Per l’intelligenza artificiale il momento della dura prova dei reparti ospedalieri e delle sale operatorie arrivato, dopo una stagione di rumore mediatico senza precedenti che, se ha creato un hype enorme, ha anche avviato la maturità e la consapevolezza.
Proviamo a fotografare dove siamo da due punti di osservazione che solitamente faticano a congiungersi: quello industriale e organizzativo, che è il mio, e quello della ricerca clinica e della sanità digitale, che porta Alfredo Cesario dall’esperienza del Gemelli.
Io ricostruisco la parabola dell’entusiasmo; lui spiegherà perché la maturità non è un traguardo tecnologico, ma una condizione di sistema.
Indice degli argomenti
Il rumore del 2023 e la curva di Gartner
Nel 2023 sembrava tutto a portata di mano. Bastava aggiungere uno strato intelligente sopra i processi che già esistevano e la sanità sarebbe diventata più rapida, più precisa, più sostenibile. Il rumore mediatico era assordante, e ha prodotto quello che ogni clamore produce: una spaccatura.
Da una parte gli scettici, che guardavano ogni sperimentazione con sospetto. Dall’altra gli entusiasti, che già usavano gli strumenti di produttività individuale in modo disordinato e altamente rischioso. Chi conosce la curva di Gartner sa di cosa parlo: eravamo in cima al “picco delle aspettative gonfiate”, la fase fisiologica in cui una tecnologia promette più di quanto sappia mantenere in quello stadio.
Il problema ulteriore è che la sanità non è un settore qualsiasi: qui un’aspettativa mal riposta non costa solo denaro, costa fiducia, il valore più difficile costruire e da recuperare.
Gli errori che hanno fatto crescere il sistema
Poi è arrivato il biennio 2024-2025, e con esso il conto. Progetti pilota che non scalavano, aspettative disattese, entusiasmi raffreddati. Si è scoperto, caso dopo caso, che l’AI non correggeva da sola la frammentazione dei dati, la debolezza dei processi, l’assenza di una regia: dove il terreno era fragile, la tecnologia non lo rinforzava, lo metteva a nudo.
Per molti è stata una delusione; per me la lezione più preziosa che il settore potesse ricevere. Gli errori di questi due anni sono stati il miglior investimento formativo che la sanità, anche quella italiana, abbia fatto sull’AI.
Oggi, a metà 2026, stiamo (lentamente?) scivolando lungo quella che Gartner chiama la “valle della disillusione”, la fase in cui le promesse si ridimensionano. Sembra una cattiva notizia ma è esattamente il contrario: è il momento in cui si separano quelli che sperimentano da quelli che stanno, anche silenziosamente, costruendo.
È cambiata la domanda
Tra il 2023 e oggi è cambiata soprattutto una cosa, e non è tecnologica: è cambiata la domanda. Tre anni fa ci si chiedeva affanosamente dove mettere l’intelligenza artificiale; oggi le aziende fornitrici più avvedute se ne pongono una più scomoda e più utile: quali problemi clinici e organizzativi quotidiani dei nostri clienti possiamo affrontare in modo responsabile, anche grazie all’AI?
L’ho riassunto altrove con una formula: non più «+AI», l’intelligenza artificiale appiccicata a processi invariati, ma «AI+», processi basati su un rivisto ciclo del dato e ripensati a partire dai bisogni reali soddisfacibili con la tecnologia. In questo, con tutte le limitazioni implementative del caso, il PNRR ha innegabilmente fornito un importante impulso innovativo.
I segnali si vedono. C’è ancora molto rumore ma nascono anche i primi percorsi di formazione continua (ECM) dedicati all’AI, emergono figure ibride, a cavallo fra clinica e dato ed, infine, l’utilizzo consapevole delle macchine potenziate si diffonde.
I numeri ci parlano di nodi ancora molto resistenti: secondo l’Osservatorio Sanità Digitale del Politecnico di Milano, più della metà dei medici specialisti e circa sette infermieri su dieci ancora non usano il Fascicolo Sanitario Elettronico. L’infrastruttura cresce ma la cultura dell’uso arranca.
