Setelah 30 hari menggunakan AI scribe ambien (alat AI yang mendengarkan kunjungan dokter dan pasien lalu menyusun draf catatan klinis), proporsi klinisi yang melaporkan burnout turun dari 51,9% menjadi 38,8% di enam sistem kesehatan AS (JAMA Network Open, Olson dkk. 2025). Cerita soal waktu lebih sederhana: studi lima sistem terhadap 8.581 klinisi mengukur 16,0 menit lebih sedikit dokumentasi per 8 jam pasien terjadwal (JAMA, studi multisitus 2026), dan dalam uji acak, satu AI scribe memangkas waktu rata-rata per catatan sebesar 41 detik sementara kelompok kontrol turun 18 detik dengan sendirinya (NEJM AI, Lukac dkk. 2025). Kualitas catatan masih menjadi pertanyaan terbuka, dengan penghilangan informasi pada 18% draf AI yang ditinjau di UC Davis (JMIR Medical Informatics 2026). Untuk pasar dokumentasi yang lebih luas di sekitar alat-alat ini, lihat statistik transkripsi medis kami, dan untuk beban kerja yang mendorong permintaannya, lihat statistik burnout dan jam kerja dokter gawat darurat kami. Kami menghimpun data dari NEJM AI, JAMA, JAMA Network Open, JMIR Medical Informatics, JAMIA, The Permanente Medical Group, American Medical Association, Healthwatch England, dan KLAS Research.
TL;DR
- Uji acak UCLA memberikan kepada 238 dokter salah satu dari dua AI scribe ambien atau perawatan biasa; hanya satu AI scribe yang mengalahkan kontrol dalam waktu per catatan (NEJM AI, Lukac dkk. 2025).
- Para adopter di lima sistem akademik menghemat 16,0 menit dokumentasi per 8 jam pasien terjadwal, tetapi kerja di luar jam kerja tidak berubah secara signifikan (JAMA, studi multisitus 2026).
- Klinisi Penn memangkas kerja di luar jam kerja dari 50,6 menjadi 35,4 menit per hari (JAMA Network Open, Duggan dkk. 2025).
- Burnout turun dari 51,9% menjadi 38,8% setelah 30 hari penggunaan AI scribe (JAMA Network Open, Olson dkk. 2025).
- Praktisi yang berada di atas ambang kelelahan kerja tinggi turun dari 56,1% menjadi 35,4% dalam uji coba stepped-wedge (NEJM AI, Afshar dkk. 2025).
- Hanya 21,1% dari 8.581 klinisi yang telah mengadopsi AI scribe, dari 7,1% hingga 63,6% menurut lokasi (JAMA, studi multisitus 2026).
- Catatan yang disusun AI mengandung penghilangan informasi pada 18% dan halusinasi pada 11,5% dari 356 catatan yang ditinjau (JMIR Medical Informatics, UC Davis 2026).
- Adopter AI scribe menghasilkan 1,81 unit nilai relatif lebih banyak per minggu, sekitar $3.044 per dokter per tahun (JAMA Network Open, UCSF 2026).
- 61,8% dari 12.153 orang dewasa Kanada enggan menggunakan AI scribe di masa depan, dan hanya 28,3% yang tahu alat ini digunakan (JAMIA 2026).
- Persetujuan pasien turun dari 81,6% setelah informasi dasar menjadi 55,3% setelah pengungkapan rinci tentang penyimpanan data dan keterlibatan vendor (JAMA Network Open, NYU Langone 2025).
- 81% orang dewasa Inggris ingin dimintai persetujuan sebelum AI scribe digunakan (Healthwatch England 2026).
1. Uji Acak: Apa yang Ditunjukkan Bukti Terkontrol tentang Waktu per Catatan
Bukti acak baru hadir pada akhir 2025, dan bukti ini mengatur ulang ekspektasi. Dalam uji coba tiga lengan UCLA yang diterbitkan di NEJM AI, pengguna Nabla memangkas 41 detik dari catatan rata-rata (dari 4 menit 30 detik menjadi 3 menit 49 detik), tetapi dokter dengan perawatan biasa juga memangkas 18 detik tanpa AI sama sekali, dan lengan DAX Copilot tidak berbeda dari kontrol. Efek bersih dibandingkan kontrol adalah 23 detik per catatan (41 dikurangi 18), jauh lebih kecil daripada yang ditunjukkan penurunan mentah sebelum-sesudah saja, dan itulah mengapa kelompok kontrol penting dalam kategori ini.
