Gli hosted agents di Novo Nordisk spostano il lavoro di scalare l'IA per la ricerca clinica
Microsoft e Novo Nordisk hanno ricostruito un assistente esistente per la ricerca clinica su un'infrastruttura gestita, spostando il lavoro operativo pur mantenendo la responsabilità scientifica al team di sviluppo. Il caso degli hosted agents di Novo Nordisk, pubblicato l'11 novembre, riguarda l'analisi secondaria, ovvero quando i ricercatori riesaminano i dati delle sperimentazioni per indagare ulteriori questioni. La tensione centrale è semplice: trasferire la gestione dell'infrastruttura non trasferisce la responsabilità dell'analisi.
Il confronto parte dalla precedente implementazione del progetto su Azure Container Apps, anziché da un chatbot medico concorrente. Quel sistema funzionava già. Il cambiamento riguarda il modo in cui un'applicazione di ricerca utile diventa più semplice da gestire con l'ampliamento dell'accesso. Mette sotto pressione i team che hanno assemblato i propri ambienti di esecuzione, archiviazione e controlli, chiamati a spiegare quali componenti giustifichino ancora una manutenzione continua.
Per gli acquirenti aziendali, questo è un resoconto pratico di dove si collocano i servizi IA gestiti. Il confine importante separa la gestione dell'ambiente dalla decisione su ciò a cui un agente può accedere, calcolare e concludere. La piattaforma Foundry di Microsoft si fa carico di una quota maggiore della prima attività. Ricercatori, sviluppatori e team di sicurezza restano responsabili della seconda.
Gli hosted agents di Novo Nordisk ricostruiscono un flusso di lavoro di ricerca esistente
Il cambiamento riportato è una nuova architettura operativa per un assistente di ricerca consolidato, non un nuovo sistema di decisione clinica.
Il resoconto di migrazione ingegneristica di Microsoft descrive un team congiunto che trasferisce la propria applicazione a Microsoft Foundry. Un hosted agent è codice applicativo predisposto per l'esecuzione su un'infrastruttura gestita dal fornitore della piattaforma. Il team ha mantenuto la logica dell'agente, trasferendo al contempo più responsabilità di runtime.
La precedente implementazione combinava Azure Container Apps, un servizio di hosting gestito per applicazioni, con l'archiviazione delle conversazioni in PostgreSQL e ambienti separati per l'esecuzione del codice generato. Foundry ora gestisce una parte maggiore dell'infrastruttura circostante alle sessioni.
Una sessione è il contesto di lavoro dell'interazione di un esperto con l'assistente. L'architettura riportata assegna a ogni sessione un ambiente di esecuzione isolato e supporta il ripristino dei file salvati dopo periodi di inattività.
Il dirigente di Novo Sid Prabhu descrive il cambiamento come un aiuto per offrire l'esperienza a migliaia di ricercatori. Si tratta di una dichiarazione aziendale sulla scala, non di un conteggio verificato in modo indipendente degli utenti attivi.
Il flusso di lavoro scientifico resta basato sull'indagine degli esperti. Un ricercatore medico può esplorare una domanda emersa dai dati esistenti delle sperimentazioni, esaminare un'analisi e decidere se sia giustificato ulteriore lavoro. L'assistente supporta questa indagine.
Il precedente resoconto sui clienti relativo all'assistente per la ricerca clinica attribuisce il giudizio finale agli scienziati. Descrive un'implementazione interna con un'espansione più ampia in corso e presenta le applicazioni predittive come una direzione futura.
Questa distinzione separa un'esplorazione utile da affermazioni più forti sull'impatto medico. Individuare uno schema interessante non dimostra un effetto terapeutico. Produrre un'analisi non ne convalida le ipotesi. Ampliare l'accesso non dimostra migliori esiti per i pazienti.
L'importanza commerciale risiede nel rendere più disponibile una capacità esistente senza ricostruire ogni componente operativo attorno ad essa. È un'affermazione più circoscritta rispetto alla scoperta farmaceutica automatizzata, ma affronta un problema ricorrente per le imprese.
Un assistente di ricerca può avere successo con un gruppo iniziale pur restando difficile da estendere a tutta l'organizzazione. Utenti aggiuntivi introducono più lavoro simultaneo, più sessioni interrotte e più occasioni di guasto operativo.
