AI nella sanità: risolvere il paradosso dei costi e della produttività

Cosa è successo?

Secondo Eric Larsen, l’adozione di intelligenza artificiale (AI) nel settore sanitario sta accelerando dalla fase sperimentale a quella di implementazione su larga scala, affrontando alcuni dei problemi più persistenti del sistema: costi in crescita, produttività stagnante e carenza di personale. La sanità è un caso strutturalmente unico perché rappresenta una quota enorme della spesa pubblica e privata (circa 17–18% del PIL negli Stati Uniti), ma dalla fine della pandemia la produttività è rimasta bassa e pressioni su costi e capitolati assistenziali persistono. A differenza degli altri settori, dove l’AI viene adottata gradualmente, nella sanità l’AI sta entrando in processi clinici e amministrativi chiave: dalla pre-elaborazione della documentazione alla gestione delle visite, fino al supporto decisionale clinico. Questa transizione è resa possibile dal vasto patrimonio di dati sanitari (cartelle cliniche digitali, imaging, segnali biometrici), che alimenta strumenti di generative e machine learning AI capaci di automatizzare compiti cognitivi tradizionalmente umani, come la stesura di note cliniche o la revisione di iter burocratici. Recenti implementazioni mostrano inoltre che l’AI si sta traducendo in adozione operativa nei sistemi sanitari reali, con applicazioni pratiche già in uso per diminuire il carico amministrativo e migliorare l’efficienza.

Perché è importante?

Il contributo potenziale dell’AI va oltre la semplice automazione: affronta una delle maggiori inefficienze dei sistemi sanitari moderni. Storicamente, tentativi di ridurre i costi attraverso l’IT tradizionale hanno spesso fallito, con produttività stagnante nonostante maggiori spese; i dati più recenti mostrano infatti che la produttività dell’NHS britannico è rimasta ben al di sotto dei livelli pre-Covid nonostante l’aumento dei budget operativi e di capitale. L’AI, invece, può ridurre significativamente le attività non cliniche che divorano tempo e risorse: sistemi di AI per la documentazione automatica liberano i medici dalle note manuali, mentre strumenti predittivi e di analisi avanzata aiutano nella pianificazione delle visite e nell’ottimizzazione delle capacità operative. Analisi esterne suggeriscono che l’adozione diffusa dell’AI potrebbe portare a risparmi netti compresi tra 5% e 10% della spesa sanitaria totale nei prossimi anni, con risparmi aggregati statunitensi stimati tra $200 miliardi e $360 miliardi annui senza sacrificare qualità o accesso alle cure. Questi risparmi sono distribuiti tra ospedali, gruppi di medici e assicuratori, con riduzioni di costi amministrativi e operativi e miglioramenti nella continuità dell’assistenza.

E adesso?

Nel 2026 e oltre, la sfida non è se l’AI cambierà la sanità, ma come e quanto velocemente lo farà. La tecnologia ha superato la fase “proof of concept” e sta entrando nei workflow reali, ma resta da affrontare la sua integrazione sistemica: interoperabilità dei dati, fiducia clinica negli output, formazione delle professioni sanitarie e normative per garantire accuratezza e sicurezza. In questa fase, la sanità dovrà bilanciare innovazione e governance, assicurando che l’AI sia utilizzata per aumentare la produttività senza compromettere qualità delle cure, privacy o fiducia del paziente. Se implementata correttamente, l’AI può trasformare un settore caratterizzato da costi e produttività critici in uno più efficiente, accessibile e sostenibile, con impatti positivi su operatori sanitari e pazienti. Al contrario, ritardi nell’integrazione o approcci frammentari rischiano di lasciare irrisolti problemi strutturali e rallentare questa potenziale rivoluzione sanitaria.