Maar hoe langer ik bezig ben met transformatie in de zorg, hoe meer ik ervan overtuigd raak dat technologie zelden de bottleneck is. De bottleneck zijn mensen.

Niet omdat mensen het probleem zijn, maar juist omdat mensen de oplossing zijn, en omdat organisaties daar vaak onvoldoende in investeren. Ik schrijf over technologie omdat ik geloof in de belofte ervan, maar ik schrijf ook over mensen. Omdat ik weet dat die belofte alleen waargemaakt wordt door de juiste mensen op de juiste plek, met de ruimte om te doen wat ze kunnen.

Daarom gaat het deze week over een specifiek type mens. Het type dat organisaties het meest nodig hebben en het vaakst kwijtraken.

Vorig jaar liep ik een ziekenhuis in en zag een verpleegkundige die iedereen om haar heen leek te irriteren. Ze stelde de verkeerde vragen. Waarom werkt dit zo? Kan dat niet anders? Wat als we dit proces gewoon omdraaien? Haar collega’s rolden met hun ogen, haar leidinggevende had haar al twee keer gevraagd zich te concentreren op haar taak, en in de wandelgangen werd ze omschreven als moeilijk en eigenwijs. Sommigen vonden haar ‘gewoon’ een diva.

Ik dacht: bel mij.

Eric Schmidt en Jonathan Rosenberg schreven er jaren geleden over in hun boek over hoe Google werkt. Ze maakten een onderscheid dat ik goed onthouden heb; het onderscheid tussen knaves en diva’s.

Een knave, zeg maar de dwarsligger met verkeerde intenties, is iemand die moeilijk is vanwege slechte bedoelingen: lui, zelfzuchtig, iemand die credits neemt die niet van hem zijn en het team actief tegenwerkt.

Een diva is iemand die moeilijk is vanwege uitzonderlijk talent. Ze denkt dat ze beter is dan de rest van het team, en ze heeft meestal gelijk ook. Maar ze wil het team winnen. Ze wil er iets van maken.

Rosenberg zei: verban de knaves, maar vecht voor de diva’s.

Ik herken dat uit eigen ervaring. De mensen die mij door de jaren heen het meest hebben uitgedaagd, die onze plannen het hardst bekritiseerden en soms ronduit ongeduldig waren met hoe langzaam dingen gingen bij BeterDichtbij, dat waren ook de mensen die ons uiteindelijk het verst hebben gebracht. Ik was het niet altijd met ze eens, en soms irriteerde het me meer dan ik op dat moment wilde toegeven. Maar ze hadden vaker gelijk dan ik op dat moment wilde horen.

Ze waren niet makkelijk. Ze waren onmisbaar.

De cultuur die diva's opslokt

Toch zie ik zorgorganisaties die precies dit soort mensen kwijtraken. Niet door ze te ontslaan, maar door ze langzaam uit te putten. Door ze te vragen zich aan te passen aan een tempo dat hun talent niet nodig heeft, en door ze te behandelen als een probleem dat opgelost moet worden in plaats van als een signaal dat gehoord moet worden. Schmidt waarschuwde daar ook voor: cultuur heeft de neiging om diva’s weg te vegen samen met de knaves, omdat cultuur draait op sociale normen, en diva’s weigeren nu eenmaal normaal te zijn.

In de zorg, een sector die van oudsher draait op consensus, protocollen en hiërarchie, is normaal zijn een overlevingsstrategie. De diva overleeft niet altijd. En de organisatie merkt dat pas als ze weg is.

En nu wordt er een nieuwe dimensie gegeven aan het vraagstuk van Eric Schmidt en Jonathan Rosenberg.

Er is een generatie die dit ingewikkelder maakt

Gen Z, geboren tussen 1995 en 2010, maakt inmiddels bijna 30 procent van de wereldwijde beroepsbevolking uit. Ze zijn opgegroeid met directe feedback als vanzelfsprekend en met zekerheden die allesbehalve zeker bleken: banen, economieën, woningmarkt. Dat vormt een generatie die anders naar werk kijkt dan haar voorgangers, niet slechter, maar fundamenteel anders.

Ze willen werk dat betekenis heeft, niet alleen een salaris aan het einde van de maand. Ze verwachten transparantie van hun leidinggevenden, geen toespraken over kernwaarden. Ze willen begrijpen waarom iets zo werkt, niet alleen hoe ze het moeten uitvoeren. Ze stappen op als het werk geen zin heeft en ze zeggen gewoon wat ze denken, ook als dat ongemakkelijk is voor de mensen om hen heen.

En hier zit precies de valkuil. Want diezelfde eigenschappen kunnen van een diva of een knave zijn. De hoge ambities die snel omslaan in teleurstelling als erkenning uitblijft. De behoefte aan zingeving die zich vertaalt in “dit werk is mij niet waard” in plaats van “hoe maak ik dit werk beter.” De directheid die grenst aan zelfgerichtheid. De combinatie van grote verwachtingen en de onzekerheid van een generatie die weet dat niets vanzelfsprekend is, kan ook leiden tot iemand die vooral voor zichzelf vecht in plaats van voor het team.

Het onderscheid tussen de Gen Z-diva en de Gen Z-knave is daarom niet altijd meteen zichtbaar. En dus ook moeilijk te achterhalen. Het zit hem niet in het gedrag, maar in de intentie erachter. En die intentie kun je alleen leren kennen als je de tijd neemt om te luisteren in plaats van te oordelen.

Wat dat vraagt van jou als leider

Dat klinkt voor sommigen als veeleisend werk. Ik zie het als de kern van de functie. Want een diva managen vraagt iets van jou als leidinggevende, en bij Gen Z geldt dat dubbel. Ze willen geen micromanagement, maar ook geen vrijheid zonder kader. Ze willen geen jaarlijkse beoordeling maar regelmatige, eerlijke feedback die kort en concreet is. Ze willen zingeving die concreet gemaakt wordt in het dagelijkse werk, niet een poster aan de muur met kernwaarden die niemand meer ziet. En ze willen betrokken worden bij beslissingen, ook als je het antwoord al denkt te weten.

Dat is geen soft skill. Dat is leiderschap.

De vraag voor organisaties is dus niet hoe je de moeilijke mensen rustig krijgt. De vraag is of je weet wie je diva’s zijn, of je ze herkent voordat ze besluiten dat het ergens anders makkelijker is. Want voor Gen Z is vertrekken geen laatste redmiddel.

Het is gewoon een optie.

En de verpleegkundige in de gang, degene met de verkeerde vragen? Die werkt nu ergens anders. De afdeling die haar liet gaan zal dat nog merken.

Bij BeterDichtbij zien we ze graag, de mensen met de verkeerde vragen. Want die zijn meestal de eersten met de goede antwoorden.

Dat verhaal resoneerde. Veel mensen herkenden het.

Maar terwijl ik afgelopen weekend in de tuin bezig was en voor de zoveelste keer handmatig mn gras sproeide, realiseerde ik me dat de wereld alweer een stap verder is. Ja, we zijn van ‘binnen verbouwen’ aan ‘buiten’ toegekomen, en ik heb ondertussen een behoorlijke collectie Gardena-spullen opgebouwd. En mn realisatie was dat dat die stap beter illustreert dan alles wat ik tot nu toe over interoperabiliteit heb geschreven.

Gardena heeft drie generaties product. De eerste generatie is de slang. Water van A naar B. Simpel, effectief, maar dom. De slang weet immers niets van wat er aan het einde van de lijn staat.

