For behandlere · KI i praksis

Hvordan behandlere kan bruke KI – og hva det ikke bør brukes til

Over fire av ti norske fastleger bruker allerede KI-verktøy som lager journalutkast fra lydopptak av konsultasjonen. Spørsmålet er ikke lenger om KI skal brukes i behandlerpraksis, men til hva – og hva du gjør med det du får tilbake. Her er bruksområdene sortert etter hvor godt dokumentert nytten faktisk er.

Oppdatert august 2026 11 min lesetid 14 kilder

Bruksområdene, sortert etter dokumentasjon

Sorterer du bruksområdene etter hvor godt dokumentert nytten er, får du en rekkefølge som ikke ligner den i produktbrosjyrene. Stanford-rammeverket MedHELM måler språkmodeller på 121 reelle kliniske oppgaver med ekte journaldata i stedet for eksamensspørsmål. Modellene skårer høyest på journalnotat (0,73–0,85) og pasientkommunikasjon (0,78–0,83), lavere på klinisk beslutningsstøtte (0,56–0,72) – og lavest på administrative arbeidsflyter (0,53–0,63). Administrasjon er nettopp det bruksområdet som selges inn som enklest og tryggest.

Kompetanseprofilen følger språklighet, ikke risiko. Verktøyene er gode der oppgaven er å omformulere noe som allerede finnes, og dårlige der den krever å treffe en ekstern struktur – systemer, koder, regler, satser, prosesser.

Journalassistentene: hva som faktisk er målt

Helsedirektoratets helsepersonellundersøkelse, med data samlet inn høsten 2025 og publisert i mars 2026, er det viktigste norske tallet vi har: over fire av ti fastleger bruker regelmessig verktøy som lager automatiske journalnotatforslag fra lydopptak. Blant alt helsepersonell i undersøkelsen er tallet fire prosent. Kontrasten er i seg selv en historie om hvor teknologien sprer seg raskest: der den enkelte kan bestemme selv.

Den beste studien på effekt er en randomisert studie ved UCLA Health med 238 poliklinikkleger i tre armer – to ulike produkter og vanlig praksis. Det ene produktet reduserte tid i journal med 9,5 prosent. Det andre hadde ingen effekt (−1,7 prosent, p = 0,66). Begge bedret utbrenthetsmålene. To produkter i samme kategori ga altså vidt forskjellige resultater på det samme utfallsmålet. «Tale-til-utkast sparer tid» er ikke en egenskap ved teknologien; det er en egenskap ved ett produkt i én arbeidsflyt.

En nederlandsk før–etter-studie av 12 allmennleger og 535 konsultasjoner målte 42,7 sekunders redusert dokumentasjonstid per konsultasjon. Den fant også to ting som sjelden nevnes: pasienter ble mer tilbakeholdne med sensitive temaer når samtalen ble tatt opp, og klinikerens egen resonneringsprosess ble forstyrret. Å skrive selv er en del av å tenke.

Den norske fastlegen Tidsskriftet intervjuet i 2025 sa det presist: verktøyet sparte henne over en time om dagen, men det ga ikke flere pasienttimer – det gjorde at hun «faktisk puster». Det er en ekte gevinst, men den hører hjemme i samtalen om bærekraftig drift, ikke i et regnestykke om kapasitet.

Feiltypene disse verktøyene faktisk gjør

Feilene er ikke tilfeldige. En studie av tale-til-utkast på simulerte intensivkasus fant 69–80 prosent nøyaktighet, med denne fordelingen:

Norsk språk er en reell svakhet

Nasjonalbibliotekets evaluering av norsk talegjenkjenning fra 2024 er den beste målingen som finnes, og den er ubehagelig lesning for et helsevesen som skal være likeverdig. I den beste norsktrente modellen er ordfeilraten 11,89 prosent for bokmål og 21,64 prosent for nynorsk – omtrent dobbelt så høy. OpenAIs generelle Whisper, uten norsk tilpasning, lå på 30,17 prosent for bokmål og 53,52 prosent for nynorsk.

Tre ting følger av det. For det første er en internasjonal tjeneste uten norsk tilpasning ikke god nok, uansett hvor godt den fungerer på engelsk. For det andre er nynorsk systematisk dårligere stilt, og det er en reell likeverdsproblemstilling i nynorskkommuner. Dialektytelsen varierer også betydelig, og forskjellene øker jo finere man deler inn.

