هوش مصنوعی مولد در نظام سلامت؛ روندهای کنونی و چشم‌انداز آینده

بخش سلامت در حال بهره‌گیری از هوش مصنوعی مولد برای بهبود عملکرد و افزایش تعامل با ذی‌نفعان مختلف و متنوع خود است و بسیاری از سازمان‌ها اکنون به مرحله پیاده‌سازی کامل این فناوری رسیده‌اند. هوش مصنوعی مولد به‌سرعت در حال تغییر چهره صنعت سلامت است و برای درک بهتر این چشم‌انداز در حال تحول، «مک‌کنزی» (McKinsey) از سال ۲۰۲۳ تاکنون به‌صورت منظم نظرسنجی‌هایی را از رهبران حوزه سلامت انجام داده است تا دیدگاه‌ها و رویکردهای آن‌ها نسبت به هوش مصنوعی مولد را بررسی کند.

روش‌شناسی تحقیق

مک‌کینزی از سال ۲۰۲۳ نظرسنجی‌هایی را برای بررسی دیدگاه‌ها و رویکردهای رهبران صنعت بهداشت و درمان نسبت به هوش مصنوعی مولد انجام داده است. آخرین نظرسنجی مک‌کنزی که با عنوان «Generative AI in healthcare: Current trends and future outlook» در سه‌ماهه چهارم سال ۲۰۲۴ انجام و در ماه مارس ۲۰۲۵ منتشرشده؛ نشان داد ۸۵ درصد از شرکت‌کنندگان در نظرسنجی که از میان مدیران ارشد شرکت‌های بیمه سلامت، نظام بهداشت و درمان و گروه‌های خدمات و فناوری سلامت (HST) انتخاب شده‌اند، در حال بررسی و امکان‌سنجی کاربردهای هوش مصنوعی مولد هستند یا آن را در سازمان خود به کار گرفته‌اند. علاوه بر این، گزارش مذکور به بررسی آماری نتایج این نظرسنجی در چهار محور اصلی شامل پذیرش و پیاده‌سازی، شرکای تجاری بزرگ‌مقیاس (hyperscalers)، دامنه کاربرد هوش مصنوعی مولد و سنجش تأثیرات پرداخته است که در ادامه به بررسی آنها خواهیم پرداخت.

پذیرش و پیاده‌سازی

اکثریت پاسخ‌دهندگان در سه‌ماهه چهارم ۲۰۲۴ اعلام کردند که موارد کاربرد هوش مصنوعی مولد را به‌صورت عملیاتی در سازمان‌های خود پیاده‌سازی کرده‌اند یا درحال‌توسعه نمونه‌های مفهومی اولیه (Proof of Concept – PoC) هستند. درصد بالاتری از سازمان‌ها اکنون در مرحله اجرای عملیاتی قرار دارند که نشان می‌دهد سرمایه‌گذاری‌ها در این حوزه به نتایج ملموسی رسیده‌اند. بااین‌حال، ۱۵ درصد از سازمان‌ها هنوز حتی توسعه نمونه‌های مفهومی را آغاز نکرده‌اند. این شرکت‌ها در معرض خطر عقب ماندن از سایر رقبا هستند، به‌ویژه اگر در روند توسعه قابلیت‌های خود به‌کندی پیش برود درحالی‌که پیش‌گامان این صنعت به‌سرعت در حال بهره‌برداری از این فناوری‌ها هستند. (اطلاعات بیشتر در نمودار ۱)

شرکای تجاری بزرگ‌مقیاس(Hyperscalers)

در میان سازمان‌هایی که هوش مصنوعی مولد را در سازمان خود پیاده‌سازی کرده‌اند، مشارکت با شرکت‌های شخص ثالث رایج‌ترین استراتژی محسوب می‌شود. ۶۱ درصد از پاسخ‌دهندگان اعلام کردند که برای توسعه زیرساخت‌های مورد نیازی فناوری هوش مصنوعی و توسعه راهکارهای اختصاصی آن در سازمان خود، قصد دارند با فروشندگان و توسعه‌دهندگان برجسته این فناوری‌ها همکاری داشته باشند. در مقابل، ۲۰ درصد گفتند که قصد دارند این قابلیت‌ها را به‌صورت داخلی توسعه دهند و ۱۹ درصد نیز به دنبال خرید راهکارهای آماده هستند. از میان سازمان‌هایی که رویکرد مشارکتی را انتخاب کرده‌اند، ۵۸ درصد به شرکای فناوری اطلاعات فعلی خود متکی هستند و ۴۶ درصد نیز در حال بررسی همکاری با شرکای تجاری بزرگ‌مقیاس یا در ادبیات حرفه‌ای، همان هایپراسکیلرها هستند. علت اصلی این تمایل نیز تخصص این شرکت‌ها در مدیریت داده و توسعه استاندارد این فناوری‌ها است. (اطلاعات بیشتر در نمودار ۲)

