40 millioner spør ChatGPT om helse, men diagnosen bommer

OpenAIs helsetall og hva de faktisk viser

OpenAI rapporterte i januar 2026 at mer enn 5 prosent av alle ChatGPT-meldinger globalt handler om helse, og at over 40 millioner mennesker daglig bruker ChatGPT til helsespørsmål. Med 800 millioner vanlige brukere er det en betydelig andel som sender en helseprompt hver uke. Dette er ikke lenger en nisje, det er blitt en av de mest brukte inngangene til helseinformasjon i verden.

Tallene beskriver etterspørsel, ikke kvalitet. At titalls millioner spør et språkmodell-verktøy om symptomer, sier ingenting om hvor ofte svaret er riktig. For norske helseaktører er skillet mellom bruksvolum og treffsikkerhet det viktigste i hele denne diskusjonen, og det er der de fleste innkjøpsbeslutninger går galt. Denne artikkelen handler om å holde de to fra hverandre.

Hva de 40 millionene faktisk forteller

Bruksmønsteret avslører et udekket behov. Et flertall av amerikanske voksne har brukt AI-verktøy for helse de siste tre månedene, og mange av dem henvender seg utenfor vanlig kontortid. Folk går til ChatGPT når fastlegekontoret er stengt, ikke fordi de stoler blindt på modellen, men fordi alternativet er å vente.

Dette er relevant for Norge selv om tallene er amerikanske. Presset på fastlegeordningen og lange ventetider skaper det samme tomrommet her. En modell som er tilgjengelig døgnet rundt fyller et hull i tilgjengelighet, men tilgjengelighet og medisinsk riktighet er to ulike størrelser. Et svar som kommer klokken tre om natten er ikke bedre enn et svar som kommer fra en lege klokken ni, hvis innholdet er feil.

For å forstå hvorfor generativ AI treffer så ujevnt, hjelper det å se hvordan modellene faktisk fungerer. Vi har skrevet en egen gjennomgang av OpenAI og selskapet bak ChatGPT for lesere som vil ha bakgrunnen.

Sykehusørkener og rurale hull

OpenAIs egne data peker mot en geografisk skjevhet. Brukere i underbetjente rurale områder sender nesten 600 000 helserelaterte meldinger per uke, med et snitt på 580 000+ fra såkalte sykehusørkener i fire uker mot slutten av 2025. Wyoming toppet listen etter andel av disse meldingene, mens Oregon hadde høyest volum med 54 660 meldinger i en prøvemåned.

Bakteppet er en helsekrise i distriktene. 149 rurale sykehus har stengt eller konvertert siden 2010, 46 prosent driver med negativ margin, og 432 regnes som sårbare for nedleggelse. ChatGPT fyller et vakuum der lokal helsetjeneste forsvinner.

Poenget for norske lesere er ikke geografien, men mekanismen. Når tilgangen til lege synker, stiger bruken av generativ AI som erstatning. Det gjør kvaliteten på modellens svar til et folkehelsespørsmål, ikke bare et teknisk et.

Etterspørsel er ikke treffsikkerhet

Den viktigste feilslutningen i markedet er å lese høye brukstall som bevis på kvalitet. Ingen av OpenAIs volumtall sier noe om diagnostisk treffsikkerhet. De sier at behovet er enormt og at terskelen for å spørre er lav.

Resten av denne artikkelen skiller systematisk mellom to helt ulike ting: snever, validert AI bygget for en enkelt oppgave, og generativ AI som ChatGPT bygget for å produsere plausibel tekst. De hører ikke til samme risikoklasse, og de bør ikke vurderes med samme målestokk.

Snever AI og generativ AI: to ulike treffsikkerheter

Dagens kliniske AI-verktøy er nesten uten unntak smal kunstig intelligens, designet for spesifikke funksjoner. En modell som leser mammografier gjør bare det. Den vet ingenting om hjerteinfarkt, den finner ikke på svar, og den er validert mot fasit før den slippes løs. Generativ AI er det motsatte: bred, fleksibel og tilbøyelig til å hallusinere.

Aluras posisjon er at snever, validert AI og generativ AI ikke hører til samme risikoklasse, og at norske klinikker bør vurdere dem hver for seg. Å slenge begge inn under paraplyen "AI i helse" er den vanligste kilden til både overdreven optimisme og feilplassert skepsis.

