Внедрение ИИ в здравоохранении упирается не в технологии, а в людей

Закупки ИИ в медицине опережают кадровую готовность: дефицит специалистов по интероперабельности, разрыв между пилотами и эксплуатацией, рекомендации HL7.

17 августа 2026 · 7 мин чтения

Здравоохранение закупает ИИ-инструменты, но не строит кадровую основу для их эксплуатации — предупреждает Рейчел Данскомб, гендиректор HL7 International. Разрыв между инвестициями в ИИ и операционной готовностью организаций создаёт риск безопасного внедрения и усиливает дефицит персонала.

Скрытый кадровый дефицит: кого не хватает для внедрения ИИ

Колонка Рейчел Данскомб (Rachel Dunscombe), генерального директора HL7 International — организации, развивающей глобальные стандарты совместимости медицинских систем (интероперабельности) и обмена данными, — начинается с жёсткого тезиса: отрасль построила огромные амбиции вокруг ИИ, не создав рабочей силы для его операционализации. Это авторская колонка-мнение: эмпирических исследований и статистики в ней нет, выводы опираются на управленческий опыт автора.

Внимание отрасли сосредоточено на технологических прорывах, тогда как специалисты, которые делают ИИ работающим, остаются за кадром. По мнению автора, речь идёт о целой группе дефицитных ролей:

архитекторы систем;
специалисты по совместимости систем;
эксперты по управлению данными;
специалисты по внедрению и интеграции;
проектировщики рабочих процессов (workflow).

Отдельная проблема — неосведомлённость молодёжи о карьере в отрасли. Данскомб прямо пишет: «Большинство молодых профессионалов не видят карьерных возможностей в интероперабельности и цифровой инфраструктуре». Здравоохранение продвигает традиционные клинические должности, тогда как технологические таланты агрессивно переманивают финансы, кибербезопасность и big tech. Инженерные карьеры в медицине почти не маркетируются — из-за этого цифровая зрелость клиник упирается не в технологии, а в кадры.

Операционная история: почему успех ИИ решают не алгоритмы

Второй аргумент автора — смена нарратива. Успех ИИ зависит не от качества алгоритмов, а от способности организации встроить модели в фрагментированную среду. Ключевая цитата колонки: «Организации, которые будут успешны, — это те, которые способны интегрировать модели в раздробленные клинические системы». И далее: «Следующая фаза внедрения ИИ будет операционной историей».

Практическое следствие — разрыв между пилотами и реальной эксплуатацией. ИИ-инструменты хорошо показывают себя в контролируемых условиях пилота, но упираются в препятствия в живой среде:

фрагментированные данные;
несогласованная документация (включая записи в ЭМК);
несвязанные между собой системы;
нехватка персонала;
вопросы управления (governance) и соответствия требованиям.

Именно этот список, а не качество модели, определяет, дойдёт ли ИИ до реального клинического использования и как быстро окупятся инвестиции. По смыслу колонки, внедрение ИИ перестаёт быть задачей только ИТ-отдела и становится задачей всей операционной службы клиники.

Совместимость систем: из технической функции в стратегическую дисциплину

Третий аргумент — эволюция самой совместимости систем. За десятилетие область выросла из технических интеграций в широкий спектр задач: управление ИИ (governance), трансформация рабочих процессов, отчётность в системе общественного здоровья, интеграция медицинских устройств, приложения для пациентов, цифровая идентификация и координация помощи в реальном времени.

Причина — распределённый характер современной медицины. Данные движутся не только внутри больницы, но и через амбулаторные клиники, аптеки, домашний уход, носимые устройства, платформы удалённого мониторинга и приложения для пациентов. Это требует персонала с навыками шире классического ИТ: понимание governance, операционной деятельности, внедрения, клинической реальности и управления изменениями.

Экономический риск: инвестиции без операционной ёмкости

Экономический контекст усиливает аргумент. Отрасль уже страдает от нехватки кадров, роста операционных затрат и выгорания врачей; внедрение ИИ без инфраструктурной готовности усугубляет эти проблемы. Цитата автора: «Организации продолжают инвестировать в инновации без пропорционального инвестирования в операционную ёмкость».

