Il decreto che prevede l’inserimento obbligatorio di una specifica percentuale di formazione ECM sull’intelligenza artificiale potrebbe sembrare l’ennesimo adempimento normativo.
È uno dei due decreti legislativi attuativi approvati in esame preliminare dal Consiglio dei Ministri il 10 giugno 2026, in attuazione della legge 23 settembre 2025, n. 132, e in coerenza con l’AI Act europeo (Regolamento UE 2024/1689). Ma pone in realtà una domanda molto più strategica: le organizzazioni sanitarie sono davvero pronte a lavorare con l’AI?
Il decreto ECM detta un principio. La vera maturità organizzativa, quella che nella letteratura internazionale si chiama “AI readiness”, resta, in larga parte, da costruire.
Indice degli argomenti
Cosa cambia con il decreto ECM
Il provvedimento si inserisce nel primo quadro normativo nazionale organico sull’AI. Per la sanità, il punto chiave è l’introduzione, all’interno dei percorsi ECM (Educazione Continua in Medicina), di contenuti dedicati all’intelligenza artificiale.
Non è un dettaglio da poco: l’ECM non è un corso qualsiasi, è il canale obbligatorio a cui è vincolato l’aggiornamento professionale di ogni medico, infermiere e professionista sanitario in Italia. Inserire l’AI in questo sistema significa renderla, di fatto, parte del percorso di aggiornamento di tutta la sanità, non di una nicchia di early adopter.
Toccherà alla Commissione nazionale per la formazione continua, istituita presso Agenas ai sensi del d.lgs. 502/1992, definire la quota del triennio formativo da destinare a questi contenuti. Il principio è già scritto; la misura esatta no, ed è un dettaglio da tenere d’occhio, perché è lì che si deciderà se la formazione sarà un tassello marginale o una componente strutturale dell’aggiornamento professionale.
I contenuti riguardano l’uso operativo degli strumenti di AI, ma anche i profili deontologici, etici e giuridici, affinché il professionista mantenga piena responsabilità clinica, in linea con il principio antropocentrico che permea l’intero impianto della legge 132/2025: la garanzia che l’AI resti uno strumento a supporto del giudizio clinico e non lo sostituisca.
Il nodo strategico: formazione non è (solo) aggiornamento
Il rischio, a questo punto, è concreto: trasformare l’obbligo in un adempimento burocratico, un corso “tampone” utile solo a maturare crediti. Sarebbe un’occasione persa. La domanda da porsi non è “come rispettiamo la quota ECM”, ma “quali competenze servono realmente” a medici, infermieri e manager sanitari per lavorare con l’AI senza deleghe improprie e senza diffidenza immotivata.
Su questo punto è utile distinguere due livelli, che il decreto ECM accenna ma non struttura in dettaglio. Il primo è l’alfabetizzazione di base: cos’è un sistema di AI, come viene addestrato, quali dati usa, quali errori può commettere. Il secondo è la formazione avanzata: la capacità di leggere criticamente un output algoritmico e di integrarlo nel proprio giudizio professionale senza subordinarlo.
In sintesi, formazione significa imparare a fidarsi dell’AI quando è giusto farlo, e a dubitarne quando è necessario.
È qui che entra il tema della cosiddetta glass box e dell’explainable AI, un nodo su cui il lavoro del nostro Explainambiguity Think Tank si è concentrato ripetutamente: non basta saper usare lo strumento, bisogna saper interpretare perché ha prodotto una certa raccomandazione, colmando lo scarto tra quello che si pensa l’AI stia facendo e quello che sta effettivamente facendo come descritto in questo nostro articolo.”
Decreto ECM: la sfida organizzativa? Readiness e cultura del dato
La formazione individuale, per quanto ben progettata, non basta se resta isolata da un percorso più ampio di cambiamento organizzativo e di utilizzo dell’AI a supporto dei processi. Lo mostra bene un fenomeno spesso sottovalutato, quello della cosiddetta Shadow AI: l’utilizzo spontaneo di strumenti di intelligenza artificiale non autorizzati dall’organizzazione, scelti dai professionisti per colmare lacune formative o accelerare le attività quotidiane.
In sanità, dove vengono trattati dati altamente sensibili e le decisioni possono incidere direttamente sulla salute delle persone, questo fenomeno espone le organizzazioni a rischi significativi sul piano della sicurezza, della protezione dei dati, della conformità normativa e dell’affidabilità clinica. Scongiurare la Shadow AI non significa vietare l’innovazione, ma governarla: offrire ai professionisti strumenti sicuri, validati e integrati nei processi, accompagnati da una formazione continua che ne favorisca un utilizzo consapevole.
Serve, per questo, un impianto organizzativo diverso. Richiede team multidisciplinari, clinici, esperti di data governance, professionisti IT, bioeticisti, coinvolti fin dalla progettazione dei percorsi formativi, non solo nella loro erogazione. E richiede, a monte, una cultura del dato: un’organizzazione che non sa gestire, integrare e proteggere i propri dati clinici difficilmente potrà formare il proprio personale a un uso realmente efficace dell’AI, perché l’affidabilità di qualsiasi sistema dipende dalla qualità di ciò che lo alimenta.
