In un contesto di cambiamenti tecnologici e demografici, l’AI generativa sta entrando nei reparti, negli ambulatori e nelle centrali amministrative della sanità italiana. L’analisi di Boston Consulting Group (BCG) realizzata con Donne Leader in Sanità, dal titolo "AI e leadership femminile in sanità opportunità, sfide e crescita", mette a fuoco la doppia posta in gioco con l’uso dell’AI nel comparto: trasformare processi e qualità dell’assistenza e, insieme, governare l’impatto sulla forza lavoro, a maggioranza femminile. Le soluzioni oggi disponibili potrebbero infatti automatizzare tra il 60% e il 70% delle attività amministrative, liberando tempo clinico e riducendo il peso burocratico che rallenta i percorsi di cura. La promessa è concreta, ma non automatica, poiché richiede investimenti in competenze, dati affidabili e una governance responsabile che trasformi i progetti pilota in pratica quotidiana.

"L’Intelligenza Artificiale – soprattutto la GenAI – è un’opportunità straordinaria per trasformare la sanità non solo sul piano tecnologico, ma come leva per un sistema più sostenibile e accessibile ai pazienti. Questa trasformazione richiede però la ridefinizione delle professionalità e, in un settore in cui il 74% della forza lavoro è femminile, l’impatto sulla leadership delle donne non può essere lasciato al caso." Afferma Alessandra Catozzella, Managing Director e Partner di BCG. "Eppure, oggi solo il 7% delle professioniste si sente supportata nell’adozione dell’AI, contro il 17% degli uomini. Nell’era dell’AI, la leadership femminile non si misura più soltanto dalla presenza nei board, ma dalla capacità di guidare il cambiamento, orientare le scelte tecnologiche e presidiare i temi etici e di equità."　

La spinta di mercato aiuta a capire la velocità del fenomeno. Secondo le stime, entro il 2027 la GenAI rappresenterà circa il 30% del mercato complessivo dell’AI, con il tasso di crescita medio annuo più elevato nella sanità, pari all’85%: un’accelerazione sostenuta dall’uso di modelli generativi per sintetizzare documenti clinici, scrivere bozze di lettere di dimissione, supportare la programmazione delle risorse e ottimizzare ricerca e supply chain farmaceutica. A monte c’è una dinamica strutturale che rende l’ascesa dell’AI così rapida nel comparto: l’invecchiamento della popolazione (entro il 2050 il 30% della popolazione italiana avrà più di 65 anni secondo l’ISTAT), il conseguente aumento delle cronicità e la carenza di personale rendono necessario un salto di produttività. In Italia mancano già oggi circa 50 mila infermieri e si stima una carenza di circa 16.500 medici entro la fine del 2025, ciò significa che senza un’innovazione organizzativa e tecnologica scalabile, la sostenibilità del sistema rischia di essere compromessa. 　

Eppure, l’adozione reale è ancora parziale. La rilevazione condotta in Italia segnala che solo il 45% degli operatori utilizza strumenti di GenAI almeno una volta a settimana, percentuale che sale al 48% per le donne rispetto al 37% dei rispondenti uomini. Tra gli ostacoli emergono accesso limitato agli strumenti, scarsa familiarità e formazione discontinua, così come gli interrogativi sulla qualità dei dati e sulla validazione dei risultati nei contesti d’uso. È una fotografia coerente con una fase di transizione, fatta di sperimentazioni diffuse, ma ancora poco integrate nei flussi ordinari del lavoro sanitario. La distanza tra potenziale e pratica quotidiana si colma solo con percorsi di upskilling mirati, tempo protetto per la formazione e strumenti progettati insieme agli utilizzatori finali. 　

Il tema non è neutro dal punto di vista del genere. La sanità è un settore a forte presenza femminile e molti ruoli di coordinamento e amministrazione (i primi toccati dall’automazione) sono coperti in prevalenza da donne. Proprio qui si apre il rischio di una "doppia penalizzazione": da un lato l’esposizione al cambiamento dei compiti, dall’altro scarso accesso ai percorsi che permettono di guidarlo. Il dato riportato dall’esperta BCG che spiega come le donne si sentano meno supportate nell’uso di strumenti AI rispetto ai colleghi uomini non è soltanto un gap formativo, ma la misura di una distanza culturale e organizzativa che può ridurre la presenza femminile nei luoghi dove si definiscono standard, protocolli, priorità di investimento e presidi etici.　

Per questo motivo lo studio pone l’attenzione sulla "Responsible AI" come competenza trasversale. I modelli generativi apprendono da grandi quantità di testi e immagini: se i dati di addestramento contengono pregiudizi, gli output tendono a riprodurli. La letteratura sui bias di genere mostra che questo può avere effetti concreti, ad esempio nel modo in cui si riconoscono i ruoli professionali. In effetti, chiedendo agli attuali strumenti di generazione di immagini di creare il ritratto di un medico o di un infermiere, la GenAI restituisce l’immagine di un medico maschio e di un’infermiera donna, entrambi giovani e caucasici. La risposta non è solo tecnologica, ma anche etica: serve aumentare la consapevolezza sull’importanza della partecipazione femminile nello sviluppo tecnologico della GenAI, guidandone l’evoluzione e contribuendo a renderla meno soggetta al divario di genere e, allo stesso tempo, più efficace.

Lo studio non si limita alla diagnosi e propone 10 leve d’azione distribuite lungo l’intero ciclo di vita delle competenze e dell’innovazione. In ingresso, selezione e recruiting supportati da tassonomie di competenze e da strumenti per monitorare la parità di genere nei processi; nella fase di crescita, upskilling e reskilling con programmi modulari, mappature delle attività più esposte all’automazione e coaching/mentoring per rafforzare la leadership; sul piano industriale e di sistema, servizi AI embedded, ovvero integrati nei processi clinici e amministrativi, approccio centrato sugli utenti – che include profili clinici, amministrativi e pazienti e considera le differenze di genere – e sviluppo di ecosistemi per l’innovazione, in grado di connettere domanda e offerta e accompagnare la scalabilità.

Il ruolo delle politiche pubbliche è abilitante, così come la collaborazione fra aziende sanitarie, università e imprese, per trasformare le sperimentazioni in standard operativi. L’AI arriverà comunque nei processi clinici e amministrativi, la differenza la farà la capacità di accompagnarne l’adozione con competenze e responsabilità, mettendo le donne nelle condizioni di guidare il cambiamento.