LaCulturaDelDato #154
Dati & algoritmi attraverso i nostri 5 sensi
For my English speaking friends, click here for the translated version
Ciao,
sono Stefano Gatti e questo è il centocinquantaquatreesimo numero della newsletter LaCulturaDelDato: dati & algoritmi attraverso i nostri 5 sensi. Le regole che ci siamo dati per questo viaggio le puoi trovare qui.
Ecco i cinque spunti del centocinquantaquatreesimo numero:
👅Etica & regolamentazione & impatto sulla società. Tra neuroscienze e decision-making: il potere dei dati e le insidie dei bias secondo un choice architect
Presentati
Michele Grotto. Sono un behavioral strategist e un choice architect. Ma che vuol dire? Vuol dire che - in veste di consulente - mi occupo di architettura delle scelte e scienze comportamentali, applicandole al mondo delle relazioni e della performance, nelle aziende e non solo. In altre parole, possiamo vederla in questo modo: decodifico i processi decisionali e i comportamenti delle persone, con l’obiettivo di modificarli o perfezionarli. Tutto questo si applica ai campi più disparati: dalla gestione del personale alla vendita, passando per le strategie di comunicazione e il decision-making. Oltre a questo, mi piace indossare i panni del divulgatore: sui miei canali social e soprattutto qui su Substack adoro parlare delle più recenti scoperte nel mondo delle neuroscienze, con un taglio molto pratico. E, a tal proposito, ho anche creato Brain Hacking Academy, la mia scuola di formazione online.
Il mio ruolo tra 10 anni sarà ... (continua la frase come fossi GPT-10)
… consulente, divulgatore e speaker, proprio come faccio oggi e nello stesso settore in cui opero oggi, per contribuire alla formazione di sempre più persone appassionate a questi temi. Credo fortemente che, in un mondo sempre più orientato all’intelligenza artificiale, l’intelligenza naturale diventerà ancor più determinante, specialmente in riferimento alla nostra capacità di gestire al meglio i nostri pensieri, le nostre emozioni, i nostri comportamenti, le nostre abitudini e le nostre scelte. Proprio perché l’AI si farà sempre più presente, il fattore umano diventerà sempre più decisivo.
Quale è la sfida più importante che il mondo dei dati e algoritmi ha di fronte a sé oggi?
Non sono certamente un esperto di dati e algoritmi, ma osservando il mondo attraverso le lenti delle scienze comportamentali non posso che evidenziare il fatto che una delle sfide più importanti da affrontare riguardi le distorsioni cognitive. Non possiamo farne a meno: bias ed euristiche influenzano la nostra realtà costantemente, anche quando abbiamo a che fare con dati e algoritmi. A prescindere da ciò che facciamo, infatti, un dato rischia sempre di essere interpretato in modo errato (in base ad esempio a meccanismi come il bias dell’ancoraggio o il pregiudizio di conferma), con tutte le conseguenze che ne derivano. Chi si occupa di dati e algoritmi, oggi più che mai deve diventare anche un esperto di bias!
Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno …
C’è davvero l’imbarazzo della scelta, ma nell’ultimo periodo la risorsa di cui non posso fare a meno è senza ombra di dubbio il mio Oura Ring, uno strumento estremamente utile per analizzare e gestire la performance del proprio corpo (dai livelli di stress, al sonno). Ed è quindi altrettanto utile per gestire la performance della propria mente: si sa, la mente influenza il corpo e il corpo influenza la mente. Grazie ai dati raccolti su quel che succede nel nostro organismo possiamo infatti influenzare positivamente il nostro stato d’animo, i nostri pensieri e le nostre decisioni. Un game changer a tutti gli effetti.
👃Investimenti in ambito dati e algoritmi. Start-up del mese Gennaio 2025: Innovaccer
Come ogni mese, grazie al mio monitoraggio costante dell’innovazione e degli investimenti a livello globale, ho l’opportunità di presentarti una startup che ha catturato particolarmente la mia attenzione. Questa realtà si distingue non solo per aver ottenuto finanziamenti significativi a gennaio 2025, ma anche per il modo in cui integra dati e algoritmi nei suoi prodotti.
Ma prima di parlarti della startup, diamo un’occhiata a come è partito il nuovo anno. Gennaio 2025 ha registrato, per quanto riguarda gli investimenti mondiali dei VC, una leggera crescita rispetto allo stesso mese dell’anno scorso, attestandosi poco sotto il +10%. I dati di Crunchbase confermano una tendenza che ormai prosegue da mesi, se non anni: il settore Dati & AI e l’Healthcare continuano a dominare gli investimenti VC, superando stabilmente il 50% del totale. Anzi, negli ultimi mesi stanno raggiungendo addirittura il 60%. Un dato curioso: questo mese il 40% delle aziende che ho catalogato nel mio database rientra nella categoria Data & AI, pur non operando tutte strettamente in questo settore. Certo, una parte di questo fenomeno è dovuta allo storytelling con cui le aziende si presentano agli investitori, ma c’è anche sempre più sostanza dietro queste dichiarazioni.
