Alle kvinder mellem 50 og 69 år i Region Hovedstaden får tilbud om at blive screenet for brystkræft hvert andet år.
Selve undersøgelsen tager nogle få minutter, men der er et stort og presset apparat bag screeningen, hvor to erfarne læger har skullet gennemgå hvert af røntgenbillederne. Og kvinderne har måttet vente op mod 21 dage på et svar. Når man først er sporet ind på den potentielle risiko for at have brystkræft, er det lang tid.
I dag har AI-billedgenkendelse overtaget en del af opgaven. AI sorterer, hvilke røntgenfotos, der kræver en nøjere gennemgang, og hvilke der ikke viser tegn på kræft og kan nøjes med at blive vurderet af en enkelt radiolog.
AI har frigivet kostbare lægeressourcer til andre opgaver, kvinderne får svar langt hurtigere, og samtidig opdager AI flere mulige kræfttilfælde, hvad der øger chancerne for at blive helbredt. Det er en succeshistorie og en gevinst for både sundhedsvæsnet og for kvinderne.
Det er også blevet kaldt en transformation. Det er det ikke.
AI har ændret en central del af arbejdet, men grunddesignet er bevaret: De samme kvinder indkaldes med samme interval, og undersøgelsen indgår grundlæggende i det samme forløb.
Om serien: Skab forandring – skab ny vækst
Økonomisk vækst og bæredygtighed ikke bare kan, men skal gå hånd i hånd. Vi er nødt til at skabe en økonomisk sund forretning uden at drive rovdrift på både menneskelige og naturlige ressourcer.
Men hvordan?
I denne serie viser Reimer Ivang med udgangspunkt i konkrete eksempler og erfaringer, hvordan virksomheder og organisationer kan få bæredygtighed helt ind i kernen af forretningen. Og hvordan man får organisationen med sig.
Serien bygger på bogen “Forestillingskraft – Tag ansvar og skab ny vækst”, hvori Reimar Ivang demonstrerer, hvordan virksomheder kan skabe mere profit og samtidig reducere aftrykket på klima, miljø og mennesker ved at integrere bæredygtighed, digitalisering og servitization i én samlet strategi.
I mit første indlæg spurgte jeg, om jeres organisation stadig er svaret på det rigtige spørgsmål. Denne gang handler det om, hvorvidt jeres måde at bruge AI på skaber de bedste svar.
Overalt investerer organisationer I AI for at løse eksisterende opgaver hurtigere, billigere og bedre. Det kan være værdifuldt for organisationen. Men det kan også fastlåse den eksisterende praksis, fordi de umiddelbare forbedringer skjuler, at I måske kunne have opnået radikalt bedre resultater, hvis I havde løftet blikket og spurgt, hvor gevinsten var for kunden. Eller borgeren eller patienten.
AI som tillæg eller anledning til at gentænke?
Bruger I AI til at forbedre det eksisterende? Eller til at nytænke jeres løsninger? Forskellen kan beskrives som +AI og AI+.
Ved +AI kommer den eksisterende praksis først. Derefter spørger vi, hvor AI kan tilføjes, så arbejdet bliver hurtigere, billigere eller mere præcist.
Ved AI+ spørger vi i stedet, hvilke gevinster, hvilken værdi, vi med AI kan tilbyde kunden, som det tidligere var umuligt, for langsomt eller for dyrt at skabe. Lige her ligger det transformative potentiale. Ikke i selv markante forbedringer af det eksisterende.
Det kræver som sagt, at I forstår jeres kunders perspektiv. Hvad der er værdifuldt for dem.
Hvis vi vender tilbage til brystkræfteksemplet, hvad skaber værdi for patienterne? Selvfølgelig at undgå brystkræft og – hvis de alligevel får det – de bedste helbredelseschancer. Derfor giver screeningen mening. Men er den eksisterende praksis det bedste svar på den opgave?
Hvad nu, hvis AI sammen med andre oplysninger kunne vurdere den enkelte kvindes risiko mere præcist? Kunne kvinder med høj risiko så screenes oftere, mens kvinder med meget lav risiko kunne screenes sjældnere?
Hvad nu, hvis flere kvinder kunne gå fra screeningen med et svar? Og hvis kvinder med mistænkelige fund med det samme kunne møde en læge og aftale de næste skridt?
Hidtil har udgangspunktet været, hvordan AI kan forbedre billedscreeningen. Men hvad sker der, hvis vi spørger, hvordan vi med AI kan skabe et bedre samlet forløb, reducere kvindernes usikkerhed, undgå unødig kontakt, opdage sygdom tidligere og skræddersy en behandling?
+AI kan være både fornuftigt og værdifuldt. Men hvis vi altid begynder med den eksisterende organisation, risikerer vi at automatisere arbejdsgange, som burde være ændret, samlet eller helt fjernet.
Vi bliver dygtigere til det, vi allerede gør, uden at spørge, om vi fortsat gør det rigtige.
Når dygtighed gør os blinde
Forestillingskraft kræver viden, erfaring og færdigheder inden for det område, man ønsker at transformere. Man kan have stor forestillingskraft inden for eksempel planteavl, men vide for lidt om AI og mulighederne i AI til at kunne se, hvordan AI kan transformere området. AI-forestillingskraften er ikke udviklet, så at sige.
Jeg er ikke ekspert i sundhedsvæsnet. De mennesker, der kender fagligheden, patienterne, teknologien og systemet, har langt bedre forudsætninger for at gentænke brystkræftscreeningen.
Men her opstår et paradoks.
De mennesker, der ved mest om det eksisterende system, har de bedste forudsætninger for at transformere det. Samtidig har de den største risiko for at forveksle indarbejdede vaner med ufravigelige begrænsninger.
