Поделиться статьей
- Опубликованный в этом месяце опрос показал, что 92% руководителей в сфере здравоохранения считают глубокую клиническую отраслевую экспертизу критически важной при выборе поставщика ИИ-решений. Даже там, где ИИ уже работает, 71% организаций не расширяют его использование должными темпами.
- Отраслевая экспертиза означает знание бизнеса на уровне, достаточном для понимания того, какие проблемы стоит решать с помощью ИИ, а какие — нет.
- В здравоохранении и медико-биологических науках неверная ставка на ИИ создает риски нарушения нормативных требований, задерживает пути оказания медицинской помощи и на годы подрывает доверие к организации.
Знакомство с экспертом
Вишал Гоял
Доктор философии (Ph.D), старший вице-президент по отраслевому успеху, SoftServe
Д-р Гоял входит в состав руководства SoftServe по направлению HCLS (здравоохранение и медико-биологические науки) и возглавляет группу бизнес-консалтинга. На протяжении своей карьеры он руководил многочисленными инициативами по цифровой трансформации с приоритетом ИИ во всей цепочке создания стоимости в медико-биологических науках — от НИОКР и коммерческих операций до цифрового производства. Вишал занимал руководящие должности в IBM, Eastman Kodak, Infosys и других компаниях. Он получил степень бакалавра химической инженерии в ИИТ Бомбея и степень доктора философии (Ph.D) в Ратгерском университете, штат Нью-Джерси.
Почему организации не получают отдачу от ИИ?
Этот разрыв проявляется везде, где внедрение опережает реальный эффект, и это не технологический сбой, что напрямую подтверждается результатами опроса этого месяца. Годы инвестиций ушли на выбор моделей, создание инфраструктуры и консолидацию платформ. Упущено было то, понимал ли кто-нибудь компанию достаточно хорошо, чтобы направлять эту работу.
В здравоохранении и медико-биологических науках ИИ терпит неудачу, когда он строится на разрозненных данных, а не на реальном, сложном пути пациента. Отраслевые эксперты проектируют решения с учетом фрагментированных путей лечения и запутанных планов терапии, чтобы технология служила пациенту, а не только бэкенду больницы. ИИ демократизировал информацию. Дефицитным ресурсом стало понимание того, какие вопросы задавать и каким ответам доверять.
Что говорят данные об ИИ и отраслевой экспертизе?
Индекс ИИ Стэнфордского университета 2025 года подтверждает, что широкое внедрение — это реальность, но получение ценности происходит неравномерно. Разрыв не сокращается сам по себе. Опрос Carta Healthcare за июль 2026 года указывает на то же самое под другим углом: покупатели теперь требуют отраслевой экспертизы, а не скорости внедрения. Отчет Всемирного экономического форума «Будущее рабочих мест 2025» показал, что нехватка навыков — отсутствие людей, способных перевести бизнес-требования в направление для ИИ, — является главным барьером для трансформации на базе ИИ для 63% организаций.
Эта закономерность проявляется в поведении рынка. ИТ-сервисные компании, которые сделали осознанную ставку на глубину экспертизы в одной вертикали, опередили собственный рост на 25–30 процентных пунктов. Дифференциатором стала подлинная бизнес-компетентность в выбранной ими отрасли.
Конкурентная реакция уже заметна. Некоторые из крупнейших фирм в нашей отрасли совершают приобретения специально для получения вертикальной глубины, делая ставку на то, что отраслевую экспертизу стоит покупать напрямую. Аналитики, освещающие этот сдвиг, называют отраслевую экспертизу новым «рвом» в корпоративном ИИ, но указывают на реальный риск: экспертиза живет в людях, а не в организационных схемах, и команда, которая не понимает компанию, неправильно настроит или направит любую модель. Покупка этих знаний не передает суждение, необходимое для понимания того, когда их применять, а когда игнорировать.
Как выглядит отраслевая экспертиза на практике?
