Claude Science: Anthropic porta la ricerca scientifica in un unico banco di lavoro AI

C'è un modo comodo di raccontare ogni annuncio di intelligenza artificiale: un modello nuovo, più grande, più bravo. L'annuncio con cui Anthropic ha presentato il 30 giugno 2026 Claude Science rompe lo schema, e vale la pena capirlo perché indica dove si sta spostando la frontiera. Claude Science è un'app — un banco di lavoro per la ricerca scientifica — che gira sugli stessi modelli Claude già disponibili, Opus 4.8 compreso. La novità sta in tutto ciò che li circonda: gli strumenti scientifici, le connessioni ai database, la gestione del calcolo e una tracciabilità completa di ogni passaggio, dai dati grezzi alla pubblicazione.

Claude Science raccoglie database, strumenti di analisi e calcolo in un unico ambiente di ricerca, con la storia di ogni risultato allegata al risultato stesso.

La scommessa: il flusso di lavoro, oltre il modello

La ricerca scientifica computazionale è fatta di frammenti. Un ricercatore lavora su decine di database — ciascuno con il proprio schema e il proprio linguaggio di interrogazione — passa da PubMed a Jupyter, da R al terminale di un cluster, e costruisce ogni volta pipeline su misura per formati di file diversi. Claude Science porta questi pezzi dentro un unico ambiente, dove l'analisi della letteratura, l'esecuzione di più passaggi, la produzione di figure e la stesura del manoscritto convivono nello stesso posto.

La lettura di chi osserva il mercato è netta: la scommessa è sul flusso di lavoro e sull'orchestrazione, più che su un modello dedicato alla biologia. Anthropic lo dichiara apertamente — stessi modelli Claude, accesso uguale per i piani Pro, Max, Team ed Enterprise, disponibile in beta su macOS e Linux. Il valore, in altre parole, sta nel togliere attrito attorno a capacità che il ricercatore già possiede.

Come funziona: provenienza e agenti che si controllano a vicenda

Due idee reggono l'impianto. La prima è la provenienza. Ogni artefatto — una figura, una tabella, un notebook — porta con sé il codice esatto che l'ha prodotto, l'ambiente in cui è girato, una descrizione in linguaggio naturale di ciò che è stato fatto e l'intera conversazione che ci ha portato. Il risultato resta riproducibile mesi dopo, da chiunque nel team, e difendibile in sede di revisione. Per una disciplina che vive di riproducibilità, è un cambio di passo concreto: l'output arriva già corredato della propria storia.

La seconda idea è l'architettura a più agenti. Un agente coordinatore generalista dà accesso a oltre 60 skill e connettori pre-configurati per genomica, single-cell, proteomica, biologia strutturale e cheminformatica. Gli agenti specialisti interrogano e sintetizzano tra le fonti — da UniProt e PDB a Ensembl, ClinVar, ChEMBL e GEO — così che il ricercatore ponga una domanda in linguaggio naturale invece di navigare ogni archivio a mano. E un agente revisore controlla citazioni e calcoli, segnala numeri privi di tracciabilità e figure che divergono dal codice sottostante, correggendosi mentre procede. È il pattern actor-critic applicato alla ricerca: un agente produce, un altro verifica. Sul fronte dei modelli di dominio, Claude Science usa le skill del BioNeMo Agent Toolkit di NVIDIA per collegarsi a librerie come Evo 2, Boltz-2 e OpenFold3.

Gira dove vivono i dati

Qui si tocca il punto più interessante per chi lavora in ambienti regolati. Claude Science gira sull'infrastruttura del laboratorio: il portatile, una macchina Linux, il nodo di login di un HPC via SSH, oppure un account Modal per il calcolo on-demand, scalando da una singola GPU a centinaia secondo necessità. I dataset grandi o sensibili restano sui sistemi dove già vivono, e a Claude arriva solo il contesto necessario per ciascun passaggio dell'analisi.

La residenza del dato e la tracciabilità degli agenti — il terreno che Synthos Logic presidia con l'ambito AI Privacy First — diventano qui parte integrante del prodotto, invece di restare un vincolo esterno da aggirare. Per un IRCCS, un'università o un'azienda farmaceutica europea, questa scelta segna la differenza tra poter adottare uno strumento e doverlo tenere fuori dalla porta: il dato resta dentro il perimetro, e il tracciato di ogni passaggio rende ogni risultato verificabile.

Cosa dicono i primi laboratori

I primi mesi di beta offrono esempi concreti. Manifold Bio ha usato Claude Science per selezionare i bersagli dei propri esperimenti, valutando espressione di superficie, trafficking e sicurezza e ordinando i candidati secondo criteri appresi dai dati proprietari dell'azienda. All'Allen Institute, il neuroscienziato Jérôme Lecoq ha costruito un sistema a più agenti per scrivere rassegne lunghe: dove prima il suo gruppo impiegava fino a due anni per una singola review, oggi ne ha circa una decina, molte oltre le 100 pagine, con citazioni verificate da agenti revisori.

All'UCSF, l'epidemiologo Stephen Francis ha accelerato le analisi germinali sul glioma a circa un decimo del tempo precedente, con risultati validati in modo indipendente dal suo gruppo. Il filo comune è chiaro: la macchina svolge il lavoro ripetitivo e tracciabile, mentre lo scienziato torna a concentrarsi sulle domande e sul giudizio. Il resto dell'elenco dei primi utenti — dal Whitehead Institute del MIT a Xaira, Helix, Garvan ed Every Cure — racconta la stessa direzione.

Cosa significa per la ricerca italiana ed europea

Al di là del singolo prodotto, l'annuncio segnala una direzione che riguarda anche l'Italia. Il valore competitivo si sposta dal modello puro alla capacità di orchestrare strumenti, dati e calcolo con rigore e tracciabilità. Per il sistema della ricerca italiano — le università, i centri di supercalcolo come Cineca, gli IRCCS biomedici — la lezione resta applicabile a prescindere dal fornitore scelto: chi mette al centro provenienza, riproducibilità e residenza del dato costruisce strumenti che i ricercatori in ambienti regolati possono davvero adottare.

Restano le domande aperte, che è onesto porre. Uno strumento che accelera le analisi di dieci volte sposta il collo di bottiglia più a valle, sulla validazione umana e sul giudizio scientifico, che restano il cuore del mestiere. E l'accesso, per ora legato ai piani a pagamento con uno sconto dedicato ai laboratori accademici e nonprofit, definirà quanto ampia sarà davvero la platea raggiunta. La direzione, però, è leggibile: la prossima ondata di strumenti scientifici competerà sulla fiducia — su quanto ogni risultato è tracciabile e riproducibile — più che sulla potenza grezza del modello. Ed è un terreno su cui l'Europa, con la sua cultura del rigore e delle regole, ha qualcosa da giocare.

Autore

Pablo Liuzzi

Founder, Synthos Logic