Google DeepMind mappa 9 miliardi di varianti DNA e spinge gli agenti nei dati enterprise

🤖 Cosa cambia

• AlphaGenome Atlas pre-calcola l’impatto di 9 miliardi di possibili variazioni genetiche in un dataset da un petabyte.
• Gemini Daily Brief viene esteso gradualmente agli account gratuiti statunitensi, utilizzando Gmail, Calendar, chat e Personal Intelligence.
• Data Agent Kit e Antigravity SDK portano agenti AI dentro database, pipeline, IDE e hub multi-agente con controlli e telemetria.

Google porta nello stesso giorno la propria strategia AI dalla genomica alla vita quotidiana fino ai dati aziendali. La novità scientificamente più importante è AlphaGenome Atlas, il nuovo catalogo di Google DeepMind che utilizza AlphaGenome per pre-calcolare l’effetto previsto di 9 miliardi di possibili variazioni di una singola lettera del DNA umano, creando un dataset da un petabyte consultabile dai ricercatori. Parallelamente Gemini estende Daily Brief oltre gli abbonamenti AI, mentre Google Cloud rafforza il fronte agentico con Data Agent Kit, un caso reale di ottimizzazione RAG sviluppato con KDDI e il nuovo utilizzo dell’Antigravity SDK per costruire hub di agenti personalizzati. Il filo comune è sempre meno il chatbot e sempre più l’AI utilizzata come motore di analisi e azione sopra enormi quantità di dati.

AlphaGenome Atlas prova a illuminare il 98% meno compreso del genoma

Il genoma umano contiene circa 3 miliardi di coppie di basi, ma soltanto una piccola parte produce direttamente proteine. Secondo la presentazione ufficiale di Google DeepMind, circa il 2% delle sequenze codificanti è relativamente ben compreso, mentre interpretare gli effetti biologici delle regioni non codificanti resta molto più difficile. AlphaGenome aveva già dimostrato di poter prevedere come una variazione genetica possa alterare processi molecolari; AlphaGenome Atlas trasforma ora quelle capacità in una risorsa precalcolata, evitando al ricercatore di eseguire ogni previsione individualmente. Il database comprende tutte le possibili sostituzioni a singolo nucleotide considerate dal modello, per un totale di circa 9 miliardi di variazioni e un volume complessivo di un petabyte. La novità pratica è l’AlphaGenome Variant Impact score, o AVI, che sintetizza in un unico indicatore le previsioni sugli effetti nelle regioni codificanti e non codificanti. Il sistema non stabilisce automaticamente se una mutazione provochi una malattia: serve a prioritizzare le varianti sulle quali vale la pena concentrare analisi cliniche o sperimentali. Il Broad Institute lo ha già utilizzato in un caso di malattia rara per evidenziare una variante del gene DNM1 associata alla creazione di un sito di splicing anomalo. Su dati relativi a più di 54.000 partecipanti UK Biobank, l’Atlas ha inoltre permesso di individuare il 22% in più di associazioni genetiche non codificanti e 19 regioni collegate all’indice di massa corporea concentrandosi sulle varianti considerate più impattanti. Google rende l’Atlas accessibile anche attraverso un portale web senza necessità di programmazione. È un passaggio importante nell’uso dell’AI scientifica di DeepMind: invece di limitarsi a produrre un modello specialistico, Mountain View trasforma il calcolo già effettuato dal modello in infrastruttura direttamente interrogabile dalla comunità scientifica. La stessa traiettoria di Google DeepMind si era già vista nell’estensione dell’AI a ricerca, robotica e applicazioni scientifiche avanzate, fino alle simulazioni interattive e agli strumenti educativi che utilizzano anche strutture tridimensionali del DNA.

Leggi anche: Google DeepMind porta Gemini Robotics ER 1.6 nel mondo fisico

Daily Brief passa dagli abbonati agli utenti gratuiti

Sul fronte consumer, Google sta ampliando Gemini Daily Brief, presentato inizialmente agli abbonati Google AI. La pagina di supporto aggiornata non richiede più un piano Plus, Pro o Ultra tra i prerequisiti per gli utenti interessati dal nuovo rollout: restano invece necessari un account Google personale, almeno 18 anni, residenza negli Stati Uniti, Personal Intelligence, Workspace collegato e Memory attiva. La disponibilità continua a essere graduale e limitata all’inglese. La documentazione Gemini aggiornata conferma inoltre l’accesso da app mobile, web e Gemini Live, compresi comandi vocali come “Brief me”. Daily Brief analizza Gmail, Google Calendar e precedenti conversazioni Gemini per produrre due blocchi: “Top of mind”, dedicato alle priorità immediate, e “Looking ahead”, orientato invece a obiettivi e attività future. Il passaggio al livello gratuito amplia una funzione che Matrice Digitale aveva già analizzato quando Daily Brief era riservato agli abbonati e integrato con Gemini Live. Poche settimane prima erano inoltre emersi riferimenti all’integrazione del riepilogo direttamente in At a Glance, ulteriore segnale della trasformazione di Gemini da applicazione da interrogare a servizio che tenta di anticipare ciò che interessa all’utente.

