AI in R&D, from zero to god mode

Le gioie e i dolori della R&D

Fare ricerca è come una scatola di cioccolatini, non sai mai quello che ti capita.

Nella mia esperienza ho sempre guardato con ammirazione e fascino tutte quelle professioniste e professionisti che vivono la quotidianità esplorando modi nuovi di fare le cose e cercando domande e poi risposte a cui nessuno ha mai pensato, magari cercando di rendere quelle risposte degli strumenti utili per la vita delle persone.

Che sia nella ricerca industriale, medica o universitaria, le sfide che deve affrontare chi fa R&D però sono sempre simili. Per farmi un’idea, ho intervistato alcuni amici ed amiche per farmi raccontare quali sono queste sfide, in modo da poter capire come sistemi e prodotti di AI possono essere un supporto in questo settore così importante per il futuro di tutti e tutte (momento violino).

Le testimonianze raccolte fanno emergere alcuni pattern interessanti: necessità di essere sicuri del risultato, di riuscire a scalare facilmente costruendo test il più simile possibile alla realtà e con strumenti affidabili, di fare bene con le risorse (poche) a disposizione.

L’AI può essere un supporto in queste sfide?

Should AI or should AI not?

I sistemi di intelligenza artificiale non sono mai stati così diffusi. Ogni giorno spuntano prodotti di AI generativa specializzati in cose specifiche, e scrivere codice in R, Matlab o Python è ormai solo questione di capirne qualcosa di programmazione e saper fare delle buone ricerche (o scrivere prompt sufficientemente chiari!). Nel giro di pochi anni – 5 al massimo – utilizzare in qualche modo prodotti AI-based diventerà equivalente a utilizzare Excel o Word, e la ricerca non può che essere coinvolta in questo nuovo modo di lavorare.

Certo è che i team di ricerca sono estremamente variegati, con competenze, risorse e possibilità decisamente diverse. C’è un modo per supportare tutte le sfumature di R&D senza tagliare fuori nessuno? A partire dai prodotti AI out-of-the-box, che funzionano senza nessun dato aggiuntivo, fino a prodotti AI-based scritti dall’inizio alla fine per risolvere un singolo problema in modo super efficiente, c’è AI per tutti. Cerchiamo quindi di costruire un manuale per la ricerca – che sarà datato già tra un mese a livello di nomi e cognomi degli strumenti ma mi auguro non a livello di approccio e mindset – per guidare la ricerca in un percorso virtuoso di valorizzazione di dati e competenze grazie anche all’AI.

La scalata verso il successo

Trial mode

Sfrutto i prodotti out of the box per essere più produttiv* e costruire una base dati affidabile

Per chi: tecnici e ricercatori con poco tempo, poca autonomia IT, pochi strumenti.

Fa per te se:

• Siamo in due e cerchiamo di fare il meglio, ma non sempre riusciamo a ottimizzare i tempi
• Scrivere un report è sempre un incubo. Ogni documento fa perdere al team una giornata di lavoro – se siamo fortunate
• La ricerca bibliografica è complessa, trovare le informazioni giuste da cui partire occupa un sacco di tempo
• Non abbiamo moltissimi dati su cui basare le nostre ricerche, ma abbiamo taaaaanti documenti

Cosa puoi fare con l’AI:

• Usare Perplexity o Elicit per velocizzare la ricerca di articoli o brevetti.
• Utilizzare NotebookLM per razionalizzare i vari documenti e costruire spazi di lavoro condivisi
• Creare template per report automatici e farli scrivere da prodotti di AI (Claude, Gemini…) in modo da risparmiare tempo
• Valutare strumenti alternativi per casistiche specifiche, ad esempio utilizzando strumenti di ricerca di prodotti AI per ogni evenienza

Attenzione! Tutti i tool online hanno politiche di utilizzo dei dati diverse, in caso di documenti o dati sensibili approfondisci le politiche di ogni strumento per evitare brutte sorprese

Obiettivo: Ridurre il tempo speso in attività ripetitive, liberare spazio per analisi di valore.

Se ti chiedono i numeri: tempo medio per documentare test e fare ricerca bibliografica, tempo per scrivere requisiti e documentazione

Easy mode

Faccio R&D con strumenti semplici e AI generativa, valorizzando i dati che ho

Per chi: R&D con sensibilità rispetto all’approccio data driven e autonomia, senza basi IT

Fa per te se:

• Avete dei dati disponibili, ma spesso non li usate in modo completo
• Utilizzate Excel per le analisi e avete scoperto che ha molti limiti
• Avete la sensazione che i dati vi possano raccontare di più, ma non il tempo per capire come

Cosa puoi fare con l’AI:

• Caricare CSV e fare analisi base con strumenti di AI generativa come ChatGPT Code Interpreter.
• Costruire semplici dashboard con PowerBI o usare strumenti Tableau o Looker per integrare approfondimenti e analisi approfondite (qui stiamo barando, non è AI ma Business Intelligence, ma ci piace comunque)
• Trovare pattern e raggruppare (in gergo clusterizzare test o risultati con strumenti di analisi e ML code-less tipo Orange o KNIME.

