Casi aziendali · settembre 2026

Watson Health: un miliardo bruciato e una lezione di metodo

Nel 2022 IBM ha venduto gli asset residui di Watson Health a Francisco Partners. Il prezzo, secondo il deposito SEC di IBM del primo trimestre 2022, è stato di 1,065 miliardi di dollari.

Nell'anno e mezzo precedente ne aveva spesi oltre quattro per costruirla, tra acquisizioni come Merge Healthcare, Phytel e Truven Health Analytics (che casualmente, da sola, valeva un quarto della spesa iniziale).

Dal quiz alla corsia

Nel 2011 Watson batteva a «Jeopardy!», famoso quiz televisivo, i campioni Ken Jennings e Brad Rutter, e IBM decise che il passo successivo per mettere in gioco questo portentoso sistema era provare a diagnosticare il cancro.

David Ferrucci, lo scienziato che guidò la squadra alla vittoria del quiz, avvertì che il sistema riconosceva schemi linguistici, non quadri clinici. Lasciò l'azienda l'anno dopo, quando Watson Health diventò una scommessa miliardaria in sanità.

Quanto ha pesato, sul destino del progetto, quell'avvertimento ignorato?

Al Rigshospitalet di Copenaghen gli oncologi hanno abbandonato il sistema nel 2017, perché una ricerca interna, riportata da STAT il 5 settembre di quell'anno, indicava un tasso di concordanza con i medici soltanto del 33%.

In Corea del Sud Watson ha raccomandato una chemioterapia pensata per un tumore già diffuso ai linfonodi, mentre l'oncologo aveva chiesto una valutazione senza metastasi.

Il problema non era la tecnologia in astratto, perché il sistema restava competente nei quiz. Il problema era il trasferimento di un metodo, il riconoscimento di pattern linguistici, in un dominio dove contano comorbilità, cartelle incomplete e vincoli assicurativi che nessun manuale racchiude.

I miei consigli

In giorni particolarmente convulsi dopo la presentazione di Astra di OpenAI, il mio consiglio è di tenere questo caso come promemoria: vedo schiere spostarsi come bandiere al vento da un modello all'altro, senza comprendere che sono il metodo e la costruzione del sistema a fare la differenza.

Lo strumento conta per le capacità che offre, ma queste non sono mai distribuite a 360 gradi.

Il fallimento di un progetto AI non è una condanna, ma un promemoria sul metodo, perché questo esempio ci racconta come un sistema addestrato a rispondere bene a domande chiuse non possa diventare competente su problemi aperti, e la differenza si paga in fiducia dei clienti, prima ancora che in bilancio.

Chi decide oggi (un'era geologica dell'AI è trascorsa dal 2022!) ha strumenti molto diversi per il supporto decisionale, ma dovrebbe pretendere dati di concordanza pubblicati e verificabili, non abstract di conferenza firmati dallo stesso fornitore, perché la trasparenza sulla validazione costa meno di un miliardo di dollari bruciato in dieci anni.

«Medicine is a science of uncertainty and an art of probability» (William Osler, dagli aforismi raccolti in Aequanimitas, 1904).