16 dni odzyskanego czasu lekarza: jak mierzyć wsparcie AI bez skrótów klinicznych?

Liczba 16 dni brzmi jak gotowy argument za wdrożeniem. W raporcie Future Health Index opublikowanym 9 czerwca 2026 roku 46% badanych pracowników ochrony zdrowia wskazało oszczędność co najmniej trzech godzin tygodniowo dzięki narzędziom AI; Philips przeliczył medianę dla minimum 44 tygodni na 132 godziny rocznie. To około 16,5 ośmiogodzinnego dnia, ale globalny benchmark nie jest wynikiem polskiej przychodni ani obietnicą, którą można wpisać do budżetu.

W polskiej placówce AI może przygotować szkic dokumentacji, uporządkować podsumowanie albo zaproponować materiał edukacyjny. Granica jest twarda: lekarz sprawdza fakty i zatwierdza znaczenie kliniczne, a dane pacjenta pozostają w zatwierdzonym procesie. Czas liczy się dopiero po odjęciu kontroli, korekt, wyjątków i obsługi narzędzia.

Ja bym nie zaczynał od pytania „ile wizyt dołożymy?”. Zacząłbym od dwóch pytań: ile minut netto rzeczywiście odzyskuje lekarz oraz czy jakość zatwierdzonego wyniku pozostaje co najmniej taka sama. Dopiero taki pomiar daje managerowi podstawę do decyzji.

Najważniejsze

• „16 dni” traktuj jako punkt odniesienia do lokalnego testu, nie jako gwarantowany rezultat.
• Mierz tę samą czynność przed i po włączeniu AI; nie mieszaj czasu na wizytę, czasu dziennego i pracy po godzinach.
• Od oszczędności brutto odejmij weryfikację, poprawki, odrzucone szkice, wyjątki techniczne oraz narzut organizacyjny.
• Lekarz zatwierdza dokumentację, treść kliniczną i indywidualny komunikat do pacjenta; AI nie przejmuje tej odpowiedzialności.
• Odzyskany czas przeznacz najpierw na rozmowę z pacjentem, spokojne domknięcie dokumentacji i pracę bez nadgodzin, a nie automatycznie na zagęszczenie grafiku.

„16 dni” to punkt odniesienia, nie obietnica

Raport Philipsa obejmował ponad 2000 pracowników ochrony zdrowia i ponad 20 000 pacjentów z dziesięciu krajów. Polska nie była w tej próbie. Warto też czytać liczbę dokładnie: 46% badanych pracowników ochrony zdrowia mówiło o oszczędności co najmniej trzech godzin tygodniowo. Wartość 132 godzin to annualizacja mediany dla minimum 44 tygodni, nie bezpośredni pomiar całego roku ani wynik wyłącznie lekarzy. To deklaracja respondentów w badaniu zamówionym przez dostawcę technologii, nie pomiar logów z polskiego EDM.

Jednocześnie nie ma powodu tej liczby lekceważyć. Jest świeżym sygnałem, że czas warto mierzyć, a nie tylko pytać zespół, czy narzędzie „pomaga”. Badania wdrożeń ambient documentation pokazują, że oszczędności bywają znacznie mniejsze, różnią się między lekarzami i nie zawsze zmniejszają pracę w systemie po godzinach. Efekt zależy od specjalizacji, produktu, procesu i sposobu kontroli.

Dlatego w rozmowie z zarządem użyłbym sformułowania „hipoteza 16 dni”. Manager sprawdza ją na własnych danych procesowych, ale bez danych identyfikujących pacjentów w arkuszu pomiarowym. Po dwóch tygodniach może powiedzieć „u nas wyszło 12 minut dziennie” albo „u nas nie ma oszczędności”. Oba wyniki są wartościowsze niż efekt pożyczony z raportu.

Trzy czynności, jeden zegar i jedna zasada

Wybierz trzy powtarzalne czynności: domknięcie dokumentacji po wizycie, przygotowanie krótkiego podsumowania oraz opracowanie materiału edukacyjnego dla pacjenta. Każda musi mieć jasny początek i koniec, bo inaczej pomiar zmiesza rozmowę kliniczną z klikaniem w systemie. Nie mierz całego dnia jednym stoperem.

