La Grande Convergenza: Come l’IA Connette Ogni Frontiera

L’Intelligenza Artificiale (IA) ha infiammato il mondo con il suo potenziale di migliorare l’efficienza, ridurre i costi e aumentare la produttività.

Mentre per molte persone l’IA si traduce in chatbot, grazie all’accessibilità e alla popolarità degli strumenti di IA generativa come ChatGPT, la tecnologia è molto più ampia, con i suoi benefici che si estendono a medicina, manifattura, robotica, assistenza sanitaria, istruzione, scienza climatica, finanza, diritto, cybersicurezza e oltre.

Emulando le funzioni cognitive umane come la risoluzione dei problemi e il processo decisionale, l’IA promette di trasformare i sistemi sottostanti di queste industrie, dove un numero crescente di organizzazioni sta attivamente esplorando le capacità dell’IA.

Un recente sondaggio McKinsey ha rivelato un aumento nell’uso dell’IA, non solo nel settore tecnologico, dove ha già superato il 90%, ma in quasi tutti i settori.

Nove intervistati su dieci hanno dichiarato che le loro organizzazioni utilizzano regolarmente l’IA, sebbene sia ancora nella fase di sperimentazione. Nonostante sia nella fase pilota, i partecipanti hanno segnalato benefici in termini di costi e ricavi, con il 64% che afferma che l’IA consente loro di innovare.

Questa crescente adozione dimostra che, anche a uno stadio così precoce, l’IA sta diventando un fattore abilitante chiave della trasformazione digitale.

Nel panorama globale interconnesso e competitivo di oggi, l’IA consente alle imprese di sfruttare il potere di varie tecnologie digitali, come big data, cloud computing e Internet delle Cose. In pratica, agisce come una tecnologia convergente, accelerando lo sviluppo e l’integrazione di altre tecnologie in modo che il loro impatto combinato sia maggiore della somma delle parti.

Con ciò, diamo ora uno sguardo ad alcuni affascinanti progressi dell’IA in diversi settori, ognuno dei quali dimostra come sta cambiando il mondo.

Di seguito è riportata una rapida panoramica di tre domini in cui la convergenza dell’IA è già misurabile.

Scorri →

L’IA Mappa il Microbioma Intestinale alla Salute Umana (e al Rischio di CAD)

Con l’aiuto dell’IA, gli scienziati hanno ora decifrato l’ecosistema intricato dei batteri intestinali e dei loro segnali chimici, consentendo di scoprire legami nascosti tra i batteri e la salute umana. Inoltre, il nuovo sistema avanzato di IA si è dimostrato migliore negli studi su cancro, obesità e disturbi del sonno rispetto ai modelli convenzionali, mostrando un enorme potenziale nella personalizzazione dei trattamenti in base al profilo microbico di ciascuna persona per trasformare la medicina personalizzata.

La capacità dell’IA di rivelare schemi nascosti è particolarmente notevole, come in uno studio dell’Università di Waterloo¹, dove l’analisi potenziata dall’IA di esami del sangue di routine ha rilevato pattern in grado di fare previsioni salvavita sia economiche sia accessibili.

Tornando ai batteri intestinali, essi svolgono un ruolo chiave nella nostra salute, influenzando non solo la digestione e la prevenzione delle malattie, ma anche l’immunità e persino il nostro umore. Nuove ricerche hanno scoperto che il nostro microbioma intestinale² potrebbe anche influenzare lo sviluppo della malattia coronarica, che uccide quasi 20 milioni di persone ogni anno.

L’intestino umano è chiaramente affascinante, ma è anche un ecosistema complesso di trilioni di microrganismi. Oltre al numero enorme di specie batteriche presenti nel nostro intestino, le loro interazioni con la chimica umana rendono difficile per gli scienziati comprendere i loro effetti.

Ma in un passo rivoluzionario, ricercatori dell’Università di Tokyo hanno rivolto allo IA per affrontare questo problema.

Hanno creato un sistema IA per comprendere meglio quali batteri producono quali metaboliti, piccole molecole che agiscono come messaggeri chimici e circolano nel nostro corpo, influenzando metabolismo, immunità e funzione cerebrale, e come la relazione tra batteri e metaboliti cambia in diverse malattie.

“Mappando con precisione queste relazioni battere‑chimiche, potremmo potenzialmente sviluppare trattamenti personalizzati. Immaginate di poter coltivare un batterio specifico per produrre metaboliti umani benefici o di progettare terapie mirate che modificano questi metaboliti per curare le malattie.”