Attenzione! Tutti i tool online hanno politiche di utilizzo dei dati diverse, in caso di documenti o dati sensibili approfondisci le politiche di ogni strumento per evitare brutte sorprese

Obiettivo: Iniziare a usare l’AI per prendere decisioni migliori con quello che già si ha.

Se ti chiedono i numeri: tempo medio per intercettare insight e comprendere i risultati, numero di test gestiti e mappati

Medium mode

Imparo Python e creo modelli che imparano e predicono a partire dai miei dati

Per chi: R&D con basi tecniche, iniziativa, e voglia (o necessità) di fare da sé

Fa per te se:

• Lavoro in una nicchia per cui è necessario costruire modelli per comprendere o impostare i nostri test
• Genero già diversi dati, potrei ottenere risultati migliori in meno tempo con analisi multivariate e non lineari
• Ho una persona nel team che sa programmare ed è affascinat* dal mondo della data science

Cosa puoi fare con l’AI:

• Usare scikit-learn o PyCaret per creare modelli predittivi da test passati usando python (scusate, sono di parte)
• Costruire modelli di regressione per simulare comportamenti reali influenzati da molte variabili
• Costruire modelli di classificazione per etichettare rapidamente items o situazioni nuove in base al passato
• Fare anomaly detection sui test per evitare test inutili o rivelare derive
• Usare SHAP o altre tecniche di XAI per spiegare i modelli e rendere più credibili e spiegabili i risultati
• Automatizzare cicli di analisi o di esplorazione dei dati con strumenti come Streamlit

Obiettivo: Utilizzare modelli di machine learning custom ma facili da costruire per prendere decisioni migliori con quello che già si ha.

Se ti chiedono i numeri: % di test evitati grazie a sistemi predittivi home-made, accuratezza della predizione e capacità di simulazione

Advanced mode

Unisco la mia competenza di dominio a strumenti di AI e Deep Learning

Per chi: team multidisciplinari, progetti strutturati, mindset di prodotto/scalabilità

Fa per te se:

• Abbiamo una marea di dati e di richieste differenti, e stiamo esplorando problemi dalle mille sfumature
• Troppo spesso i test di laboratorio sono lontani dalla complessità della realtà e lo scale up fallisce
• Operiamo su fenomeni che si potrebbero rappresentare con equazioni differenziali complesse, ma ogni simulazione impiega una settimana o crasha il PC
• Siamo dei pro con il computer e sappiamo programmare

Cosa puoi fare con l’AI:

• Sfoggiare le competenze informatiche sfruttando Pytorch o Tensorflow per costruire modelli complessi di deep learning
• Usare physical informed neural networks (PINN) per simulazioni rapide rispettando le leggi fisiche
• Applicare graph neural netwroks (GNN) per nuove molecole, materiali, strutture con relazioni complesse
• Creare sistemi di recommendation interna per esperimenti futuri
• Costruire pipeline dati robuste con Neo4j per dati a grafo o SQL per tabelle relazionali in modo da predisporre la base dati

Obiettivo: Creare asset AI riutilizzabili, scalabili, validati. Rendere l’AI parte del processo con l’obiettivo di simulare nel modo più fedele possibile la complessità del mondo reale. Risparmiare tempo e risorse.

Se ti chiedono i numeri: % di modelli usati in produzione, riduzione tempo di scale-up, technology readiness level (TRL) medio raggiunto

God mode

Costruiamo tecnologie e prodotti scalabili nel nostro settore, per team che ne hanno bisogno

Per chi: team con slancio imprenditoriale che vogliono aprire uno spin-off nel loro settore di ricerca o diventare cellula di innovazione in azienda

Fa per te se:

• Il tipo di analisi che avete messo a punto rivoluzionerebbe il modo in cui si fa ricerca, e magari c’è un paper a confermarlo
• Avete voglia di crescere nel settore dell’R&D costruendo qualcosa per supportare tutti gli altri team del vostro settore o nella vostra azienda
• Non vi spaventa diventare imprenditrici o imprenditori fondando una startup o un’azienda, o aprirvi al confronto con clienti interni fornendo soluzioni che si scontrano con dati veri e dal campo

Cosa puoi fare con l’AI:

• Costruire una suite AI integrata in un prodotto pronto per l’uso
• Sviluppare piattaforme AI interne ad uso dei team aziendali per velocizzare verifiche in campo e scale up
• Predisporre sistemi AI su misura (LLM + dati interni) con modelli open source per facilitare la ricerca
• Farsi aiutare dai prodotti come Copilot per la costruzione di app solide

Obiettivo: Produrre tecnologia basata sull’AI che risolve problemi per il resto del mondo

Se ti chiedono i numeri: utilizzo degli strumenti, tempo risparmiato dagli utenti, eventuali rendite da vendita

Yes AI should

Quindi, che tu sia da sol* nel tuo ufficetto e ti stia chiedendo come farai a consegnare tutto in tempo, o che siate un team grande e scalpitante, i sistemi o i prodotti di AI possono supportarvi e rendere la vostra vita più facile. L’unica vera chiave è chiedersi c’è un modo più intelligente di fare questa cosa?

Che sia un report automatizzato, una dashboard che processa i dati rapidamente o pipeline di predizione custom, c’è sempre un modo per liberarsi dei processi noiosi e meccanici per concentrarvi su quello che conta, che è interpretare i risultati per scoprire qualcosa di nuovo.