Przez pierwsze pięć dni zbierz baseline bez nowego wsparcia AI. Przez kolejne pięć dni zmierz ten sam typ pracy z AI, najlepiej u tych samych lekarzy i przy podobnym profilu wizyt. Porównuj medianę, nie najlepszy pojedynczy wynik. Dzień z awarią, konsultacją szczególnie złożoną albo szkoleniem oznacz jako wyjątek zamiast po cichu usuwać go z zestawienia.

Karta pomiaru nie potrzebuje imienia, rozpoznania ani numeru wizyty. Wystarczą: data, rola, typ czynności, czas baseline albo czas z AI, czas kontroli, kategoria korekty, odrzucenie szkicu, wyjątek techniczny i informacja, czy wpis zamknięto tego samego dnia. Mierz proces, nie historię pacjenta. Jeżeli do analizy potrzebny jest identyfikator, powinien być techniczny i ograniczony, a jego zakres ustala administrator po konsultacji z IOD.

Sugeruję jeszcze jedną zasadę: nie pytaj lekarza o czas z pamięci na koniec tygodnia. Krótkie zapisy po każdej serii wizyt są mniej wygodne, ale ograniczają błąd pamięci i pokazują, gdzie oszczędność znika w korektach.

AI szkicuje, lekarz zamyka odpowiedzialność

Najbardziej użyteczny podział nie przebiega między „automatycznie” i „ręcznie”. Przebiega między materiałem roboczym a zatwierdzonym wynikiem. AI może porządkować tekst i wskazywać braki, ale lekarz odpowiada za finalną dokumentację oraz każdą treść, która może wpłynąć na postępowanie pacjenta.

Przy dokumentacji warto osobno przeczytać zasady transkrypcji rozmowy w gabinecie. Samo nagranie albo szybki transkrypt nie zwalnia placówki z ustalenia zgody, retencji i dostępu. Z kolei mapa human-in-the-loop w placówce medycznej pomaga ustawić realne prawo lekarza do zatrzymania wyniku, a nie symboliczne kliknięcie „akceptuj”.

Kontrola lekarza jest częścią czasu procesu, nie przeszkodą odbierającą AI wynik. Jeśli po wdrożeniu człowiek ma tylko podpisać tekst, którego nie ma kiedy przeczytać, placówka nie odzyskała bezpiecznie czasu. Przesunęła ryzyko na później.

Dziesięć dni bez śrubowania grafiku

Przykład modelowy — scenariusz pokazuje sposób myślenia o pomiarze. Liczby ilustrują rachunek, nie gwarantują wyniku wdrożenia.

Prywatna przychodnia specjalistyczna wybiera 10 kolejnych dni roboczych i trzech lekarzy, którzy wykonują podobny zakres wizyt. Przez pięć dni mierzy baseline, a przez pięć kolejnych pracę z zatwierdzonym narzędziem. Zakres obejmuje tylko trzy powtarzalne czynności: zamknięcie notatki, krótkie podsumowanie oraz materiał edukacyjny oparty na treści zatwierdzonej przez placówkę.

Manager nie zmienia w tym czasie długości slotów ani liczby pacjentów. To ważne, bo inaczej nie da się odróżnić efektu AI od presji grafiku. Lekarz nadal sam podejmuje decyzje kliniczne, zatwierdza finalny wpis i może odrzucić cały szkic bez tłumaczenia się systemowi. Realne dane pacjenta trafiają wyłącznie do zatwierdzonego środowiska zgodnie z rolami, umową i decyzjami administratora podjętymi po konsultacji z IOD.

Każdy szkic dostaje jedną z czterech kategorii: bez zmiany klinicznej, drobna korekta redakcyjna, istotna korekta kliniczna albo odrzucenie. Dzięki temu placówka widzi nie tylko minuty, lecz także cenę jakościową oszczędności. Jeśli system skraca pisanie o sześć minut, ale lekarz trzy minuty sprawdza i dwie poprawia, wynikiem netto jest jedna minuta, nie sześć.

Po dziesięciu dniach manager nie szuka jednej efektownej średniej. Patrzy na rozkład między lekarzami, rodzajami czynności i dniami. Heterogeniczność jest informacją wdrożeniową: narzędzie może pomagać jednej osobie przy notatkach, a drugiej przeszkadzać przy edukacji pacjenta. Nie ma obowiązku rozszerzać go na cały zespół.

