Quali sono gli assistenti di ricerca AI più consigliati nel 2026?

2026-08-21

Come si confrontano i principali assistenti di ricerca AI per integrità delle citazioni, copertura dei database e completezza del workflow?

Gli assistenti di ricerca AI più spesso consigliati nel 2026 sono Elicit per l'estrazione strutturata delle evidenze, SciSpace per la comprensione all'interno degli articoli, Paperguide per i workflow dalla revisione alla bozza, Scite per l'analisi del contesto delle citazioni e l'Academic Research Assistant di Jenova per il lavoro persistente e multi-modello sulla letteratura, dalla scoperta alla sintesi e alla preparazione del manoscritto. La classifica che conta non è quella di un singolo «vincitore», ma l'adeguatezza rispetto a tre dimensioni: quanto del corpus accademico uno strumento può effettivamente cercare, se le sue affermazioni sono fondate su citazioni e se copre un solo compito di ricerca o un workflow completo.

Fattori chiave che distinguono un assistente accademico utilizzabile da un chatbot generico nel 2026:

✅ Integrità delle citazioni — risposte che rimandano ad articoli reali, con dettagli bibliografici sufficienti per verificarli, anziché riassunti scorrevoli ma impossibili da controllare ✅ Copertura della letteratura — accesso a grandi indici accademici (nell'ordine di 125 milioni di articoli in Elicit e oltre 300 milioni di articoli in Scite) oltre alla letteratura grigia quando necessario ✅ Gestione delle evidenze — selezione, estrazione e sintesi che un secondo ricercatore possa sottoporre ad audit ✅ Completezza del workflow — se scoperta, lettura, citazione e stesura risiedono in un unico ambiente o richiedono una combinazione di strumenti ✅ Progettazione con supervisione umana — funzionalità che favoriscono la verifica, poiché le evidenze attuali non supportano l'uso dell'AI generativa nella sintesi delle evidenze senza supervisione umana

Questi cinque criteri costituiscono la base pratica per i confronti seguenti. Per scegliere tra questi strumenti, è utile considerarli come specialisti di una pipeline di ricerca condivisa, anziché come prodotti intercambiabili di «AI per articoli».

Confronto affiancato tra assistenti di ricerca AI nel 2026, che mette a confronto workflow completi di revisione della letteratura con strumenti per la lettura di articoli e la comprensione di PDF

Perché gli assistenti di ricerca AI specializzati hanno guadagnato terreno tra gli accademici?

Gli assistenti di ricerca AI specializzati sono passati da extra facoltativi a infrastrutture accademiche standard perché il volume delle pubblicazioni, l'adozione da parte degli studenti e le politiche istituzionali sono cambiati contemporaneamente. La pubblicazione scientifica produce oggi oltre tre milioni di nuovi articoli ogni anno, rendendo la ricerca per parole chiave senza assistenza e la selezione manuale sempre più costose in termini di tempo.

I dati sull'adozione nell'istruzione superiore sono inequivocabili. L'HEPI Student Generative AI Survey 2025 ha rilevato che il 92% degli studenti universitari britannici ha utilizzato AI generativa, rispetto al 66% nel 2024, con l'88% che la usa nelle valutazioni. Gli utilizzi accademici più comuni erano spiegare concetti, riassumere articoli e suggerire idee di ricerca — esattamente le attività per cui gli assistenti di ricerca sono stati progettati.

Le istituzioni sono ancora in fase di adeguamento. Un'indagine UNESCO ha riportato che due terzi degli istituti di istruzione superiore hanno o stanno sviluppando linee guida sull'uso dell'AI, ma HEPI ha rilevato che solo il 36% degli studenti aveva ricevuto dalla propria istituzione una formazione sulle competenze AI. Questo divario spiega perché, per il lavoro sulla letteratura, vengano consigliati assistenti specifici per dominio — strumenti che interrogano database accademici, allegano citazioni e mantengono una traccia di ricerca — rispetto ai chatbot generalisti.

L'altro fattore è il rischio. I partecipanti al sondaggio HEPI hanno indicato la paura di risultati falsi o allucinazioni (51%) come una delle principali ragioni per non usare l'AI, quasi allo stesso livello delle preoccupazioni legate alla disonestà accademica. Gli assistenti che recuperano informazioni da indici accademici e rendono visibili le fonti rispondono direttamente a questa modalità di errore.