De tweede generatie is het kliksysteem. Elke Gardena-slang past op elke Gardena-kraan. Sterker nog, zelfs de koppelingen van de Gamma of Action passen op de Gardena. Elke sproeier past op elk systeem. Standaard aansluitingen, geen adapters, geen maatwerk. Je koopt een nieuw onderdeel, klikt het vast, en het werkt. Dat is de API: systemen die data met elkaar kunnen uitwisselen via een gestandaardiseerde verbinding.

De derde generatie is het smart-systeem. Een echte slimme sproeier weet namelijk niet alleen dat er water beschikbaar is. Hij kent context: hij weet wanneer er voor het laatst gesproeid is, wanneer het heeft geregend en weet wat de weersverwachting is voor morgen. Maar hij weet ook welk deel van de tuin (of welke soort begroeiing) op welke momenten water nodig heeft. Het gedrag van de slimme sproeier wordt dus niet alleen afgestemd op data, maar ook alles wat er om hem heen gebeurt, zonder dat ik er elke keer over hoef na te denken. Of dat ik dus toch weer de tuin sta de sproeien terwijl dat misschien niet nodig is (“Maar het gaat vanavond toch regenen?”).

Het verschil zit niet in de aansluiting. Het zit in het begrip.

Een API deelt data. Het smart-systeem deelt context.

Dit is, in een notendop, wat MCP doet. MCP, ook wel de “USB-C van AI”.

Model Context Protocol

Het Model Context Protocol werd gelanceerd door Anthropic in november 2024 en is inmiddels omarmd door OpenAI, Google en Microsoft als open standaard. Het is niet gewoon een betere API, het is een andere manier van denken over hoe systemen met elkaar communiceren in een wereld vol AI-agents.

Een API zegt: hier zijn de gegevens die je vroeg.

MCP zegt: hier zijn de gegevens, hier is de context eromheen, hier zijn de acties/commandos die beschikbaar zijn, en hier is wat er verder nog relevant is voor wat je probeert te bereiken.

Vertaald naar de zorg: een API geeft een AI-agent toegang tot de afspraakgegevens van een patiënt. Een MCP-verbinding geeft diezelfde agent niet alleen de afspraak, maar ook eventuele context; wanneer de patiënt voor het laatst contact heeft gehad, welke informatie al is verstuurd en welke afspraken al zijn geweest. En daarnaast een setje aan mogelijke commando’s of vragen: bijvoorbeeld over welke vervolgafspraak in het zorgpad logisch is en via welk kanaal de patiënt het liefst communiceert.

Niet data. Begrip van de context rondom die data.

Van de tuinslang, naar de Gardena koppeling, naar het slimme ‘bewateringssysteem’ wat als een digitale tuinman jouw groene oase ook echt groen houdt.

En daarmee kom ik bij de vraag die ik mezelf de afgelopen periode vaker stel, en die direct raakt aan wat BeterDichtbij doet.

De vertrouwde interface

Want BeterDichtbij heeft iets wat de meeste zorginfrastructuur niet heeft: een vertrouwde communicatielaag die heel veel patiënten én zorgverleners al dagelijks gebruiken. Geen nieuw scherm. Geen nieuw systeem om te leren. Gewoon de interface die ze al kennen: messaging, berichtenverkeer. Het meest universele communicatiepatroon dat er is.

Ethan Mollick beschreef het eerder dit jaar scherp: de doorbraak van AI zit niet in de meest geavanceerde interface, maar in de meest vertrouwde. De interface die al onderdeel is van de werkdag en die je niet eerst hoeft uit te leggen. Dat is precies waar BeterDichtbij al staat.

De vraag is dus: wat als BeterDichtbij niet alleen de brug is waarover berichten reizen, maar ook de laag wordt waarover AI-agents de zorgverlener en patiënt bereiken via de interface die ze al vertrouwen. Gevoed door context uit de systemen die ze al gebruiken?

BeterDichtbij neemt nooit beslissingen namens de zorgverlener. We geven geen behandeladviezen. Maar we bieden wel de juiste informatie, op het juiste moment, in het vertrouwde kanaal.

Coördinatie, niet besluitvorming. Context, niet diagnose.

Terug naar MCP

Tijmen Onland stelde deze week op LinkedIn een open vraag aan Picnic Technologies. De strekking: AI-agents komen eraan die namens gebruikers dingen regelen zoals boodschappen bestellen, leveringen wijzigen, communiceren met de bezorgdienst. Maar dan moet Picnic wel bereikbaar zijn voor die agents. Niet via een website of via een app. Via een MCP-verbinding die een agent begrijpt en kan faciliteren.

Hij stelde Picnic één simpele vraag: heeft u een MCP-server?

Ik ben benieuwd wie die vraag aan leveranciers in de zorg gaat stellen. Aan EPD-aanbieders. Aan planningssystemen. Aan labsoftware. Aan patiëntenportalen.

Want ik stel hem ook aan onszelf.

Niet als reclamevraag. Maar als strategische vraag die iedere organisatie in de zorg zich op dit moment zou moeten stellen: zijn onze systemen klaar voor de wereld die nu al begint? Een wereld waarin AI-agents niet wachten op een webpagina, maar verwachten dat systemen met hen kunnen communiceren. In context, in begrip, in de taal van de agent.

De nieuwste Gardena-sproeiers ‘begrijpen’ hun omgeving. De sproeier wacht niet op instructies. Hij weet wanneer sproeien nodig is, en waar.

De zorg verdient systemen die dat ook kunnen. En de patiënt verdient het om daarvan te profiteren via een kanaal dat hij of zij al kent. Een kanaal dat slim genoeg is geworden om hem of haar op het juiste moment te bereiken, zonder dat je daar zelf over hoeft na te denken.

Net als die slimme sproeier, die weet wanneer actie nodig is.

Maar tot die er is? De zwenksproeier maakt mijn leven nu al makkelijker.

Abonneer nu

Dan komt er altijd een moment dat je aan jezelf gaat twijfelen. Ligt het aan de pitch, de timing, de markt? Tot ik onlangs weer eens las over de QR-code, en besefte dat wij in uitstekend gezelschap verkeerden.

Want ergens in Nederland staat waarschijnlijk een ingelijste QR-code in de hoek van een kantoor. Groot formaat, zwart-wit, alsof iemand met net iets te veel gevoel voor ironie heeft besloten dat dit een prachtig abstract werk is om op te hangen. Een ‘herinnering’ van de ondernemer die in 2011 of 2012 een fors deel van zijn marketingbudget stak in een technologie die de wereld vervolgens een tijdlang collectief negeerde.

Ik begrijp die ondernemer nu beter dan ooit.

Want wij hebben ook zo’n ‘QR-code’. Sterker nog, we hebben er een paar; ideeën waarvan we weten dat ze werken, waarvan we de data hebben, verhalen, een duidelijk beeld hoe mensen er beter van worden. En toch wachten we nog steeds op het moment dat de wereld eromheen klaar is om die ideeën te omarmen. Tot ze, met elkaar, besloten hebben dat ze het wél snappen.

Dat is niet erg. Het is gewoon hoe innovatie werkt.

Omdat het soms inspireert om de innovatiereis van een ander als onderwerp te nemen, vandaag een stuk over een innovatie die zn tijd nam. En eentje die je nú overal tegenkomt: de QR-code.

Even voor wat context: De QR-code werd uitgevonden in 1994 door een Japans ingenieursteam bij Toyota dat onderdelen wilde traceren in de autofabriek, wat precies zo klinkt als het was: een praktische oplossing voor een logistiek probleem, zonder enige pretentie richting de buitenwereld. Een handige barcode die in twee dimensies kon lezen en daarmee exponentieel meer data kon bevatten dan zijn eendimensionale voorganger (die met streepjes).

En toen ontdekte de wereld buiten de fabriek hem.

