L’intelligenza artificiale in ospedale ha un nuovo passo da compiere: smettere di scrivere referti e iniziare a smistare pazienti. Bunkerhill Health, startup della Silicon Valley, ha appena incassato un round di Serie B guidato da Khosla Ventures, portando il capitale totale raccolto a 55 milioni di dollari. La notizia non sta nell’ennesimo finanziamento a un’azienda AI sanitaria, ma nel cambio di categoria che propone: dalla generazione di testi al coordinamento di flussi operativi.

Il cuore tecnico è Carebricks, una piattaforma – non un prodotto preconfezionato – che permette alle strutture sanitarie di costruire e orchestrare i propri agenti AI. Niente modelli verticali calati dall’alto: ogni ospedale o rete clinica può addestrare, configurare e mettere in produzione agenti che rispondano ai propri processi interni. L’ambizione è chiara e rompe con la stagione degli scriba digitali. Finora l’AI sanitaria ha occupato soprattutto il segmento della documentazione clinica: trascrizione, riassunto di cartelle, generazione di note. Utile, certo, ma ancillare. Con il routing dei pazienti si entra nel flusso decisionale: appuntamenti, priorità, reparti di destinazione. Un errore non produce un refuso, ma un disservizio che può avere conseguenze cliniche.

Questo spostamento ridefinisce i vincoli tecnici. Un agente che scrive un riassunto può tollerare qualche secondo di latenza e funzionare bene su cloud pubblici. Un agente che smista pazienti in tempo reale ha bisogno di risposte a bassissima latenza, integrate con i sistemi informativi ospedalieri (EHR, RIS, LIS) e, sempre più spesso, sottoposte a regole ferree sulla residenza dei dati. Il GDPR in Europa, ma anche normative statunitensi come l’HIPAA, impongono che i dati sanitari non lascino ambienti controllati. Ecco perché una piattaforma come Carebricks, pensata per essere gestita direttamente dal personale IT della struttura, segna un punto di svolta per i deployment on-premise e ibridi.

La tesi di Bunkerhill è che l’autonomia operativa dell’AI passi dalla sovranità infrastrutturale. Invece di acquistare servizi «chiavi in mano» da vendor cloud, gli ospedali possono agganciare gli agenti ai propri server, mantenendo modelli e dati all’interno del perimetro aziendale. Non è solo una questione di privacy: è controllo sulla personalizzazione, sugli aggiornamenti, sulla spesa prevedibile (CapEx vs OpEx) e sull’uptime. In un contesto in cui ogni minuto di fermo può tradursi in pazienti in attesa, dipendere da un API esterna diventa un rischio calcolato male.

Per chi segue le dinamiche dell’AI on-premise, la mossa di Khosla Ventures segnala che il mercato si sta allargando oltre i classici strumenti per LLM. Le piattaforme che abilitano la costruzione di pipeline di agenti – una sorta di framework operativo con orchestrazione, accesso a basi di conoscenza locali, controllo dei permessi – diventano l’infrastruttura di riferimento. Non si comprano più solo modelli o GPU: si compra la capacità di generare automazione custom, in un ambiente che può essere air-gapped o ibrido.

C’è una conseguenza di secondo ordine che riguarda la filiera hardware. Se centinaia di ospedali iniziano a eseguire agenti multipli on-premise, la domanda di server con accelerazione per l’inference si sposta dal data center centralizzato ai nodi distribuiti. Non è fantascienza: alcuni system integrator stanno già proponendo appliance locali con GPU di fascia media (L40S, A2) per eseguire modelli da 7-13 miliardi di parametri in quantization INT8 o FP16, sufficienti a gestire compiti di routing e generazione documentale senza saturare la banda.

Bunkerhill non è sola in questo solco. Altri attori spingono agenti sanitari verticali, ma la scelta di offrire un meta-strumento anziché un software applicativo la posiziona più vicina a un’azienda di infrastruttura che a un vendor di software clinico. Il vantaggio è la scalabilità: ogni cliente costruisce ciò che gli serve, riducendo il lock-in su funzionalità proprietarie. Il rischio è il classico «dare una cassetta degli attrezzi senza il manuale»: servono competenze interne per governare la piattaforma, e la curva di adozione può allungarsi.

Quel che appare certo è che l’AI agentic in sanità sta varcando la soglia della decisione operativa. Dalla compilazione di un referto si passa alla scelta del percorso diagnostico-terapeutico. E quando gli agenti inizieranno a prenotare esami, allocare risorse o suggerire percorsi di cura, la posta in gioco sarà così alta che il controllo diretto sull’infrastruttura – fisica e logica – non sarà più negoziabile.