A Roadmap for AI Integration in Healthcare Organizations from a Managerial Perspective: A Qualitative Study

Öz

The increasing adoption of artificial intelligence applications in healthcare institutions necessitates the restructuring of managerial and operational processes. This study evaluates the integration of artificial intelligence into hospital management processes from the perspective of healthcare managers and examines its potential effects on operational efficiency, employees’ work practices, patient safety, and institutional sustainability. The study is structured on the basis of Socio-Technical Systems Theory and the Technology–Organization–Environment framework. Conducted using a phenomenological qualitative design, the research collected data through semi-structured interviews with nine healthcare managers working in public, private, and university hospitals, and analyzed the data through content analysis. The findings revealed fragmented processes, repetitive data entry, manual workload, and problems related to planning, billing, and inventory management. Participants stated that artificial intelligence could provide decision support, early warning, forecasting, and automation; however, they also noted risks such as data security, privacy, legal compliance, inadequate infrastructure, and employee resistance. The study offers a managerial contribution to the clinically focused literature by proposing an applicable artificial intelligence roadmap from the perspective of healthcare managers. The study concludes that artificial intelligence integration in healthcare institutions should not be regarded merely as a technical investment, but as a socio-technical transformation that requires data governance, managerial commitment, employee acceptance, ethical oversight, and continuous improvement. In this respect, the study contributes to the healthcare management literature by proposing a managerially grounded and practically applicable roadmap for artificial intelligence integration.

Anahtar Kelimeler

• Artificial Intelligence
• Healthcare Management
• Operational Efficiency
• Socio-Technical Systems
• Technology-Organization-Environment Framework

Destekleyen Kurum

The authors acknowledge that they received no external funding in support of this research

Etik Beyan

We accept that this study is an original research article prepared in accordance with scientific ethical rules and scientific method, it has not been published or presented in any other journal, the ethical and scientific responsibility belongs to all authors of the article

Sağlık Kurumlarında Yapay Zekâ Entegrasyonu İçin Yönetici Perspektifinden Bir Yol Haritası: Nitel Bir Araştırma

Öz

Sağlık kurumlarında yapay zekâ uygulamalarının yaygınlaşması, yönetsel ve operasyonel süreçlerin yeniden yapılandırılmasını gerekli kılmaktadır. Bu araştırmada, yapay zekânın hastane yönetim süreçlerine entegrasyonu sağlık yöneticilerinin bakış açısından değerlendirilmiş; operasyonel verimlilik, çalışanların iş yapış biçimleri, hasta güvenliği ve kurumsal sürdürülebilirlik üzerindeki olası etkileri incelenmiştir. Çalışma, Sosyo-Teknik Sistemler Kuramı ve Teknoloji-Organizasyon-Çevre (TOE) çerçevesi temelinde yapılandırılmıştır. Fenomenolojik nitel desende yürütülen araştırmada, kamu, özel ve üniversite hastanelerinde görev yapan 9 sağlık yöneticisinden yarı yapılandırılmış görüşmeler yoluyla veri toplanmış ve içerik analizi ile çözümlenmiştir. Bulgular, süreçlerin parçalı ilerlemesi, tekrarlı veri girişleri, manuel kontrol yükü, planlama, faturalandırma ve stok yönetimi sorunlarını ortaya koymuştur. Katılımcılar, yapay zekânın karar destek, erken uyarı, tahminleme ve otomasyon sağlayabileceğini; ancak veri güvenliği, mahremiyet, yasal uyum, altyapı eksikliği ve çalışan direnci gibi riskler taşıdığını belirtmiştir. Çalışma, sağlık yöneticilerinin perspektifinden uygulanabilir bir yapay zekâ yol haritası önererek klinik odaklı literatüre yönetsel bir katkı sunmaktadır. Araştırma sonucunda, sağlık kurumlarında yapay zekâ entegrasyonunun yalnızca teknik bir yatırım olarak değil; veri yönetişimi, çalışan kabulü, etik denetim, yönetsel sahiplenme ve sürekli iyileştirme bileşenleriyle birlikte ele alınması gereken sosyo-teknik bir dönüşüm süreci olduğu sonucuna ulaşılmıştır. Bu yönüyle çalışma, sağlık yöneticileri için uygulanabilir bir yapay zekâ entegrasyon yol haritası sunarak sağlık yönetimi literatürüne yönetsel ve uygulama odaklı bir katkı sağlamaktadır.

