Responsible use of AI in Evidence Synthesis (RAISE 2026) 1: Recommendations for practice

La traduzione del testo è stata effettuata con il supporto di OpenAI ChatGPT-5.0 (Luglio 2026), impiegato esclusivamente per la traduzione dall'inglese all'italiano del testo integrale del documento originale sopra citato. Nessun contenuto è stato generato ex novo dallo strumento di IA: il suo utilizzo si è limitato alla trasposizione linguistica del materiale originale. Il testo tradotto è stato successivamente revisionato, modificato e approvato dagli autori, che si assumono la piena responsabilità dell'accuratezza linguistica e della corrispondenza concettuale tra la versione originale e la versione italiana, nonché di qualsiasi interpretazione derivante dal presente adattamento. Il materiale originale è distribuito con licenza Creative Commons Attribution 4.0 International (CC BY 4.0); il presente adattamento e la sua traduzione rispettano i termini di tale licenza.

Si segnala che il documento RAISE originale è attualmente in fase di revisione paritaria (peer review) e potrebbe essere soggetto a ulteriori modifiche prima della pubblicazione definitiva. La presente traduzione, basata sulla versione 3 (aggiornata al 13 marzo 2026), non deve pertanto essere considerata definitiva e potrebbe richiedere aggiornamenti futuri per riflettere la versione pubblicata [English below].

Con il termine Intelligenza artificiale (IA) si possono intendere diversi tipi di automazione. La definizione più comune è definire l'IA come "tecnologie avanzate che consentono alle macchine di svolgere compiti altamente complessi in modo efficace, compiti che richiederebbero intelligenza se eseguiti da una persona". Questo include applicazioni di automazione generale, come algoritmi di machine learning basati su regole o addestrati, fino ai più recenti modelli linguistici di grandi dimensioni (Large Language Models) e agli approcci di IA generativa.

L’uso dell’IA promette di rendere la produzione di revisioni sistematiche e sintesi delle evidenze più rapida ed economica, ma porta con sé sfide cruciali per l’integrità della ricerca.

Per questo motivo è nato il progetto RAISE (Responsible use of Artificial Intelligence in evidence Synthesis), che propone ad oggi tre linee guida per garantire un uso dell'IA che sia responsabile, trasparente ed etico. Queste tre linee guida seguono obiettivi diversi:

• RAISE 1 fornisce raccomandazioni pratiche per gli otto ruoli chiave dell'ecosistema della sintesi delle prove (sintetizzatori, metodologi, sviluppatori di strumenti, editori, finanziatori e altri).
• RAISE 2 offre indicazioni su come costruire e valutare strumenti IA per la sintesi delle evidenze.
• RAISE 3 guida i ricercatori nella selezione e nell'utilizzo di tali strumenti, includendo considerazioni etiche, legali e normative.

RAISE 1

RAISE 1 propone raccomandazioni specifiche per otto ruoli distinti all’interno dell’ecosistema della sintesi delle evidenze. Le raccomandazioni sono interconnesse: tutti questi soggetti devono collaborare per sostenersi reciprocamente nella loro applicazione. Chiaramente, una stessa persona o organizzazione può ricoprire più ruoli. Le linee guida RAISE mirano quindi a creare un ponte tra ruoli e comunità diverse, favorendo l’allineamento di aspettative e standard.

Ecco le 8 figure chiave:

1. Ricercatori che conducono sintesi delle evidenze (Evidence Synthesists)

Gli Evidence Synthesists sono gli autori delle sintesi delle evidenze e sono responsabili dell'accuratezza, della qualità e della rilevanza dei risultati prodotti. Comprendono ricercatori, metodologi specializzati ed esperti di settore, che devono attenersi alle linee guida e alle buone pratiche della sintesi delle evidenze, ma non sono necessariamente responsabili della valutazione o validazione degli strumenti di IA utilizzati.

