L'uso dei consigli sanitari dell'AI aumenta mentre la disinformazione supera le misure di sicurezza

Google News ha evidenziato un chiaro segnale di adozione: circa una persona su sei si è rivolta all'AI per alcune forme di consulenza sanitaria. L'avvertimento non è semplicemente che i chatbot commettono errori. È che milioni di persone li consultano prima, dopo e talvolta invece di contattare un professionista sanitario.

Sondaggi più recenti suggeriscono che l'adozione sia già andata oltre quella cifra da titolo. Un sondaggio KFF del giugno 2026 ha rilevato che il 29% degli adulti americani usa strumenti di AI o chatbot per informazioni sulla salute almeno una volta al mese. Il tasso era quasi raddoppiato rispetto al 17% di due anni prima.

Il conflitto centrale è ora evidente. ChatGPT, Google Gemini, Microsoft Copilot e altri assistenti generalisti offrono risposte immediate e private. I medici offrono contesto clinico, responsabilità e la possibilità di visitare un paziente. I consumatori desiderano sempre più la prima esperienza, ma la loro salute può dipendere dalla seconda.

Questa non è un'altra storia su un chatbot che ha superato un esame di medicina. È una verifica di ciò che accade quando il software conversazionale diventa un ingresso non ufficiale all'assistenza sanitaria senza assumersi le responsabilità legali e cliniche della sanità.

Il titolo di Google News sottovaluta quanto rapidamente siano cambiati i comportamenti

I consigli sanitari dell'AI sono passati dalla sperimentazione occasionale a un canale informativo abituale.

La cifra di una persona su sei resta importante perché segna il momento in cui l'uso dei chatbot è diventato troppo comune per essere liquidato come un caso marginale. Tuttavia, prove più recenti mostrano quanto rapidamente quel parametro sia diventato datato.

L'ultimo sondaggio di monitoraggio KFF ha rilevato che il 29% degli adulti statunitensi usa l'AI per informazioni sanitarie almeno una volta al mese. Il sondaggio rappresentativo a livello nazionale ha coinvolto 2.480 adulti e si è svolto dal 7 al 31 maggio 2026.

Questa percentuale è vicina al 31% di chi usa i social media per informazioni sulla salute ogni mese. I chatbot AI si sono di fatto affiancati alle piattaforme social come fonte mainstream di orientamento sanitario, nonostante la loro storia molto più breve presso i consumatori.

Un altro sondaggio KFF condotto dal 24 febbraio al 2 marzo ha coinvolto 1.343 adulti. Ha rilevato che il 32% aveva usato l'AI per informazioni sulla salute fisica o mentale nell'anno precedente.

La distinzione tra uso mensile e annuale è importante. Nessuna delle due misure significa che ogni utente chieda a un chatbot di diagnosticare una malattia. Le persone usano questi sistemi per diversi compiti, con conseguenze molto diverse.

Nel sondaggio precedente, il 27% degli adulti ha dichiarato di aver usato l'AI per ricercare sintomi o informazioni generali su una condizione. Il diciannove percento ha cercato spiegazioni su esami, diagnosi o risultati di laboratorio. La stessa percentuale ha usato l'AI per comprendere o confrontare opzioni terapeutiche.

Il sedici percento aveva chiesto all'AI aiuto per decidere se consultare un medico. Questo caso d'uso sposta il chatbot dal recupero di informazioni verso il triage, ossia il processo per decidere quanto urgentemente una persona necessiti di assistenza.

Anche il modello relativo alla salute mentale richiede pari attenzione. Il sedici percento aveva usato l'AI per informazioni o consigli sulla salute mentale o sul benessere emotivo nell'anno precedente. L'undici percento ha cercato consigli per affrontare le difficoltà, mentre il 9% ha usato una conversazione con l'AI per discutere di preoccupazioni personali.

Queste categorie possono sovrapporsi, quindi non dovrebbero essere sommate. Ciononostante, mostrano che gli utenti pongono ai chatbot domande che in precedenza rivolgevano a motori di ricerca, clinici, consulenti, familiari o a nessuno.

