Jak AI może pomagać w zarządzaniu zaopatrzeniem i magazynem szpitala?

AI może pomagać w zarządzaniu zaopatrzeniem szpitala i robi to w sposób, który widać w poziomach zapasów, liczbie zakupów doraźnych i wartości artykułów utylizowanych po przeterminowaniu. Konkretnie: system analizuje historyczne zużycie materiałów, łączy je z planem obłożenia oddziałów i podpowiada, co i kiedy zamówić, zanim magazyn zacznie sygnalizować braki. Takie wdrożenia działają już w polskich szpitalach, choć nadal są rzadkością.

Gdzie szpitale tracą pieniądze w zaopatrzeniu, zanim w ogóle dotrą do AI

Zanim przejdziemy do tego, co AI robi dobrze, warto popatrzeć na to, co w zaopatrzeniu szpitalnym psuje się bez żadnego wsparcia technologicznego.

• Przeterminowane zapasy. Oddział zamawia zbyt dużo materiałów jednorazowych przed przerwą świąteczną. Część nie zostanie zużyta, traci ważność, idzie do utylizacji.
• Zakupy doraźne z wolnej ręki. Brakuje rękawiczek nitrylowych w środku tygodnia. Ktoś dzwoni do hurtowni, kupuje drożej, bo nie ma czasu negocjować ani rozpisywać zapytania.
• Rozbieżności między ewidencją a stanem faktycznym. System pokazuje 200 sztuk igieł, a na regale jest 40, bo ktoś nie wystawił rozchodów w systemie.
• Brak widoczności między oddziałami. Jeden oddział ma nadmiar strzykawek, drugi zgłasza braki. Nikt o tym nie wie, bo każdy prowadzi osobny magazyn podręczny, a magazyn centralny nie ma wglądu.

Każdy z tych problemów ma swoją nazwę w rachunkowości zarządczej: strata na utylizacji, premia za pilność, różnice inwentaryzacyjne, koszt utraconych okazji zakupowych. AI nie eliminuje tych zjawisk z dnia na dzień, ale daje punkt wyjścia do ich mierzenia i ograniczania.

Co AI faktycznie robi w magazynie i zaopatrzeniu szpitala

Najczęściej spotykany scenariusz to prognozowanie popytu. System pobiera dane z kilku źródeł jednocześnie: historię zamówień z ERP, aktualny plan operacyjny z HIS, obłożenie łóżek, sezonowość zachorowań. Na tej podstawie generuje prognozę zużycia dla każdego indeksu materiałowego na kolejne dni lub tygodnie.

Typowo wygląda to tak, że magazynierka otwiera rano pulpit i widzi listę artykułów, które według systemu warto zamówić w tym tygodniu, z sugerowaną ilością i preferowanym dostawcą. Nie musi liczyć z głowy ani przeglądać kilkudziesięciu kart kartotek. Weryfikuje, zatwierdza lub koryguje. Zamówienie idzie dalej.

Poza prognozowaniem AI bywa też używany do:

• Wykrywania anomalii w zakupach. Jeśli cena danego artykułu od konkretnego dostawcy jest wyraźnie wyższa niż historyczna średnia, albo zamówienie trafia do nieznanego kontrahenta, system flaguje transakcję do weryfikacji przez kierownika działu.
• Wyrównywania zapasów między oddziałami. W szpitalach wielooddziałowych AI może sugerować przemieszczenie nadwyżek z magazynu centralnego na oddział z niedoborem, zanim ktokolwiek zdąży zgłosić brak przez telefon.
• Analizy dostawców. Terminowość dostaw, częstość reklamacji, ceny w kolejnych przetargach, zbierane automatycznie w jednym miejscu zamiast w kilku arkuszach Excela u różnych pracowników.
• Automatycznego generowania propozycji zamówień. W bardziej zaawansowanych konfiguracjach system sam tworzy projekt dokumentu zamówienia w ERP. Pracownik go weryfikuje i zatwierdza, nie tworzy od zera.

Skąd AI wie, ile rękawiczek zamówić przed sezonem grypowym

To konkretne pytanie, które warto sobie zadać. Odpowiedź: model uczy się na danych historycznych z poprzednich sezonów i łączy je z sygnałami zewnętrznymi. W lepszych implementacjach oznacza to pobieranie danych o zachorowalności z Państwowego Zakładu Higieny lub kalendarza szczepień. W prostszych wystarczy historia zużycia z ostatnich dwóch do trzech lat, rozpisana na tygodnie lub miesiące.

