Data product: il futuro dei dati sanitari nell’era dell’AI
Elisa Ervas
Head of Clinical Data Governance Unit

Negli ultimi anni i big data hanno generato una grande quantità di dati, spesso eterogenei, con semantiche non allineate e difficili da integrare.
Ciò di cui abbiamo bisogno, invece, è un dato di qualità (better data). Oggi i dati perdono valore molto in fretta, se non riusciamo a trasformarli rapidamente in informazioni affidabili e usabili. Nelle aziende sanitarie questo effetto è amplificato: i processi sono complessi, la domanda cresce, i vincoli sono stringenti e i sistemi informativi sono spesso stratificati nel tempo.
Senza fiducia e senza tempestività l’AI – e in particolare la GenAI – rischia di diventare un’ulteriore fonte di complessità.
Come possiamo quindi fidarci dei dati e come possiamo usarli “in tempo”?
I pain delle ASL: tra fiducia e tempo
Ogni minuto speso a cercare dati è un minuto sottratto a decisioni, miglioramento dei processi e supporto al clinico. Se osserviamo concretamente le ASL, le criticità più frequenti si concentrano su queste tre aree principali:
- Frammentazione e duplicazione: ogni Direzione, Dipartimento o progetto si costruisce il suo dato: estrazioni ad hoc, regole diverse, versioni diverse degli stessi indicatori.
- Qualità non consistente e poca trasparenza: dati clinico-amministrativi con codifiche variabili, flussi con disallineamenti, anagrafiche non riconciliate, definizioni diverse di KPI (accessi, ricoveri, DRG, ADI…).
- Ownership e accountability poco chiari: non è sempre chiaro il proprietario del dato e chi risponde di definizioni, qualità, aggiornamento e accesso.
I dati: da progetti a prodotti
È necessario passare da una logica a progetti ad una di prodotti di dato, considerando il dato come un bene finito e garantito. Il concetto di data product significa, per una ASL, avere pacchetti di dato per specifici casi d’uso e livelli di consumo e governati attraverso regole chiare, che includono definizioni condivise, qualità, tracciabilità e lineage, policy di accesso e privacy, e livelli di servizio espliciti.
La direzione è verso un modello organizzativo più evoluto: quello federato. Il punto non è dare tutto in mano a singoli progetti e nemmeno tutto in mano a un’unica cabina di regia centrale, che rallenta allo stesso modo. Le chiavi sono una data platform (non solo applicativa ma di integrazione, modellazione e accesso al dato), standard centrali e domini responsabili (ricoveri, pronto soccorso, specialistica, ADI, farmaceutica, liste d’attesa…) che costruiscono e mantengono i propri data product, in parallelo, con regole comuni.
Ciò che crea fiducia
La fiducia nasce quando ownership e regole sono chiare, e quando il dato si presenta con tutte le caratteristiche. Con i data product, la fiducia si costruisce perché:
- le regole di qualità sono parte del prodotto e non un controllo a posteriori
- la semantica clinico-organizzativa non è “nascosta nel codice” ma è esplicita
- la lineage spiega da quale fonte/trasformazione arriva il numero
- l’accesso è governato e regolamentato
Questo cambia radicalmente la relazione tra chi produce dato e chi lo consuma: un prodotto di dato che promette un servizio misurabile. Per le ASL, questo si traduce in un beneficio molto concreto: meno tempo speso in riconciliazioni, più tempo in analisi e decisioni.
Come rendere davvero utile l’AI
Come possiamo far funzionare un assistente AI in modo affidabile, verificabile e utile? Per rendere davvero utile la GenAI è necessario recuperare contesto certificato dai dati aziendali e generare risposte verificabili e tracciabili. Questo avviene tramite approcci come retrieval e grounding, che permettono di ancorare le risposte a dati affidabili. Per funzionare in modo efficace, questi sistemi richiedono dati puliti, coerenti e governati: esattamente ciò che i data product abilitano.
Il vero ROI è ridurre attrito operativo, ripetizioni, email, ticket, estrazioni manuali: cioè liberare capacità.
La prospettiva corretta dell’AI
La qualità del dato è il mezzo con cui rendiamo la sanità più capace di decidere, rispondere, programmare e migliorare.
L’AI non è il punto di partenza: è il punto di arrivo di un percorso dove il dato diventa prodotto, servizio e patrimonio condiviso.
FAQ
In ambito sanitario sta diventando sempre più chiaro che non è la quantità dei dati a fare la differenza, ma la loro qualità. Dati accurati, aggiornati e ben rappresentati, anche se meno numerosi, costituiscono infatti la base più solida per sviluppare modelli predittivi realmente utili, capaci di supportare le decisioni cliniche e organizzative e di ridurre il rischio di errori. In questa prospettiva, la qualità del dato non è solo un requisito normativo, ma un elemento fondamentale per assicurare interventi tempestivi, appropriati e realmente efficaci a beneficio di pazienti e professionisti sanitari. In Deda , li chiamiamo Better Data.
Sezione commenti:
Il commento sarà pubblicato dopo essere stato moderato dal nostro staff.