Ti ricordi quando qualche settimana fa ti raccontavo che sogno di poter finalmente avere tutti i miei dati sanitari digitalizzati e integrati per poterli poi analizzare anche con l’aiuto di un’intelligenza artificiale? Ebbene, la startup che ho scelto questo mese sta cercando di fare esattamente questo, negli USA, con una forte spinta tecnologica per connettere in maniera intelligente i dati sanitari e ridurre il carico amministrativo per i professionisti della salute.
Innovaccer è una medtech company con sede a San Francisco, fondata nel 2014 da Abhinav Shashank, Kanav Hasija e Sandeep Gupta. La sua missione? Trasformare il settore sanitario sfruttando l’intelligenza artificiale e l’analisi avanzata dei dati per migliorare gli esiti clinici e rendere più efficienti i processi operativi.
Il cuore della loro offerta è la piattaforma cloud "Healthcare Intelligence Cloud", progettata per unificare i dati sanitari provenienti da diverse fonti, come cartelle cliniche elettroniche, laboratori e assicurazioni. Grazie a questa tecnologia, gli operatori sanitari possono avere una visione completa del paziente, migliorando la qualità delle cure e riducendo i costi.
A gennaio 2025, Innovaccer ha raccolto ben 275 milioni di dollari in un round di finanziamento di Serie F, con la partecipazione di investitori di primo piano come Kaiser Permanente e M12, il braccio venture capital di Microsoft.
La speranza? Che gli investimenti nel settore sanitario accelerino anche in Europa! Con l’invecchiamento della popolazione e la pressione crescente sui professionisti della salute, soluzioni come questa non sono solo utili, ma assolutamente necessarie. 🚀
🖐️Tecnologia (data engineering). Senza un business e buona tecnologia, la GenAI è solo un bel giocattolo
Qualche mese fa, una lettera aperta indirizzata ad AWS ha scatenato un acceso dibattito nella community tech. L'autore, Luc van Donkersgoed, sviluppatore e tech lead olandese, lanciava un messaggio chiaro: “You need a business to benefit from GenAI”.
Ho riletto di recente il suo post e mi ha riportato a un concetto che spesso ci sfugge, travolti dall'entusiasmo e dalle brillanti esperienze d’uso di ChatGPT: l’AI generativa, da sola, non basta. Serve un contesto aziendale solido in cui inserirla.
Van Donkersgoed lo spiega benissimo:
"Non fraintendetemi. Mi piace la GenAI. La uso ampiamente al lavoro e per il News Feed di AWS. Uso ChatGPT per dare forma a nuove idee, Copilot per accelerare lo sviluppo e Claude per generare sintesi. Il punto è che tutte queste funzionalità si integrano a un business esistente. Il business è formato da clienti, dati, regole aziendali, ricavi, prodotti, marketing e tutte le altre cose che fanno funzionare un'azienda. E la maggior parte delle aziende aveva già queste cose prima del 2022. La GenAI ci permette di aggiungere nuove funzionalità, spesso più velocemente di prima. Ma la GenAI non ha valore senza un prodotto esistente a cui applicarla."
Il post di Van Donkersgoed è focalizzato su AWS, il suo ambiente di lavoro, ma il messaggio vale ben oltre: la GenAI non può essere una scorciatoia per evitare di costruire un business solido.
Negli ultimi mesi, mi capita sempre più spesso di confrontarmi con sviluppatori, data engineer e tech lead frustrati perché vedono troppi investimenti e troppe energie di innovazione spostarsi dai sistemi core aziendali verso nuovi stack di AI generativa, spesso senza una strategia chiara.
Sperimentare è giusto. Creare piattaforme di innovazione attorno alla GenAI è sacrosanto. Ma bisogna sempre tenere a mente una cosa: senza un business chiaro, senza dati di buona qualità, senza processi solidi, l’AI generativa è solo un giocattolo costoso.
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Gestione dei talenti e AI: tra illusioni, realtà e futuro del lavoro
Come ogni settimana, ormai da 33 edizioni, torno su un argomento che vi aveva particolarmente interessato 121 puntate fa (in modalità rolling). Se il tema è ancora significativo e merita attenzione, vale sempre la pena riprenderlo. E quasi sempre è così.
Questa settimana torno alla newsletter numero 33, in cui avevo parlato della gestione dei talenti in azienda e di come gli strumenti di intelligenza artificiale potessero facilitarla. All’epoca vi era piaciuto molto, quindi credo sia il momento giusto per tornarci su, fare qualche riflessione e magari suggerire anche qualche spunto di approfondimento ulteriore sul tema.
AI e gestione dei talenti: cosa è cambiato?