Anahtar Kelimeler

• Yapay Zekâ
• Sağlık Yönetimi
• Operasyonel Verimlilik
• Sosyo-Teknik Sistemler
• Teknoloji-Organizasyon-Çevre çerçevesi

Destekleyen Kurum

Yazarlar, bu araştırmayı desteklemek için herhangi bir dış fon almadıklarını kabul ederler

Etik Beyan

Bu çalışmanın bilimsel etik kurallara ve bilimsel yönteme uyularak hazırlanan özgün nitelikte bir araştırma makalesi olduğunu, başka hiçbir dergide yayınlanmadığını veya sunulmadığını, etik ve bilimsel açıdan sorumluluğun makalenin tüm yazarlarına ait olduğunu kabul ederiz

Kaynakça

1. Alowais, S. A., Alghamdi, S. S., Alsuhebany, N., Alqahtani, T., Alshaya, A. I., Almohareb, S. N., Alshehri, A., Alharbi, S., Alissa, A., Alsawady, A. S., Alanazi, M. M., Alqahtani, A. ve Albekairy, A. M. (2023), Revolutionizing Healthcare: The Role of Artificial Intelligence in Clinical Practice, BMC Medical Education, 23(1), s.689–703.
2. Amann, J., Blasimme, A., Vayena, E., Frey, D. ve Madai, V. I. (2020), Explainability for Artificial Intelligence in Healthcare: A Multidisciplinary Perspective, BMC Medical Informatics and Decision Making, 20(310), s.1–9.
3. Berg, B. L. ve Lune, H. (2015), Sosyal Bilimlerde Nitel Araştırma Yöntemleri, (Çev.: H. Aydın), Konya: Eğitim Yayınevi.
4. Bohr, A. ve Memarzadeh, K. (2020), The Rise of Artificial Intelligence in Healthcare Applications, (Eds.: A. Bohr ve K. Memarzadeh), Artificial Intelligence in Healthcare, s.25–60, London: Academic Press.
5. Brougham, D. ve Haar, J. (2018), Smart Technology, Artificial Intelligence, Robotics, and Algorithms (STARA): Employees' Perceptions of Our Future Workplace, Journal of Management & Organization, 24(2), s.239–257.
6. Char, D. S., Shah, N. H. ve Magnus, D. (2018), Implementing Machine Learning in Health Care—Addressing Ethical Challenges, New England Journal of Medicine, 378(11), s.981–983.
7. Collado-Mesa, F., Alvarez, E. ve Arheart, K. (2018), "The Perspectives of Radiology Administrators, Radiologists, and Technologists on the Impact of Artificial Intelligence in Practice", Journal of the American College of Radiology, 15(12), 1753-1758.
8. Cresswell, K. ve Sheikh, A. (2013), Organizational Issues in the Implementation and Adoption of Health Information Technology Innovations: An Interpretative Review, International Journal of Medical Informatics, 82(5), s.e73–e86.