Un esempio concreto di questo approccio è rappresentato dalla piattaforma istituzionale “MIA”, finanziata tramite il PNRR e in sperimentazione da parte di Agenas, richiamata nel decreto ECM come esempio di strumento istituzionale a supporto della formazione manageriale dei dirigenti sanitari sulla gestione delle liste d’attesa e la riduzione degli sprechi. È un segnale importante: la maturità organizzativa richiesta dal decreto ECM non riguarda solo chi userà l’AI in corsia, ma anche chi dovrà governarne l’adozione a livello di sistema, con competenze diverse ma altrettanto necessarie.
Il tassello che manca: dalla formazione al change management
La formazione, da sola, non genera adozione. Le resistenze dei professionisti sanitari nei confronti dell’AI spesso non dipendono tanto dal non saper usare un determinato strumento, quanto dal fatto che l’AI cambia il flusso di lavoro, la responsabilità, in parte il ruolo professionale e richiede la necessità di “rimettersi in gioco” e di ricostruire la fiducia verso strumenti che modificano il modo stesso di prendere decisioni.
L’introduzione dell’AI nelle organizzazioni sanitarie richiede quindi percorsi di change management che accompagnino i professionisti nella revisione dei processi e nella ridefinizione dei ruoli, oltre il tempo necessario a maturare fiducia verso strumenti che cambiano lo status quo decisionale.
La maturità organizzativa è, in questo senso, il risultato dell’integrazione tra competenze, governance e gestione del cambiamento, non di una sola di queste componenti presa isolatamente.
Decreto ECM, oltre l’obbligo: la formazione come leva per l’experience-driven healthcare
Nella giusta prospettiva, tra competenze, governance e change management, la formazione deve diventare parte integrante del modo in cui professionisti e AI lavorano insieme, un terreno su cui il nostro Explainambiguity Think Tank lavora da tempo attraverso la propria attività di ricerca e divulgazione.
È un modello pensato per colmare il divario, ancora ampio nel Servizio Sanitario Nazionale, tra performance clinica ed esperienza reale del paziente. Un professionista che unisce all’uso dello strumento la comprensione critica dell’AI può utilizzarla per ridurre il carico cognitivo e organizzativo che oggi il paziente cronico sostiene da solo, il cosiddetto ‘patient effort’, rafforzando, senza sostituirla, la continuità della relazione di cura.
Una roadmap per le organizzazioni sanitarie: 3 azioni per i prossimi 6 mesi
Le organizzazioni sanitarie che vogliono arrivare preparate alla definizione della quota formativa dovrebbero muoversi su tre priorità, da avviare subito e non a percorso ECM definito.
- Mappare competenze e gap per pianificare al meglio percorsi e impegni;
2. Progettare percorsi integrati sulle tre aree del decreto ECM. Tecnico, giuridico e deontologico non vanno trattati come moduli separati e intercambiabili: vanno ancorati a casi d’uso reali dei singoli reparti, non a corsi generici validi per qualsiasi contesto clinico;
3. Costituire una cabina di regia per tale formazione, composta da HR, IT e direzione clinica. Serve un tavolo che segua i lavori della Commissione Agenas nella finestra dei 6 mesi, contribuisca a orientare la definizione della quota ECM con evidenze organizzative concrete e prepari nel frattempo l’infrastruttura dati e di governance senza la quale la formazione resterebbe teorica.
L’intelligenza artificiale non entrerà nella sanità solo perché lo impone un decreto: entrerà (in molti casi è già entrata) perché un numero crescente di decisioni cliniche, organizzative e gestionali sarà supportato da sistemi intelligenti. Ed è ragionevole attendersi che la differenza tra le organizzazioni che guideranno questa trasformazione e quelle che la subiranno dipenderà meno dal numero di crediti ECM conseguiti, e più dalla capacità di sviluppare competenze, cultura del dato, change management e modelli di governance adeguati.
Principali riferimenti bibliografici
Comunicato stampa del Consiglio dei Ministri n. 177 (governo.it);
Legge 132/2025;
Regolamento UE 2024/1689 (AI Act);
Indagine McKinsey su leader farmaceutici e medtech su adozione GenAI.
Nota sugli autori
Vincenzo Gioia è un AI innovation strategist, business e technology executive con 20 anni di esperienza su qualità e precisione nella commercializzazione di strumenti innovativi. Si occupa di epistemologia computazionale applicata al settore Healthcare e farmaceutico. Fondatore di Explainambiguity Think Tank.
Marcella Zucca è Industry Leader Data&AI e membro permanente dell’AI Program Advisory Committee della Bologna Business School. Si occupa di strategia dei dati e dell’intelligenza artificiale applicata alla sanità, con un focus sulla patient centricity e sulla governance dell’AI in ambito clinico. Membro di Explainambiguity Think Tank.
Partecipa alla community