Hva snever, validert AI faktisk klarer

Tallene for snevre modeller er sterke fordi oppgaven er avgrenset. Snevre AI-modeller når omtrent 96 prosent nøyaktighet i påvisning av diabetisk retinopati, og den FDA-godkjente IDx-DR-algoritmen har 87 prosent sensitivitet og 90 prosent spesifisitet for mer enn mild retinopati. I mammografi oppdager AI-algoritmer brystkreft med 94 prosent nøyaktighet mot radiologers 88 prosent.

Bildeanalyse er det sterkeste området. For lungekreftscreening når AI-algoritmer i øvre sjikt godt forbi radiologenes spenn på 23,2 til 76 prosent. Andre validerte eksempler: DeepMinds modell forutsier akutt nyreskade 48 timer i forveien med 90 prosent nøyaktighet, og bærbare monitorer oppdager atrieflimmer med svært høy sensitivitet.

Felles for disse er at de er trent og testet på en enkelt, veldefinert oppgave, med kjent fasit, og at ytelsen er målt mot spesialister. Det er denne typen dokumentasjon en innkjøper skal kreve.

Hvorfor 50 prosent er tallet som teller for generativ AI

Generativ AI presterer helt annerledes på diagnostikk. I metaanalyser har generativ AI i gjennomsnitt litt over 50 prosent diagnostisk nøyaktighet. En modell som tar riktig omtrent 50 prosent av gangene er ubrukelig som selvstendig diagnoseverktøy.

Årsaken er innebygd i teknologien. Generative modeller kan hallusinere, altså presentere unøyaktig eller misvisende informasjon som fakta. En modell bygget for å produsere plausibel tekst vil produsere plausible feil, og i medisin er en selvsikker feil farligere enn et ærlig "jeg vet ikke". For lesere som vil forstå styrkene ved teknologien på riktig sted, har vi en egen gjennomgang av generativ AI i innholdsproduksjon.

Egenskap	Snever, validert AI	Generativ AI
Typisk nøyaktighet	94 til 96 prosent på avgrenset oppgave	Rundt 50 prosent diagnostisk
Oppgave	En enkelt, definert funksjon	Bred, åpen tekstgenerering
Hallusinasjon	Nei, gir strukturert utfall	Ja, kjent svakhet
Validering	Mot fasit før utrulling	Sjelden klinisk validert
Regulatorisk status	Ofte FDA- eller CE-godkjent	Sjelden godkjent som medisinsk enhet

Foretrukket, men ikke nødvendigvis riktig: en advarsel om metode

En mye sitert studie fant at ChatGPTs svar ble foretrukket fremfor legers svar i et klart flertall av evalueringene. Denne studien dukker stadig opp som bevis for at AI slår leger, men den måler ikke det folk tror.

Studien vurderte hvilke svar som ble foretrukket på kvalitet og empati, ikke om diagnosen var riktig. Et velformulert, vennlig og grundig svar kan foretrekkes selv om det medisinske innholdet er feil. Generativ AI er svært god på nettopp form, og det er nettopp derfor preferansetall ikke kan leses som treffsikkerhetstall.

Skillet mellom "folk liker svaret" og "svaret er riktig" er hele poenget. En innkjøper som ikke holder disse fra hverandre, kjøper selvtillit i stedet for presisjon.

Derfor fortjener bedre enn lege-påstander en ekstra sjekk

Aluras posisjon er at påstander om at AI er bedre enn lege må dokumenteres i reell klinisk bruk, ikke bare i kontrollerte studier, før de tas på alvor. Gapet mellom laboratorium og klinikk er der de fleste høye tallene forsvinner.

AI-systemer for diagnostisk bildeanalyse har vist ytelse sammenlignbar med spesialister i kontrollerte studier. Men når de samme verktøyene evalueres i reell bruk, synker ytelsen ofte. Et tall fra en publikasjon er en begynnelse, ikke en garanti.

Kontrollerte studier mot reell klinisk bruk

I en studie er dataene rene, pasientutvalget kuratert og oppgaven avgrenset. I virkeligheten kommer bildene fra ulike maskiner, pasientene passer ikke malen, og modellen møter tilfeller den aldri så under trening. Det er derfor ytelsen ofte faller når diagnostikkverktøy tas ut i praksis.