Ed è qui che la leadership decide tutto: quando smette di delegare all’ufficio informatico o all’entusiasta di turno e mette la valutazione organizzativa dell’AI tra gli obiettivi strategici, puntando al governo delle interdipendenze, sempre più connesse. Le grandi protagoniste industriali stanno realizzando quanto i loro percorsi di Education, debbano partire dai vertici delle strutture clienti.
Fin qui lo sguardo dell’industria. Ma la maturità non si misura da fuori: si misura dentro gli ospedali, nel modo in cui il dato nasce e viene governato. Per questo ho chiesto alla voce autorevole del mio amico Alfredo Cesario di raccontarla dal suo punto di osservazione.
Il punto di vista proveniente dall’interno di una delle strutture che ha guidato il cambiamento “AI Driven” nella sanità italiana: la Fondazione Policlinico Gemelli IRCCS.
Dal modello all’adozione: AI, maturità digitale e responsabilità di sistema
L’evoluzione dell’intelligenza artificiale nella sanità italiana deve essere interpretata non solo come una sequenza di fasi tecnologiche, ma come un processo di maturazione sistemica. La questione centrale non riguarda più il potenziale astratto dell’intelligenza artificiale, bensì le condizioni specifiche in cui essa può generare valore clinico, organizzativo e regolatorio all’interno del Servizio Sanitario Nazionale.
La traiettoria dell’intelligenza artificiale in sanità, dal punto di vista del sistema italiano, si configura meno come una sequenza di fasi contrapposte quali entusiasmo, disillusione e assestamento, e più come un continuum di maturazione. In questa prospettiva, il tema centrale consiste nel comprendere come il Servizio Sanitario Nazionale, le regioni, le aziende sanitarie, gli IRCCS e gli ospedali universitari stiano progressivamente trasformando una capacità tecnologica in valore clinico, organizzativo e regolatorio.
Una parte significativa dell’entusiasmo iniziale è derivata dall’idea che l’intelligenza artificiale potesse essere implementata come uno strato intelligente aggiuntivo ai processi esistenti, quali algoritmi predittivi, sistemi di supporto decisionale, strumenti generativi, dashboard e motori di stratificazione del rischio. Questa visione ha favorito la rapida accelerazione di sperimentazioni, investimenti e attenzione istituzionale, ma ne sono emersi rapidamente i limiti. In ambito sanitario, il valore non deriva esclusivamente dalla performance tecnica del modello, ma dalla sua capacità di integrarsi responsabilmente in percorsi clinici reali, con dati adeguati, ruoli definiti, processi coerenti, responsabilità tracciabili e meccanismi di monitoraggio nel tempo.
Nel contesto italiano, il concetto di maturità digitale è particolarmente rilevante, poiché il sistema sanitario non costituisce un ambiente uniforme. La capacità di adottare soluzioni di intelligenza artificiale varia sensibilmente tra regioni, aziende sanitarie, grandi ospedali universitari, IRCCS e strutture territoriali. Le organizzazioni digitalmente immature tendono a considerare l’intelligenza artificiale come una soluzione puntuale, spesso delegata all’area tecnica o a iniziative di singoli gruppi motivati. Al contrario, le organizzazioni più mature riconoscono che l’intelligenza artificiale rappresenta un oggetto socio-tecnico che richiede governance, interoperabilità, qualità dei dati, competenze ibride, formazione continua, revisione dei processi e la capacità di misurare l’impatto oltre la fase pilota. In assenza di tali condizioni, l’intelligenza artificiale non corregge automaticamente le fragilità del sistema, ma rischia di renderle più evidenti e, talvolta, di amplificarle.
