ChatGPT e infermieri: opportunità, rischi e limiti dell’IA secondo una nuova revisione
di
Maria Luisa Asta
Pubblicato il: 21/08/2026
La revisione pubblicata nel Journal of Clinical Nursing passa in rassegna la letteratura dal 2019 al marzo 2026. Gli LLM possono supportare formazione, simulazione, educazione del paziente, documentazione e attività amministrative, ma rimangono problemi di allucinazioni, bias algoritmici, privacy, responsabilità professionale e sicurezza. Gli autori chiedono verifica umana obbligatoria, alfabetizzazione all’IA e sistemi governati dalle organizzazioni sanitarie
ChatGPT e i grandi modelli linguistici non appartengono più soltanto al dibattito sul futuro della sanità. Sono già entrati nella formazione degli studenti, nella produzione di contenuti educativi, nella simulazione clinica e, almeno in forma sperimentale, nella documentazione e in alcuni processi organizzativi. La questione, quindi, non è più stabilire se l’intelligenza artificiale generativa arriverà nell’infermieristica, ma come verrà utilizzata, con quali limiti e sotto quale responsabilità professionale.
A fare il punto è la revisione narrativa “ChatGPT and Large Language Models in Contemporary Nursing”, pubblicata in Early View sul Journal of Clinical Nursing e firmata da Izabella Uchmanowicz, Heba M. Aldossary, Christopher S. Lee, Mariachiara Figura, Maria Jędrzejczyk, Gianluca Pucciiarelli e altri autori.
L’obiettivo dichiarato è sintetizzare le evidenze disponibili sulle applicazioni, i benefici, i limiti e gli aspetti di governance di ChatGPT e degli altri Large Language Models nell’infermieristica, concentrandosi soprattutto su tre ambiti: formazione, pratica clinica e gestione dei workflow.
Una revisione della letteratura dal 2019 al 2026
Gli autori hanno effettuato una ricerca strutturata in Medline tramite PubMed, Scopus e arXiv, prendendo in considerazione pubblicazioni comprese tra gennaio 2019 e marzo 2026. Sono stati inclusi studi originali sottoposti a peer review, revisioni sistematiche e di scoping, revisioni narrative e contributi di esperti che affrontavano l’utilizzo degli LLM nella formazione infermieristica, nella pratica clinica o nell’organizzazione del lavoro. Sono stati invece esclusi gli studi circoscritti esclusivamente a specialità mediche prive di implicazioni trasferibili alla professione infermieristica.
La bibliografia dell’articolo restituisce la rapidità con cui questo settore si sta sviluppando. Tra i lavori richiamati figurano studi sull’utilizzo dell’IA generativa nelle simulazioni con pazienti virtuali, sulla generazione automatizzata di documentazione clinica, sul triage, sulle diagnosi e raccomandazioni infermieristiche, sull’affidabilità di ChatGPT negli esami di abilitazione e sui problemi delle cosiddette hallucinations, cioè risposte plausibili dal punto di vista linguistico ma inesatte o completamente inventate.
Formazione infermieristica: l’IA come tutor cognitivo
Il primo grande campo di applicazione riguarda la formazione. Secondo la revisione, ChatGPT può funzionare come una sorta di scaffolding cognitivo adattivo, cioè uno strumento capace di accompagnare lo studente nell’apprendimento fornendo spiegazioni, casi clinici, domande, feedback e percorsi personalizzati in funzione delle richieste formulate.
Gli LLM possono essere utilizzati per generare scenari clinici, simulare colloqui con pazienti virtuali, costruire casi progressivamente più complessi e supportare il debriefing dopo una simulazione. La bibliografia della revisione include, tra gli altri, un trial randomizzato sull’impiego di pazienti simulati attraverso IA generativa negli studenti di Infermieristica e lavori dedicati al prompt engineering applicato al debriefing infermieristico.
L’interesse educativo è evidente: lo studente può esercitarsi senza esporre un paziente reale al rischio, interrogare il sistema più volte, modificare lo scenario e ricevere risposte immediate. L’intelligenza artificiale può quindi rendere più flessibile l’apprendimento e facilitare l’esercizio su situazioni che nella pratica clinica reale potrebbero essere rare o difficili da programmare.
