L’ingresso in medicina dell’intelligenza artificiale agentica non rappresenta un semplice avanzamento tecnologico,
ma un cambiamento del rapporto tra sapere, decisione e responsabilità clinica

L’intelligenza artificiale agentica rappresenta un’evoluzione rispetto ai tradizionali sistemi di supporto decisionale.
Non si limita ad analizzare dati o formulare raccomandazioni ma può pianificare attività, coordinare strumenti e predisporre sequenze di azioni.
In ambito sanitario questa capacità può migliorare l’organizzazione dell’assistenza, ma anche modificare il rapporto tra conoscenza, decisione e responsabilità clinica.
Le prove disponibili sono ancora preliminari: le applicazioni studiate risultano prevalentemente sperimentali e dispongono di una validazione clinica limitata.
La medicina generale potrebbe essere particolarmente interessata da questa trasformazione. Un agente integrato con Fascicolo Sanitario Elettronico, agenda e sistemi prescrittivi potrebbe ricostruire la storia clinica, individuare informazioni rilevanti, segnalare possibili urgenze e preparare visite o richieste diagnostiche. In questa configurazione l’IA potrebbe ridurre il tempo necessario per raccogliere e organizzare i dati, consentendo al medico di concentrarsi sulla loro interpretazione.
Il beneficio può tuttavia trasformarsi in delega implicita. Se il sistema classifica quotidianamente i casi, stabilisce priorità e presenta percorsi già organizzati, il medico può essere indotto a verificare meno le informazioni originali. La decisione resta formalmente umana, ma viene formulata entro un campo di alternative selezionato dalla macchina.
Questo fenomeno, definibile come compressione dell’agency clinica, è collegato all’automation bias, cioè alla tendenza ad affidarsi eccessivamente alle indicazioni automatizzate.
La delega ripetuta può inoltre produrre offloading cognitivo e deskilling. Trasferire alcune funzioni alla tecnologia può infatti liberare risorse mentali, ma può anche ridurre l’esercizio delle competenze cliniche, decisionali e relazionali. Il problema non riguarda soltanto ciò che l’IA riesce a fare, ma ciò che il medico rischia progressivamente di non esercitare più.
Particolarmente importante è il dubbio clinico, che permette di rivalutare le ipotesi, riconoscere informazioni mancanti e considerare diagnosi alternative.
La supervisione richiede anche trasparenza. Nell’IA agentica non è sufficiente comprendere perché il sistema abbia prodotto una determinata classificazione: occorre ricostruire quali dati abbia utilizzato, quali alternative abbia escluso e perché abbia predisposto una specifica sequenza di azioni. Il medico deve poter contestare, modificare e interrompere il percorso proposto.
Una governance responsabile dovrebbe quindi prevedere responsabilità chiaramente attribuite, autonomia proporzionata al rischio, tracciabilità delle azioni, possibilità di arresto, monitoraggio nel contesto reale e formazione specifica dei professionisti. La semplice presenza di una conferma umana non è sufficiente. È necessario passare dal principio human-in-the-loop a quello human-in-command, nel quale il medico detiene il controllo sulle finalità della cura e sui passaggi clinicamente significativi.

In pratica

L'intelligenza artificiale agentica amplia la portata dell'automazione sanitaria: dai singoli output alla coordinazione di sequenze operative. La sfida consisterà nell'utilizzare la capacità operativa degli agenti senza perdere le competenze e le condizioni che rendono il giudizio clinico indispensabile. La sfida non è tecnica, ma etica, epistemologica e istituzionale. Non riguarda cosa l’IA può fare, ma chi decide, chi risponde e in base a quali valori. Se perderemo questa sfida, avremo una medicina più efficiente ma meno umana. Se vinceremo, l’IA agentica potrà diventare non un sostituto del medico, ma un alleato nella parte più difficile della cura: pensare, scegliere e prendersi responsabilità nell’inevitabile incertezza della pratica clinica.


Giampaolo Collecchia e Riccardo De Gobbi



Bibliografia essenziale

Collaco, B.G., Haider, S.A., Prabha, S. et al. The role of agentic artificial intelligence in healthcare: a scoping review. npj Digit. Med. 9, 345 (2026). https://doi.org/10.1038/s41746-026-02517-5

World Health Organization. Ethics and governance of artificial intelligence for health: guidance on large multi-modal models. Geneva: World Health Organization; 2025. ISBN 978-92-4-008475-9.

Collecchia G, De Gobbi R. AI in Clinical Practice: A Guide to Artificial Intelligence and Digital Medicine. London: Academic Press; 2024. ISBN 978-0-443-14054-9.

Collecchia G. Tra delega e perdita: il prezzo cognitivo dell'intelligenza artificiale. Recenti Prog Med. 2026;117(7-8):332-335. doi:10.1701/4743.47598

Heudel PE, Crochet H, Filori Q, Bachelot T, Blay JY. Artificial intelligence in medicine: a scoping review of the risk of deskilling and loss of expertise among physicians. ESMO Real World Data Digit Oncol. 2026;12:100693. doi:10.1016/j.esmorw.2026.100693.

Katonai G, Arvai N, Mesko B. AI and primary care: scoping review. J Med Internet Res. 2025;27:e65950. doi:10.2196/65950.

Yousefi F, Dehnavieh R, Laberge M, et al. Opportunities, challenges, and requirements for artificial intelligence implementation in primary health care: a systematic review. BMC Prim Care. 2025;26(1):196. doi:10.1186/s12875-025-02785-2.

Iannone S, Kaur A, Johnson KB. Artificial intelligence in outpatient primary care: a scoping review on applications, challenges, and future directions. J Gen Intern Med. 2026;41(2):364-373. doi:10.1007/s11606-025-09938-0