For det tredje, og mest oversett: Whisper-familien er trent til å produsere flytende, ryddig tekst – ikke ordrett gjengivelse. Den retter det du sa. Nasjonalbiblioteket måtte lage en egen «Verbatim»-variant for å få ordrett transkripsjon. I en journal er glattingen nettopp det du ikke vil ha.

Hvorfor gjennomlesing ikke er nok

«Du leser jo gjennom før du signerer» er det vanligste svaret på spørsmål om kvalitetssikring. Det er også det svakeste, og det er målt hvor svakt det er.

I et eksperiment med 27 radiologer som leste mammografier med KI-forslag, falt de svært erfarne fra 82,3 til 45,5 prosent riktig når forslaget var galt. De uerfarne falt fra 79,7 til 19,8 prosent. De leste det feilaktige forslaget – og det endret vurderingen deres.

Innvendingen om at dette løses med opplæring, er også testet. I en randomisert studie fra 2026 fikk 44 leger, alle med opplæring i KI-bruk, anbefalinger fra en språkmodell; halvparten fikk bevisst innlagte feil. Treffsikkerheten falt fra 84,9 til 73,3 prosent, 14 prosentpoeng, hos leger som var trent i nettopp dette.

Grunnen til at gjennomlesing ikke holder, er enkel når den er sagt: kontrollen forutsetter at feilen ser gal ut. En oppdiktet journallinje er per definisjon plausibel – den er generert nettopp fordi den passer. Du kan lese den ti ganger uten å reagere, fordi ingenting i teksten selv avslører den.

Kvalitetssikring som faktisk virker

Hvis passiv gjennomlesing ikke fanger feilene, må kontrollen være aktiv og målrettet. Det betyr at du leter etter en bestemt type feil, ikke etter et generelt inntrykk av at notatet virker greit.

Ett grep til er verdt å nevne for de generative bruksområdene, fordi det faktisk er målt: å uttrykkelig gi modellen lov til å avvise spørsmålet. I et forsøk gikk avvisningsraten fra svært lav til opptil 94 prosent når instruksjonen sa at modellen gjerne måtte påpeke en logisk brist i stedet for å svare. Modellene er høflige inntil du ber dem la være. Mer om hvordan verktøyene virker under panseret står i KI-opplæring for behandlere.

De andre bruksområdene

Pasientinformasjon og omformulering er der modellene er sterkest, og det er lett å se hvorfor: å skrive om en epikrise til et forståelig brev er ren språkomforming. Det er også her feilen går rett til pasienten uten mellomledd. Behandle det som et utkast fra en student – nyttig, men det skal leses av deg først.

Oversettelse er i sterk vekst, og systematiske oversikter finnes, men det er ikke funnet norske data eller kontrollerte studier med kliniske utfall ved KI-tolking her. Maskinoversettelse svikter typisk der konsekvensene er størst: terminologi, negasjoner og dosering. Bruk det til å forberede skriftlig informasjon som en tolk eller kollega leser gjennom – ikke som erstatning for tolk i en konsultasjon der forståelsen avgjør behandlingen.

Administrasjon – innkalling, rutinebeskrivelser, brevmaler – er trygt i den forstand at ingen pasientopplysninger trenger å inngå. Men det er kategorien der modellene måler dårligst, fordi de må treffe eksterne strukturer de ikke kjenner: satser, takster, frister, systemnavn. Kontroller tall og regelhenvisninger mot kilden hver gang.

Undervisning og eget fagarbeid – forklaringer, oppsummeringer, øvingsspørsmål – er blant de mest fornuftige bruksområdene, nettopp fordi du selv er fagfellen som fanger feil. Ett forbehold: modellene er like selvsikre når de tar feil. En gjennomgang av 48 modeller fant nøyaktighet fra 30 til 82 prosent, mens den selvrapporterte sikkerheten lå på 8,0 til 9,6 av 10 i alle. Tonen i svaret bærer ingen informasjon om riktigheten.

Diagnostisk beslutningsstøtte fra en generell språkmodell står i motsatt ende. Det finnes ingen dokumentert effekt på harde pasientutfall, og en stresstest av frontmodeller i Nature Medicine i 2026 fant at de stiller diagnose også når det kliniske bildet er fjernet fra oppgaven – de bruker snarveier i oppgaveformatet, ikke medisinsk resonnement. Det er noe helt annet enn en smal, CE-merket bildediagnostisk modell; den skillelinjen er behandlet i regelverket for KI i helsetjenesten og det kliniske bildet i KI og legeyrket.

