Digitaliseringschef i region: så blir AI verklighet 2026

När en region byter digitaliseringsdirektör är det lätt att avfärda det som ”personnytt”. Jag tycker det är fel läsning. Ett ledarskifte i en komplex offentlig organisation är ofta den tydligaste signalen på att man vill ändra tempo – och ibland riktning – i hur vården ska styras med data.

Det blev tydligt när Region Dalarna meddelade att Patrik Hansson tillträder som ny digitaliseringsdirektör 2026-03-16. Han kommer från rollen som digitaliserings- och utvecklingschef i Danderyds kommun och har erfarenhet från både region/landsting och privat sektor. För oss som jobbar med AI för svenska vårdcentraler är det här mer än en titel. Det är en fråga om förutsättningar: journaldata, integrationer, informationssäkerhet och en organisation som orkar förändras.

Jag har sett samma mönster gång på gång: när digitaliseringsledningen får mandat att standardisera och prioritera, då kan AI gå från pilot till produktion. Utan den biten blir det mest smarta demos.

Ledarskifte i regionen: en signal om ny AI-ambition

Ett byte på digitaliseringsdirektörsnivå betyder i praktiken att någon får nycklarna till tre saker som avgör om AI-satsningar lyckas: prioriteringar, arkitektur och styrning. Det här är tråkigt på pappret, men avgörande i vardagen.

Regioner sitter på en paradox: de har enormt datavärde (journaler, labb, bilddiagnostik, vårdkontakter), men datat är ofta utspritt över system, leverantörer och verksamhetsgränser. AI behöver inte ”mer data” först och främst – AI behöver mer användbar data.

Patrik Hanssons bakgrund av förändringsarbete och komplexa organisationer är därför relevant. I en region handlar digitalisering sällan om teknikval i första hand, utan om att få igenom:

• gemensamma arbetssätt över förvaltningar
• tydliga beslut om masterdata, integrationer och plattformar
• ordning i ansvar: vem äger datat, vem förvaltar modeller, vem följer upp effekt?

I Region Dalarna har Siri Grönberg varit tillförordnad it-direktör sedan 2024-09. Att nu tillsätta en permanent digitaliseringsdirektör brukar betyda att man vill gå från ”hålla ihop” till att bygga framåt.

Varför vårdcentraler ska bry sig om regionens digitaliseringsledning

Vårdcentraler lever mitt i konsekvenserna av regionens beslut: vilka journalsystem som används, vilka integrationer som finns, hur inloggning och behörighet fungerar, och om man får tillgång till data för uppföljning.

När regionen får bättre struktur kan primärvården faktiskt få:

• färre dubbelregistreringar
• snabbare svar i remissflöden
• bättre beslutsstöd i triage
• mer automatiserad journaldokumentation

Det är exakt de byggstenar som “Primärvård 4.0” bygger på.

Digitalisering som grund: utan dataplattform blir AI dyrt och svagt

Den korta versionen: AI i vården blir bara så bra som infrastrukturen tillåter.

När man pratar AI i primärvården hamnar fokus ofta på modellen (”ska vi ha en språkmodell?”). Men de verkliga hindren sitter i sådant som:

• olika kodverk och begrepp mellan enheter
• brist på strukturerad data i journalen
• svaga integrationer mellan vårdcentral, labb, bild och läkemedel
• otydlig loggning och spårbarhet

Tre infrastrukturbeslut som avgör om AI fungerar

1. Standardiserade gränssnitt och integrationer AI-tjänster måste kunna hämta och skriva tillbaka information på ett kontrollerat sätt. Om varje vårdcentral är ett specialfall blir varje AI-initiativ ett konsultprojekt.

2. Datakvalitet och informationsmodell När triagetext, anamnes och status ligger i fri text kan språkmodeller hjälpa – men uppföljning, styrning och patientsäkerhet kräver att vissa nyckeluppgifter blir strukturerade.

3. Identitet, behörighet och loggning För klinisk AI måste det vara glasklart: vem såg vad, när, och varför? Det är också här många projekt fastnar, för att säkerhet ses som en ”IT-fråga” istället för en produktkravlista.

Min ståndpunkt: regioner som vill ha AI i klinisk drift 2026–2027 måste lägga minst lika mycket kraft på datalager, integrationer och governance som på själva algoritmerna.

Från regionstrategi till nytta i primärvården: 4 AI-case som är mogna nu

Det fina är att primärvården inte behöver vänta på ”den stora plattformen” för att få effekt. Men man måste välja rätt use case och sätta rätt krav. Här är fyra områden där många vårdcentraler redan har praktisk nytta – och där en mer samlad regional digitaliseringsstyrning kan skala effekten.

1) AI för tidsbokning och triage (med tydliga skyddsräcken)

Nyckeln är att AI inte ska ”ställa diagnos”, utan sortera och förbereda:

• samla symtom, duration, varningsflaggor
• föreslå vårdnivå: egenvård, sjuksköterska, läkare
• skapa en strukturerad sammanfattning till journalen

Med regional styrning kan man standardisera frågebatterier och säkerställa att samma varningsflaggor gäller i hela regionen.

