La sanità è diventata il nuovo campo di battaglia dell’intelligenza artificiale. Non perché le grandi aziende tecnologiche abbiano improvvisamente scoperto la medicina, ma perché la salute concentra tutto ciò che oggi rende strategico un mercato digitale: dati continui, bisogni ricorrenti, processi complessi, carenza di personale, costi crescenti, domanda di personalizzazione e una quantità enorme di inefficienza amministrativa.
La corsa è già iniziata. E non riguarda più soltanto chatbot capaci di rispondere a domande mediche. Il salto vero è un altro: costruire l’interfaccia attraverso cui pazienti, medici e organizzazioni sanitarie leggeranno, interpreteranno e useranno i dati di salute. In altre parole, le Big Tech non stanno provando solo a entrare nella sanità. Stanno provando a diventare il nuovo sistema operativo della salute.
Il contesto spiega la velocità del fenomeno. Secondo l’American Medical Association, nel 2026 oltre l’80% dei medici intervistati utilizza già strumenti di intelligenza artificiale in ambito professionale, più del doppio rispetto al 2023. Le applicazioni principali riguardano documentazione clinica, sintesi, ricerca medica, istruzioni di dimissione e supporto informativo. Non siamo più nella fase sperimentale: l’AI è già entrata nella pratica quotidiana, anche se in modo disomogeneo e con livelli di governance ancora molto diversi tra loro.
OpenAI si muove su tre livelli: paziente, clinico e ricerca biomedica. Sul fronte consumer ha lanciato ChatGPT Health, con la possibilità di collegare cartelle cliniche e app per il benessere, inizialmente in un perimetro limitato e con esclusioni geografiche rilevanti, tra cui Europa, Svizzera e Regno Unito. L’obiettivo è permettere agli utenti di caricare documenti, interrogare dati personali, prepararsi alle visite, comprendere esami e collegare informazioni provenienti da fonti diverse.
Sul fronte professionale, OpenAI ha annunciato ChatGPT for Clinicians, disponibile gratuitamente per medici, nurse practitioner, physician assistant e farmacisti verificati negli Stati Uniti. Lo strumento è pensato per supportare attività come documentazione, ricerca clinica, lettere di referral, prior authorization, istruzioni per i pazienti e consultazione di fonti sanitarie affidabili. È un segnale molto chiaro: OpenAI non vuole restare fuori dal workflow clinico, ma entrare nel punto in cui il medico produce, sintetizza e interpreta informazione sanitaria.
Il terzo fronte è la ricerca. GPT-Rosalind è stato presentato come modello specializzato per life sciences, con applicazioni in biologia, drug discovery, medicina traslazionale e workflow di ricerca. Ma qui serve precisione: non si tratta di un prodotto commerciale aperto su larga scala. OpenAI lo descrive come una research preview disponibile per clienti qualificati attraverso un trusted access program, con ambienti enterprise e controlli di sicurezza. È quindi un segnale strategico molto forte, ma ancora dentro una fase controllata e selettiva.
Sempre OpenAI, insieme alla Gates Foundation, ha lanciato Horizon 1000, un’iniziativa da 50 milioni di dollari per portare strumenti AI in 1.000 cliniche di primary care in Africa entro il 2028, partendo dal Rwanda. È una mossa rilevante perché sposta l’AI sanitaria fuori dal solo immaginario dell’ospedale avanzato occidentale e la colloca anche dentro sistemi sanitari con scarsità di personale, difficoltà di accesso e bisogni di assistenza primaria molto concreti.
Microsoft gioca una partita diversa. La sua forza non è solo il modello AI, ma la capacità di integrarlo dentro ambienti enterprise, cloud, produttività, dati e infrastrutture ospedaliere. Copilot Health è stato presentato come uno spazio dedicato dentro Copilot capace di riunire dati da wearable, cartelle cliniche e storia sanitaria personale. Microsoft parla di integrazione con oltre 50 dispositivi wearable, dati da oltre 50.000 ospedali e provider statunitensi tramite HealthEx, risultati di laboratorio da Function e fonti sanitarie curate da team clinici. Ma va detto chiaramente: il rollout è graduale, con waitlist e comunità iniziale di utenti; non è ancora un’infrastruttura sanitaria universale pienamente dispiegata.
