Dalla ricerca sperimentale all’AI generativa: come l’Intelligenza Artificiale sta trasformando organizzazione, responsabilità e lavoro sanitario?
Dalle origini dell’AI all’applicazione in sanità
Sembra che l’Intelligenza Artificiale sia nata recentemente e stia crescendo a velocità quasi “supersonica”, ma in realtà le sue origini teoriche risalgono al secondo dopoguerra.
Uno dei principali pionieri di questo pensiero fu Alan Turing, matematico, logico e crittografo britannico, noto anche per il contributo fornito al Governo del Regno Unito nella decodifica di ENIGMA, la macchina utilizzata dal regime nazista per cifrare le comunicazioni militari durante la Seconda Guerra Mondiale.
L’attività di intercettazione, analisi e decodifica delle informazioni spinse Turing a interrogarsi su una questione allora rivoluzionaria: una macchina può “pensare”?
Nel 1950 pubblicò così uno storico articolo intitolato Computing Machinery and Intelligence, introducendo il celebre “Test di Turing”. Il principio era tanto semplice quanto dirompente: se una persona, dialogando con una macchina, non fosse stata in grado di distinguere se stesse interagendo con un essere umano o con un sistema artificiale, allora quella macchina avrebbe potuto essere considerata “intelligente”.
A distanza di oltre settant’anni, il pensiero di Turing appare oggi straordinariamente attuale. Le moderne AI generative e i chatbot conversazionali non rappresentano soltanto strumenti software evoluti: sono la prima diffusione di massa di sistemi capaci di interagire linguisticamente con l’essere umano in modo sufficientemente credibile da modificare concretamente il modo di lavorare, comunicare, organizzare informazioni e prendere decisioni.
Il pensiero di Turing non rimase isolato. Nel 1956, durante la conferenza di Dartmouth — considerata la nascita ufficiale dell’Intelligenza Artificiale come disciplina — un gruppo di studiosi iniziò a ipotizzare che apprendimento, ragionamento, linguaggio e problem solving potessero essere simulati dalle macchine.
È interessante osservare come, negli stessi decenni, anche altri filoni di studio inizino a interrogarsi sulla possibilità di osservare, scomporre e modellizzare i processi cognitivi e comunicativi umani.
Negli anni ’70, ad esempio, Richard Bandler e John Grinder — fondatori della Programmazione Neuro-Linguistica (PNL) — svilupparono un approccio orientato all’analisi delle strutture linguistiche e comportamentali ricorrenti nei comunicatori ritenuti particolarmente efficaci.
L’idea di fondo era che alcuni processi comunicativi, relazionali ed emotivi non fossero casuali, ma organizzati secondo schemi riconoscibili, analizzabili e, almeno in parte, riproducibili.
Pur appartenendo a discipline profondamente diverse, sia l’AI sia questi modelli condividono un elemento comune: il tentativo di comprendere se linguaggio, ragionamento e comportamento possano essere osservati, strutturati e riprodotti secondo logiche identificabili. ***
Molte delle intuizioni che oggi associamo all’Intelligenza Artificiale erano in realtà già presenti decenni fa; mancavano le infrastrutture tecnologiche, la capacità computazionale e la disponibilità di dati necessarie per renderle realmente operative su larga scala.
Negli stessi anni si sviluppano infatti approcci teorici che, riletti oggi, appaiono sorprendentemente attuali.
La cibernetica di Norbert Wiener, ad esempio, introduce il ruolo centrale del feedback e la possibilità che sistemi complessi possano adattarsi attraverso processi continui di controllo, risposta e autoregolazione.
Il concetto di feedback è ancora oggi centrale in qualsiasi dinamica comunicativa, organizzativa e decisionale, assumendo in sanità un’importanza ancora più delicata: monitoraggio clinico, follow-up, gestione del rischio, rivalutazione terapeutica, audit e miglioramento continuo si basano tutti su logiche di feedback sistemico.