– Ricercatore del progetto Tung Dang del laboratorio Tsunoda nel Dipartimento di Scienze Biologiche

Il modello che hanno sviluppato è una rete neurale bayesiana chiamata VBayesMM³, che affronta la sfida di identificare pattern significativi dall’interazione complessa tra trilioni di batteri e metaboliti.

Utilizza un approccio bayesiano per identificare esattamente quali gruppi batterici influenzano maggiormente particolari metaboliti. Inoltre, misura l’incertezza nelle sue previsioni per prevenire conclusioni errate, fornendo agli scienziati intuizioni più accurate e affidabili.

Usando il suo approccio di microbioma multi‑omics bayesiano variazionale (VBayesMM), il team è stato in grado di identificare rapidamente e con precisione specie microbiche chiave, ottenendo stime più accurate. L’implementazione dell’inferenza variazionale, nel frattempo, ha risolto colli di bottiglia computazionali, consentendo analisi scalabili di dataset massivi.

Il team lavorerà prossimamente con set di dati chimici più completi per catturare l’intera gamma di prodotti batterici e superare il problema di una perdita di accuratezza quando i dati sui metaboliti sono più estesi dei dati batterici.

“Miriamo anche a rendere VBayesMM più robusto nell’analisi di popolazioni di pazienti diversificate, incorporando le relazioni di ‘albero genealogico’ dei batteri per fare previsioni migliori e riducendo ulteriormente il tempo computazionale necessario per l’analisi,” ha dichiarato Dang. “Per le applicazioni cliniche, l’obiettivo finale è identificare bersagli batterici specifici per trattamenti o interventi dietetici che possano realmente aiutare i pazienti, passando dalla ricerca di base alle applicazioni mediche pratiche.”

Angolo Investibile: Medicina di Precisione con Tempus AI (TEM )

In questo entusiasmante e complesso mondo delle scienze della vita, Tempus AI si distingue per offrire soluzioni di medicina di precisione abilitate dall’IA per cure personalizzate dei pazienti.

Tempus è una società tecnologica che avanza la medicina di precisione e facilita la scoperta e lo sviluppo di terapie ottimali. Ha tre linee di prodotto:

• Genomica: Fornisce diagnostica di sequenziamento di nuova generazione (NGS), profilazione, genotipizzazione molecolare e altri test.
• Dati: Comprende la strutturazione e la de‑identificazione dei dati generati nel suo laboratorio prima della commercializzazione.
• Applicazioni IA: Fornisce diagnostica, implementa nuovo software come dispositivo medico e distribuisce strumenti di supporto decisionale clinico.

Quest’anno, Tempus ha raggiunto alcuni traguardi normativi chiave, incluso il ricevere l’approvazione FDA per il dispositivo Tempus xR IVD per supportare lo sviluppo di farmaci tramite sequenziamento avanzato RNA. Di conseguenza, i partner di Tempus possono utilizzare il suo assay RNA per “identificare più precisamente quali pazienti sono più propensi a rispondere a terapie specifiche e per progettare studi clinici più efficienti.”

La sua piattaforma di analisi di immagini cardiache potenziata dall’IA, Tempus Pixel, e il software IA Tempus ECG‑Low EF hanno anche ottenuto approvazioni FDA 510(k), rafforzando la posizione dell’azienda nella diagnostica guidata dall’IA.

Le azioni della società con una capitalizzazione di mercato di 12,73 miliardi di dollari, nel frattempo, sono attualmente scambiate a 72,52 $, in crescita di quasi il 112 % quest’anno. Solo il mese scorso, le azioni TEM hanno superato la soglia dei 100 $.

Per quanto riguarda la sua posizione finanziaria, Tempus ha recentemente riportato un aumento del 84,7 % su base annua dei ricavi nel Q3 2025, a 334,2 milioni di dollari, mentre il margine di profitto lordo è aumentato del 98,4 % a 209,9 milioni di dollari. La perdita netta per il trimestre è stata di 80 milioni di dollari. Ha chiuso il trimestre con 764,3 milioni di dollari di liquidità e titoli negoziabili.

“Non solo stiamo crescendo a un ritmo incredibile, raggiungere un EBITDA aggiustato positivo segna una pietra miliare importante e riflette la forza del nostro business sottostante,” ha dichiarato il fondatore e CEO di Tempus Eric Lefkofsky. “Una delle cose più difficili da fare, e un segno di resistenza del modello di business, è riuscire a rallentare il tasso di reinvestimento nell’azienda mantenendo la crescita, che è esattamente ciò che abbiamo realizzato questo trimestre.”