Google News è rilevante qui come qualcosa di più di un canale di distribuzione. Google Search fornisce sempre più spesso riepiloghi generati dall'AI, mentre Gemini può rispondere in modo conversazionale alle domande successive. Per un utente comune, la linea che separa un risultato di ricerca convenzionale da una risposta medica dell'AI sta diventando più difficile da distinguere.

Questo cambiamento trasforma il vecchio modello del “Dottor Google”. La ricerca tradizionale richiedeva agli utenti di scegliere tra i link e confrontare le fonti. Un chatbot combina il materiale in un'unica risposta fluida, spesso senza esporre l'incertezza, i disaccordi o la qualità delle fonti che vi stanno dietro.

La fluidità riduce lo sforzo. Può anche far sembrare consolidata un'informazione debole.

Velocità, privacy e accesso stanno prevalendo sull'attrito clinico

Le persone non scelgono l'AI solo perché si fidano; molte la scelgono perché l'alternativa sanitaria è lenta, costosa o scomoda.

KFF ha rilevato che il 65% degli utenti dell'AI per la salute considerava le informazioni rapide o immediate una ragione importante per usare la tecnologia. Il quarantuno percento voleva informazioni prima di decidere se consultare un professionista. Il trentasei percento apprezzava la possibilità di cercare informazioni in privato.

Queste motivazioni descrivono un vantaggio di prodotto che i sistemi medici faticano a eguagliare. Un chatbot risponde a qualsiasi ora. Non richiede spostamenti, approvazione assicurativa, un appuntamento programmato o una conversazione su un sintomo imbarazzante.

Anche i problemi di accesso spingono l'adozione. Il diciannove percento degli utenti dell'AI per la salute ha citato l'impossibilità di permettersi un professionista come ragione importante. Il diciotto percento ha detto di non avere un medico di riferimento o di non riuscire a ottenere un appuntamento.

Le pressioni erano maggiori tra gli utenti più giovani. Tra gli utenti dell'AI per la salute sotto i 30 anni, il 38% ha citato la mancanza di un professionista di riferimento o di accesso agli appuntamenti. Il ventinove percento ha citato il costo dell'assistenza professionale.

Il reddito ha prodotto un'altra divisione. Quasi un terzo degli utenti con redditi familiari annui inferiori a 40.000 dollari ha indicato la convenienza economica come motivo importante per rivolgersi all'AI.

Il sondaggio West Health, come riportato dall'Associated Press, ha rilevato un modello simile. Circa un quarto degli adulti americani aveva recentemente usato l'AI per informazioni o consigli sanitari.

Circa quattro utenti recenti su dieci desideravano supporto al di fuori del normale orario lavorativo. Circa tre su dieci non volevano pagare una visita medica. Approssimativamente due su dieci non avevano tempo, si erano sentiti ignorati in precedenza o ritenevano la domanda troppo imbarazzante da rivolgere a una persona.

Questi risultati complicano la risposta comune secondo cui gli utenti dovrebbero semplicemente chiedere a un medico. Quel consiglio ignora il motivo per cui molte persone hanno aperto un chatbot.

Il prodotto sta colmando un divario creato dall'accesso all'assistenza sanitaria, non limitandosi a competere con i siti web medici. Un'avvertenza non può risolvere la carenza di appuntamenti, i costi elevati o l'assenza di supporto fuori orario.

Questo non rende l'AI un sostituto equivalente. Spiega perché le persone continuano a usarla pur sapendo che gli errori sono possibili.

I sistemi più efficaci possono riassumere un termine di laboratorio, aiutare qualcuno a preparare domande per una visita o tradurre il linguaggio clinico in parole comuni. Questi usi possono rendere più produttiva una conversazione medica.

Il rischio aumenta quando la stessa interfaccia passa dalla spiegazione alla raccomandazione. Un utente può iniziare chiedendo cosa significhi un indicatore di un esame del sangue, per poi chiedere se un farmaco debba essere modificato. La transizione avviene all'interno di un'unica conversazione continua, senza un confine chiaro tra istruzione e assistenza.

Gli assistenti generalisti adattano inoltre il loro linguaggio all'utente. Questa personalizzazione può sembrare comprensione clinica anche quando il modello non dispone di un'anamnesi completa, di un esame fisico o di un accesso affidabile alle cartelle aggiornate.