Negli anni ’50 e ’60 si sviluppa inoltre la teoria dei sistemi di Ludwig von Bertalanffy, fondata sul principio che un sistema non possa essere compreso analizzando esclusivamente singole parti isolate, ma soltanto osservando le relazioni e le interazioni tra i diversi elementi che lo compongono. Una visione che influenzerà successivamente anche la psicologia sistemica, il management organizzativo e gli approcci contemporanei alla governance dei sistemi complessi. Un approccio oggi più attuale che mai.
La stessa sanità sta progressivamente evolvendo da una visione fortemente iperspecialistica verso modelli sempre più sistemici e integrati, nei quali il concetto di salute viene letto come equilibrio dinamico tra componenti biologiche, psicologiche, relazionali, ambientali e organizzative.
Trasferito sul piano tecnologico e organizzativo, questo principio affronta oggi una delle grandi sfide contemporanee della sanità digitale: l’interoperabilità dei sistemi e la necessità di costruire infrastrutture capaci di integrare e far comunicare dati, software e processi differenti. Un principio che trova una delle sue espressioni più avanzate nello sviluppo del Fascicolo Sanitario Elettronico (FSE).
Anche il pensiero di Marshall McLuhan appare oggi straordinariamente attuale. McLuhan sosteneva che la tecnologia non modificasse soltanto gli strumenti, ma il modo stesso in cui l’essere umano percepisce, comunica e organizza la società.
È sufficiente osservare l’impatto avuto dai social network sulla comunicazione globale per comprendere quanto queste intuizioni abbiano anticipato molti dei cambiamenti culturali e relazionali della modernità digitale.
Già negli anni ’60 emergono inoltre i primi esperimenti di interazione linguistica uomo-macchina. Nel 1966 il ricercatore Joseph Weizenbaum sviluppa ELIZA, considerato uno dei primi chatbot della storia, progettato per simulare una conversazione psicoterapeutica attraverso semplici regole linguistiche.
Oggi un sistema con caratteristiche analoghe, se utilizzato con finalità cliniche o di supporto sanitario, potrebbe rientrare nell’ambito dei software medicali soggetti alla disciplina del Regolamento Europeo sui Dispositivi Medici, evidenziando quanto il rapporto tra AI, salute, responsabilità professionale e tutela del paziente sia destinato a diventare sempre più centrale.
Il vero cambio di paradigma
Il vero cambio di paradigma avviene quando convergono contemporaneamente cinque fattori decisivi:
- enorme disponibilità di dati digitali;
- crescita esponenziale della capacità computazionale;
- sviluppo del cloud computing;
- evoluzione delle reti neurali e del machine learning;
- investimenti strategici delle Big Tech e delle grandi potenze economiche mondiali.
L’AI moderna non nasce quindi da un singolo progresso tecnologico, ma dall’integrazione progressiva di infrastrutture digitali, capacità di calcolo, disponibilità di dati e interessi economici e geopolitici sempre più rilevanti.
Negli anni ’60 iniziano a svilupparsi le prime reti informatiche sperimentali e prende forma l’idea che l’informatica possa evolvere da sistema isolato a infrastruttura condivisa. Negli stessi anni, studiosi come John McCarthy iniziano a immaginare una futura “informatica come servizio”, anticipando concettualmente ciò che oggi definiamo cloud computing.
Negli anni ’80 il personal computer porta la potenza di calcolo fuori dai grandi centri industriali e universitari, introducendo l’informatica nella quotidianità di aziende, professionisti e famiglie. Negli anni ’90 la diffusione di Internet connette progressivamente persone, sistemi e informazioni su scala globale, trasformando la rete da strumento specialistico a infrastruttura sociale ed economica.
Con gli anni 2000 arriva un’ulteriore accelerazione: smartphone, social network e piattaforme digitali rendono la connessione permanente, continua e personale. Ogni attività digitale inizia a produrre enormi quantità di dati: comunicazioni, immagini, ricerche, comportamenti, relazioni, geolocalizzazioni, preferenze.
Parallelamente cresce il ruolo strategico del dato. I grandi provider tecnologici sviluppano enormi infrastrutture cloud capaci di centralizzare archiviazione, elaborazione e capacità computazionale. Il dato smette progressivamente di essere soltanto informazione e diventa una risorsa economica, strategica e geopolitica.
