LaCulturaDelDato #217

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 duecentodiciassetesimo 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 quattro spunti del duecentodiciassetesimo numero:

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Kevin Kelly, i dati e le provocazioni che ci serve a riflettere meglio

Ci sono pensatori che ti aiutano a leggere il presente e pensatori che ti costringono ad andare oltre. Kevin Kelly, cofondatore di Wired, padre nobile della cultura digitale americana, appartiene da decenni alla seconda categoria. Non è un futurologo nel senso più tradizionale: è uno dei pochi che riesce a tenere insieme antropologia, biologia ed economia dell’informazione, e per questo i suoi testi continuano a sopravvivere al tempo. Anni fa lessi Quello che vuole la tecnologia e ne uscii decisamente arricchito. La tesi del libro, in poche righe: la tecnologia non è uno strumento neutro nelle nostre mani, è un ecosistema, Kelly lo chiama technium, con tendenze evolutive proprie, simili a quelle dei sistemi biologici. Verso più complessità, più diversità, più connessione, più mutua dipendenza. Non un destino deterministico, ma una direzione. Per chi come noi lavora ogni giorno con architetture dati e piattaforme AI, è un libro che cambia il modo di guardare i progetti: smetti di pensare ai sistemi come “cose che costruisci” e cominci a vederli come organismi che “coltivi”.

L’approfondimento che ti consiglio oggi è il suo recente Data Manifesto, venti tesi asciutte in puro stile Kelly, che è la naturale estensione di quella visione applicata al dato. Tutte vanno lette. Tre meritano di essere “sottolineate”.

Primo: il dato non è petrolio, è un bene comune. Kelly non attacca mai esplicitamente la metafora estrattiva che ha dominato da inizio anni 2000; ma si allontana da questa tesi in maniera evidente: il dato nasce nel commons, ci ritorna, esiste solo in relazione alle sue fonti. È un’inversione di prospettiva che condivido, con una postilla europea: il “commons” senza governance diventa il cortile o la proprietà privata di pochi. Le iniziative sui Data Spaces europei, il Data Governance Act, perfino certi esperimenti di data altruism, sono tentativi imperfetti ma seri di costruire quell’infrastruttura condivisa che Kelly invoca senza mai nominare lo Stato, se non al punto 18, quando quella che lui chiama “tragedy of the commons” lo costringe a richiamarlo.

Secondo: il dato è verbo, non sostantivo. Qui Kelly è chirurgico. “Storage is weak because it halts; movage is better.”. Questa affermazione diventa potente se la portiamo, per esempio, nei progetti di data platform: gran parte delle nostre architetture sono ancora ottimizzate per immagazzinare, non per far circolare. Il vero KPI di un dato dovrebbe essere il numero di connessioni e consultazioni utili che genera nel tempo.

Terzo: la privacy come “malinteso”. Qui invece dissento, almeno parzialmente ma capisco la provocazione. Kelly ha ragione nel dire che pretendere segretezza assoluta nel digitale è ingenuo, e che la vera leva è la simmetria della trasparenza: se sai qualcosa di me, devo sapere cosa sai e come lo usi. Ma ridurre la privacy a un equivoco rischia di buttare via, con l’acqua sporca anche il bambino. Il GDPR, nei suoi limiti, resta un esperimento civile importante: non protegge i bit, protegge l’asimmetria di potere.

Kelly ci consegna un manifesto da discutere, non da firmare. Ed è allineato a tanti altri post su temi legati alla tecnologia che puoi trovare sul suo substack e che spesso, non sempre, trovo illuminanti 🙂.

👃Investimenti in ambito dati e algoritmi. Il vero alpha dell’AI Search non è nel monitoraggio. È nell’esecuzione

Negli ultimi tre anni una parte crescente delle ricerche online non passa più solo dalla search tradizionale di Google, ma anche da strumenti come ChatGPT, Perplexity o le AI Overview di Google stessa: per aziende e media questo vuol dire dover capire come comparire dentro risposte generate da un’AI. Da qui stanno nascendo due mercati diversi ma spesso confusi: quello delle piattaforme che misurano la visibilità all’interno dei nuovi strumenti e quello, più nuovo, di chi prova ad automatizzare le azioni necessarie per migliorarla.

A fine 2025 Kevin Indig, un advisor e analista molto seguito nel mondo della SEO e della crescita organica, con un passato operativo in Shopify, G2 e Atlassian, ha pubblicato sul suo substack Growth Memo un’analisi che è l’approfondimento che ti suggerisco oggi su questo tema. Nel suo articolo prova a distinguere dove sta il rumore e dove, invece, potrebbe esserci valore vero. Lo fa mappando 80 aziende dell’ecosistema AI Search, insieme a partner tra cui Niccolò Sanarico di Primo Capital, che è stato anche ospite recente di questa newsletter. La tesi: i capitali si sono innamorati del pezzo più “visibile” del mercato, ma non per forza di quello più difendibile.

La distinzione chiave è questa: una dashboard di monitoraggio ti dice come il tuo brand appare dentro ChatGPT, Perplexity o nelle AI Overview. Ti mostra citazioni, ranking, share of voice, magari anche l’andamento rispetto ai concorrenti. È utile in alcuni casi. Ma resta soprattutto uno strumento di osservazione. Ti aiuta a capire, non a fare. È un cruscotto: se lo spegni, perdi grafici, storico e qualche insight. Non si ferma il motore.

