La notizia pubblicata da Anthropic il 27 ottobre 2026 merita una riflessioneper una ragione che va oltre l’intelligenza artificiale applicata alla ricerca farmaceutica. Sei scienziati di Generate Biomedicines hanno utilizzato Claude Code per riprogettare una componente dei recettori impiegati nelle terapie CAR-T, ottenendo in laboratorio una versione circa il 70% più corta rispetto al riferimento adottato e capace di consentire alle cellule immunitarie di esprimere una quantità di recettori sulla superficie cellulare circa dieci volte superiore. I test riportati dall’azienda indicano anche una maggiore capacità di uccidere cellule tumorali e una persistenza più lunga dell’attività immunitaria. Sono risultati preclinici promettenti, non una terapia già dimostrata efficace nei pazienti.
Il caso è interessante perché sposta la discussione sull’IA generativa da un terreno ormai inflazionato, quello della scrittura automatizzata e della produttività d’ufficio, verso un problema industriale concreto: modificare un componente biologico affinché svolga la propria funzione con maggiore efficienza, lasciando spazio ad altre istruzioni genetiche. La differenza è sostanziale. Un assistente che riduce il tempo necessario a produrre un documento genera un risparmio operativo; un sistema che contribuisce a progettare una struttura molecolare funzionale potrebbe incidere sul percorso stesso con cui si sviluppa un farmaco. Tra le due cose, tuttavia, rimane una distanza scientifica che nessuna dimostrazione spettacolare può cancellare.
La terapia CAR-T, acronimo di chimeric antigen receptor T-cell therapy, si basa sulla modifica genetica dei linfociti T del paziente, affinché riconoscano e attacchino determinate cellule tumorali. Ha già trasformato il trattamento di alcune neoplasie ematologiche, ma l’estensione ai tumori solidi resta un problema difficile. Il microambiente tumorale può ostacolare l’attività immunitaria e la selezione dei bersagli presenta complicazioni che non si risolvono semplicemente aumentando la potenza di un recettore. Nel caso presentato da Generate, l’intervento riguarda il dominio di segnalazione intracellulare del recettore CAR, cioè la parte che trasmette alla cellula immunitaria l’istruzione di attaccare. Ridurne la lunghezza significa liberare spazio nelle istruzioni genetiche per integrare altre funzioni, potenzialmente utili per riconoscere più marcatori tumorali o migliorare la sopravvivenza dei linfociti nel tumore. Anthropic+1
Il dato più appariscente, l’aumento di circa dieci volte dei recettori espressi sulla superficie cellulare, va interpretato con precisione. Non significa che la terapia sia dieci volte più efficace nei pazienti, né che la probabilità di guarigione sia aumentata nella stessa proporzione. Si tratta di una misura biologica ottenuta in laboratorio, accompagnata da altri risultati funzionali incoraggianti. Per passare da questi segnali a un trattamento utilizzabile occorrerà verificare la robustezza degli effetti in modelli preclinici più complessi, valutare la sicurezza e comprendere se il vantaggio osservato si mantenga nelle condizioni biologiche dei tumori solidi. Anthropic e Generate indicano proprio nei successivi test preclinici e nella selezione dei bersagli tumorali i passaggi ancora da affrontare. Anthropic+1
La novità tecnologica non consiste soltanto nell’aver chiesto a un modello linguistico di suggerire una sequenza più corta. Il gruppo ha costruito un sistema nel quale agenti di intelligenza artificiale collaborano alla progettazione e alla valutazione delle soluzioni, utilizzando dati sperimentali e strumenti sviluppati per il lavoro scientifico. I risultati di laboratorio alimentano poi un nuovo ciclo di ricerca, restringendo progressivamente lo spazio delle ipotesi da verificare. È un processo iterativo che ricorda, per certi aspetti, il refactoring del software: si cerca di migliorare una componente senza perdere la funzione essenziale, ma nel caso biologico la correttezza non può essere stabilita soltanto mediante un controllo formale. Deve essere misurata attraverso esperimenti. La capacità del sistema di collegare ipotesi computazionali e risultati empirici è quindi più importante della semplice velocità con cui produce proposte.
La collaborazione con Generate Biomedicines si inserisce in una strategia più ampia di Anthropic, che il 27 ottobre ha descritto sei partnership con organizzazioni impegnate nello sviluppo di medicinali, affiancandole all’avvio di programmi di ricerca propri. Presso Divergence Labs, Claude avrebbe generato circa 35.000 progetti di anticorpi in un mese per una possibile terapia contro le allergie alimentari; presso BigHat Biosciences, la collaborazione ha contribuito all’ottimizzazione di circa 1.010 varianti molecolari in dieci settimane. Enveda, invece, ha utilizzato Claude per esaminare documentazione di produzione farmaceutica: su 1.061 pagine, il sistema avrebbe individuato sette problemi non rilevati dai revisori umani, riducendo il tempo di revisione da oltre 25 ore a meno di tre. Sono attività diverse, con metriche diverse, e non possono essere sommate in un unico indicatore di efficacia scientifica. Anthropic+1
Il progetto Mithril Medicine mostra inoltre l’interesse di Anthropic per un modello industriale nel quale l’IA non si limita ad assistere il laboratorio, ma sostiene anche l’organizzazione del programma di sviluppo. L’azienda, fondata da una sola persona e successivamente acquisita da Anthropic, aveva impiegato Claude per coordinare contratti, logistica ed esperimenti affidati a undici laboratori esterni. Secondo quanto riferito dalla società, uno dei candidati terapeutici per una forma rara di distrofia muscolare ha raggiunto risultati promettenti nei topi in meno di diciotto mesi. Anthropic prospetta la possibilità di avviare sperimentazioni cliniche sull’uomo entro la fine del 2028, subordinatamente alla conferma dei risultati. La distinzione è fondamentale: un risultato promettente in un modello animale non equivale a un farmaco efficace nell’essere umano, e una previsione aziendale non costituisce una scadenza clinica garantita.
