Nel giro di ventiquattr’ore Novo Nordisk ha stretto un accordo con OpenAI, Anthropic ha aperto il proprio vertice al capo di Novartis e Amazon ha lanciato una piattaforma per la scoperta di nuovi medicinali. Il linguaggio è stato solo il primo atto: ora l’intelligenza artificiale prova a entrare nella parte più lenta, costosa e incerta della scienza.

Per anni l’intelligenza artificiale è sembrata soprattutto una tecnologia del linguaggio. La si è giudicata da quanto bene scriveva, riassumeva, traduceva, programmava, imitava il tono umano. È stato naturale: il primo shock culturale dei grandi modelli è arrivato lì, nel momento in cui una macchina ha cominciato a trattare la parola non più come un semplice archivio da consultare, ma come una materia da organizzare, comporre e restituire in tempo reale. Da quel momento in poi, gran parte del discorso pubblico sull’AI ha ruotato intorno alla conversazione.

Ma il linguaggio, quasi sempre, è solo il primo territorio che una tecnologia conquista quando vuole farsi capire dal mondo. Il vero test arriva dopo, quando quella stessa tecnologia prova a entrare in ambiti più lenti, più costosi, più regolati e più ostili all’improvvisazione. Ambiti in cui non basta sembrare intelligente. Bisogna dimostrare di saper comprimere tempi, ridurre incertezze, generare risultati verificabili e convivere con sistemi di responsabilità molto più severi di quelli del software di consumo.

La medicina è uno di quei luoghi. E il 14 aprile 2026 è stato, sotto questo aspetto, un giorno rivelatore. Non perché abbia segnato un punto di non ritorno già compiuto, ma perché ha mostrato con insolita chiarezza dove si sta spostando il baricentro dell’ambizione. Nell’arco di poche ore, una grande azienda farmaceutica ha annunciato una partnership ampia con OpenAI; una delle società più importanti dell’intelligenza artificiale di frontiera ha portato nel proprio consiglio di amministrazione il capo di Novartis; Amazon ha presentato una nuova piattaforma pensata per accelerare le prime fasi della scoperta di farmaci. Nessuno di questi fatti, preso da solo, basta a raccontare il futuro. Insieme, però, disegnano un contorno preciso: l’AI vuole smettere di essere soltanto la tecnologia che parla bene del mondo e provare a diventare una tecnologia che interviene sul tempo con cui il mondo scopre, testa e produce cure.

Perché il farmaco è il banco di prova più severo

La scoperta di medicinali è una macchina notoriamente lenta. Non perché manchino dati, né perché manchi potenza di calcolo. È lenta perché la biologia oppone resistenza. Ogni ipotesi promettente apre molte strade, e quasi tutte si richiudono. Ogni correlazione osservata in laboratorio deve sopravvivere a una lunga serie di verifiche, controprove, adattamenti, fallimenti. Ogni molecola che sembra plausibile all’inizio del percorso può diventare inutile, tossica o irrilevante molto prima di arrivare a un paziente. È un processo che divora anni, capitale, reputazioni e aspettative.

Per questo l’ingresso dell’intelligenza artificiale in questo campo conta più di tanti altri annunci messi insieme. Finché l’AI migliora documenti, assistenza clienti, marketing o ricerca testuale, il suo impatto resta molto grande ma relativamente prevedibile. Quando invece prova a entrare nel cuore della ricerca biomedica, cambia tutto. Cambia il tipo di valore che promette. Cambia il livello di controllo richiesto. Cambia il profilo del rischio. E cambia, soprattutto, il tipo di tempo che si prova a conquistare.

Nessuna industria, oggi, soffre il tempo quanto quella del farmaco. Ogni mese guadagnato in fase preclinica o clinica può significare miliardi di dollari, ma anche accesso anticipato a una terapia, vantaggio competitivo, protezione del brevetto, capacità di finanziare nuove linee di ricerca. In un settore simile, l’AI non viene adottata perché è affascinante. Viene adottata se promette di ridurre gli attriti di un processo la cui lentezza non è un incidente, ma una delle grandi variabili economiche del sistema.