Dette betyr ikke at studietall er verdiløse. Det betyr at de er nødvendige, men ikke tilstrekkelige. En norsk klinikk bør spørre om prospektiv, ekstern validering på pasienter som ligner dens egne, ikke bare en retrospektiv studie fra et annet land og et annet utstyr.

Legemiddelforskning er verdt å merke seg som kontrast. Her har AI funnet kommersielt produktive anvendelser raskere enn i klinisk medisin, blant annet ved å kutte tiden for å identifisere treff fra 5 til 6 år ned til 12 til 18 måneder. Modenheten varierer sterkt mellom bruksområder.

Der bevisene er sterkest

Diagnostisk bildeanalyse er det området med mest robust dokumentasjon. Dyplæringsalgoritmer har vist gode resultater i å oppdage avvik på tvers av bildemodaliteter, og augmentert intelligens brukes i radiologi for å analysere bilder og oppdage avvik.

Prediktiv AI har også konkrete resultater i drift. Ved Johns Hopkins reduserte prediktiv AI reinnleggelsesratene med 22 prosent. Poenget er at bevisstyrken følger oppgavens avgrensning: jo snevrere og mer målbar, jo sterkere dokumentasjon.

Radiologer som bruker AI, oppdager lesjoner 26 prosent raskere og identifiserer nesten 30 prosent flere tilfeller. Dette er augmentering, ikke erstatning, og det er der gevinsten er mest troverdig.

Spørsmålene du bør stille

Når en leverandør sier "bedre enn lege", bør du be om tre ting. For det første: er sammenligningen mot en enkelt lege eller mot beste tilgjengelige klinikk? For det andre: er tallet fra en kontrollert studie eller fra faktisk drift over tid? For det tredje: på hvilke pasienter, og ligner de dine?

Et system som forbedrer utfall bør uansett oppfylle det Mayo Clinic kaller de to grunnkravene: å forbedre pasientbehandlingen og å passe inn i klinikernes arbeidsflyt. Et verktøy som er nøyaktig i teorien, men som ingen bruker riktig i praksis, gir null gevinst.

Praktisk sjekkliste for klinikker som vurderer en leverandør

Innkjøp av helse-AI feiler oftest fordi kjøperen stiller feil spørsmål for feil systemtype. En generativ chatbot og en validert radiologimodell skal vurderes etter helt ulike kriterier. Tabellen under er et beslutningsrammeverk du kan ta med inn i neste leverandørmøte.

Spørsmål	Snever, validert AI	Generativ AI
Er systemet en medisinsk enhet?	Ofte ja, med CE eller FDA	Sjelden, ofte utenfor godkjenning
Hvor er valideringen gjort?	Krev ekstern, prospektiv studie	Krev dokumentert klinisk test
Hvem har tilsyn?	Kliniker godkjenner utfall	Kliniker må alltid overprøve
Hva skjer ved feil?	Kjent feilrate, sporbar	Kan hallusinere uten varsel
EU AI Act-status	Trolig høyrisiko	Vurder per bruksområde

Er systemet snevert eller generativt?

Dette er det første og viktigste spørsmålet. Et snevert system gjør en definert oppgave med et strukturert utfall, for eksempel "funn / ikke funn" på et røntgenbilde. Et generativt system produserer fri tekst og kan bli bedt om hva som helst. Risikoprofilen, valideringskravet og reguleringen følger av dette skillet.

Vær skeptisk til leverandører som markedsfører et generativt språkmodell-lag som om det var validert diagnostikk. Det er den samme feilen som å lese preferansetall som treffsikkerhet. Under 20 prosent av institusjonene har AI integrert i kjerneklinisk diagnostikk, og det er ingen tilfeldighet.

Validering: hvor, av hvem, på hvilke pasienter

Krev dokumentasjon som er ekstern, prospektiv og relevant for din pasientpopulasjon. En modell validert på amerikanske pasienter med amerikansk utstyr er ikke automatisk gyldig i en norsk klinikk. Spørsmålet er ikke om det finnes en studie, men om studien speiler din virkelighet.

