Perché OpenAI e Anthropic stanno entrambe correndo verso la biotecnologia?

Vi siete mai chiesti perché, quasi ogni settimana ultimamente, un'altra azienda di intelligenza artificiale annuncia il suo ingresso nella biotecnologia?

Nvidia ed Eli Lilly stanno costruendo insieme un laboratorio a San Francisco; Isomorphic Labs, spin-off di DeepMind, si occupa di scoperta di farmaci; Sam Altman ha investito personalmente nella società di longevità Retro; e Anthropic sta progressivamente potenziando la sua presenza nelle scienze della vita. Alex Colville è coinvolto in prima persona in tutto questo. È cofondatore di age1, il primo fondo venture al mondo focalizzato sulla longevità, fondato insieme a Laura Deming. Ha conseguito un dottorato in genetica a Stanford, studiando la biologia dell’invecchiamento, e ha gestito oltre 100 milioni di dollari in investimenti nel campo della longevità. Questo articolo esplora una sola domanda: perché le aziende di intelligenza artificiale vogliono entrare nella biotecnologia, cosa possono effettivamente contribuire e dove incontreranno ostacoli? Illustrerò innanzitutto le sue osservazioni, poi aggiungerò le mie riflessioni.

Perché le aziende di intelligenza artificiale si stanno affollando tutte nella biotecnologia

Alex parte da un dato: i due farmaci per la perdita di peso semaglutide e tirzepatide generano insieme ricavi superiori alla somma di quelli di OpenAI e Anthropic, e continuano a crescere rapidamente. Molti danno per scontato che questo tipo di business verrà acquisito dalle aziende tecnologiche, ma non è ancora accaduto. La sua ipotesi è che aziende come OpenAI, Anthropic e Google già godono di valutazioni straordinarie e necessitano di ricavi altrettanto straordinari; guardandosi intorno, notano che un singolo farmaco al mondo guadagna più dell’intera loro azienda, rendendolo ovviamente molto interessante.

Il secondo motivo è la barriera competitiva. I farmaci sono protetti da brevetti e il settore è fortemente regolamentato, a differenza della maggior parte dei prodotti tecnologici, che col tempo tendono alla commodificazione e diventano sempre meno costosi. Cita un’osservazione frequente di Marc Andreessen: i prezzi nei settori regolamentati continuano a salire, mentre quelli nei settori non regolamentati vengono spinti costantemente al ribasso. Secondo lui, la biotecnologia è altamente resistente all’intelligenza artificiale — non sarà rivoluzionata da Anthropic in un solo anno. Il motivo è semplice: ci sono troppi problemi complessi, e anche applicando tutta l’intelligenza disponibile, ci vuole comunque molto tempo.

Riguardo ad Anthropic in particolare, afferma che l’azienda ha pubblicato una mappa del mercato indicando le scienze della vita come uno degli ambiti con il maggiore impatto. Il team ha inoltre dichiarato pubblicamente che questo potrebbe diventare il secondo mercato principale dell’azienda, almeno tra i primi cinque. Di recente Anthropic ha rilasciato un nuovo modello dedicato alle scienze della vita, menzionando programmi preclinici in ambiti come l’invecchiamento e le malattie rare. La sua reazione è stata sintetizzata in una frase: quando Anthropic dichiara pubblicamente che questo è una priorità, significa che «è già iniziato».

Ciò che rende insolita questa sezione è che non maschera le motivazioni delle aziende di intelligenza artificiale come nobili. Esse intervengono perché qui si trova il più grande ricavo mondiale, la barriera competitiva più solida e un settore che l’intelligenza artificiale non potrà cancellare al momento. Vederlo chiaramente facilita il giudizio su ciò che faranno in futuro: non seguiranno la strada più affascinante, ma si concentreranno là dove il business è più difficile da sostituire.

Due cose in cui l’intelligenza artificiale ha già aiutato

Allora, in cosa ha effettivamente aiutato l’intelligenza artificiale? Alex afferma di vedere due cambiamenti evidenti.

Il primo è la generazione di molecole. Per alcune categorie di farmaci, progettare molecole è ora molto più rapido e meno costoso che in passato, senza dover più ricorrere continuamente a interazioni uomo-laboratorio — anche se siamo ancora lontani dal «nessun essere umano, nessun esperimento». Menziona aziende come Nabla Bio, in grado già oggi di generare anticorpi e piccole molecole in modalità zero-shot, cioè producendo candidati molecolari in un unico passaggio, senza aver bisogno di esempi preliminari. Tuttavia, aggiunge che attualmente gran parte del lavoro riguarda bersagli noti (proteine o geni su cui agisce un farmaco), creando nuove versioni di farmaci esistenti — ma molto velocemente. Il passo successivo, secondo lui, è inevitabile: anche bersagli completamente nuovi riceveranno molecole generate in un unico passaggio.

