Voordat een AI-voorstel de analyse van een patiënt raakt, moet u er één vraag over kunnen beantwoorden: waar kwam dat vandaan? Als het hulpmiddel u dat kan laten zien — deze rubriek, in dit repertorium, op deze locatie, met deze graad; deze passage, in dit boek — dan is AI-ondersteunde repertorisatie een versneller voor precies de discipline die klassieke training onderwijst. Als het dat niet kan, maakt geen enkele vloeiende output het veilig om te gebruiken. Dit artikel zet dat principe om in een praktische audit: tien controles die een behandelaar op elk AI-hulpmiddel voor homeopathie — inclusief het onze — binnen een uur kan uitvoeren, voordat hij het in de spreekkamer vertrouwt. Het verschilt van onze bredere stukken over AI bij remediekeuze en de workflow voor casusanalyse: die leggen uit wat de technologie doet; dit artikel gaat over het verifiëren ervan. Zoals altijd is het geschreven voor behandelaars en studenten — de klinische beslissing blijft, hier meer dan waar ook, de uwe.
Waarom überhaupt auditen? De twee patronen van AI in homeopathie
Elke AI-functie in homeopathische software valt bij nadere inspectie terug te brengen tot een van twee patronen.
Het ophaalpatroon. De AI is een snellere index. Zij neemt de woorden van de patiënt — "een knellende band om het hoofd, beter door hard drukken" — en toont kandidaat-rubrieken uit echte repertoria, met locaties en graden erbij; of zij stelt een shortlist op strikt op basis van rubrieken die u hebt bevestigd. Elke output is een verwijzing naar bronnen die bestaan en geopend kunnen worden. Het vakmanschap van de behandelaar — kiezen, wegen, verifiëren in de materia medica — blijft onveranderd; alleen het bladeren is sneller geworden.
Het orakelpatroon. De AI is een antwoordmachine. Casusbeschrijving erin, remedienaam eruit, redenering ondoorzichtig, referenties afwezig of decoratief. Hoe accuraat zij soms ook kan zijn, zij is niet auditbaar — en een niet-auditbare stap die in een klinische methode wordt ingevoegd, breekt de verantwoordingsketen van die methode op haar belangrijkste schakel.
De audit hieronder bestaat om deze twee patronen in de praktijk van elkaar te onderscheiden, functie voor functie — omdat echte producten (opnieuw: inclusief het onze) mengvormen zijn, en de vraag nooit is "is AI goed of slecht?" maar "welke output van dit hulpmiddel kan ik traceren, en bereikt iets ontraceerbaars ooit de analyse?"
De tienpuntsaudit
Voer deze op volgorde uit; ze lopen op van mechaniek naar governance. Een hulpmiddel dat faalt op 1–4 is onveilig, ongeacht de rest. Houd notities bij — die worden uw basislijn voor heraudit.
1. Traceerbaarheid van rubrieken
Neem drie door AI voorgestelde rubrieken en klik door. Opent elke rubriek op zijn exacte locatie in een genoemd repertorium — hoofdstuk, rubriek, subrubriek — met de remedielijst en graden zichtbaar? Een voorstel dat niet geopend kan worden is het alarmsignaal. In Similia is elke rubriek die de AI voorstelt een live link naar het repertorium waaruit zij afkomstig is; dat is de ontwerpnorm waaraan u elk hulpmiddel moet houden.
2. Bronverificatie van citaten
Wanneer de AI materia medica citeert of parafraseert, open dan de passage. Bevat het aangehaalde boek die passage, in herkenbare vorm, over die remedie? Controleer er drie. Eén verzonnen citaat laat de audit meteen falen — verzonnen geleerdheid is erger dan geen geleerdheid, omdat zij vals vertrouwen produceert precies waar verificatie hoort te zitten.
3. De proef op verzonnen rubrieken
Voer in het hulpmiddel een symptoom in waarvan u weet dat repertoria er onhandig mee omgaan — een vreemde moderne formulering, een zeldzame modaliteit. De juiste gedragingen zijn: dichtstbijzijnde echte rubrieken (als zodanig gelabeld), of een eerlijk "geen nauwe match." Het falende gedrag is een perfect geformuleerde rubriek die in geen enkel repertorium bestaat. Deze ene proef vangt meer orakelpatroon-hulpmiddelen dan welke andere controle ook.
4. Trouw aan graden
Vergelijk voor twee voorgestelde rubrieken de graden die de AI toont met de eigen vermelding in het repertorium — vet, cursief, gewoon; en in Murphy's viergradensysteem moet de vierde graad correct worden behandeld. Graden dragen het bewijskundige gewicht van de hele methode; een hulpmiddel dat slordig is met graden zal slordig zijn met alles stroomafwaarts. (Nieuw in waarom graden zo belangrijk zijn? De gids voor repertorisatie behandelt de fundamenten.)