Husk at ytelsen ofte synker fra kontrollerte studier til reell bruk. Be om driftstall der de finnes, og om en plan for løpende overvåking av ytelse etter innkjøp. Modeller kan degradere når pasientgrunnlaget endrer seg.

Menneskelig tilsyn og arbeidsflyt

EU AI Act krever at høyrisiko-AI-systemer har mekanismer for menneskelig tilsyn. Dette er ikke bare et regelkrav, det er god praksis. Systemet skal støtte klinikeren, ikke overta beslutningen. Prinsippet er at AI forsterker og utvider menneskelig intelligens, i stedet for å erstatte den.

Test også arbeidsflyten før du kjøper. Et verktøy som krever ti ekstra klikk eller som bryter journalsystemet, blir ikke brukt uansett hvor nøyaktig det er. Bare 18 prosent av organisasjonene er faktisk klare til å ta i bruk AI i pasientbehandling, og arbeidsflyt er en stor del av årsaken.

Markedet vokser fra 21 til 110 milliarder dollar

Det globale markedet for AI i helsevesenet ventes å nå 110,61 milliarder dollar i 2030, med kraftig tosifret årlig vekst gjennom perioden. William Blair anslår den samlede økonomiske effekten til over 1 000 milliarder dollar i årene som kommer.

Anslagene spriker kraftig, og det er et poeng i seg selv. Et annet estimat setter markedet høyere for 2026, mens et tredje spenner fra 36,8 til 56 milliarder dollar samme år. Når prognosene varierer med en faktor på to, bør du behandle dem som retningsindikatorer, ikke fasit.

Tallene spriker, og det bør de

Ulike analysehus definerer markedet ulikt. Noen teller bare programvare, andre inkluderer tjenester og maskinvare. En kilde setter markedet til 27 milliarder dollar i 2024 med forventning om 613 milliarder dollar innen 2034, mens en annen oppgir et lavere utgangspunkt i 2022 med kraftig tosifret CAGR frem mot 2030.

Kilde	Verdi	År	CAGR
AdAI	høyt anslag for 2030	2030	ikke oppgitt
Azumo	høyere anslag	2026	ikke oppgitt
Excellent Web World	36,8 til 56 mrd USD	2026	33 til 39 prosent
HealthTech	27 mrd USD	2024	ikke oppgitt
Gitnux	tidlig anslag	2022	ikke oppgitt

Det konsistente er retningen: kraftig, tosifret årlig vekst gjennom tiåret. Selv det lave anslaget peker mot at helse-AI blir en av de største enkeltkategoriene innen bedrifts-AI.

Bildediagnostikk-segmentet

Innen bildediagnostikk er tallene mer avgrensede og troverdige. Det globale AI-markedet for medisinsk bildediagnostikk var 1,5 milliarder dollar i 2020 og ventes å nå 8 milliarder dollar innen 2027, med en årlig vekst på 25 prosent. AI-markedet for radiologi alene anslås til 600,8 millioner dollar i 2026.

At bildediagnostikk vokser raskt er logisk. Det er her de snevre, validerte modellene har best dokumentasjon og klarest regulatorisk vei. Pengene følger bevisene.

Hva veksten betyr for norske innkjøpere

Et voksende marked betyr flere leverandører, og flere leverandører betyr større spredning i kvalitet. Når kapitalen strømmer inn, øker også antallet useriøse aktører som selger generativ AI som om den var validert diagnostikk. Vekst er ikke det samme som modenhet.

For norske klinikker er konsekvensen at innkjøpsdisiplin blir viktigere, ikke mindre viktig, etter hvert som utvalget vokser. Bakgrunnen for hvordan AI faktisk brukes i norsk helse har vi samlet i en egen artikkel om AI i helsevesenet i Norge.

Hvor pengene går: administrasjon foran diagnostikk

Aluras posisjon er at den største målbare gevinsten foreløpig ligger i administrativ automatisering, ikke i diagnostikk. Markedet er enig med lommeboka: administrativ automatisering tiltrekker seg nå 60 prosent av all investering i helse-AI.

Effekten er dokumentert i kroner. Automatisering ga 258 milliarder dollar i unngåtte administrative kostnader i 2024. Dette er ikke et lovende forskningsresultat, det er faktisk realisert besparelse i drift.