Anche la domanda scientifica determina il lavoro richiesto. Un riepilogo semplice e un confronto più articolato possono porre esigenze diverse sull'applicazione. Trattare ogni interazione come una richiesta identica nasconde questa variazione.
Ecco perché l'implementazione merita attenzione oltre la sua interfaccia conversazionale. La risposta visibile è soltanto la conclusione di un flusso di lavoro. I sistemi sottostanti determinano se gli esperti possano indagare in modo coerente.
Per i lettori che chiedono una spiegazione pratica dell'IA di Novo Nordisk, il punto di partenza più chiaro è questa divisione del lavoro. Il software agevola l'esplorazione; persone qualificate ne valutano il significato scientifico.
La migrazione cambia il modo in cui quel software viene eseguito. Non cambia chi debba sostenere un'interpretazione o decidere se una scoperta meriti ulteriori indagini.
Un accesso più ampio mette sotto pressione i team dietro l'assistente
La pressione immediata ricade sui team applicativi, che devono sostenere la domanda di ricerca senza lasciare che la manutenzione della piattaforma assorba la loro capacità di sviluppo.
Un assistente di ricerca utile crea aspettative che una dimostrazione non genera. Gli utenti si aspettano che il loro lavoro resti accessibile, che le loro autorizzazioni rimangano corrette e che i guasti abbiano spiegazioni comprensibili.
Queste aspettative trasformano le scelte infrastrutturali in scelte di prodotto. Un'indagine interrotta è un problema di esperienza utente anche quando la causa risiede all'interno di un servizio di hosting.
La domanda centrale per gli acquirenti riguarda quindi la responsabilità. Quali attività dovrebbe svolgere l'organizzazione perché riflettono le sue esigenze scientifiche? Quali attività esistono perché ogni applicazione con stato ha bisogno di un ambiente in cui essere eseguita?
Questa distinzione conta tanto per il personale quanto per il software. La manutenzione degli ambienti di esecuzione richiede competenze diverse dalla valutazione del fatto che un'analisi rappresenti correttamente un dataset clinico. Entrambe le funzioni sono importanti, ma competono per l'attenzione.
Un servizio gestito modifica questa allocazione. Il suo appeal è maggiore quando attività operative ripetitive consumano risorse che il team applicativo altrimenti spenderebbe per migliorare i flussi di lavoro di ricerca.
Il beneficio va comunque valutato, non dato per scontato. Meno componenti gestiti direttamente non significano automaticamente meno incidenti, risposte migliori o cicli di revisione più brevi.
Un'organizzazione deve sapere quali oneri scompaiono e quali si spostano nella configurazione, nell'integrazione o nel coordinamento con il fornitore. Un servizio può semplificare l'implementazione introducendo al contempo nuove dipendenze durante la risoluzione dei problemi.
Questo crea un test concreto per la strada dell'infrastruttura personalizzata. Mantenere il controllo diretto ha senso quando tale controllo risponde a un requisito documentato. La sola familiarità è una ragione più debole.
Un team potrebbe necessitare di una policy di esecuzione specifica, di un'integrazione dati insolita o di una configurazione di implementazione che un servizio gestito non può soddisfare. Queste esigenze dovrebbero guidare la discussione architetturale.
Al contrario, un componente gestito internamente merita attenzione quando il suo scopo principale è riprodurre una funzione standard della piattaforma. La domanda è se la sua manutenzione generi un valore proporzionato allo sforzo.
I responsabili della ricerca affrontano una pressione correlata. Se l'accesso si amplia, la revisione degli esperti deve restare praticabile. Un numero maggiore di analisi generate crea poco valore quando gli specialisti non possono ispezionare o riprodurre i risultati.
Diventa importante anche la distinzione tra accesso e adozione. Un ricercatore idoneo non è necessariamente un utente abituale. Un utente abituale non porta necessariamente a termine un'indagine.
Una rendicontazione significativa dell'implementazione collegherebbe la disponibilità al lavoro completato. Dovrebbe inoltre distinguere le richieste riuscite dalle analisi che richiedono correzioni sostanziali o vengono abbandonate.
Queste misure aiuterebbero gli acquirenti a valutare se l'architettura migliori l'esperienza di ricerca. Sarebbero più informative di un'affermazione generica sulla portata organizzativa.
L'accesso alla conoscenza crea un'altra dipendenza. Un assistente necessita di definizioni utilizzabili, ipotesi documentate e confini chiari attorno al materiale che può consultare.
