Dotmatics ha introdotto Luma Agent, una nuova piattaforma agentica progettata specificamente per la ricerca scientifica e costruita attorno a un principio molto diverso rispetto ai normali modelli generativi generalisti: utilizzare dati scientifici strutturati, tracciabili e contestualizzati come fondazione operativa per l’intelligenza artificiale applicata alla ricerca e sviluppo. Il sistema viene definito dalla società un “AI co-scientist”, cioè un assistente scientifico autonomo capace non soltanto di rispondere a domande, ma di pianificare ed eseguire attività di ricerca complete in ambienti R&D reali.
Luma Agent è integrato direttamente nella piattaforma Luma Scientific Intelligence Platform, infrastruttura software sviluppata da Dotmatics per la gestione di workflow scientifici multimodali, dati sperimentali, automazione di laboratorio e orchestrazione della ricerca. La caratteristica centrale del sistema è l’utilizzo di dati ontology-backed raccolti direttamente “at the point of work”, cioè durante l’attività scientifica reale, anziché affidarsi esclusivamente a documenti destrutturati o dataset statici. Questo approccio consente al sistema di mantenere lineage completo, tracciabilità delle operazioni e verificabilità delle risposte generate dall’AI.
Il sistema utilizza un’architettura agentica multi-step capace di trasformare richieste espresse in linguaggio naturale in workflow scientifici completi. Il ricercatore può descrivere un obiettivo sperimentale o analitico e Luma Agent costruisce autonomamente una sequenza di operazioni che comprende interrogazione dati, analisi, elaborazione di risultati, generazione report, configurazione dei workflow e gestione delle attività di piattaforma. Il sistema mostra inoltre esplicitamente il piano operativo utilizzato, consentendo ai ricercatori di verificare ogni passaggio eseguito dall’agente AI.
Uno degli aspetti tecnicamente più rilevanti riguarda la configurabilità autonoma della piattaforma. Secondo le informazioni diffuse da Dotmatics, Luma Agent può modificare modelli dati, creare workflow e configurare componenti della piattaforma direttamente tramite interazione conversazionale, senza richiedere interventi tradizionali di sviluppo software o service engagement. Questo rappresenta un passaggio importante nell’evoluzione delle piattaforme scientifiche AI-native, perché riduce la separazione tra attività scientifica e gestione tecnica dell’infrastruttura digitale.
La scelta di puntare su dati scientifici strutturati risponde a uno dei principali problemi dell’AI applicata alla ricerca: la difficoltà di utilizzare efficacemente informazioni scientifiche frammentate, eterogenee e spesso archiviate in forma narrativa non standardizzata. Dotmatics sostiene infatti che i tradizionali sistemi ELN e molti repository scientifici storici siano stati progettati principalmente per documentare il lavoro umano, non per alimentare sistemi AI capaci di ragionamento contestuale e automazione avanzata. Per questo la società sta sviluppando un modello basato su process modeling esplicito, nel quale ogni fase sperimentale viene rappresentata come struttura dati formalizzata e non semplicemente descritta testualmente.
Questo approccio si collega a una tendenza più ampia nel settore “AI for Science”, dove stanno emergendo sistemi agentici capaci di supportare o automatizzare parti sempre più estese del ciclo scientifico. Negli ultimi mesi sono stati pubblicati diversi framework sperimentali di AI co-scientist basati su architetture multi-agent dedicate alla generazione di ipotesi, all’analisi dati, alla revisione della letteratura e alla progettazione sperimentale. Tuttavia, molti di questi sistemi restano limitati dalla mancanza di dati scientifici strutturati e contestualizzati direttamente integrati nei workflow reali di laboratorio.
Nel caso di Luma Agent, Dotmatics punta invece sull’integrazione diretta tra AI, workflow sperimentali, automazione di laboratorio e infrastruttura R&D continua. L’obiettivo dichiarato è costruire una “digital scientific thread” capace di collegare scoperta, sviluppo e produzione attraverso una rappresentazione unificata dei dati scientifici. Questo consentirebbe agli agenti AI di operare non soltanto come strumenti conversazionali, ma come componenti operative persistenti dell’intero ciclo di ricerca.
La strategia assume particolare importanza nel settore life sciences e pharma, dove la qualità della tracciabilità, della governance dati e della riproducibilità sperimentale è fondamentale. Dotmatics, oggi parte del gruppo Siemens dopo l’acquisizione completata nel 2025, sta infatti posizionando Luma come infrastruttura AI-native per ambienti R&D regolamentati, nei quali verificabilità, lineage e auditabilità rappresentano requisiti essenziali tanto quanto le capacità generative dell’AI.