Enterprise AI Readiness in Healthcare: Development and Preliminary Evaluation of a Five-Domain Survey Framework

Gli ospedali e i sistemi sanitari si stanno rivolgendo sempre più all'intelligenza artificiale, il ramo dell'informatica che consente alle macchine di apprendere dai dati e prendere decisioni. Questi strumenti promettono di aiutare i medici a diagnosticare le malattie più velocemente, gestire le risorse ospedaliere in modo più efficiente e ridurre l'onere amministrativo per il personale. Tuttavia, il semplice acquisto o la sperimentazione di un nuovo programma software non significa che un ospedale sia pronto a utilizzarlo efficacemente in tutta la sua operatività. Esiste una differenza significativa tra avere una tecnologia e avere la capacità organizzativa di usarla in modo sicuro, equo e su larga scala. Proprio come un'auto richiede non solo un motore, ma anche un conducente, carburante, strade e leggi del traffico per funzionare, un sistema di intelligenza artificiale ha bisogno di un ambiente di supporto per avere successo. Senza la giusta leadership, la qualità dei dati, il personale formato e regole chiare, anche gli strumenti più avanzati possono fallire o causare danni.

Uno studio recente di Ajmal Aminee della California State University esplora questo divario sviluppando un nuovo modo per misurare la "Prontezza all'IA Aziendale" (Enterprise AI Readiness). Invece di contare quanti progetti di intelligenza artificiale un ospedale ha avviato, il ricercatore ha chiesto ai dirigenti di valutare la preparazione complessiva della propria organizzazione in cinque aree specifiche. Lo studio ha coinvolto 150 leader provenienti da ospedali, centri medici e aziende tecnologiche, seguiti da interviste approfondite con 28 di loro. L'obiettivo era determinare se la prontezza di un ospedale in queste aree sia effettivamente collegata a come implementa l'intelligenza artificiale, con quanta facilità possa espanderne l'uso e se ne tragga reali benefici. I risultati suggeriscono che, sebbene molte organizzazioni siano solide sulla carta per quanto riguarda strategie e governance, spesso faticano con il lavoro pratico di formazione del personale e di integrazione di questi strumenti nella cura quotidiana del paziente.

Il ricercatore ha costruito un framework basato su cinque pilastri interconnessi di prontezza. Il primo è la leadership e la strategia, che valuta se gli esecutivi abbiano un piano chiaro e le conoscenze per guidare gli sforzi di intelligenza artificiale. Il secondo è i dati, la tecnologia e l'infrastruttura, che esamina se l'ospedale disponga di dati puliti e accessibili e dei sistemi informatici necessari per far girare questi strumenti. Il terzo pilastro è la prontezza della forza lavoro e dell'organizzazione, che si concentra sul fatto che i medici, gli infermieri e gli amministratori comprendano la tecnologia e si sentano pronti a usarla. La quarta area è la governance, la sicurezza e l'intelligenza artificiale responsabile, che verifica se l'organizzazione abbia regole per proteggere la privacy dei pazienti, prevenire i pregiudizi e garantire la responsabilità. L'ultimo pilastro è l'integrazione clinica e la valutazione, che misura se gli strumenti si inseriscono fluidamente nei flussi di lavoro dei pazienti e se l'ospedale può monitorare se stiano effettivamente migliorando i risultati.

Quando il ricercatore ha analizzato le risposte al sondaggio, ha scoperto che la prontezza non era distribuita uniformemente in queste cinque aree. La leadership e la prontezza strategica hanno ricevuto i punteggi più alti, con una media di 3,89 su 5. Ciò suggerisce che gli esecutivi ospedalieri sono generalmente consapevoli dell'importanza dell'intelligenza artificiale e hanno iniziato a formulare strategie. Anche la governance e la sicurezza hanno ottenuto punteggi relativamente buoni, pari a 3,71, indicando che molte organizzazioni hanno istituito comitati e politiche per supervisionare queste tecnologie. Tuttavia, i punteggi sono scesi significativamente per gli aspetti più pratici dell'implementazione. La prontezza della forza lavoro ha raggiunto una media di 3,34 e l'integrazione clinica e la valutazione hanno ricevuto il punteggio più basso, pari a 3,29. Questo schema rivela una tendenza comune: gli ospedali sono bravi nella pianificazione e nella definizione di regole, ma sono meno preparati ad addestrare il proprio personale e a intrecciare questi strumenti nel complesso flusso in tempo reale dell'assistenza ai pazienti.

Lo studio ha anche indagato se questi punteggi di prontezza contassero per il successo effettivo. I dati hanno mostrato un forte legame tra la prontezza complessiva e tre risultati chiave: quanto fosse efficace l'implementazione dell'intelligenza artificiale, quanto fosse facile espanderne l'uso in altri reparti e se l'organizzazione percepisse di ottenere un valore reale. Le organizzazioni che hanno ottenuto punteggi più elevati in tutti e cinque i domini hanno riportato un maggiore successo nel dispiegamento di questi strumenti e nella loro scalabilità. Nello specifico, la leadership e la prontezza strategica avevano la connessione indipendente più forte con il successo dell'implementazione, seguite da vicino dalla capacità di integrare gli strumenti nei flussi di lavoro clinici. Ciò indica che avere una visione chiara dall'alto è fondamentale, ma non è sufficiente da solo; gli strumenti devono anche essere utilizzabili dalle persone in prima linea.

Per comprendere meglio i numeri, il ricercatore ha parlato con i leader che avevano partecipato al sondaggio. Le interviste hanno confermato i risultati del sondaggio ma hanno aggiunto un contesto importante. Molti leader hanno ammesso che, sebbene avessero strategie ambiziose e comitati formali, la realtà quotidiana era spesso più difficile. Hanno descritto sfide legate a sistemi di dati frammentati che non comunicavano tra loro, una mancanza di formazione specifica per il personale e la difficoltà di far sì che i nuovi strumenti si adattassero alle routine esistenti dei pazienti senza causare interruzioni. Un leader ha osservato che passare da un piccolo progetto pilota a un sistema su larga scala richiedeva molto di più che dimostrare che la tecnologia funzionasse; richiedeva dati affidabili, una chiara proprietà e un supporto costante. Un altro ha sottolineato che la governance spesso si fermava alla fase di approvazione, con meno attenzione rivolta al monitoraggio degli strumenti dopo il loro dispiegamento o alla responsabilizzazione delle persone per le loro prestazioni.

Lo studio conclude che diventare "pronti per l'IA" non è un evento singolo, ma un processo continuo di costruzione e allineamento delle capacità. Non basta che un ospedale adotti una nuova tecnologia; deve anche garantire che il suo personale sia formato, che i suoi dati siano puliti, che le sue regole siano applicate e che i suoi flussi di lavoro siano adattati. La ricerca suggerisce che molte organizzazioni sanitarie sono attualmente avanti nella strategia e nella governance, ma sono indietro nel lavoro umano e operativo necessario per far funzionare l'intelligenza artificiale nella pratica. Sebbene lo studio fornisca un framework utile per identificare questi divari, l'autore avverte che i risultati si basano su percezioni auto-riferite e necessitano di ulteriori test nel tempo. Ciononostante, i risultati offrono un messaggio chiaro per i leader sanitari: per realizzare il pieno potenziale dell'intelligenza artificiale, devono guardare oltre la tecnologia stessa e concentrarsi sulla costruzione di un'organizzazione di supporto, capace e integrata.