Il secondo cambiamento è più prosaico. Il lavoro quotidiano è ora dal 30% al 95% più veloce, afferma — redigere documenti regolatori, analizzare i concorrenti, cercare opportunità di partnership o acquisire familiarità con un nuovo bersaglio. Il suo giudizio: un anno e mezzo-due anni fa, avviare una società farmaceutica era un’impresa gravosa; oggi è quasi «democratizzata».

La mia interpretazione è che uno di questi aspetti riguarda la «creazione di cose», l’altro l’«esecuzione più efficiente di attività», e entrambi avvengono nella fase iniziale dello sviluppo farmaceutico. Rendono più economico il processo di tentativi ed errori e permettono a piccoli team di partire, ma non hanno ancora toccato la parte più difficile del settore. Ciò che questa parte sia, lo spiega successivamente.

La fase più costosa e lenta: dove l’intelligenza artificiale non ha ancora aiutato

Alcuni immaginano un futuro con milioni di aziende biotecnologiche «senza dipendenti»: con sufficienti token, proprio come scrivere software con l’IA, si potrebbero fare ricerca e progettazione in un solo respiro. Alex ritiene che questa visione sia ancora molto distante dalla realtà. Il suo ragionamento: il vero collo di bottiglia si presenta dopo la generazione della molecola. Per trasformare una molecola ottimizzata in un farmaco approvato, occorre dimostrarne sicurezza ed efficacia, e questa fase rappresenta una quota sproporzionata dei costi e dei tempi nello sviluppo farmaceutico. Progettare la molecola è già complesso e costoso, ma rispetto a questa fase è irrilevante. Questa è diventata «l’ultima frontiera», dice: scegliere la molecola con maggiori probabilità di successo, quindi condurre l’intero processo nel modo più economico possibile. Anche se una persona progetta una molecola con l’IA, ogni azienda deve comunque spendere milioni di dollari successivamente — ed è proprio qui che l’IA ha oggi meno influenza.

Ritengo questa la parte più sobria dell’intera conversazione. Il racconto sull’IA ruota sempre intorno all’idea di «essere più intelligenti», ma alla fine i farmaci non competono sull’intelligenza, bensì sulla dimostrazione. La dimostrazione richiede pazienti, tempo, autorità regolatorie e denaro, e nessuno di questi fattori si riduce automaticamente perché un modello migliora. Questo spiega anche perché le aziende di intelligenza artificiale sono disposte a entrare nel settore, ma nessuno osa affermare che renderanno i farmaci più economici già domani.

Nel campo della longevità c’è ancora poco denaro e nessun prodotto

Torna al campo in cui investe. La longevità è l’ambito con cui l’IA viene più facilmente associata, ma la sua realtà è più semplice di quanto molti immaginino. Alex stima che tutte le aziende che puntano sull’invecchiamento messe insieme valgano circa 15 miliardi di dollari, con un numero di aziende e di capitali investiti pari a circa un cinquantesimo rispetto all’oncologia. Quei finanziamenti che fanno scalpore sono quasi invisibili su un grafico a barre accanto ai finanziamenti per l’IA. La sua conclusione è quindi: ogni dollaro ha oggi un’enorme leva, e siamo ancora agli albori.

Ancora più importante, il settore non dispone ancora di alcun prodotto commerciale dimostrato efficace sull’uomo. Prevede che il primo lotto di tali prodotti apparirà nel prossimo decennio, mirando a ritardare o prevenire alcuni aspetti dell’invecchiamento — non una tecnologia strabiliante, ma la prima prova concreta. Lo definisce il «momento ChatGPT» del campo della longevità, anche se non offrirà un feedback istantaneo come al primo utilizzo di un modello linguistico di grandi dimensioni. Suo nonno fu uno dei primi soldati americani trattati con la penicillina e, dopo una polmonite quasi fatale, visse fino ai novant’anni. Dice di aver atteso il «momento penicillina» della longevità, stimandolo a dieci-quindici anni di distanza. Proprio come oggi si assumono statine a una certa età per prevenire malattie cardiovascolari, lui attende una «statina» per qualcosa di diverso dal sistema cardiovascolare.

Il trattamento più vicino all’uso umano è un farmaco per cani. L’azienda Loyal sta sviluppando una compressa orale giornaliera mirata ad allungare la vita dei cani, che potrebbe diventare la prima terapia anti-invecchiamento approvata dalla Food and Drug Administration (FDA) statunitense. Secondo lui, sia l’efficacia sia la sicurezza sono già state certificate; resta solo da completare il processo produttivo, previsto entro la fine del prossimo anno, anche se permangono incertezze. La versione umana, ritiene, è ancora distante di diversi anni.