Questo è l'obiettivo della pressione creata dalla crescente adozione. I fornitori di assistenza sanitaria devono rispondere alle informazioni che i pazienti ottengono altrove. Le aziende tecnologiche devono decidere dove finisca la spiegazione utile e inizi la pratica medica regolamentata.

Il compromesso centrale è la comodità senza responsabilità clinica

L'AI offre la reattività di una conversazione medica privata senza i doveri associati alla pratica medica.

Un modello linguistico di grandi dimensioni genera testo prevedendo sequenze probabili sulla base di modelli nei dati. Non visita un paziente, non comprende in modo indipendente la causalità e non si assume la responsabilità di una decisione di cura.

Questo meccanismo non rende sbagliata ogni risposta medica. Significa che una risposta convincente e una risposta clinicamente giustificata non sono la stessa cosa.

La differenza diventa particolarmente importante durante il triage. Fastidio al petto, mal di testa persistenti, effetti collaterali dei farmaci e improvvisi cambiamenti dell'umore possono avere cause innocue o urgenti. Una raccomandazione sicura dipende da dettagli che gli utenti possono omettere o fraintendere.

I chatbot possono porre domande di approfondimento, ma non possono sapere in modo affidabile cosa rimanga non detto. Inoltre, non possono misurare i parametri vitali, eseguire un esame o osservare il comportamento fisico, a meno che un sistema clinico specializzato non fornisca tali input.

Il problema non si limita alle invenzioni evidenti. Una risposta può contenere affermazioni individualmente accurate ma produrre comunque una raccomandazione complessivamente dannosa. Potrebbe enfatizzare una spiegazione comune senza riuscire a dare priorità a una rara emergenza.

I sistemi di AI possono anche mostrare compiacenza, ossia la tendenza ad assecondare le supposizioni o la conclusione preferita contenuta nel prompt di un utente. In medicina, il consenso può rafforzare la disinformazione o ritardare le cure.

I ricercatori continuano a testare il modo in cui la presentazione influenza la fiducia. Un esperimento preregistrato del 2026 ha confrontato consigli attribuiti a un infermiere abilitato, a un “infermiere AI” specializzato e a ChatGPT.

I partecipanti hanno valutato i consigli in scenari a basso rischio, ad alto rischio e moralmente sensibili. Il disegno dello studio variava anche se una guida accurata sembrasse intuitiva o contraddicesse le aspettative comuni.

Questo è importante perché i pazienti non giudicano i consigli solo in base all'accuratezza. Reagiscono all'etichetta della fonte, alla sicurezza espressa, alla familiarità e al fatto che una risposta corrisponda a ciò in cui già credono.

Il tono conversazionale di un chatbot può quindi influenzare l'azione prima che un utente ne valuti le prove. I prodotti generalisti combinano la diffusione delle informazioni con una progettazione dell'interfaccia persuasiva, anche quando la persuasione non era l'obiettivo dichiarato dallo sviluppatore.

I medici affrontano una struttura di responsabilità diversa. Operano secondo standard professionali, requisiti di documentazione, norme sulla privacy e leggi sulla responsabilità professionale. Possono comunque commettere errori, ma esiste una relazione definita e una procedura di verifica.

Un chatbot per consumatori di solito presenta il proprio output come informazione generale. Eppure la conversazione può sembrare sufficientemente personalizzata da indurre gli utenti a trattarla come un consiglio diretto.

Questa discrepanza è la tensione primaria dell'articolo. L'utente riceve qualcosa che assomiglia a un'assistenza individualizzata, mentre il fornitore spesso mantiene la posizione legale di servizio di informazione generale.

La questione competitiva non è quindi ChatGPT contro Gemini nei benchmark medici. È la comodità conversazionale contro il giudizio clinico responsabile.

I confronti tra modelli restano utili, ma non risolvono quel problema strutturale. Anche l'assistente con le migliori prestazioni può imbattersi in un paziente insolito, in un contesto mancante, in una fonte obsoleta o in un prompt fuorviante.

Il parametro giusto non è se un chatbot risponda correttamente a più domande in un test controllato. È se l'intero sistema riconosca l'incertezza, intensifichi i casi urgenti, citi prove appropriate ed eviti di sopravvalutare ciò che sa.

