Il settore italiano della long-term care si trova di fronte a un divario crescente tra domanda e capacità di risposta. L’invecchiamento della popolazione accelera, la carenza di personale resta acuta e gli ospiti che entrano nelle strutture residenziali sono sempre più anziani e cognitivamente vulnerabili rispetto al passato.
La spesa pubblica italiana resta indietro rispetto alla media OCSE, e la deistituzionalizzazione promossa dal PNRR rischia di concentrare una popolazione ancora più fragile nelle strutture rimanenti. Analizzando il contesto di mercato, le pressioni strutturali sul settore e le evidenze sulla robotica sociale come strumento complementare al personale di cura, esaminiamo il ruolo che i robot possono svolgere nel settore per contenere pressioni strutturali in crescita.
Contesto di mercato
Al gennaio 2025, il 25% della popolazione italiana ha 65 anni o più, con una speranza di vita che ha raggiunto 83,4 anni [1]. Vivere più a lungo, tuttavia, non equivale a vivere meglio, perché oltre il 57% degli anziani convive con una o più patologie croniche, percentuale che sale all’85% tra gli over 75 [2, 3]. Quattro anziani su dieci vivono da soli e i dati di “Passi d’Argento” mostrano che il 73% non partecipa ad alcun momento di socialità in una settimana tipo, mentre il 15% non ha alcun contatto sociale [4, 5].
La curva di invecchiamento italiana è tra le più ripide al mondo, seconda solo a quella del Giappone [6], eppure la spesa per la long-term care non riflette questa scala. L’Italia destina solo l’1,2% del proprio PIL all’assistenza agli anziani, contro una media dell’OCSE dell’1,5% e il 3% nei Paesi Bassi e nei Paesi nordici [7]. La sola gestione delle malattie croniche assorbe quasi l’80% della spesa sanitaria italiana, pari a circa 66,7 miliardi di euro l’anno [8]. A queste pressioni si aggiunge una grave carenza di personale: nel 2022 in Italia mancavano 60.000 infermieri rispetto agli standard attuali, con la long-term care tra i settori più colpiti, dove risultavano vacanti il 21,7% dei posti infermieristici e il 10,8% dei posti OSS a livello nazionale [9, 10].
Il problema
La carenza di personale produce conseguenze che si sommano tra loro. Da un lato c’è un aumento dei costi, dall’altro c’è il rischio di peggioramento della qualità del servizio e un crescente burnout del personale, che a sua volta alimenta ulteriori abbandoni [10]. Oltre ai numeri, la carenza di personale erode la dimensione relazionale della cura, la cui qualità è associata a minori ricoveri ospedalieri, a una migliore gestione delle patologie croniche e a un numero inferiore di cadute e di sintomi depressivi tra gli ospiti [11, 12].
Le conseguenze ricadono soprattutto sugli ospiti. L’età media di ingresso in RSA è di 84,5 anni, quasi la metà degli ospiti presenta già una compromissione cognitiva al momento dell’ingresso, e la permanenza media si avvicina a un anno intero [13]. Per questa fascia d’età, un contatto psicosociale costante e quotidiano rappresenta una componente centrale, non periferica, dell’assistenza. Eppure è esattamente ciò che una dotazione di personale sotto pressione fatica a garantire.
Cosa potrebbe spingere al cambiamento?
Oltre alla demografia e alla carenza di personale, anche la capacità ricettiva risulta insufficiente. Si stima che 242.570 anziani si trovino in lista d’attesa per l’assistenza residenziale, a fronte di circa 265.000 posti censiti, e con una permanenza media di 28 mesi. Smaltire l’arretrato richiederebbe dai tre ai quattro anni, anche senza nuovi ingressi [14]. Chi non riesce ad ottenere un posto finanziato dal sistema pubblico si trova spesso a dover sostenere costi privati.