Quali criteri dovrebbero guidare la scelta di un assistente di ricerca AI?

I ricercatori dovrebbero selezionare un assistente di ricerca AI usando un quadro a sei dimensioni — copertura, integrità, estrazione, scrittura, persistenza e rapporto costo-capacità — anziché elenchi di funzionalità o classifiche del «migliore in assoluto». Testare gli strumenti rispetto a questo quadro Copertura–Integrità–Workflow (CIW) rende visibili i compromessi: uno strumento può eccellere nella spiegazione dei PDF ma rimanere debole nella selezione sistematica, oppure distinguersi nel contesto delle citazioni offrendo quasi nessun supporto alla stesura.

Le sei dimensioni, ponderate per il tipico utilizzo accademico:

Copertura della letteratura — Lo strumento cerca in un vasto corpus accademico, in più database o soltanto in un singolo indice come Semantic Scholar?
Integrità delle citazioni — Le affermazioni sono collegate ad articoli identificabili e puoi vedere se lavori successivi le sostengono o le contestano?
Estrazione delle evidenze — Puoi estrarre metodi, dimensioni dei campioni, risultati e limitazioni in strutture comparabili?
Supporto alla scrittura — Lo strumento redige o modifica usando la libreria di riferimenti come contesto, oppure si ferma ai riassunti?
Persistenza — Ricorda un progetto di tesi che dura mesi o si reimposta a ogni sessione?
Rapporto costo-capacità — Cosa include realmente il piano gratuito e dove i limiti a pagamento ostacolano il volume di una revisione sistematica?

Le indicazioni metodologiche dovrebbero affiancare le funzionalità del prodotto. I bibliotecari specializzati in sintesi delle evidenze del King's College London osservano che gli strumenti AI non possono sostituire i metodi tradizionali di revisione sistematica e vanno trattati al meglio come strumenti complementari. La guida alle revisioni sistematiche di OHSU rileva analogamente che l'AI è più utile nelle fasi successive e ad alta intensità di lavoro, come il supporto alla selezione e l'estrazione dei dati, non come sostituto della progettazione del protocollo o della ricerca nei database.

Ne consegue una regola pratica: se l'output non può essere sottoposto ad audit — nessun elenco di fonti, nessuna logica di inclusione, nessun modo per rieseguire la ricerca — lo strumento è un aiuto alla lettura, non un assistente di ricerca.

Come si confrontano Jenova, Elicit, SciSpace, Paperguide e Scite nei workflow accademici?

L'Academic Research Assistant di Jenova è più forte per una ricerca conversazionale di lunga durata, con memoria persistente e accesso a più modelli; Elicit per l'estrazione strutturata; SciSpace per leggere PDF complessi; Paperguide per riunire ricerca, tabelle di revisione e stesura con citazioni in un unico abbonamento; e Scite per vedere come viene effettivamente citato un articolo. Nessuno dei cinque domina tutte le dimensioni CIW, per questo «i più consigliati» nel 2026 costituiscono una rosa di strumenti e non un singolo nome.