Una base di conoscenza ricercabile affronta una sfida organizzativa correlata: rendere il materiale di origine abbastanza accessibile da consentire alle persone di esaminarlo e riutilizzarlo. L'analisi clinica richiede ulteriori controlli scientifici.
Il collegamento riguarda la tracciabilità, ovvero la capacità di ricondurre un risultato al materiale che lo supporta. Un migliore accesso dovrebbe rendere più semplice l'esame critico, anziché limitarsi a produrre risposte più rapidamente.
Questa è la posta operativa dietro la migrazione degli hosted agents di Novo Nordisk. L'infrastruttura dovrebbe sostenere il lavoro degli esperti su scala più ampia, preservando al contempo le condizioni necessarie per mettere in discussione il suo output.
Foundry rispetto all'infrastruttura personalizzata sposta il confine del controllo
L'hosting gestito cambia chi gestisce l'ambiente di esecuzione, lasciando il comportamento dell'applicazione sotto il controllo di chi la realizza.
La documentazione di Microsoft sull'architettura degli hosted agent descrive applicazioni containerizzate eseguite su infrastruttura gestita da Microsoft. Un container raggruppa il codice applicativo e le sue dipendenze in un'unità distribuibile.
La documentazione descrive ambienti di macchine virtuali separati per le sessioni, file persistenti e ripristino dopo periodi di inattività. Una macchina virtuale fornisce un ambiente di elaborazione isolato all'interno di un'infrastruttura fisica condivisa.
Queste capacità affrontano continuità e separazione. Non determinano se un'analisi generata utilizzi il dataset corretto o applichi un metodo statistico appropriato.
Il confronto pratico tra Foundry e infrastruttura personalizzata presenta quindi diverse dimensioni. La semplicità di implementazione è una di esse. Anche la flessibilità dell'applicazione, il recupero dai guasti, i confini dei dati e i requisiti di integrazione influenzano la decisione.
Una piattaforma può fornire un confine di esecuzione mentre l'applicazione definisce l'attività al suo interno. Queste responsabilità interagiscono, ma nessuna sostituisce l'altra.
Per esempio, isolare un'analisi protegge la separazione tra gli ambienti di lavoro. Non dice a un ricercatore se il confronto all'interno di tale ambiente risponda alla domanda originaria.
Analogamente, ripristinare i file aiuta a riprendere il lavoro. Non stabilisce che il lavoro ripreso faccia ancora riferimento alla versione corretta dei dati o alle ipotesi corrette.
Questi esempi illustrano perché la gestione dell'infrastruttura e la governance scientifica restano decisioni separate. Per governance si intendono le regole e le responsabilità che controllano il funzionamento di un sistema e l'utilizzo dei suoi risultati.
AWS offre un confronto pertinente attraverso le sessioni di agenti isolate in Amazon Bedrock AgentCore. La sua documentazione descrive ambienti di esecuzione dedicati e meccanismi per mantenere il contesto tra le interazioni.
AWS specifica inoltre che il backend del cliente deve mantenere la relazione tra gli utenti e i rispettivi identificatori di sessione. Un ambiente isolato dipende comunque dalla corretta titolarità a livello applicativo.
Questo parallelismo supporta un'osservazione settoriale circoscritta. La gestione e l'isolamento delle sessioni sono funzionalità che i fornitori cloud ora offrono in pacchetti per le applicazioni agentiche. Non stabilisce un vincitore tra i fornitori.
Non esiste qui un benchmark comparabile che dimostri che Foundry superi AgentCore su questo carico di lavoro di ricerca. Il confronto pertinente riguarda le responsabilità architetturali, anziché classifiche prestazionali non supportate.
Né l’esistenza di funzionalità di piattaforma simili rende i servizi intercambiabili. L’integrazione dell’identità, le opzioni di distribuzione disponibili e i sistemi organizzativi esistenti possono rendere la migrazione sostanzialmente diversa.
Per l’acquirente, l’unità di confronto utile è un’indagine rappresentativa. Un esperto autorizzato può iniziare il lavoro, proseguirlo, ispezionare il risultato e tornarvi in seguito senza perdere il contesto necessario?
Una descrizione del servizio risponde solo in parte a questa domanda. L’applicazione, i sistemi di dati circostanti e le politiche organizzative determinano il resto.