Competenze richieste:

• Conoscenza dei metodi per pianificare, condurre e riportare la sintesi delle evidenze, cioè revisioni sistematiche e metanalisi di diverso tipo.
• Conoscenza dei settori disciplinari pertinenti (ad esempio le diverse discipline sanitarie, le scienze sociali, l'ambiente, o l'epidemiologia).
• Essere in grado di classificare la ricerca scientifica ed estrarre dati dagli articoli, competenze utili anche per l'addestramento e lo sviluppo di strumenti di IA.
• Capacità di interagire con gli utilizzatori delle sintesi delle evidenze.

Non è invece richiesto che possiedano competenze approfondite sugli aspetti tecnici di funzionamento degli strumenti di IA. Le sintesi delle evidenze vengono infatti generalmente realizzate da team multidisciplinari con livelli diversi di esperienza e conoscenza degli strumenti di IA.

Raccomandazione principale: L’autore è responsabile dei contenuti, dei metodi e dei risultati della sintesi delle evidenze, compreso l’eventuale utilizzo dell’IA, le modalità di impiego e il suo impatto sul lavoro. Prima di usare strumenti di IA, è necessario valutare criticamente prestazioni, limiti e adeguatezza al contesto specifico. L’uso dell’IA deve essere motivato e dimostrare che gli strumenti adottati sono metodologicamente validi, non compromettono l’affidabilità delle conclusioni e risultano appropriati per la specifica sintesi effettuata.

2. Metodologo della sintesi delle evidenze (Evidence Synthesis Methodologist)

I metodologi della sintesi delle evidenze definiscono e aggiornano le best practice metodologiche per garantire la produzione di sintesi affidabili e rigorose. Si occupano di valutare e validare gli strumenti di IA, integrando le evidenze ottenute nelle linee guida e nelle raccomandazioni metodologiche.

Competenze richieste:

• Metodologia della sintesi delle evidenze.
• Metodi per la valutazione e la validazione degli strumenti di intelligenza artificiale destinati a specifici compiti.
• Conoscenza del funzionamento dei sistemi di IA, sufficiente per valutarne criticamente l'idoneità e l'applicabilità.

Raccomandazione principale: Devono promuovere attivamente pratiche di Open Science, per esempio pubblicando i risultati delle valutazioni degli strumenti di IA (anche quelli negativi) e utilizzando comparatori appropriati, per empio adottando le best practice più recenti, usando un essere umano come gold standard, o un altro sistema di IA che è già stato valutato rispetto alle best practice. Alcune metriche, come l’esperienza dell’utente, potrebbero non essere adatte come confronto.

3. Team di sviluppo degli strumenti IA

I team di sviluppo degli strumenti di IA sono responsabili della progettazione, dello sviluppo e della diffusione di tecnologie destinate a supportare le attività di sintesi delle evidenze. Comprendono sviluppatori, specialisti di IA e altre figure coinvolte nella progettazione, gestione, validazione, controllo qualità e supporto dei prodotti lungo tutto il loro ciclo di vita.

Competenze richieste:

• Conoscenza approfondita degli aspetti tecnici delle tecnologie di intelligenza artificiale, inclusi punti di forza, limiti, rischi e potenziali fonti di errore.
• Comprensione delle esigenze dei ricercatori che conducono sintesi delle evidenze e dei principi di integrità scientifica che costituiscono la base della metodologia delle revisioni sistematiche e ne garantiscono l'affidabilità.
• Capacità di progettare, sviluppare, distribuire e mantenere applicazioni software affidabili e interfacce di programmazione applicativa (Application Programming Interfaces, API).

Raccomandazione principale: Lo sviluppo deve essere centrato sul lavoro dell’uomo, assicurando che l'IA potenzi le capacità umane senza sostituire il controllo critico. Devono essere trasparenti su come funzionano i loro modelli e su quali dati sono stati addestrati.

4. Organizzazioni che producono sintesi delle evidenze

Le organizzazioni che producono sintesi delle evidenze definiscono e applicano standard, procedure e politiche per garantire qualità, coerenza e trasparenza nei processi di sintesi. Collaborano  con altre organizzazioni, ricercatori e metodologi per sviluppare standard condivisi, possono supportare lo sviluppo e la validazione di strumenti di IA e svolgono un ruolo chiave nel promuoverne un'implementazione responsabile, sostenibile ed equa. Queste organizzazioni possono anche essere coinvolte direttamente nello sviluppo di strumenti IA e possono facilitare l'accesso a dati e materiali utili ai team che sviluppano tali strumenti, favorendone la validazione e il miglioramento.

