La sindrome da sostituzione algoritmica

L’artificial intelligence replacement dysfunction non figura ancora nel Dsm, il manuale diagnostico e statistico dei disturbi mentali. Ma è malessere che già esiste nelle corsie, negli ambulatori, nelle sale operatorie. Da dove viene, e come si affronta? Quale possibile antidoto?

Nei suoi occhi non c’era il piacere del ragionamento risolto, ma qualcosa di più inquieto: il sollievo di non dover decidere.

C’è un momento preciso in cui ho capito che il problema non era solo tecnico. Un giovane medico in formazione, durante una discussione di un caso clinico complesso, nel corso di un audit ha detto: “Ho già chiesto all’intelligenza artificiale (IA). Dice che è quasi certamente una polmonite atipica”. Non stava presentando un’ipotesi. Stava comunicando una certezza delegata. E nei suoi occhi non c’era il piacere del ragionamento risolto, ma qualcosa di più inquieto: il sollievo di non dover decidere.

Quella scena mi ha spinto a esplorare un concetto che circola sempre più nelle conversazioni tra professionisti sanitari e studiosi del lavoro: la artificial intelligence replacement dysfunction (Aird). Non si tratta di una diagnosi ufficiale – non la troverete nel Dsm-5 né nell’Isd-11, la classificazione delle malattie dell’Oms – ma di un costrutto emergente che cerca di dare un nome a qualcosa di reale e di clinicamente rilevante: il disagio psicologico, identitario e professionale che insorge quando il medico percepisce le proprie competenze come sorpassate, ridondanti o sostituibili da un algoritmo.

Scrivo questo articolo in continuità con due riflessioni già apparse su questa rivista: una sull’identità professionale del medico nell’era degli algoritmi e una sulla formazione medica al tempo dell’IA. Se in quei contributi il tema del deskilling e del conformismo algoritmico veniva trattato come fenomeno di sistema – da governare con policy, curricula e tutele legali – qui voglio scendere a un livello più intimo: il costo soggettivo di quei processi sulla psiche del professionista, sulla sua identità, sulla sua capacità di stare nella propria professione.

La Aird nasce nello questo spazio tra l’investimento identitario ultra-decennale e la percezione – reale o amplificata – che quell’investimento stia perdendo valore.

Un’identità costruita su un decennio di sacrifici

Per capire la portata della Aird in medicina, bisogna partire da una premessa che spesso viene trascurata nel dibattito sull’IA: nessuna professione ha un rapporto con la propria identità professionale paragonabile a quello del medico.

Sei anni di università, quattro o cinque di specializzazione, anni di guardie notturne, decisioni prese in condizioni di stanchezza e incertezza, errori che pesano, diagnosi difficili portate a casa la sera. Tutto questo sedimenta qualcosa di più profondo di una competenza tecnica: costruisce un’identità. “Sono un medico”, “Sono un cardiologo”, “Sono un chirurgo” non è una qualifica: è una risposta alla domanda fondamentale su chi si è.

Quando un sistema di IA diagnostica un’aritmia complessa in tre secondi con precisione superiore alla media degli specialisti, o quando un algoritmo di imaging identifica pattern radiologici sottili che l’occhio esperto avrebbe potuto perdere, non accade solo qualcosa di tecnico. Accade qualcosa di esistenziale: il fondamento su cui quell’identità era costruita – la conoscenza difficile, l’esperienza incarnata, il giudizio affinato negli anni – viene improvvisamente messo in discussione.

La Aird nasce esattamente qui, in questo spazio tra l’investimento identitario ultra-decennale e la percezione – reale o amplificata – che quell’investimento stia perdendo valore.

Come si manifesta: dalla paralisi decisionale all’atrofia del giudizio

La letteratura emergente sulla Aird – con studi pubblicati tra il 2025 e il 2026 su riviste come Cureus Journal of Medical Science e attraverso analisi qualitative su professionisti sanitari – descrive un quadro articolato di manifestazioni psicologiche che vale la pena leggere non come patologia individuale, ma come risposta adattiva (e in parte maladattiva) a una trasformazione strutturale del lavoro.

Il primo segnale è la paralisi decisionale: la tendenza crescente a delegare ogni scelta all’algoritmo, perdendo progressivamente l’abitudine al pensiero critico autonomo. Non si tratta di pigrizia, ma di una forma di difesa: se decide l’algoritmo e l’algoritmo sbaglia, la responsabilità è almeno condivisa; se decido io e sbaglio, la responsabilità è soltanto mia. Il paradosso – già discusso nel dibattito sul conformismo algoritmico – è che questo meccanismo di autodifesa erode proprio la capacità di esercitare quel giudizio autonomo che la professione richiede nei casi in cui l’IA non può arrivare.

