Circola un video in cui un robot chirurgico opera un kiwi senza rovinarne la polpa, condiviso come dimostrazione di quanto sia avanzata l’intelligenza artificiale. In realtà quel robot non sta usando alcuna intelligenza artificiale: sta usando le mani di un chirurgo, tradotte in micromovimenti privi di tremore.
La confusione tra automazione e intelligenza artificiale non è un dettaglio da appassionati. È lo stesso equivoco che porta le aziende a comprare tecnologia senza sapere cosa se ne aspettano.
Dove l’AI è entrata davvero
L’intelligenza artificiale è arrivata in chirurgia molto più in silenzio, e senza video virali.
Il sistema SRT-H della Johns Hopkins è un modello addestrato guardando ore di video di interventi reali. Ha completato in autonomia la fase di clipping e taglio di una colecistectomia su tessuti di maiale: otto casi su otto, correggendosi da solo quando qualcosa non tornava.
C’è però un dato che nei titoli non compare: è stato il 41 per cento più lento di un chirurgo umano. Un risultato notevole dal punto di vista scientifico, e ancora lontano dall’essere pronto per la routine.
Il freno non è tecnologico
In Italia, ad aprile, la cabina di regia del Ministero della Salute ha tradotto il report Agenas in raccomandazioni operative sulla chirurgia robotica: via libera per sei procedure su ventuno, tredici lasciate in zona grigia.
Il motivo non è che il robot non funzioni. È che mancano evidenze solide. E mancano per una ragione sorprendentemente banale: nei flussi ospedalieri non esiste un codice che registri se quell’intervento è stato eseguito col robot oppure no.
Il dato non è stato raccolto, quindi la prova non si può costruire. La tecnologia è in sala da vent’anni e continua a doversi giustificare, perché nessuno ha deciso in anticipo come misurarne l’effetto.
Nelle stesse settimane in cui uscivano quelle raccomandazioni, una gara Consip da 157 milioni di euro aggiudicava 36 nuove piattaforme robotiche. Le due cose convivono senza contraddirsi, ed è proprio questo il punto.
La catena della prova
La stessa dinamica in azienda
Questo schema non riguarda solo la sanità. Vale per qualsiasi automazione introdotta in un’impresa.
Un software di gestione magazzino, un assistente virtuale che risponde ai clienti, una dashboard che centralizza i dati di produzione: funzionano. Il problema arriva sei mesi dopo, quando qualcuno chiede quanto hanno fatto risparmiare e la risposta è un’impressione.
Succede perché la misura non è stata definita prima. Non si sa quanto tempo richiedeva quell’attività in partenza, quanti errori generava, quanto costava davvero. Senza il punto di partenza non esiste nessun miglioramento dimostrabile, solo la sensazione che le cose vadano meglio. E una sensazione non regge la prossima discussione sul budget.
Le tre domande da farsi prima
Qual è il numero che deve cambiare? Ore di lavoro, errori, tempi di consegna, costo per pratica. Uno solo, scelto in anticipo.
Quanto vale oggi quel numero? Se non lo si sa, il primo lavoro non è comprare tecnologia: è misurare la situazione attuale.
Chi registra il dato, e dove? È il punto in cui si è arenata la chirurgia robotica italiana. Se la rilevazione non è dentro il processo quotidiano, nessuno la farà.
In sintesi. Se non si decide prima come si misura il risultato, la tecnologia funziona benissimo e non lo dimostra a nessuno.
Misurare serve a poco se la rilevazione sta fuori dal lavoro quotidiano. Nella guida degli Ethos Lab AI trovi come costruire gli strumenti che raccolgono il dato dove il dato nasce, fino alle web app collegate a Google Sheets.