Una riflessione analoga riguarda il ciclo di vita dei dati. Per lungo tempo, i dati sanitari sono stati considerati risorse già disponibili, ordinate e immediatamente riutilizzabili. Tuttavia, l’esperienza dimostra che i dati emergono da processi clinici complessi, spesso eterogenei, non pienamente interoperabili e non sempre progettati per alimentare sistemi intelligenti. In Italia, questa problematica si intreccia con l’evoluzione del Fascicolo Sanitario Elettronico, la qualità delle cartelle cliniche elettroniche, la frammentazione dei sistemi informativi e la diversa capacità delle organizzazioni di trasformare i dati assistenziali in risorse governate, validabili e riutilizzabili. Di conseguenza, la qualità dell’intelligenza artificiale dipende non solo dalla qualità del modello, ma anche dall’intero ecosistema che genera, struttura, valuta, protegge, aggiorna e interpreta tali dati.
In questa prospettiva, il cambiamento più significativo non è di natura tecnologica, ma culturale e organizzativa. L’interrogativo iniziale, ovvero “dove è possibile utilizzare l’intelligenza artificiale?”, viene progressivamente sostituito da una domanda più matura: “quali problemi clinici, organizzativi o di sistema possono essere affrontati responsabilmente anche attraverso l’intelligenza artificiale?”. Questa distinzione è fondamentale: nel primo caso, la tecnologia guida la trasformazione; nel secondo, la trasformazione del sistema orienta l’impiego della tecnologia.
Da questa prospettiva, la regolamentazione non dovrebbe essere considerata un vincolo esterno o un adempimento tardivo, ma una componente fondamentale dell’infrastruttura che abilita l’innovazione. Nel contesto italiano, il quadro normativo europeo, comprendente AI Act, MDR/IVDR, GDPR e progressivamente l’European Health Data Space, deve essere tradotto in pratiche organizzative, cliniche e gestionali coerenti con il funzionamento concreto del Servizio Sanitario Nazionale. L’intelligenza artificiale in ambito sanitario richiede modelli di governance in grado di accompagnare l’intero ciclo di vita della soluzione: sviluppo, validazione, introduzione nei percorsi, monitoraggio, aggiornamento, gestione del rischio, responsabilità clinica e valutazione dell’impatto. Questo rappresenta il significato di una medicina digitale realmente “regulatory-native”: una medicina in cui i requisiti clinici, tecnici, organizzativi e regolatori sono integrati fin dall’inizio nelle condizioni di adozione, piuttosto che una medicina appesantita dalla sola compliance.
L’attenuazione progressiva dell’entusiasmo iniziale nei confronti dell’intelligenza artificiale non implica una perdita di fiducia nella tecnologia. Al contrario, rappresenta un passaggio necessario verso una fase di maggiore maturità. L’intelligenza artificiale non può sostituire la leadership carente, la frammentazione dei dati, la debolezza dei processi o l’insufficienza delle competenze. Tuttavia, in presenza di visione strategica, maturità digitale, governance dei dati e responsabilità implementativa, essa può diventare un potente abilitatore di una medicina più predittiva, personalizzata, sostenibile e orientata ai bisogni reali dei pazienti.
Il punto cruciale non consiste semplicemente nel domandarsi cosa possa fare l’intelligenza artificiale, ma nel definire le condizioni che ne consentano la produzione di valore in modo sicuro, equo, misurabile e sostenibile all’interno del sistema sanitario italiano. È in questo passaggio, dalla fascinazione tecnologica alla responsabilità implementativa, che si realizza la vera maturazione dell’intelligenza artificiale in ambito sanitario.
La nebbia si dirada
La nebbia dell’hype si sta diradando, ed è la cosa migliore che potesse capitarci: dietro la nebbia non c’è il fallimento dell’intelligenza artificiale, c’è la fine di un equivoco, l’idea che bastasse comprarla. La Valle della Disillusione è la soglia oltre cui comincia la salita verso la produttività reale; ma quella salita non la fa la tecnologia da sola, la fanno le organizzazioni che hanno visione, governano i dati e hanno la pazienza e la leadership di ricostruire i propri processi.
Resto convinto di una cosa, ed è la sintesi di tutto: l’AI in sanità non si compra, si costruisce connettendo il lavoro delle persone e rendendo la cura più umana. Costruire e non comprare quindi. Questa tecnologia comincia a inserirsi dentro la sanità, anziché galleggiarci sopra.
Sta a noi decidere se sarà un peso in più o un alleato vero.
Partecipa alla community