Più avanti nel tempo si colloca una seconda generazione più ambiziosa, dove l’IA avrà un ruolo fondamentale. Una categoria riguarda la sostituzione di cellule e tessuti vecchi con nuovi nei prossimi cinquant’anni; l’altra è la riprogrammazione epigenetica, che non modifica il tipo cellulare ma ne «riavvolge» soltanto l’«età». È proprio questo l’argomento che lui stesso ha studiato nella prima metà del suo dottorato. Considera NewLimit la società più avanzata in questo ambito, con oltre 600 milioni di dollari di liquidità. Hanno iniziato con il fegato, usando la tecnologia mRNA per creare una terapia in topi anziani che li rende resistenti ai danni da alcol come i topi giovani, e passeranno poi alle cellule immunitarie e ai reni. Sottolinea però che nessun singolo approccio risolverà tutto: anche la matrice extracellulare (la struttura di supporto esterna alle cellule) accumula danni, e riavvolgere l’età solo all’interno delle cellule potrebbe non bastare — occorre procedere contemporaneamente su più fronti.

Ritengo questa sezione piacevolmente realistica. Fuori c’è molto rumore; dentro ci sono poche aziende, pochi topi e un solo farmaco per cani. Il compito dell’IA qui non è sostituire quella lunga fase di validazione, ma consentire di testare più velocemente un maggior numero di possibili vie.

La sua visione sulle aziende IA e sulla biosicurezza

La biologia possiede qualcosa che altre industrie non hanno: le stesse capacità possono sia curare sia arrecare danno alle persone. Alex afferma di essere molto contento che i fondatori di quasi tutti i laboratori all’avanguardia tengano davvero alla biosicurezza e alle minacce rappresentate da pandemie e bioterrorismo. Ritiene che, se un tipico amministratore delegato di una grande azienda si trovasse al loro posto, probabilmente non ne avrebbe altrettanta cura. Non pensa che questi laboratori facciano sempre la cosa giusta o abbastanza — dopotutto, è difficile avere ragione sempre in una posizione simile — ma la loro preoccupazione è autentica, e lui ne è grato.

È sincero anche sul piano della reputazione. Questi laboratori sanno bene che, una volta considerati capaci di curare il cancro, diventa difficile limitarli o chiuderli. Ammette che nascondersi dietro quest’alone possa risultare un po’ inquietante, ma crede che la loro genuina attenzione a questo tema rappresenti un enorme vantaggio per l’umanità. Aggiunge inoltre che, a parte il bioterrorismo, gli usi dell’IA in biologia sono appena controversi — qualcosa di veramente benefico per l’umanità, a differenza di altre applicazioni in cui è difficile tracciare una linea netta tra bene e male.

Alcune riflessioni personali

Ripensando a quanto descritto da Alex, si tratta in realtà di diversi strati della stessa storia. Perché arrivano le aziende IA: i ricavi più alti e la barriera competitiva più profonda. Cosa possono aiutare a fare: progettare molecole ed efficienza quotidiana. Cosa non possono aiutare: la validazione umana, la più costosa e lenta. E su una frontiera come quella della longevità, i fondi sono ancora scarsi e il primo prodotto non è ancora arrivato. Mettendo insieme questi strati emerge una conclusione semplice: l’IA ha reso «pensare l’idea» economico, ma non ha reso economico «dimostrarla».

Secondo me, ciò significa cose diverse per spettatori e costruttori. Gli spettatori vengono trascinati dai titoli «l’azienda X entra nel biotech» e credono che i farmaci stiano per diventare economici e le persone destinate a vivere più a lungo. I costruttori dovrebbero porsi un’ulteriore domanda: questa azienda risolve il problema dell’idea o quello della dimostrazione? L’IA accelera il primo; il secondo dipende ancora da tempo, pazienti e denaro.

Naturalmente, ciò che Alex offre è un giudizio, non una profezia. Se il primo prodotto per la longevità apparirà entro dieci anni e se l’IA potrà ridurre i costi della validazione rimane da vedere. Ma la graduatoria che propone è utile: se potesse scommettere su una sola categoria, sceglierebbe quella dimostrabile per prima — il ritardo e la prevenzione dell’invecchiamento — mentre la sostituzione e la riprogrammazione avrebbero il loro turno solo cinque anni dopo.

Le idee continueranno a diventare più economiche. La dimostrazione no.