L’infrastruttura personalizzata offre la proprietà diretta di queste integrazioni. L’infrastruttura gestita offre meccanismi standardizzati che possono ridurre la quantità di codice circostante che un team deve mantenere.
Il compromesso diventa più chiaro quando cambia un requisito. Con un sistema personalizzato, l’organizzazione modifica la propria implementazione. Con un sistema gestito, deve operare entro le capacità e le interfacce supportate.
Nessuna delle due strade elimina la necessità di giudizio ingegneristico. La decisione riguarda dove tale giudizio produca il maggior valore e quali dipendenze l’organizzazione possa accettare.
In questo caso, l’argomento architetturale centrale riguarda la concentrazione degli sforzi. L’applicazione scientifica rimane specializzata anche quando i suoi requisiti di hosting diventano più standardizzati.
Questa è l’interpretazione più solida della migrazione: una diversa allocazione del lavoro ingegneristico, con il controllo dell’applicazione e la responsabilità scientifica che richiedono ancora titolari espliciti.
Il networking privato e le sessioni isolate non stabiliscono la validità scientifica
Un ambiente di esecuzione protetto e una conclusione scientifica affidabile richiedono prove diverse.
Le opzioni di networking per agenti di Microsoft distinguono l’accesso in ingresso, ossia le connessioni che entrano in un servizio, dall’accesso in uscita, ossia le connessioni avviate dall’agente.
La documentazione afferma che la configurazione di networking predefinita fornisce connettività pubblica. Il networking privato richiede scelte esplicite. Limitare il solo accesso in ingresso non isola necessariamente il traffico in uscita.
Questa distinzione è importante quando un acquirente sente dire che una piattaforma supporta il networking privato. Una capacità supportata descrive ciò che può essere configurato, anziché confermare che ogni applicazione distribuita la utilizzi.
Le prove necessarie per una decisione di distribuzione sono specifiche. Quali sistemi può raggiungere l’applicazione? Quali identità possono invocarla? Dove possono transitare i file intermedi e i risultati restituiti?
Queste domande riguardano la distribuzione effettiva. Un’affermazione generale sul prodotto non può rispondervi senza esaminare la configurazione e l’applicazione circostante.
Le domande scientifiche sono diverse. L’analisi ha utilizzato la popolazione prevista? Le esclusioni erano appropriate? La visualizzazione sostiene l’interpretazione scritta?
Una sessione isolata può eseguire fedelmente codice errato. Una rete limitata può consegnare in sicurezza un risultato fuorviante. I controlli infrastrutturali affrontano rischi importanti senza risolvere ogni incertezza analitica.
Questo è particolarmente rilevante per il lavoro esplorativo. Una domanda può essere ragionevole mentre il metodo scelto è inadeguato. Un calcolo può essere corretto mentre la sua interpretazione va oltre le prove disponibili.
Una chiara distinzione tra esplorazione e validazione aiuta a preservare la responsabilità scientifica. Un risultato esplorativo identifica qualcosa che merita ulteriori indagini; conclusioni più solide richiedono il lavoro di supporto appropriato.
Di conseguenza, l’enfasi dell’account cliente sul controllo da parte degli scienziati è sostanziale. La revisione umana ha uno scopo concreto quando il revisore può esaminare le ipotesi e mettere in discussione il percorso analitico.
La revisione diventa più debole quando l’esperto riceve soltanto una narrazione rifinita. Una spiegazione sicura di sé può nascondere una selezione o una trasformazione discutibile dei dati.
Questa è una preoccupazione analitica, non un’affermazione che il sistema di Novo abbia mostrato tale fallimento. Il materiale pubblico non giustifica l’attribuzione di un difetto non documentato alla distribuzione.
Non giustifica nemmeno l’affermazione che ogni fallimento rilevante sia stato eliminato. Un case study aziendale descrive un’implementazione dalla prospettiva delle organizzazioni coinvolte.
Microsoft vende la piattaforma. Novo descrive la propria applicazione. Le loro versioni forniscono prove dirette dell’implementazione, ma non costituiscono una valutazione clinica indipendente.
Il confine del resoconto dovrebbe quindi rimanere chiaro. Esistono prove di un’architettura modificata e di un approccio dichiarato alla supervisione degli esperti. Questi fatti sostengono una discussione sulla progettazione operativa.