Ma lo studente non deve delegare il ragionamento clinico
Proprio il vantaggio della facilità di accesso nasconde però uno dei principali rischi.
Secondo la revisione, l’utilizzo non regolamentato dell’intelligenza artificiale generativa può compromettere l’integrità accademica e lo sviluppo autonomo del ragionamento clinico. Se lo studente utilizza l’LLM per ottenere direttamente la risposta, anziché per costruire il proprio percorso di ragionamento, il sistema rischia di diventare una scorciatoia cognitiva.
Nell’infermieristica il problema assume un significato particolare. Elaborare una risposta corretta a un caso scritto non equivale infatti a essere capaci di riconoscere un deterioramento clinico reale, valutare dati discordanti, integrare le condizioni della persona con l’ambiente assistenziale e decidere in presenza di informazioni incomplete.
Per questo gli autori non propongono di escludere l’IA dalla formazione. Al contrario, sostengono la necessità di integrare nei curricula una vera AI literacy, cioè la capacità di comprendere come questi sistemi funzionano, come interrogarli, quali siano i loro limiti e soprattutto come verificarne criticamente le risposte.
Nella pratica clinica può aiutare con sintomi ed educazione del paziente
Il secondo ambito analizzato è quello clinico. Gli LLM mostrano potenzialità nel supportare alcune attività preliminari, come la raccolta e organizzazione dei sintomi o la produzione di materiali informativi destinati ai pazienti.
Un sistema di questo tipo può, per esempio, aiutare a trasformare un linguaggio medico complesso in spiegazioni più comprensibili, elaborare una prima bozza di informazioni da consegnare alla persona assistita o organizzare in forma sintetica una serie di dati clinici.
Questo potrebbe essere particolarmente utile in un contesto nel quale l’educazione sanitaria rappresenta una componente sempre più importante dell’assistenza infermieristica, soprattutto nella gestione della cronicità, nella dimissione e nei percorsi territoriali.
Il punto centrale, però, è che la risposta prodotta dall’IA deve rimanere una bozza preliminare, mai un contenuto automaticamente destinato al paziente o trasformato direttamente in decisione clinica.
Nei casi complessi l’affidabilità diminuisce
La revisione segnala infatti un limite decisivo: le prestazioni dei Large Language Models possono deteriorarsi in modo significativo nei casi clinici complessi, atipici o caratterizzati da pochi dati disponibili.
Questo rappresenta uno dei motivi per cui non è possibile attribuire a ChatGPT un ruolo autonomo nel processo decisionale infermieristico.
Un professionista può riconoscere che un'informazione manca, attribuire un peso differente a un segno clinico, considerare il contesto, rivalutare il paziente e modificare la decisione mentre la situazione evolve. Un modello linguistico, invece, elabora la risposta sulla base dei dati che riceve e delle relazioni statistiche apprese durante l’addestramento.
Se i dati sono incompleti, ambigui o non rappresentati adeguatamente nel materiale su cui il sistema è stato addestrato, aumenta la possibilità di ottenere risultati errati proprio nelle situazioni nelle quali l’affidabilità dovrebbe essere maggiore.
Il problema delle “allucinazioni”
Tra i rischi maggiormente richiamati figura quello delle hallucinations, le cosiddette allucinazioni dell’IA.
Il termine indica la capacità del modello di produrre informazioni false presentandole con una forma linguistica apparentemente plausibile e convincente. La bibliografia della revisione comprende esplicitamente studi dedicati al fenomeno delle allucinazioni nei sistemi di generazione del linguaggio.
In sanità questa caratteristica è particolarmente problematica. Una risposta grammaticalmente perfetta e strutturata con grande sicurezza può contenere una dose sbagliata, un riferimento inesistente, una correlazione clinica non dimostrata oppure un'indicazione non appropriata al singolo paziente.
