ต่อไปนี้เป็นบทความแขกของ Matt Murren ผู้ร่วมก่อตั้งและซีอีโอของ Real North Itg, Inc.
การปฏิวัติ AI กำลังเกิดขึ้นภายในองค์กรด้านสุขภาพไม่ว่าพวกเขาจะวางแผนหรือไม่ก็ตาม จากปี 2024 29% ขององค์กรด้านสุขภาพใช้เครื่องมือ AI กำเนิดมาแล้วและคาดว่าจำนวนนี้จะเพิ่มขึ้น
แต่สำหรับหลาย ๆ องค์กรเหล่านี้การใช้ AI อาจถูก จำกัด ให้มีการคัดลอกการประชุมทีมหรือใช้ Copilot เพื่อเตรียมอีเมล E สำหรับกลุ่มสุขภาพที่หลากหลายและผู้ป่วยนอกที่ต้องการโอบกอด AI ในวิธีที่ครอบคลุมมากขึ้นพวกเขาควรเริ่มต้นที่ไหน? หากพวกเขาต้องการใช้ประสิทธิภาพของ AI ที่มีความเสี่ยงน้อยกว่าการใช้ AI ในเวิร์กโฟลว์ทางคลินิกคำตอบอยู่ในการรวบรวมข้อมูล และเพื่อความปลอดภัยของผู้ป่วยความปลอดภัยทางไซเบอร์และการเติบโตอย่างยั่งยืนแบบจำลองภาษาที่กำหนดเองนำเสนอวิธีที่ปลอดภัยและมีประสิทธิภาพมากที่สุดในการทำเช่นนั้น
อันตรายของแบบจำลองสาธารณะ
ในหลาย ๆ องค์กรพนักงานในแผนกต่างๆใช้รูปแบบภาษาขนาดใหญ่เช่น Chatgpt เพื่อเร่งเวิร์กโฟลว์ของพวกเขา รายงาน 2024 จาก Microsoft และ LinkedIn พบว่า 78% ของผู้ใช้ AI รายงานโดยใช้เครื่องมือ AI ของตนเองในที่ทำงาน
พนักงานที่ดำเนินการโดยสุจริตสามารถป้อนข้อมูลที่ละเอียดอ่อนในรูปแบบ AI สาธารณะโดยไม่ทราบถึงความเสี่ยงทางกฎหมายของพวกเขา อันตรายคือแบบจำลองสาธารณะเหล่านี้ไม่ปลอดภัยหรือเข้ากันได้กับ HIPAA และเมื่อกลุ่มสุขภาพมีการละเมิดข้อมูลผลที่ตามมาก็ยิ่งเยือกเย็นกว่าองค์กรอื่น ๆ เนื่องจากข้อมูลผู้ป่วยที่ละเอียดอ่อนถูกบุกรุก เมื่อรวมกับการจ่ายค่าปรับที่เข้มข้นองค์กรมีหน้าที่แจ้งให้ผู้ใช้ทุกคนทราบถึงการละเมิดและเผชิญกับความเสียหายของความเสียหาย
การคุกคามของการละเมิด AI อาจดูเหมือนเป็นข้อกังวลที่เป็นนามธรรม แต่มันเป็นเหตุการณ์ที่น่าประหลาดใจ ภายในปี 2567 77% ของ บริษัท ประสบกับการละเมิดความปลอดภัยที่เกี่ยวข้องกับ AI อาชญากรไซเบอร์กำลังพัฒนาวิธีการใหม่อย่างต่อเนื่องในการใช้ช่องโหว่ความปลอดภัยและโมเดล AI สาธารณะเป็นพื้นที่เพาะพันธุ์สำหรับตัวเลือกเหล่านี้ หนึ่งในเหตุผลคือพื้นผิวการโจมตีที่ขยายออกไป เมื่อจำนวนคนที่ใช้โมเดล AI เพิ่มขึ้นจำนวนจุดเข้าที่มีศักยภาพสำหรับผู้โจมตีจึงทำเช่นเดียวกัน นอกจากนี้ยังมีปัญหาของ “กล่องดำ” โมเดล AI สาธารณะมีขนาดใหญ่และซับซ้อนทำให้เป็นเรื่องยากสำหรับแผนกไอทีในการติดตามการไหลของข้อมูลและระบุช่องโหว่ การละเมิดความปลอดภัยเกิดขึ้นก่อนที่จะมีคนตรวจจับภัยคุกคาม