Il secondo segnale è l’ansia da obsolescenza: il timore cronico che le proprie competenze diventino irrilevanti, che il percorso formativo vissuto perda retroattivamente di senso. Questa forma di ansia è particolarmente insidiosa perché non si risolve con l’aggiornamento: il medico può formarsi sull’IA quanto vuole, ma sa che la velocità dell’evoluzione tecnologica supererà sempre quella della formazione umana. È un’ansia strutturale, non contingente.

Il terzo segnale – forse il più pericoloso sul piano clinico – è l’atrofia delle abilità. La radiologia offre già un esempio concreto: il radiologo che si abitua a validare le letture automatiche rischia di perdere quell’occhiometria clinica – la capacità di cogliere pattern sottili o anomalie marginali che l’IA cataloga come irrilevanti – che si costruisce solo con migliaia di ore di osservazione autonoma. Quando l’algoritmo fallisce, e prima o poi accade, il radiologo potrebbe non avere più gli strumenti per recuperare autonomamente. Si innesca un circolo vizioso: più dipendenza dall’IA, meno competenza; meno competenza, più dipendenza.

A questi tre segnali si aggiunge un quarto, che chiamo solitudine decisionale: il medico resta l’unico responsabile – legalmente, eticamente, emotivamente – di decisioni che vengono sempre più generate o influenzate da sistemi che non condividono quella responsabilità. È un’asimmetria logorante: l’IA propone, il medico risponde. L’IA non prova rimorso per un errore; il medico porta quel peso per anni.

Il lavoro “denso”: quando l’IA satura invece di liberare

C’è un paradosso che merita attenzione perché contraddice la narrazione dominante sull’IA come tecnologia che “libera tempo”. Nella pratica clinica quotidiana, l’integrazione degli strumenti algoritmici sta producendo spesso l’effetto opposto: una densificazione del lavoro cognitivo che non allenta la pressione, ma la intensifica.

Il meccanismo è questo: l’IA assorbe i compiti più routinari e ripetitivi – l’anamnesi strutturata, la codifica, la ricerca bibliografica, la stesura di referti standard – che in passato fungevano da pause cognitive implicite, momenti di decompressione tra una decisione complessa e la successiva. Quello che resta al medico è esclusivamente la frontiera decisionale ad alta intensità: i casi ambigui, le scelte difficili, le conversazioni emotivamente cariche con i pazienti. Senza la valvola di sfogo dei compiti semplici, il lavoro diventa denso nel senso letterale del termine: compresso, senza spazio.

La sociologia del lavoro chiama questo effetto ratchet effect – la ruota del criceto: ogni accelerazione garantita dall’IA diventa immediatamente il nuovo standard minimo atteso: se l’algoritmo permette di vedere il doppio dei pazienti, presto sarà quello il benchmark implicito. La produttività aumenta, ma il margine di respiro scompare. È ciò che Byung-Chul Han chiama la “società della prestazione”: non un sistema che impone la fatica dall’esterno, ma uno in cui il professionista interiorizza la norma della produttività assoluta fino all’autoesaurimento.

Per il medico, questo si traduce in una forma specifica di burnout che non viene ancora riconosciuta come tale: non l’esaurimento da troppo lavoro nel senso classico, ma l’esaurimento da densità decisionale continua, senza interruzione, senza la lentezza riparativa che la medicina ha sempre, implicitamente, richiesto.

Non è un problema individuale: è una questione di sistema

Il rischio di fronte a queste manifestazioni è di patologizzare la risposta individuale invece di interrogare la struttura che la produce. Dire che un medico soffre di AIRD non può diventare un’etichetta diagnostica che riconduce il problema alla fragilità del singolo. È una trappola che la psicologia del lavoro conosce bene: quando un sistema genera disagio diffuso, il sistema tende a trasformarlo in problema personale da trattare con resilienza, coaching, mindfulness.

Il disagio che la Aird descrive è, invece, una risposta ragionevole a una trasformazione strutturale che procede senza governance adeguata. Il medico che avverte paralisi decisionale non è un professionista debole: è un professionista razionale che ha capito che le regole del gioco sono cambiate, che il sistema di incentivi e responsabilità non è stato aggiornato, e che le tutele per chi esercita il giudizio clinico autonomo – specialmente quando diverge dall’algoritmo – sono ancora largamente assenti.

