A cura di Giovanni Masi
Un anno di svolta, dall’AI generativa all’AI operativa
Il 2025 si è chiuso con una sensazione netta. L’intelligenza artificiale ha smesso di essere soltanto un’interfaccia conversazionale e ha iniziato a comportarsi come un’infrastruttura operativa. Nei primi mesi dell’anno l’attenzione era ancora centrata sul miglioramento di qualità, affidabilità e multimodalità dei modelli. Nella seconda metà, il baricentro si è spostato sull’uso persistente degli strumenti, sulla capacità di portare a termine progetti lunghi e sul collegamento sicuro con dati e sistemi aziendali. In parallelo, l’AI ha iniziato a “toccare” il mondo fisico con più continuità, nei laboratori automatizzati, nella robotica industriale e nella gestione delle reti energetiche.
Questa trasformazione non è stata lineare né priva di contraddizioni. Questo bilancio di fine anno non pretende di essere esaustivo, ma seleziona i passaggi più rappresentativi perché sostenuti da annunci ufficiali, letteratura peer‑reviewed e analisi di testate autorevoli. Ne deriva un taglio ibrido. I rilasci dei grandi modelli generativi sono raccontati soprattutto nella loro dimensione industriale, mentre i capitoli su meteo, scienza dei materiali e automazione di laboratorio si appoggiano in modo più diretto alla letteratura scientifica.
Lo stesso anno che ha celebrato progressi rapidi ha evidenziato fragilità strutturali, dai limiti di affidabilità degli agenti fino alle nuove superfici di attacco legate a deepfake e automazione. Per capire cosa è davvero cambiato nel 2025, conviene seguire tre fili conduttori che hanno attraversato settori diversi. Il primo è la crescita dei modelli di frontiera, più capaci di ragionare e di usare strumenti. Il secondo è la democratizzazione, grazie alla riduzione dei costi di inferenza e alla diffusione di modelli open-weight competitivi. Il terzo è l’emergere di un ecosistema regolatorio e industriale che ha iniziato a dettare tempi e vincoli concreti.
Modelli di frontiera e “long-running agents”
L’uscita di GPT‑5 ad agosto e di GPT‑5.2 a dicembre ha dato un nome a una tendenza che era già in atto, cioè la convergenza tra risposta rapida e ragionamento più profondo dentro un unico sistema, con una gestione più robusta dei contesti lunghi e dell’uso degli strumenti. In termini pratici, il messaggio del 2025 è stato che la capacità non si misura soltanto su benchmark astratti, ma sulla continuità di esecuzione in compiti reali, spesso composti da centinaia di micro-decisioni. La direzione è quella dell’agente che pianifica, richiama tool, controlla risultati intermedi e mantiene coerenza nel tempo.
Il passaggio dalla chat all’azione ha ridotto la distanza tra AI e software tradizionale, soprattutto nello sviluppo. Non è un caso che nel 2025 l’AI abbia mostrato risultati sempre più convincenti in contesti di programmazione e automazione, fino a essere descritta come un abilitatore diretto di produttività, non solo un assistente di scrittura. In questo scenario, la sfida non è stata soltanto “fare di più”, ma farlo con controlli, tracciabilità e valutazioni che siano ripetibili, soprattutto in ambienti regolati o ad alta criticità.
Dentro questa traiettoria, il 2025 è stato anche un anno di confronto diretto tra le grandi piattaforme generative. OpenAI ha spinto sulla logica del modello unificato e sull’idea di agenti in grado di portare a termine attività lunghe e multi-step, mentre l’ecosistema legato a Codex ha reso più concreta la figura dell’agente di ingegneria del software.
Google ha continuato a iterare sulla famiglia Gemini lungo due fasi. Nella prima parte dell’anno ha consolidato Gemini 2.0 con varianti pensate per velocità e costo e con finestre di contesto molto ampie. Nella parte finale del 2025 ha poi inaugurato l’era Gemini 3, portando in preview Gemini 3 Pro e introducendo Gemini 3 Flash e la modalità di ragionamento avanzata Deep Think. In parallelo, ha spinto Gemini verso il ruolo di assistente di sistema in ambienti consumer, segnalando una strategia di integrazione profonda con Android e con l’ecosistema dei servizi.
Anthropic ha presidiato con forza il segmento “agentico” rilasciando Claude 4 in primavera e proseguendo nel corso dell’anno con modelli e strumenti pensati per compiti prolungati, soprattutto di coding e orchestrazione di workflow. In parallelo, xAI ha avuto un’evoluzione particolarmente rapida. A febbraio ha presentato Grok 3 come modello orientato al ragionamento e all’uso di agenti. A luglio ha poi introdotto Grok 4, e in novembre ha rilasciato Grok 4.1, segnando un salto nella competizione sui modelli generalisti a integrazione nativa di tool e ricerca in tempo reale.
