Raccogliere i dati è solo l’inizio: perché la digitalizzazione richiede metodo, struttura e responsabilità.
Durante il recente Meeting Nazionale WeAnimal dedicato agli Interventi Assistiti con gli Animali (clicca qui per accedere al report finale dell’evento), è emerso con straordinaria chiarezza un bisogno strutturale: il settore necessita di strumenti che permettano di progettare, documentare, osservare e valutare gli interventi con maggiore precisione.
Non si tratta di trasformare l’empatia e la relazione con l’animale in una fredda sequenza di numeri. Si tratta di fare in modo che ciò che accade in un progetto possa essere descritto, tracciato, interpretato e verificato.
È questo il principio architetturale da cui è nata IAA Dashboard, la soluzione presentata da Officina Cognitiva durante il Meeting. Non una semplice collezione di schermate e grafici, ma un ambiente progettato per dare struttura al sapere: progetti, équipe, attività, osservazioni, scadenze e documentazione.
Durante il convegno, in più di un’occasione si è allargato la prospettiva, richiamando il settore a una maggiore scientificità: più attenzione alla letteratura, ricerca rigorosa dei precedenti clinici e basi bibliografiche solide.
È un passaggio fondamentale, che però porta con sé una domanda ineludibile: se vogliamo rendere più rigoroso il modo in cui produciamo conoscenza negli IAA, quanto deve essere rigoroso anche il modo in cui raccogliamo, elaboriamo e proteggiamo i dati?
Qui la questione smette di essere puramente metodologica. Diventa digitale, organizzativa e, inevitabilmente, normativa. Ed entra nel territorio di due Regolamenti europei che chi progetta strumenti digitali non può ignorare: il GDPR e l’AI Act.
Digitalizzare significa assumersi nuove responsabilità
Un foglio di osservazione cartaceo chiuso in un cassetto, un database in cloud e un Tutor AI che genera la bozza di una relazione possono anche partire dalla stessa informazione di base. Ma dal punto di vista dell’architettura della conoscenza, non sono la stessa cosa.
Cambiano le modalità di accesso, le capacità di elaborazione, i soggetti coinvolti e le conseguenze di un errore. Soprattutto, con l’Intelligenza Artificiale cambia il modo in cui l’informazione viene interpretata per produrre nuove conclusioni.
Per questo, nel nostro Metodo Aumentato, la trasformazione digitale non inizia mai dalla domanda:“Quale software compriamo?”. Inizia da interrogativi più profondi:
- Quali informazioni dobbiamo realmente raccogliere e per quale finalità?
- Chi ne è responsabile e chi deve poterle vedere?
- Dove vengono conservate e quali fornitori entrano nel processo?
- Un sistema AI può utilizzarle? Con quali limiti?
- E, soprattutto, chi controlla ciò che il sistema produce?
GDPR: la governance del sapere, non la “norma dei cookie”
Per molte organizzazioni il GDPR è ancora percepito come una burocrazia fatta di banner e informative. È una visione riduttiva. Il Regolamento Europeo definisce invece i principi per gestire l’intero ciclo di vita del dato.
Tradotto nel linguaggio degli IAA, il principio di minimizzazione significa chiedersi perché una determinata informazione sia necessaria prima ancora di creare il campo nel gestionale. Non “raccogliamolo, potrebbe servirci”, ma “quale funzione svolge questo dato nel progetto?”. Questa distinzione modifica radicalmente il modo di progettare il software.
Proteggere i dati significa progettare correttamente finalità, accessi, sicurezza e responsabilità.
Vai alla scheda completa del GDPR →
Negli IAA la questione è delicatissima. Una piattaforma gestisce dati anagrafici, composizione delle équipe, osservazioni e, nei contesti terapeutici, dati relativi alla salute (categorie particolari tutelate dal GDPR). La conseguenza è semplice: più uno strumento diventa potente e integrato, più la sua architettura deve essere consapevole.
Privacy by design: i ruoli prima delle password
La protezione dei dati non si aggiunge “alla fine” con una password. Deve essere integrata nella struttura. In IAA Dashboard, questo si traduce nel Knowledge Engineering applicato ai ruoli:
- Il medico veterinario non necessita delle stesse informazioni dell’amministrazione.
- Il coadiutore dell’animale non deve accedere all’intera cartella clinica dell’utente.
- Il responsabile di progetto ha bisogno di una visione trasversale che altri non devono avere.
Costruire un gestionale conforme significa mappare questi ruoli e creare un modello informativo coerente con le reali responsabilità professionali. Concetti come audit trail (chi ha modificato cosa e quando) e versionamento non sono “tecnicismi IT”, ma veri e propri strumenti di qualità professionale.
Dove vive il dato: l’importanza del cloud europeo e dei provider affidabili
Ma costruire un modello informativo coerente non basta se l’infrastruttura che lo ospita è fragile o non trasparente. La gestione corretta della conservazione e della condivisione del dato è un pilastro ineludibile della governance. Quando le osservazioni sensibili di un progetto o le cartelle cliniche degli utenti vengono condivise tramite link non protetti, chat informali o salvate su server di cui non si conosce l’esatta localizzazione geografica, l’intera architettura di sicurezza crolla.