Clicca qui per un elenco delle principali aziende biotech di big data.

L’IA Prevede le Tempeste Solari con Giorni di Anticipo—Proteggendo Reti Elettriche & Satelliti

È stato sviluppato un modello IA per prevedere il vento solare con largo anticipo e con maggiore accuratezza rispetto ai metodi esistenti, aiutando a proteggere le reti elettriche, i satelliti e i sistemi di navigazione da eventi spaziali dirompenti e rafforzando la resilienza delle nostre infrastrutture critiche.

Il vento solare è il flusso costante di particelle cariche rilasciate dal Sole. Si verifica quando i campi magnetici contorti del Sole si deformano e si allungano, portandoli a scattare prima di riconnettersi, rilasciando così grandi quantità di energia.

Quando queste particelle accelerano, possono disturbare l’atmosfera terrestre. Non solo possono interferire con le reti elettriche, ma possono anche trascinare i satelliti fuori orbita, come è accaduto nel 2022, quando SpaceX ha perso fino a 40 dei suoi satelliti Starlink.

Le tempeste solari, nel frattempo, sono eventi ancora più potenti, in cui il Sole lancia energia, particelle e campi magnetici nella galassia. Quando sono dirette verso la Terra, possono creare una grande perturbazione nel suo campo magnetico, chiamata tempesta geomagnetica. È ciò che genera spettacolari aurore boreali, ma causa anche blackout elettrici.

Lo scenario di rischio sistemico più recente di Lloyd’s stima che una tempesta solare severa potrebbe esporre l’economia globale a circa 2,4 trilioni di dollari di perdite in cinque anni, con perdite attese di circa 17 miliardi di dollari oggi.

Ciò evidenzia l’urgente necessità di migliorare le previsioni di questi eventi. Pertanto, i ricercatori della NYU Abu Dhabi (NYUAD) hanno deciso di fare proprio questo, con l’aiuto dell’IA.

Hanno costruito un modello IA che può prevedere il vento solare⁴ fino a quattro giorni prima che l’evento si verifichi, più accuratamente dei metodi attuali. Il modello è stato addestrato su registri storici di vento solare e immagini ultraviolette del Solar Dynamics Observatory (SDO) della NASA.

Analizzando le immagini del Sole per rilevare pattern legati a cambiamenti nel vento solare, il team NYUAD è riuscito a ottenere un miglioramento del 45 % nella precisione delle previsioni rispetto ai modelli operativi attuali. Inoltre, hanno raggiunto un miglioramento del 20 % rispetto agli approcci IA precedenti.

“Questo è un passo importante nella protezione dei satelliti, dei sistemi di navigazione e delle infrastrutture energetiche da cui dipende la vita moderna,” ha dichiarato l’autore principale dello studio, Dattaraj Dhuri. “Combinando IA avanzata con osservazioni solari, possiamo fornire avvisi anticipati che aiutano a salvaguardare la tecnologia critica sulla Terra e nello spazio.”

– Dattaraj Dhuri, autore principale dello studio

Angolo Investibile: Space‑Weather AI con IBM (IBM )

IBM, con una capitalizzazione di mercato di 293,24 miliardi di dollari, è un fornitore globale di servizi cloud ibrido e IA per aiutare la trasformazione digitale attraverso dati, applicazioni e ambienti operativi.

Qualche mese fa, IBM ha rilasciato il suo modello IA open source, ‘Surya’, in collaborazione con la NASA, per comprendere meglio i dati raccolti dalle osservazioni solari e prevedere come l’attività solare influisce sulla tecnologia spaziale e sulla Terra. Con Surya, l’azienda applica l’IA alla ricerca di previsioni del meteo spaziale e fornisce uno strumento per proteggere le telecomunicazioni, le reti elettriche e la navigazione GPS dalle interruzioni causate dalla variabilità solare.

Al momento della stesura, le azioni IBM sono scambiate a 319 $, in crescita del 42,7 % YTD. Ha un EPS (TTM) di 8,07 e un P/E (TTM) di 38,87. IBM paga un dividendo del 2,14 %.

Nel suo trimestre più recente, 3Q25, la società ha registrato un aumento del 9 % dei ricavi, a 16,3 miliardi di dollari. Il margine di profitto lordo GAAP è stato del 57,3 % e il profitto operativo non GAAP del 58,7 %. Il flusso di cassa netto dalle attività operative, nel frattempo, è stato di 9,2 miliardi di dollari anno fino ad oggi, e 7,2 miliardi di dollari sono stati riportati come free cash flow.