Sul fronte asiatico, DeepSeek ha alimentato il dibattito globale su prestazioni e costi con una sequenza di rilasci ravvicinati. A gennaio ha pubblicato DeepSeek‑R1 in open‑weight, con un forte posizionamento sul ragionamento e una retorica di prestazioni “a costo ridotto”. A maggio è arrivato l’aggiornamento R1‑0528, mentre a fine anno DeepSeek‑V3.2 ha messo al centro l’integrazione tra thinking e tool‑use per applicazioni agentiche. In parallelo, l’atteso R2 è rimasto oggetto di indiscrezioni e ritardi, diventando un simbolo dei vincoli geopolitici e di disponibilità hardware che attraversano l’ecosistema cinese.
A rendere ancora più “affollato” il panorama è stata la spinta open-weight. Meta ha presentato Llama 4 come famiglia nativamente multimodale e con finestre di contesto molto estese, mentre in Europa e negli Stati Uniti altri attori hanno continuato a proporre alternative più leggere e specializzate. Il risultato complessivo, a fine 2025, è un mercato meno monocentrico e più simile a un sistema stratificato, dove modelli generalisti convivono con modelli ottimizzati per costo, latenza o verticali applicativi.
La democratizzazione accelera, l’ecosistema diventa multipolare
Il 2025 ha confermato una dinamica doppia. Da un lato, l’industria statunitense resta dominante nella produzione dei modelli più influenti e nella raccolta di capitali. Dall’altro, la distanza tra modelli chiusi e open-weight si è assottigliata e la competizione internazionale si è fatta più credibile, anche sul terreno dei costi.
Il rapporto AI Index 2025 di Stanford ha fotografato un’accelerazione nell’adozione e negli investimenti, insieme a nuove stime dei costi di inferenza e a un’attenzione crescente all’efficienza energetica dell’hardware. In questo contesto, il 2025 è stato anche l’anno in cui diversi attori hanno spinto con forza sull’open source o su rilasci open-weight.
La cronaca industriale ha raccontato la spinta della Cina con modelli come quelli di DeepSeek e le iniziative open-source di Alibaba, soprattutto nell’area del coding, mentre in Europa Mistral ha chiuso l’anno con la famiglia Mistral 3, puntando su modelli open‑weight e su una licenza permissiva, nel tentativo di offrire alternative controllabili anche per imprese che vogliono governare meglio dati e deployment. Il punto non è soltanto la disponibilità del peso del modello, ma la possibilità per aziende e pubbliche amministrazioni di costruire soluzioni più controllabili, ispezionabili e adattabili.
Questa democratizzazione, però, non è gratuita. Più modelli e più facilità di integrazione significano anche più variabilità nella qualità, più difficoltà di governance e più necessità di standard comuni.
AI per la scienza, dal suggerire al fare
Il salto più simbolico del 2025 è arrivato dall’AI per la scienza. Non si è trattato soltanto di modelli che leggono articoli e propongono ipotesi, ma di sistemi che dialogano con strumenti sperimentali e con pipeline di validazione.
L’esempio più discusso è stato l’“AI co‑scientist” presentato da Google, un sistema multi-agente progettato per generare e valutare ipotesi a partire dalla letteratura, con dimostrazioni in ambito biomedico sulla fibrosi epatica e con validazioni sperimentali già descritte nel lavoro e con ulteriori dettagli annunciati in report successivi. Il valore del caso non è l’automazione totale, che resta lontana nei contesti complessi, ma la compressione dei tempi nella fase di esplorazione delle ipotesi, dove spesso si disperde la maggior parte dello sforzo umano.
Sul fronte della sperimentazione automatizzata, il 2025 ha portato esempi più concreti di laboratorio “autopilotato”. In Nature Communications è stato pubblicato AILA, un framework basato su agenti che automatizza flussi di lavoro di microscopia a forza atomica, fino al controllo dello strumento e all’analisi. Il lavoro non è stato una celebrazione senza ombre. Ha evidenziato limiti di affidabilità, inclusa la sensibilità al formato delle istruzioni e difficoltà su task che richiedono consultazione della documentazione, nel rispetto delle istruzioni e nella sicurezza operativa, aprendo il tema dei benchmark e delle metriche di affidabilità in laboratorio.