È qui che la promessa dell’intelligenza artificiale cambia faccia. Non si tratta più di “automatizzare” in senso banale. Si tratta di aggredire la parte più viscosa della conoscenza scientifica: quella in cui i dati sono tanti, ma il significato resta sfuggente; quella in cui le possibilità sono numerose, ma le traiettorie davvero promettenti sono poche; quella in cui la difficoltà non sta nell’avere informazione, ma nel capire quale informazione merita un altro anno di lavoro, un altro investimento, un altro esperimento.

Novo Nordisk non compra software: compra tempo

È in questo contesto che la mossa di Novo Nordisk va letta con attenzione. Una partnership di questo tipo non è un esercizio cosmetico, né un gesto di modernizzazione da investitori. Una società come Novo si muove perché sente che il tempo è diventato un fattore competitivo ancora più decisivo del passato. Il mercato dei trattamenti metabolici e contro l’obesità è entrato in una fase in cui non basta più avere un farmaco di successo. Bisogna dimostrare continuità scientifica, velocità di adattamento, capacità di alimentare la prossima generazione di terapie e di farlo mentre i rivali avanzano.

La scelta di OpenAI, in questo quadro, dice almeno due cose. La prima: Novo non cerca soltanto uno strumento per analizzare più dati. Cerca un modo per riorganizzare la propria capacità di vedere prima ciò che conta. La seconda: l’AI non viene confinata in un laboratorio sperimentale, ma proposta come leva trasversale tra ricerca, produzione e attività commerciali. Questa è una differenza fondamentale. Significa che l’azienda non pensa all’intelligenza artificiale come a un modulo specialistico. La tratta come una grammatica capace di attraversare più funzioni dell’impresa.

È un passaggio che vale più dell’accordo in sé. Finché una grande azienda farmaceutica usa l’AI in modo marginale, il messaggio al mercato è prudente: stiamo osservando, testando, imparando. Quando invece decide di integrarla in più livelli della propria struttura, il messaggio cambia: l’intelligenza artificiale non è più una scommessa periferica, ma un’infrastruttura potenziale della competitività futura.

Qui emerge il lato più interessante della vicenda. Per anni il digitale ha promesso efficienza. La medicina, invece, chiede qualcosa di più difficile: non solo efficienza, ma riduzione del tempo scientifico senza degradazione del rigore. È una richiesta quasi brutale. E proprio per questo rivela se un sistema è all’altezza. Novo non sta dicendo che l’AI ha già risolto la drug discovery. Sta dicendo qualcosa di molto più importante: vale ormai la pena ridisegnare l’impresa come se questa possibilità fosse abbastanza concreta da giustificare un investimento strategico vero.

Anthropic e la nuova alleanza tra governance e biologia

Se la partnership di Novo parla di velocità industriale, la nomina del capo di Novartis nel consiglio di amministrazione di Anthropic parla di potere. I consigli di amministrazione non sono mai meri simboli. Sono il luogo in cui un’azienda ammette a se stessa quali mondi considera ormai troppo importanti per restare esterni. In questo caso il messaggio è netto: la salute e le scienze della vita non sono più soltanto un settore applicativo dell’intelligenza artificiale. Sono uno dei luoghi in cui si formerà una quota crescente del suo valore, della sua legittimità e del suo rischio.

C’è una differenza enorme tra vendere strumenti a un’industria e lasciare che quella stessa industria entri nella stanza in cui si decide la direzione dell’azienda. La prima è una relazione commerciale. La seconda è un’integrazione di interessi, di competenze, di sensibilità strategiche. Quando una società di AI di frontiera apre il proprio vertice a un dirigente farmaceutico, ci sta dicendo che il rapporto con la biomedicina non è più episodico. Sta diventando strutturale.