Administrativ automatisering tar 60 prosent

Grunnen til at pengene går hit er enkel: risikoen er lav og gevinsten er målbar. En feil i timeplanlegging er irriterende, en feil i en diagnose kan være fatal. 35 prosent av helsepersonell bruker mindre tid med pasienter enn på administrasjon, og ytterligere 45 prosent sier fordelingen er omtrent lik. Det er et enormt tidsrom å hente inn.

Barrierene er heller ikke diagnostiske. IT-ledere i helse peker ofte på infrastruktur og datastyring som en av de største hindringene for AI-adopsjon. Det er kjedelige, løsbare problemer, ikke medisinske gjennombrudd.

Ambient dokumentasjon og journalføring

Ambient klinisk dokumentasjon, der AI lytter til konsultasjonen og skriver journalnotatet, er det tydeligste eksemplet. 60 prosent av helsesystemene har tatt i bruk ambient dokumentasjons-AI, og 100 prosent av de spurte har i det minste begynt å pilotere det, selv om bare 14 prosent har rullet det fullt ut.

Gevinsten er konkret. AI-dokumentasjonsverktøy har redusert legenes journalføringstid med omtrent 40 til 45 prosent, og 68 prosent av legene rapporterer økt bruk av AI til klinisk dokumentasjon. For mindre praksiser frigjør AI til timeplanlegging, fakturering og pasientkommunikasjon over 12 timer per uke.

Merk at generativ AI her brukes på en trygg måte: den skriver et utkast som klinikeren godkjenner. Mennesket er alltid i loopen, og feil fanges før de når journalen. Det er en helt annen bruk enn å la modellen stille diagnosen.

Diagnostikk er mindre moden enn overskriftene antyder

Mens rundt 80 prosent av sykehusene bruker AI i minst en klinisk eller operasjonell funksjon, har under 20 prosent integrert AI i kjerneklinisk diagnostikk. Blant leger brukte bare 12 prosent AI til assistert diagnose i 2024.

Gapet mellom overskrifter og praksis er stort. Diagnostikk er der de mest spektakulære påstandene lages, men det er ikke der de fleste organisasjonene faktisk henter verdi. For norske aktører som vil ha målbar avkastning nå, er administrasjon det trygge stedet å begynne.

Kostnad og gevinst: ROI, datainnbrudd og skygge-AI

ROI-tallene for helse-AI er gode på papiret. Gjennomsnittlig avkastning er 3,20 dollar per investert dollar, og 82 prosent av helseorganisasjonene rapporterer allerede moderat eller høy ROI. Men gjennomsnitt skjuler kostnadene som ikke står i salgsmaterialet.

De to største skjulte kostnadene er datainnbrudd og skygge-AI. Begge kan spise opp gevinsten fra et vellykket prosjekt, og begge er systematisk underkommunisert av leverandører.

ROI-tallene og hva de utelater

Avkastningstallene er konsistente på tvers av kilder: rundt 3,2 til 1, og for organisasjoner som integrerer avansert analyse er gjennomsnittlig ROI 147 prosent innen tre år. AI kan spare det amerikanske helsevesenet 200 til 360 milliarder dollar årlig.

Men bare 45 prosent av helselederne rapporterer kvantifiserte positive avkastninger fra generativ AI. Med andre ord: et flertall har ennå ikke klart å måle en gevinst i det hele tatt. Snittet trekkes opp av de som lykkes, og det sier lite om hva ditt prosjekt vil gi.

Mål	Verdi	Kontekst
ROI per dollar	3,20 dollar	Gjennomsnitt
Andel med moderat/høy ROI	82 prosent	Helseorganisasjoner
Kvantifisert gevinst gen AI	45 prosent	Helseledere
Datainnbrudd, snittkostnad	betydelig millionkostnad	2025
Ekstra kostnad ved skygge-AI	670 000 USD	Per innbrudd

Datainnbrudd er en betydelig skjult kostnad

Helsedata er blant de mest verdifulle å stjele, og prisen er deretter. Gjennomsnittlig kostnad for et helsedatainnbrudd var på flere millioner dollar i 2025. AI-prosjekter øker angrepsflaten fordi de krever tilgang til store mengder sensitiv data.