In parallelo, la discussione sulle “self-driving labs” è diventata più matura. Nel 2025 sono apparse prospettive e review che puntano su accessibilità, reti di laboratori e valutazione dell’accelerazione reale ottenuta rispetto ai metodi tradizionali. Questo passaggio è cruciale perché sposta la conversazione dall’innovazione di singoli gruppi alla scalabilità, cioè alla possibilità di rendere l’automazione sperimentale una risorsa condivisa.
Sanità, tra potenziale clinico e nuove forme di rischio
In medicina, il 2025 ha mostrato un doppio movimento. Da una parte, cresce l’uso di LLM per documentazione clinica, triage, supporto amministrativo e sintesi. Dall’altra, aumenta l’attenzione alle valutazioni di bias, alla sicurezza e alle modalità con cui i modelli vengono “messi in corsia” senza trasformarsi in fonti di errore sistematico.
La letteratura su NEJM AI ha insistito su un punto spesso trascurato nel dibattito pubblico. L’accuratezza media non è sufficiente se l’errore si concentra su gruppi specifici o se i modelli diventano scorciatoie cognitive in contesti dove la responsabilità clinica resta umana. Nel 2025 si è visto quindi un rafforzamento dei temi di audit, trasparenza e valutazioni contestuali, con particolare attenzione alle forme di bias nei sistemi generativi e alle pratiche di validazione che vanno oltre i test “da laboratorio”.
In questo quadro, l’AI per la biologia computazionale ha continuato a spingere. L’eredità di AlphaFold ha alimentato l’idea di modelli come “partner” della ricerca, capaci di suggerire esperimenti e di ridurre il lavoro manuale nella generazione e selezione di ipotesi. Il 2025 ha reso più esplicito il limite. Le idee possono essere accelerate, ma la conferma resta vincolata a dati, protocolli e qualità della sperimentazione.
Industria, robotica ed energia, l’AI diventa fisica
Se nel 2024 la robotica umanoide era soprattutto una promessa, nel 2025 si è iniziato a parlare più seriamente di deployment in magazzini e linee produttive, pur tra scetticismo e hype. Reportage e analisi hanno mostrato un ecosistema in cui grandi investimenti cercano una sintesi tra corpi robotici più robusti e “cervelli” basati su modelli generalisti, capaci di interpretare istruzioni, percezione e vincoli di sicurezza. La corsa non è uniforme. In Cina, secondo Reuters, il sostegno pubblico e l’accesso alla filiera produttiva stanno accelerando programmi di robotica per la manifattura.
Il 2025 è stato anche un anno in cui la gestione dell’energia è diventata un caso d’uso emblematico. Un’inchiesta Reuters ha descritto la strategia “AI+energy” cinese e l’uso dell’AI per stabilizzare reti elettriche sempre più dipendenti da fonti rinnovabili variabili, ottimizzando produzione e domanda. Il paradosso è evidente. L’AI aiuta la transizione, ma i data center e l’addestramento spingono la domanda di elettricità. La tensione tra utilità e consumo energetico è diventata parte integrante del bilancio tecnologico dell’anno.
Clima e meteo, modelli più rapidi e più accessibili
Nel 2025, l’AI per la previsione meteorologica ha compiuto un passo che va oltre il miglioramento incrementale. Su Nature è stato presentato Aardvark Weather, un sistema end-to-end che apprende una mappatura diretta da osservazioni grezze a previsioni, con l’obiettivo di sostituire l’intera pipeline tradizionale di previsione numerica al momento dell’inferenza. Nello stesso anno Nature ha pubblicato anche Aurora, un foundation model per il sistema Terra addestrato su grandi volumi di dati eterogenei e progettato per più compiti di forecasting.
Questi lavori non implicano la scomparsa della meteorologia “classica”. Indicano piuttosto una convergenza. Modelli fisici e modelli AI possono coesistere, con l’AI che riduce costi e latenza e amplia l’accesso a previsioni di qualità in regioni con meno infrastrutture. Nel 2025 è emerso con maggiore forza il tema della democratizzazione del meteo, che diventa anche un tema di resilienza climatica e di equità.
Sicurezza, fiducia e governance, la tecnologia entra in “fase adulta”
L’espansione degli agenti e dei modelli generativi ha reso più visibile un problema. Il rischio non è solo la disinformazione, ma l’automazione di comportamenti dannosi. Nel 2025, autorità di vigilanza e regolatori hanno pubblicato note e circolari sui deepfake e sui rischi per istituzioni finanziarie, evidenziando truffe più credibili, furti d’identità e manipolazioni nei processi di verifica.