Penggunaan menjelaskan sebagian. Bahkan di dalam uji coba, dokter hanya mengaktifkan AI scribe pada sekitar sepertiga kunjungan mereka, dan sekitar 15% dokter yang ditugaskan menggunakan AI scribe tidak pernah memakainya. Uji coba stepped-wedge University of Wisconsin (desain di mana setiap klinik akhirnya mendapatkan alat tersebut, dalam gelombang acak) melihat penggunaan yang jauh lebih intens, yang menjadi salah satu alasan mengapa efeknya tampak lebih besar.
| Metrik | Nilai | Sumber |
|---|---|---|
| Dokter yang diacak ke DAX Copilot, Nabla, atau perawatan biasa (UCLA) | 238 di 14 spesialisasi | NEJM AI, Lukac dkk. 2025 |
| Perubahan rata-rata waktu dalam catatan per catatan: lengan Nabla versus lengan perawatan biasa | -41 detik versus -18 detik | NEJM AI, Lukac dkk. 2025 |
| Kunjungan yang AI scribe-nya benar-benar digunakan: lengan DAX Copilot versus lengan Nabla | 33,5% (8.271 dari 24.696) versus 29,5% (6.981 dari 23.653) | NEJM AI, Lukac dkk. 2025 |
| Praktisi dalam uji coba stepped-wedge Wisconsin dan Illinois serta tingkat pemanfaatan AI ambien berbobot catatan | 66 praktisi, 16.593 kunjungan pasien; pemanfaatan 71,0% (SB 31,6%) | NEJM AI, Afshar dkk. 2025 |
| Proporsi isi catatan yang diketik manual, sebelum versus selama penggunaan AI scribe (Penn Medicine, 46 klinisi di 17 spesialisasi) | 11,2% menjadi 7,9% (P < 0,001) | JAMA Network Open, Duggan dkk. 2025 |
| Penutupan janji temu pada hari yang sama, sebelum versus selama penggunaan AI scribe (Penn Medicine) | 66,2% menjadi 72,4% (P < 0,001) | JAMA Network Open, Duggan dkk. 2025 |
Konteks: lengan DAX Copilot di UCLA turun 23 detik per catatan, yaitu -1,7% dibandingkan kontrol (IK 95%, -9,4% hingga +5,9%; P=0.66). Hasil yang tidak signifikan dalam uji coba dua bulan bukan bukti tidak adanya efek, tetapi menjadi pengingat bahwa produk AI scribe tidak dapat saling menggantikan.
2. Waktu RME di Luar Jam Kerja: Janji Waktu Piyama di Bawah Pengukuran
“Waktu piyama” adalah pekerjaan RME (rekam medis elektronik, EHR) yang dilakukan klinisi di luar jam praktik terjadwal, biasanya menyelesaikan catatan di rumah pada malam hari. Inilah hasil yang paling ingin digeser oleh sistem kesehatan, dan di sinilah bukti paling tidak sepakat. Dalam studi JAMA lima sistem, kerja di luar jam kerja hanya berubah -3,1 menit per 8 jam pasien terjadwal, hasil yang tidak dapat dibedakan dari nol oleh interval kepercayaan (-6,8 hingga 0,5), dan uji coba UCLA juga tidak menemukan perubahan signifikan di luar jam kerja dibandingkan kontrol.
Hasil positif datang dari uji coba Wisconsin yang penggunaannya intens, studi satu sistem, survei laporan mandiri, atau tindak lanjut yang lebih panjang. Studi pra-pasca Penn mencatat penurunan sekitar 15 menit per hari, dan pracetak Washington University menemukan bahwa waktu piyama tidak bergerak sama sekali pada hari ke-0 tetapi 19% lebih rendah pada hari ke-150. Pembacaan praktisnya: penghematan di luar jam kerja tampaknya bergantung pada perubahan kebiasaan yang memakan waktu berbulan-bulan, bukan pada sekadar mengaktifkan alatnya.
