Il capitolo dedicato alla scienza nell’AI Index 2026 mostra una crescita sostenuta delle pubblicazioni che impiegano AI e l’espansione dei foundation model in biologia, chimica, fisica e astronomia.

La fotografia cambia quando il compito diventa end-to-end: i modelli possono superare medie umane in alcuni questionari, ma ottengono risultati molto inferiori agli esperti nella replica di paper, nella bioinformatica reale e in altre attività che richiedono catene lunghe di decisioni.

Per un team R&D la conseguenza pratica è misurare l’intero processo, non soltanto la qualità di una risposta. Provenienza dei dati, esecuzione del codice, controlli intermedi e revisione specialistica devono rimanere parte dell’architettura.

Perché conta

Per R&D il dato invita a progettare workflow in cui ricerca documentale, calcolo, verifica e decisione restano separati, osservabili e revisionabili.

Limite dell’evidenza

Il rapporto aggrega benchmark eterogenei e non misura direttamente prestazioni su processi nutraceutici aziendali; ogni uso richiede valutazioni locali.

Nota editoriale. Il contenuto è informativo e rivolto a professionisti del settore. Non costituisce consiglio medico, indicazione terapeutica o parere regolatorio. Consulta il metodo editoriale.

Consulta la fonte originale · Stanford HAI ↗