Metrik Ekonomi Kesehatan

Topik 76 dari 91· Akselerasi AI

Pengembalian Investasi AI

ROI AI adalah pengembalian P&L terukur yang dapat diatribusikan pada inisiatif AI. Tolok ukur yang menyadarkan: penelitian "GenAI Divide" MIT 2025 menemukan bahwa meskipun ada investasi GenAI perusahaan sebesar $30–40 miliar, ~95% uji coba tidak menunjukkan pengembalian P&L terukur — dan 5% yang berhasil berbagi kebiasaan yang dapat diidentifikasi.

Mengapa Ini Penting

Sistem kesehatan memiliki nama untuk pola uji-coba-AI ini: pilotitis — kuburan NHS untuk aplikasi menjanjikan yang diuji coba selamanya dan tidak pernah diskalakan. Temuan MIT terpetakan dengan rapi ke apa yang sudah diketahui penilaian teknologi kesehatan: klaim nilai memerlukan titik akhir yang ditentukan sebelumnya, atribusi memerlukan pembanding, dan "semua orang merasa ini membantu" bukanlah garis manfaat. Minoritas yang berhasil dalam data MIT terkonsentrasi pada otomatisasi back-office dengan garis dasar biaya yang dapat dilacak, dan alat yang dibeli berhasil ~67% dari waktunya dibandingkan pembangunan internal pada sekitar sepertiga dari tingkat itu — prior yang termasuk dalam setiap kasus investasi AI (lihat membangun vs membeli).

Perhitungan

ROI AI = (manfaat teratribusi − total biaya AI) / total biaya AI

Total biaya AI = lisensi/inferensi (lihat inference-unit-economics.md)
              + integrasi + kesiapan data + evaluasi
              + desain ulang alur kerja + tata kelola/jaminan
              (lisensi biasanya minoritas dari penyebut)

Manfaat teratribusi: diukur terhadap garis dasar atau kontrol, diklasifikasikan
kas / kapasitas / kualitas sesuai cash-releasing-vs-non-cash-releasing.md

Contoh yang Diselesaikan

Sebuah kelompok rumah sakit menerapkan AI untuk dua kasus penggunaan:

Kasus penggunaan A — penyusunan surat klinis (back office, dapat dilacak):
  garis dasar: transkripsi outsourcing £380rb/thn
  setelah:    kontrak transkripsi dibatalkan; waktu tinjauan klinisi +£60rb
  biaya AI:   £120rb/thn semua termasuk
  ROI = (380rb − 60rb − 120rb) / 120rb ≈ 167% — melepaskan kas, dapat diaudit ✓

Kasus penggunaan B — "kopilot AI untuk klinisi" (luas, tidak dilacak):
  klaim manfaat: "menghemat waktu di 4.000 staf" — tidak ada garis dasar yang ditangkap
  efek P&L terukur: tidak ada yang dapat ditunjukkan
  → ember 95%, terlepas dari apakah benar-benar membantu

Perbedaannya bukan kualitas AI — tetapi apakah manfaat memiliki garis dasar, pemilik, dan garis anggaran (realisasi manfaat).

Hubungan dengan Rekayasa Perangkat Lunak

Buku pedoman berbentuk HTA untuk investasi AI: tahapkan bukti seperti tingkatan NICE ESF — bukti tingkat-demo untuk alat berisiko rendah, uji coba terkontrol sebelum pengeluaran seluruh organisasi, dengan gerbang peluncuran terdaftar sebelumnya (pola pendaftaran-sementara-dengan-tenggat DiGA); hitung penghindaran biaya sebagaimana ekonomi kesehatan menghitung penghindaran permintaan — nyata hanya ketika garis anggaran tertentu bergerak; dan hargai uji coba itu sendiri dengan EVPI — uji coba yang tidak dapat mengubah keputusan peluncuran bernilai £0. Untuk irisan alat pengembang secara khusus, lihat produktivitas pengembang dengan AI.

Jebakan

  • Difusi manfaat: nilai yang tersebar tipis di ribuan pengguna tidak dapat diukur berdasarkan konstruksinya; pilih kasus penggunaan dengan garis dasar yang terkonsentrasi dan dapat dilacak.
  • Penentuan biaya hanya-lisensi: integrasi, evaluasi, dan desain ulang alur kerja biasanya mendominasi penyebut sebenarnya.
  • Pencurian atribusi: AI yang diterapkan bersamaan dengan desain ulang proses mengklaim seluruh selisih.
  • Eskalasi uji-coba-tenggelam: memperpanjang uji coba yang gagal karena berhenti mengakui kegagalan — tanggal berakhir harus disepakati sebelumnya.

Sumber