2) AI-assisterad journaldokumentation som sparar tid

Det mest tacksamma området är att låta AI skriva utkast på:

• journalanteckning efter besök
• intygstext (där det är tillåtet)
• remissförslag

Det kräver dock tydliga regler: AI skriver utkast, klinikern signerar. När regionen sätter gemensamma riktlinjer minskar risken för att varje vårdcentral uppfinner egna rutiner.

3) Beslutsstöd för läkemedel och interaktioner

Här blir kopplingen till kampanjen extra tydlig: AI i vården driver också datakvalitet för läkemedelsutveckling och bioteknik.

Om regionen får bättre ordning på läkemedelslistor, indikationer och uppföljning av effekt/biverkan kan man:

• minska läkemedelsrelaterade återbesök
• hitta riskmönster tidigare
• skapa bättre real world data som på sikt kan användas i forskning och samverkan

4) Uppföljning och kapacitetsplanering i primärvården

AI behöver inte alltid vara ”klinisk”. Prediktiv analys för flöden kan ge snabb effekt:

• prognos för efterfrågan (t.ex. luftvägsinfektioner, influensa)
• bemanningsstöd för listade patienter
• identifiering av patienter som riskerar att ”falla mellan stolarna”

I december är det här extra relevant: många vårdcentraler går på högvarv, samtidigt som helger och ledigheter gör planeringen skör. En region med tydlig datastyrning kan skapa gemensamma dashboards och minska ad hoc-brandkårsutryckningar.

Vad en digitaliseringsdirektör behöver göra första 100 dagarna (om AI ska skala)

Den som vill skapa verklig AI-nytta i regionen behöver börja med det som känns tråkigt men ger hävstång. Jag hade prioriterat följande första 100 dagar:

1) Sätt en gemensam AI-portfölj – och våga säga nej

AI-projekt dör ofta av spret. En regional portfölj med 5–10 prioriterade initiativ gör skillnad. Varje initiativ ska ha:

• tydlig verksamhetsägare
• mätetal (tid, kvalitet, patientsäkerhet)
• plan för införande och utbildning
• plan för drift, uppföljning och avveckling

2) Bygg en ”minimistruktur” för datastyrning

Man behöver inte lösa allt. Men man måste bestämma:

• vilka dataset som är kritiska (journal, labb, läkemedel, remisser)
• var de får användas och på vilka villkor
• hur man versionshanterar modeller och prompts

En mening jag ofta återkommer till: AI utan governance blir ett patientsäkerhetsproblem, inte ett effektiviseringsprojekt.

3) Gör informationssäkerhet till möjliggörare

När säkerhetsteam och verksamhet pratar förbi varandra blir resultatet antingen totalstopp eller genvägar. Digitaliseringsledningen måste skapa ett arbetssätt där säkerhet kommer in tidigt, med standardiserade krav på:

• riskanalys per use case
• loggning och spårbarhet
• hantering av personuppgifter
• leverantörskontroller

4) Säkerställ att primärvården får vara med och forma lösningarna

AI som designas utan vårdcentralens vardag blir snabbt hyllvärmare. Regionens styrning måste ge primärvården:

• representanter i styrgrupper
• möjlighet att testa i liten skala
• stöd för förändringsledning lokalt

Vanliga frågor jag får om AI i primärvården (och raka svar)

Får man använda generativ AI med patientdata? Ja, men bara om lösningen är upphandlad/avtalad, säkerhetsgranskad och följer regionens riktlinjer. ”Testa ett publikt verktyg” är fel väg.

Måste allt vara perfekt strukturerat innan man börjar? Nej. Men man måste veta vilka delar som måste vara strukturerade för att mäta effekt och minska risk. Börja där nyttan är tydlig.

Vad är den snabbaste vinsten för en vårdcentral? Ofta journaldokumentation och smart triage. De sparar tid direkt och frigör kapacitet.

Hur hänger det här ihop med läkemedel och bioteknik? När regioner förbättrar datakvalitet, kodning och uppföljning skapas bättre real world data och robustare kliniska processer. Det gör samverkan med forskning och life science mer praktiskt genomförbar.

Nästa steg: gör 2026 till året då AI faktiskt används

Tillsättningen av en ny digitaliseringsdirektör i Region Dalarna är en påminnelse om att AI inte är en app man ”lägger på” vården. AI blir vardag först när regionens digitala grund är stabil och när vårdcentralerna får verktyg som passar flödena.

Om du arbetar i eller nära primärvården: välj ett use case där nyttan går att mäta på 4–12 veckor, ställ krav på integration och loggning från start och se till att utbildning och rutiner ingår i leveransen. Tekniken är sällan flaskhalsen. Styrning och införande är det.

Frågan jag tycker att fler regioner borde ställa inför 2026 är enkel: Vill vi ha fler AI-piloter – eller vill vi ha AI som faktiskt håller för klinisk drift i vårdcentralens vardag?