I sundhedssektoren går en stor del af tiden ikke til selve plejehandlingen, men til det, der hænger omkring den: vagtplaner der stemmer overens med bemanding og overenskomstregler, journalføring der er fuldstændig og rettidig, rapportering til henvisere og forsikringsselskaber, indikationsstilling og den administrative dokumentation, der hører til. Derudover er der intake og triage, hvor hastighed og omhu skal leveres samtidig. Resultatet for en klient eller patient styres af tre ting: hvor hurtigt nogen bliver hjulpet, hvor konsistent kvaliteten er på tværs af lokationer og medarbejdere, og hvor godt plejen passer til den specifikke situation. På disse tre punkter er der traditionelt blevet gjort forskel i denne sektor, og på disse tre punkter ændrer spillebanen sig nu.
Ventetid for en intake var i lang tid en resultant af personalebemanding: mere kapacitet, kortere venteliste. Hvor triage og journalforberedelse delvist udføres af AI, med en behandler der vurderer og beslutter, frikobles ventetiden fra bemandingen på gulvet. Det rammer ikke enhver organisation ens. En institution med standardiserede intake-formularer og struktureret henvisningsdata kan lade AI tage sig af det arbejde; en institution hvor intake bygger på mundtlig overlevering og løse notater har ikke det arbejde i en form, der egner sig til det. Forskellen ligger altså ikke i viljen til at automatisere, men i hvordan arbejdet allerede var organiseret, før AI kom i billedet.
Det samme mønster gør sig gældende ved journalføring og dokumentation til forsikringsselskaber. At sammenfatte en journal, udfylde standardiserede felter og påpege manglende oplysninger er arbejde, som AI kan overtage, med en medarbejder der godkender eller returnerer sammenfatningen. Vagtplanlægning med faste regler om kvalifikationer, hviletid og tilgængelighed forskydes ligeledes: udarbejdelsen kan overtages, mens undtagelserne og den menneskelige dialog om bytteønsker forbliver menneskearbejde. Selve den indholdsmæssige behandlingsrelation, samtalen hvor en klient skal føle sig set, forbliver i næsten alle tilfælde menneskearbejde, og det bliver også den del, hvor sundhedsorganisationer adskiller sig mindst fra AI og mest fra hinanden.
Hastigheden hvormed dette arbejde forskydes, afhænger af, hvor strukturerede de underliggende data er, af typen af pleje, og af hvad tilsynsmyndigheder og faggrupper tillader af automatiseret beslutningstagning. En organisation, der har styr på sine systemer, ser frigjorte timer komme tilbage som ekstra årsværk-kapacitet til direkte pleje eller til afvikling af ventelister. En organisation hvor journaler er spredt ud over systemer, der ikke taler sammen, ser ikke den gevinst, selv om den gerne vil. Dette er et spørgsmål om tilrettelæggelse af arbejde og data, ikke om personalepolitik; hvis en forskydning i opgaver har konsekvenser for normering, gælder der egne lovkrav, som ikke behandles her.
Hvis ventetid og journalkvalitet i stigende grad ikke er en funktion af personalestørrelse, men i stigende grad af hvor godt en organisation har tilrettelagt sine opgaver til overtagelse af AI, så forskydes også det, som klienter, henvisere og sygeforsikringsselskaber bedømmer en udbyder på. Leveringstid for en intake bliver mindre et kapacitetsspørgsmål og mere et tilrettelæggelsesspørgsmål. Konsistens i rapportering bliver mindre et spørgsmål om individuel omhu og mere et spørgsmål om systemvalg. Den, der genkender dette tidligt, forskyder sammenligningen med; den, der holder fast i den gamle antagelse om, at mere personale automatisk betyder kortere ventetid, sammenligner sig selv på en dimension, der er ved at forsvinde.
Denne forskydning gør sig ikke kun gældende i sundhedssektoren. I engroshandlen forskydes sammenligningen, fordi AI overtager lager- og ordrearbejde, i erhvervsservice ændres sammenligningen, fordi AI overtager rapportering og rådgivningsforberedelse, og den, der spørger sig selv, hvorfor alle konkurrenter lyder ens i deres løfter, ser den samme underliggende årsag: påstande der ikke længere er underbygget på den dimension, hvor de engang vandt.
Spørgsmålet om, hvilket arbejde der i en konkret sundhedsorganisation reelt kan overtages af AI, lader sig ikke besvare i generelle vendinger; arbejdsscanen fra FTE TO AI besvarer det spørgsmål pr. opgave, med en vurdering langs linjen overtagelse, tilsyn eller menneskearbejde.
For at vide, hvad Deres organisation vinder på i øjeblikket, er det nødvendigt at vide, om den påstand stadig stemmer overens med, hvordan arbejdet er tilrettelagt, eller med hvordan det tidligere var tilrettelagt. For konkurrenter uden offentliggjorte tal findes der en egen fremgangsmåde til alligevel at nå frem til et underbygget billede, som beskrevet i hvordan De finder oplysninger om konkurrenter, der ikke offentliggør tal. Et første skridt er den gratis dimensionstjek: De angiver, hvad De tror, De vinder på, og De ser hvilke af disse påstande der kan forsvares med bevis. Den fulde benchmark, med peer-gruppen for Deres marked og bevismatricen pr. dimension, er under udarbejdelse.