​I disse år kommer AI-algoritmerne helt tæt på den kliniske hverdag og arbejdsgangene. For nogle er det kærkomment og spændende, mens det for andre føles som at lægge fagligheden i teknologiens ukendte hænder. Stiller det nye krav til implementering og forankring, eller er ledelsesopgaven den samme?

Hanne Højland Keller er til daglig chefsygeplejerske på Hvidovre Akutmodtagelse og Glostrup Akutklinik, hvor de siden januar 2026 har brugt en AI-algoritme til at analysere røntgenbilleder. Algoritmen er et værktøj til beslutningsstøtte og hjælper sundhedspersonalet med hurtigere at vurdere, om der kan være et knoglebrud. 

Oversættelse krævede teknisk indsigt

Implementeringen af den ny AI-algoritme har det seneste halve år fyldt en del mere på Hanne Højland Kellers bord, end hun havde forventet:

"Vi implementerer jo hele tiden nye behandlingsalgoritmer og alt muligt andet, men det her har alligevel været anderledes. Det har krævet, at jeg virkelig satte mig ind i det mere tekniske omkring, hvordan algoritmen virker."

Det har været vigtigt for hende at forstå selve løsningen for at kunne fortælle sine medarbejdere, hvordan den giver konkret værdi og mening i hverdagen:

"Noget af det vigtigste har næsten været oversættelsen til mine medarbejdere. At algoritmen for eksempel ikke bruger vores patientdata til at blive klogere, eller hvordan vi skal læse og forstå det output den giver," siger Hanne Højland Keller.  

Implementeringen af AI kræver derfor et stort oversættelsesarbejde, og dette er nødvendigt for at medarbejderne kan se meningen med at bruge det i det daglige. Meningsskabelsen ligger derfor i selve implementeringsarbejdet. 

Når bekymring kan veksles til tillid

Begrebet 'automation bias' bruges hyppigt i diskussioner om beslutningstagning, der bygger på algoritmer. Forenklet sagt betyder det, at vi mennesker har en tendens til at stole for ukritisk på automatiseret teknologi, også når den begår fejl.

"Vi kunne godt genkende bekymringen for, om man ville komme til at læne sig for meget op ad AI – det er jo frygten. AI siger, at der ikke er noget, så sender vi blot patienten hjem," siger Hanne Højland Keller og fortsætter:

"Men helhedsbilledet af den enkelte patient kommer altid først og må aldrig erstattes af teknologi. Så det har været vigtigt at lytte til de bekymringer der var og sige, at det her er et værktøj til beslutningsstøtte."

På den måde har det været centralt for Hanne Keller Højland som leder at være åben og transparent om, hvad algoritmen kan og ikke kan for at sikre, at medarbejderne vi bruge AI som beslutningsstøtte i den samlede kliniske vurdering af patienten. 

Åbenhed skabte nysgerrighed

Ifølge Hanne Højland Keller kan åbenheden om både muligheder og begrænsninger have bidraget til, at der på resten af hospitalet har været en nysgerrighed omkring at få AI ind i hverdagen, fordi mange interesserer sig for AI og støder på det i det daglige.

"Kollegaerne synes faktisk det er spændende, fordi det også er noget, som er lidt nyt i hospitalsverdenen. Jeg har selv været ude og sige: 'Lad os nu få en stor succes med det her, for det er noget, der er kommet for at blive,'" siger Hanne Højland Keller og tilføjer:

"Det er det første AI-projekt, i vores afdeling. Vi har oplevet at alle er kommet til undervisningen og har stillet gode og relevante spørgsmål."

For Hanne Højland Keller er projektet et eksempel på, at det ikke handler om teknologi for teknologiens skyld, men fordi værktøjet giver reel værdi både for medarbejderne og patienterne. 

AI skal ind fra starten

I de fleste implementerings- og forandringsprojekter fylder undervisning en del – medarbejdere og ledere skal være i stand til at 'gøre det nye' – tilpasse sig og følge nye arbejdsgange for at sikre forankringen. Men Hanne Højland Keller så ret hurtigt et behov for at tage skridtet videre:

"Noget, der lå mig på sinde, var at få uddannelsesperspektivet med ind – at binde projekt og uddannelse sammen. Der er en særskilt diplomuddannelse for behandlersygeplejersker, så nu har vi fået undervisning i AI med ind, så de nye ikke først skal lære det at kende, når de kommer ud på afdelingen," fortæller Hanne Højland Keller. 

Som leder er det en væsentlig opgave at tænke i helheder og se på overordnede sammenhænge. For Hanne Højland Keller var det derfor vigtigt at tænke strategisk ved at inddrage læringen i AI-algoritmen   i behandlersygeplejerskeuddannelsen. 

Involvering og tværfaglighed giver bred opbakning

Hanne Højland Keller har fra starten været en del af projektets kliniske, tværfaglige referencegruppe, hvilket også har bidraget til, at hun med egne ord har engageret sig meget.

"Den tekniske viden og den tværfaglighed som chefradiologerne, chefradiograf, CIMT og ortopædkirurgerne kunne bidrage med, var virkelig imponerende," roser hun og fortsætter:

"I den tværfaglige gruppe fik jeg endnu mere opmærksomhed på, hvor vigtigt det er, at der er ordentlig evidens for det, vi skal implementere."

Selvom det har taget tid, er den løbende involvering og den tætte dialog, elementer hun fremhæver som noget, der bidrager til den mere langsigtede forankring. 

Forankring af indsatsen

På nuværende tidspunkt følges AI-algoritmen op med feedbackmøder, datamøder og helt lavpraktisk en fysisk postkasse i afdelingen til spørgsmål og tvivl.

"Det skal være let at melde tilbage, når man opdager en fejl, især i en travl hverdag som på en akutmodtagelse, hvor der behandles 350 patienter i døgnet. Man skal nemt kunne give feedback. Det må ikke blive for kompliceret, for så mister man vigtige tilbagemeldinger," siger Hanne Højland Keller. 

Det har betydet meget, at de tilbagemeldinger, der kommer, bliver taget alvorligt. Det sikrer en fortsat opbakning til implementeringen blandt personalet.

"Jo bedre implementeringsplaner man laver, desto flere får man med undervejs – og desto stærkere bliver forankringen," siger Hanne Højland Keller.

Og når man spørger hende, hvad der har overrasket hende mest gennem hele forløbet, er svaret kontant:

"Hvor let det faktisk var at få implementeret."

​

​