Risikoen ligger ofte hos leverandørene, ikke internt. 80 prosent av stjålne pasientjournaler kommer fra tredjepartsleverandører, og andelen av alle helsehendelser som involverer tredjepart doblet seg fra 15 til 30 prosent på ett år. Når du kjøper AI, arver du leverandørens sikkerhetsprofil.

Skygge-AI: den skjulte kostnaden

Den kostnaden få snakker om, er ansatte som bruker AI uten godkjenning. Skygge-AI finnes i 40 prosent av sykehusene, og 57 prosent av helsepersonell har brukt uautoriserte AI-verktøy. Når 40 millioner spør ChatGPT om helse daglig, er noen av dem klinikere som limer inn pasientinformasjon.

Prisen er målbar. Skygge-AI legger 670 000 dollar til kostnaden ved et datainnbrudd. En klinikk som ikke tilbyr et godkjent verktøy, får ikke fravær av AI, den får ukontrollert AI. Det tryggeste svaret er å gi ansatte et sanksjonert alternativ, ikke å forsøke å forby bruk som allerede skjer.

EU AI Act gjør de fleste helse-AI til høyrisiko

Aluras posisjon er at de fleste helse-AI-systemer blir klassifisert som høyrisiko under EU AI Act, og at norske aktører bør forberede dokumentasjon og menneskelig tilsyn nå. EU AI Act klassifiserer de fleste helse-AI-applikasjoner som høyrisiko, og helsevesenet er eksplisitt utpekt som høyrisiko-domene.

Forordningen ble godkjent 13. mars 2024 og publisert i juli 2024. Den gjelder ekstraterritorielt, altså også for leverandører utenfor EU hvis systemet påvirker mennesker i unionen. Gjennom EØS-avtalen treffer dette norske aktører direkte.

Hvorfor de fleste helse-AI blir høyrisiko

Logikken er koblet til eksisterende regelverk. Et AI-system klassifiseres som høyrisiko hvis det er en sikkerhetskomponent i, eller selv er, et produkt dekket av EU-harmoniseringslovgivning som MDR eller IVDR og krever tredjeparts samsvarsvurdering. De fleste kliniske AI-verktøy er allerede medisinsk utstyr, og dermed treffer begge regelverk samtidig.

AI-systemer i regulerte digitale medisinske produkter klassifiseres som høyrisiko. Systemer som allerede er regulert som medisinsk utstyr er underlagt begge rammeverk samtidig, og AI Act legger krav på toppen av MDR. Resultatet er, som Nature formulerer det, økt regulatorisk kompleksitet og kostnad for de fleste medisinske AI-produkter.

Tidslinjen du må planlegge etter

Fristene er faste, og de kommer. Forbud mot uakseptabel-risiko-systemer og kravet om AI-kompetanse trådte i kraft i februar 2025. Kjerneforpliktelsene for høyrisikosystemer gjelder fullt ut fra august 2026, mens systemer som også er regulert medisinsk utstyr har frist til august 2027.

Dato	Hva som gjelder
Februar 2025	Forbud mot uakseptabel risiko og krav om AI-kompetanse
Februar 2026	Kommisjonen publiserer retningslinjer for høyrisikoklassifisering
August 2026	Kjerneforpliktelser for høyrisikosystemer
August 2027	Systemer som også er medisinsk utstyr under MDR/IVDR

Overgangsperioden for høyrisikosystemer er 36 måneder, og Kommisjonen skal publisere retningslinjer for praktisk implementering innen februar 2026. Poenget for en norsk innkjøper: forberedelse er ikke noe du kan utsette til systemet er kjøpt, det må inn i kravspesifikasjonen nå.

Bøter og dokumentasjonskrav

Sanksjonene er betydelige. Maksimal bot for forbudte AI-praksiser er 35 millioner euro eller en andel av global årsomsetning. For brudd på høyrisikokrav er taket 15 millioner euro, og for villedende informasjon til myndighetene 7,5 millioner euro. Alvorlige hendelser skal rapporteres innen 15 dager.

Dokumentasjonskravene er konkrete. Tilbydere av høyrisikosystemer må implementere et kvalitetsstyringssystem for AI og ha en teknisk dokumentasjonsfil som viser samsvar. I tillegg kommer kravet om menneskelige tilsynsmekanismer. Dette er tre ting du kan begynne å forberede før du velger leverandør.