Anche eventi globali legati alla sicurezza internazionale, alla sorveglianza digitale e alla cybersecurity — dal Patriot Act alle rivelazioni di Edward Snowden — contribuiscono ad aumentare l’attenzione mondiale sul controllo dei dati, sulla centralizzazione delle informazioni e sul potere delle infrastrutture digitali.
In questo contesto convergono infine i cinque fattori che rendono possibile l’esplosione dell’AI moderna:
- enorme disponibilità di dati digitali;
- crescita esponenziale della capacità computazionale;
- sviluppo del cloud computing;
- evoluzione delle reti neurali e del machine learning;
- investimenti strategici delle Big Tech e delle grandi potenze economiche mondiali.
L’Intelligenza Artificiale generativa nasce da questa convergenza: rappresenta il punto di arrivo di oltre settant’anni di evoluzione digitale, informatica e geopolitica.
Il cambiamento in atto guidato dall’Intelligenza Artificiale riguarda soprattutto la ridefinizione delle competenze richieste ai professionisti.
Come accaduto in passato con Internet, con i software gestionali o con la digitalizzazione documentale, il punto non consiste semplicemente nell’utilizzare una nuova tecnologia, ma nel comprendere come questa trasformi:
- il modo di lavorare;
- il modo di comunicare;
- il modo di organizzare informazioni e processi;
- il modo di assumere decisioni;
- il modo di generare valore professionale.
Ogni grande evoluzione tecnologica tende inevitabilmente a creare una differenza crescente tra chi sviluppa nuove competenze e chi rimane ancorato a modelli operativi precedenti.
L’AI introduce quindi anche una nuova responsabilità culturale e professionale: la capacità di continuare ad apprendere, adattarsi e governare strumenti sempre più integrati nei processi quotidiani.
Perché l’AI cambia l’organizzazione sanitaria
Nel settore sanitario questo cambiamento assume un impatto ancora più delicato.
Quando l’Intelligenza Artificiale entra nei processi clinici, documentali e organizzativi, infatti, non modifica soltanto l’efficienza operativa: modifica il rapporto stesso tra tecnologia, responsabilità professionale, supervisione umana, gestione del rischio e governance delle informazioni.
Automazione, imaging evoluto, modellazione parametrica o Intelligenza Artificiale? Il mondo odontoiatrico non è nuovo all’innovazione tecnologica.
Basti pensare alle radiografie digitali, agli scanner intraorali, al Digital Smile Design, ai sistemi CAD/CAM e ai flussi digitali ormai ampiamente integrati nella pratica clinica quotidiana.
Negli ultimi anni, però, il termine “Intelligenza Artificiale” è entrato con forza nel linguaggio sanitario e odontoiatrico, spesso utilizzato per descrivere tecnologie molto diverse tra loro.
Ma qual è realmente la differenza tra:
- una semplice automazione;
- una modellazione parametrica;
- un sistema di imaging evoluto;
- e una vera AI?
La distinzione non è soltanto tecnica o terminologica.
Un software CAD/CAM tradizionale, ad esempio, può utilizzare logiche di automazione geometrica e modellazione parametrica basate su regole predefinite.
Un sistema AI, invece, introduce capacità ulteriori:
- apprendimento;
- riconoscimento di pattern;
- elaborazione statistica;
- generazione di contenuti;
- supporto decisionale;
- adattamento progressivo sulla base dei dati elaborati.
La discriminante reale non consiste quindi semplicemente nella presenza di tecnologia avanzata, ma nella capacità del sistema di elaborare informazioni secondo modelli dinamici, predittivi o generativi.
Comprendere questa differenza diventa fondamentale perché, in molti casi, l’AI non entra nello studio come strumento separato, ma come componente integrata (“embedded”) all’interno dei software già presenti nei processi clinici, radiologici, documentali e organizzativi.
Ed è proprio qui che il tema smette di essere puramente tecnologico e diventa organizzativo.
Comprendere dove termina la semplice automazione e dove inizia realmente un sistema AI significa infatti dover valutare:
- responsabilità professionali;
- supervisione umana;
- trattamento dei dati;
- affidabilità degli output;
- governance organizzativa;
- gestione del rischio clinico e documentale.
