La prova: chiedetelo all’AI stessa
Provate a chiedere a un chatbot il turno del mese per trenta infermieri su tre turni, con i vincoli del vostro reparto. Se risponde con una tabella scritta di getto, controllatela: troverete un pomeriggio→mattina con meno di 11 ore di riposo, una notte scoperta, un part-time oltre le ore. Non è un difetto di quel prodotto: un generatore di testo produce testo probabile, non soluzioni certificate. Ma gli assistenti di oggi, quando possono eseguire codice, fanno la cosa più sensata: modellano il problema e lo passano a un risolutore di ottimizzazione. Persino l’AI generativa, per i turni, chiama un motore. Ed è qui che la prova diventa interessante, perché apre le domande vere: quale motore ha usato e chi lo garantisce; dove sono finiti nomi, assenze e limitazioni; chi aggiorna le regole il mese prossimo, quando cambia l’accordo aziendale o arriva una nuova idoneità; chi risponde di un vincolo violato; come il piano arriva alle presenze, al portale e all’app di chi lavora. Un esperimento riuscito non è un sistema.
Vincoli hard e soft: la differenza che non perdona
Chi pianifica lo sa: i vincoli non sono tutti uguali.
- I vincoli hard non si superano mai: riposo di 11 ore, coperture minime per fascia e competenza, un turno al giorno, sequenze vietate. Un piano che ne viola anche uno solo non può essere validato: se l’organico non basta, la scopertura va vista e decisa, non nascosta.
- I vincoli soft si possono violare, ma a un prezzo: desiderata, distribuzione equa di notti e festivi, sequenze sostenibili. Ogni violazione pesa, e il piano migliore è quello che pesa meno.
Un motore di ottimizzazione tratta i primi come regole invalicabili e i secondi come penalità da minimizzare, con pesi regolabili. Un generatore di testo non distingue le due cose: per lui “quasi rispettato” e “rispettato” si somigliano. In un reparto, no.
Perché “plausibile” non basta in sanità
Il Nurse Rostering Problem è studiato da decenni dalla ricerca operativa perché è combinatoriamente esplosivo: ogni persona e ogni regola in più moltiplicano i casi. Nessuno — coordinatore o chatbot — può verificare “a occhio” ogni riposo e ogni media su un mese. Per questo la correttezza va cercata dal metodo e verificata vincolo per vincolo prima della validazione — non controllata a occhio sperando di vedere tutto.
Dove vanno i dati
Per fare un turno servono nomi, assenze, limitazioni, idoneità: dati personali, spesso dati sanitari. Con un account consumer di un chatbot le conversazioni per default vengono conservate e possono servire ad addestrare i modelli, senza un contratto di responsabile del trattamento: per il personale di un’azienda sanitaria è il contratto sbagliato, non lo strumento sbagliato. I piani business e le API escludono l’addestramento, ma restano da verificare sede dei dati, trasferimenti fuori dall’Unione europea e valutazione d’impatto. In ALISEO ES i dati non escono dalla piattaforma: il motore ottimizza dentro la tenancy della vostra azienda, nel S.a.a.S. qualificato ACN (scheda SA-4199), senza invio a modelli esterni e senza addestramento sui vostri dati. Anche quando il modello gira nel data center della Regione o dell’ente, la domanda si sposta ma non sparisce: chi fornisce e mantiene il motore dei vincoli, chi approva il piano, come arriva alle presenze e a chi lavora. Un motore documentato e un modello linguistico “sovrano” non sono alternativi: uno garantisce il piano, l’altro aiuta a chiederlo e a spiegarlo. La domanda da fare a ogni fornitore, noi compresi: quando il turno viene generato, dove vanno i dati dei turnisti, chi li tratta e con quale contratto?
Due strade, un solutore
Chi vuole «mettere l’IA» in un gestionale di turni ha davanti due strade. Partono dallo stesso punto: il gestionale, con il suo archivio di vincoli hard e soft, i tabelloni, le risorse, i preassegnamenti, le limitazioni. E arrivano allo stesso punto: i turni sul tabellone, i controlli del coordinatore, la validazione. Cambia che cosa sta in mezzo.
Nella prima strada un modello linguistico si mette in mezzo: compone il prompt con i dati e i vincoli del gestionale, sceglie un solutore e chiede il piano. Ma un solutore lo deve avere. Con i modelli di frontiera ce l’ha, e a ogni generazione i dati escono dal gestionale e si consumano token. Con un modello «sovrano» nel data center regionale non ce l’ha, finché un esperto non lo carica o lo costruisce.
Nella seconda strada il solutore è già nel prodotto: legge i vincoli dall’archivio, con i pesi regolati nel gestionale, e restituisce i turni sul tabellone senza che un dato esca. Con o senza IA, il solutore serve sempre: cambia solo chi lo fornisce, dove gira e chi mantiene i vincoli.
Gli strumenti giusti esistono (e si possono leggere)
La ricerca operativa offre famiglie di metodi maturi: la programmazione a vincoli, la programmazione lineare intera, le metaeuristiche. ALISEO ES usa il Simulated Annealing, nella versione nata dalla ricerca con l’Università di Udine, pubblicata su rivista peer-reviewed e messa alla prova sui benchmark delle competizioni internazionali INRC: il motore cerca, in un tempo prestabilito, la migliore soluzione entro i vincoli hard configurati, distribuendo equamente i soft — costruendola attorno alle richieste già inserite (turni desiderati, ferie, permessi), mai contro di esse. Il piano lo approva sempre il Coordinatore dopo i controlli di pre-validazione: finché resta un’anomalia bloccante, riposi, coperture, livelli di assistenza, il piano non avanza; le deroghe in corso di mese sono consentite e tracciate. Ogni proposta del motore è tracciata: per l’informativa ai lavoratori prevista dal decreto trasparenza e dalla legge italiana sull’IA, logica, parametri e misure di controllo sono a disposizione dell’azienda. Come funziona lo raccontiamo qui: Ottimizzare i turni con la ricerca operativa: cos’è il Simulated Annealing.
La domanda da fare a ogni fornitore
L’AI generativa è uno strumento straordinario — per scrivere, riassumere, assistere. E anche il motore di ALISEO ES è intelligenza artificiale: della famiglia giusta per questo problema. La differenza che conta non è l’etichetta “AI” sulla brochure, ma la verificabilità: quale algoritmo? è documentato? il piano è controllabile vincolo per vincolo? chi lo approva? e dove vanno i dati? Se la risposta è “algoritmi proprietari” e nient’altro, state comprando una promessa. Un’AI documentata e verificabile si riconosce da una cosa semplice: il metodo è pubblicato e il piano si controlla vincolo per vincolo. Potete leggerla.
→ Approfondisci: Ottimizzazione dei turni