ChatGPT, Perplexity o AI cliniche? Non tutte le intelligenze artificiali sono uguali

Nel dibattito pubblico sull'intelligenza artificiale si tende spesso a parlare di "AI" come se si trattasse di una tecnologia unica e omogenea. In realtà dietro questa definizione convivono strumenti molto diversi tra loro, progettati per finalità differenti e caratterizzati da livelli di affidabilità estremamente variabili.

La distinzione è particolarmente importante in ambito sanitario, dove la qualità delle informazioni può influenzare decisioni che riguardano direttamente la salute delle persone.

I modelli generalisti

Strumenti come ChatGPT, Claude, Gemini o Perplexity appartengono alla categoria dei modelli linguistici generalisti. Sono stati addestrati utilizzando enormi quantità di testi provenienti da fonti molto diverse tra loro: libri, articoli, siti web, documentazione tecnica e contenuti pubblicamente disponibili online.

La loro principale caratteristica consiste nella capacità di comprendere il linguaggio naturale e generare risposte coerenti a una vasta gamma di domande. Questa flessibilità rappresenta un punto di forza ma anche un limite. I modelli generalisti non nascono infatti come strumenti clinici. Possono spiegare concetti medici, riassumere documenti scientifici e supportare attività informative, ma non sono stati progettati per porsi come sistemi diagnostici o decisionali.

L'importanza del contesto clinico

La medicina presenta caratteristiche che difficilmente possono essere affrontate da strumenti costruiti per rispondere a qualunque tipo di domanda. Ogni decisione sanitaria dipende da fattori clinici, biologici, sociali e personali che raramente possono essere ricondotti a uno schema standardizzato.

Per questo motivo stanno emergendo sistemi sviluppati specificamente per il settore sanitario, addestrati su basi documentali selezionate, letteratura scientifica validata, linee guida e dati clinici strutturati. L'obiettivo non è rendere l'intelligenza artificiale più "intelligente", ma più pertinente rispetto al contesto in cui viene utilizzata.

Il problema delle fonti

Una delle principali differenze tra sistemi generalisti e piattaforme verticali riguarda il rapporto con le fonti. Un modello generalista può produrre una risposta corretta, incompleta oppure imprecisa utilizzando informazioni provenienti da contesti molto diversi tra loro.

I sistemi progettati per applicazioni sanitarie tendono invece a limitare il perimetro delle fonti utilizzabili, privilegiando contenuti verificati e documentazione scientifica. Questo non elimina il rischio di errore, ma riduce la probabilità che informazioni prive di validazione entrino nel processo di elaborazione.

Verso un ecosistema di AI specializzate

Molti osservatori ritengono che il futuro dell'intelligenza artificiale in medicina non sarà dominato da un unico sistema universale, ma da un ecosistema di strumenti specializzati. Alcuni saranno dedicati alla ricerca bibliografica. Altri al supporto documentale. Altri ancora all'analisi di immagini diagnostiche, alla gestione dei dati clinici o all'organizzazione dei percorsi assistenziali.

In questo scenario il vero salto di qualità potrebbe non derivare da modelli sempre più grandi e potenti, ma dalla capacità di costruire strumenti addestrati per risolvere problemi specifici all'interno di contesti ben definiti. Per i professionisti sanitari la sfida non sarà quindi imparare a usare "l'intelligenza artificiale", ma comprendere quale intelligenza artificiale utilizzare, per quale attività e con quali limiti.