🌍 Dieci notizie che non troverete già ovunque

Sette giorni di stampa estera questa settimana solo in ligua inglese: qualcuno ha vinto, qualcuno ha perso, qualcuno ha scoperto che l’AI trova cose che i ricercatori umani non cercavano nemmeno.

🏦 L’AI divide il mercato del lavoro in due binari e premia le competenze umane

Il PwC 2026 Global AI Jobs Barometer ha analizzato oltre un miliardo di offerte di lavoro in sei continenti, e il risultato è abbastanza netto: i lavori che richiedono competenze AI crescono quasi otto volte più velocemente della media del mercato (69% contro 9%), e il premio salariale per chi le possiede è salito al 62%, su dal 57% dell’anno scorso e più che raddoppiato rispetto al 25% di qualche anno fa. Il dato meno citato ma più utile è la biforcazione: ci sono lavori “professionalizzati” dall’AI, che richiedono giudizio, creatività, leadership, che crescono due volte più in fretta e con salari 42% più alti rispetto al 2021, e lavori “democratizzati” dall’AI, più standardizzabili, che crescono ma meno. I ruoli entry-level esposti all’AI nel 2026 richiedono sette volte più spesso capacità considerate da senior; sono cresciuti del 35% dal 2019, mentre gli altri ruoli entry-level sono calati del 10%.

Non è una previsione su un futuro lontano. È un’istantanea di quello che sta succedendo adesso, nelle offerte di lavoro reali. Chi sa lavorare con l’AI è avvantaggiato, chi non lo sa molto meno. Rassicurante o deludente? Dipende dai punti di vista.

Fonte: PwC / Euronews, 16 giugno 2026, EN — link

🏥 I modelli AI generalisti superano le IA cliniche approvate dalla FDA

Uno studio pubblicato su Nature Medicine il 23 giugno ha confrontato i principali modelli linguistici generalisti con gli strumenti AI certificati dalla FDA per uso clinico, valutandoli su query reali di medici. GPT-5.2, Gemini 3.1 Pro e Claude Opus 4.6 hanno superato gli strumenti clinici certificati. Non di poco. Lo studio apre una domanda che l’ente regolatorio americano dovrà prima o poi rispondere: ha senso mantenere un percorso di validazione separato per l’AI clinica, se i modelli generalisti già la battono nelle performance su casi reali?

La risposta non è ovvia, perché i criteri FDA riguardano anche sicurezza, tracciabilità, responsabilità legale, non solo performance su benchmark. Ma il gap di performance ora è documentato in una rivista peer-reviewed, e ignorarlo sarà sempre più difficile. La prossima domanda sarà di chi è la colpa quando un tool certificato sbaglia e uno non certificato avrebbe fatto meglio.

Fonte: Clinical Trial Vanguard / Nature Medicine, 23 giugno 2026, EN — link

💊 Il primo farmaco progettato dall’AI supera una fase clinica IIa con risultati positivi

Rentosertib, sviluppato da Insilico Medicine con la piattaforma Pharma.AI, ha completato una fase IIa con esiti positivi pubblicati su rivista peer-reviewed. È il primo farmaco in cui sia il bersaglio molecolare che la molecola stessa sono stati identificati e progettati da AI: PandaOmics ha trovato il target analizzando dati multi-omici, Chemistry42 ha disegnato il composto, inClinico ha previsto gli esiti clinici. Nessun farmaco AI ha ancora l’approvazione FDA definitiva, ma questa è la prima prova clinica pubblicata che il processo funziona end-to-end.

Per anni la promessa dell’AI nella scoperta di farmaci era rimasta nel territorio delle presentazioni a convegno. Adesso c’è un risultato di fase IIa. Il ritmo della ricerca farmacologica non sarà lo stesso e il costo medio di sviluppo di un farmaco, stimato in oltre un miliardo di dollari, ha trovato un concorrente che non dorme e non chiede ferie.