Per questo gli autori sottolineano che la verifica umana non dovrebbe essere una possibilità lasciata alla prudenza del singolo utilizzatore, ma diventare un requisito obbligatorio del processo.
Documentazione infermieristica: qui l’IA potrebbe avere un impatto enorme
Probabilmente uno dei campi nei quali l’intelligenza artificiale generativa mostra le applicazioni più concrete riguarda la documentazione.
Gli LLM possono aiutare a sintetizzare informazioni, produrre bozze di documentazione standardizzata, organizzare dati già presenti nella cartella clinica, predisporre handover, comunicazioni amministrative e documenti ripetitivi. La revisione cita, tra gli altri, lavori sulla generazione automatica delle lettere di dimissione e sull’utilizzo dell’IA generativa per suggerire diagnosi e documentazione infermieristica sulla base di cartelle elettroniche di pazienti virtuali.
Il potenziale vantaggio è evidente. La documentazione assorbe una quota significativa del tempo di lavoro degli operatori sanitari e qualsiasi tecnologia capace di ridurre attività ripetitive potrebbe restituire tempo all’assistenza diretta.
Tuttavia, anche in questo caso la revisione non sostiene un’automazione senza controllo. Una nota prodotta automaticamente potrebbe riportare dati inesatti, interpretazioni non effettuate dal professionista o informazioni derivanti da un contesto differente. Ne consegue che l’infermiere deve restare responsabile della verifica finale di ciò che viene inserito nella documentazione clinica.
IA per alleggerire il workflow, non per automatizzare la responsabilità
La distinzione proposta dagli autori è quindi tra automazione del lavoro ripetitivo e automazione del giudizio.
La prima potrebbe rappresentare un vantaggio rilevante: redigere una prima bozza, sintetizzare un testo, strutturare informazioni o produrre materiale educativo può diminuire il carico amministrativo. La seconda presenta invece rischi molto maggiori, perché una decisione assistenziale non può essere ridotta alla probabilità statistica con cui un modello genera una sequenza di parole.
Per questo ChatGPT e gli altri LLM vengono descritti soprattutto come strumenti ausiliari che aumentano le capacità del professionista, non come sistemi destinati a sostituirlo.
Privacy: inserire dati clinici in un sistema pubblico non è un gesto neutro
Accanto ai problemi di accuratezza emerge quello della protezione dei dati.
La revisione evidenzia come gli obblighi previsti da normative quali il GDPR rappresentino un limite concreto all’utilizzo di piattaforme pubbliche di IA generativa nell’attività sanitaria.
Inserire in un sistema esterno informazioni identificabili relative a diagnosi, terapie o condizioni di salute può determinare problemi rilevanti di privacy e governance. Per questo gli autori indicano come preferibili soluzioni enterprise, controllate dall’organizzazione e inserite in circuiti chiusi, rispetto all’utilizzo non regolamentato di piattaforme pubbliche.
La questione non è soltanto tecnologica, ma organizzativa: l’infermiere dovrebbe sapere quale strumento sia autorizzato, quali dati possano essere utilizzati, dove vengano elaborati, se vengano conservati e chi possa successivamente accedervi.
Bias algoritmico: l’IA può riprodurre le disuguaglianze presenti nei dati
La revisione richiama inoltre il problema del bias algoritmico.
I modelli vengono addestrati su enormi quantità di dati che riflettono inevitabilmente caratteristiche, squilibri e distorsioni delle fonti originarie. Se determinate popolazioni sono poco rappresentate o sono storicamente associate a descrizioni distorte, il sistema può riprodurre tali differenze nelle risposte generate.
Nel materiale bibliografico dell’articolo sono infatti richiamati lavori dedicati specificamente al bias nei Big Data e nell’intelligenza artificiale sanitaria.
In un settore come l’assistenza infermieristica, che coinvolge direttamente popolazioni vulnerabili, anziani, persone con disabilità, minoranze e pazienti con differenti livelli culturali e linguistici, questo problema assume una particolare rilevanza.
Se l’IA sbaglia, chi risponde?
È uno degli interrogativi più delicati posti dalla revisione.