La parte più solida della strategia Microsoft è però quella clinico-industriale. La collaborazione con Bristol Myers Squibb punta a utilizzare la piattaforma radiologica AI-driven di Microsoft, Precision Imaging Network, per favorire la diagnosi precoce del tumore al polmone, con particolare attenzione all’identificazione di noduli polmonari difficili da rilevare e all’accesso in contesti come ospedali rurali e community clinic negli Stati Uniti. Qui l’AI non è solo assistente conversazionale: diventa infrastruttura diagnostica, collegata a imaging, oncologia, appropriatezza e accesso tempestivo alle cure.
Google si muove lungo due assi. Il primo è quello dei modelli medici per sviluppatori e ricercatori. Con MedGemma 1.5 e MedASR, Google ha rafforzato la propria famiglia di strumenti per la comprensione di immagini mediche, testo clinico e riconoscimento vocale medico. MedASR, in particolare, è un modello speech-to-text addestrato per la dettatura clinica e disponibile su Hugging Face e Vertex AI. È una strategia da piattaforma: Google non vuole soltanto creare un’app finale, ma fornire componenti su cui altri potranno costruire soluzioni sanitarie.
Il secondo asse è quello della salute personale. Con Fitbit e Gemini, Google sta trasformando il wearable da semplice misuratore di passi, sonno e attività fisica a possibile interfaccia di interpretazione della salute. Nel 2026 ha annunciato la possibilità di collegare medical records alla app Fitbit, in modo da combinare dati clinici, parametri da wearable e coaching personalizzato. È un passaggio importante: il dato raccolto dal polso non resta più isolato, ma viene messo in relazione con esami, farmaci, storia clinica e abitudini di vita.
Anthropic cerca invece di differenziarsi sul terreno della sicurezza, della compliance e dei workflow regolati. Claude for Healthcare viene presentato come un insieme di strumenti e risorse per provider, payer, health tech e startup, con infrastruttura HIPAA-ready. Le applicazioni indicate riguardano autorizzazioni preventive, coordinamento delle cure, documentazione, revisione di cartelle, supporto alle decisioni, trial clinici e attività regolatorie.
Ancora più interessante è l’estensione verso le life sciences. Anthropic collega Claude a piattaforme e fonti come Medidata, ClinicalTrials.gov, ToolUniverse, bioRxiv, medRxiv, Open Targets e ChEMBL. Il messaggio è netto: l’AI non serve solo a scrivere meglio o a rispondere più velocemente, ma a orchestrare attività complesse di ricerca, trial, regulatory operations, target discovery e sviluppo clinico.
Amazon ha scelto la via più pragmatica: ridurre attrito operativo. Con Health AI, inizialmente integrato in One Medical e poi esteso a più utenti negli Stati Uniti, Amazon punta a offrire un assistente capace di dare guida sanitaria 24/7, collegare l’utente al provider, prenotare appuntamenti, leggere esami e gestire farmaci. Non è solo un chatbot informativo: è un agente che prova a trasformare la risposta in azione.
La parte più interessante, però, è Amazon Connect Health, annunciato nel marzo 2026 e reso generalmente disponibile come soluzione di agentic AI per organizzazioni sanitarie. Secondo quanto comunicato da AWS, la piattaforma include cinque agenti AI progettati per ridurre il carico amministrativo lungo il percorso di cura: verifica del paziente, gestione degli appuntamenti, raccolta e sintesi dell’anamnesi, documentazione clinica ambientale e medical coding. È meno spettacolare della diagnosi automatizzata, ma probabilmente più vicino al dolore quotidiano dei sistemi sanitari: burocrazia, call center, tempi morti, compilazione, autorizzazioni, documentazione e frammentazione operativa.