KI i psykisk helse

Dette er området med størst avstand mellom det randomiserte forsøk viser og det markedet lover, og det er verdt å være presis fordi pasienter spør.

En metaanalyse av 39 randomiserte forsøk fant en statistisk sikker, men beskjeden effekt av chatboter: Hedges’ g = 0,31 for depresjon og 0,28 for angst. Det mest oppsiktsvekkende funnet er et annet: generative modeller gjorde det ikke bedre enn regelbaserte. Effekten ser altså ikke ut til å komme fra «intelligensen» i verktøyet. 35 av de 39 studiene ble vurdert til å ha høy risiko for bias, og publikasjonsskjevhet ble påvist for depresjon.

Den mest lovende enkeltstudien – Therabot fra Dartmouth, den første randomiserte studien av en generativ terapichatbot – viste reell symptombedring hos 106 deltakere mot venteliste. Men det viktigste tallet i den studien er ikke effektstørrelsen: menneskelig personale måtte gripe inn 28 ganger i løpet av åtte uker, 15 av sikkerhetshensyn og 13 for å rette upassende svar. Det er i praksis en beskrivelse av at verktøyet ikke var trygt uten menneskelig overvåking.

Og for kommersielle terapichatboter fritt tilgjengelige for forbrukere er dokumentasjonen dårligere. Et eksperiment med fem slike produkter fant systematisk stigmatiserende svar mot alkoholavhengighet og schizofreni – og at nyere, større modeller ikke var bedre – samt at en av dem svarte med konkrete broer og høyder på et spørsmål som var utformet for å uttrykke suicidal intensjon.

Hva KI ikke bør brukes til

• Hastegradsvurdering. Triagering er systematisk vanskeligere for språkmodeller enn diagnostikk – å sette riktig hastegrad krever kunnskap om lokal tjenestestruktur og risikotoleranse, ikke bare om sykdommen. Uavhengige tester av helserettede chattetjenester har funnet betydelig undertriage av kasus som krevde akutthjelp.
• Selvstendige kliniske beslutninger. Verktøyet kan foreslå. Vurderingen er din, og forsvarlighetskravet gjelder også valget av verktøy.
• Identifiserbare pasientopplysninger i en forbrukertjeneste. Uten databehandleravtale er dette ikke en gråsone. Hva som faktisk kan deles, er gjennomgått i hvilke pasientopplysninger du kan dele med KI og i GDPR og Normen i praksis.
• Legemiddeldosering du ikke kontrollerer i preparatomtalen. Evidensen om modellenes regneferdighet er delt, og noen modeller gjør det godt. Poenget er at du sjelden vet nøyaktig hvilken modellversjon du snakker med i dag.
• Vurdering av selvmordsrisiko, avvergingsplikt eller meldeplikt. Dette er vurderinger med rettslige konsekvenser og krav til begrunnelse. Se avvergingsplikt og meldeplikt.
• Markedsføringstekst med virkningspåstander. KI skriver gjerne akkurat den formuleringen du ikke har lov til å bruke. Se markedsføringsreglene for helsepersonell.

Hva du sier til pasienten

Det trenger ikke være komplisert. Én setning før du starter: at du bruker et verktøy som lager et utkast til journalnotatet av det dere snakker om, at du selv går gjennom og godkjenner det, og at pasienten kan si nei – da skriver du manuelt.

Er du autorisert helsepersonell, er dette ikke et samtykke du må innhente. Helsedirektoratet er tydelig: «det er ikke nødvendig å be pasienten om samtykke til bruk av tale-til-utkast i journalføringen». Grunnlaget er dokumentasjonsplikten. Samtidig anbefaler både Normen og KI-vettreglene åpenhet – vettregel 8 lyder rett og slett «Vær åpen om at du bruker KI-verktøy». Skillet mellom hva som er plikt og hva som er anbefaling er gjennomgått i detalj i regelverksartikkelen.

Er du ikke autorisert helsepersonell – for eksempel naturterapeut, massasjeterapeut eller gestaltterapeut uten autorisasjon – har du taushetsplikt, men ingen journalplikt. Da kan du ikke bygge på dokumentasjonsplikten, og i praksis må du basere deg på uttrykkelig samtykke. Det er den skarpeste praktiske forskjellen på feltet, og den er behandlet i artikkelen om pasientopplysninger. Oversikten fra før står i KI i journalnotater, og valg av system i pasientjournal: lovkrav og systemvalg. Pasienter som selv bruker KI før timen, er tema i å bruke KI som pasient.

Spørsmål og svar