Sebanyak 75% responden mengakui bahwa mereka belummemiliki keterampilan yang memadai untuk mengelola GenAIsecara efektif, sementara 93% sedang mengambil langkah untukmenyesuaikan dampak GenAI terhadap peran dan tanggungjawab karyawan.
Menurut Head of Healthcare NTT DATA North America, Sundar Srinivasan, agar potensi penuh GenAI di bidang kesehatan bisa tercapai, organisasi perlu menyelaraskan teknologi ini dengan strategi bisnis mereka, memberikan pelatihan menyeluruh bagi tenaga kerja, serta menerapkan tata kelola berlapis yang tetap mengedepankan peran manusia.
“Sangat penting untuk menunjukkan secaratransparan bagaimana teknologi ini bisa mendukung pasien tanpamenggantikan tenaga kesehatan manusia,” terangnya.
Solusi GenAI yang berpusat pada manusia memungkinkan dokter dan staf administratif bekerja lebih efisien tanpa mengorbankan keselamatan dan kualitas pelayanan kepada pasien. Misalnya, GenAI dapat memprediksi penyakit kronis sehingga intervensi bisa dilakukan lebih dini. Teknologi ini juga bisa mempercepat proses administratif seperti persetujuan layanan medis.
Sebagai contoh nyata, NTT DATA bekerja sama dengan Duke Health untuk membangun model interaktif berbasis GenAI untuk layanan kesehatan di rumah, yang bertujuan meningkatkan hasil pengobatan sekaligus mengurangi beban kerja dan stres bagi dokter, rumah sakit, dan pasien.
Meski banyak manfaat telah dirasakan, kekhawatiran tetap besar. Sebanyak 91% pimpinan organisasi kesehatan masih khawatirterhadap potensi pelanggaran privasi dan penyalahgunaan data kesehatan yang dilindungi (Protected Health Information/PHI). Hanya 42% yang benar-benar yakin bahwa sistem keamanan siber mereka cukup melindungi aplikasi GenAI saat ini.
Meskipun demikian, 87% responden percaya bahwa manfaat dan potensi jangka panjang GenAI tetap lebih besar dibandingkan risiko keamanan dan hukum. Bahkan,59% berencana melakukan investasi besar pada GenAI dalam dua tahun ke depan.
Tantangan lainnya dalam penerapan GenAI yang cepat dan bertanggung jawab di bidang kesehatan adalah infrastruktur teknologi yang sudah usang dan kesiapan data. Sebanyak 91% responden mengakui bahwa infrastruktur lama sangat menghambat penggunaan GenAI, dan hanya 44% yang benar-benar merasa telah cukup berinvestasi dalam penyimpanan dan pemrosesan data untuk beban kerja GenAI. Bahkan, hanya 48% yang sudah menilai kesiapan data dan platform mereka untuk GenAI.
“Selain mendukung tujuan operasional, sistem AI juga harus sejalan dengan panduan regulasi dan klinis. Keberhasilanakan sangat bergantung pada kualitas data yang tinggi dan terbentuknya tim pengambil keputusan yang kolaboratif,” jelasnya. (mas)