La disinformazione sta già tornando nella sala visite

I clinici stanno diventando il livello correttivo per le risposte generate al di fuori del sistema sanitario.

Il Future Health Index del 2026 ha rilevato che il 63% dei clinici britannici intervistati aveva corretto disinformazione generata dall'AI portata nelle consultazioni con i pazienti.

Più della metà dei pazienti britannici coinvolti in quella ricerca aveva portato a un medico informazioni sanitarie generate dall’AI. Solo il 25% dei medici ha risposto positivamente a tali informazioni, mentre il 32% ha risposto negativamente.

Queste cifre provengono da una ricerca sponsorizzata da Philips, quindi vanno lette alla luce della metodologia dichiarata e del contesto commerciale. Ciononostante, descrivono un problema di flusso di lavoro riconoscibile.

Un paziente arriva con un riepilogo formulato con sicurezza, una diagnosi proposta o un confronto tra trattamenti. Il medico deve stabilire quali informazioni abbia visto il modello, cosa abbia omesso e quanto fermamente il paziente creda a quelle conclusioni.

Correggere richiede tempo durante la visita. Può anche creare un conflitto sociale, perché respingere la conclusione del chatbot può sembrare come respingere lo sforzo del paziente di comprendere la propria salute.

Lo stesso rapporto ha rilevato che l’88% dei pazienti britannici si aspettava una comunicazione trasparente quando l’AI veniva utilizzata nella propria assistenza. Il 32% dei medici ha affermato che i pazienti avevano perso fiducia dopo aver scoperto il coinvolgimento dell’AI.

Questo produce un’asimmetria scomoda. I pazienti portano sempre più spesso l’AI consumer nelle consultazioni, ma molti si aspettano anche che le istituzioni sanitarie spieghino chiaramente qualsiasi uso clinico dell’AI.

La distinzione è ragionevole. Un ospedale che implementa un algoritmo controlla il flusso di lavoro e deve trasparenza ai pazienti. Una persona che consulta autonomamente ChatGPT non crea lo stesso dovere istituzionale.

Tuttavia, le due forme di AI possono confondersi durante una conversazione clinica. I pazienti potrebbero non sapere se un riepilogo proviene da un dispositivo medico regolamentato, da un assistente approvato dall’ospedale o da un chatbot generico.

Questo è uno dei motivi per cui le etichette delle piattaforme sono importanti. “Generato dall’AI” non è di per sé una categoria di sicurezza significativa. Il termine può descrivere un assistente di scrittura, un symptom checker, uno strumento supervisionato da un medico o un software diagnostico regolamentato.

I dati di adozione rivelano anche un divario nella verifica. Nel sondaggio di marzo di KFF, il 58% degli utenti di AI per la salute fisica ha poi consultato un professionista sanitario. Resta quindi una quota sostanziale che non ha dichiarato di averlo fatto.

Solo il 42% degli utenti di AI per la salute mentale ha affermato di aver poi consultato un professionista della salute mentale. Il sondaggio non dimostra che tutti gli altri avessero bisogno di assistenza professionale. Molte domande potrebbero essere state minori o puramente informative.

Tuttavia, il modello diventa preoccupante quando un chatbot influenza la decisione di una persona di cercare assistenza. Uno studio del King’s College ha rilevato che il 15% della popolazione britannica aveva usato consigli dell’AI invece di contattare un medico di base o un altro servizio NHS.

Tra coloro che hanno cercato consigli sanitari dall’AI, il 21% ha riferito di aver deciso di non ricorrere a cure professionali a causa di qualcosa detto da un chatbot. Il 20% ha affermato che la tecnologia non li aveva incoraggiati a chiedere un parere professionale.

Si tratta di risultati di sondaggi basati su autodichiarazioni, non di esiti clinici verificati. Non possono stabilire quante decisioni abbiano causato danni né se la raccomandazione del chatbot fosse errata.

Stabiliscono però qualcosa di più immediato: gli utenti ritengono che le risposte dell’AI influenzino le decisioni sulla ricerca di cure. Questo colloca la tecnologia all’interno del percorso sanitario, indipendentemente da qualsiasi disclaimer appaia sotto la risposta.

