Datagedreven werken levert een zorginstelling in potentie veel voordelen op. Toch lukt het maar weinig organisaties om deze voordelen te benutten. De belangrijkste bottleneck zit in de datacultuur en niet in de techniek. In de data-analyse zijn er verschillende ambities te onderscheiden: beschrijven, ontdekken, voorspellen, voorschrijven. Dit stelt eisen aan de ‘data intelligence’-organisatie en het niveau van ‘datageletterdheid’. Men koestert grote verwachtingen omtrent AI, die de kwaliteit van de zorg zou verbeteren en de kosten in de hand zou houden. De belangrijkste toepassing zien we op het gebied van de diagnostiek. De grote verwachtingen worden nog niet altijd ingelost. Om de kwaliteit van AI te borgen wordt een internationale richtlijn gehanteerd: AIPA (Artificial Intelligence Prediction Algorithm). Deze richtlijn beschrijft het proces dat doorlopen moet worden om voor certificering in aanmerking te komen. Het inzetten van AI roept ook ethische vragen op: alles wat technisch kan, is niet zonder meer in te zetten.