Rachunek netto: od 35 minut do 16 dni

Załóżmy, że modelowa placówka najpierw policzyła wynik netto każdego lekarza w każdym porównywalnym dniu, a potem wyznaczyła medianę dzienną. Poniżej znajduje się taki modelowy dzień pracy. Wartość „proces z AI” obejmuje uruchomienie funkcji, przeczytanie szkicu, poprawki i zatwierdzenie. Nie pokazujemy czasu generowania bez kontroli, bo taki wynik nie kończy pracy lekarza.

Przeliczenie jest proste: 35 minut netto × 220 dni pracy klinicznej ÷ 480 minut = 16,0 ośmiogodzinnych dni. Liczby 220 i 480 są założeniami scenariusza. Właściciel placówki powinien wstawić faktyczną liczbę dni klinicznych oraz realną długość dnia danego zespołu.

Ten ekwiwalent nie znaczy, że w kalendarzu pojawi się 16 wolnych dni z rzędu. Oszczędność zwykle występuje w małych porcjach. Może ograniczyć dokumentację po godzinach, dać więcej uwagi podczas rozmowy, pozwolić domknąć wpis tego samego dnia albo zmniejszyć presję między wizytami. Czas odzyskany nie jest automatycznie nową pojemnością grafiku.

Ja bym pokazał zarządowi zarówno ekwiwalent roczny, jak i wynik codzienny. „35 minut netto dziennie przy zachowaniu jakości” jest bardziej operacyjnym KPI niż „16 dni”, bo zespół może go sprawdzać co tydzień i szybko zobaczyć pogorszenie.

Korekta szkicu jest kosztem procesu, nie wyjątkiem

Najłatwiej zawyżyć wynik, zatrzymując stoper w chwili pojawienia się szkicu. Tymczasem weryfikacja i korekta należą do tego samego procesu. Trzeba doliczyć także czas ponownego otwarcia notatki, wyjaśnienia niepewnego fragmentu, poprawy złego przypisania oraz ręcznego odtworzenia wpisu po awarii.

Poza minutami śledź co najmniej cztery wskaźniki: odsetek szkiców z istotną korektą kliniczną, odsetek odrzuceń, udział notatek zamkniętych tego samego dnia i liczbę incydentów związanych z danymi. Dodałbym też pracę po godzinach, bo krótsza notatka nie musi oznaczać krótszego dnia, jeśli system tworzy nowe zadania albo wymaga porządkowania późnym wieczorem.

Istotna korekta kliniczna nie jest zwykłą literówką. To zmiana faktu, rozpoznania, leku, dawki, zalecenia, przeciwwskazania lub elementu, którego pominięcie mogłoby wpłynąć na dalsze postępowanie. Takie korekty trzeba liczyć osobno i omawiać z kierownikiem medycznym. Jedna poważna kategoria błędu może być ważniejsza niż kilkaset odzyskanych minut.

UODO zwraca uwagę, że ryzyko AI rośnie, gdy organizacja traci kontrolę nad celem, zakresem i odpowiedzialnością za dane. Dlatego incydent ochrony danych zatrzymuje rozszerzanie zakresu, nawet gdy tabela czasu wygląda dobrze. Wynik operacyjny nie unieważnia obowiązków placówki.

Kiedy liczba broni się przed zarządem

To ma sens, gdy placówka ma powtarzalne zadania, zatwierdzone środowisko, baseline dla tych samych czynności i lekarza, który ma realny czas oraz prawo odrzucić szkic. Warunkiem jest jednoczesny pomiar czasu i jakości, a nie samo wrażenie szybkości.

Pozytywna decyzja wymaga, żeby wynik netto utrzymywał się w większości dni, istotne korekty były analizowane, a zespół nie obchodził zasad danych. Nie ustalaj jednego uniwersalnego progu procentowego. Próg powinien wynikać z ryzyka procesu: inaczej ocenia się szkic organizacyjnej informacji, a inaczej finalną dokumentację lub indywidualne zalecenie.

To nie ma sensu, gdy manager chce policzyć wyłącznie czas generowania, pominąć poprawki albo natychmiast skrócić sloty wizyt. Zatrzymaj rozszerzenie również wtedy, gdy pojawiają się systematyczne istotne korekty, personel używa niezatwierdzonych narzędzi albo lekarz zaczyna akceptować tekst bez czytania.