Sul piano regolatorio, in Europa il 2025 è stato un anno di date che contano. Dal 2 febbraio sono entrate in applicazione le norme dell’AI Act su pratiche vietate e alfabetizzazione AI. Dal 2 agosto sono diventate applicabili le obbligazioni per i modelli di AI di uso generale, con richieste di trasparenza e responsabilità crescenti. Questo calendario ha iniziato a influenzare scelte di prodotto e strategie di compliance, soprattutto per chi distribuisce modelli o li integra in settori ad alto rischio.
Infine, l’infrastruttura. La geopolitica dei chip e l’accesso a GPU e acceleratori sono rimasti un vincolo centrale. Nel 2025 è proseguita la transizione industriale verso nuove generazioni di hardware per l’AI e si sono moltiplicate le notizie su restrizioni, eccezioni e riconfigurazioni delle catene di fornitura. Il risultato è che la traiettoria dell’AI non dipende più soltanto da idee e algoritmi. Dipende anche da energia, fabbriche, logistica e regole.
Conclusione, cosa lascia il 2025
Il 2025 ha consolidato un cambio di paradigma. L’AI non è più soltanto un prodotto, ma un insieme di capacità che permea processi di ricerca, lavoro e infrastrutture. È stato l’anno in cui gli agenti hanno iniziato a essere presi sul serio, proprio mentre si rendevano evidenti i loro limiti di affidabilità e di sicurezza. È stato l’anno in cui l’AI per la scienza ha mostrato casi concreti di accelerazione e, insieme, la necessità di metriche e barriere di sicurezza nel mondo fisico. È stato l’anno in cui meteo, energia e manifattura hanno iniziato a trattare l’AI come componente strategica.
La fotografia di fine anno è quindi ambivalente ma più matura. Da una parte ci sono strumenti più potenti, più accessibili e più integrabili. Dall’altra ci sono nuove responsabilità, nuovi vincoli e un bisogno crescente di standard, valutazioni e governance. Il 2026 erediterà questa tensione. La domanda non sarà soltanto quanto può fare l’AI, ma in quali condizioni può farlo, con quali garanzie e con quale costo complessivo per la società.
Bibliografia
OpenAI, “Introducing GPT‑5” (7 agosto 2025): https://openai.com/index/introducing-gpt-5/
OpenAI, “Introducing GPT‑5.2” (11 dicembre 2025): https://openai.com/index/introducing-gpt-5-2/
OpenAI, “Introducing GPT‑5.2‑Codex” (18 dicembre 2025): https://openai.com/index/introducing-gpt-5-2-codex/
Stanford HAI, “The 2025 AI Index Report” (PDF): https://hai.stanford.edu/assets/files/hai_ai_index_report_2025.pdf
Google, “Gemini 2.0 is now available to everyone” (5 febbraio 2025): https://blog.google/technology/google-deepmind/gemini-model-updates-february-2025/
Google, “A new era of intelligence with Gemini 3” (18 novembre 2025): https://blog.google/products/gemini/gemini-3/
Google, “Gemini 3 Flash: frontier intelligence built for speed” (17 dicembre 2025): https://blog.google/products/gemini/gemini-3-flash/
Google AI for Developers, “Gemini API models documentation” (aggiornata 2025): https://ai.google.dev/gemini-api/docs/models, “Gemini API models documentation” (aggiornata 2025): https://ai.google.dev/gemini-api/docs/models
Anthropic, “Introducing Claude 4” (22 maggio 2025): https://www.anthropic.com/news/claude-4
Anthropic, “System Card: Claude Opus 4 & Claude Sonnet 4” (PDF, maggio 2025): https://www-cdn.anthropic.com/4263b940cabb546aa0e3283f35b686f4f3b2ff47.pdf
Anthropic, “Introducing Claude Opus 4.5” (24 novembre 2025): https://www.anthropic.com/news/claude-opus-4-5
Anthropic, “Release Notes” (Claude Help Center, 2025): https://support.claude.com/en/articles/12138966-release-notes
xAI, “Grok 3 Beta — The Age of Reasoning Agents” (19 febbraio 2025): https://x.ai/news/grok-3
xAI, “Grok 4” (9 luglio 2025): https://x.ai/news/grok-4
xAI, “Grok 4.1” (17 novembre 2025): https://x.ai/news/grok-4-1
Meta AI, “The Llama 4 herd” (5 aprile 2025): https://ai.meta.com/blog/llama-4-multimodal-intelligence/
Mistral AI, “Introducing Mistral 3” (dicembre 2025): https://mistral.ai/news/mistral-3
Reuters, “Alibaba launches open-source AI coding model, touted as its most advanced to date” (23 luglio 2025): https://www.reuters.com/world/china/alibaba-launches-open-source-ai-coding-model-touted-its-most-advanced-date-2025-07-23/