| Metrik | Nilai | Sumber |
|---|---|---|
| Kerja di luar jam kerja per 8 jam pasien terjadwal, adopter versus non-adopter (5 sistem akademik) | -3,1 menit (IK 95% -6,8 hingga 0,5), tidak signifikan | JAMA, studi multisitus 2026 |
| Kerja di luar jam kerja, uji coba stepped-wedge | -0,50 jam/hari (IK 95% -0,90 hingga -0,09; P=0.03) | NEJM AI, Afshar dkk. 2025 |
| Kerja di luar jam kerja per hari, sebelum versus selama penggunaan AI scribe (Penn Medicine, 46 klinisi) | 50,6 menjadi 35,4 menit (P=0,02) | JAMA Network Open, Duggan dkk. 2025 |
| Median waktu dokumentasi di luar jam kerja, sebelum versus sesudah adopsi (Providence, 1.547 klinisi) | 22,0 menjadi 20,6 menit; penurunan berkelanjutan 0,38 menit per bulan (P=0,02), tanpa perubahan langsung | JAMA Network Open, Husa dkk. 2026 |
| Waktu piyama pada hari ke-150 versus sebelum adopsi (220 klinisi layanan primer) | -19% (IRR 0,81, interval 0,73 hingga 0,90); tidak ada perubahan pada hari ke-0 | Pracetak medRxiv, Washington University 2026 |
| Jam mingguan menulis catatan di luar jam klinik berdasarkan laporan mandiri, sebelum versus sesudah 30 hari | 4,95 menjadi 4,05 jam (-0,90 jam; P < 0,001) | JAMA Network Open, Olson dkk. 2025 |
Catatan pencilan: hasil di luar jam kerja pada uji coba Wisconsin menjadi tidak signifikan (-0,19 jam, IK 95% -0,40 hingga 0,03) setelah 3% observasi teratas dikeluarkan, sehingga segelintir pekerja malam hari yang sangat sibuk menggerakkan sebagian besar efeknya.
3. Burnout, Beban Kognitif, dan Kelelahan Kerja
Burnout adalah hasil di mana AI scribe ambien tampak paling kuat, dan hasil ini bergerak lebih cepat daripada metrik waktu mana pun. Dalam studi Olson di enam sistem, prevalensi burnout turun 13,1 poin persentase dalam 30 hari (51,9% menjadi 38,8%; aOR 0,26, IK 95% 0,13 hingga 0,54; P < 0,001), sementara beban kognitif terkait catatan turun dari 7,10 menjadi 4,46 pada skala 10 poin. Salah satu pembacaan yang masuk akal adalah bahwa kelegaan itu lebih berasal dari tidak perlu mengetik sambil mendengarkan daripada dari menit yang dihemat, yang menjelaskan mengapa burnout membaik bahkan ketika waktu berbasis log nyaris tidak berubah.
Catatan kehati-hatiannya ada pada desain. Studi Olson tidak memiliki kelompok kontrol, dan survei Mass General Brigham serta Emory mendapat tingkat respons antara 11% dan 30%, sehingga pengguna yang paling puas mungkin terwakili berlebihan. Uji acak juga menunjukkan perbaikan, tetapi lebih kecil: di UCLA, skor komposit burnout Mini-Z membaik kurang dari 3 poin pada skala 10 hingga 50 untuk kedua AI scribe. Para dokter sudah mengharapkan hal ini: 70% melihat AI sebagai cara untuk mengotomatisasi tugas yang berkontribusi pada burnout (AMA, Survei Dokter tentang Augmented Intelligence 2026).
| Metrik | Nilai | Sumber |
|---|---|---|
| Klinisi yang melaporkan burnout versus burnout berat, sebelum versus sesudah 30 hari dengan AI scribe (6 sistem, 186 klinisi dalam model burnout) | Burnout 51,9% menjadi 38,8%; burnout berat 18,4% menjadi 12,2% (post hoc, P = 0,01) | JAMA Network Open, Olson dkk. 2025 |
| Beban tugas kognitif terkait catatan, skala 10 poin, sebelum versus sesudah | 7,10 menjadi 4,46 (P < 0,001) | JAMA Network Open, Olson dkk. 2025 |
| Praktisi di atas ambang kelelahan kerja tinggi, awal versus akhir uji coba | 56,1% menjadi 35,4% | NEJM AI, Afshar dkk. 2025 |
| Skor komposit burnout Mini-Z (10 hingga 50), perubahan terhadap kontrol | DAX +2,83 (IK 95% +1,28 hingga +4,37); Nabla +2,69 (IK 95% +1,14 hingga +4,23) | NEJM AI, Lukac dkk. 2025 |
| Klinisi Emory yang melaporkan dampak positif dokumentasi terhadap kesejahteraan, perubahan absolut pada hari ke-60 | +30,7 poin persentase (tingkat respons survei 11%) | Mass General Brigham, You dkk. JAMA Network Open 2025 |
| Tingkat respons survei Mass General Brigham pada hari ke-42 versus hari ke-84 | Sekitar 30% versus 22% | Mass General Brigham, You dkk. 2025 |
| Peningkatan kepuasan kerja di Hattiesburg Clinic: vendor AI scribe pertama versus vendor kedua | +17% versus +13% | AMA, laporan penggunaan AI oleh dokter 2025 |
Konteks: pemenuhan profesional dalam uji coba Wisconsin naik 0,14 poin (P=0.04), yang oleh para penulis dianggap tidak signifikan karena setiap hasil ko-primer harus lolos P < 0.025.
