Trovare un medico in 5 minuti mentre si è in viaggio, pagando una tariffa fissa a partire da 20 euro, potrebbe sembrare soltanto un problema di logistica sanitaria. Il round da 1 milione di euro chiuso da Doctorsa, con PranaVentures capofila e la partecipazione di Vento e 40Jemz Ventures, racconta invece una storia diversa: quella di un'azienda che si muove nella terra di confine tra assistenza sanitaria globale, AI agentic e sovranità dei dati.

Nata a Milano da Nadia Neytcheva e Francesco Maria Serino, la piattaforma ha già gestito oltre 250.000 viaggiatori in tre anni, abbinandoli in tempo reale a una rete di più di 550 medici in 40 Paesi tramite videochiamate in inglese. Ma il vero elemento di rottura è l'infrastruttura di prenotazione agentic, sviluppata internamente e basata su interfacce standard aperte. Gli utenti possono descrivere i sintomi al proprio assistente AI preferito e prenotare una consultazione senza passare attraverso app dedicate o portali proprietari. L'intelligenza artificiale, qui, non è un chatbot di supporto ma un agente che agisce per conto del paziente, orchestrando la presa in carico.

È proprio questo strato di automazione a innescare domande urgenti per chi segue le architetture di deployment nei settori regolati. Ogni descrizione di sintomi è un dato sanitario sensibile. Ogni interazione tra l'assistente AI esterno e il backend di Doctorsa trasporta informazioni che, secondo GDPR e HIPAA, richiedono garanzie di residenza e controllo. Utilizzare modelli di linguaggio ospitati in cloud pubblici — scelta comoda per scalare in nuovi mercati — introduce un attrito con la necessità di confinare i dati entro giurisdizioni precise, specialmente ora che il 40% dei pazienti proviene dagli Stati Uniti e l'espansione B2B presso operatori turistici, assicurazioni e datori di lavoro richiede compliance aziendale stringente.

La scelta degli standard aperti per l'infrastruttura di prenotazione, pur garantendo interoperabilità con ecosistemi esterni, non risolve di per sé il nodo della localizzazione dell'elaborazione. Un agente AI che processa il linguaggio naturale dei sintomi potrebbe girare su nodi di calcolo distribuiti ovunque, oppure venire addestrato su dati aggregati in cloud. Per un'azienda che sta accelerando negli Stati Uniti, dove le regole sulla protezione dei dati sanitari sono ancora più granulari, la domanda diventa concreta: conviene appoggiarsi a servizi cloud con certificazioni dedicate o investire in infrastrutture self-hosted per l'inference dei modelli, anche a costo di aumentare la complessità operativa?

Il punto non è solo legale. In un mercato dove il rapporto medico-paziente si costruisce sulla fiducia, la trasparenza sull'ubicazione dei dati può diventare un vantaggio competitivo. Lo sa bene chi lavora su LLM on-premise: il controllo sullo stack garantisce non solo compliance, ma anche latenza prevedibile e protezione da lock-in dei fornitori. Doctorsa, con un round di queste dimensioni, non costruirà certo un data center privato, ma potrebbe spingere su modelli di deployment ibridi, mantenendo l'inference più sensibile all'interno di ambienti controllati, magari sfruttando edge computing nelle sedi dei partner sanitari.

Il segnale strutturale è duplice. Da un lato, l'ingresso dell'AI agentic in un dominio verticale come la telemedicina accelera la dissoluzione del confine tra assistente digitale e servizio professionale, obbligando le startup a progettare fin dal principio architetture per la sovranità dei dati. Dall'altro, rende evidente che il modello cloud-only, spesso propagandato come unica via per l'innovazione rapida, incontra limiti tangibili quando i dati sono corpi umani a distanza. Doctorsa non sta semplicemente aggiungendo un chatbot alla propria offerta: sta sperimentando un ribaltamento di prospettiva in cui è il sistema a piegarsi ai bisogni dell'utente, non il contrario. E questo ribaltamento, per essere credibile, richiede che i dati restino esattamente dove l'utente si aspetta che rimangano.