AI vstopa v najbolj neurejen del bolnišničnih stroškov
Slovenske in evropske bolnišnice zelo dobro vedo, koliko stane škatla igel ali določena proteza. Much manj jasna pa je slika pri čiščenju, pranju perila, varovanju ali prevajalskih storitvah. Ta »siva cona« kupljenih storitev je pogosto vir skritih izgub v že tako napetih proračunih.
V to vrzel vstopa SpendRule, mlado podjetje, ki z umetno inteligenco preverja, ali bolnišnice dejansko plačujejo tisto, kar so se dogovorile v pogodbah. Kot poroča TechCrunch, je podjetje iz skrivnega načina delovanja stopilo z razmeroma skromno, 2-milijonsko investicijsko rundo – a posledice so lahko zelo velike. Ne gre za še eno AI-modno muho, temveč za poskus spremeniti AI v neprestanega revizorja zdravstvenih ustanov.
V nadaljevanju analiziramo, kaj SpendRule pravzaprav počne, zakaj je to pomembno za ekonomiko bolnišnic, kako se navezuje na širše trende in kaj to pomeni za slovenski in evropski zdravstveni sistem.
Novica na kratko
Po poročanju TechCruncha je SpendRule ameriški startup, ki sta ga leta 2025 ustanovila Chris Heckler in Joseph Akintolayo. Februarja 2026 je izšel iz skrivnega načina delovanja z 2 milijonoma dolarjev svežega kapitala. Investicijski krog je vodil sklad Abundant Venture Partners, pridružila pa sta se mu še MemorialCare Innovation Fund in Zeal Capital Partners.
SpendRule ponuja platformo na osnovi umetne inteligence, ki bolnišnicam pomaga preverjati plačila dobaviteljem, s poudarkom na t. i. kupljenih storitvah – na primer vzdrževanju, čiščenju, prevajalskih ali pralniških storitvah, kjer ni črtnih kod in jasnih kosovnic.
Rešitev se poveže z obstoječimi sistemi bolnišnice: ERP-jem, programom za upravljanje pogodb in postopki v računovodstvu. Iz pogodb, računov, notranjih baz in podatkov dobaviteljev črpa informacije ter preverja vsak račun, še preden je plačan. Nepravilnosti označi in ekipi pove, kdaj računa ne bi smeli poravnati.
Kot navaja TechCrunch, se danes bolnišnice pogosto zanašajo na ročne preglede ali zunanje revizorje, ki vsakih nekaj let iščejo preplačila. SpendRule se tako postavlja ob bok obstoječim izvajalcem revizij, kot sta SpendMend in GHX, ter se pohvali z zgodnjimi strankami, med katerimi so Kettering Health, MemorialCare in MUSC Health.
Zakaj je to pomembno
To je ravno tisti nezanimiv del zdravstvenega sistema, kjer lahko ima AI največji učinek.
Večina zgodb o umetni inteligenci v zdravstvu govori o diagnostiki, slikanju ali kliničnih odločitvah. Toda finančno izčrpane bolnišnice pogosto bolj kot še en algoritem za slike iščejo način, kako prihraniti nekaj odstotkov pri tekočih stroških. Neklinična poraba – predvsem kupljene storitve – je klasična slepa pega: razdrobljene pogodbe, ohlapni opisi storitev in računi, ki jih v praksi nihče sistematično ne primerja s pogodbenimi pogoji.
SpendRule se loti prav te boleče točke. Namesto da vsakih nekaj let pride svetovalec, ki izkoplje del preplačil, lahko AI kot »stalni revizor« sedi znotraj procesa likvidacije računov in sproti preverja skladnost.
Kdo pridobi?
- Finančne službe bolnišnic: več nadzora, manj uhajanja denarja in boljše izhodišče za pogajanja z dobavitelji na osnovi dejanskih podatkov.