Se un sistema produce una raccomandazione errata e questa viene utilizzata in un processo assistenziale, chi è responsabile dell’errore?
Il professionista che ha accettato il suggerimento? L’organizzazione che ha adottato lo strumento? Il produttore del modello? Il soggetto che lo ha integrato nella cartella clinica?
Gli autori evidenziano come manchino ancora quadri medico-legali sufficientemente chiari per disciplinare gli errori clinici collegati all’impiego dell’intelligenza artificiale.
Proprio questa incertezza rafforza, almeno nell’attuale fase di sviluppo, la necessità che la decisione resti sotto il controllo di un professionista identificabile.
“Human in the loop”: l’infermiere deve restare dentro il processo
La formula che riassume questa impostazione è human in the loop.
Il sistema può produrre, suggerire, riordinare, sintetizzare o aiutare, ma tra l’output della macchina e la decisione clinica deve sempre esserci una persona competente che verifichi ciò che è stato generato.
Secondo la revisione, i protocolli di verifica umana dovrebbero essere obbligatori nell’utilizzo professionale degli LLM.
Non basta quindi scrivere genericamente che “l’IA può commettere errori”: devono essere progettati workflow nei quali sia chiaro chi effettua il controllo, su quali informazioni, in quale momento e con quale responsabilità.
Gli infermieri devono imparare anche a valutare l’IA
Da qui deriva una seconda raccomandazione: l’alfabetizzazione all’intelligenza artificiale dovrebbe entrare stabilmente nella formazione infermieristica universitaria e continua.
Non significa trasformare gli infermieri in programmatori. Significa insegnare loro a comprendere almeno i principi essenziali di funzionamento dei modelli, distinguere una fonte scientifica da un testo generato automaticamente, formulare correttamente una richiesta, riconoscere i limiti di un output, verificare i riferimenti e proteggere i dati personali.
L’utilizzo competente dell’intelligenza artificiale diventa quindi una nuova forma di competenza digitale professionale.
Non basta misurare quanto l’IA è accurata: bisogna capire cosa succede ai pazienti
Un ulteriore punto riguarda la ricerca futura.
Molti studi oggi valutano quanto bene un modello risponde a un esame, risolve un caso clinico, identifica una categoria diagnostica o produce un testo. Gli autori ritengono invece urgente sviluppare studi longitudinali capaci di verificare cosa accade realmente alla sicurezza dei pazienti quando questi strumenti vengono inseriti nei workflow assistenziali quotidiani.
Un sistema potrebbe infatti essere molto accurato in laboratorio e produrre risultati differenti quando viene utilizzato durante un turno, con dati incompleti, personale sotto pressione e processi organizzativi complessi.
È questa la differenza tra performance tecnologica ed efficacia clinico-assistenziale.
Il messaggio finale: ChatGPT non deve sostituire l’infermiere
La conclusione della revisione è probabilmente anche quella di maggiore interesse professionale: ChatGPT e gli altri Large Language Models dovrebbero essere considerati strumenti complementari destinati ad aumentare, e non a sostituire, il giudizio infermieristico.
L’intelligenza artificiale può aiutare a studiare, simulare scenari, produrre materiale educativo, ridurre alcune incombenze documentali e organizzare informazioni. Può probabilmente diventare un’importante infrastruttura di supporto al lavoro quotidiano.
Ma la capacità di comprendere una persona, integrare dati clinici e sociali, riconoscere un cambiamento non ancora codificato, assumersi la responsabilità della decisione e adattare l’assistenza al contesto resta una funzione professionale umana.
Ed è proprio per questo che gli autori assegnano agli infermieri un ruolo che va oltre quello di semplici utilizzatori: la professione dovrebbe partecipare direttamente alla progettazione delle regole attraverso le quali l’intelligenza artificiale entrerà nei sistemi sanitari.
La domanda, quindi, non è se gli infermieri utilizzeranno ChatGPT. In parte lo stanno già facendo. La vera questione sarà stabilire come farlo senza perdere sicurezza, responsabilità, pensiero critico e centralità della relazione assistenziale.