ความเสี่ยงของ AI สาธารณะในระบบการดูแลสุขภาพ
- ไม่เข้ากันได้กับ HIPAA หรือปลอดภัย
- พนักงานมักป้อนข้อมูลที่ละเอียดอ่อนโดยไม่รู้ตัว
- 77% ของ บริษัท มีประสบการณ์การละเมิด AI ในปี 2567
- โมเดล “กล่องดำ” ที่ซับซ้อนทำให้การตรวจจับภัยคุกคามยาก
- การละเมิดการละเมิดกฎหมายนำไปสู่ค่าปรับที่มีราคาแพงและการบาดเจ็บชื่อเสียง
หมู่เกาะ AI
ปัญหาอีกประการหนึ่งของแบบจำลองสาธารณะคือพวกเขาไม่สามารถทำงานร่วมกันได้ทั่วทั้งองค์กร กลุ่มสุขภาพมักจะมี “หมู่เกาะ AI” – ระบบข้อมูลของพวกเขาคือการเย็บปะติดปะต่อกันของวิธีการต่าง ๆ ที่ได้รับการปรับปรุงสำหรับแผนกต่าง ๆ พนักงานสามารถป้อนข้อมูลในสถานที่ต่าง ๆ สร้างการปลดพนักงานและป้อนเข้าสู่ระบบที่ไม่มีวิธีการค้นหาทั้งหมดทั่วทั้งองค์กร การขาดโครงสร้างส่วนกลางนี้ช่วยป้องกันความสามารถขององค์กรในการวิเคราะห์อย่างมีประสิทธิภาพและปลอดภัย
นอกเหนือจากการสูญเสียประสิทธิภาพอย่างมากด้วยความช่วยเหลือของแบบจำลอง AI สาธารณะนำไปสู่การวิเคราะห์ที่ถูกบุกรุก Generative AI นั้นแข็งแกร่งพอ ๆ กับข้อมูลที่นำมาใช้และต้องมีการฝึกอบรมที่ถูกต้องและการตรวจสอบเพื่อทำงานอย่างถูกต้อง จากการสำรวจของ Deloitte ในปี 2567 พบว่า 78% ขององค์กรรายงานเกี่ยวกับระบบ AI สาธารณะที่ทำการตัดสินใจทางธุรกิจที่ไม่ถูกต้องเนื่องจากผลผลิตที่ไม่ถูกต้องหรือไม่เกี่ยวข้อง ในบางกรณีข้อมูลนี้นำไปสู่การละเมิดความปลอดภัย
เพื่อเอาชนะอุปสรรคเหล่านี้องค์กรจำเป็นต้องสร้างรากฐานข้อมูลของพวกเขาด้วยโมเดลแบบรวมศูนย์เดียว ทางออก? รูปแบบภาษาขนาดใหญ่ที่มีพื้นฐานจาก HIPAA-infort-informed ความปลอดภัยที่เหมาะกับแต่ละองค์กร เพื่อความปลอดภัยของผู้ป่วยการรักษาความปลอดภัยทางไซเบอร์และประสิทธิภาพการดำเนินการส่วนตัวเป็นตัวเลือกเดียว
การปรับปรุงเวิร์กโฟลว์ผ่านการจัดเก็บข้อมูล
การใช้หน่วยข้อมูลที่กำหนดเองและแบบจำลองการดึงข้อมูลช่วยให้องค์กรด้านสุขภาพสามารถรวมศูนย์ข้อมูลของพวกเขาอย่างปลอดภัยและทำให้สามารถค้นหาได้ง่าย คิดว่าเป็นการสร้าง Google ส่วนตัวของคุณเอง – เครื่องมือส่วนตัวที่ปลอดภัยที่เหมาะกับระบบข้อมูลและเวิร์กโฟลว์ของคุณ