4. Adopsi: Seberapa Jauh AI Scribe Menyebar di Dalam Sistem Kesehatan
Akses bukan berarti penggunaan. Di lima sistem akademik besar, hanya 21,1% dari 8.581 klinisi rawat jalan yang telah mengadopsi AI scribe, dengan rentang dari 7,1% di Mass General Brigham hingga 63,6% di Yale New Haven Health, dan hanya sekitar 32% adopter yang menggunakannya untuk separuh atau lebih catatan mereka. Gambaran survei nasional konsisten: dokumentasi adalah kasus penggunaan AI teratas, tetapi kurang dari sepertiga dokter menggunakan AI untuk catatan kunjungan.
Di tempat adopsinya tinggi, penggunaannya menjadi kebiasaan. Di antara 102 dokter penyakit dalam dewasa dan kedokteran keluarga Permanente yang disurvei, dua pertiga menggunakan AI scribe 5 hari atau lebih per minggu dan 63% menggunakannya pada setiap kunjungan tatap muka (The Permanente Medical Group, NEJM Catalyst 2025). Kesenjangan adopsi antarsistem karenanya lebih berkaitan dengan cara setiap organisasi meluncurkannya daripada dengan apakah dokter menyukai alatnya: di 4 dari 5 sistem akademik, para adopter memilih sendiri untuk ikut, dan waktu peluncuran berlangsung dari Juni 2023 hingga Agustus 2025.
| Metrik | Nilai | Sumber |
|---|---|---|
| Dokter AS yang menggunakan AI untuk mendokumentasikan kode penagihan, rekam medis, atau catatan kunjungan | 28% (survei terhadap hampir 1.700 dokter) | AMA, Survei Dokter tentang Augmented Intelligence 2026 |
| Dokter AS yang menggunakan AI untuk membuat instruksi pemulangan, rencana perawatan, atau catatan perkembangan | 30% | AMA, Survei Dokter tentang Augmented Intelligence 2026 |
| Klinisi yang mengadopsi AI scribe di 5 sistem akademik, keseluruhan serta lokasi terendah versus tertinggi | 21,1% (1.809 dari 8.581); 7,1% di Mass General Brigham versus 63,6% di Yale New Haven Health | JAMA, studi multisitus 2026 |
| Adopter yang menggunakan AI scribe untuk 50% atau lebih catatan mereka | Sekitar 32% (577 adopter) | JAMA, studi multisitus 2026 |
| Klinisi Providence yang menjadi pengguna aktif AI ambien, Januari 2024 versus Maret 2025 | 0,1% menjadi 28,8% | JAMA Network Open, Husa dkk. 2026 |
| Dokter UCSF yang mengadopsi AI scribe versus proporsi kunjungan pasien yang mereka tangani dengannya | 44,6% dari 1.565 dokter versus 15,2% kunjungan pasien | JAMA Network Open, UCSF 2026 |
| Dokter Permanente yang mengadopsi AI scribe dalam 10 minggu pertama peluncuran 2023 | 3.442 dari 10.000 yang ditawari, di 303.266 kunjungan pasien | AMA, laporan percontohan Permanente 2024 |
Konteks: di Providence, pengguna aktif hanya sekitar 8% dari seluruh klinisi sepanjang periode studi, pengingat bahwa “peluncuran” di seluruh sistem dapat berjalan berdampingan dengan penetrasi rata-rata yang rendah.
