L’intelligenza artificiale non curerà il mondo, almeno non da sola
La sanità globale ama le promesse solenni e l’intelligenza artificiale ama essere promessa. Quando queste due culture si incontrano nasce una narrativa perfetta per conferenze, boardroom e governi in cerca di slide rassicuranti: algoritmi che diagnosticano prima, costano meno, scalano ovunque e democratizzano l’accesso alle cure. Il volume Global Health in the Age of AI, curato da Luciano Floridi e nato dal simposio della Fondazione Giorgio Cini del 2024, compie però un gesto raro nel mercato dell’hype: abbassa il tono, alza il livello e ricorda che la realtà sanitaria mondiale non è una demo tecnologica.
Il messaggio centrale è semplice e per questo scomodo. Senza uno sforzo coordinato, multilivello e sistemico, l’AI rischia di amplificare le disuguaglianze sanitarie invece di ridurle. Tradotto nel linguaggio meno elegante dei bilanci: chi è già forte migliorerà, chi è fragile pagherà il conto. È una dinamica nota nella storia industriale. Ogni rivoluzione tecnologica nasce raccontandosi inclusiva e spesso debutta come acceleratore di concentrazione.
Il settore salute rappresenta il test più serio per qualunque tecnologia. Nei social media si perde tempo, nell’advertising si perde denaro, nella sanità si perdono vite. Qui l’errore non è un bug estetico ma una diagnosi mancata, una priorità clinica invertita, un paziente invisibile. Il documento lo chiarisce con freddezza accademica: l’AI offre opportunità enormi, dalla maggiore accuratezza diagnostica alla sorveglianza epidemiologica, fino all’automazione amministrativa e al supporto decisionale clinico
Fin qui tutto vero. Il problema è ciò che accade dopo il comunicato stampa.
Esiste infatti un “benefits gap”, un divario tra promessa teorica e benefici reali. È il cimitero elegante di molte innovazioni digitali. La ricerca pubblica prototipi brillanti, le startup raccolgono capitali, i governi annunciano piani nazionali, poi l’ospedale periferico usa ancora fax, software incompatibili e archivi incompleti. L’AI funziona magnificamente nei paper, meno nei corridoi del pronto soccorso.
Uno dei punti più intelligenti del volume riguarda il dato, che nel lessico contemporaneo viene celebrato come nuovo petrolio. In sanità il paragone è sbagliato. Il petrolio si estrae, il dato sanitario si costruisce lentamente, con processi clinici, persone, standard, consenso, qualità e fiducia. È più simile a un acquedotto che a un giacimento. Se la tubatura perde, l’algoritmo beve fango.
Molti sistemi sanitari globali soffrono ancora di bassa digitalizzazione, record frammentati, interoperabilità debole e standard incoerenti. In alcune aree del mondo dominano ancora cartelle cartacee o sistemi elettronici primitivi; in altre esistono piattaforme sofisticate ma incapaci di dialogare tra loro . Il risultato è paradossale: l’era dell’intelligenza artificiale poggia spesso su infrastrutture da prima repubblica informatica.
Poi c’è il tema della rappresentatività. Se i dati storici riflettono discriminazioni, accessi incompleti o esclusioni strutturali, l’AI apprende fedelmente il passato e lo serve come futuro ottimizzato. È il pregiudizio automatizzato, molto efficiente e splendidamente scalabile. Donne sottorappresentate, minoranze etniche invisibili, anziani marginali, disturbi mentali poco tracciati: non sono eccezioni statistiche, sono falle strategiche
Le aziende tecnologiche spesso presentano l’algoritmo come neutrale. Nulla di più comodo. L’algoritmo eredita scelte umane: cosa misurare, cosa ignorare, cosa classificare, cosa premiare. La neutralità è spesso solo marketing con una buona UX.
Il volume insiste anche sulla qualità delle evidenze. Tema decisivo e troppo poco glamour. Molti modelli AI mostrano ottime performance computazionali ma scarsa prova di impatto clinico reale. In altri termini, riconoscere pattern in un dataset non equivale a migliorare esiti di salute nel mondo vivo, rumoroso, caotico e sottofinanziato degli ospedali
Chi ha gestito imprese lo sa bene: KPI locali non garantiscono valore sistemico. Un software può ridurre i tempi di refertazione e contemporaneamente aumentare errori a valle, stress operativo o contenzioso. L’efficienza di reparto può distruggere l’efficacia complessiva. È successo in molti ERP aziendali, può succedere in corsia.