Data Agent Kit porta l’analisi aziendale direttamente negli agenti

Google Cloud applica la stessa filosofia ai dati enterprise. Data Agent Kit combina MCP server e Skills per consentire ad agenti utilizzati in IDE e CLI di interrogare BigQuery, Cloud SQL, Cloud Storage e altri servizi senza costringere l’utente a cambiare continuamente strumento. Nel caso mostrato da Google Cloud, l’agente analizza una riduzione del valore medio degli ordini partendo dal warehouse BigQuery, passa ai clienti conservati in PostgreSQL su Cloud SQL e infine raggiunge file di campagna in Cloud Storage, ricostruendo la causa del dato anomalo nella stessa conversazione. Data Agent Kit è in preview e funziona con Antigravity, Claude Code, Codex e Cursor.

Non è una funzione isolata. Google Cloud aveva già introdotto QueryData per aumentare la precisione degli agenti nell’interrogazione dei database e da mesi sta costruendo un livello nel quale dato, agente e strumenti MCP diventano un’unica pipeline operativa. Lo stesso Data Agent Kit era nato proprio per collegare strumenti di data engineering e data science agli ambienti di sviluppo, inclusi Gemini CLI e Codex.

KDDI mostra quanto costano prompt e routing sbagliati

Il caso KDDI rende concreta la parte meno spettacolare ma più importante degli agenti enterprise: prestazioni e affidabilità. L’operatore giapponese ha utilizzato Agent Development Kit, BigQuery Agent Analytics e sistemi di valutazione automatizzata per ottimizzare Buffmee, applicazione RAG alimentata da oltre cento fonti tra libri, riviste e contenuti web. Il risultato dichiarato da Google Cloud è una riduzione del 38% della latenza complessiva, un miglioramento vicino al 18% del time to first token e un incremento del 25% dei punteggi di groundedness. L’analisi ha individuato anche un problema ricorrente nei sistemi agentici: system prompt enormi, in alcuni casi superiori a 800 righe, possono aumentare latenza e dispersione dell’attenzione. KDDI ha quindi suddiviso le istruzioni in ADK Skills, caricate soltanto quando necessarie. È la prosecuzione del modello che Google Cloud aveva già descritto portando gli agenti AI verso valutazione continua, tracing e deployment production-ready.

Antigravity SDK trasforma il runtime Google in un control plane multi-agente

L’ultimo tassello riguarda Antigravity SDK, la libreria Python che espone agli sviluppatori lo stesso runtime utilizzato da Antigravity 2.0 e dalla CLI. Google mostra ora come utilizzarlo per costruire hub multi-agente e harness personalizzati con telemetria in tempo reale, persistenza delle sessioni, sandbox dei workspace e policy capaci di intercettare una chiamata a uno strumento prima della sua esecuzione. Il nuovo esempio ufficiale di Google Cloud integra agenti diversi all’interno di una singola dashboard, rendendo osservabili tool call, stato, Skills e traiettorie operative.

La differenza rispetto al semplice utilizzo di un modello è sostanziale: l’azienda può osservare che cosa sta facendo ogni agente, con quali strumenti e dentro quali directory, applicando approvazioni human-in-the-loop prima delle operazioni sensibili. Antigravity era già entrato nella strategia enterprise di Google e Gemini 3.8 Flash ne utilizza il loop agentico per costruire software complesso attraverso iterazioni autonome. Ora Google tenta di rendere quello stesso motore una componente riutilizzabile nelle infrastrutture aziendali.

Continua con:

• Google Cloud porta agenti autonomi e Confidential Computing nell’AI enterprise
• Google Cloud trasforma dati, AI e sicurezza in un unico perimetro operativo

Da AlphaGenome ai database, Google trasforma i modelli in infrastruttura

Le cinque novità appartengono a settori molto diversi, ma mostrano la stessa trasformazione. AlphaGenome Atlas sposta il valore dal singolo output del modello a un enorme patrimonio di previsioni precalcolate; Daily Brief trasforma Gemini in un livello personale proattivo; Data Agent Kit porta gli agenti direttamente dentro dati e pipeline; KDDI dimostra che valutazione, routing e dimensione dei prompt decidono le prestazioni reali; Antigravity SDK rende infine osservabile e governabile l’esecuzione multi-agente. Google sta quindi spostando il baricentro dall’AI che genera una risposta all’AI che possiede accesso strutturato a dati, strumenti e memoria e può produrre risultati utilizzabili direttamente dentro ricerca scientifica e processi aziendali. È in questo passaggio che AlphaGenome Atlas e Data Agent Kit, apparentemente lontanissimi, diventano parte della stessa strategia: il modello non è più il prodotto finale, ma il motore invisibile di un’infrastruttura costruita intorno ai dati.