Генеративният AI няма да намали медицинските разходи чрез замяна на лекари и сестри

Ръководителите на големи технологични компании като Amazon, Salesforce, IBM и Shopify вече свързват внедряването на генеративни AI инструменти с намаляване на разходите и съкращаване на персонал. Международни оценки показват, че до 2030 г. изкуственият интелект може да измести милиони работни места, но в здравеопазването този подход предлага само ограничени финансови дивиденти. На 20 юли 2026 г. беше публикуван анализ, който очертава защо замяната на клиницисти няма да реши проблема с високите разходи за здравеопазване в Съединените щати.

На национално ниво разходите за здравеопазване в САЩ възлизат на 5,7 трилиона долара годишно (около 5,2 трилиона евро) и се очаква да достигнат 9 трилиона долара до 2034 г. (около 8,3 трилиона евро). Според оценки на Фондация „Кайзер“ (Kaiser Family Foundation) услугите на лекари и клиничните услуги формират само една пета от тези разходи; заплатите на лекари и медицински сестри представляват още по-малък дял. Дори при оптимистичен сценарий, в който внедряването на GenAI намали трудовите разходи за клиницисти с 10%, общите медицински разходи биха паднали само с около 2–3%, и това при условие че спестяванията бъдат изцяло пренасочени към намаляване на разходите за пациенти, работодатели или данъкоплатци.

Защо здравеопазването е различно

Основните разходи в медицината не са възникващите в кабинета заплати, а лечението на напреднали, предотвратими състояния — хирургии, хоспитализации и скъпи медикаменти. Когато хипертонията остане неконтролирана, рискът от инсулт нараства; при нелечен диабет често настъпват бъбречна недостатъчност или ампутации. От тази гледна точка предотвратяването и ранната намеса имат далеч по-голям ефект върху бюджетите от простото увеличаване на продуктивността на отделни клиницисти.

Американският център за контрол и превенция на заболяванията (CDC) изчислява, че ефективното контролиране на хроничните заболявания може да спести над 1 трилион долара годишно (около 0,9 трилиона евро), което е близо 20% от общите медицински разходи. Това показва потенциал за значително повлияване на системата, ако подобренията се фокусират върху превенция, достъп и координация.

Къде могат да дойдат реалните икономии

В анализа се посочват три ключови области, където GenAI може да донесе значим ефект:

• Хронични заболявания: Хипертония, диабет, сърдечна недостатъчност и бъбречни болести засягат голяма част от населението — според оценките около 76% от възрастните американци имат поне едно хронично състояние. Въпреки големите инвестиции, контролирането остава недостатъчно: само около 1 от 4 възрастни с високо кръвно налягане има състоянието под контрол. GenAI може да обяснява диагнози и терапии по разбираем начин, да интегрира данни от носими устройства и домашни монитори и да сигнализира при влошаване, така че лекарските намеси да стават по-рано и по-адресно.
• Достъп до грижи: Клиничните практики работят ограничено време, а здравословни проблеми възникват денонощно. GenAI може да оценява симптоми, да насочва пациентите кога е спешно да потърсят помощ и кога е безопасно да се изчака, като по този начин намалява ненужните посещения в спешни отделения и свързаните с това разходи и чакане. Съвременните изследвания показват, че големите езикови модели отговарят на медицински въпроси на ниво, сравнимо с клиницистите, когато се използват под надзор.
• Координация на грижите: Проблемите с координацията са особено тежки при възрастните пациенти: над 90% от хората на 65 и повече години живеят с поне едно хронично състояние, а пациенти с множество заболявания виждат средно по 14 различни лекари годишно по данни за Medicare. GenAI може да следи списъка с лекарства, да сигнализира за непредвидени взаимодействия и да идентифицира медикаменти, които вече не са показани, намалявайки грешки и усложнения.

Пречки пред внедряването

Ключовите бариери са по-скоро човешки и структурни, отколкото технологични.

Първо, финансовите стимули. Докато плащанията в здравната система се основават основно на обем — заплащане за извършена услуга — болници и практики ще възприемат инструменти, които намаляват посещения и процедури, като заплаха за приходи. При модел на капитация — фиксирано плащане за обслужване на определена група пациенти — интересите се подреждат по-добре и инвестициите в превенция и дистанционни услуги стават изгодни.

Второ, системната организация. Самото изтегляне на приложение или добавяне на алгоритъм в електронното здравно досие няма да промени практиките. Трябва да се реорганизира доставката на грижи: от сегментирани, календарно базирани визити към непрекъснато проследяване, ранна интервенция и междуклинична координация.

Трето, културни нагласи. Здравеопазването традиционно възнаграждава интервенциите и специализацията повече от профилактиката. Всяка технология, която поема задачи, досега запазвани за лекари, ще бъде възприета като заплаха от мнозина клиницисти, освен ако не се демонстрира, че тя разширява техните възможности и ги освобождава за по-сложни случаи.

Ако ръководителите в системата осъзнаят, че стотиците хиляди годишни смъртни случаи от усложнения на хронични заболявания и хроничната липса на достъп носят по-голям финансов и човешки товар, те ще търсят решения извън простото съкращаване на персонал. Внедрен правилно, GenAI може да създаде положителна спирала: по-добра превенция намалява нуждата от сложни интервенции, което освобождава време за клиницистите и създава ресурси за допълнителни инвестиции в превенция и координация.

Изводът е ясен: замяната на лекари и медицински сестри с технологии не е пътят към достъпно здравеопазване. Пътят минава през помощ на клиницистите да поддържат хората по-здрави, а не през съкращаване на човешкия ресурс като основна икономия.