5. Produktivitas, Penagihan, dan Pertanyaan tentang Pengembalian Investasi
Argumen finansialnya nyata tetapi kecil. Adopter UCSF menghasilkan 1,81 unit nilai relatif (RVU, unit Medicare yang mengukur pekerjaan dokter yang dapat ditagih) lebih banyak per minggu, yang oleh para penulis diterjemahkan menjadi sekitar $3.044 per dokter per tahun pada tarif Medicare 2025, tanpa perbedaan dalam penolakan klaim (JAMA Network Open, UCSF 2026). Angka-angka ini adalah estimasi pendapatan kotor, bukan pengembalian investasi yang terukur.
Sinyal penagihan ini patut dicermati. Sebagian kenaikan RVU mungkin berasal dari pencatatan yang lebih baik atas pekerjaan yang memang selalu dilakukan, dan sebagian lagi dari intensitas pengodean. Validasi KLAS terhadap satu vendor menunjukkan kode kunjungan lanjutan Level 3 turun 18,2% sementara kode Level 4 naik 7,3% dan kode Level 5 naik 5,0% di McLeod Health, dan para penulis UCSF secara eksplisit menandai bahwa penelitian mendatang harus memisahkan pengodean yang akurat dari upcoding.
| Metrik | Nilai | Sumber |
|---|---|---|
| RVU per minggu, adopter AI scribe versus non-adopter (UCSF, 1,2 juta kunjungan pasien) | +1,81 (IK 95% 0,86 hingga 2,75; P < 0,001) | JAMA Network Open, UCSF 2026 |
| Kunjungan pasien per minggu, adopter versus non-adopter (UCSF) | +0,80 (IK 95% 0,05 hingga 1,56; P = 0,04) | JAMA Network Open, UCSF 2026 |
| Tambahan kunjungan mingguan dan pendapatan evaluasi dan manajemen bulanan eksploratif per klinisi adopter (5 sistem akademik) | +0,49 kunjungan (IK 95% 0,17 hingga 0,81), kenaikan 1,7%; $167,37 per bulan (IK 95% $86,52 hingga $248,21) | JAMA, studi multisitus 2026 |
| Median RVU, sebelum versus sesudah adopsi (Providence) | 382,3 menjadi 399,1 (P < 0,001); tidak ada perubahan signifikan pada janji temu per hari | JAMA Network Open, Husa dkk. 2026 |
| RVU kerja pada hari ke-150 versus sebelum adopsi (layanan primer) | +2% (IRR 1,02) | Pracetak medRxiv, Washington University 2026 |
| Skor kepatuhan pengodean diagnosis (ICD-10), 0 hingga 10: catatan AI ambien versus catatan tulisan manusia | 6,87 versus 5,94 (P<0.001) | NEJM AI, Afshar dkk. 2025 |
| Waktu dalam catatan dan keuntungan bersih bulanan per penyedia layanan di McLeod Health (validasi khusus vendor untuk Suki) | -26,8% waktu dalam catatan; keuntungan bersih $1.004 per penyedia per bulan; kode kunjungan lanjutan Level 3 -18,2% | KLAS Research, Suki ROI Validations 2026 (laporan khusus vendor, melalui HIT Consultant) |
Konteks: angka KLAS menggambarkan pelanggan satu vendor dan bukan tolok ukur kategori; FMOL Health, dalam laporan yang sama, mencatat penurunan 21% dalam waktu dalam catatan.
6. Akurasi Catatan, Kesalahan, dan Beban Penyuntingan
Audit dunia nyata yang paling rinci sejauh ini berasal dari UC Davis, tempat para peninjau membaca 356 dari 7.545 catatan yang disusun AI. Penghilangan informasi muncul pada 18% catatan yang ditinjau dan halusinasi (konten yang ditulis AI tetapi tidak dikatakan dalam kunjungan) pada 11,5%, sementara 5,3% memuat kesalahan yang dinilai menimbulkan risiko serius atau segera (JMIR Medical Informatics, UC Davis 2026). Dengan kata lain, 19 dari 356 draf yang disampel membutuhkan koreksi yang penting bagi keselamatan, itulah sebabnya para penulis menyimpulkan bahwa peninjauan oleh klinisi tetap diperlukan.