È proprio qui che il confronto con i lavori di Francesco Branda diventa interessante. Il suo contributo non riguarda, per quanto emerge dalle pubblicazioni individuate, la progettazione diretta di proteine o la riprogrammazione di cellule CAR-T. La sua prospettiva è differente: studia il rapporto tra sistemi di intelligenza artificiale, organizzazioni e responsabilità epistemica, cioè la capacità degli esseri umani di conservare un giudizio autonomo quando delegano parte del proprio lavoro a una macchina. Nel giugno 2026, insieme a Massimo Ciccozzi, Branda ha pubblicato su Artificial Intelligence in the Life Sciences l’articolo The comfort of automation: why cognitive sovereignty matters in AI-driven life sciences. Il tema è il rischio che l’integrazione dell’IA nella ricerca biomedica e nella pratica clinica trasformi l’assistenza algoritmica in una delega eccessiva, riducendo la capacità dei professionisti di verificare criticamente i risultati. ScienceDirect
Il concetto di cognitive sovereignty, o sovranità cognitiva, offre una chiave di lettura particolarmente utile per comprendere il caso Generate. La questione non è stabilire se Claude abbia contribuito in modo significativo alla progettazione: le informazioni pubblicate indicano che il sistema ha partecipato alla generazione e alla valutazione delle soluzioni. La domanda più rilevante è come venga mantenuta la capacità degli scienziati di comprendere, verificare e contestare ciò che il modello propone. In un progetto di ricerca biologica, la supervisione umana non può ridursi all’approvazione dell’output apparentemente migliore. Deve includere la scelta dei criteri sperimentali, l’interpretazione dei risultati inattesi e la capacità di riconoscere quando una misura favorevole non corrisponde a un miglioramento terapeutico significativo.
Branda affronta una questione affine anche nel lavoro The Illusion of “AI-First”: Organizational Rationality and the Performative Translation of AI Hype, pubblicato nel 2026 su Philosophy & Technology. L’analisi riguarda la distanza che può emergere tra l’adozione effettiva dell’intelligenza artificiale e la narrazione con cui le organizzazioni presentano sé stesse come AI-first. In questa prospettiva, l’IA non è soltanto uno strumento operativo: diventa anche un segnale di modernizzazione, capace di influenzare le decisioni manageriali e il modo in cui un’impresa racconta la propria trasformazione.
Applicata all’annuncio di Anthropic, questa lente invita a distinguere due livelli. Il primo è scientifico: le prestazioni osservate nelle cellule costituiscono un risultato da verificare attraverso ulteriori esperimenti. Il secondo è organizzativo e industriale: Anthropic sta dimostrando che Claude può inserirsi in attività ad alto valore economico, mentre costruisce relazioni con imprese farmaceutiche e acquisisce capacità di ricerca. La comunicazione dei risultati svolge quindi anche una funzione strategica, perché documenta casi d’uso, attira partner e rende credibile l’espansione del modello verso la ricerca biomedica. Questo non rende meno validi i risultati, ma impone di distinguere le evidenze sperimentali dalle aspettative commerciali. La stessa azienda dichiara che il lavoro è ancora in fase iniziale e prevalentemente preclinica.
Il confronto con Branda permette così di evitare due errori opposti. Il primo consiste nel trattare ogni risultato dell’IA come una dimostrazione di autonomia scientifica, ignorando il ruolo dei ricercatori che definiscono il problema e validano le soluzioni. Il secondo consiste nel ridurre tutto a una campagna promozionale, trascurando misure sperimentali che possono avere un significato concreto. La questione decisiva è la qualità del processo di verifica: quanto sono riproducibili i risultati, quali controlli indipendenti sono stati effettuati e quanto chiaramente vengono documentati i limiti del metodo. Per la ricerca biomedica, la sovranità cognitiva non significa escludere l’IA, ma impedire che la sua apparente competenza sostituisca il giudizio scientifico.
Resta infine la conseguenza economica. Se strumenti come Claude riuscissero a ridurre in modo riproducibile il costo della progettazione e della selezione dei candidati terapeutici, le imprese potrebbero esplorare più ipotesi con lo stesso capitale e destinare risorse a programmi oggi considerati troppo rischiosi. Ma accelerare la fase di progettazione non elimina automaticamente i vincoli della sperimentazione preclinica, della produzione conforme agli standard farmaceutici e degli studi clinici. Il collo di bottiglia può spostarsi, non necessariamente scomparire. La prospettiva di Anthropic è costruire un sistema capace di intervenire lungo più fasi dello sviluppo dei farmaci; quella di Branda ricorda che, quanto più la delega diventa profonda, tanto più deve essere rigorosa la conservazione dell’autonomia di giudizio. Il valore dell’IA nella medicina non si misurerà dal numero di molecole generate o dalle ore risparmiate, ma dalla capacità di trasformare proposte computazionali in risultati biologici riproducibili e, infine, in terapie sicure ed efficaci per i pazienti.
Fonti principali: Anthropic, Early progress on accelerating drug development with Claude, 27 ottobre 2026. Francesco Branda e Massimo Ciccozzi, The comfort of automation: why cognitive sovereignty matters in AI-driven life sciences. Francesco Branda, The Illusion of “AI-First”: Organizational Rationality and the Performative Translation of AI Hype.