Qwen (Alibaba), “Qwen3‑Max‑Instruct” (23 settembre 2025): https://qwen.ai/blog?id=qwen3-max
Alibaba Cloud, “Alibaba Cloud Unveils Strategic Roadmaps for the Next Generation AI Innovations” (27 settembre 2025): https://www.alibabacloud.com/blog/alibaba-cloud-unveils-strategic-roadmaps-for-the-next-generation-ai-innovations_602560
Wall Street Journal, “Alibaba Shares Surge as It Boosts AI Bet, Rolls Out New Model” (settembre 2025): https://www.wsj.com/tech/ai/alibaba-stock-rises-ai-model-73967c57
Commissione Europea, “Regulatory framework for AI, application timeline” (AI Act): https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
Commissione Europea, “EU rules on general-purpose AI models start to apply” (1 agosto 2025): https://digital-strategy.ec.europa.eu/en/news/eu-rules-general-purpose-ai-models-start-apply-bringing-more-transparency-safety-and-accountability
Allen et al., “End-to-end data-driven weather prediction” (Nature, 2025): https://www.nature.com/articles/s41586-025-08897-0
Bodnar et al., “A foundation model for the Earth system” (Nature, 2025): https://www.nature.com/articles/s41586-025-09005-y
Xu et al., “An artificial intelligence-based limited area model for forecasting surface meteorological variables” (Communications Earth & Environment, 2025): https://www.nature.com/articles/s43247-025-02347-5
Gottweis et al., “Towards an AI co-scientist” (arXiv, 2025): https://arxiv.org/abs/2502.18864
Google Research, “Accelerating scientific breakthroughs with an AI co-scientist” (19 febbraio 2025): https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/
Guan et al., “AI-Assisted Drug Re-Purposing for Human Liver Fibrosis” (PubMed, 2025): https://pubmed.ncbi.nlm.nih.gov/40946179/
Mandal et al., “Evaluating large language model agents for automation of atomic force microscopy” (Nature Communications, 2025): https://www.nature.com/articles/s41467-025-64105-7
Canty et al., “Science acceleration and accessibility with self-driving labs” (Nature Communications, 2025): https://www.nature.com/articles/s41467-025-59231-1
DeepSeek-AI, “DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models” (arXiv PDF, 2025): https://arxiv.org/pdf/2512.02556
DeepSeek API Docs, “DeepSeek‑V3.2‑Exp Release” (29 settembre 2025): https://api-docs.deepseek.com/news/news250929
DeepSeek API Docs, “DeepSeek‑R1 Release” (20 gennaio 2025): https://api-docs.deepseek.com/news/news250120
DeepSeek API Docs, “DeepSeek‑R1‑0528 Release” (28 maggio 2025): https://api-docs.deepseek.com/news/news250528
DeepSeek API Docs, “DeepSeek‑V3.2 Release” (1 dicembre 2025): https://api-docs.deepseek.com/news/news251201
Reuters, “Deepseek rushes to launch new AI model as China goes all in” (25 febbraio 2025): https://www.reuters.com/technology/artificial-intelligence/deepseek-rushes-launch-new-ai-model-china-goes-all-2025-02-25/
Reuters, “DeepSeek R2 launch stalled as CEO balks at progress, The Information reports” (26 giugno 2025): https://www.reuters.com/world/china/deepseek-r2-launch-stalled-ceo-balks-progress-information-reports-2025-06-26/
UNESCO, “Guidance for generative AI in education and research” (aggiornamento 14 aprile 2025): https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
Monetary Authority of Singapore, “Cyber Risks Associated with Deepfakes” (circular, 18 settembre 2025): https://www.mas.gov.sg/regulation/circulars/cyber-risks-associated-with-deepfakes
Reuters, “Startup Anthropic says its new AI model can code for hours at a time” (22 maggio 2025): https://www.reuters.com/business/startup-anthropic-says-its-new-ai-model-can-code-hours-time-2025-05-22/
Reuters, “Chinese AI startup DeepSeek releases upgraded model with domestic chip support” (21 agosto 2025): https://www.reuters.com/world/china/chinese-ai-startup-deepseek-releases-upgraded-model-with-domestic-chip-support-2025-08-21/
Reuters, “China bets on AI to power its green transition” (22 dicembre 2025): https://www.reuters.com/sustainability/climate-energy/china-bets-ai-power-its-green-transition–ecmii-2025-12-22/
IEEE Spectrum, “Humanoid Hype Dominates Top Robotics Stories of 2025” (24 dicembre 2025): https://spectrum.ieee.org/top-robotics-stories-2025