Apple resta il caso più silenzioso ma forse più strutturale. Non sta costruendo il grande chatbot sanitario, almeno non con la stessa esposizione pubblica degli altri player. Sta consolidando da anni il ruolo di iPhone, Apple Watch e Health app come snodo personale dei dati sanitari. Health Records supporta FHIR R4 e consente, nei mercati abilitati, la condivisione dei dati della app Salute con i provider. È una strategia meno rumorosa, ma potente: Apple non deve necessariamente “rispondere” come un medico; può diventare il contenitore fidato attraverso cui i dati personali e clinici vengono raccolti, normalizzati e condivisi.
Perplexity prova infine a occupare un altro spazio: quello del motore di ricerca sanitario personale. Perplexity Health consente agli utenti Pro e Max negli Stati Uniti di collegare cartelle cliniche, wearable, wellness app e Apple Health per ottenere risposte contestualizzate, dashboard, trend biometrici e sintesi generate dall’AI. Il suo posizionamento non è quello dell’ospedale né quello del cloud enterprise, ma quello della ricerca aumentata: meno “dottore virtuale”, più interfaccia per capire il proprio patrimonio informativo sanitario.
La lettura complessiva è chiara. Le Big Tech stanno entrando in sanità da tre porte diverse. La prima è quella del paziente: assistenti personali, wearable, cartelle cliniche, consigli, preparazione alle visite, monitoraggio e interpretazione dei parametri. La seconda è quella del professionista: documentazione, ricerca clinica, sintesi, triage informativo, prior authorization, workflow amministrativi e supporto decisionale. La terza è quella dell’industria e della ricerca: drug discovery, trial clinici, imaging, regolatorio, farmacovigilanza, market access e real world evidence.
Il punto politico e sanitario è che queste tre porte convergono nello stesso luogo: il controllo dell’interfaccia. Chi controllerà l’interfaccia digitale della salute controllerà il modo in cui i dati vengono letti, organizzati, spiegati e trasformati in decisioni. Non necessariamente controllerà la cura in senso stretto, ma controllerà qualcosa di altrettanto importante: il primo livello di interpretazione della realtà sanitaria.
Per il Servizio sanitario nazionale italiano il tema è decisivo. Se l’AI resta un insieme di applicazioni commerciali scollegate dai percorsi pubblici, il rischio è creare una sanità parallela: chi dispone di strumenti, alfabetizzazione digitale e capacità economica riceverà più orientamento, più continuità e più supporto; chi ne è privo resterà dentro un sistema più lento, più frammentato e meno personalizzato.
Se invece l’AI viene governata e integrata nei percorsi pubblici, può diventare una leva per ridurre diseguaglianze territoriali, sostenere la medicina generale, alleggerire i professionisti, rafforzare le Case della Comunità e rendere più proattiva la gestione delle cronicità. In Italia, AGENAS ha già collocato MIA dentro la Missione 6 Salute del PNRR, come piattaforma di AI a supporto dei professionisti sanitari in tre aree: attività diagnostiche di base, gestione della cronicità, prevenzione e promozione della salute. Il punto, quindi, non è chiedersi se usare l’AI, ma come usarla dentro un modello pubblico, verificabile e coerente con l’assistenza territoriale.
Qui bisogna essere netti. In sanità l’AI non può essere trattata come un normale software. Quando un algoritmo entra nella relazione tra sintomo, diagnosi, terapia, follow-up o accesso alle cure, il problema non è più solo tecnologico. Diventa clinico, regolatorio, assicurativo, organizzativo ed etico. L’AI Act europeo, entrato in vigore il 1° agosto 2024, considera ad alto rischio i sistemi AI destinati a finalità mediche e richiede, tra le altre cose, mitigazione del rischio, qualità dei dataset, informazioni chiare per gli utenti e supervisione umana.
La stessa Organizzazione mondiale della sanità ha richiamato l’attenzione sui rischi dei grandi modelli multimodali in sanità: errori, uso improprio, bias, problemi di privacy e automation bias, cioè la tendenza di operatori e pazienti a fidarsi troppo della risposta della macchina, anche quando servirebbe un controllo critico. Questo è il punto più delicato: l’AI non sbaglia sempre in modo evidente. Spesso sbaglia in modo plausibile. E in sanità la plausibilità può essere pericolosa.