Tingkat kesalahan sangat bergantung pada siapa yang menghitung dan bagaimana caranya. Audit pracetak Agustus 2026 terhadap tiga AI scribe komersial menemukan kegagalan terverifikasi pada 31,3% catatan, tetapi juga menunjukkan bahwa antara 28% dan 97% catatan yang disampel memuat kegagalan, tergantung pada standar peninjauan yang digunakan (pracetak arXiv 2026). Hasil yang lebih awal dan lebih menguntungkan datang dari uji percontohan Permanente 2024, yang menilai 35 transkrip dengan rata-rata 48 dari 50 untuk akurasi dan ukuran terkait, dan dari uji coba Wisconsin, yang menemukan bahasa yang menstigmatisasi pada kurang dari 1% catatan (12 catatan). Lapisan transkripsi yang mendasari catatan ini punya kesenjangan akurasinya sendiri menurut penutur, yang dibahas dalam statistik bias aksen pengenalan ucapan kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Catatan yang disusun AI dan ditinjau dengan penghilangan tidak disengaja (UC Davis, 356 catatan) | 18% (64 catatan) | JMIR Medical Informatics, UC Davis 2026 |
| Catatan yang ditinjau dengan konten halusinasi | 11,5% (41 catatan) | JMIR Medical Informatics, UC Davis 2026 |
| Catatan yang ditinjau dengan penyertaan tidak disengaja versus dengan bias | 9,3% (33 catatan) versus 1,1% (4 catatan) | JMIR Medical Informatics, UC Davis 2026 |
| Catatan yang ditinjau dengan kesalahan yang dinilai berisiko serius atau segera (keparahan 4 hingga 5) | 5,3% (19 catatan) | JMIR Medical Informatics, UC Davis 2026 |
| Median proporsi kata buatan AI yang diubah dokter versus catatan yang dibiarkan tanpa penyuntingan | 9,0% versus 14,9% (143 dari 960) | JMIR Medical Informatics, UC Davis 2026 |
| Kualitas catatan keseluruhan pada skala PDQI-9, kunjungan spesialis simulasi (VA, 2 produk) | 36,2 dari 50; kelengkapan sebagai butir terendah pada 3,4 dari 5 | JAMA Network Open, studi simulasi VA 2026 |
| Catatan dengan setidaknya satu kegagalan terverifikasi, 3 AI scribe komersial, 142 konsultasi (pracetak) | 31,3% [27,0 ; 35,6] | Pracetak arXiv 2026 |
| Frekuensi ketidakakuratan yang signifikan secara klinis menurut penilaian dokter, skala 5 poin (2 = jarang, 3 = kadang-kadang) | DAX 2,7; Nabla 2,8; satu kejadian merugikan ringan dalam uji coba | NEJM AI, Lukac dkk. 2025 |
Konteks: studi VA menyebutkan jenis kesalahan yang paling ditakuti klinisi, termasuk temuan pemeriksaan fisik yang dikarang dan hasil negatif penting yang dihilangkan, dan salah satu peserta hematologi-onkologi menyebutnya “masalah keselamatan yang besar”.
7. Penerimaan Pasien dan Persetujuan
Di klinik-klinik AS, pasien jarang menolak. Dalam uji coba Wisconsin, 99,92% pasien menyetujui perekaman ambien, dengan hanya 22 penolakan (NEJM AI, Afshar dkk. 2025). Survei publik bercerita lebih hati-hati, dan kesenjangannya sebagian besar soal informasi: rasa nyaman turun ketika pasien mengetahui ke mana audio dikirim dan perusahaan mana saja yang terlibat.
