Il 78% delle aziende italiane del MedTech l’ha già integrata nei propri prodotti o servizi, e il 61% opera in fasi avanzate di sviluppo e validazione. Sono numeri che, presi da soli, raccontano un Paese in buona salute sul fronte dell’innovazione. Eppure, la fotografia restituita dal primo studio sistematico nazionale — il report AI Adoption Gap in Healthcare, pubblicato il 15 aprile 2026 dall’Osservatorio Tech4GlobalHealth, nato dalla partnership scientifica tra l’Università Campus Bio-Medico di Roma e il Gruppo Intesa Sanpaolo — mette in luce un paradosso che non possiamo ignorare: questa innovazione fatica a diventare cura, e la carenza di adozione frenerà l’innovazione.
Indice degli argomenti
AI Adoption Gap in sanità, i dati del report
Il report racconta le voci di oltre 300 esperti tra aziende, decisori pubblici e top manager raccolte con 280 interviste strutturate alle imprese, 8 focus group e 10 interviste di approfondimento con imprese, manager di aziende ospedaliere, decisori pubblici nazionali, ed europei. Il campione delle aziende coinvolte è rappresentativo delle circa 3.000 imprese del registro italiano del settore MedTech.
Tra le barriere che secondo le imprese rallentano l’adozione ci sono la complessità regolatoria (69,6%), in particolare i tempi e l’eterogeneità difficili da prevedere, la carenza di risorse qualificate per accompagnare le PMI nei processi di certificazioni e validazioni (58,6%) e la difficoltà nel reperire fondi adeguati (57,5%) e le risorse necessarie per sperimentazioni e la marcatura CE. Praticamente non ci sono ostacoli tecnologici percepiti, al netto di quelli legati ai dati ed all’integrazione dei nuovi sistemi con quelli esistenti. Le difficoltà riportate dalle PMI sono legate ad ostacoli sistemici e organizzativi.
Questa distinzione non è accademica: cambia ciò che dobbiamo fare, come dobbiamo farlo e chi deve farlo.
L’adozione dell’AI come sfida di sistema
La sfida si è spostata: oggi cresce chi riesce ad adottare – non solo a produrre – l’IA. Oggi non basta attrarre i migliori talenti e munirsi degli strumenti più potenti: le aziende devono operare in ecosistemi in cui l’adozione responsabile sia favorita, non rallentata. L’Intelligenza artificiale, come tutte le intelligenze, è un gioco di squadra, e tutti gli appassionati di sport – non solo chi pratica- sanno che l’allenamento è importante, ma sono le partite che fanno maturare, crescere e vincere le sfide. L’ecosistema italiano della ricerca dell’innovazione si è preparato al meglio, è ora di dare il via al campionato. Dare il via all’adozione sicura dell’AI nei percorsi clinici, nei flussi organizzativi, nei contratti di procurement pubblico.
Tre dicotomie da riconoscere, con pazienza e metodo
Nel leggere i risultati del report abbiamo riconosciuto tre tensioni ricorrenti — apparenti idiosincrasie del nostro ecosistema — che emergono con nitidezza dai dati, dai focus group, dal dialogo con imprese e istituzioni. Le chiamiamo dicotomie perché non sono difetti da stigmatizzare, ma contrapposizioni da riconoscere e riconciliare.
Il luogo dell’innovazione
La prima dicotomia riguarda il luogo dell’innovazione. Le sfide di salute più urgenti — cronicità, prevenzione, aderenza terapeutica, fragilità — si giocano sui territori, nei distretti, nelle case dei pazienti. Ma la ricerca e la sperimentazione, anche quella che riguarda l’AI, continuano a concentrarsi nei grandi ospedali e nei centri universitari. Non è una colpa da additare ma un fatto che va compreso e cambiato: è il frutto di vincoli strutturali come la disponibilità di dati, la densità tecnologica, la predisposizione degli operatori alla ricerca, il focus dei singoli ricercatori. La visione e la leadership. Se però non ci facciamo carico di portare l’intelligenza artificiale dove vivono i bisogni reali, rischiamo di produrre ottimi algoritmi per contesti in cui l’algoritmo, da solo, non cambia sostanzialmente l’esito clinico.
La scala dell’azione
La seconda dicotomia riguarda la scala dell’azione. L’AI è — emerge con chiarezza — una sfida di sistema: tocca processi, responsabilità, flussi informativi, organizzazione dei processi, governance del dato. Eppure gran parte della formazione, della progettualità e dei finanziamenti si concentra su singoli attori o segmenti dei PDTA, su singoli ospedali, su singoli pilot. I pilot sono preziosi, e il nostro laboratorio ne ha condotti molti, ma vanno vissuti sempre come un primo necessario passo verso l’integrazione a regime. Sappiamo — perché lo pratichiamo ogni giorno — che una cosa è dimostrare che un modello funziona su un dataset di validazione, un’altra è farlo lavorare dentro un reparto: dialogare con la cartella clinica elettronica, rispettare i tempi clinici, essere usato (e talvolta corretto) da medici, infermieri, case manager con risultati sicuri, efficaci ed efficienti nel lungo periodo. È in quel passaggio che l’AI diventa utile, oppure inutile. Ed è in quel passaggio che l’Italia deve costruire la propria capacità di assorbimento per non rimanere indietro e perdere l’attuale vantaggio competitivo.