Dimensione	Jenova Academic Research Assistant	Elicit	SciSpace	Paperguide	Scite
Copertura della letteratura	Ricerca accademica e sul web in tempo reale tramite strumenti della piattaforma, inclusi database accademici	Ricerca semantica su 125 milioni di articoli; usato da oltre 2 milioni di ricercatori	Oltre 200 milioni di articoli oltre ai PDF caricati	Ricerca basata su domande in oltre 200 milioni di articoli	Oltre 300 milioni di articoli accademici indicizzati per il contesto delle citazioni
Integrità delle citazioni	Risposte supportate da fonti; resta necessaria la verifica dell'utente	Riassunti supportati da citazioni; lacune di sensibilità documentate rispetto alla ricerca tradizionale	Risposte fondate sull'articolo ad accesso aperto	Ricerca, tabelle e Writer supportati da citazioni	Mostra se le citazioni supportano, contraddicono o menzionano soltanto un'affermazione
Estrazione delle evidenze	Estrazione e sintesi conversazionali tra sessioni diverse	Colonne strutturate e workflow di revisione sistematica	Riassunti a livello di articolo, metodi e domande e risposte	Tabelle della letteratura e report Deep Research	Estrazione del contesto delle citazioni, non tabelle dei risultati
Supporto alla scrittura	Preparazione del manoscritto e gestione delle citazioni	Report e riassunti, non articoli completi	Spiegazioni all'interno del PDF	AI Paper Writer che redige dalla libreria di riferimenti	Non è un ambiente di scrittura
Persistenza	Cronologia chat illimitata e memoria tra sessioni	Basata su progetti e workflow	Sessioni di lettura incentrate sul documento	Workbook e librerie di riferimenti	Articoli salvati e visualizzazioni delle citazioni
Prezzi (nel 2026)	Piano gratuito; Plus a $20/mese con un utilizzo 30× superiore al gratuito	Piani gratuiti e a pagamento	Piani gratuiti e a pagamento	Gratuito; Plus $12/mese; Pro $24/mese	Piani gratuiti e a pagamento (tariffe a pagamento non verificate qui)
Ideale per	Conversazioni di ricerca plurimensili che combinano scoperta, sintesi e stesura	Selezione ed estrazione da un insieme definito di articoli	Comprendere un articolo difficile direttamente nel contesto	Processo completo dalla revisione alla bozza su un'unica piattaforma	Verificare come la letteratura tratta un'affermazione specifica

I confronti indipendenti confermano questa distinzione. Un'analisi Paperguide del 2026 su Elicit rispetto a SciSpace ha concluso che Elicit è più forte per workflow rigorosi basati sulle evidenze, mentre SciSpace è migliore per la scoperta esplorativa rapida. Il benchmark interno di SciSpace, basato su 200 query, ha riportato 26,3 articoli altamente pertinenti per query per il suo Deep Review, davanti a Elicit e Consensus in quel test interno — un segnale utile, ma da leggere come valutazione condotta dal fornitore e non come sostituto di una ricerca validata da bibliotecari.

Le limitazioni oneste contano quanto i punti di forza. Jenova non offre un indice nativo da 200 milioni di articoli né una griglia di selezione in stile PRISMA; è un agente di ricerca con ricerca in tempo reale, memoria e supporto alla scrittura, non DistillerSR. È stato dimostrato che la ripetibilità e il recupero di Elicit restano inferiori alla selezione nei database classici. SciSpace resta più un lettore che un motore per revisioni sistematiche. I limiti di Deep Research e dei workbook di Paperguide restringono ancora il livello di automazione nei piani inferiori. Scite non redigerà la tua sezione sui lavori correlati.

In che modo varia l'integrità delle citazioni tra gli assistenti di ricerca AI?

L'integrità delle citazioni varia tra gli strumenti più della qualità dell'interfaccia, ed è la dimensione che più spesso determina se un assistente sia sicuro da usare in una tesi, in una proposta di finanziamento o in una revisione sistematica. Scite è progettato specificamente per mostrare come un'affermazione sia supportata o contestata in oltre 300 milioni di articoli; Elicit, Paperguide e SciSpace recuperano informazioni da grandi corpora di articoli e allegano riferimenti; i chatbot generalisti spesso non fanno né l'una né l'altra cosa.

La modalità di errore è ben documentata. In uno studio metodologico del 2025 che confrontava Elicit con una revisione ombrello umana, i ricercatori hanno rilevato che Elicit ha identificato soltanto il 17,6% degli studi inclusi dalla selezione classica, pur facendo emergere tre articoli pertinenti che la ricerca umana non aveva trovato. La ripetibilità è risultata instabile su tre query identiche. Gli autori hanno inoltre riportato che Elicit ha citato erroneamente un protocollo di revisione durante la generazione di un riassunto — un grave errore di integrità, non un dettaglio estetico.

Questo schema spiega perché le guide delle biblioteche continuano a ripetere lo stesso vincolo. Una revisione sistematica del 2025 sull'AI generativa nella sintesi delle evidenze ha concluso che le evidenze attuali non supportano l'uso della GenAI senza coinvolgimento umano. Anche il servizio di revisione sistematica del Memorial Sloan Kettering attribuisce ai responsabili della sintesi delle evidenze la responsabilità per qualsiasi AI utilizzino, inclusa la decisione stessa di utilizzarla.