Ważne zastrzeżenie: model nie działa w próżni. Jeśli szpital nagle otworzy nowy oddział chirurgiczny albo zmieni profil działalności, historyczne dane przestają być dobrym punktem odniesienia. Trzeba model przebrać albo przynajmniej ręcznie skorygować prognozę na ten okres. Dobry dostawca powinien to uwzględnić w dokumentacji wdrożeniowej i szkoleniu personelu magazynowego. Zapytaj o to wprost podczas prezentacji systemu.

Z czym musi się zintegrować AI, żeby to działało

AI w zaopatrzeniu nie działa samodzielnie. Potrzebuje danych i musi wiedzieć, skąd je pobierać. Minimalne wymagania integracyjne to:

• System ERP lub finansowo-księgowy z modułem gospodarki materiałowej. W polskich szpitalach najczęściej spotykamy Comarch ERP, Asseco, SAP lub systemy własne na bazie Microsoftu. Jeśli szpital prowadzi ewidencję magazynową w Excelu albo w dwóch równoległych systemach, wdrożenie AI będzie poprzedzone żmudnym porządkowaniem danych.
• HIS w zakresie planu obłożenia i liczby planowanych procedur. Bez tego AI prognozuje w ciemno, bez informacji o tym, ilu pacjentów faktycznie będzie na oddziale w przyszłym tygodniu.
• System zarządzania blokiem operacyjnym, jeśli szpital chce prognozować zużycie materiałów operacyjnych per procedura. To integracja opcjonalna, ale mocno zwiększa trafność prognoz dla sal operacyjnych.

U jednego klienta integracja z ERP trwała dłużej niż samo wdrożenie modelu AI, bo dane magazynowe były prowadzone równolegle w dwóch systemach, z których żaden nie był w pełni aktualny. To częsty scenariusz, nie wyjątek. Zanim zaangażujesz dostawcę AI, krótki przegląd jakości danych w istniejącym ERP da ci realistyczny obraz skali pracy: kompletność indeksów, regularność rozchodów, zgodność stanów z ostatnią inwentaryzacją.

Czego AI nie zastąpi w magazynie szpitalnym

Uczciwa odpowiedź: AI nie zastąpi doświadczonego kierownika zaopatrzenia, który zna specyfikę szpitala i wie, że dany dostawca od miesięcy ma problemy z terminowością. Nie zastąpi też fizycznej inwentaryzacji. Wręcz przeciwnie: błędne dane wejściowe zaowocują błędnymi rekomendacjami, co może pogłębić problem zamiast go rozwiązać.

AI jest narzędziem wspierającym decyzje, nie podejmującym ich samodzielnie. Magazynier nadal zatwierdza zamówienie. Kierownik nadal negocjuje warunki. Dział finansów nadal kontroluje budżet. Zmienia się to, że mają do dyspozycji lepszą informację: prognozę zamiast przeczucia, anomalię do sprawdzenia zamiast przeczucia nieprawidłowości, zestawienie dostawców zamiast żmudnego przeglądania faktur z ostatniego roku.

Od czego zacząć wdrożenie AI w zaopatrzeniu

Pierwsze pytanie, które warto zadać sobie wewnętrznie: czy mamy w ERP czyste dane historyczne z co najmniej roku, najlepiej dwóch? Jeśli tak, można od razu myśleć o pilotażu na jednej kategorii asortymentowej, na przykład materiałach jednorazowych albo środkach opatrunkowych.

Jeśli nie: zacznij od porządkowania danych i standaryzacji indeksów materiałowych. To nudna robota, ale bez niej model AI będzie generował niespójne rekomendacje i szybko straci zaufanie personelu.

Praktyczny schemat pierwszych kroków wygląda następująco:

• Przegląd jakości danych w ERP, można zlecić jako audyt przedwdrożeniowy.
• Wybór kategorii pilotażowej: asortyment o dużej rotacji, dobrze udokumentowany historycznie.
• Integracja z HIS w zakresie planu obłożenia, minimum na poziomie tygodniowym.
• Wdrożenie modelu prognozowania z pulpitem dla magazyniera i kierownika zaopatrzenia.
• Praca równoległa przez pierwsze dwa do trzech miesięcy: pracownicy porównują rekomendacje AI z własnymi decyzjami. To buduje zaufanie i pozwala wyłapać błędy modelu zanim zaczną kosztować.
• Ocena po kwartale: zmiany w poziomach zapasów, liczba zakupów doraźnych, wartość artykułów utylizowanych po terminie ważności.

Jeśli chcesz sprawdzić, czy Twój szpital lub przychodnia jest gotowa na taki krok, zapraszamy na bezpłatny audyt. Sprawdzamy aktualny stan danych, mapujemy systemy i pokazujemy, od jakiego modułu warto zacząć, żeby nie robić wszystkiego naraz. Możesz też zajrzeć na realne wdrożenia i zobaczyć, jak podobne placówki podchodziły do tego tematu oraz z czym miały największy problem na starcie.