Competenze richieste:

• Sviluppo e implementazione di standard e linee guida.
• Conoscenza delle best practice nella sintesi delle evidenze.
• Comprensione delle esigenze delle proprie comunità di utenti e, più in generale, del settore della sintesi delle evidenze.
• Conoscenza delle politiche, delle procedure e dei requisiti organizzativi necessari per garantire qualità, conformità e responsabilità.

Raccomandazione principale: Devono integrare la governance dell'IA nelle loro politiche di integrità della ricerca e fornire supporto e formazione ai propri collaboratori.

5. Enti finanziatori e committenti di sintesi delle evidenze e di IA

Gli enti finanziatori e i committenti hanno il compito di progettare, finanziare e valutare programmi di ricerca e attività di sintesi delle evidenze. Attraverso i criteri di finanziamento, possono promuovere il rispetto di standard elevati di qualità metodologica e di utilizzo responsabile dell'IA. Quando non dispongono di competenze specifiche nel settore, possono richiedere valutazioni o garanzie esterne per assicurarsi che i progetti finanziati siano affidabili e conformi alle raccomandazioni di RAISE.

Competenze richieste:

• Mobilitare risorse per il raggiungimento di specifici obiettivi.
• Valutare le teorie del cambiamento (theories of change) e comprendere come diverse attività possano contribuire al raggiungimento dei cambiamenti desiderati in uno specifico contesto.
• Progettare bandi e programmi di finanziamento.
• Valutare proposte progettuali e monitorare l'andamento dei programmi di ricerca finanziati.
• Mettere in collegamento tra loro i diversi attori che operano nello stesso settore.
• Valutare e mitigare le conseguenze, sia intenzionali sia non intenzionali, dei processi di finanziamento.

Raccomandazione principale: Devono prioritizzare il finanziamento ai progetti che aderiscono a standard etici e validati, promuovendo strumenti open-source e pratiche di open science.

6. Editori e soggetti che pubblicano sintesi delle evidenze

Sono responsabili di garantire il rispetto degli standard e delle politiche relativi all'utilizzo dell'IA nella conduzione e nella stesura delle sintesi delle evidenze. Questo gruppo comprende: editori scientifici; direttori e redattori di riviste (journal editors); peer reviewers; organizzazioni che svolgono attività editoriali o di controllo qualità e che diffondono sintesi delle evidenze. 

Competenze richieste:

• Conoscenza e applicazione etica delle best practice e standard relativi all'integrità della ricerca.
• Conoscenza delle politiche editoriali e di pubblicazione, come delle piattaforme editoriali.
• Conoscere gli standard per la stesura e la comunicazione dei risultati della ricerca (reporting standards).
• Comprensione della rilevanza e dell'impatto sociale della ricerca.
• Conoscenza delle questioni relative al diritto d'autore e all'accessibilità dei dati.

Raccomandazione principale: Devono richiedere agli autori la massima onestà e trasparenza sull'uso dell'IA, implementando processi di peer review rigorosi per rilevare potenziali usi impropri o bias.

7. Utilizzatori delle sintesi delle evidenze (Users of Evidence Synthesis)

L'Evidence user delle sintesi delle evidenze impiega le conoscenze ottenute dai risultati delle sintesi delle evidenze per prendere decisioni informate.

Gli Evidence users rientrano generalmente in quattro categorie:

1. coloro che utilizzano le conoscenze per implementare una specifica pratica o intervento;
2. coloro che fungono da intermediari della conoscenza (knowledge brokers), inclusi leader politici, sviluppatori di linee guida o persone impegnate nel miglioramento dei processi di ricerca;
3. coloro che utilizzano o sviluppano ulteriormente i risultati della ricerca, ad esempio ricercatori che promuovono nuove linee di ricerca in aree particolarmente promettenti o bisognose di approfondimento;
4. coloro che applicano i risultati della ricerca in contesti educativi per l'insegnamento delle migliori pratiche del settore.