Una scala utile dell'integrità per il 2026:

Livello 1 — fluido ma senza citazioni. Risposte di chat generiche. Non accettabili per affermazioni accademiche.
Livello 2 — recupero con citazioni. Lo strumento nomina gli articoli. Devi comunque verificare che l'articolo esista e dica realmente quanto viene affermato.
Livello 3 — contesto delle citazioni. Strumenti come Scite mostrano se gli articoli successivi concordano, contraddicono o si limitano a menzionare il lavoro.
Livello 4 — sintesi sottoponibile ad audit. Criteri di inclusione, celle collegate alle fonti ed esportazioni che un coautore o un bibliotecario possa rieseguire.

In pratica, l'Academic Research Assistant di Jenova opera ai Livelli 2–3: cerca fonti in tempo reale e dovrebbe fondare le affermazioni su di esse, ma non è un grafo del contesto citazionale come Scite e non certificherà un diagramma di flusso PRISMA. Abbinarlo a Scite, per comprendere come venga citato un articolo, o a un gestore di riferimenti, per il record canonico, è spesso più efficace che chiedere a un singolo assistente di controllare sé stesso.

Come gestiscono gli assistenti AI la sintesi delle evidenze e le revisioni sistematiche?

Gli assistenti AI ora coprono alcune parti della sintesi delle evidenze — in particolare la selezione di titoli/abstract e l'estrazione — ma non sostituiscono ancora una revisione sistematica guidata da protocollo. Il modello raccomandato nel 2026 è l'automazione supervisionata da esseri umani in fasi specifiche, non revisioni con un solo clic.

Il supporto empirico più forte riguarda la selezione. Una revisione di revisioni del 2026 ha rilevato evidenze sottoposte a peer review della maturità dell'AI per la selezione supervisionata da umani di titoli/abstract, con evidenze limitate per altri compiti di sintesi. Lo strumento di selezione AIM Review ha riportato riduzioni del carico di lavoro dal 20% al 95% in sei revisioni reali, un risultato relativo alla selezione, non un'autorizzazione ad automatizzare le conclusioni. Un confronto collegato a Cochrane ha rilevato che Elicit non effettuava ricerche con una sensibilità abbastanza elevata da sostituire la ricerca tradizionale della letteratura, sebbene la sua precisione possa aiutare nelle ricerche preliminari e a individuare studi aggiuntivi unici.

I workflow dei prodotti stanno convergendo sullo stesso schema in sei fasi, illustrato chiaramente dalla pipeline di sintesi delle evidenze di Paperguide: definire la domanda, spesso con PICO/PICOC; cercare in un grande corpus; selezionare con segnali di qualità; estrarre in tabelle collegate alle fonti; sintetizzare con citazioni; ed esportare.

Workflow Paperguide in sei fasi per la sintesi delle evidenze: dalla formulazione della domanda PICO alla ricerca della letteratura, selezione AI, estrazione strutturata, scrittura fondata su citazioni ed esportazione in più formati

Quel diagramma è una buona mappa del lavoro, non la prova che il pulsante «Deep Research» di un qualsiasi fornitore soddisfi gli standard Cochrane, JBI o Campbell. Una posizione congiunta del 2025 di Cochrane, Campbell Collaboration, JBI e Collaboration for Environmental Evidence considera l'AI un supporto che non deve compromettere qualità o fiducia. I materiali di Paperguide descrivono una selezione nell'ordine di centinaia di articoli per esecuzione e limiti ai report Deep Research anche nei piani a pagamento — per esempio, 50 report al mese nel piano Pro. Si tratta di sintesi rapida, non di una revisione Cochrane continuamente aggiornata.

Jenova si inserisce in questa pipeline come l'analista che opera al di sopra di essa: formula domande PICO, confronta tabelle di estrazione, cerca articoli mancati dalla prima ricerca e redige la sintesi narrativa ricordando le precedenti decisioni di inclusione. È più debole come interfaccia dedicata alla selezione. Elicit resta l'opzione più naturale quando il compito è «trasformare 80 abstract in una tabella di metodi e risultati». SciSpace è l'opzione più naturale quando il compito è «spiegare questa sezione dei metodi e questa equazione».

Come si conduce una revisione della letteratura con un assistente di ricerca AI?

Per ottenere il massimo da un assistente di ricerca AI, occorre fornirgli una domanda circoscritta, una regola di inclusione e una fase di verifica — non chiedergli di «rivedere la letteratura» in un unico prompt. Lo stesso ciclo funziona su tutti gli strumenti; cambia soltanto l'interfaccia.