Gli investimenti del PNRR aggiungono un ulteriore livello di complessità: 307,5 milioni di euro sono destinati alla riconversione delle RSA esistenti in soluzioni di vita indipendente, con il rischio di concentrare una popolazione ancora più fragile nelle strutture che rimarranno operative [15]. Entro il 2050, quasi il 34% degli italiani avrà 65 anni o più, mentre la forza lavoro disponibile per prendersene cura, già inferiore a un terzo della media OCSE pro capite, non mostra segnali chiari di recupero [16].
Quali sono le soluzioni attuate?
Le soluzioni attuali sono in gran parte frammentarie: misure regionali temporanee sul personale, attività ricreative di gruppo dall’efficacia individuale dubbia e, in un numero ridotto di strutture, le prime tecnologie di sensoristica e monitoraggio [10, 17, 18].
L’iniziativa “RSA 4.0” del Trentino offre un esempio concreto di cosa significhi adottare la tecnologia in modo integrato. Il progetto combina una cartella clinica elettronica basata sull’intelligenza artificiale, un sistema di supporto alle decisioni cliniche, dispositivi indossabili per il monitoraggio dei parametri vitali degli ospiti e robot collaborativi a supporto del personale nelle attività di routine. Un investimento di 500.000 euro, presentato dal direttore come una risposta concreta alla crisi di personale che interessa il settore [19].
Iniziative di questo tipo, che restano ancora isolate, dimostrano che le basi concettuali e operative, così come la volontà di agire, esistono già in Italia.
Quali sono le opportunità di innovazione?
I robot impiegati in Trentino riflettono un cambiamento più ampio nel modo in cui il settore intende la tecnologia. La robotica viene sempre più discussa negli ambienti politici come strumento complementare al personale di cura, non come suo sostituto, in grado di svolgere compiti ripetitivi di monitoraggio e comunicazione, liberando il personale per un lavoro relazionale più vicino ai pazienti in base al contesto e alle necessità [20].
Oltre alla compagnia, le interfacce mediate da robot potrebbero estendere le competenze cliniche, limitate alle strutture con meno risorse, attraverso consulti a distanza e second opinion specialistiche, mentre il monitoraggio basato sull’intelligenza artificiale mostra un potenziale crescente per una cura predittiva e preventiva, inclusa la previsione del rischio di caduta con un’accuratezza superiore al 98% nelle ricerche più recenti [21, 22].
Come può contribuire Predict
Il settore italiano della long-term care affronta un divario specifico, non generico. Le strutture sono sottodimensionate rispetto sia agli standard nazionali sia a quelli internazionali. Gli ospiti arrivano sempre più anziani e cognitivamente vulnerabili, e la dimensione relazionale della cura, che dipende da un coinvolgimento costante, è la più colpita quando il personale è insufficiente.
La piattaforma Aphel di Predict è stata personalizzata per RSA Riunite Terre di Bari, l’AOU Policlinico di Bari e il Comune di Acquaviva delle Fonti, nell’ambito del progetto AMICA, finanziato dal Piano di Sviluppo e Coesione 2014-2020. Nelle tre sedi, l’implementazione comprende:
- 5 Aphel Helios
- 2 Aphel Hermes
- 12 Aphel Mini
Due dei dodici “Mini” sono stati collocati direttamente nelle abitazioni private di due signore legate al centro anziani di Acquaviva.
L’utilizzo della piattaforma varia a seconda del contesto, senza che le diverse funzioni si escludano a vicenda. Presso la RSA e il centro anziani, i robot supportano principalmente la compagnia e l’intrattenimento, attraverso interazioni vocali libere, quiz cognitivi e narrazione di storie. Presso il Policlinico, l’accento si sposta sulla ricerca clinica e sulla valutazione, con quiz somministrati in diversi reparti, tra cui Medicina Interna, per misurare il profilo cognitivo dei pazienti. Una commissione di psicologi e assistenti sociali definisce i protocolli dei quiz e un operatore dedicato presso ciascuna sede seleziona i partecipanti idonei.