Norge, EØS og GPAI

Fordi forordningen har ekstraterritoriell virkning og gjelder alle tilbydere i EU-markedet uavhengig av etableringssted, kan ikke norske aktører regne med å stå utenfor. Vedtatt av EUs 27 medlemsstater, treffer regelverket enhver som leverer inn i det indre markedet.

For generative modeller er det en egen terskel. GPAI-modeller klassifiseres som systemisk risiko hvis treningen overstiger 10^25 FLOPs i kumulativ beregningsmengde. De store generelle modellene, inkludert de som driver ChatGPT, ligger i dette sjiktet, med tilhørende forpliktelser.

Markedsobservasjon: FDA-godkjenningene domineres av radiologi

Hvis du vil vite hvor validert helse-AI faktisk står sterkt, se på hva regulatorene har godkjent. Antallet FDA-godkjente verktøy varierer mellom kildene, fra 340+ til 1 247 per mai 2025, avhengig av hva som telles med.

Uansett hvilket tall du bruker, peker sammensetningen entydig i en retning: radiologi og bildediagnostikk dominerer. Det er ingen tilfeldighet, det er der de snevre, validerte modellene har best dokumentasjon.

FDA-tallene: fra 340 til 1 250

Spriket i tallene skyldes ulike definisjoner og telletidspunkt. En kilde oppgir 690 AI/ML-aktiverte medisinske enheter autorisert av FDA, en annen omtrent 1 250 innen mai 2025, og en tredje 1 247 per mai 2025. Det lavere tallet 340+ speiler trolig et snevrere utvalg.

For en innkjøper er hovedpoenget ikke det eksakte antallet, men at det finnes over tusen formelt validerte verktøy. Det gir et solid grunnlag å kreve godkjenningsstatus av en leverandør. Fravær av CE- eller FDA-godkjenning er ikke diskvalifiserende i seg selv, men det flytter bevisbyrden over på selgeren.

Radiologi dominerer godkjenningene

Konsentrasjonen er slående. Radiologi står for over 75 prosent av AI-aktiverte enheter, og rundt 75 prosent av kommersielle AI-medisinske enheter på markedet er relatert til radiologi. Historisk var flertallet av AI/ML-enhetene godkjent i USA og Europa fra 2015 til 2020 for radiologisk bruk, konkret 58 prosent i USA og 53 prosent i Europa.

Utrullingen følger godkjenningene. 90 prosent av helsesystemene har tatt i bruk AI for bildediagnostikk og radiologi, langt over andre bruksområder. Når du ser en påstand om svært treffsikker diagnostisk AI, er sannsynligheten høy for at den handler om bilder, og det er nettopp der bevisene er sterkest.

Lærdommen for norske klinikker er å vekte tyngden av godkjenninger. Et radiologiverktøy med CE-merking og driftsdata står på langt fastere grunn enn et generativt system som lover å diagnostisere "hva som helst" uten formell validering.

Vanlige feil norske helseaktører gjør

De fleste feilene handler ikke om teknologien, men om å forveksle systemtyper og lese tall feil. Her er de fire som oftest koster penger og troverdighet.

Ingen av dem krever spesialistkunnskap å unngå. De krever bare at du holder skillet mellom validert og generativ AI klart gjennom hele innkjøpsprosessen.

Å behandle generativ AI som validert diagnostikk

Den dyreste feilen er å la et generativt system få en klinisk rolle det ikke er validert for. Med rundt 50 prosent diagnostisk nøyaktighet og en kjent tendens til å hallusinere, hører generativ AI hjemme i utkast og støtte, ikke i beslutninger.

Bruk generativ AI der mennesket alltid godkjenner utfallet, slik som i dokumentasjon. Der er gevinsten reell og risikoen lav. Slipp den aldri løs på diagnose uten en kliniker som overprøver.

Å tro at studietall overlever i praksis

Et tall fra en kontrollert studie er en hypotese om drift, ikke en garanti. Siden ytelsen ofte synker når verktøy tas ut i reell bruk, må du kreve validering på pasienter som ligner dine egne, og en plan for løpende overvåking etter innkjøp.

Be spesifikt om prospektive og eksterne data. En retrospektiv studie fra et annet land, på annet utstyr, er et startpunkt, ikke et bevis for at systemet virker hos deg.