9. Creswell, J. W. ve Poth, C. N. (2018), Qualitative Inquiry and Research Design: Choosing Among Five Approaches, 4. Baskı, Thousand Oaks: Sage Publications.
10. Çarıkcı, İ. H., Koyuncu, O. ve Yavuz, H. (2024), Nitel Araştırmalarda İçerik Analizi Yöntemi, Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 48(1), s.130–148.
11. Davenport, T. ve Kalakota, R. (2019), The Potential for Artificial Intelligence in Healthcare, Future Healthcare Journal, 6(2), s.94–98.
12. Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., Cui, C., Corrado, G., Thrun, S. ve Dean, J. (2019), A Guide to Deep Learning in Healthcare, Nature Medicine, 25(1), s.24–29.
13. European Commission (2019), Ethics Guidelines for Trustworthy AI, https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai, (Erişim Tarihi: 15.06.2026).
14. Guest, G., Bunce, A. ve Johnson, L. (2006), How Many Interviews Are Enough? An Experiment with Data Saturation and Variability, Field Methods, 18(1), s.59–82.
15. Hennink, M. ve Kaiser, B. N. (2022), Sample Sizes for Saturation in Qualitative Research: A Systematic Review of Empirical Tests, Social Science & Medicine, 292, s.1–10.
16. Hogg, H. D. J., Al-Zubaidy, M., Talks, J., Denniston, A. K., Kelly, C. J., Malawana, J., Papoutsi, C., Teare, M. D., Keane, P. A., Beyer, F. R. ve Maniatopoulos, G. (2023), Stakeholder Perspectives of Clinical Artificial Intelligence Implementation: Systematic Review of Qualitative Evidence, Journal of Medical Internet Research, 25, s.e39742.
17. Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q., Shen, H. ve Wang, Y. (2017), Artificial Intelligence in Healthcare: Past, Present and Future, Stroke and Vascular Neurology, 2(4), s.230–243.
18. Jussupow, E., Spohrer, K., Heinzl, A. ve Gawlitza, J. (2021), Augmenting Medical Diagnosis Decisions? An Investigation into Physicians' Decision-Making Process with Artificial Intelligence, Information Systems Research, 32(3), s.713–735.
19. Karataş, Z. (2015), Sosyal Bilim Araştırmalarında Paradigma Değişimi: Nitel Yaklaşımın Yükselişi, Türkiye Sosyal Hizmet Araştırmaları Dergisi, 1(1), s.62–80.
20. Laï, M. C., Brian, M. ve Mamzer, M. F. (2020), Perceptions of Artificial Intelligence in Healthcare: Findings from a Qualitative Survey Study among Actors in France, Journal of Translational Medicine, 18(1), s.1–13.
21. Miles, M. B. ve Huberman, A. M. (1994), Qualitative Data Analysis: An Expanded Sourcebook, 2. Baskı, Thousand Oaks: Sage Publications.
22. Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S. ve Floridi, L. (2016), The Ethics of Algorithms: Mapping the Debate, Big Data & Society, 3(2), s.1–21.
23. Obermeyer, Z., Powers, B., Vogeli, C. ve Mullainathan, S. (2019), Dissecting Racial Bias in an Algorithm Used to Manage the Health of Populations, Science, 366(6464), s.447–453.
24. Rajkomar, A., Hardt, M., Howell, M. D., Corrado, G. ve Chin, M. H. (2018), Ensuring Fairness in Machine Learning to Advance Health Equity, Annals of Internal Medicine, 169(12), s.866–872.
25. Reddy, S., Allan, S., Coghlan, S. ve Cooper, P. (2020), A Governance Model for the Application of AI in Health Care, Journal of the American Medical Informatics Association, 27(3), s.491–497.
26. Shinners, L., Aggar, C., Grace, S. ve Smith, S. (2020), Exploring Healthcare Professionals' Understanding and Experiences of Artificial Intelligence Technology Use in the Delivery of Healthcare: An Integrative Review, Health Informatics Journal, 26(2), s.1225–1236.
27. Sittig, D. F. ve Singh, H. (2015), A New Socio-Technical Model for Studying Health Information Technology in Complex Adaptive Healthcare Systems, (Eds.: V. L. Patel, T. G. Kannampallil ve D. R. Kaufman), Cognitive Informatics for Biomedicine, s.59–80, Cham: Springer.
28. Sönmez, V. ve Alacapınar, F. G. (2019), Örneklendirilmiş Bilimsel Araştırma Yöntemleri, 7. Baskı, Ankara: Anı Yayıncılık.
29. Topol, E. J. (2019), High-Performance Medicine: The Convergence of Human and Artificial Intelligence, Nature Medicine, 25(1), s.44–56.
30. Tornatzky, L. G. ve Fleischer, M. (1990), The Processes of Technological Innovation, Lexington: Lexington Books.
31. Trist, E. L. ve Bamforth, K. W. (1951), Some Social and Psychological Consequences of the Longwall Method of Coal-Getting, Human Relations, 4(1), s.3–38.
32. Vaismoradi, M., Turunen, H. ve Bondas, T. (2013), Content Analysis and Thematic Analysis: Implications for Conducting a Qualitative Descriptive Study, Nursing & Health Sciences, 15(3), s.398–405.
33. WHO (World Health Organization) (2021), Ethics and Governance of Artificial Intelligence for Health: WHO Guidance, Geneva: World Health Organization, https://www.who.int/publications/i/item/9789240029200, (Erişim Tarihi: 15.06.2026).
34. Yıldırım, A. ve Şimşek, H. (2013), Sosyal Bilimlerde Nitel Araştırma Yöntemleri, 9. Baskı, Ankara: Seçkin Yayıncılık.