Quando una tecnologia è in grado di:
- completare automaticamente porzioni mancanti di una scansione;
- suggerire pattern radiologici;
- generare testi clinici o amministrativi a partire da poche informazioni;
- formulare ipotesi diagnostiche attraverso modelli linguistici predittivi;
- proporre elaborazioni terapeutiche o organizzative…
…il rischio non riguarda soltanto l’errore “tecnico” del sistema, ma anche il possibile affidamento automatico o acritico dell’operatore agli output prodotti.
Ed è proprio qui che emerge il nodo centrale della responsabilità professionale e organizzativa.
L’AI può supportare processi clinici, documentali e organizzativi, ma non sostituisce il giudizio professionale, la validazione umana e la responsabilità sanitaria.
Quando un professionista utilizza sistemi AI “consapevoli” — come piattaforme generative, chatbot conversazionali o strumenti di elaborazione linguistica — generalmente è più evidente la necessità di verificare criticamente ogni output prodotto, revisionare i contenuti prima della loro diffusione e valutare attentamente le modalità di trattamento dei dati inseriti.
Molto più complesso è invece il tema dei sistemi AI “embedded”, cioè integrati direttamente all’interno di software clinici, radiologici, documentali o organizzativi già utilizzati quotidianamente nelle strutture sanitarie.
In questi casi il professionista potrebbe non avere piena consapevolezza delle fasi nelle quali interviene l’AI; delle modalità di elaborazione dei dati; dei criteri con cui vengono generati determinati output; dei limiti di affidabilità del sistema; del livello reale di supervisione umana richiesto.
Ed è proprio questa crescente integrazione invisibile dell’AI nei processi sanitari che rende sempre più centrale il tema della governance organizzativa.
L’AI Act europeo introduce infatti principi fondamentali di:
- trasparenza;
- supervisione umana;
- accountability;
- gestione del rischio;
- tracciabilità dei sistemi AI.
Parallelamente, il GDPR e i principi europei di protezione dei dati personali rafforzano il diritto dell’interessato a comprendere come i propri dati vengano trattati, elaborati e utilizzati all’interno dei processi digitali.
Nel contesto sanitario, questi principi si intrecciano inoltre con il diritto del paziente ad essere informato in modo chiaro e consapevole rispetto ai percorsi di cura e agli strumenti che intervengono nella gestione delle informazioni sanitarie, in coerenza con i principi della Legge 219/2017 sul consenso informato e della Legge 24/2017 in materia di responsabilità professionale e sicurezza delle cure.
L’Intelligenza Artificiale rappresenta probabilmente una delle più grandi trasformazioni organizzative, cognitive e professionali della storia contemporanea.
Proprio per questo motivo, oggi più che mai, il tema dell’Intelligenza Artificiale in sanità non può essere affrontato esclusivamente come innovazione tecnologica o aumento dell’efficienza operativa.
L’integrazione crescente di sistemi AI nei processi clinici, documentali e organizzativi richiede infatti un approccio strutturato di governance, supervisione e gestione del rischio.
Ogni struttura sanitaria dovrebbe progressivamente dotarsi di un vero e proprio Sistema Organizzativo di Gestione dell’Intelligenza Artificiale, finalizzato a:
- mappare le tecnologie utilizzate;
- identificare le aree nelle quali l’AI interviene nei processi;
- valutare i rischi clinici, documentali, organizzativi e privacy;
- definire livelli di supervisione umana;
- regolamentare il trattamento dei dati;
- monitorare affidabilità, responsabilità e tracciabilità degli output prodotti.
Un approccio che si inserisce pienamente nelle moderne logiche di clinical risk management, nelle quali la sicurezza non dipende soltanto dalla competenza del singolo professionista, ma dalla capacità dell’intero sistema organizzativo di governare correttamente processi, tecnologie, informazioni e responsabilità.
L’Intelligenza Artificiale rappresenta probabilmente una delle più grandi trasformazioni cognitive, organizzative e professionali della storia contemporanea.
Per questo motivo, oggi il vero tema non è semplicemente utilizzare nuove tecnologie, ma comprendere come integrarle responsabilmente all’interno di sistemi sanitari sempre più digitali, interconnessi e complessi.