Gli Evidence users sono responsabili della decisione di applicare le conoscenze e le informazioni derivanti dalle sintesi delle evidenze.

Competenze richieste:

• Capacità di valutare la trasparenza e la credibilità dei prodotti di sintesi delle evidenze.
• Competenza nel settore disciplinare di riferimento (ad esempio salute, ambito sociale, ambiente o altri contesti pertinenti).
• Comprensione delle possibili applicazioni dei risultati delle sintesi delle evidenze, come lo sviluppo di politiche, l'implementazione di interventi o la definizione di future direzioni di ricerca.

Gli Evidence users non sono tenuti a possedere competenze tecniche approfondite sul funzionamento degli strumenti di intelligenza artificiale utilizzati nella produzione delle sintesi delle evidenze.

Raccomandazione principale: Devono formarsi per imparare a distinguere tra sintesi rigorose, che usano l'IA con supervisione umana, e riassunti generati automaticamente senza controllo, valutando sempre la credibilità del processo.

8. Formatori dei metodi di sintesi delle evidenze (Trainers of Evidence Synthesis Methods)

I Trainers svolgono una funzione fondamentale nello sviluppo delle competenze in due ambiti importanti: guidare i ricercatori che conducono sintesi delle evidenze (Evidence Synthesists) nell'uso dichiarato e responsabile degli strumenti di IA e nel formare i metodologi della sintesi delle evidenze su come progettare e condurre studi di valutazione degli strumenti di IA.

Inoltre, alcuni Trainers possono collaborare direttamente con i team di sviluppo degli strumenti di IA per comunicare le esigenze, le aspettative e le priorità dei ricercatori che utilizzano tali strumenti nella pratica della sintesi delle evidenze.

Competenze richieste:

• Metodologia della sintesi delle evidenze e della valutazione.
• Comprensione del funzionamento degli strumenti di intelligenza artificiale e capacità di comunicarne efficacemente caratteristiche, opportunità e limiti a pubblici diversi.
• Competenze didattiche e capacità di individuare e sfruttare strategicamente opportunità per lo sviluppo delle competenze e capacity building.

Raccomandazione principale: Devono promuovere l'alfabetizzazione sull'IA, aiutando i discenti a capire non solo "se" possono usare uno strumento, ma soprattutto "se devono" farlo in base al contesto e ai rischi.

Italian translation and design adaptation by Claudia De Santis (Cochrane Italy) from: [Figure 1: Overview of the roles in the evidence synthesis ecosystem and their recommendations for responsible AI use in evidence synthesis] in Thomas J, Hair K, Noel-Storr, A. et al. Responsible use of AI in evidence SynthEsis (RAISE): recommendations for practice (version 3; updated 13 March 2026). In: Open Science Framework [https://osf.io/], Washington DC: Center for Open Science. DOI 10.17605/OSF.IO/FWAUD

Risorse utili

• Responsible use of AI in evidence SynthEsis (RAISE): recommendations and guidance - Linee guida open access: osf.io/fwaud/overview
• Position statement on artificial intelligence (AI) use in evidence synthesis across Cochrane, the Campbell Collaboration, JBI and the Collaboration for Environmental Evidence 2025: doi.org/10.1002/14651858.ED000178
• Webinar Cochrane: Artificial Intelligence (AI) methods in evidence synthesis
• Slide in italiano: Uso Responsabile dell’IA nella Sintesi delle Evidenze: RAISE 1

The translation of the text was carried out with the support of OpenAI ChatGPT-5.0 (July 2026), used exclusively for translating the full text of the above-cited original document from English into Italian. No content was newly generated by the AI tool: its use was limited to the linguistic transposition of the original material. The translated text was subsequently reviewed, revised, and approved by the authors, who take full responsibility for the linguistic accuracy and conceptual correspondence between the original version and the Italian version, as well as for any interpretations arising from this adaptation. The original material is distributed under a Creative Commons Attribution 4.0 International license (CC BY 4.0); this adaptation and its translation comply with the terms of that license.

Please note that the original RAISE document is currently undergoing peer review and may be subject to further revisions before final publication. This translation, based on version 3 (updated 13 March 2026), should therefore not be considered final and may require future updates to reflect the published version.