“I clienti a livello globale continuano a sfruttare la nostra tecnologia e la nostra esperienza di dominio per aumentare la produttività nelle loro operazioni e fornire reale valore aziendale con l’IA.”

– CEO Arvind Krishna

Ha inoltre osservato che il portafoglio IA di IBM ha superato i 9,5 miliardi di dollari, rispetto a 7,5 miliardi nel trimestre precedente.

Dove l’IA Supera gli Esperti: Medicina, Neuroscienze & Istruzione

I ricercatori stanno scoprendo che l’IA supera costantemente gli esperti in vari domini.

Uno di questi domini è la medicina, dove “il glaucoma rimane una delle cause più comuni di perdita della vista irreparabile a livello globale”, con lo screening troppo costoso. Ma l’IA potrebbe essere la soluzione, spera il dott. Anthony Khawaja, professore presso l’Institute of Ophthalmology dell’University College London e ricercatore principale del nuovo studio, che ha riportato che un programma IA addestrato ha identificato correttamente i pazienti con glaucoma circa il 90 % delle volte, rispetto al 81 % per i valutatori umani.

Per questo studio, sia gli esperti umani sia il programma IA hanno valutato oltre 6.300 partecipanti, di cui quasi 700 avevano il glaucoma in almeno un occhio.

Il glaucoma è il risultato di danni al nervo ottico, più comunemente dovuti a pressione che si accumula all’interno dell’occhio, il che può portare alla cecità totale. Gli esperti umani e l’IA hanno valutato il rischio di glaucoma dei partecipanti basandosi sul rapporto cupola‑disco verticale, una misura chiave di questo disturbo, che traccia i cambiamenti nella struttura dell’occhio causati dall’accumulo di pressione.

Secondo i risultati dello studio, solo l’11 % degli occhi dei partecipanti è stato sospettato di avere il glaucoma, corrispondente alla proporzione attesa nello screening di routine. I ricercatori hanno osservato che l’accuratezza potrebbe essere ulteriormente migliorata includendo altri fattori di rischio, come la pressione intraoculare.

In un altro studio⁵, i grandi modelli linguistici (LLM) hanno previsto gli esiti di studi neuroscientifici proposti con maggiore accuratezza rispetto agli esperti umani, evidenziando il potenziale dell’IA per accelerare la ricerca.

Invece di concentrarsi sulle capacità di risposta alle domande degli LLM, lo studio ha esplorato se i modelli possono sintetizzare conoscenze per prevedere risultati futuri.

Così, hanno testato 15 diversi LLM generali e 171 esperti umani di neuroscienze, trovando che tutti gli LLM hanno superato i neuroscienziati. Mentre gli LLM hanno raggiunto una media dell’81 % di accuratezza, gli umani hanno ottenuto il 63 %, che è salito solo al 66 % al livello più alto di competenza umana. Nel frattempo, l’addestramento di un LLM sulla letteratura neuroscientifica ha migliorato la sua accuratezza all’86 %.

“Sospettiamo che non passerà molto tempo prima che gli scienziati usino strumenti IA per progettare l’esperimento più efficace per la loro domanda. Sebbene il nostro studio si sia concentrato sulla neuroscienza, il nostro approccio è universale e dovrebbe applicarsi con successo a tutta la scienza.”

– Bradley Love, autore senior, professore di Psicologia & Scienze del Linguaggio UCL

Secondo ricercatori di Cambridge, l’IA ha un chiaro vantaggio in termini di modellazione predittiva e analisi dei dati. Quando le viene fornito un flusso tempestivo di dati in termini di volume, varietà e veridicità, può ottimizzare costi e catene di approvvigionamento, progettare prodotti ad alte prestazioni più rapidamente e rispondere alle fluttuazioni di mercato in tempo reale.

“Ignorare l’IA generativa nella strategia aziendale non è più praticabile,” hanno affermato gli autori dello studio.

Questo è solo la punta dell’iceberg, tuttavia, poiché altri studi hanno trovato che l’IA eccelle anche nella meccanica fondamentale del linguaggio⁶ ma manca di coerenza tematica quando si tratta di valutazione di saggi, superando gli esperti umani nel riconoscere il dolore nelle pecore⁷ usando le stesse informazioni visive, e corrispondendo o superando i dermatologi⁸ nella diagnosi basata su immagini della pelle.

Angolo Investibile: Adozione Gemini attraverso Alphabet Inc. (GOOG )

Quando si tratta di investire nel potere dell’IA, Alphabet è un’opzione valida, che ha guidato le scoperte IA attraverso Google DeepMind e Google Research.