Le ricerche più recenti sulla gestione algoritmica in sanità convergono su un punto: l’impatto psicologico dell’IA dipende enormemente dalla cultura organizzativa in cui viene introdotta. In contesti in cui l’IA è calata dall’alto come strumento di efficienza, senza spazi di autonomia professionale e senza meccanismi di override riconosciuti e tutelati, i sintomi della Aird sono più marcati e si accompagnano a quello che gli studiosi chiamano moral distress: l’angoscia di chi sa cosa sarebbe giusto fare ma non si sente libero di farlo.

Cosa serve: non resilienza, ma condizioni

Se l’Aird è in larga parte una risposta strutturale, le risposte non possono essere solo individuali. Dico questo non per sminuire l’importanza del lavoro psicologico sul professionista – che può essere necessario – ma per evitare che l’attenzione al benessere del singolo diventi un alibi per non affrontare le condizioni di sistema.

Sul piano formativo, la proposta che già avanzavo nel precedente articolo su questa rivista resta centrale: costruire prima il ragionamento clinico autonomo, poi introdurre l’IA come consulente da interrogare criticamente, non come oracolo da seguire. Ma a questo va aggiunta una dimensione esplicitamente psicologica nei curricula: spazi per elaborare il cambiamento identitario, per discutere il significato del lavoro medico nell’era degli algoritmi, per costruire consapevolezza di sé come professionisti che non si esauriscono nella competenza tecnica.

Sul piano organizzativo, serve introdurre quello che potremmo chiamare il diritto alla lentezza clinica: la protezione istituzionale di quegli spazi di riflessione, discussione di caso e ragionamento non algoritmico che la densità del lavoro tende a erodere per primi. Come i piloti hanno simulatori con l’autopilota spento – e questo è obbligatorio per mantenere la certificazione – i medici hanno bisogno di pratiche deliberate in cui il giudizio clinico venga esercitato senza rete, non come nostalgia del passato, ma come manutenzione di una competenza irrinunciabile.

Sul piano legale e deontologico, il nodo rimane aperto: disallinearsi dall’algoritmo non può continuare a essere più rischioso legalmente che seguirlo acriticamente. Servono protocolli che riconoscano formalmente l’override umano come parte integrante – e non come eccezione sospetta – del processo decisionale clinico. La professione medica deve contribuire attivamente a scrivere questa giurisprudenza, prima che la scrivano altri al suo posto.

Il medico come clinico della Aird: riconoscerla negli altri

Fin qui ho parlato del medico come soggetto che vive l’Aird. Ma c’è una seconda prospettiva, altrettanto rilevante per chi lavora in sanità: quella del medico che incontra la Aird nei propri pazienti, perché il disagio da sostituzione algoritmica non è esclusivo della professione medica. È trasversale a tutte le professioni ad alta densità cognitiva che stanno attraversando la stessa transizione: avvocati, architetti, giornalisti, analisti finanziari, insegnanti, ingegneri del software. Professionisti che arrivano in ambulatorio con sintomi che, letti fuori contesto, rischiano di essere fraintesi.

Il quadro clinico che il medico si troverà davanti è spesso sfumato e aspecifico: insonnia, difficoltà di concentrazione, senso di inutilità, calo della motivazione, irritabilità, talvolta un appiattimento affettivo che non soddisfa i criteri di una depressione maggiore ma che compromette significativamente la qualità di vita. Il paziente riferisce di sentirsi “fuori posto”, di non riuscire a trovare senso nel proprio lavoro, di provare una forma di vergogna difficile da articolare – come se ammettere di sentirsi minacciato da una macchina fosse di per sé una sconfitta.

L’Aird non è ancora un’entità diagnostica autonoma, ma riconoscerla come fenomeno distinto aiuta a orientare l’intervento in modo più mirato.

Quello che rende l’Aird clinicamente insidiosa è precisamente questa componente di vergogna. A differenza del burnout classico – socialmente riconosciuto, quasi nobilitato in certi ambienti come segno di dedizione eccessiva – il disagio da sostituzione algoritmica porta con sé un giudizio implicito: “non sei stato abbastanza bravo da restare insostituibile”. È un’attribuzione interna che alimenta ruminazione, ritiro sociale e, nei casi più gravi, una paralisi che impedisce qualsiasi tentativo di adattamento.

