Preparare una cartella prima della visita, ricostruire una storia clinica dispersa in decine di documenti, cercare un’informazione necessaria a compilare un registro. Una parte del lavoro sanitario si consuma in queste attività, spesso poco visibili, che richiedono attenzione e competenza ma lasciano meno spazio alla relazione con il paziente.
È su questo terreno che diventano interessanti i casi raccolti da Anthropic sull’utilizzo di Claude nelle organizzazioni sanitarie. Esperienze diverse, accomunate dal tentativo di ridurre la distanza tra un bisogno concreto e la capacità di costruire una soluzione utilizzabile.
Sono testimonianze pubblicate dal fornitore tecnologico, da leggere come esperienze aziendali. Offrono però spunti utili per capire dove l’adozione dell’AI stia prendendo forma.
In Epic, secondo quanto racconta Seth Hain, responsabile della ricerca e sviluppo, oltre metà dell’utilizzo interno di Claude Code proviene da persone che non sono sviluppatori. Tra gli esempi c’è un farmacista che ha realizzato un prototipo interattivo di nuove funzionalità per MyChart, rendendo la propria idea immediatamente esplorabile dai colleghi. Il caso Epic.
Mi sembra un passaggio rilevante. Chi conosce un problema può oggi partecipare più direttamente alla costruzione della risposta, mostrando qualcosa che funziona abbastanza da essere discusso, corretto e migliorato. Resta naturalmente la distanza tra un prototipo e un prodotto pronto per l’uso clinico, ma cambia la qualità del confronto tra chi progetta il software e chi conosce il lavoro che quel software dovrà sostenere.
Banner Health affronta invece un problema molto familiare a chi lavora in sanità: il peso della documentazione. La piattaforma interna BannerWise utilizza Claude anche per analizzare e sintetizzare i documenti necessari alla preparazione delle cartelle, con applicazioni nella ricostruzione della storia oncologica dei pazienti. L’obiettivo dichiarato è alleggerire il carico amministrativo e recuperare tempo per l’assistenza. Il caso Banner Health.
Dietro la parola “documentazione” ci sono ore trascorse a leggere referti, mettere in ordine eventi, confrontare informazioni e ricostruire percorsi. È un lavoro necessario, che può diventare logorante quando si accumula alla fine della giornata. Aiutare il professionista a svolgerlo meglio significa intervenire su una componente concreta della sua fatica quotidiana.
Carta Healthcare porta un terzo esempio: l’estrazione delle informazioni dalle cartelle per alimentare i registri clinici. Il sistema individua gli elementi pertinenti, formula risposte e mostra i riferimenti ai documenti di origine. I professionisti incaricati della raccolta possono così dedicare più attenzione alla verifica dei dati e meno alla loro ricerca manuale. Il caso Carta Healthcare.
Anche qui la competenza clinica cambia collocazione. Serve per riconoscere un’incongruenza, interpretare un passaggio ambiguo, verificare che l’informazione estratta rappresenti davvero ciò che è accaduto al paziente. La possibilità di trovare più rapidamente un dato acquista valore quando rende più accurato e sostenibile il lavoro successivo.
Il filo comune di queste esperienze riguarda i punti in cui il lavoro si inceppa. Informazioni da riconciliare a mano, documenti da rileggere, idee che richiedono settimane prima di poter essere provate. Sono problemi che le organizzazioni conoscono già e sui quali l’AI può offrire strumenti nuovi.
Per questo credo sia utile partire da una domanda molto pratica: quali attività assorbono oggi tempo e attenzione che sarebbe meglio dedicare al giudizio professionale?
La risposta aiuta anche a valutare i progetti. Occorre capire quanto tempo venga effettivamente recuperato, quale lavoro di verifica rimanga e se il processo diventi più affidabile per chi lo utilizza.
È probabilmente qui che si giocherà una parte consistente dell’adozione: nella capacità di rendere più fluido, controllabile e misurabile il lavoro che la sanità sta cercando di migliorare da anni.