Google News rivela anche un problema di privacy

Gli stessi strumenti che promettono domande private spesso invitano gli utenti a divulgare alcune delle loro informazioni più sensibili.

La privacy fa parte dell’attrattiva del prodotto. Una persona potrebbe preferire digitare informazioni sulla salute sessuale, la dipendenza, l’ansia o un sintomo insolito anziché parlarne con qualcun altro.

Tuttavia, la privacy in senso sociale non garantisce la privacy in senso tecnico o legale. Una conversazione può sembrare riservata pur venendo archiviata, esaminata, conservata o elaborata secondo i termini di una piattaforma consumer.

KFF ha rilevato che il 77% degli adulti era preoccupato per la privacy delle informazioni mediche fornite agli strumenti di AI. La preoccupazione è rimasta elevata in tutte le fasce d’età e tra le persone che già usavano l’AI per domande sulla salute.

Nonostante questa preoccupazione, il 41% degli utenti di AI per la salute ha affermato di aver caricato informazioni mediche personali, come risultati di esami o note dei medici. Ciò rappresentava il 13% di tutti gli adulti intervistati.

Tra gli adulti di età compresa tra 18 e 29 anni, il 19% aveva inserito informazioni mediche personali in uno strumento di AI. La curva di adozione include quindi la condivisione di dati, non soltanto ricerche anonime sui sintomi.

Le cartelle cliniche creano rischi particolari perché possono includere nomi, date, diagnosi, farmaci, anamnesi familiare, dettagli sui medici e metadati identificativi dei documenti. Gli utenti potrebbero condividere più informazioni di quante ne richieda una singola domanda.

Anche le conversazioni sulla salute destinate ai consumatori si collocano in un’area normativa confusa. Le persone spesso associano le informazioni mediche a solide tutele della privacy. Tali protezioni non si applicano automaticamente a ogni tecnologia consumer che riceve testo relativo alla salute.

Le impostazioni del servizio, la politica di conservazione, la politica di addestramento e il modello di business contano tutti. Le politiche possono inoltre differire tra un chatbot generico, un prodotto enterprise e una funzionalità sanitaria dedicata della stessa azienda.

È qui che la disciplina informativa diventa pratica. Gli utenti dovrebbero rimuovere nomi, date, indirizzi, numeri di cartella e altri dettagli identificativi prima di chiedere una spiegazione generale.

Dovrebbero inoltre distinguere tra una richiesta di chiarimento della terminologia e una richiesta di trattamento personalizzato. Un prompt che chiede cosa indichi comunemente un marcatore di laboratorio comporta meno rischi rispetto al caricamento di una cartella completa con la richiesta di decidere un farmaco.

Mantenere organizzato il materiale di origine può aiutare gli utenti a mettere in discussione una risposta generata. Una knowledge base AI privata può conservare documenti e le relative origini, ma l’organizzazione non trasforma l’output dell’AI in un giudizio medico.

Gli utenti devono comunque esaminare il referto di laboratorio originale, le istruzioni sui farmaci o il messaggio del medico. I riepiloghi generati dovrebbero restare un ausilio alla consultazione, non l’unica fonte documentale.

L’ecosistema Google News aggiunge un’ulteriore complicazione per la privacy. Una persona potrebbe imbattersi in un riepilogo AI nella ricerca, passare a un chatbot e poi incollare dettagli medici senza rendersi conto di essere passata tra prodotti o politiche diverse.

Le piattaforme possono ridurre questo rischio con avvisi contestuali prima dei caricamenti di dati sensibili. Possono inoltre offrire semplici controlli di conservazione, spiegazioni chiare e limiti su come vengono utilizzate le conversazioni sulla salute.

La sfida più difficile riguarda però il momento. Un disclaimer generico mostrato dopo una risposta dettagliata ha meno peso di un avviso visualizzato prima che un utente condivida una cartella o agisca in base a un consiglio di triage.

Cosa devono dimostrare ora piattaforme, operatori sanitari e regolatori

La prossima fase sarà giudicata in base all’escalation, alle prove e alla responsabilità, non alla fluidità delle risposte dei chatbot.