Questo passaggio ha anche un significato più ampio. Per anni Big Tech e Big Pharma si sono guardate da mondi paralleli: una dominata dal software e dalla rapidità iterativa, l’altra dalla ricerca regolata, dal rischio clinico, dai tempi lunghi e dalla disciplina della prova. Oggi quei due mondi stanno iniziando a fondersi in modo più visibile. Non nel senso romantico di una convergenza ideale, ma nel senso molto concreto di una nuova alleanza tra chi possiede infrastrutture di calcolo e chi possiede uno dei terreni più costosi e promettenti su cui applicarle.

In gioco non c’è solo la ricerca di nuovi farmaci. C’è la ridefinizione della catena del valore della salute. Se l’intelligenza artificiale diventa un elemento stabile dell’architettura della scoperta biomedica, allora chi governa l’AI avrà sempre più voce anche nella costruzione del futuro farmaceutico. E se il farmaceutico entra nella governance dell’AI, allora sta cercando di non rimanere semplice cliente di una trasformazione che potrebbe ridisegnarlo dall’esterno.

Amazon non vuole solo fornire cloud: vuole abitare il laboratorio

La terza mossa, quella di Amazon, è forse la più rivelatrice sul piano industriale. Per anni AWS è stata la grande infrastruttura silenziosa del digitale: potenza di calcolo, archiviazione, servizi, strumenti. Ma quando una piattaforma di quel tipo lancia un prodotto esplicitamente pensato per accelerare la scoperta di nuovi farmaci, smette di comportarsi come un semplice fornitore neutrale. Sta cercando di salire di livello.

La direzione è chiara: non offrire solo la base computazionale, ma diventare l’ambiente in cui il ricercatore imposta il problema, seleziona i modelli, esplora ipotesi, genera candidati, li invia a partner di laboratorio e riceve in ritorno i risultati per una nuova iterazione. In altre parole, Amazon non vuole limitarsi a vendere il motore. Vuole che una parte crescente della ricerca biologica si svolga dentro la propria macchina.

Questo è cruciale per capire il presente. Il potere delle grandi piattaforme non nasce mai soltanto dalla qualità tecnica. Nasce dalla capacità di collocarsi nei punti in cui flussi diversi si incontrano. Nel caso della drug discovery, quel punto è il ciclo tra previsione, selezione, verifica e nuova previsione. Chi controlla il luogo in cui questo ciclo si organizza controlla una quota importante dell’intelligenza operativa del processo.

La promessa di rendere accessibili flussi complessi anche a chi non sa programmare rafforza ulteriormente questa traiettoria. Democratizzare gli strumenti, in apparenza, significa distribuire potere. In pratica, molto spesso, significa concentrare di più l’infrastruttura. Più utenti riescono a usare un sistema sofisticato senza comprenderne fino in fondo la complessità sottostante, più cresce il valore della piattaforma che ha nascosto quella complessità dietro un’interfaccia. È il meccanismo classico dell’economia del software. Qui, però, viene applicato alla biologia.

La biologia resta difficile, e questa è la buona notizia

Sarebbe facile, a questo punto, raccontare tutto come l’ennesimo capitolo della narrativa trionfale sull’AI. Sarebbe anche sbagliato. La parte più sana di questa storia è proprio che la biologia continua a essere difficile. I dirigenti del settore lo sanno bene. L’intelligenza artificiale sta già migliorando varie fasi del processo: selezione di candidati, gestione di dati, disegno di percorsi sperimentali, preparazione di documentazione, riduzione di attività ripetitive. Ma il salto più ambizioso — trovare in modo sistematico nuove grandi terapie più in fretta — non è ancora una routine.

Ed è giusto così. Se il problema fosse già “risolto”, sarebbe quasi un cattivo segno. Significherebbe che abbiamo sottovalutato la biologia. Invece il fatto che l’AI sia utile ma non onnipotente indica che ci troviamo in una fase reale, non in un’illusione perfettamente confezionata. Stiamo vedendo i primi effetti solidi di una trasformazione che non ha ancora esaurito il proprio potenziale e che, proprio per questo, attira capitale, alleanze e riposizionamenti strategici.

