Ergens op elke medical-affairs-afdeling staat een spreadsheet. Het publicatieplan. De MLR-tracker. De congreskalender. Het logboek met auteursverklaringen. Vaak alle vier, in één bestand, over zeven tabbladen.
Het heeft een kleurcode die maar één persoon volledig begrijpt. Het heeft een reorganisatie overleefd, een platformmigratie, en vaak ook het vertrek van degene die het bouwde. Het is het meest dragende object van de afdeling, en het staat op geen enkel systeemdiagram.
Het is geen teken van achterstand
De reflex in AI-content is dit te behandelen als bewijs dat een team achterloopt. Die lezing is zowel onaardig als onjuist.
Iemand bouwde dat bestand omdat niemand een systeem leverde. Diegene bracht een echt proces in kaart, legde werkelijke institutionele kennis vast, en hield het actueel door veranderingen heen die andere dingen sloopten. Het spreadsheet had gelijk. Het is alleen zijn jasje ontgroeid. Elk gesprek over vervanging dat niet vanuit die premisse begint mislukt, want de bouwer zit meestal nog in de kamer.
Waar het risico werkelijk zit
Circa 88% van de spreadsheets bevat fouten. In de meeste sectoren is dat een afrondingsverschil op een prognose. In medische publicaties is het iets anders:
- Een auteursverklaring die nooit is opgehaald, ontdekt bij indiening.
- De verkeerde versie naar MLR-review gestuurd, waardoor het goedgekeurde stuk niet het verzonden stuk is.
- Een congresdeadline voor abstracts die pas de week erna opvalt.
- Een publicatie die op het ene tabblad is afgerond en op het andere nog loopt, zodat niemand erachteraan gaat.
Geen van deze faalvormen is exotisch. Het zijn de gewone gevolgen van status die in een bestand wordt bijgehouden dat meerdere mensen bewerken, dat geen validatie kent, en dat niet kan vertellen wat er is veranderd of door wie.
Waarom dit de juiste plek is om met AI te beginnen
Tegen de intuïtie in is de meest waardevolle eerste automatisering in medisch uitgeven niet het schrijfwerk. Het is dit.
- Het bevat procesmetadata, geen wetenschap. Titels, data, eigenaren, statussen, versies. Er verlaat geen ongepubliceerd manuscript uw omgeving — wat telt, want Wiley, Wolters Kluwer en Elsevier waarschuwen alle drie tegen ongepubliceerd materiaal in algemene LLM’s.
- Er is geen security review nodig. Dat haalt de grootste vertraging op een eerste project in deze sector weg.
- De opbrengst is direct zichtbaar. Mensen merken binnen een week dat ze elkaar niet meer vragen waar dingen staan.
- Het bouwt de auditgewoonten op die u later nodig heeft. Vastleggen wie wat wanneer wijzigde en wie goedkeurde is precies de discipline die vereist is vóór AI iets raakt dat dichter bij de inhoud ligt.
Wat "de tracker automatiseren" werkelijk betekent
Geen dashboard. Dashboards laten de status zien van een bestand dat al fout is. Het werk zit stroomopwaarts daarvan.
- Eén bron van waarheid. De status van een publicatie staat op één plek, en elke weergave is daarvan afgeleid in plaats van gedupliceerd.
- Automatische reconciliatie. De tracker leest uit waar het werk werkelijk gebeurt — mailboxen, reviewsystemen, indienportalen — in plaats van te wachten tot iemand een cel bijwerkt.
- Uitzonderingen naar voren halen. Niet "hier is alles", maar "deze vier zijn over tijd, bij deze ontbreekt een verklaring, deze deadline is over negen dagen en er is niets bewogen".
- Standaard een audit trail. Wie wijzigde wat, wanneer. Gratis zodra status centraal staat, onmogelijk in een gedeeld bestand.
De eerlijke grenzen
Twee dingen die dit niet doet, en elke leverancier die anders suggereert overdrijft.
Het repareert geen ongedefinieerd proces. Zijn twee mensen het werkelijk oneens over wanneer een publicatie "in review" is, dan legt automatisering die onenigheid vast in plaats van hem op te lossen. Dat gesprek moet eerst, en het kost meestal een middag.
Het versnelt op zichzelf ook de MLR-review niet. Veeva rapporteert tot 75% kortere doorlooptijd met AI-ondersteunde review, maar dat cijfer veronderstelt dat ook het werkmodel veranderde — pre-reviewchecks, hergebruik van content, gelaagde workflows. Een betere tracker vertelt u waar de wachtrij zit; hij maakt hem niet korter. Wat hij wél doet is de wachtrij zichtbaar maken, en dat is meestal de eerste stap naar korter.
Tel eerst, automatiseer daarna
Twee getallen, in een middag te halen zonder iets uit te geven: hoe vaak per week raakt iemand de tracker aan, en hoe lang duurt één reconciliatie. Vermenigvuldig.
Onder ruwweg twee uur per week in totaal: laat het staan — geen automatisering verdient zijn bouwkosten terug. Tussen twee en tien is een bescheiden tool of kleine automatisering meestal juist. Boven de tien, zeker waar meerdere mensen overlappende weergaven van dezelfde waarheid bijhouden, loont het om het goed te bouwen.
Waar de uren over de hele uitgeefworkflow zitten hebben we uitgewerkt in AI voor medisch uitgeven, en we vergeleken de tools per taak in AI-tools voor medisch uitgeven.