Bariery wdrożenia AI w przychodni — i jak je pokonać

Bariery wdrożenia AI w przychodni to zwykle pięć rzeczy. Brak szkolenia z konkretnego narzędzia, brak miejsca na naukę w grafiku, nieufność wobec jakości szkicu, szkic w formacie, którego lekarz nie używa, i brak kogoś, kto pociągnie temat w placówce. Każdą z nich zdejmuje się osobno, innym działaniem.

To, dlaczego lekarze nie używają AI, rzadko sprowadza się do sporu o samą technologię. Mowa tu o jednym zastosowaniu: asystencie, który słucha wizyty i przygotowuje szkic notatki do sprawdzenia. Diagnostyka obrazowa rządzi się inną logiką i tego artykułu nie dotyczy.

Dlaczego lekarze nie używają AI, skoro uważają ją za przydatną?

Lekarze nie używają AI głównie dlatego, że szkolenia z konkretnego narzędzia prawie nie istnieją. W badaniu American Medical Association z 2026 roku 27% lekarzy nie przeszło żadnego szkolenia z AI z jakiegokolwiek źródła, a 92% chciałoby więcej takich szkoleń (AMA, Physician Survey on Augmented Intelligence, 2026, n = 1 419 dla tego pytania).

Sama kategoria nie budzi już oporu. Deklarowana znajomość lub użycie AI rosły w tych badaniach z 38% w 2023 roku przez 66% w 2024 do 81% w 2026 (AMA, 2026, n = 1 342). Instrument zmieniał się między falami, więc to trend, a nie precyzyjny skok punktowy.

Lekarze mówią też, czego od takiego narzędzia potrzebują. W fali z 2024 roku 84% uznało za ważne dla wdrożenia szkolenie z narzędzia i wpięcie go w realny przebieg pracy zamiast osobnej aplikacji obok wszystkiego innego (AMA, Physician Sentiment Report, 2025, n = 1 183). Na formę szkolenia odpowiadała już późniejsza fala: 49% chce go przy okazji szkolenia z programu gabinetowego, a szkolenie prowadzone przez dostawcę AI wybrało 14%, najmniej ze wszystkich odpowiedzi (AMA, 2026, n = 1 262).

Polskiego badania z twardą próbą lekarzy, które mierzyłoby to samo, nie ma. Zostaje obraz systemowy. Profil ochrony zdrowia przygotowany przez OECD i Komisję Europejską wymienia wśród głównych przeszkód we wdrażaniu narzędzi cyfrowych kompetencje cyfrowe personelu i opór pracowników, obok niewystarczających środków (OECD i Komisja Europejska, „State of Health in the EU. Polska”, 2025). Dokumentację elektronicznie prowadzi już 85,3% podmiotów, a nakłady na informatyzację ochrony zdrowia wyniosły w Polsce 0,4 mln euro na 100 tys. mieszkańców wobec 2,3 mln średnio w Unii (2023 r.).

Skąd wziąć czas na naukę, gdy grafik jest pełny?

Wejście da się rozłożyć na jedną wizytę dziennie i tyle zwykle wystarcza, żeby ocenić szkic. Problem nie leży w trudności narzędzia, tylko w tym, że w zabieganym dniu nikt nie klika niczego nowego.

Widać to w badaniu randomizowanym, w którym 238 lekarzy z 14 specjalności dostało asystenta AI do dokumentacji. Narzędzia użyto w 33,5% i 29,5% wizyt, zależnie od produktu, a około 15% lekarzy z grup interwencyjnych nie użyło go ani razu przez cały okres badania (preprint medRxiv, 2025, przed recenzją). Konto założone w poniedziałek i konto używane w czwartek to dwie różne rzeczy.

Dwa tygodnie rozłożonego startu usuwają większość tarcia:

Czy nieufność wobec notatki napisanej przez AI jest uzasadniona?

Tak. Notatka AI potrafi pominąć fakt z wizyty albo dopisać zdanie bez podstawy, dlatego wymaga sprawdzenia przez lekarza. W dwumiesięcznym pilotażu 31 lekarzy oceniło 356 własnych notatek, czyli 4,7% wszystkich, jakie powstały w tym czasie. Wskazali pominięcia w 18% notatek, treści zmyślone w 11,5% i informacje dopisane bez podstawy w 9,3%. Błędów istotnych klinicznie nie miało 94,7% notatek, ale w 2,5% błąd oceniono jako grożący poważną szkodą, gdyby nie został poprawiony (Taylor i wsp., JMIR Medical Informatics, 2026). Nie był to niezależny audyt, tylko ocena własnej pracy przez użytkowników.