Recentemente, Google DeepMind e una società di tecnologia educativa potenziata dall’IA, Eedi, hanno pubblicato una ricerca esplorativa⁹ che mostra come il tutoring IA con intervento umano superi il supporto solo umano.

La sperimentazione è avvenuta in cinque classi di scuole secondarie del Regno Unito, dove l’istruzione di base è stata fornita da LearnLM, il modello IA generativo di Google ottimizzato per la pedagogia. Hanno scoperto che il team umano‑IA è stato efficace (93 %) nell’aiutare gli studenti a correggere immediatamente un errore, così come un tutor umano da solo (91,2 %). Il team è stato altrettanto valido nell’aiutare gli studenti a risolvere le loro concezioni errate di base.

Misurando il “trasferimento di conoscenza”, che indica come il tutoring su un problema influisca sulla capacità dello studente di risolverne uno nuovo, un tutor umano da solo ha migliorato l’apprendimento di 4,5 punti percentuali, mentre il team umano‑IA l’ha aumentato di 10 punti percentuali.

“Questi risultati segnano una pietra miliare per un’IA responsabile, sicura ed efficace nell’istruzione. Il passo successivo è scalare questo da un pilota esplorativo a una sperimentazione su larga scala.”

– Irina Jurenka, Ricercatrice presso Google DeepMind

Nel frattempo, il modello IA multimodale Gemini di Google ha compiuto diversi progressi, raggiungendo prestazioni a livello di medaglia d’oro al World Finals del 2025 International Collegiate Programming Contest (ICPC), dopo una vittoria a medaglia d’oro all’International Mathematical Olympiad. L’app IA di punta di Google ora vanta oltre 650 milioni di utenti attivi mensili.

Quindi, Google è profondamente coinvolta nell’innovazione IA, e questo ha aiutato le sue azioni a salire di quasi il 54 % quest’anno, ora scambiate appena sopra i 293 $. La società con una capitalizzazione di mercato di 3,5 trilioni di dollari paga anche un dividendo dello 0,29 %.

Recentemente, ha riportato un fatturato di 102,35 miliardi di dollari per il Q3 2025, spinto da un solido slancio nel suo business cloud, che ha beneficiato di una forte domanda di IA. L’azienda sta ora pianificando di aumentare la spesa in conto capitale a un intervallo tra 91 miliardi‑93 miliardi di dollari, dopo aver alzato le aspettative da 75 miliardi a 85 miliardi all’inizio di quest’anno. La maggior parte delle sue spese va verso infrastrutture come i data center.

Considerazioni Finali

L’IA ha preso d’assalto il mondo, ma non è più un’innovazione isolata. Invece, funge da tessuto connettivo che collega un numero crescente di tecnologie trasformative. Come menzionato sopra, sta aiutando a decodificare i misteri del microbioma umano, a prevedere le tempeste solari e persino a superare gli esperti in scienza e medicina. Tuttavia, queste scoperte rappresentano solo una piccola parte di come l’IA stia influenzando quasi ogni frontiera dell’impresa umana.

Man mano che converge con big data, biotecnologia, cloud computing, robotica e scienza quantistica, l’IA sta accelerando il ritmo della scoperta e consentendo integrazioni che stanno creando sistemi più intelligenti e un mondo più intelligente.

Clicca qui per scoprire tutto sull’investimento nell’intelligenza artificiale.

Riferimenti

1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres‑Espín, A., & TRACK‑SCI. Modellare le traiettorie dei test del sangue di routine come biomarcatori dinamici per l’esito nelle lesioni del midollo spinale. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. Genomi assemblati da metagenomi rivelano firme microbiche e vie metaboliche collegate alla malattia coronarica. mSystems e00954-25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM: rete neurale bayesiana variazionale per dare priorità a relazioni importanti nei dati multiomici ad alta dimensionalità del microbioma.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “Una Rete Neurale Encoder‑Decoder Multimodale per la Previsione della Velocità del Vento Solare a L1.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued‑Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. I modelli di linguaggio di grandi dimensioni superano gli esperti umani nella previsione dei risultati neuroscientifici. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. IA contro l’efficacia umana nella valutazione dei saggi. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “Confronto tra le prestazioni di IA e di esperti umani nella valutazione del dolore acuto nelle pecore.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. Intelligenza artificiale in dermatologia: una revisione. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “Il tutoring IA può supportare gli studenti in modo sicuro ed efficace: uno studio RCT esplorativo nelle classi del Regno Unito.” arXiv pre‑print (Nov 2025). Disponibile su: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf