AI in de zorg: wat kleine praktijken vandaag al veilig kunnen automatiseren

Een huisarts, fysiotherapeut of psycholoog die vandaag een AI-demo ziet, krijgt bijna altijd het mooiste plaatje voorgeschoteld: een systeem dat meekijkt, patronen herkent en suggesties doet over wat er met de patiënt aan de hand is. Indrukwekkend, en precies het verkeerde startpunt. De vraag voor een kleine praktijk is niet of AI ooit kan meedenken over een diagnose. De vraag is welke taken je nu al veilig uit handen kunt geven. En het antwoord is bijna altijd hetzelfde: begin bij de administratie, nooit bij de klinische beslissing.

Dat klinkt als een saaie keuze. Het is de enige verstandige. Want de werkelijke pijn in de zorg is niet dat dokters te weinig kunnen beslissen, maar dat ze te weinig tijd hebben om te beslissen, omdat de helft van hun aandacht naar het toetsenbord gaat.

De echte pijn is administratief, niet klinisch

De cijfers zijn ondubbelzinnig. Zorgmedewerkers waren in het tweede kwartaal van 2025 bijna een derde van hun werktijd kwijt aan administratie en registratie, en dat aandeel is in vijf jaar tijd nauwelijks veranderd. In de huisartsenpraktijken en gezondheidscentra loopt het op tot 36 procent. Dat is geen randverschijnsel dat je met een handig sjabloon oplost; dat is een structureel gat tussen wat een zorgverlener wil doen en wat het systeem van hem eist.

Daar zit de kern van mijn stelling. De grootste, veiligste en best meetbare tijdwinst voor een kleine praktijk ligt in het werk dat niets met medisch oordeel te maken heeft: het consult uittypen, de afspraak inplannen, de declaratie voorbereiden, de brief aan de verwijzer opstellen. Een AI die een gesprek omzet in een concept-verslag raakt geen enkele medische beslissing aan. Ze raakt alleen de typemachine, en hoe je consultnota's automatisch omzet in een gestructureerd dossier zonder handmatig overtypen is inmiddels een opgelost probleem. Juist daar is de winst het grootst, omdat de last daar het grootst is.

Twee lagen die leveranciers expres door elkaar halen

Administratieve AI en klinische AI zijn twee fundamenteel verschillende dingen. De eerste ondersteunt het vastleggen van wat er al is besloten; de tweede bemoeit zich met de beslissing zelf. Dat onderscheid bepaalt het hele risicoprofiel, en het is precies de scheidslijn die in verkooppraatjes vervaagt tot een vage belofte van "AI voor de zorg". Het verschil zit in deze twee lagen:

• Administratieve laag: spraak naar tekst, notuleren, plannen, declareren, correspondentie. AI verwerkt, de mens controleert en tekent af. Lage klinische impact, directe tijdwinst.
• Klinische laag: diagnose, triage, medicatiekeuze, risico-inschatting. Hier beslist een mens; AI is hooguit een hulpmiddel onder strikt toezicht. Hoge impact, hoog risico, zware regels.

De truc van veel leveranciers is om de geloofwaardigheid van de eerste laag te lenen voor de ambities van de tweede. "Onze AI bespaart u tijd op verslaglegging" (waar) glijdt ongemerkt over in "en helpt u betere beslissingen nemen" (een heel ander, veel zwaarder product). Wie die twee niet uit elkaar trekt, koopt ongemerkt een klinisch instrument met de risicobereidheid van een tekstverwerker.

Waarom die scheidslijn juridisch alles bepaalt

De scheidslijn is niet alleen een kwestie van gezond verstand, het is ook waar het recht een streep trekt. Een patiëntgesprek is medische data, en daarmee een bijzondere categorie persoonsgegevens onder de AVG. Het echte privacyrisico zit dan ook niet in het taalmodel zelf, maar in de gevoelige data die je erin stopt en waar die data terechtkomt. De KNMG is daar voor verslaglegging concreet over: vraag toestemming van de patiënt, gebruik geen toepassing die het beroepsgeheim niet waarborgt, en zorg dat je de geluidsopname niet extern laat bewaren en wist zodra het verslag klaar is. De arts blijft eindverantwoordelijk en controleert elk verslag voordat het in het dossier belandt.