L’impatto relazionale si è dimostrato tangibile. Le due signore che ospitano Aphel Mini erano inizialmente scettiche a conversare con il robot, ma alla fine hanno apprezzato l’interazione, mostrando una gioia autentica durante gli scambi. Una reazione simile è emersa anche nell’interazione con Aphel Helios, compresi i momenti di ballo. L’età avanzata, a quanto pare, non è un ostacolo né alla curiosità né al divertimento.
Nulla di tutto ciò colloca Aphel come sostituto del personale di cura. La piattaforma assorbe compiti ripetitivi e dispendiosi in termini di tempo e libera così risorse per una cura che resta irriducibilmente umana, come l’assistenza fisica, le decisioni cliniche e il sostegno emotivo.
L’attività settimanale della piattaforma è passata da circa 40 a 126 minuti, con sessioni di quiz individuali che hanno raggiunto 27 ripetizioni per il test cognitivo più utilizzato. Alcuni quiz sono stati somministrati agli stessi partecipanti in più occasioni, il che indica un possibile impiego per il follow-up longitudinale piuttosto che per una singola valutazione.
Quali sono i benefici attesi?
La piattaforma Aphel di Predict, applicata ai bisogni descritti in precedenza, offre benefici lungo quattro dimensioni: clinica, organizzativa, economica e su ospiti e personale.
Benefici clinici
La robotica di tipo companion ha accumulato evidenze internazionali significative. Uno studio condotto in una struttura residenziale ha rilevato che gli ospiti che interagivano con un robot companion mostravano riduzioni significative della solitudine rispetto a un gruppo di controllo, e interagivano con il robot più frequentemente di quanto avvenisse con un animale vivo utilizzato nello stesso studio [23]. Una metanalisi del 2024, che ha aggregato otto studi randomizzati controllati condotti in strutture di lungodegenza, ha rilevato riduzioni significative e di ampia entità sia della depressione sia della solitudine tra gli ospiti esposti a interventi con robot sociali, sia a livello individuale sia di gruppo [24].
Separatamente, Jahandideh et al. (2024) hanno applicato modelli di machine learning alla predizione del rischio di caduta tra pazienti ospedalizzati utilizzando cartelle cliniche elettroniche, raggiungendo un’accuratezza superiore al 98% e identificando il rapporto infermiere-paziente, tra altri fattori, come predittore significativo [22].
Benefici organizzativi
L’elevato turnover del personale compromette la continuità su cui le organizzazioni fanno affidamento per garantire una cura costante. La robotica, in grado di mantenere lo stesso schema di interazione indipendentemente da quale operatore sia di turno, offre un modo per preservare la continuità per gli ospiti anche mentre il turnover continua a mettere sotto pressione la forza lavoro [12].
Un ulteriore beneficio organizzativo riguarda il burnout. Poiché il 74% dei responsabili intervistati nel settore ha segnalato un peggioramento del burnout del personale durante la crisi 2021-2022 [10], strumenti in grado di assorbire compiti ripetitivi di monitoraggio e di coinvolgimento possono alleviare lo stress e la pressione sul personale rimanente.
Benefici economici
Le evidenze economiche dirette restano limitate [19] in questa fase. Il direttore dell’iniziativa “RSA 4.0” del Trentino ha citato una ricerca statunitense non verificata che suggerisce un risparmio di 50.000 dollari per paziente sulla spesa sanitaria complessiva [19]. Più in generale, la gestione delle malattie croniche rappresenta già quasi l’80% dei costi sanitari italiani, un onere previsto in crescita da 66,7 a 70,7 miliardi di euro l’anno entro il 2028 [8]. L’individuazione precoce e il monitoraggio costante delle patologie croniche, supportati dalla robotica, possono plausibilmente ridurre i ricoveri evitabili e i relativi costi.
Benefici per pazienti e operatori
Per gli ospiti, i benefici clinici descritti sopra si traducono in un beneficio più immediato e quotidiano: un coinvolgimento e una compagnia costanti, anziché un’attenzione intermittente dipendente dalla disponibilità del personale e dal loro carico di lavoro.