Il medico che incontra questo quadro deve resistere a due tentazioni opposte. La prima è la sottovalutazione: liquidare il disagio come “stress lavorativo generico” o come reazione esagerata a un cambiamento tecnologico inevitabile. La seconda è la medicalizzazione affrettata: inquadrare il sintomo in categorie nosografiche esistenti – disturbo d’ansia generalizzata, episodio depressivo, disturbo dell’adattamento – senza cogliere la specificità del contesto che lo genera. L’Aird non è ancora un’entità diagnostica autonoma, ma riconoscerla come fenomeno distinto aiuta a orientare l’intervento in modo più mirato.

In termini pratici, l’anamnesi deve includere domande dirette sul contesto lavorativo e sul rapporto con gli strumenti tecnologici introdotti nell’ultimo periodo: come è cambiato il lavoro negli ultimi uno-due anni? Ci sono stati cambiamenti nei processi, nelle responsabilità, negli strumenti? Come si sente rispetto al proprio ruolo? Ha la sensazione che le sue competenze siano riconosciute? In molti casi, bastano poche domande mirate per far emergere una narrativa che il paziente non avrebbe spontaneamente collegato al proprio malessere fisico o psicologico.

Sul piano dell’orientamento, le evidenze disponibili – ancora preliminari, dato che il campo è in costruzione – suggeriscono tre direzioni. La prima è la ristrutturazione dell’identità occupazionale: aiutare il paziente a ridefinire il proprio valore professionale non più in base alla produzione di un output (che l’IA replica o supera), ma in base al giudizio, alla relazione, alla capacità di orientarsi nella complessità. Non è un esercizio retorico: è un lavoro concreto di riposizionamento identitario che richiede tempo e, spesso, un supporto psicologico strutturato.

La seconda direzione riguarda la diversificazione delle fonti di significato: quando l’identità è stata costruita intorno a una sola dimensione – “sono un professionista di questo settore” – la minaccia percepita a quella dimensione si traduce in una minaccia all’intera persona. Sostenere il paziente nel coltivare relazioni, interessi e pratiche che non passino dallo schermo o dall’algoritmo non è un consiglio banale: è una forma di profilassi psicologica concreta, documentata nella letteratura sul benessere occupazionale.

La terza direzione – spesso sottovalutata – è la validazione del disagio come risposta ragionevole. Il paziente che sente minacciata la propria professione dall’IA non sta esagerando: sta leggendo correttamente una trasformazione reale. Dirgli che “l’IA è solo uno strumento” o che “basta aggiornarsi” è, oltre che clinicamente inefficace, semplicemente falso. Il riconoscimento del disagio come risposta adeguata a una situazione oggettivamente difficile è il primo passo per aiutare il paziente a muoversi, invece di restare paralizzato dalla vergogna di provarla.

L’Aird non è il problema di qualcuno. È il segnale di una transizione che stiamo attraversando senza ancora sapere dove ci porta. Nominarlo, come primo passo, è già un atto clinico.

Il medico che produce senso

Torno al giovane medico che ho citato all’inizio. Il suo sollievo nel delegare la diagnosi all’algoritmo non era pigrizia: era il segnale di un sistema formativo che non lo aveva preparato a vivere l’incertezza come condizione normale, non come problema da risolvere velocemente scaricando la responsabilità su uno strumento.

L’IA è straordinariamente brava a ottimizzare ciò che è già noto, a trovare pattern in grandi dataset, a proporre probabilità statisticamente fondate. Ma la medicina è applicazione di conoscenza generale a casi singolari, irripetibili, situati in biografie, relazioni e contesti che nessun dataset può contenere per intero. Il paziente e l’IA producono dati; il medico produce senso.

Questo non è un appello romantico alla medicina del passato. È una rivendicazione concreta di ciò che la professione medica deve preservare – e che le istituzioni sanitarie, le università e le organizzazioni professionali hanno il compito di proteggere – per non ritrovarsi, tra dieci anni, con generazioni di medici tecnicamente competenti nell’usare l’IA e incapaci di farne a meno.

L’Aird non è il problema di qualcuno. È il segnale di una transizione che stiamo attraversando senza ancora sapere dove ci porta. Nominarlo, come primo passo, è già un atto clinico.

Giuseppe Zanini
Direttore dell’Unità operativa semplice a valenza dipartimentale Formazione
Aulss 7 Pedemontana

Leggi anche

Il medico e il margine del valore umano con l’IA

Decidere nell’incertezza e governare l’algoritmo: intervista a Giuseppe Zanini

La formazione medica al tempo degli algoritmi

Come integrare l’intelligenza artificiale senza perdere il giudizio clinico e le competenze: Giuseppe Zanini