- Javne in zasebne bolnišnice z minimalnimi maržami: tudi majhni prihranki na velikem obsegu porabe lahko pomenijo razliko med zaposlovanjem in zamrzovanjem delovnih mest.
- Uprave, ki verjamejo v podatkovno upravljanje: takšna orodja nagradijo ustanove, ki so vlagale v bolj urejene podatke in pogodbe.
Kdo tvega?
- Tradicionalne revizijske hiše, katerih model temelji na ročnih, občasnih pregledih in delitvi najdenih prihrankov.
- Dobavitelji, ki živijo od kompleksnosti, kjer je bilo doslej majhno tveganje, da bodo odkrita odstopanja od pogodbenih cen ali obsega storitev.
Ključna sprememba je premik od naknadnega reševanja preplačil k preprečevanju, še preden denar odteče. Ko sistem avtomatsko zadrži sumljive račune, so pogajanja z dobavitelji drugačna: popusti in rabati iz pogodb postanejo realnost, ne le zapis v dokumentu. Zaposlene v računovodstvu pa se lahko preusmeri z monotonih pregledov računov v strateško upravljanje dobaviteljev.
Širši kontekst: vertikalni AI in »pameten« sloj nad starimi sistemi
SpendRule se nahaja na presečišču treh pomembnih trendov.
Prvi je vzpon vertikalnega AI – specializiranih sistemov za ozka področja, kot so radiologija, medicinsko kodiranje ali, v tem primeru, bolnišnična nabava in pogodbe. Generični modeli so odlični za pisanje e-pošte, precej manj pa za presojo, ali 30. vrstica na računu za čiščenje ustreza pet let stari krovni pogodbi. Tu je nujno domensko znanje, povezave na strukturo podatkov in velike količine zgodovinskih primerov.
Drugi trend je AI kot vmesni sloj nad obstoječimi poslovnimi sistemi. Večina bolnišnic ne bo zamenjala svojega ERP-ja ali sistema za pogodbe; stroški in tveganja so enostavno previsoki. Namesto tega nastajajo rešitve, kot je SpendRule, ki se »priklopijo« na te sisteme in dodajo inteligenco, ki jih naredi uporabne v praksi.
Tretji trend je dolgotrajni ciklus optimizacije stroškov in procesov v zdravstvu. Po digitalizaciji zdravstvenih kartotek je naslednja stopnja avtomatizacija zalednih procesov: od obračunavanja do nabave in logistike. Avtomatsko preverjanje računov je logičen korak v tej smeri.
V primerjavi z uveljavljenimi igralci, kot sta GHX ali klasične revizijske hiše, SpendRule stavi na to, da je mogoče revizijo spremeniti iz storitve s številnimi svetovalci v programski produkt – stalno prisoten, globoko integriran in manj odvisen od velikega števila analitikov.
A uspeh ni samoumeven. Bolnišnice kupujejo na osnovi zaupanja in dokazane donosnosti, ne zaradi tehnološkega navdušenja. Zmagali bodo tisti ponudniki, ki bodo:
- hitro pokazali merljive prihranke,
- se znali povezati z realno neurejenimi podatki, in
- razumeli notranjo politiko ustanov, kjer je vsako novo orodje tudi potencialna grožnja obstoječim nalogam in proračunom.
Majhna začetna investicija za SpendRule je tu prej plus kot minus: ne gre za megalomanski projekt, ampak za osredotočen poskus reševanja zelo konkretnega problema.
Evropski (in slovenski) pogled
Čeprav so prve stranke SpendRula ameriške, je osnovni problem globalen – in dobro znan tudi slovenskemu in širšemu evropskemu zdravstvu.
Javne bolnišnice pri nas delujejo v okviru strogih pravil javnega naročanja, okvirnih sporazumov in koncesij. Storitve, kot so čiščenje, prehrana, vzdrževanje ali varovanje, se pogosto oddajo zunanjim izvajalcem prek večletnih razpisov. Ko je pogodba enkrat podpisana, pa nadzor pogosto oslabi; računi se plačujejo po inerciji.