Merk op dat dit allemaal voorwaarden zijn, geen verboden. De administratieve laag is werkbaar, mits je de data in Nederland of de EU houdt, een verwerkersovereenkomst sluit en de menselijke controle bewaart. De klinische laag is een andere wereld. AI die meebeslist over diagnose of behandeling valt onder de zwaarste risicocategorie van de AI Act, met een nalevingsplicht die je als kleine organisatie stap voor stap moet kunnen aflopen. Die plicht is te dragen voor een ziekenhuis met een complianceafdeling. Voor een praktijk van drie mensen is het, op dit moment, geen reëel startpunt. Dat is geen pessimisme, het is volgordelijkheid: je begint waar de winst groot en het risico klein is.

"Maar de echte winst zit toch in de slimme diagnose?"

Het sterkste tegenargument is verleidelijk: de spectaculaire waarde van AI in de zorg zit in beeldherkenning, triage en diagnostiek, dus waarom zou je je beperken tot administratie? Twee redenen.

De eerste is dat zelfs de "saaie" laag nog lang niet is uitgenut. Uit de AI Monitor Ziekenhuizen 2026 blijkt dat 69 procent van de ziekenhuizen is begonnen met spraakgestuurd rapporteren, maar dat slechts 21 procent van de beoogde zorgverleners de techniek daadwerkelijk actief gebruikt. De gerealiseerde impact bleef de afgelopen drie jaar grotendeels neutraal, en bijna de helft van de ziekenhuizen verwacht dat AI eerder tot hogere dan tot lagere kosten leidt. De flessenhals is dus niet dat de techniek niet kan diagnosticeren, maar dat zelfs de eenvoudige toepassing strandt op vertrouwen, integratie en werkwijze. Verder grijpen naar de klinische laag terwijl je de administratieve nog niet hebt laten landen, is over de eerste trede springen.

De tweede reden is dat consumenten-AI op medische vragen nog opvallend onbetrouwbaar is. Wie ziet hoe wisselvallig en zelfverzekerd-fout AI-gezondheidsadvies in de praktijk uitpakt, begrijpt waarom een zelfstandige diagnose-assistent in een kleine praktijk meer aansprakelijkheid oplevert dan tijdwinst. Dat de klinische laag ooit volwassen wordt, ontken ik niet; in onderzoeks- en ziekenhuissetting gebeurt er echt iets. Maar voor een kleine praktijk vandaag is het de verkeerde eerste investering, niet omdat de ambitie fout is, maar omdat de volgorde dat is.

De scheidslijn is je strategie

De les is simpel en ongemakkelijk tegelijk: de grens die leveranciers vaag houden, is precies de grens die jij scherp moet trekken. Begin waar de last het hoogst en het risico het laagst is, namelijk bij het werk rond de patiënt en niet bij de patiënt zelf. Automatiseer het uittypen, het plannen en het declareren, houd de data in de EU, en laat een mens elk resultaat aftekenen. Net als bij elke serieuze toepassing draait de winst om wat nú al betrouwbaar werkt, niet om wat het mooist demonstreert.

Die keuze is niet bescheiden, ze is volwassen. Een praktijk die een derde van haar tijd terugwint op administratie, wint precies datgene terug waar ze voor is opgeleid: aandacht voor de patiënt. En wie eerst dat fundament legt, staat er over een paar jaar veel sterker voor wanneer de klinische laag wél verantwoord binnen bereik komt. De vraag is dus niet hoe slim je AI mag zijn, maar waar je hem laat beginnen.