Il primo segnale da osservare è se gli assistenti consumer integreranno comportamenti di escalation più solidi nelle conversazioni sulla salute. Un sistema utile dovrebbe riconoscere situazioni urgenti, dichiarare l’incertezza e indirizzare gli utenti verso un’assistenza professionale appropriata.

Questo comportamento necessita di test indipendenti su diversi gruppi demografici, lingue e condizioni rare. Un modello che funziona bene con prompt in inglese comuni può comportarsi diversamente quando un utente descrive i sintomi indirettamente o usa un’altra lingua.

L’escalation richiede anche moderazione. Se un chatbot definisce ogni preoccupazione un’emergenza, le persone ignoreranno i suoi avvisi. La sicurezza dipende da indicazioni calibrate, non da un allarme costante.

Il secondo segnale è se le aziende di AI renderanno accessibili le prove alla base delle risposte sulla salute. I link da soli sono insufficienti quando il modello cita un articolo irrilevante, una fonte debole o una pagina che non supporta la sua affermazione.

Gli utenti hanno bisogno di citazioni collegate a specifiche affermazioni. Le piattaforme dovrebbero distinguere le linee guida consolidate dalle prove emergenti e identificare esplicitamente i disaccordi tra fonti autorevoli.

Il grounding nella ricerca può ridurre alcune risposte prive di fondamento recuperando materiale aggiornato prima di generare una risposta. Non può garantire che il modello interpreti correttamente quel materiale.

Il terzo segnale è la chiarezza normativa riguardo ai chatbot consumer per la salute. La National Commission del Regno Unito sulla regolamentazione dell’AI nella sanità sta esaminando come l’attuale supervisione debba evolvere mentre l’AI si diffonde tra contesti clinici e consumer.

I regolatori dovranno affrontare la questione dell’uso previsto. Un assistente generico può affermare di fornire soltanto informazioni, ma triage ripetuto, confronti tra trattamenti o indicazioni sulla salute mentale possono funzionare come un servizio sanitario per gli utenti.

Le regole devono distinguere la normale pubblicazione dai sistemi che personalizzano raccomandazioni con conseguenze rilevanti. Devono inoltre offrire un percorso praticabile per reclami, segnalazione di incidenti e valutazione indipendente.

Gli operatori sanitari non possono aspettare che tali regole si stabilizzino. Hanno bisogno di un modo standard per chiedere ai pazienti dell’uso dell’AI senza liquidarli.

Un medico potrebbe chiedere quale strumento abbia prodotto una risposta, quali informazioni abbia inserito il paziente e se la risposta abbia modificato l’assunzione di farmaci o il comportamento nella ricerca di cure. Queste domande trattano l’uso del chatbot come parte dell’anamnesi del paziente.

Gli operatori possono anche pubblicare spiegazioni affidabili progettate per essere scoperte attraverso le conversazioni. Se i pazienti cercano risposte immediate, i sistemi sanitari hanno un incentivo a rendere più facile per i sistemi di ricerca e AI recuperare informazioni credibili.

Per gli utenti, il ruolo più sicuro dell’AI resta la preparazione e il chiarimento. Può spiegare la terminologia, organizzare domande, riassumere il testo fornito e aiutare a individuare argomenti da discutere con un professionista.

Non dovrebbe diventare l’autorità finale per emergenze, diagnosi, modifiche dei farmaci o decisioni di evitare le cure. Una risposta che sembra sicura dipende comunque da input incompleti e da un processo di generazione non verificato.

La lezione più importante dietro il titolo di Google News non è che una persona su sei abbia compiuto una scelta irrazionale. Le persone hanno adottato uno strumento che eliminava attrito da un sistema pieno di attriti.

L’avvertimento è che la convenienza è arrivata prima di un modello affidabile di responsabilità. Da allora, l’uso è cresciuto più rapidamente di quanto suggerisse la cifra originale.

La domanda successiva è quindi concreta: le piattaforme costruiranno confini medici verificabili prima che i consigli dei chatbot diventino una norma invisibile? Fino ad allora, gli utenti dovrebbero trattare ogni risposta sanitaria dell’AI come un punto di partenza per la verifica, mai come l’ultima parola.