5. Bevestigingspoort
Volg één volledig pad van voorstel naar analyse. Kan een rubriek of remedie de repertorisatie binnengaan zonder een expliciete handeling van de behandelaar? Het betrouwbare antwoord is nee: de AI stelt voor, u bevestigt, en alleen bevestigde items worden geanalyseerd. Automatisch ingevoegde voorstellen — hoe goed ook — betekenen dat het hulpmiddel, niet u, stilletjes de casus overneemt.
6. Gedrag bij onzekerheid
Geef het een magere casus: twee vage symptomen, niets opvallends. Zegt het hulpmiddel dat het beeld onvoldoende is, nuanceert het zichtbaar, of rangschikt het kandidaten met hetzelfde zelfverzekerde gezicht dat het droeg bij een rijke casus? Systemen die geen onzekerheid kunnen uitdrukken, dragen hun overmoed over op hun gebruikers — precies het tegenovergestelde van wat een beginnende voorschrijver nodig heeft.
7. Precisie van semantisch zoeken
Test de koppeling van alledaagse taal met vijf formuleringen die uw patiënten werkelijk gebruiken — inclusief één in uw consultatietaal als u buiten het Engels praktiseert — en beoordeel of de teruggegeven rubrieken werkelijk overeenkomen met de betekenis, niet alleen met de trefwoorden. Controleer daarna het omgekeerde: vindt een precieze klassieke formulering eerst de exacte rubriek? Onze gids voor semantisch zoeken legt uit hoe goed eruitziet onder de motorkap.
8. Privacy en datagovernance
Lees de voorwaarden van het hulpmiddel met drie vragen: Wordt consultatie- of casustekst gebruikt om modellen te trainen? Wie verwerkt de gegevens, en op welke rechtsgrond (AVG-verwerkersvoorwaarden, in Europa)? Kunt u exporteren en verwijderen? Bevestig bij opgenomen consulten dat de toestemmingsplicht zit waar zij hoort — bij u — en dat de verwerking door de leverancier die ondersteunt. Een klinisch briljant hulpmiddel met ontwijkende datavoorwaarden faalt de audit; het verhaal van de patiënt is de meest gevoelige data die een homeopaat beheert.
9. Transparantie over modelwijzigingen
Vraag (of zoek in de changelog): kondigt de leverancier aan wanneer de modellen of bronnen van de AI materieel veranderen? Continue deployment betekent dat het hulpmiddel dat u in januari hebt geaudit niet het hulpmiddel is dat u in juli gebruikt. U kunt niet opnieuw auditen waarvan u niet weet dat het veranderd is — vandaar het halfjaarlijkse herauditritme in de FAQ.
10. De regel voor ondertekening
Audit tot slot uzelf. Stel één persoonlijke regel in: geen door AI geraakte analyse is voltooid totdat de leidende kandidaten in de materia medica tegen de patiënt zijn gelezen. Ophalen kan worden gedelegeerd; oordeelsvorming niet. Schrijf de regel desnoods in uw casussjabloon — de discipline kost drie minuten en is het verschil tussen AI-ondersteunde praktijk en AI-gestuurde praktijk.
Scoren
Er is geen puntensysteem dat het waard is om uit te vinden: controles 1–5 zijn slagen/zakken (traceerbaarheid, bronnen, geen verzinsels, trouw aan graden, poortcontrole), en een hulpmiddel moet alle vijf doorstaan voordat zijn gemakken overweging verdienen. Controles 6–10 beoordelen de volwassenheid van het hulpmiddel en van uw governance eromheen. Een hulpmiddel dat alle tien doorstaat is geen "AI die u blind kunt vertrouwen" — het is AI die u nooit blind hoeft te vertrouwen, en dat is het werkelijke doel.
Hoe dit eruitziet wanneer het werkt
Eerlijk uitgevoerd filtert de audit niet alleen hulpmiddelen — hij verandert hoe u het hulpmiddel gebruikt dat u behoudt. Voorstellen worden aanknopingspunten, geen uitspraken. Het doorklikken naar de rubriek wordt een reflex. Het lezen in de materia medica aan het einde voelt niet meer als een formaliteit, omdat het zichtbaar de bijna-missers van de AI opvangt — de rubriek die de woorden raakte maar niet de betekenis, de remedie die sterk is in het raster maar verkeerd in de gestalt. Behandelaars die zo werken melden hetzelfde als onze eigen gebruiksdata laat zien: de echte gave van AI is niet antwoorden maar dekking — de derde en vierde kandidaat-rubriek die u geen tijd had gehad om handmatig op te sporen — terwijl de beslissingskwaliteit nog steeds komt van waar zij altijd vandaan kwam. Dat is de norm waarvoor wij Similia's AI-functies bouwen, en de audit hierboven is hoe u ons — en ieder ander — daaraan houdt.
