L’8% non è una cifra qualunque. Quando il direttore regionale dell’OMS per l’Europa, Hans Kluge, l’ha pronunciata a Lisbona lo scorso 15 luglio, ha subito chiarito che si tratta della percentuale di Paesi della regione europea dotati di una strategia nazionale sull’intelligenza artificiale per la sanità. Un dato che fotografa una condizione di fragilità strutturale: ventisette nazioni su trenta non hanno ancora definito un framework di governance per l’impiego di LLM, sistemi di supporto decisionale e strumenti predittivi nella cura dei cittadini.

Il numero, di per sé, non dice tutto. Ma se incrociato con l’accelerazione delle applicazioni cliniche dell’AI – dalle note cliniche generate automaticamente alla radiologia assistita, fino ai modelli predittivi per la sepsi – il vuoto diventa allarmante. Senza una strategia pubblica, il rischio concreto è che gli ospedali e le aziende sanitarie vadano per inerzia verso soluzioni cloud “chiavi in mano”, spesso fornite da grandi piattaforme extraeuropee. Una scelta che può sembrare rapida e a basso costo iniziale, ma che erode progressivamente la sovranità sui dati più delicati in assoluto: quelli sanitari.

La trappola del cloud sanitario

Non si tratta solo di conformità al GDPR, che pure impone vincoli stringenti. Il nodo è più profondo: chi possiede e gestisce i carichi di lavoro di inference? Dove risiedono fisicamente i modelli? E chi ha la facoltà di aggiornare i pesi di una rete neurale che decide sulle priorità di triage? Senza una strategia nazionale, le risposte rischiano di essere scritte altrove, da fornitori che operano in giurisdizioni con standard di privacy differenti.

L’alternativa – che inizia a farsi strada proprio nei Paesi che una strategia ce l’hanno – è il deployment on-premise e self-hosted. Ospitare i modelli su infrastruttura locale significa mantenere il controllo sui dati, evitare latenze di rete critiche in sala operatoria e costruire un percorso di Total Cost of Ownership (TCO) prevedibile nel tempo. Chi valuta deployment on-premise oggi sa che esistono trade-off non banali, specialmente sulle competenze interne e sull’aggiornamento hardware, ma guadagna la certezza che nessun dato lasci mai il perimetro aziendale.

L’8% di Kluge, allora, non è solo un indicatore di ritardo politico: è il sintomo di un divario che rischia di diventare irreversibile. Perché una volta che i flussi di dati e le pipeline cliniche si incardinano su piattaforme cloud esterne, riportarli su architetture locali diventa un esercizio costoso e complesso, sia tecnicamente che contrattualmente. E più i grandi vendor affinano i loro ecosistemi sanitari verticali – addestrando modelli su milioni di record anonimizzati, ma solo nei loro data center – più la finestra per un’autonomia reale si restringe.

Forse il momento di definire una strategia non è quando l’AI è già ovunque, ma quando è ancora in fase di adozione selettiva. Ed è proprio ora che i Paesi europei dovrebbero chiedersi se preferiscono essere committenti consapevoli di un’infrastruttura sanitaria intelligente o semplici consumatori di servizi altrui.