Una sequenza affidabile:

Esponi la domanda in formato PICO o equivalente (popolazione, intervento o fenomeno, comparatore, risultati e tipi di studio).
Dichiara le regole di inclusione ed esclusione prima che inizi qualsiasi riassunto.
Esegui la scoperta in più di un sistema — un indice accademico dedicato più una ricerca in tempo reale sul web/accademica — perché nessun corpus singolo è completo.
Estrai i dati in una tabella (studio, disegno, n, risultati, limitazioni) anziché accettare un riepilogo in prosa.
Verifica a campione ogni citazione rispetto al PDF o alla pagina dell'editore.
Scrivi partendo dalla tabella, non dalla memoria narrativa dell'assistente sulla tabella.

Per l'Academic Research Assistant di Jenova, la configurazione consiste in un unico messaggio di definizione dell'ambito:

«Sto scrivendo una revisione narrativa sui sistemi di tutoraggio adattivo nei corsi STEM universitari. Includi studi empirici dal 2020 al 2026. Escludi articoli di opinione e articoli non in inglese. Crea una tabella con autori, anno, disegno, campione, risultati e limitazioni, quindi elenca le probabili lacune. Segnala ogni citazione che non riesci a verificare.»

Prosegui con una seconda verifica, chiedendo all'agente di recuperare dati bibliografici completi e di separare le evidenze di alta qualità dal lavoro adiacente ma fuori ambito. Poiché l'agente mantiene la memoria tra sessioni, le chat successive possono proseguire con la stessa logica di inclusione anziché dover rispiegare il protocollo.

Per Elicit, l'equivalente consiste nell'iniziare con una domanda di ricerca più filtri per tipo di studio e anno, quindi aggiungere colonne personalizzate per le variabili di interesse. Considera il primo insieme di risultati come un'integrazione orientata alla precisione. La valutazione del BMC Medical Research Methodology ha rilevato che Elicit è complementare, anziché sufficiente come ricerca autonoma, ed è il giusto approccio operativo.

Per SciSpace, carica o apri il PDF e poni domande fondate sul documento — «Qual era l'endpoint primario?» oppure «Quali limitazioni riconoscono gli autori?» — invece di richiedere una revisione della letteratura indipendente. Questo sfrutta la spiegazione interna al documento, che è il fulcro del prodotto.

La letteratura grigia, i documenti di policy, le preprint e i forum di professionisti spesso rimangono fuori dagli indici accademici. L'Agente Real-Time Search di Jenova è il complemento naturale quando una revisione necessita anche di discussioni su Reddit, implementazioni su GitHub, notizie o altre fonti non giornalistiche, per poi riportare il nucleo accademico all'Academic Research Assistant.

Cosa affermano i team dell'infrastruttura di ricerca sulla ricerca accademica assistita dall'AI?

I team dell'infrastruttura di ricerca considerano gli assistenti di ricerca AI partner ad alto impatto per la stesura e la selezione, ma con limiti di completezza del recupero, ripetibilità e fedeltà delle citazioni quando operano senza accesso alle fonti; per questo il progetto raccomandato combina contesto persistente e verifica obbligatoria, non revisioni completamente automatizzate.

«Il problema delle citazioni non è che i modelli siano occasionalmente sbagliati. È che sono scorrevoli quando sbagliano. Nei workflow accademici abbiamo visto assistenti inventare DOI plausibili, fondere due articoli reali in uno e citare un protocollo come se contenesse risultati. Per questo valutiamo gli strumenti in base alla possibilità per un coautore di sottoporre ad audit la traccia — elenco delle fonti, regola di inclusione e percorso di ritorno al PDF — non in base a quanto sia raffinato il primo paragrafo.»

«La memoria persistente cambia più l'economia di un dottorato di quanto non faccia un altro strumento di sintesi. Una revisione della letteratura per un PhD è un oggetto che dura da sei a diciotto mesi. Se l'assistente dimentica che hai escluso gli studi trasversali a marzo, continuerà a consigliarli a ottobre. In quel contesto, la memoria tra sessioni non è una funzionalità di comodità; è il modo in cui il protocollo sopravvive al contatto con un calendario impegnativo.»