Rond 2010 klonk de belofte als een openbaring: je kon een code op een poster plakken en mensen stuurden zichzelf rechtstreeks naar jouw website. Geen overtiep-werk, geen gedoe, puur magie die marketeers enthousiast uitstrooiden over billboards, bierviltjes en de zijkant van vrachtwagens. Wel eens geprobeerd zo’n ding rijdend te scannen? Vervolgens bouwden bedrijven lustig campagnes in de verwachting dat consumenten massaal hun telefoon zouden pakken. Sterker nog; de Nederlandsche Munt sloeg zelfs een qr-code op een munt!

Maar het werkte niet.

Niet omdat de technologie niet deugde, maar omdat de telefoons van 2012 er simpelweg niet op waren gebouwd. Je moest een aparte app downloaden, die app moest je camera aanroepen, dan moest je wachten, dan moest je hopen dat de code niet te klein was gedrukt of te glanzend gelamineerd of te ver weg geplakt, en als je dat allemaal had overleefd landde je op een website die niet voor mobiel was gemaakt en je dus op een klein scherm jezelf een breuk scrolde.

De wereld haalde zijn schouders op. “Leuke gimmick.” En doorrrr.

Wat daarna gebeurde is het deel dat ik persoonlijk het leukst vind, omdat het zo weinig lijkt op hoe we doorgaans over innovatie praten. Want we zien vaak de gloedvolle opkomst, maar merken het stille afscheid niet. En weten ook niet waar de innovatie eindigt; is dat op het innovatie-kerkhof, tussen de Google Glass en de groene ketchup? Of trekt de innovatie zn eigen plan?

De meeste bedrijven trokken namelijk hun conclusies en draaiden moeiteloos door naar de volgende hype; iBeacons, Augmented Reality, nearfield communication, avatars, etc. Ondertussen deed de QR-code stiekem iets heel anders dan verdwijnen. Hij sloop de wereld in via de 'achterdeur, via de logistiek die hem bleef gebruiken. Via pakketbezorgers, ziekenhuizen die medicatie traceerden, en festivals die toegangskaartjes digitaliseerden. Kleine stille toepassingen, ver van de spotlights.

Tot in het voorjaar van 2020, toen de wereld even alle deuren sloot…

Toen die deuren (en met name die van de horeca) weer open mochten, moesten cafés en restaurants een contactregistratie bijhouden zonder papier. Plotseling lag er op elke tafel een gelamineerd papiertje met dat zwart-wit patroon erop, terwijl ondertussen alle telefoons al jaren de camera-app hadden die die code ‘native’ kon lezen. Immers, iOS had dat in 2017 stil ingebouwd en Android was gevolgd zonder dat iemand er een persbericht over had geschreven.

De QR-code was er nog steeds, of weer. En we gebruikten hem, allemaal.

Wat zou gebeurd zijn als Toyota in 1995 had besloten dat dit buiten de fabriek geen toekomst had? Of als de teleurstellende experimenten van 2012 hadden geleid tot een definitief afschrijven van de technologie door iedereen die er ooit in had geloofd?

De queeste van de QR-code zou zijn gestopt. Niet omdat het doel niet bestond, maar omdat de weg ernaar toe gewoon te lang bleek voor mensen die beleid, strategie of kwartaalcijfers moeten verantwoorden.

En dat is het ongemakkelijke aan innovatie. De tijdlijn klopt zelden met de verwachting, de technologie is er vaak eerder dan de wereld eromheen. En in het gat daartussen, in die stille jaren waarin niemand meer aandacht besteedt aan jouw idee en de conferenties zijn doorgegaan naar het volgende onderwerp, wordt eigenlijk bepaald wie er nog staan als het tij keert.

Soms is niet de vraag of een goed idee werkt. De vraag is of jij er nog bent als het antwoord eindelijk ja wordt.

Bij BeterDichtbij hangen onze eigen ‘QR-codes’ al jaren aan de muur. En we weten wat er komt.

We zijn collectief individueel bezig om harder te roeien. Sneller, efficiënter, met betere tools. Maar de organisatorische opbrengst blijft achter.

Er ontstaat een kloof.

Mensen worden productiever. Organisaties worden het niet.

Dit weekend las ik de beschouwing van Marco Derksen op Het Gallup State of the Global Workplace 2026-rapport . Een rapport gebaseerd op onderzoek onder werknemers in meer dan 160 landen, beschrijft wat men de productiviteitsparadox van AI noemt.

65% van de werknemers in organisaties die AI hebben ingevoerd, zegt dat het hun persoonlijke productiviteit verhoogt. Toch geeft maar 12% aan dat AI de manier van werken binnen hun organisatie écht heeft veranderd. De conclusie die Gallup trekt is helder: de opbrengst van AI is vooralsnog vooral zichtbaar op individueel niveau en vertaalt zich nauwelijks naar het geheel.

Mensen worden productiever. Organisaties worden het niet.

Gallup gebruikt ‘Employee Engagement’ om dit te meten; de betrokkenheid en het enthousiasme van medewerkers bij hun werk en hun werkplek. Medewerkers raken betrokken (engaged) wanneer aan hun basisbehoeften wordt voldaan, ze kunnen bijdragen, een gevoel van verbondenheid hebben, en kansen krijgen om te leren en te groeien.

Gallup wijst ook op de sleutelrol van leidinggevenden in dit soort transformaties, maar precies die groep staat zelf ook onder druk. De betrokkenheid van managers daalde van 31% in 2022 naar 22% in 2025, waarmee het ‘engagement-voordeel’ dat managers traditioneel hadden op hun medewerkers vrijwel is verdwenen.
En breder: wereldwijd is nog maar 20% van de werknemers ‘engaged’ in zijn of jaar werk. In Europa slechts 12%.

Marco Derksen vat het in zijn analyse scherp samen: “AI op zichzelf is geen oplossing. De doorslaggevende factor ligt in hoe werk wordt georganiseerd en aangestuurd. Zonder aandacht voor leiderschap, betrokkenheid en organisatieontwerp blijven de effecten van technologische investeringen beperkt.”

Niet de technologie staat centraal, maar de vraag of mensen er mee kunnen werken

Dan was er het tweede bericht, dat op het eerste gezicht weinig met Gallup te maken heeft. Maar wat, als je het goed leest, bij nader inzien precies dezelfde conclusie trekt.

De Europese Commissie heeft via uitvoeringsagentschap HaDEA vorige week een subsidiecall gepubliceerd van €7,8 miljoen. Dat bedrag is niet bedoeld voor de zoveelste tech-pilot of gelikte slidedeck of demo. De Commissie kiest voor iets minder glanzends maar waarschijnlijk veel belangrijkers: mensen op de werkvloer van de zorg. Deze subsidie draait expliciet om het vergroten van de AI-gereedheid van zorgorganisaties en hun personeel, door consortia van hogescholen, ziekenhuizen, onderzoeksinstellingen en trainingsorganisaties te financieren die samen programma’s bouwen om AI bruikbaar te maken in echte zorgomgevingen.

Niet de technologie staat centraal. Maar de vraag of mensen er in de praktijk mee kunnen werken.

Wie de output controleert, wie fouten herkent, wie weet wanneer een model níét te vertrouwen is, en wie een nieuwe tool weet in te passen in een bestaand werkproces zonder extra chaos of risico te creëren.

Een subsidie om er voor te zorgen dat mensen, als onderdeel van een organisatie, effectiever met tools als AI om kunnen gaan. Waardoor hun betrokkenheid vergroot wordt. Alsof Brussel het Gallup-rapport gelezen heeft, zou je bijna zeggen.