Når man har opbygget sin viden og faglige identitet i et bestemt system, kan det være svært at forestille sig et system, hvor ens egne opgaver, roller eller kompetencer ikke længere har samme betydning.
Mange processer blev designet på et tidspunkt, hvor menneskelig viden og dømmekraft var knap, langsom og dyr. Derfor delte vi arbejdet op og byggede specialisering, regler, kontrolpunkter og overleveringer ind i organisationen.
Når AI ændrer disse vilkår, er det ikke sikkert, at processerne fortsat er den bedste måde at organisere arbejdet på. Alligevel bliver AI ofte brugt til at gøre dem hurtigere.
Forestillingskraft på formel
AI-Forestillingskraft kan heldigvis udvikles. Jeg definerer forestillingskraft som en kompetence, der forener evnen og viljen til at forestille sig en ønskværdig fremtid og gøre den til virkelighed:
Forestillingskraft = (viden + erfaring + færdigheder) × holdning
Viden, erfaring og færdigheder afgør, hvad vi kan se, forstå og skabe. Holdningen afgør, om vi bruger denne dygtighed til at udfordre det bestående eller til at forklare, hvorfor det ikke kan ændres.
Holdning handler ikke om at være ukritisk positiv over for AI. Den handler om viljen til at undersøge mulighederne, udfordre egne antagelser og acceptere, at noget af det, organisationen hidtil har været dygtig til, måske ikke længere skal have samme plads.
Når holdningen er nul, kan organisationen have imponerende kompetencer uden at skabe reel transformation. Alt, hvad man ganger med nul, giver som bekendt nul.
Fra mulighedsrum til ny praksis
AI-forestillingskraft er organisationens kollektive evne og vilje til at forstå, hvad AI gør muligt, og omsætte en ønsket fremtid til ny praksis.
Arbejdet kan begynde med fem spørgsmål:
- Hvad er blevet muligt med AI, som ikke var muligt tidligere?
- Hvilke processer, roller og regler bygger på begrænsninger, der ikke længere gælder?
- Hvilket mærkbart bedre resultat ønsker vi at skabe for kunden eller borgeren?
- Hvad skal være sandt, for at denne fremtid kan blive virkelig?
- Hvilke barrierer skal vi derefter overvinde eller lære os igennem?
Rækkefølgen er afgørende. Hvis vi begynder med barriererne, får nutidens organisation lov til at definere grænserne for fremtiden.
Når den ønskede fremtid er tydelig, kan vi begynde at regne baglæns. Hvilke data, kompetencer, teknologier, beslutninger og samarbejder skal være på plads? Hvad skal vi begynde at gøre, og hvad skal vi holde op med?
Forestillingskraften åbner mulighedsrummet. Handlekraften omsætter den valgte mulighed til eksperimenter, læring og ny praksis.
Optimerer vi det rette?
Kunder, borgere, patienter og brugere skal inddrages tidligt, fordi værdi i sidste ende defineres af dem, der skal opleve den.
I brystkræfteksemplet kunne systemets antagelse være, at kvinder ønsker at blive screenet så ofte som muligt for at føle sig trygge. Men ved vi det? Måske er det ønskede resultat for kvinderne at leve et langt og godt liv med mindst mulig risiko for, at brystkræft opdages for sent. Og uden at undersøgelser, falske alarmer og ventetid beslaglægger mere tid, opmærksomhed og bekymring end nødvendigt. Den største værdi kan derfor være et system, der følger den enkelte kvindes risiko, griber ind på det rigtige tidspunkt og ellers lader hende leve sit liv. Screening er ikke målet, men et middel.
Organisationer måler ofte output: frekvens, mængde osv, altså produktiviteten. Hvor mange screeninger, hvor hurtig svartid, hvor høj fejlprocent. Det er ikke irrelevant, men det helt afgørende er outcome, altså resultatet: Bliver flest mulige kvinder reddet med færrest mulige indgreb?
Der ligger også et bæredygtighedsperspektiv her: Overflødige processer koster både penge, ressourcer og kan have negative menneskelige konsekvenser, uanset hvor effektive de efterhånden bliver.
Mål jeres AI på værdi for kunden
Organisationer bliver ofte overraskede, når de ser deres ydelser fra brugerens side. Internt kan en proces opleves som logisk og effektiv. Udefra kan den fremstå fragmenteret, langsom og indrettet efter organisationens behov.
Derfor kan transformation ikke alene måles på produktivitet.
Hvis jeres AI-indsats primært kan beskrives med sparede minutter, automatiserede opgaver og antallet af medarbejdere, der bruger teknologien, kan den være både fornuftig og værdifuld. Men den er næppe transformerende.
Testen er, om kunden, borgeren eller patienten kan opnå noget, som tidligere var umuligt, for langsomt eller for dyrt.
Den største stopklods er derfor ikke nødvendigvis, at I mangler kompetencer. Det kan være, at jeres eksisterende dygtighed har overbevist jer om, at det velkendte er nødvendigt.
Hvilke af jeres begrænsninger er reelle – og hvilke er blot gamle vaner, som AI og jeres forestillingskraft nu gør det muligt at forlade?
Reimer Ivang er forfatter, ledelsesrådgiver, serieiværksætter og erhvervsforsker, ph.d. Han har i mere end 25 år arbejdet i krydsfeltet mellem digitalisering, bæredygtighed og servitisering. I dag deltager han i lederudvikling, blandt andet Grundfos’ globale operationsledelse, Danmarks Nationalbank og danske regioner og har tidligere arbejdet med blandt andre Kamstrup, Danfoss og Systematic. Han har desuden grundlagt og solgt den cirkulære virksomhed Better World Fashion.
Reimer er medforfatter til bogen “Forestillingskraft – Tag ansvar og skab ny vækst” samt gæsteforsker ved Aalborg Universitet.