Studi persetujuan NYU menunjukkan efeknya secara langsung. Persetujuan mencapai 81,6% setelah informasi dasar tentang teknologi tersebut, tetapi 55,3% setelah penjelasan rinci tentang fitur AI, penyimpanan data, dan keterlibatan perusahaan (JAMA Network Open, NYU Langone 2025). Di Inggris, rasa nyaman turun dari 48% untuk pemeriksaan rutin menjadi 23% untuk konsultasi tentang kekerasan dalam rumah tangga (Healthwatch England 2026). Percakapan persetujuan di lingkungan multibahasa menambah lapisan lain, yang dibahas dalam statistik penerjemah medis rumah sakit kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Pasien percontohan NYU yang nyaman dengan dokumentasi ambien pada awal (103 pasien) | 74,8% (77 pasien) | JAMA Network Open, NYU Langone 2025 |
| Pasien percontohan NYU yang akan menyetujui setelah informasi dasar versus setelah pengungkapan rinci tentang fitur AI, penyimpanan data, dan keterlibatan perusahaan | 81,6% (84) versus 55,3% (57) | JAMA Network Open, NYU Langone 2025 |
| Pasien percontohan NYU yang tidak ingin datanya dibagikan kepada vendor | 59,2% (61 pasien) | JAMA Network Open, NYU Langone 2025 |
| Orang dewasa Kanada yang enggan menggunakan AI scribe di masa depan versus yang tahu bahwa AI scribe digunakan (12.153 orang dewasa) | 61,8% versus 28,3% | JAMIA, Chandrasekaran dan Moustakas 2026 |
| Orang dewasa Inggris yang ingin klinisi meminta persetujuan sebelum menggunakan AI scribe (4.039 orang dewasa) | 81% | Healthwatch England, jajak pendapat YouGov 2026 |
| Orang dewasa Inggris dengan janji temu baru-baru ini yang tidak tahu bahwa pencatatan AI digunakan | Hampir 90% dari 2.795 | Healthwatch England, jajak pendapat YouGov 2026 |
| Orang dewasa Inggris yang cukup atau sangat nyaman dengan AI scribe: pemeriksaan kesehatan rutin versus konsultasi kekerasan dalam rumah tangga | 48% versus 23% | Healthwatch England, jajak pendapat YouGov 2026 |
| Pasien Permanente yang nyaman versus tidak nyaman dengan AI scribe (118 pasien) | Dua pertiga versus 8% (26% netral) | The Permanente Medical Group, NEJM Catalyst 2025 |
Konteks: dukungan di Inggris untuk peluncuran di seluruh NHS terbelah hampir sama besar, 38% mendukung dan 37% menentang, dan penentangan yang kuat (21%) hampir dua kali lipat dukungan yang kuat (11%).
Ringkasan: AI Scribe Medis Ambien dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Burnout sebelum versus sesudah 30 hari penggunaan AI scribe (6 sistem) | 51,9% menjadi 38,8% | JAMA Network Open, Olson dkk. 2025 |
| Praktisi di atas ambang kelelahan kerja tinggi, awal versus akhir uji coba | 56,1% menjadi 35,4% | NEJM AI, Afshar dkk. 2025 |
| Waktu dokumentasi per 8 jam pasien terjadwal, adopter versus non-adopter | -16,0 menit (sekitar -10%) | JAMA, studi multisitus 2026 |
| Perubahan rata-rata waktu per catatan: lengan Nabla versus kontrol (acak) | -41 detik versus -18 detik | NEJM AI, Lukac dkk. 2025 |
| Kerja di luar jam kerja per hari, Penn Medicine | 50,6 menjadi 35,4 menit | JAMA Network Open, Duggan dkk. 2025 |
| Waktu piyama pada hari ke-150, layanan primer (pracetak) | -19% | Pracetak medRxiv, Washington University 2026 |
| Klinisi yang mengadopsi AI scribe di 5 sistem akademik | 21,1% | JAMA, studi multisitus 2026 |
| Pengguna aktif AI ambien Providence, Jan 2024 versus Mar 2025 | 0,1% menjadi 28,8% | JAMA Network Open, Husa dkk. 2026 |
| Dokter yang menggunakan AI untuk kode penagihan, rekam medis, atau catatan kunjungan | 28% | AMA, Survei Dokter tentang Augmented Intelligence 2026 |
| RVU per minggu, adopter versus non-adopter (UCSF) | +1,81 | JAMA Network Open, UCSF 2026 |
| Estimasi tambahan pendapatan per dokter per tahun (UCSF) | Sekitar $3.044 | JAMA Network Open, UCSF 2026 |
| Catatan AI yang ditinjau dengan penghilangan / halusinasi / kesalahan berisiko serius atau segera | 18% / 11,5% / 5,3% | JMIR Medical Informatics, UC Davis 2026 |
| Catatan dengan kegagalan terverifikasi, 3 AI scribe komersial (pracetak) | 31,3% | Pracetak arXiv 2026 |
| Persetujuan pasien terhadap perekaman ambien (uji coba AS) | 99,92% | NEJM AI, Afshar dkk. 2025 |
| Persetujuan pasien setelah pengungkapan rinci versus dasar (NYU) | 55,3% versus 81,6% | JAMA Network Open, NYU Langone 2025 |
| Orang dewasa Kanada yang enggan menggunakan AI scribe di masa depan | 61,8% | JAMIA 2026 |
| Orang dewasa Inggris yang ingin dimintai persetujuan | 81% | Healthwatch England 2026 |
Metodologi dan Sumber
Kami memprioritaskan uji acak dan studi sistem kesehatan yang ditinjau sejawat, menggunakan siaran pers hanya ketika merangkum makalah yang disebutkan namanya, dan melabeli pracetak serta laporan khusus vendor sebagaimana adanya. Tidak ada angka dalam rangkuman ini yang berasal dari data VoxBooster.