Структурированное, повторяющееся взаимодействие с реальными проблемами клиентов формирует отраслевую экспертизу. MIT Sloan (июнь 2026 г.) определил «ИИ-хребет» — кросс-функциональную структуру, которая внедряет отраслевую экспертизу непосредственно в инновации ИИ, — как то, что отличает компании, масштабирующие ИИ, от тех, кто все еще проводит пилотные проекты. Окно конкурентных возможностей закрывается, и доказательства теперь являются дифференциатором. Два недавних проекта показывают, как выглядят эти доказательства.
ИИ под руководством человека обрабатывает прием данных и соблюдение нормативных требований, не теряя при этом человеческого суждения. Посмотрите, как это работает.
- Глобальная компания в сфере медицинских технологий обратилась к нам с технологическим запросом. Наша команда переформулировала его как бизнес-задачу: время диагностического цикла более 90 минут замедляло принятие решений о лечении в самые ответственные моменты. Обоснование решения клинической спецификой, а не только инженерией, сократило время этих циклов до 5–15 минут без ущерба для точности. Ошибки в таких вопросах стоят доверия именно в тот момент, когда оно больше всего нужно пациенту.
Глобальная компания в сфере медицинских технологий обратилась к нам с технологическим запросом. Наша команда переформулировала его как бизнес-задачу: время диагностического цикла более 90 минут замедляло принятие решений о лечении в самые ответственные моменты. Обоснование решения клинической спецификой, а не только инженерией, сократило время этих циклов до 5–15 минут без ущерба для точности. Ошибки в таких вопросах стоят доверия именно в тот момент, когда оно больше всего нужно пациенту.
- Та же закономерность проявилась в других условиях: ведущая медицинская страховая компания обратилась к нам со сложной задачей поиска медицинских записей среди множества заинтересованных сторон. Знание этого процесса помогло нам быстро понять их среду и взаимодействовать на уровне решений. Это укрепило доверие на раннем этапе, и клиент назвал наше понимание их бизнеса — лучшее, чем у их собственной команды, — решающим фактором.
Та же закономерность проявилась в других условиях: ведущая медицинская страховая компания обратилась к нам со сложной задачей поиска медицинских записей среди множества заинтересованных сторон. Знание этого процесса помогло нам быстро понять их среду и взаимодействовать на уровне решений. Это укрепило доверие на раннем этапе, и клиент назвал наше понимание их бизнеса — лучшее, чем у их собственной команды, — решающим фактором.
Та же компетентность помогла MEDHOST удвоить свою клиентскую базу. Посмотрите, как это произошло.
В чем заключается возможность?
Некоторые конкуренты покупают отраслевую глубину через поглощения. «Ров» — это то, что вы строите со временем, а не то, что сделка может дать вам в одночасье: суждение, позволяющее понять, для каких проблем подходит ИИ, и авторитет, чтобы действовать в соответствии с этим суждением, когда на кону стоят клинические вопросы. Такая глубина требует многих лет развития. Отраслевые знания — это новый «ров» ИИ. Сделайте шаг вперед, если они у вас есть.
Часто задаваемые вопросы
Как я могу улучшить свою отраслевую экспертизу в конкретной индустрии?
Не только с помощью сертификатов или чтения. Отраслевая экспертиза приходит из многократного выполнения работы, наблюдения за тем, где книжный ответ не работает в реальности пути пациента, заявки или рабочего процесса, и формирования суждения на основе этого трения с течением времени.
Что именно подразумевается под отраслевыми знаниями в контексте здравоохранения?
В здравоохранении отраслевые знания означают понимание клинической и операционной реальности, стоящей за запросом, а не просто самого запроса. Команда с отраслевыми знаниями может отличить технологическую проблему от бизнес-проблемы, скрывающейся под ней, и именно это различие часто определяет, будет ли внедрение ИИ действительно работать.
Являются ли специализированные ИИ-модели лучше моделей общего назначения в здравоохранении?
В плане точности и терминологии — часто да. Однако специализированная модель все равно не может сказать вам, какую проблему вообще стоит решать; это решение принимается до того, как модель начинает работать, и его принимает тот, кто понимает бизнес, а не сам инструмент.
Поделиться статьей