Decyzja może być częściowa. AI zostaje przy podsumowaniach, ale odpada przy materiałach edukacyjnych; pomaga dwóm lekarzom, ale nie całemu zespołowi; działa dla jednego typu wizyty, lecz nie dla przypadków złożonych. Dobry pomiar pozwala ograniczyć zakres bez uznawania całej próby za porażkę.

Pierwszy krok: dwa tygodnie z pustą kartą czasu

Jutro rano nie zaczynaj od zakupu kolejnej licencji. Zacznij od pustej karty pomiaru i nazwij trzy czynności. Pierwsze pięć dni to baseline, kolejne pięć to praca z zatwierdzonym wsparciem AI. Jeśli zespół nie umie zmierzyć obecnego procesu, nie będzie też wiedział, czy go poprawił.

• Ustal właściciela pomiaru: manager zbiera zagregowane dane, lekarz oznacza rodzaj korekty, a administrator ustala zakres informacji po konsultacji z IOD.
• Zapisz początek i koniec każdej czynności oraz osobno czas kontroli, korekty, odrzucenia i wyjątku.
• Nie umieszczaj w karcie imion, numerów identyfikacyjnych, rozpoznań ani treści dokumentacji.
• Nie zmieniaj grafiku podczas porównania; zachowaj podobny profil dni i odnotuj odchylenia.
• Po dziesięciu dniach policz medianę dzienną, wynik netto i ekwiwalent dni, ale decyzję podejmij razem z jakością oraz opinią lekarzy.

Na spotkaniu końcowym zadaj trzy pytania: czy lekarz kończy pracę wcześniej lub spokojniej, czy finalna treść wymaga mniej czy więcej uwagi oraz czy granice danych były przestrzegane. Sugeruję chronić odzyskany czas przez pierwszy miesiąc, zamiast od razu wypełniać go dodatkowymi wizytami. W przeciwnym razie placówka nie sprawdzi, czy AI zmniejsza obciążenie, czy tylko przyspiesza taśmę.

Źródła

• Philips — Future Health Index 2026: raport globalny — źródło świeżego benchmarku: 46% badanych pracowników ochrony zdrowia wskazało co najmniej trzy godziny oszczędności tygodniowo, a 132 godziny to annualizacja mediany dla minimum 44 tygodni; raport obejmuje ponad 2000 pracowników ochrony zdrowia i ponad 20 000 pacjentów w 10 krajach, bez Polski. Publikacja: 2026-06-09. Sprawdzono: 2026-07-10.
• UODO — „Czy AI to zagrożenie dla danych?” — polskie źródło urzędowe o potrzebie kontroli celu, zakresu i odpowiedzialności za dane oraz analizy prawnej i organizacyjnej przed wyborem narzędzia. Publikacja: 2026-06-10. Sprawdzono: 2026-07-10.
• Naczelna Izba Lekarska — komentarz do art. 12 Kodeksu Etyki Lekarskiej — źródło zawodowe dla granicy odpowiedzialności: w zastosowaniach diagnostycznych i terapeutycznych ostateczną decyzję podejmuje lekarz; komentarz rozróżnia też AI kluczowe klinicznie od narzędzi wspierających. Sprawdzono: 2026-07-10.
• JAMA Network Open — Evaluation of an Ambient AI Documentation Platform — badanie przed–po w jednej organizacji pokazujące skorygowany spadek czasu aktywności w notatkach EHR o około 0,91 minuty na wizytę, ale bez istotnej poprawy pracy w EHR po godzinach; nie mierzy pełnego czasu dokumentacji stoperem i wspiera lokalny pomiar zamiast przenoszenia obcej średniej. Publikacja: 2025-05-02. Sprawdzono: 2026-07-10.
• ELI — rozporządzenie Ministra Zdrowia w sprawie dokumentacji medycznej — pierwotne polskie źródło prawne dla integralności dokumentacji, identyfikacji osoby dokonującej wpisu, kontroli dostępu i rejestrowania zmian; uzasadnia włączenie zatwierdzenia oraz audytowalności do pomiaru. Sprawdzono: 2026-07-10.
• Okładka: Pavel Danilyuk na Pexels