L’arrivo della generative AI complica ulteriormente il quadro. Modelli linguistici capaci di produrre testi convincenti stanno entrando nella sanità come scribi clinici, chatbot informativi, supporti amministrativi e talvolta consiglieri impliciti. Ma un sistema eloquente non è necessariamente affidabile. L’allucinazione in marketing genera una caption sbagliata; in medicina può generare una terapia sbagliata. Differenza sottile solo per chi non firma responsabilità legali.
Ed ecco la parola che terrorizza sempre tutti: liability. Se un medico segue il suggerimento dell’AI e sbaglia, di chi è la colpa? Se non lo segue e il sistema aveva ragione? Se il modello è opaco, addestrato da terzi, aggiornato da remoto e integrato male nel workflow locale, il classico schema di responsabilità entra in crisi . Molti celebrano l’automazione, pochi desiderano ereditarne il rischio.
Il testo mette in guardia anche contro il colonialismo tecnologico. Tema essenziale. I paesi con minori risorse potrebbero diventare mercati di sbocco, fonti dati o territori di sperimentazione per soluzioni progettate altrove secondo priorità altrui. È una forma aggiornata di dipendenza: non estrai più materie prime, estrai dati e imponi standard.
La storia economica offre numerosi precedenti. Prima arrivavano ferrovie costruite per portare ricchezza fuori dal territorio. Oggi possono arrivare piattaforme costruite per portare valore informativo fuori dal sistema sanitario locale. Cambia il mezzo, non sempre la logica.
Molto interessante anche il richiamo ai valori relazionali della cura: empatia, fiducia, ascolto, continuità. Sono dimensioni difficili da mettere in tabella Excel e quindi spesso sottovalutate. Ma il paziente non vive la medicina come pipeline di inferenza. Vive paura, speranza, vulnerabilità. Un sistema efficiente che erode fiducia può essere tecnicamente brillante e umanamente fallimentare
La Silicon Valley tende a credere che ogni attrito sia inefficienza. In sanità alcuni attriti sono civiltà: il tempo del colloquio, il dubbio clinico, la seconda opinione, la cautela regolatoria, la privacy. Eliminare tutto ciò per “frictionless healthcare” sarebbe come togliere i freni a un’auto per migliorarne la velocità media.
Qual è allora la via utile? Il documento propone requisiti infrastrutturali e sistemici: scambio dati robusto, certezza epistemica con autonomia del personale, protezione attiva dei valori sanitari, accountability significativa, sostenibilità ambientale . In sostanza, meno culto del modello e più architettura istituzionale.
Da CEO direi così: l’AI in sanità non è un prodotto, è una trasformazione organizzativa regolata. Se la compri come software, fallisci. Se la governi come ecosistema, hai una chance.
L’Europa potrebbe giocare un ruolo interessante proprio grazie alla sua tradizione di welfare universale, standard regolatori elevati e attenzione ai diritti. Non è veloce come certi competitor, ma spesso la velocità senza governance è solo accelerazione verso il muro. Il continente che molti definiscono lento potrebbe scoprire che nella sanità la prudenza intelligente è un vantaggio competitivo.
Resta una verità che il volume esplicita con eleganza e che merita brutalità lessicale: nessuna soluzione tecnologica compensa da sola povertà, carenza di personale, sistemi fragili, disuguaglianze territoriali e sottoinvestimento cronico . L’algoritmo non sostituisce la politica pubblica. Può potenziarla oppure coprirne il vuoto per qualche trimestre narrativo.
La domanda non è se useremo AI nella salute globale. La risposta è già sì. La domanda seria è chi beneficerà, chi resterà indietro, chi controllerà i dati, chi assumerà il rischio e chi incasserà il valore.
Come spesso accade, la tecnologia non decide il futuro. Rende soltanto più rapide e più costose le decisioni umane sbagliate.