Lekarze potróili użycie AI — i potróili listę jej ograniczeń

Lekarze i pielęgniarki, którzy włączyli AI do codziennej praktyki, najbardziej opierają się rozszerzaniu jej roli. Badanie przeprowadzone wśród 355 amerykańskich lekarzy i pielęgniarek, zlecone przez Wolters Kluwer i zrealizowane w marcu 2026 roku, wykazało, że codzienne korzystanie z AI przez klinicystów potroiło się w ciągu ostatniego roku. W tej samej próbie: 74 procent obawia się, że technologia ta osłabi umiejętności kliniczne, które zastępuje, 74 procent nie ufa jej wynikom z powodu halucynacji, a 72 procent jest zaniepokojonych, że modele biznesowe oparte na reklamach zniekształcą zalecenia medyczne. Ludzie, którzy najczęściej korzystają z AI, najwyraźniej wyznaczają granicę.

Jak ta granica wygląda w praktyce: obrazowanie kliniczne i diagnostyka znajdują się po stronie akceptowalnej. Dokumentacja, zalecenia dotyczące leczenia, komunikacja z pacjentem i wszystko, co dotyka osądu klinicznego, znajduje się po drugiej stronie. Klinicyści przez lata obserwowali, jak AI poprawia się w czytaniu skanów i oznaczaniu anomalii — to ulepszenia mierzalne, publikowane i poddawane recenzji naukowej. Te same ramy dowodowe nie istnieją dla szerszych zastosowań, które deweloperzy wdrażają obecnie do szpitali. Lekarze nie odrzucają AI. Stosują do niej tę samą kontrolę, co do każdej innej interwencji klinicznej.

Luka w zarządzaniu jest mierzalna i nie zamyka się szybko. Odsetek klinicystów, którzy twierdzą, że znają polityki zarządzania AI w swojej instytucji, wzrósł z 21 procent w 2025 roku do 27 procent w zeszłym roku. To wzrost o sześć punktów w przypadku wskaźnika, który powinien być bliski 100. Gdy instytucje wdrażają systemy AI do użytku klinicznego bez odpowiednich ram zarządzania, klinicyści sami wypełniają tę lukę — dlatego indywidualny opór jest największy w obszarach, gdzie nadzór instytucjonalny jest najsłabszy.

Obawa o halucynacje nie jest teoretyczna. Modele językowe dużej skali stosowane w kontekstach klinicznych generowały prawdopodobnie brzmiące, ale nieprawdziwe informacje na temat interakcji leków, dawek i diagnoz. Obawa o stronniczość związaną z reklamami odzwierciedla coś bardziej strukturalnego: większość klinicznych narzędzi AI jest tworzona przez firmy, których przychody zależą od zaangażowania i sprzedaży dodatkowej, a nie od wyników leczenia pacjentów. Klinicyści pracujący w tych systemach dostrzegają rozbieżność bodźców, nawet gdy dostawcy jej nie reklamują.

To, co opisuje badanie, nie jest technofobią. To zawód stosujący standardy dowodowe w sposób spójny. Radiologia AI przeszła, ponieważ wygenerowała korpus dowodów poddanych recenzji naukowej i poddała się badaniom klinicznym. Narzędzia wdrażane obecnie do dokumentacji, segregacji medycznej i interakcji z pacjentem nie przeszły tego procesu w porównywalnej skali. Financial Times, informując o badaniu dzisiaj, przedstawia to jako opór. To raczej prośba o tę samą poprzeczkę dowodową, jaką musi pokonać każda inna interwencja medyczna.

Indeks AI Stanford HAI 2026 śledzi podobny wzorzec w swojej sekcji medycznej: wdrażanie wyprzedza walidację, a miejsca, w których kliniczne AI jest najbardziej zakorzenione, rzadko są tymi samymi, w których istnieje ustalona literatura dotycząca wyników. To, co dodają dane Wolters Kluwer, to perspektywa praktyków — że ludzie najbliżsi technologii to ci, którzy najwyraźniej artykułują, gdzie kończą się dowody.

Tagi: clinicians, deskilling, diagnostics, healthcare, medical AI, Wolters Kluwer