Данскомб выделяет три составляющие разрыва, которые стоит рассматривать как единую систему:

Составляющая разрыва	Суть	Последствие
Амбиции и реальность	Руководство переоценивает возможности ИИ и недооценивает операционную сложность	Нереалистичные планы, разочарование в проектах
Спрос и предложение	Спрос на специалистов по совместимости систем растёт быстрее, чем программы подготовки	Кадровый голод, перегрузка существующих команд
Технология и организационная готовность	ИИ-системы наслаиваются на принципиально несвязанные рабочие процессы	Задержки внедрения, риски для безопасности

Рекомендации автора: как построить кадровую основу ИИ

Пошагового плана в колонке нет — автор формулирует три приоритета:

Сделать совместимость систем и цифровую инфраструктуру стратегическим кадровым приоритетом, а не невидимой фоновой функцией.
Расширить разговор о развитии кадров: обсуждать не только количество клиницистов, но и то, какие операционные, интеграционные и инфраструктурные компетенции понадобятся в ближайшее десятилетие.
Заново выстроить маркетинг инженерных карьер в здравоохранении, чтобы привлекать таланты в цифровую инфраструктуру.

Итоговая формула автора: «Успех ИИ зависит меньше от того, на что способна технология, и больше от того, готовы ли системы здравоохранения ответственно её усвоить».

Применимость для РФ

Колонка написана про глобальный рынок и не содержит данных по России. По нашей интерпретации, ключевые тезисы переносятся напрямую:

сам разрыв между закупками ИИ и кадровой готовностью универсален: в коммерческих клиниках РФ интеграцией МИС и ИИ-сервисов, как правило, занимается минимальная внутренняя команда или внешние подрядчики;
список дефицитных ролей (архитекторы, совместимость систем, управление данными, интеграция, проектировщики workflow) применим при планировании штата как есть;
три рекомендации автора — стратегический приоритет, планирование компетенций, маркетинг инженерных карьер — не зависят от юрисдикции.

Регуляторные отличия усиливают аргумент о необходимости профильных специалистов, а не ослабляют его. Данные о здоровье в РФ относятся к специальной категории персональных данных по 152-ФЗ, требуют локализации и строгого governance — значит, нужны люди, отвечающие за управление данными, а не только за алгоритмы. Реклама медуслуг ограничена ст. 24 ФЗ-38 «О рекламе»: заявлять о возможностях ИИ в маркетинге можно только в рамках закона. Прямого аналога HIPAA в РФ нет, но и единого рынка со стандартизированными интеграциями нет тоже — раздробленность систем, о которой пишет автор, в российских клиниках выражена не меньше.

Ограничение по инфраструктуре: рынок стандартов интероперабельности (включая HL7 FHIR) в РФ развит фрагментарно, поэтому при найме специалистов стоит проверять практический опыт интеграции конкретных МИС, а не только знание западных стандартов.

FAQ

Q: Каких специалистов не хватает для внедрения ИИ в медицинской организации? A: Архитекторов систем, специалистов по совместимости систем, экспертов по управлению данными, специалистов по внедрению и интеграции и проектировщиков рабочих процессов — именно они превращают модель в работающий инструмент.

Q: Почему ИИ-пилоты в медицине не доходят до реальной эксплуатации? A: В живой среде ИИ сталкивается с фрагментированными данными, несогласованной документацией, несвязанными системами, нехваткой персонала и вопросами governance и соответствия требованиям — в контролируемых условиях пилота эти барьеры не проявляются.

Q: Что такое интероперабельность в здравоохранении и зачем она нужна для ИИ? A: Это способность медицинских систем, устройств и приложений обмениваться данными и корректно их интерпретировать. Без неё ИИ работает на изолированных данных и не даёт клинического эффекта.

Q: Как привлечь ИТ-специалистов в медицину? A: По мнению автора, здравоохранение заново должно выстроить маркетинг инженерных карьер: сегодня таланты уходят в финансы, кибербезопасность и big tech, а инженерные роли в медицине почти не продвигаются.

Q: Влияет ли внедрение ИИ на выгорание врачей? A: При неподготовленной инфраструктуре — да: отрасль уже страдает от нехватки кадров, роста операционных затрат и выгорания, а внедрение ИИ без операционной готовности усугубляет эти проблемы вместо того, чтобы снимать нагрузку.

Q: Какие компетенции понадобятся клиникам в ближайшие 10 лет? A: Помимо числа клиницистов, нужно планировать операционные, интеграционные и инфраструктурные компетенции: управление данными, governance ИИ, трансформацию рабочих процессов и управление изменениями.

Источник: MedCity News, 2026-08