Dalle provette agli algoritmi predittivi
L'AI sta cambiando il paradigma della ricerca farmaceutica per un semplice motivo: invece di misurare, prevede. I modelli non sintetizzano fisicamente le molecole per vedere se funzionano: le simulano. Analizzano enormi quantità di dati, scovano pattern nascosti e propongono i candidati che con più probabilità funzioneranno, spesso molecole che nessuno aveva immaginato. Il laboratorio entra in gioco solo successivamente, per confermare la manciata di candidati migliori.
Il caso simbolo è il fatto che il premio Nobel per la chimica nel 2024 sia andato a Demis Hassabis e John Jumper, i due scienziati di Google DeepMind che hanno guidato lo sviluppo di AlphaFold, il sistema di intelligenza artificiale per la predizione delle strutture proteiche (l'altra metà a David Baker per la progettazione computazionale di proteine).
È in questo senso che la bilancia e la provetta vanno davvero “in pensione” nei primi stadi della scoperta, dove il lavoro sporco dello screening di massa lo fa l'algoritmo. E i risultati cominciano a vedersi: alcune analisi indicano che le molecole individuate con l'AI mostrano tassi di successo in fase I molto più alti della media storica.
Quanto vale l'AI applicata alla R&D farmaceutica, e chi ci sta puntando
Nel 2025 gli investimenti globali nelle aziende di AI drug discovery hanno raggiunto 11,4 miliardi di dollari, più del doppio dei 5,6 miliardi dell'anno precedente (dati PitchBook): un ritmo che pochissimi altri segmenti tecnologici riescono a eguagliare. A dare il senso dell'accelerazione basta un nome: Isomorphic Labs, la costola di Alphabet dedicata alla scoperta di farmaci con AI, ha raccolto da sola 2,1 miliardi di dollari in un unico round, a maggio 2025.
Eppure il vero tratto distintivo del farmaceutico non è la dimensione assoluta della spesa: in valore complessivo, settori come tech, finanza e manifattura muovono cifre maggiori. È piuttosto l'intensità e la natura strategica dell'investimento. Qui l'AI non ottimizza processi accessori come il marketing o la logistica: va al cuore stesso del prodotto, la scoperta della molecola.
Con l'AI cambia anche il modo di fare innovazione, che diventa sempre più "aperto". Nessuna azienda, per quanto grande, può più costruire in casa tutte le competenze necessarie al ritmo con cui evolvono: il vecchio schema della R&D interna non regge più. Le big del pharma si muovono così su due binari paralleli, sviluppare capacità proprie e, insieme, allearsi con gli specialisti dell'AI. Gli esempi del 2025-2026 danno la misura della corsa.
Eli Lilly è tra le più aggressive: ha annunciato un laboratorio congiunto da 1 miliardo di dollari con Nvidia per costruire un supercomputer dedicato alla scoperta di farmaci, e in parallelo ha firmato accordi con diverse AI-biotech, tra cui Insilico, Chai Discovery e Noetik. Secondo GlobalData, entro fine 2025 aveva già aggiunto alla pipeline sette progetti nati da licenze AI, per oltre 2 miliardi di dollari complessivi. Pfizer ha siglato un accordo pluriennale con Boltz per modelli su misura nella progettazione di anticorpi e piccole molecole, affiancandogli una partnership con Chai Discovery. Merck ha stretto un'alleanza con Google sul cloud AI applicato allo sviluppo dei farmaci, oltre a collaborazioni con piattaforme generative come Insilico. Sanofi ha avviato con Owkin una collaborazione pluriennale per "agenti biofarmaceutici" basati su AI lungo tutta la catena, dalla scoperta ai trial clinici. E Takeda ha firmato con Iambic Therapeutics un accordo dal valore superiore a 1,7 miliardi di dollari.
Nel quadro della R&D globale, farmaceutico, software e hardware sono gli unici comparti a crescere a doppia cifra. Con una differenza sostanziale, però: nell’ICT l'AI è il prolungamento naturale di un business già digitale, mentre nella farmaceutica è una rottura di metodo, l'irruzione del calcolo in un mondo storicamente fisico, fatto di laboratori e provette.
Ed è proprio questo a rendere il caso pharma il più interessante. È il settore dove l'AI promette il salto di produttività più grande, perché parte dal livello più basso: per decenni la ricerca farmaceutica ha sofferto la legge di Eroom, il paradosso per cui più si investiva, meno molecole si ottenevano. Il software, al contrario, viaggiava già alla velocità della legge di Moore, con la sua efficienza in raddoppio continuo. Dove il tech accelera un motore già potente, la farmaceutica ne accende uno che sembrava ingolfato da settant'anni.