La scelta degli strumenti e dei provider tecnologici non è mai neutrale. Affidarsi a provider europei (o che garantiscano rigorosamente la residenza dei dati all’interno dello Spazio Economico Europeo e la conformità ai più elevati standard crittografici) è una scelta strategica, non solo un obbligo normativo per tutelare i diritti degli interessati. Significa assicurare che il patrimonio informativo dell’organizzazione – e la privatezza del dato altrui – non siano esposti a normative extra-europee meno tutelanti o ad accessi non autorizzati. Scegliere l’infrastruttura corretta significa posare fondamenta sicure per l’intero lavoro dei professionisti.
Poi arriva l’Intelligenza Artificiale (e l’AI Act)
Immaginiamo che il nostro gestionale IAA raccolga settimane di osservazioni, note sulle sedute e indicatori. Tecnicamente, oggi è facilissimo chiedere a un’Intelligenza Artificiale di sintetizzare questi dati e scrivere una relazione.
Ma la domanda corretta non è “L’AI sa farlo?”. La domanda è: “A quali condizioni è opportuno che lo faccia?”.
L’AI Act europeo non tratta tutta l’AI allo stesso modo, ma adotta un approccio basato sul rischio. Un assistente che riordina gli appunti di una seduta non equivale a un sistema che prende decisioni cliniche autonome. Non tutto è “ad alto rischio”, ma conta lo scopo per cui è progettato.
Governare l’AI significa comprenderne funzione, rischio, trasparenza e livello di supervisione necessario.
Vai alla scheda completa dell’AI Act →
Questa distinzione è vitale per evitare due errori opposti: pensare che l’AI sia sempre pericolosa, o pensare che ogni suo utilizzo sia equivalente e privo di conseguenze.
AI Literacy: formare alla tecnologia, non solo all’uso
C’è un aspetto dell’AI Act (Art. 4) perfettamente in linea con la filosofia di Officina Cognitiva: l’obbligo di AI Literacy (alfabetizzazione).
Non basta acquistare un abbonamento a ChatGPT. Non basta inserire un pulsante magico “Genera report” in un software. Occorre costruire competenza umana. Un professionista degli IAA deve sapere:
- Quali dati sensibili non inserire mai in un prompt generico.
- Come verificare e validare un output generato artificialmente.
- Quando l’elaborazione richiede obbligatoriamente il suo giudizio clinico o educativo.
La formazione non è un accessorio del software: è il cuore dell’AI consapevole.
Il professionista deve restare dentro il processo
L’AI può riordinare cento osservazioni, individuare ricorrenze e preparare una bozza eccellente. Ma una possibilità tecnica non coincide automaticamente con una delega professionale. Nessun pulsante dovrebbe mai rendere opaca la responsabilità umana.
Per questo, uno strumento progettato con il Metodo Aumentato rende sempre visibile la distinzione tra:
- Dato originale (l’osservazione dell’operatore).
- Elaborazione automatica (la sintesi dell’AI).
- Interpretazione e validazione (il giudizio esclusivo del professionista).
La scientificità e la tracciabilità delle fonti
Anche l’utilizzo dell’AI per la ricerca bibliografica – richiamata al Meeting WeAnimal – richiede metodo. L’AI può suggerire concetti e sintetizzare abstract in secondi, ma non può sostituire il rigore scientifico.
Scientificità significa sapere quale database è stato interrogato, con quali criteri di inclusione e quale livello di evidenza sostenga una scelta progettuale. L’AI aumenta la capacità di ricerca, non sostituisce il metodo.
Da IAA Dashboard a un principio universale
Quando abbiamo progettato IAA Dashboard, il nostro obiettivo non era fare “un software per la pet therapy”. Era rispondere a un bisogno: come dare struttura al lavoro professionale senza impoverirlo?
GDPR e AI Act aggiungono un livello di maturità a questa sfida. Ci ricordano che innovare non significa aggiungere tecnologia alla cieca, ma aumentare la capacità del professionista di lavorare con metodo, tracciabilità e consapevolezza.
La tecnologia può aumentare la nostra capacità di osservare e documentare, ma più gli strumenti diventano potenti, più servono competenza e governance.
Da dove partire?
Per un centro IAA (o qualsiasi altra organizzazione complessa) che desidera evolvere i propri strumenti digitali, il primo passo non è mai la scelta della piattaforma. Il primo passo è la mappa del processo:
Dati → Finalità → Responsabilità → Accessi → Strumenti → Elaborazioni AI → Controlli umani → Evidenze.
Solo alla fine di questo percorso arriva la tecnologia. Ed è esattamente con questa logica che Officina Cognitiva progetta sistemi capaci di aumentare l’operatività, senza mai separarla dalla responsabilità e dalla competenza umana.
Vuoi scoprire come applicare il Metodo Aumentato alla tua organizzazione o ai tuoi progetti IAA?