Dat is namelijk precies de paradox die Gallup beschrijft en die Marco Derksen benoemt: organisaties proberen nieuwe technologie toe te passen binnen bestaande structuren van functies, afdelingen en hiërarchie, waardoor verbeteringen lokaal blijven en nooit opschalen. AI helpt de individuele medewerker, maar de organisatie als geheel beweegt niet mee. De oude structuren zijn dominant.

En zolang leidinggevenden overbelast zijn, betrokkenheid daalt en werk niet opnieuw wordt georganiseerd vanuit wat mensen nodig hebben om het goed te doen, blijft technologie een hulpmiddel op individueel niveau.

Intrinsieke betrokkenheid

In de zorg is die paradox misschien wel nog scherper voelbaar dan andere sectoren, omdat daar intrinsieke betrokkenheid in principe groter is.

Voor de verpleegkundige die zelf een manier vindt om AI te gebruiken in haar werkdag, maar wier organisatie er geen beleid, structuur of strategie voor heeft. De arts die zijn eigen Claude-workflow bouwt, buiten het zicht van de organisatie, omdat hij/zij wil versnellen in plaats van verzanden in de oude structuren. En voor de bestuurder die investeert in een tool, maar vergeet te investeren in de mensen die hem moeten gaan gebruiken. Het ontbreekt aan kader om die individuele betrokkenheid onderdeel te maken van het grotere geheel, van de organisatie.

Dat is geen technologieprobleem. Dat is een leiderschaps- en organisatievraagstuk.

En de boodschap van zowel Gallup als Brussel is dat de tijd om dat vraagstuk te omzeilen, voorbij is. Dat het tijd is om te zorgen dat niet alleen mensen productiever worden, maar dat ook organisaties anders gaan werken.

Dat geeft hoop. Niet omdat subsidies en onderzoeksrapporten de zorg verbeteren, maar omdat het signaleert dat het gesprek aan het kantelen is. We gaan van “Hebben jullie ook AI-tool?” naar “Hoe is de werkvloer ingericht om ermee te werken, en wie draagt daar de verantwoordelijkheid voor?”

Dat is precies het gesprek dat de zorg wellicht al langer had moeten voeren.

Technologie verandert de zorg. Maar de mensen die er op de werkvloer mee moeten werken, én de organisaties die hen daartoe serieus in staat stellen, maken het verschil.

• Gallup: de menselijke kant van de AI-revolutie — Marco Derksen, april 2026

• EU trekt €7,8 miljoen uit voor AI-training in de zorg — april 2026

• Gallup State of the Global Workplace 2026 — Gallup

Ik beschreef mijn klachten: Een licht branderig gevoel, vermoeidheid rondom de ogen, lichtgevoeligheid tegen het einde van de dag.

En wat terugkwam was gedetailleerd, goed geschreven en (als ik de bronnen moest geloven) wetenschappelijk onderbouwd. De AI legde uit dat mijn klachten mogelijk wezen op bixonimania, een opkomende aandoening die wordt gelinkt aan langdurige blauwlichtblootstelling. Er waren verwijzingen naar onderzoek. Een beschrijving van het mechanisme. Suggesties voor vervolgstappen.

Ik las het twee keer, het zag er echt uit. En ja, dacht ik: logisch eigenlijk, al die schermen. Ik geloofde het.

Tot ik toch iets verder zocht. En toen ontdekte dat bixonimania volledig verzonnen is. Het bestaat niet, en heeft nooit bestaan. Bedacht door onderzoekers die bewust nep-papers publiceerden om te testen hoe AI omgaat met medische desinformatie.

En de conclusie was vrij duidelijk: AI pikt die desinformatie op als feit en presenteert het aan gebruikers als echte medische informatie. Volledig overtuigend, compleet met de toon van een arts die weet waar hij het over heeft.

Onderzoekers hadden de ziekte zelf bedacht: ze publiceerden bewust nep-papers, ogenschijnlijk wetenschappelijk, professioneel opgemaakt, voorzien van referenties. En AI-chatbots pikten het op. Presenteerden het als feit.

En er was nog iets opmerkelijks: Uit hun onderzoek blijkt dat AI vaker hallucineert als tekst eruitziet als een medisch document: als een klinisch rapport, een ontslagbrief, een wetenschappelijk artikel. Deze uitstraling wordt dan meer waarde toegekend dan wanneer dezelfde informatie van sociale media afkomstig is. Hoe professioneler de verpakking, hoe groter het vertrouwen van de AI.

De vorm overtuigt. Ook als de inhoud niet klopt. Je zou bijna het vergelijk met politiek maken.

Nu even een stap naar het landschap in Nederland, want deze discussie is natuurlijk al zo oud als Dr Google. En als iemand dat weet, zijn het de expert van Thuisarts.

Voor degenen die het niet weten: Thuisarts wordt gemaakt door meer dan zestig mensen, waaronder artsen, onderzoekers en data-experts, om zo één plek te hebben waar iedereen betrouwbare informatie over gezondheid en ziekte kan vinden. De informatie komt rechtstreeks uit de richtlijnen van het Nederlands Huisartsen Genootschap en de Federatie Medisch Specialisten. Als een richtlijn verandert, verandert Thuisarts mee. Patiënten werken via de Patiëntenfederatie actief mee aan de inhoud.

Een dergelijke vertrouwd en eigen kanaal is een fundamenteel ander vertrekpunt dan een Amerikaans techbedrijf dat medische informatie aanbiedt op basis van wat er op het internet staat.

En precies daarom is het goed nieuws dat Thuisarts nu een eigen AI-assistent ontwikkelt: voor de zomer van 2026 start een grote test. Directeur Swanet Woldhuis was in haar eerdere opinie stuk in Trouw helder over de urgentie: Amerikaanse chatbots (zoals ChatGPT Health) komen eraan, hun antwoorden zijn niet altijd gebaseerd op getoetste bronnen, en ze zijn niet toegesneden op de Nederlandse context. Terwijl meer dan 230 miljoen mensen wereldwijd wekelijks medische vragen aan ChatGPT stellen. Zonder enig zicht op wat er terugkomt, en hoe (on)waar dat is.

Het Bixonimania-experiment en het Thuisarts-initiatief samen vertellen één verhaal: vertrouwen in output van AI is niet vanzelfsprekend of altijd juist. Het begint namelijk bij de kwaliteit van hetgeen ‘erin’ gaat. Bij de bron die de informatie levert. En bij de mens die beoordeelt wat eruit komt, en daar waarde aan toekent.

De specialist die vroeger zuchtte als je met een Google-uitdraai binnenkwam, heeft nu dus een groter probleem. Niet die patiënt die zelf opzoekt. Maar het feit dat wat hij of zij opzoekt er steeds geloofwaardiger uitziet, en dat steeds minder makkelijk te controleren is (en mogelijk steeds vaker niet juist is).

Daarom wordt de waarde van gevalideerde en betrouwbare content alleen maar groter. En nu, omdat ik in mn vorige artikel ‘Nieuwe Intelligentie. Oude deuren’ beschreef dat een interface belangrijk is, maakt Thuisarts volgens mij de juiste stap om die ook aan te bieden in een vorm die past bij de tijd van nu: Ze lanceerden een nieuwe app en stoppen hun AI-agent in een GPT.

Om te zorgen dat dit slaagt, en Bixonimania en alle varianten geen kans krijgen, zullen we met elkaar wél moeten zorgen dat we initiatieven als Thuisarts de juiste waarde toekennen in het landschap. Dat ze breed ondersteund worden in het beschikbaar blijven houden van dit soort content, ook in moderne vormen.

