In februari 2025 vond in het kader van deze verkenning een testdag plaats. Zes leveranciers kregen de kans hun AI-toepassing live te demonstreren in echte consultsituaties in Rijnstate, op de afdelingen neurologie, cardiologie en in een extra casus met verpleegkundigen. De tools luisterden mee tijdens gesprekken tussen zorgverleners en patiënten en genereerden automatisch een samenvatting. Die werd direct vergeleken met de gebruikelijke verslaglegging. Daarmee werd niet alleen de technologie getest, maar ook de impact op het werkproces.

De uitkomsten waren gemengd, maar overwegend positief. Vier van de zes systemen leverden binnen twee minuten een bruikbare samenvatting. Eén partij deed er ruim een uur over. Sommige verslagen waren accuraat, compact en goed gestructureerd; andere bevatten fouten, zoals onjuiste classificaties of verzonnen vervolgafspraken. De variatie in kwaliteit wijst op een nog jonge markt, waarin niet alle systemen al klaar zijn voor betrouwbare inzet. Bij de verpleegkundige casus bleek bovendien dat veel tools nog onvoldoende zijn afgestemd op de specifieke eisen van verpleegkundig werk.

Zorgverleners merkten op dat de inzet van AI de aandacht in het consult daadwerkelijk kan verschuiven van scherm naar patiënt. Neuroloog Esther Verstraete beschreef hoe de tool automatisch meeluistert en samenvat, wat haar de ruimte geeft zich volledig op het gesprek te concentreren.

Het is waardevol dat ziekenhuizen als Rijnstate en het Jeroen Bosch Ziekenhuis deze hands-on verkenningen uitvoeren. Ze brengen daarmee niet alleen de technologische stand van zaken in kaart, maar zorgen er ook voor dat zorgprofessionals actief betrokken zijn bij de ontwikkeling. Toch is het belangrijk de reflectie niet te beperken tot de ervaringen van leveranciers en artsen. Wat bijvoorbeeld nauwelijks aan bod komt in de whitepaper (pdf) en wél steeds relevanter wordt, zijn de bredere werkpsychologische effecten van AI.

In een recent interview benadrukte Janine Vos van Rabobank dat AI niet alleen werk vereenvoudigt, maar het ook intensiever en complexer maakt. De simpele taken verdwijnen; wat overblijft zijn de uitzonderingen, de emotioneel beladen gesprekken en de twijfelgevallen. Tegelijkertijd leidt tijdwinst zelden tot rust, maar eerder tot méér interacties in minder tijd.

Die verschuiving is ook in de ziekenhuiscontext relevant. Wanneer AI de standaard-verslaglegging automatiseert, blijven de ingewikkelde casussen over voor de arts of verpleegkundige. Denk aan patiënten met meerdere aandoeningen, psychosociale problemen of onduidelijke klachtenpatronen. Deze gesprekken zijn vaak zwaarder en vergen meer empathie, interpretatievermogen en klinisch redeneren. Bovendien kan de vrijgespeelde tijd leiden tot een hogere consultfrequentie per uur. De belasting verschuift dus van routine naar complexiteit. Juist dan is het van belang om naast productiviteit ook mentale belasting en emotionele intensiteit mee te nemen in evaluaties.

Daar komt bij dat AI zelf nog worstelt met de nuance die zulke complexe gesprekken vereisen. Als de technologie in eenvoudige situaties goed presteert, maar bij afwijkingen de plank misslaat, komt er extra druk te liggen op de controle door de zorgprofessional. Dat is precies het punt waarop technologie niet meer verlicht, maar juist extra alertheid en cognitieve inspanning vraagt. Zonder expliciete aandacht voor deze ‘quality drift’ ontstaat het risico dat efficiencywinst wordt betaald met verminderde concentratie, fouten en burn-out.

Verder blijkt dat integratie in het elektronisch patiëntendossier (HiX) nog een obstakel vormt. Slechts één leverancier kon een werkende koppeling tonen. Zolang artsen tekst moeten kopiëren en plakken, blijft de winst beperkt. Informatiebeveiliging is beter geregeld: vier van de zes leveranciers voldoen aan de NEN 7510-norm. De aandacht voor duurzaamheid varieert sterk: slechts twee partijen meten hun CO₂-voetafdruk actief.

De voorlopige conclusie is dat AI-spraakherkenning in de spreekkamer potentie heeft, maar nog niet volwassen is. Er is sprake van tijdwinst en in sommige gevallen verbeterde datakwaliteit en werktevredenheid. Toch zijn betrouwbaarheid, ethische inbedding en werkdrukeffecten nog onvoldragen thema’s. Rijnstate en het Jeroen Bosch Ziekenhuis kiezen daarom terecht voor een geleidelijke, lerende aanpak. Met periodieke testsessies, co-creatie met leveranciers en gedeelde governance binnen het mProve-netwerk ontstaat ruimte om zowel de technologie als de zorgpraktijk stap voor stap aan te passen.

Bron: AI in de Spreekkamer (mProve, maart 2025) (pdf)