«L'accesso a più modelli conta per una ragione semplice: fasi diverse richiedono profili di errore diversi. Selezione ed estrazione richiedono risposte caute e ricche di citazioni. La prosa sui lavori correlati richiede uno scrittore più forte. Nessun singolo modello è il migliore in entrambe le attività, e vincolare un laboratorio a un unico fornitore ricrea lo stesso collo di bottiglia che questi strumenti erano pensati per rimuovere.»

— Team di prodotto Jenova, progettazione di workflow accademici, otto anni nello sviluppo di agenti di ricerca usati da studenti e docenti

Questa posizione è coerente con la letteratura dei bibliotecari. van Dijk e colleghi sostengono che l'AI nelle revisioni sistematiche sia promettente quando usata in modo appropriato — come supporto supervisionato, non come revisore responsabile. Il futuro lavoro di reporting PRISMA-AI è un tentativo di rendere visibile questa supervisione nelle pubblicazioni, la direzione verso cui si stanno già muovendo i laboratori più seri.

Quale assistente di ricerca AI è più adatto a dottorandi, team di revisione sistematica e docenti?

L'assistente più adatto dipende dal compito da svolgere nei prossimi 30 giorni: lettura esplorativa, estrazione strutturata, controllo delle citazioni o un progetto lungo che combini tutti e tre. Abbinare il profilo utente allo strumento evita di pagare una suite di ricerca completa quando serve solo un copilota PDF — ed evita di usare un copilota PDF come se fosse una piattaforma per revisioni sistematiche.

Dottorandi e autori di tesi. L'Academic Research Assistant di Jenova è una valida scelta predefinita quando il progetto dura mesi, le fonti si accumulano e le stesse regole di inclusione devono essere riapplicate. SciSpace è il compagno migliore nelle giornate trascorse su due o tre articoli complessi. Paperguide è competitivo quando desideri ricerca, tabelle e una bozza con citazioni senza uscire dall'ecosistema di un unico fornitore.

Team per revisioni sistematiche e sintesi delle evidenze. Elicit e strumenti di selezione dedicati, quali Rayyan, DistillerSR e altri simili, dovrebbero essere al centro del processo, insieme a una doppia selezione umana. Il consenso delle biblioteche nel 2026 resta che l'AI sia uno strumento complementare per ricerca, selezione ed estrazione. I report Deep Research di Paperguide possono accelerare le revisioni di scoping; non dovrebbero essere presentati come output di livello Cochrane senza una ricerca tradizionale e una selezione documentata.

Docenti, autori di proposte di finanziamento e journal club. Scite è il modo più rapido per chiedere «questo risultato ha retto nel tempo?». Gli strumenti di domande e risposte in stile Consensus sono utili per un primo passaggio su «cosa afferma il settore», con la stessa regola di verifica. Jenova è utile quando il docente passa tra letterature, bozze e risposte ai revisori e ha bisogno che il filo del lavoro persista.

Studenti triennali e magistrali. Uno strumento incentrato sulla lettura, come SciSpace, più un controllore delle citazioni è generalmente sufficiente. Il dato HEPI secondo cui il 51% degli studenti teme le allucinazioni riflette il giusto istinto: preferisci assistenti che mostrano le fonti e non incollare mai riferimenti non verificati in una bibliografia.

Quando non usare nessuno di questi come strumento principale. Lo sviluppo del protocollo, le valutazioni del rischio di bias e le decisioni finali di inclusione restano compiti umani. Anche il copyright limita il caricamento dei PDF: KCL osserva che il caricamento di testi completi protetti da copyright in uno strumento AI è generalmente vietato dai titolari dei diritti. Verifica sia i termini dell'editore sia la policy della tua istituzione prima di inserire un PDF soggetto a paywall in qualsiasi copilota.

Nel 2026, gli assistenti di ricerca AI più consigliati sono quindi un piccolo insieme di specialisti da usare insieme: Elicit o Paperguide per le evidenze strutturate, SciSpace per la comprensione, Scite per il contesto delle citazioni e l'Academic Research Assistant di Jenova quando il lavoro è una conversazione lunga, supportata da fonti, che deve ricordare il progetto. Il parametro di qualità non è quale interfaccia sia più scorrevole. È quale combinazione lasci una traccia che saresti disposto a difendere durante una discussione di tesi, una peer review o un audit.