Notatka pisana ręcznie też ma zmyślenia. W porównaniu 97 wizyt, w których tę samą rozmowę opisywał człowiek i system, treści zmyślone wykryto w 31% notatek AI wobec 20% notatek pisanych przez lekarza, przy ocenie jakości nieznacznie wyższej dla lekarzy, 4,25 wobec 4,20 w skali do 5 (Frontiers in Artificial Intelligence, 2025). Ile z tego lekarz musi poprawić przy każdym wpisie, rozbieramy w tekście o tym, czy można ufać notatce AI.

Do dokumentacji trafia wersja, którą lekarz przeczytał i zatwierdził. Narzędzie oddaje szkic.

Deklaracje dostawcy nic tu nie rozstrzygają. Lekarz przepuszcza przez narzędzie pięć własnych wizyt, czyta szkice i liczy poprawki. Po tych pięciu wie, ile pracy zostaje po jego stronie.

Co zrobić, gdy szkic nie pasuje do formatu notatki w placówce?

Układ sekcji da się zmienić i warto to zrobić, zanim narzędzie trafi do szuflady. Domyślny podział na wywiad, badanie i zalecenia sprawdza się w POZ, ale ginekolog opisuje wizytę inaczej niż psychiatra, a wielu lekarzy ma własny układ dopracowany przez lata.

Bez edycji sekcji lekarz przepisuje szkic od zera. Z edycją dostaje tekst w układzie, którego używa od lat. Lekarze pomijają ten krok najczęściej: odrzucają domyślny format, nie sprawdziwszy, że da się go zmienić w kilka minut. Sam mechanizm powstawania takiego szkicu opisujemy przy notatce SOAP.

Dlaczego wdrożenie zatrzymuje się na jednym lekarzu?

Wdrożenie zatrzymuje się na jednym lekarzu, bo decyzję o narzędziu podejmuje w przychodni zwykle ktoś inny niż osoba, która ma z niego korzystać. Gdy licencje kupuje dyrekcja bez pytania lekarzy, powtarza się historia z badania wyżej: narzędzie stoi nieużywane.

Odwrotna kolejność działa lepiej. Jeden lekarz przechodzi przez tydzień tarcia, pokazuje reszcie gotowy wpis ze swojej wizyty i odpowiada na pytania z tego, co sam widział, a nie z materiałów dostawcy.

Jak sprawdzić, czy AI do notatek opłaca się w konkretnej przychodni?

Opłacalność sprawdza się jedną liczbą: czasem od końca wizyty do zatwierdzonego wpisu, zmierzonym przed startem i po dwóch tygodniach. Liczy się go na kilkunastu wizytach, a nie z pamięci. Sposób liczenia rozpisaliśmy przy tym, ile realnie zabiera dokumentacja.

Badania dają rząd wielkości. W wieloośrodkowej analizie pięciu amerykańskich systemów ochrony zdrowia wdrożenie asystenta AI wiązało się z 16 minutami mniej czasu na dokumentację i 13,4 minutami mniej pracy w systemie gabinetowym w przeliczeniu na osiem godzin przyjęć, przy 0,49 wizyty więcej tygodniowo. Istotnej redukcji pracy po godzinach nie odnotowano (JAMA, 2026, 8 581 klinicystów, w tym 1 809 użytkowników narzędzia). Największe korzyści mieli lekarze używający narzędzia najczęściej, co wraca do bariery z sekcji o czasie na naukę.

Drugą stroną rachunku jest cena, a ta w Polsce zależy od tego, czy płaci się za stanowisko, czy za lekarza. Rozpisaliśmy to osobno.

Jak to wygląda w Notatce Lekarza?

Lekarz otwiera wizytę w przeglądarce i rozmawia z pacjentem normalnie, bez dyktowania i bez przerw na pisanie. Po wizycie dostaje szkic podzielony na sekcje, czyta, poprawia i zatwierdza. Gotowy tekst kopiuje do mMedica, Gabinet+ albo innego programu używanego w placówce; system się z nim nie łączy, więc tekst przenosi się przez schowek.

Lekarz ustawia sekcje notatki pod siebie i zakłada konto bez informatyka. Start nie wymaga zmiany programu gabinetowego ani decyzji całej placówki, więc jedna osoba może sprawdzić narzędzie na własnych wizytach i dopiero potem rozmawiać z zespołem. Możesz założyć konto i przejść przez pierwszy tydzień u siebie.

Czego nie robimy: nie stawiamy rozpoznania ani nie zamykamy wpisu za lekarza.

Źródła: „2026 Physician Survey on Augmented Intelligence”, American Medical Association, 2026; „Augmented Intelligence Research: Physician Sentiment Report”, American Medical Association, 2025; Taylor i wsp., JMIR Medical Informatics, 2026; porównanie notatek AI i lekarskich, Frontiers in Artificial Intelligence, 2025; randomizowane badanie dwóch asystentów AI, 238 lekarzy, 2025 (preprint medRxiv, przed recenzją); badanie wieloośrodkowe, JAMA, 2026; „State of Health in the EU. Polska”, OECD i Komisja Europejska, 2025.