La distinzione fondamentale è tra AI informativa e AI clinica. Un conto è aiutare un cittadino a capire meglio un referto, preparare domande per il medico, ricostruire la propria storia farmacologica o monitorare il sonno. Un altro conto è suggerire diagnosi, priorità terapeutiche, percorsi di accesso, esclusioni, terapie o decisioni cliniche. Nel primo caso servono qualità delle fonti, privacy, trasparenza e limiti d’uso. Nel secondo servono validazione clinica, responsabilità professionale, marcatura come dispositivo medico quando applicabile, audit, tracciabilità e integrazione nei percorsi autorizzati.
Per i medici l’opportunità è reale. L’AI può ridurre il tempo assorbito dalla burocrazia, generare bozze di lettere, sintetizzare cartelle, supportare la ricerca, preparare istruzioni comprensibili per il paziente, migliorare la continuità informativa e ridurre il carico cognitivo. Ma può anche produrre documentazione apparentemente corretta e clinicamente fragile, generare alert inutili, aumentare la dipendenza da sistemi proprietari e scaricare sul professionista responsabilità non ancora chiarite.
Per i pazienti il vantaggio potenziale è enorme: maggiore comprensione dei propri dati, monitoraggio continuo, empowerment reale, supporto nella cronicità, preparazione alle visite, collegamento tra parametri clinici e stili di vita. Il rischio, però, è altrettanto evidente: confondere un assistente con un medico, consegnare dati sensibili a piattaforme private, ricevere consigli non contestualizzati, sviluppare ansia da monitoraggio continuo o finire dentro ecosistemi commerciali dove salute, farmaci, assicurazioni, advertising e servizi sanitari si intrecciano.
Per l’industria farmaceutica la trasformazione sarà profonda. L’AI entrerà nella ricerca, nei trial, nella farmacovigilanza, nel medical writing, nel market access, nei programmi di supporto al paziente, nella segmentazione degli HCP, nella disease education e nella generazione di evidenze real world. Ma il valore vero non sarà usare l’AI per fare promozione più veloce. Sarà usarla per migliorare diagnosi precoce, aderenza, appropriatezza, patient support, trial matching e accesso ordinato all’innovazione.
Il rischio sistemico è che la sanità pubblica diventi dipendente da piattaforme esterne prima ancora di aver definito le proprie regole. Se i dati clinici, i wearable, le interazioni dei pazienti, le sintesi delle visite e gli strumenti decisionali finiscono dentro ambienti proprietari non pienamente governati, il SSN rischia di perdere il controllo della relazione digitale con il cittadino. È già accaduto in altri settori: informazione, commercio, pubblicità, mobilità, turismo. La sanità non è immune.
La risposta non può essere bloccare l’innovazione. Sarebbe inutile e dannoso. La risposta deve essere costruire una strategia pubblica dell’AI sanitaria: standard di interoperabilità, procurement intelligente, sandbox regolatorie, validazione nazionale, coinvolgimento dei professionisti, audit indipendenti, criteri di equità, trasparenza sui dati, responsabilità chiara e integrazione con Fascicolo sanitario elettronico, telemedicina, Case della Comunità e assistenza territoriale.
La sintesi è brutale ma necessaria: le Big Tech non stanno entrando nella salute per beneficenza. Entrano perché la salute sarà uno dei mercati più importanti dell’intelligenza artificiale. Questo non significa che vadano respinte. Significa che vanno governate.
Se il sistema pubblico saprà usare queste tecnologie con regole, visione e capacità contrattuale, l’AI potrà migliorare accesso, qualità e sostenibilità. Se invece subirà la trasformazione, rischierà di trovarsi con piattaforme fortissime, dati frammentati, professionisti sovraccarichi e pazienti lasciati soli davanti a risposte sempre più convincenti, ma non sempre clinicamente sicure.
La corsa alla salute con l’AI è appena iniziata. Non vincerà necessariamente chi avrà il modello più potente. Vincerà chi riuscirà a conquistare la fiducia di medici, pazienti, regolatori e sistemi sanitari. In sanità, più che in qualsiasi altro settore, l’intelligenza artificiale non sarà giudicata da quanto sa rispondere. Sarà giudicata da quanto saprà proteggere, spiegare, integrare e migliorare davvero la cura.