Want we zijn in Nederland maar wat trots op dit soort successen, maar omgekeerd enorm slecht in het langdurig (en breed) ondersteunen van dit soort maatschappelijke relevante initiatieven. Ook zij hebben namelijk een ‘sustainable businessmodel’ nodig om in de toekomst waarde te kunnen blijven toevoegen.

Technologie verandert de zorg. Maar mensen én betrouwbare informatie, in dit geval van de de artsen, onderzoekers en patiënten die samen Thuisarts bouwen, maken daarin uiteindelijk het echte verschil.

Ik denk namelijk dat de waarde van technologie veel groter wordt als we nieuwe intelligentie op de beste plek en de beste manier inzetten, en zorgen dat zoveel mogelijk gebruikers er zo eenvoudig mogelijk gebruik van kunnen maken.

Data en interface

Veel systemen in de zorg (in Nederland) zijn gebouwd in een tijd dat LinkedIn nog een nieuwigheid was. Niet omdat zorgorganisaties achterliepen, maar omdat ze destijds het beste deden wat mogelijk was: ze bouwden systemen die registreerden, archiveerden en toegang gaven aan de mensen die zorg leverden.

Die systemen zijn er nog steeds. En ze zijn in de loop der jaren uitgegroeid tot iets wat je alleen maar kunt bewonderen om de complexiteit. En vrezen om dezelfde reden. Het EPD, ECD of HIS is niet alleen een dossier; het is tegelijk de database, de interface, de workflow, de communicatietool en het archief. Alles in één. Data en interface zijn er onlosmakelijk mee verweven, als draden die zo lang samen zijn opgesponnen dat niemand meer weet waar de een eindigt en de ander begint.

Het gevolg is even voorspelbaar als frustrerend. Wil je een nieuw inzicht toevoegen, een AI-module, een slimme samenvatting, een predictief model, dan moet je vaak door de voordeur van het bestaande systeem. En die voordeur is smal, oud, en ontworpen voor een wereld die er niet meer zo uitziet. Sure, een likje verf doet wonderen, maar het blijft de oude deur.

De data zit daarmee opgesloten in de interface. En de interface is gebouwd voor de zorg van 5 of 10 jaar geleden. Da’s een hele tijd geleden…

Satya Nadella, CEO van Microsoft, legde enige tijd geleden in een podcast de vinger op precies deze wond, al had hij het het niet specifiek over de zorg maar over de gehele wereld van (bedrijfs)software. Zijn diagnose was helder:

“The business logic is all going to these AI agents. They’re not going to discriminate between what the backend is — they’ll update multiple databases, and all the logic will be in the AI tier.”

Wat hij beschrijft is een fundamentele ontkoppeling. De intelligentie (de logica, de beslissingsondersteuning, de regels) hoeft niet meer ingebakken te zitten in één systeem achter één interface. Die logica verhuist naar een aparte laag, bijvoorbeeld aangestuurd door AI. En die laag communiceert met de mens via welke interface het beste werkt voor die mens, op dat moment. Niet via de interface die toevallig is meegeleverd met het systeem.

In Nadella’s wereld zijn data en intelligentie losgemaakt van de interface. Het EPD, ECD of HIS wordt een database. De interface, of AI, wordt de laag daarboven. En de interface, de manier waarop een zorgverlener dat alles ervaart, wordt iets wat je kunt ontwerpen voor de mens die het gebruikt, in plaats van voor het systeem dat het beheert.

Dat klinkt best revolutionair.

De interface als obstakel

Maar zelfs áls dat zo werkt, en die infrastructuur er is, blijft er een tweede probleem bestaan. Een probleem dat Ethan Mollick, een van de scherpere denkers over AI op dit moment, vorige week beschreef in zijn Substack (‘Claude Dispatch and the Power of Interfaces’): de interface zelf is een obstakel.

Onderzoek toont aan dat mensen een meetbare mentale belasting ervaren door de manier waarop ze nu AI benaderen, niet door de complexiteit van het werk zelf. Een chatbox vraagt om tekst. De AI antwoordt met een muur van alinea’s. De gebruiker raakt het spoor bijster. De AI spiegelt de chaos terug. En zo versterken mens en machine elkaar in een neerwaartse spiraal..

De mensen die hier het hardst door worden geraakt, zijn precies de mensen die het meest van dit soort technologie zouden kunnen profiteren. Niet de ervaren gebruiker die weet hoe hij een goede prompt schrijft. Maar de verpleegkundige die midden in een dienst een snelle samenvatting nodig heeft. De huisarts die tussen twee consulten door een vraag wil stellen. De specialist die geen tijd heeft om een systeem te leren dat niet is gebouwd voor zijn werkdag.

De conclusie van Mollick is vrij simpel: AI is goed genoeg. Maar de interface waarin deze beschikbaar is gemaakt, is vaak het probleem.

Vertrouwd beeld

Mollick wijst in datzelfde stuk op iets wat mij wel vaker, of misschien al jaren, bezighoudt. De doorbraak van AI zit volgens mij namelijk niet in de meest geavanceerde interface, maar juist in de meest vertrouwde.

Tools als Claude Dispatch van Anthropic en het razendsnel groeiende open-source platform OpenClaw kiezen bewust voor messaging als interface. Geen nieuw scherm. Geen nieuw systeem om te leren. Maar de vorm van WhatsApp, Telegram, Slack; de apps die mensen toch al de hele dag in hun hand hebben. Je stuurt een bericht. De AI gaat aan de slag op je computer, in je bestanden, dwars door je systemen heen. En jij krijgt een antwoord terug in de app, of vorm, die je goed kent.

De doorbraak van technologie zit niet in de meest geavanceerde interface, maar juist in de meest vertrouwde.

Het idee is even simpel als krachtig: als de interface vertrouwd voelt, verdwijnt de drempel. En als de drempel verdwijnt, kun je de kracht van de technologie gebruiken.

Voor de zorg is dat geen detail. Het is een ontwerpprincipe wat we bij BeterDichtbij als geen ander kennen.

Want iedereen kent het ‘gevoel’ van messaging: De huisarts, de specialist, de verpleegkundige, alle patiënten, iedereen. En door dicht bij die interface te blijven, verlagen we de drempel om nieuwe technologie te omarmen.

Wat betekent dit voor de zorg? En voor de digitale tools die nu op de markt komen?

Het betekent allereerst dat we moeten stoppen met het toevoegen van intelligentie of AI-lagen bovenop systemen die nooit zijn ontworpen om ze te dragen. Wie intelligentie bouwt op een infrastructuur waar data en interface vergroeid zijn, bouwt op drijfzand. De intelligentie of AI kan nog zo goed zijn, als hij door de verkeerde deur naar binnen moet, komt hij niet verder dan de drempel.

Het betekent ook dat de interface een zelfstandig ontwerpvraagstuk is. Niet iets wat je erbij bedenkt als de technologie klaar is, maar iets wat je ontwerpt vanuit de mens die er dagelijks mee werkt. Een belangrijk startpunt. De verpleegkundige die inspreekt in plaats van typt. De patiënt die zijn eigen uitslag begrijpt omdat de interface hem helpt in plaats van overweldigt; bijvoorbeeld omdat het ‘conversational’ wordt aangeboden.

Je houdt in het bouwen van de interface rekening met wat men al kent, tools die men vertrouwd en gewend is te gebruiken. En dan biedt AI de mogelijkheid om dat te doen met begrip van, bijvoorbeeld, context of dialect.

Het betekent, en dit is misschien wel de grootste kans, dat we in de zorg eindelijk kunnen beginnen te bouwen wat al zo lang wordt beloofd maar nooit is gerealiseerd: systemen die draaien om de patiënt en de zorgverlener, in plaats van om de instelling die ze ooit heeft aangeschaft.