คลินิกหลายแห่งยังคงขึ้นอยู่กับเอกสารคำหรือ excel ที่สะสมเมื่อเวลาผ่านไปและยังขาดฟังก์ชั่นการค้นหาขั้นพื้นฐาน แม้แต่เอกสารที่มีอยู่แบบดิจิทัล – เช่น PDFs ที่ฝังอยู่ในหน้าอินทราเน็ตไฟล์ที่เก็บไว้ในโฟลเดอร์ SharePoint หรือไฟล์ที่เก็บไว้ในไฟล์เซิร์ฟเวอร์แผนก – มักจะถูกปิดเสียงแยกส่วนและเข้าถึงได้ยาก ระบบที่ตัดการเชื่อมต่อเหล่านี้ต้องการการนำทางด้วยตนเองและการค้นหาสร้างแรงเสียดทานรายวันสำหรับพนักงาน
พิจารณาทรัพยากรมนุษย์ทั่วไป: พนักงานใช้เวลา 10 นาทีในการนำทางเซิร์ฟเวอร์ไฟล์เพื่อค้นหานโยบายในคู่มือพนักงาน – เช่นวิธีส่ง PTO หรือเข้าถึงข้อได้เปรียบ ด้วยข้อมูลที่รวบรวมและรูปแบบภาษาส่วนตัวที่ผ่านการฝึกอบรมมาเป็นพิเศษพนักงานคนเดียวกันอาจได้รับคำตอบโดยตรงในเวลาน้อยกว่า 30 วินาที คูณผลกำไรเล็กน้อยในการโต้ตอบกับพนักงานหลายร้อยครั้งทุกสัปดาห์และมูลค่าของแต่ละนาทีที่บันทึกจะเพิ่มอย่างรวดเร็ว
ตอนนี้ขยายไปยังงานข้อมูลทั่วไปอื่น ๆ ซ้ำ ๆ – การค้นหาขั้นตอนแบบฟอร์มการเชื่อมโยงแอปพลิเคชันหรือวัสดุการออกกำลังกาย ประสิทธิภาพขนาดเล็กเหล่านี้สะสมไปสู่การลดลงอย่างมีนัยสำคัญในของเสียจากการบริหาร
ตัวอย่างที่มีประสิทธิภาพโดยเฉพาะอย่างยิ่งคือองค์กรที่รวมแท็กข้อมูลเข้ากับโซลูชัน AI เสียงเพื่อตอบคำถามโดยอัตโนมัติสำหรับการสืบค้นศูนย์ติดต่อบ่อยครั้ง วิธีการแบบบูรณาการนี้ได้มอบการออมโดยประมาณของพนักงานเต็มเวลา 5 ถึง 20 เวลา (FTEs) โดยการบรรเทาปริมาณสูงงานซ้ำ ๆ เช่นการควบคุมการอ้างอิงการยืนยันข้อตกลงและการตรวจสอบการประกันภัย
การดำเนินงานด้านหลังเช่นการออกใบแจ้งหนี้การอ้างอิงถึงการประมวลผลและคำขอการอนุญาตยังเป็นตัวเลือกที่เหมาะสำหรับการจัดเก็บข้อมูลและระบบอัตโนมัติ งานเหล่านี้มักเกี่ยวข้องกับข้อมูลการวาดจากหลายระบบตรวจสอบความถูกต้องและป้อนข้อมูลด้วยตนเองในแพลตฟอร์มดาวน์สตรีม ด้วยข้อมูลที่รวมและเครื่องมือ AI ที่ผ่านการฝึกอบรมในเวิร์กโฟลว์เฉพาะขององค์กรของคุณกระบวนการใช้เวลานานเหล่านี้สามารถปรับปรุงได้อย่างมากทำให้พนักงานมุ่งเน้นไปที่การทำงานกับค่าที่สูงขึ้น
กุญแจสำคัญคือการรวมศูนย์และการทำงานร่วมกันของระบบที่มาจากหมู่เกาะ AI
กระบวนการเปลี่ยนแปลง
พลังการค้นหาของ Google นั้นขึ้นอยู่กับการเรียนรู้ของเครื่องเพื่อส่งมอบสิ่งที่คุณต้องการทันที ดังนั้นคุณจะนำพลังเดียวกันภายในมาตั้งค่าเฉพาะกับคนของคุณเอกสารและระบบของคุณผ่านทางส่วนตัวปลอดภัยและช่วยเหลืออยู่เสมอ?