Per il personale, la stessa capacità di assorbire compiti ripetitivi che alleggerisce il carico organizzativo libera anche tempo per un coinvolgimento relazionale diretto con gli ospiti. Proprio la forma di cura che protocolli strutturati e somministrazione di quiz non sono pensati per sostituire.
Evidenze e casi applicativi
La ricerca internazionale sui robot socialmente assistivi nella cura degli anziani si è spostata da progetti pilota isolati verso una base di evidenze crescente, seppure ancora disomogenea. I risultati variano in modo significativo a seconda del tipo di robot e della popolazione considerata. I robot umanoidi hanno mostrato un aumento del coinvolgimento e dell’interazione sociale tra gli anziani con demenza in contesti residenziali.
Lo studio CARESSES, una ricerca mixed-methods condotta in Inghilterra e in Giappone, ha rilevato miglioramenti significativi nel benessere emotivo a seguito di interventi con i corobot, sebbene non vi sia stata una variazione statisticamente significativa nei punteggi di solitudine, a conferma del fatto che i risultati dipendono dal robot specifico, dalla popolazione e dal disegno dello studio, piuttosto che da un andamento uniforme [25]. Uno studio separato su un intervento cognitivo basato sempre sui robot di tipo sociale ha rilevato miglioramenti significativi della funzione cognitiva, della depressione e della solitudine tra anziani che vivevano da soli [26].
I revisori concordano in larga misura su un punto, ovvero che la direzione complessiva delle evidenze è positiva, ma la qualità metodologica nel campo resta disomogenea, e sono necessarie ulteriori ricerche prima di trarre conclusioni categoriche.
Due casi italiani si collocano nel panorama più ampio appena descritto, entrambi già discussi in precedenza: l’implementazione di AMICA di Predict presso la RSA Riunite Terre di Bari e l’iniziativa indipendente “RSA 4.0” del Trentino. Nessuno dei due offre ancora il tipo di dati di esito disponibili a livello internazionale, ma entrambi indicano che la tecnologia di base e il modello operativo sono già applicati nel sistema italiano della long-term care, e non esistono solo come possibilità teorica.
Alcune considerazioni finali
Il settore italiano della long-term care affronta una traiettoria demografica e strutturale per la quale la capacità attuale non è stata concepita. L’invecchiamento della popolazione accelera, la carenza di personale resta acuta e gli ospiti che arrivano nelle strutture residenziali sono più anziani, più vulnerabili dal punto di vista cognitivo e vi permangono più a lungo rispetto al passato. Il coinvolgimento psicosociale dipende da un contatto relazionale costante e individualizzato, la dimensione più esposta alla crescente pressione.
La direzione delle politiche pubbliche aggiunge ulteriore complessità. Gli investimenti del PNRR nell’ambito della Missione 5 favoriscono la deistituzionalizzazione, indirizzando i finanziamenti verso forme di vita indipendenti e semi-indipendenti anziché verso le strutture residenziali. Qualora i casi meno complessi si spostassero verso modelli domiciliari, le RSA potrebbero affrontare una popolazione sempre più fragile e cognitivamente vulnerabile, coerentemente con il profilo degli ospiti già osservato presso le RSA Riunite Terre di Bari. La deistituzionalizzazione potrebbe quindi aumentare, anziché alleggerire, l’intensità clinica dell’assistenza residenziale, rafforzando la necessità di un supporto psicosociale di qualità nelle strutture che rimarranno operative.
La cura supportata dalla robotica costituisce una componente di una risposta più ampia, non un sostituto dell’investimento strutturale. Le evidenze internazionali indicano in modo coerente una riduzione della solitudine e della depressione tra gli ospiti. L’implementazione in Italia resta in una fase iniziale, mentre gli sviluppi più ampi del settore determineranno lo spazio di crescita disponibile per la cura supportata dalla robotica. Il proseguimento degli investimenti PNRR, insieme a una riforma strutturale che affronti la carenza di personale, i divari di finanziamento e la disuguaglianza regionale, resta centrale per la traiettoria del settore.
