeidsmarkttekort in de zorg met 100.000 mensen om te buigen. Daarvoor verwachten partijen veel van technologie. De zes modelplannen van het AZWA zetten onder andere in op capaciteitsplanning, spraakgestuurd rapporteren, AI-gedreven beslisondersteuning en digitale triage. De verwachtingen hebben met name betrekking op administratieve handelingen, ondersteuning, en ‘klinisch redeneren’ (bijvoorbeeld triage). Voor het klinisch handelen zelf blijven de technologische oplossingen grotendeels achter.
De productiviteitswinst door AI komt niet (volledig) terecht waar de grote tekorten zijn
Als we de verwachte productiviteitswinst door AI koppelen aan de tijdbesteding van zorgverleners, en aan de daadwerkelijke tekorten in de zorg, dan zien we iets interessants en verontrustends. Stel dat we de optimistische inschattingen over productiviteitswinst van onder andere Anthropic als uitgangspunt nemen. En stel dat we er ook van uitgaan dat het ons lukt om productiviteitswinst om te zetten in arbeidsbesparing. Dan zien we dat de productiviteitswinsten niet terecht komen bij de beroepen met de grootste tekorten:

Artsen (inclusief specialisten ouderengeneeskunde, psychologen en psychiaters) zijn veel tijd bezig met klinisch redeneren en administratie. Hier kan AI leiden tot grote productiviteitswinst, en daarmee een grote impact hebben op het verwachte tekort. Maar verpleegkundigen zijn veel tijd kwijt met klinisch handelen, en daar is de potentie van AI veel kleiner. Terwijl de tekorten aan verpleegkundigen juist het grootste zijn. Dit gaat AI niet oplossen. In de ondersteunende diensten in de zorg is de potentie het grootst, maar hier zijn de tekorten relatief beperkt.
Deze grafiek roept een aantal vragen op. Aan de ene kant zien we dat AI een grote bijdrage kan leveren aan het oplossen van personeelstekorten in de zorg, als het lukt om een grote productiviteitswinst te behalen én om deze om te zetten in arbeidsbesparing. Aan de andere kant zien we dat de arbeidsbesparing niet (volledig) terechtkomt waar de tekorten het grootst zijn. Gaan we dan mensen uit de ondersteunende diensten omscholen tot verpleegkundigen?
Overigens willen wij een kanttekening plaatsen bij de verwachte besparingen op ondersteunende diensten. Er wordt vaker gezegd dat hier grote besparingen mogelijk zijn, maar in de praktijk blijkt dit vaak niet vanzelfsprekend. Als we met AI vijf keer zo snel een e-mail kunnen schrijven, betekent dat dan dat we straks vijf keer minder tijd besteden aan e-mail? Of krijgt iedereen vijf keer zo veel e-mails? Dit vraagt iets van bestuurders: het stellen van duidelijke doelen, en sturen op impact.
Wat willen we dat het toekomstbeeld is?
We zien in de geschiedenis dat de verwachtingen van productiviteitswinst en arbeidsbesparing vaak hooggespannen zijn, maar dat het om meerdere redenen niet lukt om deze te realiseren. En we zien dat AI kan bijdragen aan het oplossen van personeelstekorten in de zorg, maar alleen als het lukt om productiviteitswinst daadwerkelijk om te zetten in arbeidsbesparing, en als we kunnen zorgen dat deze besparingen op de juiste plaats terechtkomen.
We zien dat verwachtingen soms ook zelf-vervullend zijn. Als wij verwachten dat AI tot bepaalde resultaten gaat leiden in de zorg, dan gaan we mogelijk ook zo handelen dat deze resultaten er komen. Dus wat hopen we eigenlijk dat er gaat gebeuren met betrekking tot AI en arbeidsbesparing in de zorg?
Wat we aan tafel hoorden
We spraken met bestuurders van zorgorganisaties en zorgverzekeraars, over hun verwachting en hoop voor AI en arbeidsbesparing in de zorg. Diezelfde avond maakten we met behulp van AI een synthese van de opgenomen gesprekken (zie figuren 4 en 5).

Zoals we eerder zagen, kan productiviteitswinst op drie manieren terechtkomen: in arbeidsbesparing, in een hogere levensstandaard of in een verschuiving van werk. Bestuurders mochten 100 punten verdelen, om aan te geven wat ze verwachten dat de impact van AI gaat zijn op personeelstekorten in de zorg. Vervolgens mochten ze nogmaals 100 punten verdelen, om aan te geven wat ze willen dat er gebeurt.
Bestuurders verwachten dat de productiviteitswinst door AI vooral leidt tot meer zorg, en tot meer tijd voor de patiënt. Ook is een deel van de bestuurders skeptisch of AI in de zorg überhaupt gaat leiden tot productiviteitswinst. Bestuurders verwachten niet dat AI ervoor gaat zorgen dat we minder mensen nodig hebben in de zorg, al zouden ze dat wel graag willen.

Bestuurders noemen meerdere redenen waarom AI niet leidt tot arbeidsbesparing. Zo wordt vrijgekomen tijd direct opgevuld met meer zorg en werk, bedenkt iedere organisatie haar eigen oplossingen, en kunnen zorgverleners AI ervaren als bedreigend of als extra werk. Een aantal van deze knelpunten vraagt om collectieve oplossingen. Zo kunnen brancheorganisaties en regiotafels helpen om bewezen toepassingen beschikbaar te stellen, met name aan kleinere organisaties die geen capaciteit of budget hebben om zelf toepassingen te bouwen. En organisaties kunnen zelf duidelijke doelen stellen bij de implementatie van AI-oplossingen, actief experimenteren met AI, en professionals laten meebouwen aan toepassingen. Zo vergroten we de kans dat AI leidt tot productiviteitswinst. En dat we deze winst kunnen inzetten om personeelstekorten op te lossen, werkdruk te verminderen, en meer tijd te geven aan patiënten.
Over deze essayreeks
Gebruik van AI is niet meer weg te denken uit ons leven. Hulp bij het schrijven van een mail of een snelle samenvatting van een lang document: gemak van alledag. Ook in de zorg stapelen de voorbeelden zich op: spraakgestuurd rapporteren, AI-beoordeling van scans, wondzorg op afstand, AI die patiëntvragen beantwoordt. Wat gisteren nog een demo was, is vandaag haalbaar op grote schaal.
Begin oktober spraken we met zorgbestuurders, toezichthouders en zorgverzekeraars over de vraag wat AI voor de zorg gaat betekenen. De komende weken delen we vanuit drie essays onze visie op drie AI-gerelateerde thema’s en de inzichten uit de tafelgesprekken hierover.
- Grip met AI: Over de kansen van AI voor zorgorganisaties en waarom techniek alleen niet genoeg is
- Arbeidsbesparing door AI: Over de potentie van AI om de personeelstekorten in de zorg op te lossen en waarom we ons niet rijk moeten rekenen
- Baas over eigen denken: Over de risico’s die werken met AI met zich meebrengt en welke onderdelen zorgorganisaties moeten beschermen