มันเริ่มต้นด้วยการสัมภาษณ์กับผู้มีส่วนได้ส่วนเสียที่สำคัญที่สุดขององค์กรและการประเมินเป้าหมาย จัดกลุ่มไอทีและผู้จัดการฝ่ายปฏิบัติการสามารถแมปที่ข้อมูลในปัจจุบันอาศัยอยู่และระบุเวิร์กโฟลว์และงานซ้ำ ๆ จากนั้นการดูแลสุขภาพพิเศษผู้ให้บริการที่มีการจัดการ (MSP) เป็นผู้นำในการพัฒนาการ์ดโซลูชัน AI ไปสู่ข้อมูลที่กระตุ้นความคิดสร้างโซลูชั่น AI ที่กำหนดเองและงานอัตโนมัติ
ขั้นตอนแรกพื้นฐานคือข้อมูลเกี่ยวกับข้อมูล ซึ่งรวมถึงการประเมินแหล่งข้อมูลและงานตรวจสอบข้อมูลร่วม ขั้นตอนต่อไปคือการกำหนดกระบวนการด้วยตนเองและพัฒนารูปแบบภาษาที่กำหนดเองเพื่อปรับปรุงเวิร์กโฟลว์เหล่านี้ เมื่อข้อมูลถูกดึงออกมาและรูปแบบภาษาที่กำหนดเองถูกสร้างขึ้นเพื่อเข้าถึงขั้นตอนการทดสอบจะตามมาเพื่อให้แน่ใจว่าเวิร์กโฟลว์อัตโนมัติที่ขับเคลื่อนด้วย AI ทำงานได้อย่างราบรื่น
ในตอนแรกการโอบกอดโซลูชัน AI ส่วนตัวที่ขับเคลื่อนด้วยรูปแบบภาษาที่กำหนดเองจะเป็นซ้อนทับใหม่ที่ด้านบนของเวิร์กโฟลว์ปัจจุบัน แต่มันนำไปสู่การออมงานที่สำคัญเช่นนี้อย่างรวดเร็วซึ่งผู้นำกลุ่มและผู้ให้บริการด้านการดูแลสุขภาพพบว่ามีการเปลี่ยนแปลงที่คุ้มค่า องค์กรสามารถมองเห็นการใช้โมเดล AI แบบกำหนดเองเป็นการเปลี่ยนจากการไม่มีระบบ AI ไปเป็นระบบที่ครอบคลุม แต่ความจริงก็คือว่าทีมของพวกเขาอาจใช้ AI อยู่แล้วไม่ว่าจะถูกลงโทษหรือไม่ก็ตาม เมื่อจำนวนเพิ่มขึ้นองค์กรจะมีความเสี่ยงและการสูญเสียที่อาจเกิดขึ้นเท่านั้น องค์กรที่ใช้โมเดล AI ส่วนตัวที่กำหนดเองได้เห็นเหตุการณ์ความปลอดภัยของข้อมูลลดลง 82% และการปรับปรุงความแม่นยำในการตอบสนอง 64%
ประโยชน์ของโมเดล AI ส่วนตัวที่กำหนดเอง
- การออกแบบ HIPAA และความปลอดภัยเป็นครั้งแรก
- สถาปัตยกรรมข้อมูลส่วนกลางและค้นหาได้
- กำจัดการเลิกจ้างข้ามแผนก
- การลดลงของข้อมูลเกี่ยวกับความปลอดภัยของข้อมูล 82%
- เพิ่มความแม่นยำในการตอบสนอง 64%
มองอนาคต
แบบจำลองการแตกต่างของข้อมูลที่กำหนดเองจะกลายเป็นบรรทัดฐานในไม่ช้า พวกเขามีบทบาทแบบบูรณาการในองค์กรด้านสุขภาพชั้นนำของประเทศและกลุ่มเล็ก ๆ และแนวปฏิบัติมีความสามารถในการแข่งขันหากพวกเขาเต็มใจที่จะลงทุน ผู้ใช้ที่เก่าแก่ที่สุดจะได้เปรียบมากที่สุด – และดูการประหยัดเวลาและค่าใช้จ่ายในองค์กรของพวกเขา
การใช้ AI ที่มีศักยภาพในการดูแลสุขภาพนั้นไม่มีที่สิ้นสุด มันอาจจะท่วมท้นเพื่อให้ทันกับการพัฒนาอย่างรวดเร็วของ AI แต่การรวบรวมข้อมูลด้วยแบบจำลองภาษาที่กำหนดเองควรเป็นขั้นตอนพื้นฐานขององค์กรสุขภาพที่เริ่มต้นการเดินทางของ AI