De groeiende druk op de Nederlandse zorgsector
De Nederlandse zorgsector staat onder immense druk. Professionals kampen met lange wachtlijsten, zware administratieve lasten en een zorgvraag die alsmaar toeneemt door de vergrijzing. Prognoses wijzen op een stijging van de zorgvraag met 30–40% richting 2030.
Tegelijkertijd worstelen zorginstellingen met verouderde en versnipperde systemen, waardoor waardevolle data vaak geïsoleerd blijft in silo's.
We zien slimme AI-agents niet als vervanging, maar als versterking van wat menselijk blijft in de zorg. Via de CareHub maken we AI praktisch toepasbaar binnen zorgorganisaties.
“AI versterkt zorgprofessionals, het vervangt ze niet.”
Het probleem: AI-hype versus zorgrealiteit
Zorgprofessionals verliezen gemiddeld 40% van hun werktijd aan administratie en dubbele invoer door niet-koppelende systemen. In de GGZ en jeugdzorg lopen wachttijden op tot maanden.
70% van de zorginstellingen zoekt integrale oplossingen die interoperabiliteit garanderen, om zo versnipperde data tegen te gaan.
AI wordt vaak als wondermiddel gepresenteerd, maar in de praktijk blijft het gebruik beperkt tot pilots of gesloten systemen. Mensgerichte AI in healthcare vraagt om een andere benadering: geen black-box algoritmes, maar transparante AI-agents.
De oplossing: CareHub met AI-agents
PCD CareHub bouwt met de CareHub een open digitale zorghub waarin complementaire zorgtech-bedrijven samenkomen. Centraal staat interoperabiliteit: systemen delen realtime data via standaarden als Wegiz, zonder dubbele invoer.
Een AI-agent analyseert intake-data uit EPD's, cliëntportalen en wearables om passende zorgtrajecten voor te stellen. In plaats van professionals te overrulen, biedt de AI onderbouwing met explainable AI — transparante beslissingslogica die voldoet aan AVG en NEN 7510.
Bewezen technologieën zoals workflow-engines worden gekoppeld aan AI-modules voor 360° cliëntbeelden. De kracht zit in de menselijke laag: AI signaleert vroegtijdig escalaties, maar laat de professional het laatste woord voeren.
Praktijkimpact: van zorg naar welzijn
Bij aanmelding in de jeugdzorg matcht een AI-agent de cliënt op basis van harde criteria én zachte factoren. Cliënten krijgen een selfservice-portaal, waardoor zij meer regie hebben over hun eigen traject. De zorgcoördinator ziet de aanbeveling, kan deze accepteren of overrulen, en de redenen worden teruggestuurd om het systeem beter te maken.
Professionals kunnen zich richten op de échte zorgverlening. Minder administratieve last, lagere werkdruk, hogere tevredenheid. In de VVT-sector ondersteunt AI hybride zorg met virtuele check-ins en predictieve monitoring — niet ter vervanging van menselijk contact, maar ter ondersteuning van waar dat contact het meest nodig is.
Organisaties zien efficiëntiewinst en kunnen meer bereik realiseren zonder extra personeel. Belangrijker dan de getallen: meer verbondenheid voor cliënten, meer voldoening voor professionals. AI die zo wordt ingezet, vergroot het menselijke karakter van de zorg in plaats van het te uithollen.
Wat 'mensgericht' concreet betekent in design
Mensgerichte AI is een richtingsterm. Maar wat betekent het in concrete ontwerpkeuzes? Drie principes komen telkens terug: de professional houdt regie, de cliënt heeft inzicht, en de organisatie behoudt verantwoordelijkheid.
Professionele regie betekent: de AI suggereert, de professional beslist. Dat zit niet alleen in de UI (een 'accorderen'-knop is niet genoeg) maar in de workflow: de AI mag niets 'achter de schermen' doen wat de professional niet kan zien of corrigeren. Dat dwingt tot een ontwerp waarin de AI transparent en redirectable is — en dat is waar veel SaaS-AI in de zorg het laat afweten.
Cliëntinzicht betekent: cliënten zien wat de AI over hen zegt en kunnen erop reageren. Niet als compliance-vinkje (de AVG vereist dit toch al voor geautomatiseerde besluitvorming), maar als productprincipe. Een AI die voor cliënten transparant is, krijgt sneller adoptie en beter feedback.
Organisatieverantwoordelijkheid betekent: de zorgaanbieder blijft formeel en operationeel verantwoordelijk voor de uitkomsten. AI-leveranciers die hun verantwoordelijkheid wegcontracteren via algemene voorwaarden bieden geen zekerheid; alleen leveranciers die meewerken aan de governance-keten passen in de zorg.
Adoptie versus pilot: waarom zoveel AI-projecten stranden
Een veelvoorkomend patroon: een AI-pilot levert in een gecontroleerde omgeving veelbelovende resultaten op, maar bij opschaling stagneert het. Drie redenen komen telkens terug.
Eén: workflow-integratie. Een AI die op een aparte plek staat (een eigen tabblad, een eigen scherm, een eigen rapportage) wordt vergeten. Een AI die in de bestaande workflow integreert — in het ECD waar de professional al werkt, in de planning die hij al gebruikt — wordt structureel ingezet. Adoptie is een kwestie van plaats, niet van prestatie.
Twee: feedback-loop. AI in een pilot wordt vaak goed gemonitord; in productie zelden. Zonder feedback — wat werd geaccepteerd, wat afgewezen, met welke redenen — kan de AI niet leren en kan het team niet evalueren. De pilot was succesvol omdat er aandacht aan werd besteed; in productie verdwijnt die aandacht.
Drie: aansluiting op bestaande compliance. AI-projecten worden vaak los van de NEN 7510- en AVG-praktijk gestart, en lopen later vast op DPIA-vragen, audit-eisen en consent-flows. AI die vanaf het ontwerp meedraait in de bestaande compliance-architectuur, wordt simpelweg sneller geadopteerd dan AI die compliance achteraf moet inhalen.
Wat dit betekent voor de inrichting van zorgorganisaties
Mensgerichte AI vraagt iets van organisaties: niet alleen technische capaciteit, maar ook governance-capaciteit. Wie krijgt mandaat om beslissingen over AI-inzet te nemen? Hoe wordt feedback van professionals gestructureerd opgehaald? Wie evalueert kwaliteit en bias periodiek?
Een lichtgewicht oplossing: een AI-werkgroep met daarin een klinische lead, een IT-lead, een compliance-lead en een patiëntvertegenwoordiger. Niet als 'commissie' die alles vooraf goedkeurt, maar als groep die periodieke evaluatie doet en bij signalen kan ingrijpen. Dat is genoeg om de meeste valkuilen voor te zijn.
Wie deze structuur in 2026 niet heeft, loopt drie jaar later achter — niet omdat AI dan zo veel verder is, maar omdat de organisaties die het wel hebben hun adoptiekans drie keer harder opbouwen. AI in de zorg gaat niet over wie de meeste modellen heeft. Het gaat over wie de beste lokale governance heeft om AI verantwoord te schalen.