Rešitve, ki z AI preverjajo skladnost računov s pogodbami, se dobro ujemajo z evropskim poudarkom na transparentni in odgovorni porabi javnih sredstev. Hkrati odpirajo nekaj zelo specifičnih vprašanj:
GDPR in varstvo podatkov: računi in pogodbe lahko vsebujejo osebne podatke (kontakte, imena odgovornih oseb, včasih tudi posredno informacije o pacientih). Vsak AI-sistem, ki te podatke obdeluje, mora imeti zelo jasno definirane namene, politike hrambe in lokacijo podatkov.
Uredba EU o umetni inteligenci: revizija računov najverjetneje ne sodi med visokorizične sisteme, a zdravstvene ustanove so po naravi previdne. Ponudniki bodo morali zagotoviti dokumentacijo, nadzor in človekov nadzor v skladu z novo zakonodajo.
Povezovanje z evropskimi sistemi: številne bolnišnice v EU uporabljajo SAP ali druge velike ERP-rešitve. Zmagovalci na tem trgu bodo tisti, ki se znajo neopazno integrirati v to okolje in zagotoviti varnost ter skladnost brez velikih IT-projektov.
Za slovenski ekosistem je tu tudi priložnost. Startupi, ki že delajo na področju e-računov, javnega naročanja ali zdravstvene informatike, bi lahko razvili podobne rešitve, prilagojene lokalni zakonodaji in jeziku, ter jih kasneje izvozili v regijo.
Ključno sporočilo za evropske bralce: vprašanje ni, ali bodo taki sistemi prišli v javno zdravstvo, temveč kdaj in pod kakšnimi pogoji.
Pogled naprej
V naslednjih dveh letih bo zanimivo spremljati več stvari.
Poslovni model: bodo rešitve, kot je SpendRule, zaračunavale licenčnino, delež od doseženih prihrankov ali kombinacijo? Model »plačajte iz prihrankov« je za javne bolnišnice privlačen, a lahko omeji dolgoročen prihodkovni potencial ponudnika.
Raven avtomatizacije: danes sistem predvsem označuje sporne račune. Sčasoma bodo finančne službe pričakovale več – predloge za spremembe pogodb, analizo dobaviteljev ali simulacije učinkov na proračun.
Odziv konkurence: obstoječi ponudniki revizij in nabavnih platform skoraj zagotovo pripravljajo lastne AI-rešitve ali prevzeme startupov.
Prehod v druge segmente: isti pristop se lahko uporabi pri farmacevtski industriji, večjih zdravstvenih domovih ali celo pri zavarovalnicah za nekritične stroške.
Upravljanje napak: AI, ki po krivem blokira račun, lahko povzroči napete odnose z dobavitelji in notranje nezadovoljstvo. Potrebni bodo jasni postopki, razlaga odločitev in fazni prehodi od »AI predlaga, človek odloča« k večji avtomatizaciji tam, kjer je zanesljivost visoka.
Glede na konservativno naravo zdravstva lahko pričakujemo postopne pilote – najprej v eni bolnišnici ali oddelku, z nato večmesečnim merjenjem učinkov. Šele nato pride v poštev širša uvedba. To pomeni, da bomo realne odgovore o tem, ali je »AI-revizor« nova normalnost, dobili šele čez nekaj let.
Bistvo
2 milijona dolarjev za SpendRule na prvi pogled ne vzbujata pozornosti, toda ideja v ozadju bi jo morala: umetna inteligenca kot stalen revizor za najbolj netransparenten del bolnišničnih stroškov je točno tista vrsta pragmatične inovacije, ki jo zdravstvo potrebuje. Če se ta kategorija izkaže, bomo na ročno preverjanje računov gledali podobno kot na papirne kartoteke – kot na preteklost. Ključno vprašanje za uprave bolnišnic je zato preprosto: ali si še lahko privoščite, da ne veste natančno, kam odteka vaš denar?
