- Il 24 febbraio 2026, uno studio condotto da 10 organizzazioni, con la partecipazione della professoressa Kate Kellogg (MIT Sloan) e Danielle Bitterman (Harvard Medical School), ha evidenziato il divario tra aspettative e realtà nell’implementazione dell’IA agentica in ambito clinico.
- L’IA Agentica (Agentic AI) si riferisce a sistemi di agenti IA in grado di completare autonomamente processi multi-step con un alto grado di autonomia.
- La ricerca si è concentrata su un sistema di IA per rilevare gli effetti collaterali nei pazienti oncologici in immunoterapia attraverso cartelle cliniche elettroniche non strutturate.
- Il sistema può elaborare centinaia di note in pochi minuti invece di impiegare ore o giorni.
- L’accuratezza nel rilevamento degli effetti collaterali è equivalente o più stabile rispetto alla procedura standard eseguita dai coordinatori della ricerca clinica.
- Tuttavia, meno del 20% dello sforzo di implementazione è stato dedicato al prompt engineering e allo sviluppo del modello; oltre l’80% è stato destinato al lavoro “sociotecnico”.
- Per ogni ora di ottimizzazione del modello, l’organizzazione ha bisogno di circa 4 ore per l’implementazione pratica.I 5 principali “oneri”:
- Integrazione dei dati: Necessità di pipeline e infrastrutture dati stabili; se i dati non sono standardizzati, il sistema agentico subirà un “blocco a catena”.
- Validazione del modello: Non basta controllare l’output, bisogna garantire che gli agenti IA rispettino le policy, mantengano log completi e accedano solo agli strumenti autorizzati.
- Garanzia del valore economico: Il ROI è difficile da calcolare poiché i costi variano in base alla complessità dei processi e al livello di coordinamento tra gli agenti.
- Monitoraggio del drift (modello/dati): Necessità di un “monitoraggio adattivo” per seguire costantemente molteplici indicatori dinamici anziché soglie statiche if-then.
- Governance: Chiarire responsabilità, rischi legali, sicurezza e meccanismi di responsabilità in caso di errore.
- Lo studio sottolinea che l’alto rischio in ambito medico richiede controlli più severi, ma ogni settore necessita di un playbook per questi 5 fattori.
Conclusione: L’implementazione dell’IA agentica non è solo una sfida algoritmica ma una trasformazione organizzativa: oltre l’80% dello sforzo risiede nell’infrastruttura, nella governance e nell’integrazione dei dati. Il successo dipende dalla gestione di 5 oneri chiave, specialmente in ambienti ad alto rischio come la sanità.