دامنه کاربرد هوش مصنوعی مولد

هوش مصنوعی مولد می‌تواند ارزش قابل‌توجهی در حوزه‌هایی ایجاد کند که بهبود اساسی در تجربه بیمار و کاهش هزینه‌ها را به دنبال دارد. پاسخ‌دهندگان معتقدند بیشترین پتانسیل این فناوری در افزایش بهره‌وری‌های اداری و بالینی است. همچنین، فرصت‌هایی در زمینه تعامل با بیماران و اعضا، کادر درمان و همچنین در حوزه زیرساخت‌های فناوری اطلاعات نیز شناسایی شده که دامنه وسیعی از کاربردهای هوش مصنوعی مولد را به نمایش می‌گذارد. (اطلاعات بیشتر در نمودار ۳)

سنجش تأثیرات

بسیاری از سازمان‌هایی که وارد مرحله اجرایی استفاده از هوش مصنوعی مولد شده‌اند، در تلاش برای اندازه‌گیری تأثیر این فناوری و نرخ بازگشت سرمایه (ROI) آن هستند. در میان پاسخ‌دهندگانی که موارد کاربرد هوش مصنوعی مولد را در سازمان خود پیاده‌سازی کرده‌اند، ۶۴ درصد اعلام کردند که بازدهی مثبتی از سرمایه‌گذاری در این حوزه را تجربه کرده‌اند یا انتظار چنین بازدهی مثبتی را دارند. چنین آماری نشان‌دهنده انتظارات بالای مدیران از فناوری‌های هوش مصنوعی مولد است. (اطلاعات بیشتر در نمودار ۴)

فرصت‌ها، چالش‌ها و مسیر پیش‌رو

فعالان حوزه سلامت به دنبال راه‌هایی برای خلق ارزش و کاهش هزینه‌ها هستند که این موضوع فرصت‌های بسیاری برای استفاده از هوش مصنوعی مولد فراهم می‌کند. باوجود چالش‌هایی نظیر مقررات پیچیده، الزامات ریسک‌پذیری و کمبود مهارت و تخصص درون‌سازمانی، نتایج نظرسنجی اخیر نشان می‌دهد که بیمه‌گران، نظام بهداشت و درمان و شرکت‌های خدمات و فناوری سلامت در حال پیشبرد کاربردهای عملیاتی این فناوری هستند.

بسیاری از مدیران به دنبال جبران کمبود مهارت‌های داخلی از طریق مشارکت با شرکای خارجی هستند؛ این رویکرد به آن‌ها اجازه می‌دهد در عین حفظ انعطاف‌پذیری، راهکارهای هوش مصنوعی را متناسب با نیاز خود شخصی‌سازی کنند. همکاری با شرکت‌های بزرگ‌مقیاس (hyperscalers) می‌تواند شانس موفقیت در پیاده‌سازی موثر هوش مصنوعی را به طور چشمگیری افزایش دهد.

جمع‌بندی

موارد اولیه استفاده از هوش مصنوعی مولد تاکنون بیشتر متمرکز بر بهبود فرایندهای اداری، رفع خلأهای زیرساختی فناوری اطلاعات و ارتقای بهره‌وری بالینی بوده است. با بلوغ بیشتر این فناوری، می‌توان انتظار داشت موارد کاربرد جدیدتری مانند تعامل مستقیم با بیماران و بهبود کیفیت خدمات درمانی نیز توسعه یابد و تجربه کلی تمامی ذی‌نفعان نظام سلامت را ارتقا دهد. رهبران حوزه سلامت اتفاق‌نظر دارند که مدیریت ریسک در اجرای هوش مصنوعی حیاتی است و اتخاذ رویکردی حاکمیتی در حوزه هوش مصنوعی برای پیشرفت همراه با امنیت تضمین‌شده برای این فناوری‌ها ضروری خواهد بود.

در حال حاضر، سازمان‌هایی که به توسعه زیرساخت‌های مورد نیاز پرداخته‌اند و به طور هوشمندانه‌ای بر روی کاربردهای خاص متمرکز شده‌اند، نتایج خوبی را از پیاده‌سازی آن در مقیاس بزرگ کسب کرده‌اند. توسعه هوش مصنوعی مولد به یک مؤلفه کلیدی در موفقیت آینده نظام سلامت تبدیل شده است و رهبران و تصمیم‌گیرندگان این حوزه باید استراتژی خود را برای هم‌گام‌شدن با روند پرسرعت این تغییرات تعیین کنند. پیاده‌سازی موفق این فناوری نیازمند راهبردی مبتنی بر ارزش، توانمندی قوی در اجرا و مدیریت سازمانی اثربخش است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.