Regolazione e innovazione
La terza dicotomia riguarda il rapporto tra regolazione e innovazione. La complessa fluidità normativa — dal Regolamento sui dispositivi medici al GDPR, dall’AI Act ai requisiti delle singole regioni e aziende sanitarie — richiede sinergie strette tra regolatori, industria, ricerca e sistema sanitario. Nei focus group, però, si respira ancora una percezione di contrapposizione: le imprese vivono la regolazione come un fattore di rischio; i regolatori ed i manager ospedalieri vivono l’innovazione come una fonte di incertezza. Questa contrapposizione sembra una costruzione culturale, non una fatalità. Le regole servono a proteggere i pazienti; l’innovazione responsabile condivide lo stesso obiettivo. Le regole tutelano anche gli innovatori. Tuttavia, quando regolatori e innovatori si incontrano presto, e con fiducia reciproca, i percorsi diventano prevedibili, le validazioni più rapide, gli investimenti più sostenibili. Questo è necessariamente vero in un paese che rimane estremamente piccolo nei confronti dell’AI, che invece richiede grandi numeri e sforzi di sistema, come stanno avvenendo in grandi paesi non europei.
La competizione si è già spostata
Negli ultimi anni, la corsa globale all’AI in sanità si era concentrata sull’accuratezza degli algoritmi e sui benchmark. Quella fase non è conclusa, ma non basta. Ora la sfida è tutta sull’adozione responsabile, che sappia mettere il bene delle persone al centro. L’Italia e l’Europa, su questo fronte, scontano un ritardo che non è incolmabile, ma che non si colmerà da solo. Rafforzare la capacità di assorbimento del sistema sanitario — in partnership con chi genera innovazione in modo responsabile — è la priorità strategica nazionale, al pari – e forse più- dell’investimento in ricerca.
La nostra prospettiva: integrare, non solo sperimentare
Quando parliamo di innovazione in sanità, lo facciamo dalla postazione di chi, tutti i giorni, non si limita a studiarla ma la integra in applicazioni che vengono usate a scala. Dal 2022, il Laboratorio IHT ha scritto, coordinato e condotto oltre 15 progetti di ricerca nazionali e internazionali, con più di 100 partner tra aziende sanitarie, centri di ricerca, industrie (grandi e piccole) in Italia, Europa e Africa. Progetti come GRACE e IMPACT-MED (Horizon Europe), AI4RARE Diseases (PNRR), Afya Moja e l’appena concluso ODIN non sono esperimenti isolati: sono infrastrutture culturali che portano l’intelligenza artificiale dentro percorsi reali di presa in carico, dalla cardiopatia cronica alle malattie rare, dall’ospedale del futuro al potenziamento delle capacità di ricerca sanitaria nei paesi a basso reddito. Accanto a ciò, ad aprile 2026, il laboratorio ha ricevuto l’accreditamento come WHO Collaborating Center per l’ingegneria biomedica per la salute globale: un riconoscimento che leggiamo, più che come un traguardo, come un mandato.
È questa doppia anima — ricerca scientifica di frontiera e analisi di sistema — che ci permette di concepire e proporre un report come AI Adoption Gap in Healthcare non da una distanza osservativa, ma dall’interno dell’ecosistema che lo studio intende descrivere.
Tre destinatari, una sola direzione
Il report non si limita alla diagnosi. Propone raccomandazioni concrete per tre attori: regolatori e policymaker (UE, nazionali e regionali); industria (PMI, start-up e grandi imprese); aziende del Servizio Sanitario Nazionale. I punti centrali — rendere prevedibili i percorsi regolatori, investire in infrastrutture dati e interoperabilità, sviluppare modelli di business compatibili con il procurement pubblico, formare non solo gli specialisti tecnici ma l’intera organizzazione sanitaria, dal top management ai clinici fino al middle management che gestisce i workflow — non sono nuovi in assoluto. Sono nuovi nella loro composizione, nella loro sequenza, e soprattutto nel riconoscimento che nessuno di questi interventi, preso da solo, è sufficiente.
Chiudere il gap, con sobrietà
L’AI non è una soluzione: è una leva. Chiudere il gap tra innovazione e adozione è, prima di tutto, un lavoro di sistema — di coordinamento, di regia, di costruzione di fiducia reciproca tra chi sviluppa, chi regola, chi cura e chi viene curato. Grazie alla lungimiranza di Intesa Sanpaolo e del Campus Bio-Medico di Roma, l’Osservatorio Tech4GlobalHealth è nato per offrire a questo lavoro un luogo di confronto rigoroso e indipendente, e non per farlo da soli. Il primo report è un punto di partenza. Il lavoro che conta — misurare, nel prossimo anno, quanto di questo gap si sarà davvero ridotto — comincia adesso, ed è un lavoro di squadra.
Partecipa alla community