Non dimostrano un miglioramento misurato degli esiti per i pazienti. Non dimostrano nemmeno che il runtime, da solo, garantisca la conformità normativa.
È qui che un resoconto pratico su Novo Nordisk AI deve resistere alle esagerazioni. Il supporto alla ricerca, il processo decisionale clinico e un beneficio medico dimostrato sono affermazioni diverse.
Gli acquirenti dovrebbero esaminare ogni affermazione al proprio livello. Un cambiamento di hosting merita prove relative all’hosting. Un’affermazione sulla qualità analitica merita prove di valutazione. Un’affermazione sugli esiti medici richiede prove cliniche pertinenti.
Mantenere distinte queste categorie rende il caso più utile. Consente alle organizzazioni di riconoscere un miglioramento operativo senza trasformarlo in una conclusione scientifica più ampia.
Una migliore visibilità aiuta gli investigatori, ma crea un’altra superficie dati
Comprendere il comportamento di un agente richiede prove delle sue azioni, con controlli sulle informazioni sensibili che tali prove possono contenere.
Le linee guida di Microsoft sul tracing degli agenti descrivono il tracing come la registrazione dei passaggi all’interno di una richiesta dell’applicazione. Una traccia può aiutare a individuare dove si è verificato un errore o un ritardo.
I dati documentati includono input degli utenti, output degli agenti, attività degli strumenti e informazioni sui tempi. OpenTelemetry, uno standard per la raccolta di dati operativi, fornisce convenzioni comuni per registrare questi eventi.
Microsoft avverte inoltre che il tracing può acquisire contenuti sensibili. Le sue linee guida invitano a minimizzare o mascherare tali contenuti e ad applicare controlli di accesso e politiche di conservazione.
L’implicazione operativa è semplice. Il record che aiuta a diagnosticare un problema può diventare esso stesso materiale da proteggere.
Una domanda di ricerca può rivelare informazioni su un’indagine. Il risultato di uno strumento può contenere dati che non compaiono mai nella risposta finale. Raccogliere tutto può ampliare l’esposizione oltre la conversazione visibile.
Raccogliere troppo poco crea un problema diverso. Un investigatore potrebbe vedere che una risposta era sbagliata senza poter determinare perché lo fosse.
L’obiettivo è quindi ottenere prove utili con confini definiti. I team hanno bisogno di informazioni sufficienti per collegare il comportamento agli esiti, controllando al contempo chi possa ispezionare quel record.
Si consideri un errore illustrativo: un assistente restituisce un grafico plausibile basato su un filtro non previsto. La sola immagine finale potrebbe non rivelare dove sia stato introdotto l’errore.
Un record dei passaggi rilevanti può aiutare a distinguere l’incomprensione della richiesta dalla selezione dei dati sbagliati o dalla generazione di codice inadeguato. Questi fallimenti richiedono correzioni diverse.
Questo esempio è ipotetico, non un incidente segnalato che coinvolga Novo Nordisk. Mostra perché la visibilità è importante quando un’applicazione esegue diverse azioni dipendenti.
La visibilità differisce anche dalla misurazione della qualità. Sapere cosa è accaduto spiega un risultato. Decidere se il risultato sia accettabile richiede un riferimento e uno standard di giudizio.
Una valutazione utile dovrebbe quindi identificare cosa costituisce successo per il compito. Corrispondere a una risposta preferita è insufficiente quando il processo analitico contiene un errore sostanziale.
Al contrario, una risposta formulata diversamente può rimanere scientificamente solida. La valutazione deve distinguere le differenze di presentazione dagli errori che modificano il significato dell’analisi.
Sono questi i motivi per coinvolgere esperti di dominio nella valutazione. Il loro contributo riguarda la sostanza della domanda, non semplicemente se la risposta suoni coerente.
La stessa distinzione è importante dopo un aggiornamento dell’applicazione. Un risultato che migliora su un esempio familiare potrebbe peggiorare su un tipo diverso di indagine.
I confronti diventano più informativi quando le definizioni dei compiti rimangono coerenti e i revisori comprendono cosa sia cambiato. Altrimenti, un miglioramento apparente può riflettere un test diverso anziché un comportamento migliore.
Il caso pubblico non fornisce prove indipendenti sufficienti per quantificare tali effetti. I lettori dovrebbero evitare di trattare una piattaforma di monitoraggio integrata come un benchmark di qualità pubblicato.
