Verantwoord en praktisch werken met AI bij de Amsterdamse Federatie van Woningcorporaties
Amsterdamse Federatie van Woningcorporaties
Data & AI voor de ggz
Een ggz-instelling registreert veel, maar haalt er weinig uit terug.
Aanmeldingen, intakes, behandeltrajecten, vragenlijsten, roosters en declaraties staan in het EPD en in losse systemen. Behandelaren besteden veel tijd aan vastleggen, terwijl een team pas achteraf ziet hoe lang cliënten wachten of welke trajecten uitlopen. Data en AI brengen die gegevens samen en geven ze terug op de plek waar het werk gebeurt.
Uitdagingen,
Wachtlijsten, een tekort aan behandelaren en een hoge registratielast komen tegelijk op de ggz af. Daarnaast gaat het om gegevens over de geestelijke gezondheid van mensen: bijzondere persoonsgegevens die extra zorgvuldig moeten worden behandeld. Dat vraagt om inzicht dat klopt, om strikte afspraken over wie wat mag zien en om toepassingen die de behandelaar helpen in plaats van vervangen.
Hoe wij ondersteunen,
Wij brengen aanmeld-, behandel- en roostergegevens samen in één datafundament en bouwen daarop rapportages en modellen voor wachttijd, capaciteit en behandelduur. Ook helpen we behandelaren en secretariaten sneller de juiste informatie te vinden in protocollen, richtlijnen en dossiers, en tijd te besparen op verslaglegging. Dit zijn enkele voorbeelden van wat er mogelijk is. Welke oplossing het beste past, hangt altijd af van de uitdaging en de organisatie.
DSL in cijfers,
40
Data experts
10+
Jaar ervaring
200+
Projecten gerealiseerd
8,7
Klantwaardering
Neem contact op met onze experts,
Wil je weten wat wij voor jouw organisatie kunnen betekenen?
Younes Seghrouchni
Managing Consultant GenAI & Data StrategyE-mail info@datasciencelab.nl
Carmen Wolvius
Managing Consultant Data Science & AIE-mail info@datasciencelab.nl
Stef Stoelwinder
Business DevelopmentE-mail info@datasciencelab.nl
Waar we dat doen,
Laatste blogs,
Lees hier onze laatste inzichten.
Drie lessen uit onze AI-projecten
In twee jaar tijd begeleidden we tientallen AI-projecten, van een eerste verkenning tot een model dat elke nacht draait. Sommige liepen precies zoals…
Van pilot naar productie: waarom de meeste AI-projecten stranden
Veel organisaties hebben inmiddels een AI-pilot gedraaid. Het model werkt, de demo oogst applaus, en dan gebeurt er niets meer. Uit onze praktijk…
Responsible AI van principes tot praktijk
Artificial Intelligence ontwikkelt zich razendsnel. Vrijwel elke week verschijnen er nieuwe modellen en steeds meer organisaties experimenteren met…
De organisaties die dat doen,
Veelgestelde vragen,
AI kan gegevens over aanmeldingen, behandeltrajecten en roosters combineren om eerder zichtbaar te maken waar wachttijden oplopen en welke trajecten meer capaciteit vragen. Daardoor kan een instelling de beschikbare behandelaren beter inzetten en houden behandelaren meer tijd over voor hun cliënten.
Bij één vraag die elke week terugkomt, zoals hoe lang cliënten per zorgvorm wachten of hoeveel tijd behandelaren kwijt zijn aan registratie. Met de gegevens die er al zijn, is snel te zien wat een dashboard of model toevoegt aan de huidige inschatting.
Meer dan vaak gedacht: aanmeldingen en intakes, behandeltrajecten en zorgactiviteiten in het EPD, uitkomstvragenlijsten, roosters en declaraties. Het werk zit in het koppelen van die bronnen per team en per zorgvorm, zodat ze één betrouwbaar beeld geven.
Door per vraag te bepalen welke gegevens echt nodig zijn, door waar mogelijk met geaggregeerde of gepseudonimiseerde gegevens te werken en door toegang per rol te regelen. Een model geeft een signaal of een samenvatting; de behandelaar beslist wat ermee gebeurt.
Door de uitkomst te tonen waar planners, secretariaten en behandelaren al werken, door behandelaren vanaf het begin mee te laten bepalen wat nuttig is, en door af te spreken wie het model bijhoudt als zorgvormen of werkwijzen veranderen.