De infrastructuur als fundament. De AI als intelligentielaag. De interface als vertrouwd en menselijk ontwerp.

Technologie verandert de zorg. Maar alleen als we stoppen met de nieuwe wereld door die oude deur te bekijken.

Lees ook:

Unhyped AI

Satya Nadella’s Case for an Agentic Future

Satya Nadella keeps saying we are in the “early innings” of AI, and he is right…

Read more

6 months ago · 20 likes · 7 comments · Stuart Winter-Tear

One Useful Thing

Claude Dispatch and the Power of Interfaces

AIs are already far more capable than most people realize. A large part of this so-called capability overhang comes not from the limits of AI (though, of course, they still have many limits), but from how people interact with it. The vast majority of people access AI through chatbots, and usually the free versions with less capable models. A chatbot is …

Read more

2 months ago · 596 likes · 29 comments · Ethan Mollick

Maar ik kreeg sindsdien een vraag die ik mezelf ook al stelde: hoe ziet slimme inzet van dit soort intelligentie er dan wél uit? Als je AI niet inzet om het oude sneller te laten draaien, maar om iets nieuws te bouwen.. wat is dat dan concreet?

EERDER OP DEZE SUBSTACK:
Je maakt een haperend systeem niet beter door het slimmer te maken.
Over waarom AI-investeringen in de zorg onderaan de streep geld blijven kosten, en wat er wél nodig is.

Ik denk dat we een antwoord hebben gevonden: In het Wilhelmina Ziekenhuis in Assen. Ik neem je mee in hun verhaal, aanpak en resultaten.

Gewoon doen

Bij de afdeling cardiologie van het Wilhelmina Ziekenhuis Assen testte medisch assistent Sascha Prins de afgelopen periode een digitale assistent van OurMind voor het beantwoorden van patiëntvragen via BeterDichtbij. Geen groot project, geen stuurgroep, geen architectuurdocumenten. Gewoon doen, en samen ontdekken wat werkt.

Het verschil met wat ik eerder beschreef: ze bouwden niet voort op het bestaande. Ze vroegen zich af wat de patiënt en de medewerker eigenlijk nodig hebben, en startten daar opnieuw. De AI is ingericht op de eigen ziekenhuisteksten en -informatie. De antwoorden passen bij de identiteit van het Drentse ziekenhuis. Niet een generieke tool bovenop een oud systeem, maar iets dat van binnenuit is opgebouwd.

En dan komt wat me het meest opviel: “De antwoorden zijn heel empathisch geschreven, iets wat je in de drukte van de dag zelf soms vergeet.”

Niet: AI is sneller. Niet: AI bespaart geld. Maar: deze oplossing herinnert je eraan wie je wil zijn voor je patiënt, op het moment dat de waan van de dag je dat zelf even niet laat zijn.

Dat is een andere belofte dan we van technologie gewend zijn.

Aanpak - Digitale assistentes met de mens ‘in-the-loop’

Gewoon doen begint wel ergens natuurlijk. Initieel startte de poli Cardiologie met 2 verschillende digitale assistentes: beiden met hun eigen kenmerken, gebouwd door het team van Ourmind.

Digitale Collega Carrie richtte zich op het zoeken naar antwoorden op de website van het ziekenhuis, en mocht alleen antwoorden geven die daar gevonden konden worden. De andere digitale collega, Carina, had meer een eigen geheugen en gaf antwoorden op basis van voorgedefinieerde input van oa dezelfde website.

Op basis van testen in de dagelijkse praktijk bleek de informatie van Carrie van de website het beste te werken. Tegelijkertijd waren de afsluiting en formulering van Carina dan juist weer beter. Dat leidde tot een gecombineerde prompt voor de uiteindelijke assistent, versie 3: Carice.

Carice gebruikt het beste van twee werelden: primaire bron is het interne geheugen, met diverse informatie en antwoorden op veelgestelde vragen. Als dat niet voldoende is, schakelt Carice door naar de secundaire bron, de website. De antwoorden moeten altijd kort en bondig zijn, zonder links en URL’s, en een nette begroeting en afsluiting bevatten. En dat leidt overall tot betere resultaten.

Er is één voorwaarde die het WZA niet onderhandelt: human-in-the-loop. Bij alle AI-inzet blijven altijd mensen betrokken. Medische vragen gaan sowieso naar de specialist. De digitale assistent beantwoordt niet-medische vragen — en ook die worden gecontroleerd.

Dat is geen angst, dat is wijsheid.

En juist omdat mensen in de loop blijven, kan het ziekenhuis nu nadenken over grotere stappen: triage, voorbereiding op consulten, een digitale dokter die al het eerste gesprek voert met een patiënt na de huisartsverwijzing. Zodat het consult daarna dieper en persoonlijker kan zijn.

De teams van Ourmind en BeterDichtbij werken ook samen aan de volgende stappen: deze digitale collega’s eenvoudig en direct beschikbaar maken in het BeterDichtbij platform, zodat er minder handmatige acties nodig zijn.

Niet minder menselijk. Juist menselijker, omdat er meer ruimte is voor wat echt telt.

Resultaat - Het verschil tussen efficiëntie en werkgeluk

In mijn vorige artikel schreef ik dat efficiëntie niet bestaat als de kern niet deugt. Dat geldt nog steeds. Maar het WZA laat zien dat er een andere weg is: als je wél begint bij de kern, bij de vraag voor wie je het eigenlijk doet, dan kan AI iets toevoegen wat verder gaat dan efficiëntie.

Cardioloog Richard de Jong zegt het als volgt: “Ik geloof dat digitalisering en gebruik van AI het werkgeluk van mensen kunnen vergroten.”

Werkgeluk. Niet werkefficiëntie.

Sascha herkent het: “Ik heb nu tijd voor andere dingen die ook belangrijk zijn, en mijn werk wordt er leuker door.” Bijna de helft van alle patiëntvragen wordt nu door de digitale assistent beantwoord. Twee uur tijdwinst per dag. Maar het gaat niet over die twee uur, het gaat over wat ze met die ruimte doet.

Twee uur tijdswinst. Per dag.

Dit is precies wat ik bedoelde met bouwen vanuit de mensen voor wie het ooit bedoeld was. De verpleegkundige die nu echt aanwezig kan zijn bij de patiënt die dat nodig heeft. De assistent wiens werk er leuker door wordt. De patiënt die een warmer, consistenter antwoord krijgt.

Terug naar die auto

Mijn vriend met de kapotte auto heeft die inmiddels naar de garage gebracht. Eindelijk. Niet voor een nieuw navigatiesysteem — maar voor een revisie van de versnellingsbak.

Wat het WZA doet, is precies dat. Niet AI bovenop een kreunend systeem plakken. Maar beginnen bij de vraag: wat is er eigenlijk stuk, en voor wie bouwen we het nieuwe?

Ken jij voorbeelden in jouw omgeving waar AI wél vanuit die vraag is begonnen? Waar het niet ging over het sneller maken van het oude, maar over het bouwen van iets dat er eerder niet was? Ik ben benieuwd.

Het was 2018. In een ziekenhuis ergens in Nederland stond een vrouw achter een balie. Om haar heen liep een arts die zijn spreekuur probeerde bij te houden, ze keek naar een wachtkamer met patiënten die zeker al een kwartier langer zaten te wachten dan gepland, naar een telefoon die maar bleef rinkelen, en naar een nieuwe app (die van ons 😉) die ze geacht werd te implementeren in haar dagelijkse werk.

Ze had geen digitale transformatie-opleiding gevolgd, geen stakeholderanalyse gemaakt. Maar ze zag in tien minuten wat wij in maanden probeerden te begrijpen.