Fonte: TechTimes / FierceBiotech / BIO 2026, 26 giugno 2026, EN — link

🎓 L’AI a scuola funziona solo se c’è qualcuno che sa insegnarla — OCSE

Il rapporto OCSE Digital Education Outlook 2026 ha esaminato la ricerca emergente sull’uso di GenAI nelle aule. La conclusione non è quella che si sente di solito: l’AI può supportare l’apprendimento reale, ma solo quando è guidata da principi didattici chiari. Quando viene usata senza supporto pedagogico, migliora le performance degli studenti senza produrre apprendimento reale. In altri termini, aiuta a fare meglio i compiti senza capirli meglio. Le quattro funzioni dove funziona davvero: hub informativo, generatore di materiali personalizzati per il lavoro di gruppo, strumento di feedback per gli insegnanti, collaboratore nei progetti collettivi.

Il rapporto è utile non tanto per quello che dice sull’AI, ma per quello che dice sulla scuola: ancora una volta l’AI amplifica ciò che c’è. Se c’è buona didattica, la supporta. Se non c’è, la scavalca producendo risultati migliori a breve termine e comprensione peggiore a lungo. Un problema con una soluzione nota e difficile da implementare, dunque.

Fonte: OCSE Digital Education Outlook 2026, EN/FR — link

🌐 Il WEF misura la prontezza delle scuole all’AI — e i problemi sono diversi per ogni paese

Il World Economic Forum ha pubblicato il 4 giugno “Shaping the Future of Learning”, un framework globale per misurare la AI readiness dei sistemi educativi. Il risultato più interessante è che i blocchi sono radicalmente diversi da paese a paese. Negli Stati Uniti il problema non è l’infrastruttura ma il supporto all’uso concreto degli strumenti. In Kenya il collo di bottiglia è personale qualificato e infrastruttura fisica. Negli Emirati Arabi il problema è culturale: le persone non capiscono perché il cambiamento stia avvenendo. Tre diagnosi diverse, tre terapie diverse. Nessuno schema universale regge.

La conseguenza pratica è che le politiche sull’AI nell’istruzione che funzionano in un contesto non funzionano in un altro, e non perché le persone siano più o meno capaci, ma perché partono da punti diversi. L’Italia non è citata nel rapporto. Sulla base dei parametri descritti, c’è probabilmente un mix di tutti e tre i problemi.

Fonte: World Economic Forum, 4 giugno 2026, EN — link

🔬 AI trova una tasca nascosta in una proteina del cancro — i metodi classici non la cercavano

Ricercatori del Mount Sinai, usando strumenti AI di protein prediction combinati con esperimenti in laboratorio, hanno individuato una tasca farmacologica nascosta nella proteina PKMYT1, un tipo di chinasi coinvolta nella regolazione della crescita cellulare e bersaglio promettente per i farmaci anticancro. La tasca non era mai stata identificata con i metodi di analisi strutturale tradizionali — non perché nessuno avesse guardato, ma perché i metodi classici non erano progettati per cercare quella conformazione specifica. Diventa ora un potenziale nuovo punto di attacco per lo sviluppo di composti oncologici.

Il meccanismo è degno di nota: l’AI non ha sostituito il laboratorio, ha ridefinito dove guardare. La ricerca sperimentale ha poi verificato e validato. È il modello di collaborazione umano-macchina nella ricerca traslazionale che sentirete descrivere sempre più spesso nei prossimi anni. Con risultati, questa volta.

Fonte: Mount Sinai / Journal of the American Chemical Society, giugno 2026, EN — link

⚡ I data center AI superano l’aviazione mondiale nelle emissioni di CO2

Secondo i dati aggregati più recenti (IEA, AllAboutAI, The Sustainable Agency), i data center dedicati all’AI generano oggi tra il 2,5% e il 3,7% delle emissioni globali di gas serra, superando l’aviazione ferma al 2%, con una crescita del 15% annuo. Consumano quasi il 2% dell’elettricità mondiale. C’è un effetto collaterale meno discusso: i data center creano isole di calore localizzate che alzano la temperatura dell’area circostante fino a +8°C, con impatto stimato su 340 milioni di persone già esposte agli effetti del cambiamento climatico.