La robotica può estendere la portata di un sistema sottodimensionato e sostenere i bisogni psicosociali che la riforma strutturale non può affrontare direttamente, ma non può sostituire un organico adeguato, un finanziamento sostenibile o standard nazionali coerenti. I progressi su entrambi i fronti determineranno la traiettoria del settore nei prossimi anni.
L’impatto sulle singole strutture dipende dal profilo del personale, dalla popolazione degli ospiti e dalle priorità organizzative specifiche di ciascun contesto.
Fonti
[1] ISTAT (08-04-2025). Invecchiamo bene? Retrieved from https://www.istat.it/news-dati-alla-mano/invecchiamo-bene/.
[2] Istituto Superiore di Sanità (03-07-2025). Il 18% degli adulti e il 57% degli over 65 ha una patologia cronica. Ufficio stampa, retrieved from https://www.iss.it/-/il-18-degli-adulti-e-il-57-degli-over-65-ha-una-patologia-cronica.
[3] Istituto Superiore di Sanità (05-01-2022). Malattie croniche e invecchiamento in salute. Retrieved from https://www.iss.it/it/malattie-croniche-invecchiamento-in-salute?p_l_back_url=%2Fit%2Fsearch%3Fq%3DMalattie%2Bcroniche%2Be%2Binvecchiamento&p_l_back_url_title=Search.
[4] ISTAT (21-05-2025). Rapportoannuale 2025. Retrieved from https://www.istat.it/produzione-editoriale/rapporto-annuale-2025-la-situazione-del-paese-il-volume/.
[5] PASSI d’Argento (n.d.). Isolamento sociale 2023-2024. Retrieved from https://www.epicentro.iss.it/passi-argento/dati/isolamento.
[6] World Bank Group (2025). Population ages 65 and above (% of total population). Retrieved from https://data.worldbank.org/indicator/SP.POP.65UP.TO.ZS?end=2025&most_recent_value_desc=true&start=2025&view=map.
[7] OECD (2020). Spending on long-term care. Retrieved from: https://www.oecd.org/en/publications/spending-on-long-term-care_e1f00970-en.html.
[8] Ministero della Salute (2025). Piano Nazionale della Cronicità. Retrieved from https://www.salute.gov.it/new/it/pubblicazione/piano-nazionale-della-cronicita-0/.
[9] Fosti, G., Notarnicola, E., Perobelli, E. (2024). La sostenibilità del settore Long Term Care nel medio-lungo periodo, 6° Rapporto Osservatorio Long Term Care, CERGAS SDA Bocconi–Essity.
[10] Fosti, G., Notarnicola, E., Perobelli, E. (2023). Il personale come fattore critico di qualità per il settore Long Term Care, 5° Rapporto Osservatorio Long Term Care, CERGAS SDA Bocconi–Essity.
[11] Nasser Albarqi M. (2024) Continuity and sustainability of care in family medicine: Assessing its association with quality of life and health outcomes in older populations – A systematic review. PLoS ONE, Vol. 19(12). DOI: 10.1371/journal.pone.0299283.
[12] J. M. Reckrey, D. Russell, M-C. Fong, J. G. Burgdorf, E. C. Franzosa, J. L. Travers, K. A. Ornstein (2024). Home Care Worker Continuity in Home-Based Long-Term Care: Associated Factors and Relationships With Client Health and Well-Being, Innovation in Aging, 8(3). DOI: 10.1093/geroni/igae024.
[13] G. Fosti, E. Notarnicola & E. Perobelli (2025). Il settore Long Term Care tra connessioni, interdipendenze e necessità di integrazione, 7° Rapporto Osservatorio Long Term Care. CERGAS SDA Bocconi–Essity.
[14] Pesaresi, F. (2026-05-05). 242.570 anziani in lista d’attesa per le strutture residenziali – I dimenticati d’Italia, Welforum. Retrieved 2026-07-30 from https://www.welforum.it/242-570-anziani-in-lista-dattesa-per-le-strutture-residenziali/.