Ze wist welke patiënten gebeld wilden worden. Ze wist welke vragen prima via een app konden. Ze wist welke arts moeite had met het nieuwe ritme en welke het juist fijn vond. Ze regelde het. Gewoon. Zonder jargon, zonder framework, zonder draaiboek.

Ik noemde haar in 2018 de Haarlemmerolie van de poli.

Handelingsperspectieven

Dit weekend las ik Jarno Duursma’s stuk over handelingsperspectief in het tijdperk van AI. Hij beschrijft acht domeinen waar mensen onvervangbaar zijn: smaak en duiding, ethisch oordeel, adaptiviteit, de juiste vragen stellen, creativiteit, verbinding, overtuigen, en fysieke aanwezigheid.

Ik ken iemand die al die acht domeinen in één werkdag beheerst. Elke dag opnieuw. Zonder dat iemand er een nieuwsbrief over schrijft. Dat is nog steeds die assistente, en iedereen die op haar lijkt in de zorg.

Ik denk dat we met groei van AI-toepassingen weer een fout dreigen te maken die we zo vaak maken. We praten over systemen. We praten over integraties. We praten over opschaling, over processen. Maar we praten maar weinig met de mensen die de zorg echt laten werken.

Ik weet dat technologie ons werk verandert. Daar ben ik van overtuigd, ik bouw er in de zorg al meer dan tien jaar aan mee Ik geloof in digitaal contact tussen patiënt en zorgverlener. Ik geloof dat een bericht sturen naar je zorgverlener net zo normaal gaat worden als een berichtje sturen naar je moeder.

Maar ik weet ook dat die verandering lukt alleen als de mensen in de zorg er eigenaar van worden. Niet als ontvangers van een implementatieplan, maar als eigenaren.

Abonneer nu

Smaak

Jarno schrijft dat smaak het filter is tegen de ruis. Dat het vermogen om te beoordelen wat goed is: wat klopt, wat mist, wat het juiste is, en wat niet te automatiseren valt. Dat smaak voortkomt uit vakmanschap. Uit ervaring, of het zelf gedaan of ondergaan hebben.

Dat herken ik: de assistente die in 2018 tegen ons zei: “die patiënt wil echt niet appen, die bel je gewoon”, dat was smaak. Dat was duiding. Dat was kennis die geen datamodel of persona haar had kunnen leveren, omdat het gevoed werd door jaren gesprekken voeren, door non-verbale signalen, door mensenkennis.

Die kennis is niet vervangbaar door een AI die “hoog” scoort op empathie-simulatie.

Ik denk ook dat het debat over AI in de zorg te veel gaat over wat AI kan, en te weinig over hoe het kan helpen te focussen op welke taken mensen moeten blijven doen.

De hand op je schouder

Jarno noemt het: fysieke aanwezigheid. De hand op je schouder. De verpleegkundige aan het bed. Iemand in de ogen kijken. Het zijn de meest simpele dingen en ze zijn in een gedigitaliseerde omgeving niet minder waard geworden, sterker nog: ze zijn kostbaarder geworden. Schaarser misschien, maar daarmee waardevoller.

Ik weet dat er ziekenhuizen zijn die dat begrijpen en zich dus richten op het automatiseren van herhalende taken. Of die hun mensen helpen om technologie gebruiken om die taken empathischer en eenvoudiger uit te voeren. Om daarmee nieuwe ideeën te stimuleren en hen te helpen hun eigen werkgeluk te creëren.. en dat is uiteindelijk het goede verhaal.

Durven experimenteren

Creativiteit, schrijft Jarno, is niet alleen het verzinnen van nieuwe ideeën. Het is ook: durven experimenteren. Iets proberen waarvan je niet weet of het werkt. En ik denk dat dit in de zorg misschien wel het meest onderschatte domein is.

De zorg is van oudsher een omgeving die risico mijdt, begrijpelijk, want de inzet is hoog. Maar ik zie ook wat er gebeurt als iemand de ruimte krijgt om in een team te zeggen: “Wat nu als we dit proces eens zó aanpakken?”. En dat zo’n idee niet meteen wordt platgeslagen door protocol of bezwaar.

Die ruimte, al is het maar een middag ‘proberen’, levert soms de beste inzichten op. Niet omdat er een groot plan is, of dat dat plan perfect is. Maar omdat het experiment iets zichtbaar maakte wat je in een vergadering nooit had kunnen bedenken.

Beginners

Adaptiviteit, schrijft Jarno, vraagt dat je permanent comfortabel bent met het gevoel een beginner te zijn. En die houding, bewust onbekwaam, helpt om goede vragen te blijven stellen.

Ik herken dat, ik ben al jaren een bewuste beginner. Als ondernemer, maar ook als iemand die zich de afgelopen jaren blijft verwonderen over de snelheid waarmee het landschap verandert (of niet). Wat ik in 2015 of 2020 dacht te weten over digitale zorg, klopt voor een deel niet meer. Wat ik dacht te weten over gedragsverandering, moest ik bijstellen. Wat ik zeker wist over onboarding: try again.

En eerlijk gezegd: dat is niet altijd comfortabel. Maar ik denk dat juist die onzekerheid vruchtbaar is. Dat je alleen goed kunt innoveren als je bereid bent om je eigen aannames te herzien.

De assistente in 2018 deed dat ook. Ze leerde ons. Wij dachten dat we kwamen om haar iets bij te brengen. We gingen weg met inzichten die geen enkel onderzoek ons had opgeleverd.

Verandering

Technologie verandert de zorg. Echt waar: Snel, fundamenteel, veelal zelfs onomkeerbaar. Maar mensen maken het verschil.

Niet als tegenwicht tegen technologie, of als een soort nostalgisch pleidooi voor het analoge. Maar als de reden waarom die technologie er überhaupt toe doet. De assistente die bepaalt welke patiënt een berichtje krijgt en welke een telefoontje verdient. De verpleegkundige die ziet dat een patiënt iets niet durft te vragen via een app, of een meting niet doet. De arts die het vertrouwen heeft om een digitaal consult te voeren en tegelijk weet wanneer het een echte afspraak moet worden.

Jarno’s acht domeinen, smaak, ethiek, adaptiviteit, probleemformulering, creativiteit, verbinding, overtuigen, aanwezigheid, zijn geen abstracte vaardigheden. Het zijn de dingen die we elke week zien bij de mensen in de zorg die het verschil maken.

Investeren we genoeg in het creëren van ruimte voor deze mensen, en hun eigenschappen? Of blijven we praten over systemen, terwijl de Haarlemmerolie van de poli steeds minder ruimte krijgt om het echte werk te doen..

Abonneer nu

Delen

Een vriend van me rijdt al jaren in een auto met een kapotte airco, een haperende versnellingsbak en een dashboard vol oranje lampjes. Vorig jaar kocht hij een geavanceerd navigatiesysteem. Nieuwste versie; met Carplay, stembediening, etc

De auto reed er niet beter door.

Ik moest hieraan denken toen ik de AI Monitor Ziekenhuizen las. Ziekenhuizen investeren massaal in AI, met slimme tools op bestaande systemen. Intelligentie bovenop infrastructuur die al tientallen jaren kreunt onder haar eigen gewicht.

En de resultaten? “AI blijft ziekenhuizen onderaan de streep geld kosten”.
Is dat de schuld van de technologie of zit de crux in de aanpak?

De huidige staat van de zorg is het resultaat van jaren van gebrekkige logistiek. Systemen die niet communiceren. Processen die zijn opgestapeld op processen. Een infrastructuur die is gebouwd rondom de instelling, niet rondom de patiënt. Wie AI inzet om die gebroken machine efficiënter te laten draaien, krijgt een gebroken machine met meer tandwielen die dan iets sneller kapotgaat.