- NEJM AI, Lukac dkk. 2025, Ambient AI Scribes in Clinical Practice: A Randomized Trial (UCLA), beserta siaran pers UCLA Health
- NEJM AI, Afshar dkk. 2025, A Pragmatic Randomized Controlled Trial of Ambient AI to Improve Health Practitioner Well-Being (University of Wisconsin)
- JAMA 2026, Changes in Clinician Time Expenditure and Visit Quantity With Adoption of AI-Powered Scribes: A Multisite Study
- JAMA Network Open, Olson dkk. 2025, Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout
- JAMA Network Open, Duggan dkk. 2025, Clinician Experiences With Ambient Scribe Technology (Penn Medicine)
- JAMA Network Open, Husa dkk. 2026, Ambient AI Use and Clinician Documentation Burden, Productivity, and Efficiency (Providence)
- JAMA Network Open 2026, Ambient AI Scribes and Physician Financial Productivity (UCSF)
- Pracetak medRxiv 2026, Longitudinal Effects of Ambient AI Scribe Use in Primary Care (Washington University), belum ditinjau sejawat
- The Permanente Medical Group, tinjauan satu tahun NEJM Catalyst 2025, diringkas oleh Kaiser Permanente Division of Research
- AMA, Survei Dokter tentang Augmented Intelligence 2026
- AMA, laporan tentang penggunaan AI oleh dokter dan percontohan Hattiesburg Clinic 2025
- AMA, laporan tentang percontohan 10 minggu Permanente 2024
- Mass General Brigham, siaran pers tentang You dkk. JAMA Network Open 2025 (Mass General Brigham dan Emory)
- JMIR Medical Informatics 2026, Quality of Clinical Notes Created by Ambient Listening Generative AI (UC Davis)
- JAMA Network Open 2026, Ambient Scribe Technology in Simulated Patient Encounters Across Specialties (Veterans Health Administration)
- Pracetak arXiv 2026, One note in three: a verified census of three deployed AI scribes, belum ditinjau sejawat
- JAMA Network Open 2025, Informed Consent for Ambient Documentation Using Generative AI in Ambulatory Care (NYU Langone)
- JAMIA 2026, Patient attitudes toward ambient AI scribes in clinical care (survei Kanada)
- Healthwatch England 2026, What does the public think about AI scribe use in healthcare (jajak pendapat YouGov)
- KLAS Research, Suki ROI Validations 2026, laporan khusus vendor sebagaimana dilaporkan oleh HIT Consultant
- Catatan data: sebagian besar ukuran efek di sini berasal dari desain pra-pasca nonacak atau observasional dengan adopter yang memilih sendiri, sehingga merupakan asosiasi, bukan bukti sebab-akibat; hanya uji coba UCLA dan Wisconsin yang diacak. Makalah Penn melaporkan penurunan kerja di luar jam kerja sebesar 30,0% dalam abstraknya tetapi -16,9% dalam Tabel 2, dan abstraknya menyebut “per hari kerja” sementara tabelnya menyebut “per hari terjadwal”. Studi Olson mengonversi perubahan mingguan kerja di luar jam kerjanya menjadi 10,8 menit per hari kerja, sebuah estimasi turunan, dan beberapa penulisnya memiliki kaitan dengan vendor yang AI scribe-nya diteliti. Makalah simulasi VA memberikan skor neurologi sebesar 42,2 dalam teks dan 41,2 dalam tabelnya. Survei burnout di Mass General Brigham dan Emory memiliki tingkat respons 11% hingga 30%. Studi Washington University dan arXiv adalah pracetak dan dapat berubah sebelum ditinjau sejawat, dan angka KLAS menggambarkan pelanggan satu vendor. Angka survei dokter Permanente (102 responden) dan survei pasien (118 responden) berasal dari sampel kecil dari satu kelompok medis. Survei augmented intelligence AMA berikutnya dan tindak lanjut yang lebih panjang dari kohort JAMA lima sistem, yang estimasi paling kuatnya baru mencapai sekitar 5 bulan setelah adopsi, adalah data baru terpenting yang diharapkan.
Terakhir diperbarui: 24 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika AMA menerbitkan Survei Dokter tentang Augmented Intelligence 2027.