Å ignorere skygge-AI og AI Act

Når 57 prosent av helsepersonell allerede har brukt uautoriserte AI-verktøy, er skygge-AI ikke en fremtidig risiko, men en pågående. Å ikke tilby et godkjent alternativ betyr ikke fravær av AI, det betyr skygge-AI i 40 prosent av sykehusene og 670 000 dollar ekstra per innbrudd.

Den siste feilen er å utsette AI Act-forberedelsen. Med kjerneforpliktelser fra august 2026 og krav om kvalitetsstyringssystem og teknisk dokumentasjon, må samsvar bygges inn i innkjøpet fra start. Det er langt dyrere å ettermontere.

Ofte stilte spørsmål om AI i norske klinikker

Kortversjonene av de spørsmålene norske helseaktører stiller oftest, med tallene bak.

Kan ChatGPT stille en diagnose?

Nei, ikke pålitelig. Generativ AI har i gjennomsnitt litt over 50 prosent diagnostisk nøyaktighet og kan presentere feil informasjon som fakta. Den kan gi generell informasjon og hjelpe pasienter å formulere spørsmål, men den er ikke et diagnoseverktøy.

Er AI bedre enn leger?

På avgrensede oppgaver kan snevre modeller matche eller slå spesialister, for eksempel 94 prosent mot 88 prosent i brystkreftdeteksjon. Men slike tall gjelder en enkelt oppgave, ikke medisin generelt. Studien der ChatGPT ble foretrukket fremfor legers svar i et flertall av tilfellene målte preferanse, ikke riktighet. Påstander om overlegenhet må dokumenteres i reell bruk.

Blir vår AI-løsning høyrisiko under EU AI Act?

Sannsynligvis ja. De fleste helse-AI-applikasjoner klassifiseres som høyrisiko, særlig fordi systemer som allerede er medisinsk utstyr under MDR eller IVDR faller inn under begge regelverk. Forbered teknisk dokumentasjon og menneskelig tilsyn før august 2026.

Hvor bør en norsk klinikk begynne?

Med administrasjon. Der ligger 60 prosent av investeringene og den mest målbare gevinsten, blant annet over 12 timer spart per uke for mindre praksiser og 40 til 45 prosent kortere journalføringstid. Diagnostikk kan følge når bevisene og reguleringen er på plass. For å komme i gang med selve verktøyene har vi en praktisk guide til ChatGPT på norsk for bedrifter.

Oppsummering og neste steg

At over 40 millioner mennesker daglig spør ChatGPT om helse forteller om et stort behov, ikke om et pålitelig diagnoseverktøy. Skillet som avgjør alt, er mellom snever, validert AI med opp mot 96 prosent nøyaktighet på en definert oppgave, og generativ AI med rundt 50 prosent diagnostisk treffsikkerhet.

Markedet vokser mot 110,61 milliarder dollar innen 2030, men den målbare gevinsten ligger foreløpig i administrasjon, ikke diagnostikk. Samtidig gjør EU AI Act de fleste helse-AI til høyrisiko, med krav som treffer norske aktører via EØS.

Tre ting å gjøre nå

For det første: skill systemtypene i hver innkjøpsprosess. Vurder snever validert AI og generativ AI hver for seg, med ulike krav til dokumentasjon. For det andre: start med administrativ automatisering der gevinsten er målbar og risikoen lav, og hold mennesket i loopen der generativ AI brukes.

For det tredje: begynn AI Act-forberedelsen nå. Bygg krav om teknisk dokumentasjon og kvalitetsstyringssystem og menneskelig tilsyn inn i kravspesifikasjonen, tilby ansatte et godkjent verktøy for å demme opp for skygge-AI, og krev driftsvaliderte tall, ikke bare studietall, av enhver leverandør som sier at systemet er bedre enn en lege.

I Alura jobber vi med norske bedrifter på tvers av bransjer: finans, helse, bygg, e-handel, industri. Vi vet hva som fungerer i din sektor og hva som ikke gjør det, fordi vi har bygget løsninger der allerede.

Bestill en bransje-vurdering: vi presenterer hva andre i din sektor faktisk gjør med AI, hva som gir avkastning, og hvor du har uutnyttede muligheter. Uforpliktende.