Ciò che offre è una proposta operativa utile: indagine e valutazione dovrebbero rimanere connesse quando cambiano le modalità di hosting.
Questa proposta si estende oltre la ricerca farmaceutica. Qualsiasi organizzazione che distribuisca assistenti su informazioni rilevanti necessita di un modo per ispezionare il comportamento, valutare i risultati e governare i record risultanti.
Le prossime prove dovrebbero collegare la scala al lavoro di ricerca completato
I prossimi segnali significativi sono l’adozione operativa, la qualità analitica e un resoconto preciso dei controlli di distribuzione.
Il primo segnale da osservare nei prossimi mesi è un resoconto più chiaro dell’uso effettivo. Ricercatori attivi e indagini completate chiarirebbero il significato pratico di un accesso più ampio.
Un modello duraturo di lavoro completato rafforzerebbe l’argomento secondo cui l’infrastruttura gestita aiuta a tradurre la disponibilità in attività di ricerca utili. I soli annunci di accesso lascerebbero quell’argomento meno sviluppato.
Il secondo segnale è una valutazione comparabile delle prestazioni analitiche. Un insieme coerente di compiti, criteri di accettazione chiari e una revisione da parte di esperti renderebbero più facile valutare i cambiamenti.
Prove che la qualità si mantenga mentre l’utilizzo cresce sosterrebbero il valore pratico della migrazione. Prove di ricorrenti fallimenti analitici sposterebbero l’attenzione sul comportamento dell’applicazione e sulla capacità di revisione.
Il terzo segnale è un resoconto di distribuzione più specifico. Descrizioni chiare della proprietà delle sessioni, dell’accesso ai dati, del comportamento di ripristino e della configurazione di rete aiuterebbero altre organizzazioni a giudicarne l’applicabilità.
Tale dettaglio rafforzerebbe la fiducia nella riproducibilità dell’architettura. Una continua dipendenza da dichiarazioni generiche sulle capacità renderebbe più difficile distinguere un modello trasferibile da uno specifico coinvolgimento del cliente.
Questi sono segnali di osservazione, non scadenze annunciate o divulgazioni promesse. Nessuna delle due aziende si è impegnata qui a pubblicare un resoconto standardizzato di tali misure.
Insieme, collegherebbero le parti principali della storia. La scala conta quando le persone completano lavoro utile. La qualità conta quando gli esperti possono difendere l’analisi. I controlli contano quando il sistema distribuito li rispetta.
Per gli sviluppatori, il caso invita a esaminare il confine attorno all’applicazione. Mantenere un componente personalizzato merita una ragione chiara quando una piattaforma può fornire la funzione sottostante.
Per gli acquirenti, invita a separare la capacità del prodotto dalle prove di distribuzione. Una funzionalità della piattaforma diventa rilevante quando l’organizzazione comprende come la propria applicazione la utilizzi.
Per i responsabili della ricerca, la questione centrale rimane la qualità del lavoro degli esperti. Un’analisi più accessibile dovrebbe sostenere indagini migliori senza indebolire l’esame del metodo o del risultato.
Il caso degli agenti ospitati di Novo Nordisk offre un punto di partenza concreto per queste discussioni. Descrive uno spostamento della responsabilità operativa attorno a un’applicazione di ricerca già in uso.
La sua importanza risiede in questa specificità. Le organizzazioni discutono di come eseguire un assistente per esperti, mentre le prove lasciano ancora aperti gli esiti scientifici più ampi.
Quando si valuta una proposta simile, si dovrebbe partire da un’indagine rappresentativa e seguirla dalla domanda al risultato sottoposto a revisione. Esaminate i dati utilizzati, il lavoro intermedio e la spiegazione ricevuta da un esperto. Chiedete poi cosa rimane disponibile dopo un’interruzione e chi può accedere successivamente alla documentazione. Confrontate questi requisiti sia con l’hosting gestito sia con l’architettura esistente. Richiedete prove distinte per l’affidabilità operativa, la qualità analitica e qualsiasi beneficio medico dichiarato. Per la migrazione degli agenti ospitati di Novo Nordisk, la domanda successiva più utile è concreta: quali ulteriori prove dimostrerebbero che una maggiore semplicità operativa aiuta i ricercatori a portare a termine un lavoro più difendibile?



