स्वास्थ्य अर्थशास्त्र मीट्रिक्स

विषय 76 / 91· AI त्वरण

AI निवेश पर प्रतिफल

AI ROI, AI पहलों के कारण होने वाला मापनीय लाभ-हानि प्रतिफल है। एक सचेत करने वाला बेंचमार्क: MIT के 2025 "जेनAI डिवाइड" शोध में पाया गया कि $30-40 बिलियन के उद्यम जेनAI निवेश के बावजूद, लगभग 95% पायलट परियोजनाओं ने कोई मापनीय लाभ-हानि प्रतिफल नहीं दिखाया — और सफल 5% ने पहचान योग्य समान आदतें साझा कीं।

यह क्यों महत्वपूर्ण है

स्वास्थ्य प्रणालियों के पास AI-पायलट प्रतिरूप के लिए एक नाम है: "पायलटाइटिस" — NHS का वह क़ब्रिस्तान जहाँ आशाजनक ऐप्स हमेशा के लिए पायलट किए जाते हैं और कभी बढ़ाए नहीं जाते। MIT के निष्कर्ष स्वास्थ्य प्रौद्योगिकी मूल्यांकन के पहले से ज्ञात सिद्धांतों से पूरी तरह मेल खाते हैं: मूल्य दावों को पूर्व-निर्दिष्ट अंतिम-बिंदुओं की आवश्यकता होती है, आरोपण को तुलनाकर्ताओं की आवश्यकता होती है, और "सब लगता है कि इससे मदद मिल रही है" कोई लाभ-रेखा नहीं है। MIT के आँकड़ों में सफल अल्पसंख्यक पिछले-कार्यालय स्वचालन में केंद्रित थे जहाँ ट्रैक करने योग्य लागत-आधाररेखाएँ थीं, और ख़रीदे गए उपकरण लगभग 67% समय सफल रहे, जबकि आंतरिक निर्माण लगभग उसके एक-तिहाई — ये पूर्वप्राथमिकताएँ हर AI निवेश-प्रकरण में शामिल होनी चाहिए (देखें निर्माण बनाम क्रय)।

गणना विधि

AI ROI = (आरोपणीय लाभ − कुल AI लागत) / कुल AI लागत

कुल AI लागत = लाइसेंस/अनुमान (देखें inference-unit-economics.md)
             + एकीकरण + डेटा-तत्परता + मूल्यांकन
             + कार्यप्रवाह पुनर्डिज़ाइन + शासन/आश्वासन
             (लाइसेंस सामान्यतः हर का एक अल्पांश होता है)

आरोपणीय लाभ: एक आधाररेखा या नियंत्रण के विरुद्ध मापा गया, cash-releasing-vs-non-cash-releasing.md
के अनुसार नकद/क्षमता/गुणवत्ता में वर्गीकृत

व्यावहारिक उदाहरण

एक अस्पताल समूह दो उपयोग-मामलों के लिए AI तैनात करता है:

उपयोग-मामला A — नैदानिक-पत्र प्रारूपण (पिछला-कार्यालय, ट्रैक करने योग्य):
  आधाररेखा: आउटसोर्स्ड प्रतिलेखन £380 हज़ार/वर्ष
  बाद में: प्रतिलेखन अनुबंध रद्द; चिकित्सक समीक्षा समय +£60 हज़ार
  AI लागत: £120 हज़ार/वर्ष सम्पूर्ण
  ROI = (380 हज़ार − 60 हज़ार − 120 हज़ार) / 120 हज़ार ≈ 167% — नकद-मुक्तिकारी, लेखापरीक्षणीय ✓

उपयोग-मामला B — "चिकित्सकों के लिए AI सह-पायलट" (व्यापक, अनट्रैक्ड):
  लाभ दावा: "4,000 कर्मचारियों में समय बचाता है" — कोई आधाररेखा दर्ज नहीं
  मापा गया लाभ-हानि प्रभाव: कोई प्रदर्शनीय नहीं
  → यह वास्तव में मदद करता है या नहीं, इसकी परवाह किए बिना उस 95% श्रेणी में आता है

अंतर AI की गुणवत्ता में नहीं है — बल्कि इसमें है कि क्या लाभ के पास एक आधाररेखा, एक स्वामी और एक बजट-रेखा थी (लाभ-प्राप्ति)।

सॉफ़्टवेयर इंजीनियरिंग से संबंध

AI निवेश के लिए HTA-आकार की नियमावली: साक्ष्य को NICE ESF स्तरों की तरह चरणबद्ध करें — कम-दांव वाले उपकरणों के लिए डेमो-स्तरीय साक्ष्य, संगठन-व्यापी व्यय से पहले नियंत्रित पायलट, पूर्व-पंजीकृत रोलआउट द्वार के साथ (DiGA के "समय-सीमा के साथ अस्थायी सूचीकरण" प्रतिरूप के अनुरूप); लागत-निवारण को उसी तरह गिनें जैसे स्वास्थ्य-अर्थशास्त्र माँग-निवारण गिनता है — वास्तविक तभी जब कोई विशिष्ट बजट-रेखा हिलती है; और पायलट की स्वयं की कीमत EVPI से तय करें — एक पायलट जो रोलआउट निर्णय को बदल नहीं सकता उसका मूल्य £0 है। डेवलपर-टूल के अंश के लिए विशेष रूप से, देखें AI डेवलपर उत्पादकता।

जोखिम बिंदु

  • लाभ का फैलाव: हज़ारों उपयोगकर्ताओं में पतला फैला मूल्य संरचना से ही अमापनीय है; केंद्रित, ट्रैक करने योग्य आधाररेखाओं वाले उपयोग-मामले चुनें।
  • केवल-लाइसेंस लागत-गणना: एकीकरण, मूल्यांकन और कार्यप्रवाह पुनर्डिज़ाइन सामान्यतः वास्तविक हर पर हावी रहते हैं।
  • आरोपण चोरी: प्रक्रिया-पुनर्डिज़ाइन के साथ तैनात AI पूरे अंतर का श्रेय ले लेता है।
  • डूबी-हुई-पायलट वृद्धि: असफल पायलटों को इसलिए बढ़ाना क्योंकि रोकना असफलता स्वीकार करना है — सूर्यास्त तिथि पूर्व-सहमत होनी चाहिए।

स्रोत