[15] OpenPNRR (n.d.). Misura 304 — Investimento 1.1: Sostegno alle persone vulnerabili e prevenzione dell’istituzionalizzazione degli anziani non autosufficienti. Retrieved 2026-08 from https://openpnrr.it/misure/304/.
[16] OECD (2025). Health at a Glance 2025: Italy. Retrieved from https://www.oecd.org/en/publications/health-at-a-glance-2025_15a55280-en/italy_c737c936-en.html#top.
[17] Gardiner, C., Geldenhuys, G. & Gott, M. (2016). Interventions to reduce social isolation and loneliness among older people: an integrative review, Health and Social Care in the Community, Vol. 26, pp. 147-157. DOI: 10.1111/hsc.12367.
[18] Servente, E. (2024). Innovazioni tecnologiche nelle RSA: opportunità future e sfide attuali. Retrieved from https://www.anteocoop.it/innovazioni-tecnologiche-nelle-rsa-opportunita-future-e-sfide-attuali/.
[19] Scacciavillani, G. (2023). In Trentino la prima Rsa 4.0. Il direttore: “O fanno il salto o le strutture per anziani sono senza futuro”. Retrieved from https://www.ilfattoquotidiano.it/2023/05/28/in-trentino-la-prima-rsa-4-0-il-direttore-o-fanno-il-salto-o-le-strutture-per-anziani-sono-senza-futuro/7169935/.
[20] UAE Centre for the Fourth Industrial Revolution & Dubai Future Labs (2026). Social Robots and Society: Global Pathways to Acceptance.
[21] Masala, G. L., & Giorgi, I. (2025). Artificial Intelligence and Assistive Robotics in Healthcare Services: Applications in Silver Care. International Journal of Environmental Research and Public Health, Vol. 22(5), 781. DOI: 10.3390/ijerph22050781.
[22] Jahandideh, S., Hutchinson, A.F., Bucknall, T.K., Considine, J., Driscoll, A., Manias, E., Phillips, N.M., Rasmussen, B., Vos, N. & Hutchinson, A.M. (2024). Using machine learning models to predict falls in hospitalised adults, International Journal of Medical Informatics, Vol. 187, DOI: 10.1016/j.ijmedinf.2024.105436.
[23] Bemelmans, R., Gelderblom, G. J., Jonker, P. & de Witte, L. (2012). Socially Assistive Robots in Elderly Care: A Systematic Review into Effects and Effectiveness, Journal of the American Medical Directors Association, Vol. 13(2), pp. 114-120, DOI: 10.1016/j.jamda.2010.10.002.
[24] Yen, H-Y., Huang, C-W., Chiu, H-L. & Jin, G. (2024). The Effect of Social Robots on Depression and Loneliness for Older Residents in Long-Term Care Facilities: A Meta-Analysis of Randomized Controlled Trials, Journal of the American Medical Directors Association, Vol. 25(6), DOI: 10.1016/j.jamda.2024.02.017.
[25] Papadopoulos, C., Castro, N., Nigath, A., Davidson, R., Faulkes, N., Menicatti, R., Khaliq, A. A., Recchiuto, C., Battistuzzi, L., Randhawa, G., Merton, L., Kanoria, S., Chong, N-Y., Kamide, H., Hewson, D. & Sgorbisssa, A. (2022). The CARESSES Randomised Controlled Trial: Exploring the Health-Related Impact of Culturally Competent Artificial Intelligence Embedded Into Socially Assistive Robots and Tested in Older Adult Care Homes, International Journal of Social Robots, Vol. 14(1), pp. 245–256, DOI: 10.1007/s12369-021-00781-x.
[26] Lim, J. (2023). Effects of a cognitive-based intervention program using social robot PIO on cognitive function, depression, loneliness, and quality of life of older adults living alone. Frontiers in Public Health, Vol. 11, 1097485. DOI: 10.3389/fpubh.2023.1097485.