La cifra sul consumo energetico è già nota nei circoli specializzati. Meno nota è l’entità del riscaldamento locale, che trasforma il problema da questione globale e astratta a questione geograficamente specifica. Chi abita vicino a un data center potrebbe non sapere di essere nel raggio di influenza di una delle infrastrutture più energivore mai costruite. Difficile considerarlo un effetto secondario trascurabile.

Fonte: IEA / AllAboutAI / The Sustainable Agency, 2026, EN — link

🤖 Gli agenti AI conquistano le imprese: da meno del 5% a 40% delle applicazioni enterprise in un anno

Secondo Gartner, entro la fine del 2026 il 40% delle applicazioni enterprise includerà agenti AI dedicati a task specifici. Erano meno del 5% nel 2025. McKinsey stima il valore potenziale tra 2,6 e 4,4 trilioni di dollari annui. I casi d’uso già consolidati includono customer service autonomo, auditing finanziario, gestione HR, supply chain e sicurezza. La novità tecnica sottostante a questa accelerazione sono i workflow “long-running”: agenti che girano in loop autonomi per ore o giorni, senza aspettare un nuovo prompt per ogni passo.

La differenza tra un agente AI e un chatbot è la stessa che esiste tra un collaboratore che esegue un progetto e uno che risponde a domande. I numeri di adozione suggeriscono che le imprese hanno cominciato a capirla. La domanda per chiunque lavori in un’organizzazione non è più “usiamo l’AI?”, ma “quali processi abbiamo già delegato a qualcosa che non è un essere umano, e lo sappiamo?”

Fonte: Gartner / Joget / McKinsey, 2026, EN — link

🧬 In una settimana Anthropic e OpenAI lanciano entrambi strumenti AI dedicati alla ricerca scientifica

Il 30 giugno Anthropic ha lanciato Claude Science in beta pubblica per tutti gli abbonati paganti: un ambiente di lavoro integrato per ricercatori con accesso a oltre 60 database scientifici, visualizzazione nativa di proteine e molecole, artefatti riproducibili e tracciati al codice. Pochi giorni prima OpenAI aveva aggiornato GPT-Rosalind, il suo modello specializzato in life sciences, integrando le capacità agentiche di GPT-5.5 con performance superiori in chimica medicinale e genomica, con il 31% di token in meno. I due sistemi sono posizionati contro Google Isomorphic Labs nella stessa nicchia: AI scientifica verticale per pharma e ricerca accademica.

Il significato non è nel singolo prodotto ma nella convergenza: tre grandi player nello stesso segmento nello stesso mese segnalano che il mercato dell’AI per la scienza ha smesso di essere una scommessa e ha cominciato ad essere una categoria. Chi lavora in ambito accademico o farmaceutico può aspettarsi che nei prossimi dodici mesi i propri strumenti di ricerca cambino aspetto.

Fonte: STAT News / MIT Technology Review / VentureBeat, 30 giugno – 1 luglio 2026, EN — link

📊 Le aziende più esposte all’AI assumono di più e pagano salari più alti — i dati della Federal Reserve

Un’analisi della Federal Reserve di Atlanta, ripresa da Forbes il 2 luglio, mette numeri concreti su una questione spesso dibattuta per aneddoti: le aziende più esposte all’AI registrano una crescita della produttività del 40% superiore a quelle meno esposte. Non stanno tagliando personale: la crescita degli organici è del 52% contro il 36% delle aziende meno esposte, rispetto al 2018. Anche i salari crescono più in fretta. Il paradosso documentato: il 42% dei lavoratori si aspetta che il proprio ruolo cambierà significativamente entro un anno, ma solo il 17% usa l’AI in modo frequente oggi.

Il dato della Federal Reserve è particolarmente rilevante perché viene da un ente che analizza mercati del lavoro reali, non sondaggi di percezione. La narrativa “l’AI distrugge lavoro” non trova conferma empirica nelle aziende che effettivamente la adottano: al contrario, sembrano assumere e pagare di più. Il punto di attenzione è il gap tra chi adotta e chi aspetta, che in termini di produttività e salari si sta già traducendo in una divergenza misurabile.

Fonte: Forbes / Federal Reserve di Atlanta / PwC, 2 luglio 2026, EN — link