Andreessen Horowitz guida un investimento da 30 milioni di dollari in Prosper AI, la startup spagnola che ha costruito una piattaforma AI end-to-end per il percorso del paziente, dalla prenotazione fino al rimborso assicurativo. Un unico sistema che risponde alle telefonate, fissa gli appuntamenti direttamente nei sistemi EHR, verifica la copertura assicurativa e contatta i payer quando servono informazioni extra. La promessa è ambiziosa: abbattere di oltre il 40% i costi amministrativi e restituire trasparenza al paziente, che può conoscere in anticipo la propria esposizione finanziaria.

La piattaforma ha già convinto oltre 40 organizzazioni sanitarie, coprendo più di 150.000 provider e gestendo oltre 1,3 miliardi di dollari in prestazioni. Numeri in forte accelerazione, che spiegano la fiducia di a16z, Base10 ed Emergence Capital. Ma dietro la crescita c’è una domanda tecnica che pochi si pongono finché non si scontrano con le regole europee: dove girano i dati?

Cosa c’è sotto il cofano: AI agentica e orchestrazione dei flussi

Prosper AI non è uno scheduler glorificato. La piattaforma orchestra workflow che toccano sistemi diversi — EHR, centralini, portali assicurativi — e lo fa tramite quella che i fondatori chiamano “agentic AI”. In pratica, un insieme di modelli (quasi certamente Large Language Models integrati con moduli deterministici) che gestiscono interazioni vocali, comprensione del linguaggio naturale e decisioni multilivello. La complessità non sta nel singolo task, ma nell’integrazione: servono connessioni bidirezionali con i principali EHR e la capacità di sostenere conversazioni telefoniche con gli assicuratori quando le API non bastano.

Tecnicamente, questo significa che la piattaforma vive nel cloud, centralizzata. Per le strutture sanitarie USA, dove Prosper AI ha mosso i primi passi, il cloud è spesso la scelta predefinita. Ma per un mercato come quello italiano, e più in generale per l’Unione Europea, la questione è diversa. Qui il GDPR impone che i dati sanitari, in particolare quelli riconducibili alla storia clinica, rispettino vincoli stringenti di residenza e di controllo. E le linee guida del Garante Privacy italiano sull’uso dell’intelligenza artificiale in sanità aggiungono ulteriori cautele quando entrano in gioco decisioni automatizzate.

Il nodo della sovranità: cloud o on-premise?

La scelta architetturale di Prosper AI sembra orientata al cloud pubblico. Non è un dettaglio. Se l’infrastruttura è esterna, gestita da un vendor extra-UE, la catena di responsabilità sul trattamento dei dati si allunga e si complica. Le strutture sanitarie devono fare i conti con accordi di Data Processing Agreement, valutazioni d’impatto, e spesso con la necessità di dimostrare che i dati non escano dai confini regionali. Per molti ospedali e ASL, la strada del self-hosted o del deployment on-premise non è una preferenza, ma un requisito.

Non è un caso che il dibattito sull’adozione di AI in sanità si stia spostando proprio qui. AI-RADAR, che da tempo segue le decisioni di deployment di LLM e piattaforme, osserva come sempre più fornitori di soluzioni verticali — dalla diagnostica alla gestione amministrativa — inizino a proporre opzioni ibride o edge per rispondere alle richieste di controllo. Per una piattaforma come Prosper AI, ipotizzare un futuro modulo on-premise non sarebbe un downgrade tecnico: significherebbe rendere possibile l’adozione anche in contesti dove i dati non possono lasciare il perimetro aziendale, a patto di ripensare l’orchestrazione tra container, modelli quantizzati e integrazione diretta nei server locali.

I conti da far quadrare

Dal lato dei costi, il Total Cost of Ownership di una soluzione cloud come Prosper AI è basso all’ingresso — si paga una subscription, nessun investimento hardware. Ma una volta che i volumi di transazioni crescono e si iniziano a toccare decine di migliaia di appuntamenti al mese, il ragionamento può cambiare. Per una grande Azienda Ospedaliera che gestisce milioni di interazioni all’anno, valutare un deployment on-premise su propria infrastruttura GPU dotata di VRAM adeguata potrebbe diventare economicamente sensato, almeno per i modelli di inference. Naturalmente servono competenze interne per mantenere la pipeline, ma il controllo operativo e la prevedibilità dei costi sono asset che molti direttori IT considerano irrinunciabili.

Prosper AI, con il nuovo capitale, punta a espandere l’integrazione con le principali piattaforme EHR e a crescere presso provider group e sistemi sanitari. L’Europa, e l’Italia in particolare, sono mercati maturi per questo tipo di automazione: la spesa amministrativa in sanità è alta ovunque, e semplificare il percorso paziente ha un impatto diretto sulla sostenibilità del sistema. Ma la condizione per giocare questa partita sarà la flessibilità architetturale. Chi vorrà portare la piattaforma dentro le mura dell’ospedale, per ragioni di compliance o di latenza, dovrà trovare un vendor pronto a negoziare il modello di deployment. Non è solo una questione tecnica: è il vero discrimine della prossima ondata di AI sanitaria in Europa.