All’epoca ti avevo suggerito un approfondimento della Harvard Business Review, che inquadrava molto bene il problema. Devo dire, con un certo rammarico, che in questi quasi tre anni non ho visto grandi passi avanti su questi strumenti. O meglio: si è puntato più ad aumentare la produttività dei team HR con l’AI piuttosto che a sviluppare strumenti innovativi che rendessero la vita più semplice ai talenti, soprattutto nelle grandi organizzazioni. Una scelta comprensibile, forse, in un’ottica di breve periodo per ridurre i costi, ma sicuramente non vincente nel lungo periodo.
Un altro contenuto che vi era piaciuto era l’intervista realizzata dal bravissimo team di
a Silvia Zanella, che resta ancora oggi molto interessante. Tra l’altro, Silvia continua a scrivere cose stimolanti anche nel presente e quindi ti consiglio di dare un’occhiata al suo blog.Ma torniamo ai grandi cambiamenti nel mondo del lavoro, tema che impatta direttamente anche tutta la community dei data-expert. Due nuove cose interessanti da segnalare:
1️⃣ Lavoro ibrido e da remoto:
Il vento sembra tirare verso una restaurazione (un grave errore, secondo me), ma c’è un dato emerso da uno studio in fase di pubblicazione che fa riflettere: almeno negli USA, i dipendenti sarebbero disposti ad accettare una riduzione salariale del 25% pur di avere ruoli parzialmente o completamente da remoto. Un valore significativamente più alto rispetto a studi precedenti.
Non ho ancora potuto leggere il paper perché non è stato pubblicato, ma la fonte che ha twittato il dato e la serietà dei tre ricercatori che lo hanno prodotto lo rendono degno di attenzione.
2️⃣ Uno sguardo al futuro del lavoro:
Se vuoi approfondire, ti consiglio di seguire la newsletter di
👀 Data Science. Misurare l’AI nel mondo reale: come capire se i tuoi modelli funzionano davvero
Una delle sfide più grandi nello sviluppo di un nuovo prodotto, di qualsiasi tipo, è misurare quanto e come viene utilizzato dagli utenti, soprattutto quelli della prima ora. Questo è fondamentale perché, a meno di rari e fortunati casi, è molto difficile azzeccare tutto al primo colpo. Osservare i dati di utilizzo aiuta tantissimo ed è stato spesso il segreto dell’evoluzione di prodotti di grande successo, che inizialmente non lo erano affatto.
Quando si parla di oggetti fisici, misurare l’utilizzo è più complesso, perché si basa sul feedback esplicito degli utenti. Nel mondo dei servizi informatici, invece, tutto diventa più semplice grazie alla possibilità di tracciare le azioni degli utenti.
Se sei un data scientist o un product owner di un prodotto con funzionalità legate all’intelligenza artificiale, ti consiglio un post molto interessante (e per una volta anche relativamente breve), dal titolo estremamente esplicativo: “Valutare i tuoi modelli AI nel mondo reale”, scritto da Austin Z. Henley. Henley è un informatico specializzato in intelligenza artificiale e nella creazione di strumenti per sviluppatori, con esperienze in grandi aziende tecnologiche, startup e anche nel mondo accademico. Attualmente è Professore Associato presso la Carnegie Mellon University.
Henley propone due approcci facendo come esempio (di funzionalità/prodotto) un sistema di suggerimento all’utente basato sull'IA:
Quando i suggerimenti dell'IA vengono rifiutati dell'utente: bisogna registrare i suggerimenti scartati e osservare le azioni successive degli utenti. Questo permette di ottenere una tripla informazione: l'input al modello, l'output generato (il suggerimento rifiutato) e l'azione effettiva dell'utente. Questa metodologia è particolarmente utile per compiti specifici, come il completamento di una singola riga di codice.
Quando i suggerimenti dell'IA vengono accettati: è fondamentale monitorare come gli utenti interagiscono con il contenuto generato. Ad esempio, si può verificare se il contenuto viene eliminato, annullato, copiato, incollato o modificato. Se il contenuto viene mantenuto a lungo, probabilmente è stato utile; mentre modifiche minori possono indicare la necessità di piccoli miglioramenti. Questo approccio richiede un’infrastruttura avanzata per tracciare le modifiche al contenuto generato dall’IA, ma fornisce informazioni molto preziose.
L’articolo contiene altri spunti interessanti e Henley mette a disposizione molti altri approfondimenti nel suo blog. Il suo approccio, che unisce in modo equilibrato teoria e pratica, lo rende davvero interessante da seguire! 🚀
Se hai ulteriori suggerimenti e riflessioni sui temi di questo numero o per migliorare questa newsletter scrivimi (st.gatti@gmail.com) o commenta su substack.
Se ti è piaciuta e non sei ancora iscritto lascia la tua mail qui sotto e aiutami a diffonderla!
Alla prossima!
Grazie per la chiacchierata, Stefano! 🙏🧠