La medicina è il posto giusto per testare la serietà di una tecnologia perché non concede scorciatoie narrative. Puoi accelerare alcuni passaggi, ma non saltare la realtà. Puoi generare più ipotesi, ma non costringere il corpo umano a confermare ciò che il modello desidera. Puoi comprimere attriti, ma non abolire la necessità della prova. In questo senso, la resistenza della biologia è una forma di salute del sistema. Costringe l’AI a misurarsi con un mondo in cui il linguaggio non basta, la plausibilità non basta, la brillantezza non basta.

La prossima frontiera dell’AI è una frontiera di responsabilità

Ed è qui che la storia diventa veramente politica. Se l’intelligenza artificiale entra nel farmaco, allora il suo impatto non si misura più solo in termini di produttività. Si misura in governance, trasparenza, auditabilità, distribuzione del potere e capacità di controllo pubblico. Chi possederà i modelli migliori per l’analisi biologica? Chi avrà accesso ai dataset più preziosi? Chi potrà permettersi le piattaforme più sofisticate? Chi stabilirà gli standard di verifica? E soprattutto: a chi apparterrà la capacità di decidere quali ipotesi meritano di diventare il prossimo grande investimento terapeutico?

Sono domande enormi, e il fatto stesso che diventino sempre più inevitabili dice molto sullo stato del settore. Per anni abbiamo chiesto all’AI se fosse abbastanza brava da fare certe cose. Ora stiamo entrando in una fase diversa: dobbiamo chiederci chi controllerà le condizioni in cui quelle cose verranno fatte. La medicina rende visibile questo problema più di qualsiasi altro campo, perché qui il risultato finale non è solo un miglioramento di processo. È la possibilità di intervenire sul tempo della malattia.

La vera posta in gioco, quindi, non è semplicemente capire se l’AI troverà nuovi farmaci. È capire se, nel tentativo di trovarli prima, stiamo costruendo un sistema in cui la capacità di fare scienza si intreccia sempre più strettamente con l’infrastruttura di poche grandi aziende tecnologiche. Se sarà così, il vantaggio potenziale per la ricerca sarà enorme. Ma enorme sarà anche la responsabilità di chi gestirà quella leva.

Questo è il senso più profondo di quel 14 aprile. Non un festival di annunci, ma la comparsa improvvisa di una nuova architettura del possibile. L’intelligenza artificiale, dopo aver conquistato il linguaggio, sta cercando un ruolo dentro il luogo più costoso, difficile e promettente della conoscenza contemporanea. Se riuscirà a starci davvero, la sua prossima grande vittoria non sarà una risposta più elegante. Sarà una scoperta arrivata prima di quanto la biologia, da sola, avrebbe permesso.

Fonti:

Novo Nordisk ha annunciato il 14 aprile 2026 una partnership strategica con OpenAI per integrare l’AI in ricerca e sviluppo, manifattura e funzioni commerciali; l’azienda ha indicato l’avvio di programmi pilota nel 2026 e l’obiettivo di una più ampia integrazione entro la fine dell’anno.

Anthropic ha nominato Vas Narasimhan, amministratore delegato di Novartis, nel proprio consiglio di amministrazione; la società ha sottolineato che, con questa nomina, i direttori espressi dal Long-Term Benefit Trust costituiscono la maggioranza del board.

AWS ha lanciato Amazon Bio Discovery come piattaforma per rendere più accessibile la ricerca di farmaci con cicli iterativi tra modelli biologici e laboratorio; tra i primi utilizzatori indicati ci sono Bayer, Broad Institute e Voyager Therapeutics.

Nel caso illustrato da AWS con Memorial Sloan Kettering e Twist Bioscience, il sistema ha generato e ristretto rapidamente un grande numero di candidati anticorpali, comprimendo in settimane un lavoro che richiedeva normalmente mesi.