Efficiëntie bestaat niet als de kern niet deugt.

We gebruiken intelligentie om het huidige systeem te optimaliseren. Maar het huidige systeem is niet de moeite van het optimaliseren waard. Het vraagt om iets fundamenteel anders. Niet slimmer worden binnen de bestaande structuur. Maar intelligentie inzetten om die structuur te omzeilen — en iets nieuws te bouwen.

En als je iets nieuws gaat bouwen, dan begint de meest logische vraag hier: voor wie bouw je het eigenlijk?

Niet voor de instelling. Niet voor de verzekeraar. Niet voor de systeembeheerder.

Voor de patiënt die dwars door vijf organisaties heen beweegt en nergens herkenning vindt. Voor de verpleegkundige die drie systemen open heeft staan en in geen van alle het volledige plaatje ziet. Voor de huisarts die een ontslagbrief per post (of fax) ontvangt in 2026.

Zij zijn, om het bot te zeggen, de echte afnemers van wat de zorg produceert. En zij zijn ook degenen die het hardst worden geraakt door een systeem dat niet perse voor hen is ontworpen.

Technologie verandert de zorg. Dat geloof ik. Maar niet door het oude efficiënter te laten draaien. Wel door het nieuwe te bouwen vanuit de mensen voor wie het ooit bedoeld was.

Maar ik zie ook iets anders. Iets wat in de rapporten zelden staat.

Ik zie de kloof tussen de belofte op de conferentie en de werkelijkheid op de werkvloer. Tussen de pilot die fantastisch werkt in het ziekenhuis dat toevallig ook de meeste digitaliseringsbudgetten heeft, en de organisatie die nog steeds werkt met een systeem uit 2011 .Tussen de bestuurder die enthousiast knikt bij een demo, en de dokter die na afloop fluistert: “Maar hoe dan?”

Technologie verandert de zorg. Dat staat vast. Maar hoe die verandering landt, of hij de werkvloer versterkt of uitput, of hij patiënten dichterbij brengt of verder weg, dat bepalen mensen. Niet de tools.

Technologie verandert het werk. Maar mensen, en de cultuur om hen heen, bepalen wat er met die verandering gebeurt.

Technologie verandert de zorg.

Mensen maken het verschil.

Healthcare is not an Excel spreadsheet.

The way we communicate with patients has evolved rapidly in recent years, and at BeterDichtbij we’re at the forefront of this change. We’re now witnessing a new movement: from broad mass communication (everyone gets the same brochure, the same care pathway), through targeted persona approaches (based on demographic characteristics and generic preferences), to genuine personalization. Tailored communication that aligns with the needs and understanding of individual patients.

The Era of Mass Communication

In the early years of digital healthcare, we kept things simple. Everyone received the same information, in the same way. General awareness campaigns (such as about hay fever season), standard information leaflets in waiting rooms. Later: identical emails and app notifications for all users. This one-size-fits-all approach made sense. With limited resources, you want to reach as many people as possible. And scale is crucial to making digital healthcare work—we know that.

But despite all efforts to make this uniform communication as good as possible, the gap with one-on-one contact remained large. You often see it in practice: A 75-year-old cardiac patient has different needs than a 28-year-old woman with gestational diabetes. They come from different contexts and communicate differently. They live differently. The generic message therefore often lacks relevance for them. This sometimes leads to lower engagement and possibly worse outcomes. The question is whether a generic message adequately reaches everyone and has the desired effect.

The Rise of Personas

Then came the next step. A nice improvement: working with personas. Healthcare organizations stopped lumping everyone together. They began, like successful digital services in other sectors, to define target groups based on several common characteristics. “Linda, 55 years old, overworked, prediabetic, little time for exercise.” Or “Ahmed, 32 years old, asthma, athletic, tech-savvy.” These semi-fictional profiles helped teams provide more targeted information, or at least take into account the generic preferences of such groups.

Personas bring structure and empathy to the design process, as far as possible. They force healthcare providers, developers, and administrators to think about how to approach different user groups. About their motivations, barriers, and preferences. Apps can now sometimes offer different flows per care pathway. Or deliver (almost) personalized content based on age and condition. This approach worked to some extent: engagement increased, therapy adherence improved, and patients appreciated the attention.

Yet a fundamental limitation remained: enormous diversity exists even within a persona. Two 55-year-old women with diabetes can lead completely different lives. Have different habits and values. Need different support. But both still have to submit their measurements at a fixed time. In the same way, in the same interface.

The Transition to True Personalization

If you look closely, you can see the contours of a new phase: genuine personalization at the individual level. Continuous data analysis, medical language models, and adaptive technologies make this possible. We can finally respond to the unique needs of each individual. And this goes far beyond inserting a first name (or last name) in the salutation of an email.

Modern digital platforms learn from individual behavior. A patient consistently measures their blood sugar after breakfast but forgets on weekends? The system anticipates this with targeted reminders on Saturday morning. Someone responds better to visual information than text? The interface and texts adapt. Motivation declining? The app switches interventions. Or ensures that, at the right moment, a human healthcare provider makes personal contact.

This personalization is made possible, in my view, by three forces:

• Learning algorithms: They recognize patterns in individual behavior. They predict what someone needs. Often before the person realizes it themselves. This doesn’t require knowledge of the person themselves or their characteristics, but can be based on use of (for example) interfaces, language, and responses.

• Adaptive interfaces: Technology that adapts to individual preferences, skills, and context. An older user automatically gets larger text and simpler navigation. A younger user opts for more data and control. A slider for one person, a text field for another—but leading to the same value in the underlying systems.

• Contextual intelligence: The system understands not only who you are, but also where you are and what you’re doing. What your situation is at that moment, and what approach you prefer. Advice and interventions adapt to the moment and context.

Digital Healthcare as a Pioneer

Digital healthcare lends itself perfectly to this form of personalization. For example, in patient support through smart messaging: in the future, a digital colleague can respond much more to your wishes as a patient, without taking more time. Providing personal attention, almost like a real healthcare provider. Something that feels like a personalized app that learns from individual patterns and makes the difference between success and dropout.

Prevention also offers opportunities. No more generic lifestyle advice, but recommendations that fit the patient’s specific risk profile. Their preferences and life stage. A personalized prevention plan takes into account someone’s work, family situation, and personal goals. That enormously increases the chance of success.

The Future: True Hybrid Care

The ultimate form of personalization combines the best of both worlds. Digital solutions that adapt to you, learn from you and what you prefer. A simple interface where you have a conversation, a platform that asks how you’re doing and advises you. And engages your healthcare provider when needed.

It’s not about human versus machine. It’s about smart collaboration.

Digital and human care. Technology takes over routine tasks, provides continuous monitoring. And delivers personalized support. Healthcare professionals thus gain more time for deep, human connection. Where it’s truly needed. It’s not about human versus machine. It’s about smart collaboration.

Conclusion

Health is perhaps the most personal thing there is. Each individual has a unique profile, their own social context. Forcing that into overly generic processes and programs—into a sort of Excel reality—creates not engagement, but dropout. Effective digital healthcare must connect with what makes people unique and therefore human.

We can now combine the benefits of one-on-one care with the efficiency of digital solutions. With the power and scale of smart, digital solutions. That’s the opportunity of the next phase in healthcare innovation: care that truly revolves around you. As a unique person. Not as a representative of a target group or persona.

From personas to persons is more than just a marketing gimmick. It’s the future of digital healthcare. Let’s work together to ensure that healthcare realizes this soon.