Courtesy of Forbes

Kenapa Proyek AI Kesehatan Banyak Gagal dan Cara Memulai yang Benar

Menjelaskan tiga hambatan utama yang membuat inisiatif AI dalam layanan kesehatan gagal dan memberikan kerangka kerja untuk memulai proyek AI yang sukses dengan fokus pada data, pengguna, dan tata kelola.

12 Nov 2025, 23.15 WIB

167 dibaca

Ikhtisar 15 Detik

Proyek AI di sektor kesehatan harus dimulai dengan perbaikan proses yang ada, bukan hanya fokus pada teknologi.
Keberhasilan inisiatif AI bergantung pada penerimaan pengguna dan pengurangan beban kerja, bukan hanya pada akurasi model.
Penting untuk membangun kerangka kerja etika dan kepatuhan sebelum meluncurkan model AI untuk menghindari masalah hukum dan menjaga kepercayaan pengguna.

Banyak proyek kecerdasan buatan (AI) di bidang kesehatan tidak berhasil berkembang melampaui tahap uji coba, bukan karena algoritmanya buruk, tapi karena data yang digunakan buruk dan sistem yang ada sulit berintegrasi. Data pasien tersebar di berbagai sistem berbeda dan tidak teratur sehingga AI kesulitan beroperasi dengan baik.

Sering kali organisasi langsung membeli alat AI tanpa memperhatikan kualitas dan konsolidasi data terlebih dahulu. Padahal, AI membutuhkan data yang bersih dan terstandarisasi agar dapat memberikan hasil yang akurat dan dapat dipercaya di lingkungan rumah sakit nyata.

Selain masalah data, kegagalan AI juga disebabkan oleh fokus yang kurang pada masalah nyata yang harus diselesaikan. AI harus didesain untuk menyelesaikan tantangan spesifik yang dihadapi pengguna, seperti mengurangi waktu yang dihabiskan perawat atau dokter dalam tugas tertentu.

Sektor kesehatan sangat ketat regulasinya sehingga AI yang tidak dapat menjelaskan logika keputusannya berisiko menimbulkan masalah hukum dan menurunkan kepercayaan pengguna. Oleh karena itu, tata kelola dan kepatuhan terhadap regulasi harus diprioritaskan sejak tahap awal pengembangan AI.

Kesimpulannya, untuk membuat AI sukses di kesehatan, organisasi harus memulai dari memperbaiki proses yang bermasalah, menetapkan tujuan yang jelas dengan fokus pada kebutuhan pengguna, dan menetapkan sistem pengawasan serta kepatuhan yang kuat sejak awal.

Referensi:
[1] https://www.forbes.com/councils/forbestechcouncil/2025/11/12/a-reality-check-on-why-healthcare-ai-projects-fail/

Analisis Ahli

Eric Topol

"Keberhasilan AI di kesehatan bergantung pada data klinis yang terintegrasi dan keterlibatan dokter serta pasien untuk memastikan AI dapat diandalkan dan bermanfaat nyata."

Fei-Fei Li

"AI harus membangun kepercayaan melalui transparansi dan auditabilitas model agar dapat diterima secara luas di bidang medis yang sangat sensitif."

Atul Butte

"Masalah utama bukan hanya algoritma AI, melainkan bagaimana kita mengelola dan menyiapkan data medis yang kompleks agar AI dapat bekerja efektif."

Analisis Kami

"Banyak organisasi terburu-buru mengadopsi AI tanpa memahami kebutuhan esensial dan infrastruktur data yang dibutuhkan, sehingga proyeknya sulit berhasil. Fokus utama harus pada perbaikan proses dan tata kelola data yang solid sebelum teknologi AI diimplementasikan secara luas."

Prediksi Kami

Di masa depan, organisasi yang mengabaikan kualitas data dan tata kelola AI akan terus mengalami kegagalan proyek AI, sementara yang berhasil adalah mereka yang mengintegrasikan AI secara holistik dengan proses bisnis dan kepatuhan regulasi yang matang.

Pertanyaan Terkait

Apa tantangan utama dalam proyek AI di sektor kesehatan?

Tantangan utama dalam proyek AI di sektor kesehatan adalah data yang tidak konsisten dan kurangnya integrasi sistem.

Mengapa data governance penting untuk keberhasilan inisiatif AI?

Data governance penting untuk memastikan bahwa data yang digunakan adalah berkualitas tinggi dan dapat diandalkan, sehingga model AI dapat berfungsi dengan baik.

Bagaimana cara mendefinisikan keberhasilan proyek AI?

Keberhasilan proyek AI harus didefinisikan berdasarkan adopsi pengguna dan peningkatan efisiensi kerja, bukan hanya akurasi model.

Apa yang harus dilakukan sebelum menerapkan model AI di lingkungan nyata?

Sebelum menerapkan model AI, organisasi harus memastikan bahwa infrastruktur data sudah bersih, terstandarisasi, dan terhubung.

Mengapa etika dan kepatuhan penting dalam penggunaan AI di kesehatan?

Etika dan kepatuhan penting untuk mencegah risiko hukum dan memastikan transparansi dalam keputusan yang diambil oleh AI.