La SEO agentica, invece, gioca un altro campionato. Non si limita a rispondere alla domanda “come sto messo?”, ma prova a risolvere quella più scomoda: “come faccio a migliorare davvero la mia presenza?”. Qui entrano in gioco generazione di contenuti, aggiornamento di pagine, pubblicazione nei CMS, distribuzione su canali diversi, coordinamento tra linee guida del brand, workflow editoriali e approvazioni umane. In altre parole: non insight, ma output. Intervento operativo sul fenomeno. Ed è qui che, secondo me, il pezzo diventa interessante anche per chi investe. Indig osserva che il venture capital ha finanziato molto di più il layer del monitoraggio rispetto a quello agentico, nonostante il secondo sembri più vicino a catturare valore duraturo. Perché il monitoraggio ha l’aspetto rassicurante del SaaS “pulito”: onboarding rapido, margini alti, poca frizione. La SEO agentica, invece, è più sporca: integrazioni, controllo umano, processi, governance. Ma spesso è proprio questa frizione a creare difendibilità. Se un tool entra nel flusso con cui la tua azienda produce e pubblica contenuti, spegnerlo non è indolore. E quando spegnere qualcosa fa male, di solito diventa molto più difendibile. il monitoraggio rischia di diventare una feature, non una categoria autonoma. Un pezzo che piattaforme più grandi possono incorporare e commoditizzare. L’alpha, invece, sembra spostarsi verso chi automatizza davvero il lavoro e attacca un mercato SEO che è ancora molto consulenziale, manuale e human-intensive. È anche la lettura di Niccolò Sanarico è molto interessante: il punto non è solo la nuova interfaccia di ricerca, ma la possibilità che l’AI eroda una fetta enorme di attività oggi vendute come servizio.
Nell’AI del 2026, almeno in questo ambito, il valore non sta più nel sapere. Sta sempre di più nel fare.

🖐️👀 Tecnologia & Data Science Information is Beautiful Awards, due anni dopo

back to 95

Nel numero 95 di questa newsletter eravamo entrati dentro il mondo degli Information is Beautiful Awards. A sorpresa, il link più cliccato di quella sezione non era stato uno dei vincitori, ma 100.datavizproject.com: cento visualizzazioni sobriamente belle costruite su una tabella di sei numeri. Un piccolo manifesto di quanto la forza della data viz stia nell’idea, non nella complessità del dataset. Vale la pena tornare sul premio, sia per ricordare da dove nasce, sia per segnalarti l’edizione più recente, uscita un po’ sotto il radar per una convenzione di naming che confonde tutti, me compreso.

La storia. Gli Information is Beautiful Awards nascono nel 2012 per iniziativa di David McCandless, giornalista e data visualizer britannico, in collaborazione con Aziz Cami (allora Creative Director di Kantar). McCandless è una figura di riferimento del campo: autore di tre libri best-seller (Information is Beautiful, 2010; Knowledge is Beautiful, 2014; Beautiful News, 2022) e protagonista di uno dei TED Global più citati sulla disciplina, “The Beauty of Data Visualization“ (2010). La sua intuizione nacque dal fatto che il settore stava esplodendo per qualità e varietà, mancava solo un momento per celebrarlo gli “Oscar” della data visualization, come li definii nel numero 95. Dopo una pausa pandemica nel 2020-2021, il premio è stato rilanciato nel 2022 sotto la guida della Data Visualization Society, che oggi lo organizza.

L’aggiornamento. L’edizione “2024” (il naming si riferisce all’anno dei lavori eleggibili, non della cerimonia) è stata giudicata e premiata nel 2025, con cerimonia il 12 giugno. Quasi mille entries, 89 shortlisted, nove categorie. Il premio overall “Most Beautiful” è andato a “Is the Love Song Dying?“ di David Mora e Michelle Jia. Qui trovi l’elenco completo dei vincitori per le nove categorie più i premi speciali: è la mezz’ora di navigazione più densa di dati che puoi regalarti in questo weekend :-)

👅Etica & regolamentazione & impatto sulla società. Nathan Benaich e la domanda da un miliardo: l’AI può scoprire nuova scienza?

“Una questione centrale ha caratterizzato il dibattito sull’IA applicata alla scienza: l’IA si limita a riprodurre le conoscenze su cui è stata addestrata, oppure è in grado di generare conoscenze completamente nuove? Nell’ultimo anno, questa domanda è passata dal piano teorico a quello empirico. I progressi nei modelli di ragionamento, nei sistemi agenti e nelle pipeline di ricerca autonome indicano che l’IA sta iniziando a fungere da acceleratore delle scoperte scientifiche. … La traiettoria è chiara. Per la prima volta, stiamo assistendo alle fasi iniziali di un ecosistema scientifico in cui idee, esperimenti e interpretazioni emergono da un ibrido di intelligenza umana e artificiale. I sistemi implementati oggi sono imperfetti, disomogenei tra i diversi ambiti e ancora fondamentalmente dipendenti dalla supervisione di esperti. Tuttavia, segnano l’inizio di un cambiamento nella pratica della scienza che difficilmente potrà essere invertito.”

Questa è la parte iniziale e finale di un articolo molto interessante scritto dalla società di investimenti Air Street e da Nathan Benaich, autore di uno dei report annuali più autorevoli sull’evoluzione a 360° dell’AI, lo State of AI Report. L’approfondimento che ti consiglio oggi ha un titolo e un tema ad altissimo impatto per il nostro futuro: Can AI discover new science?

Il pezzo è rilevante per diversi motivi, tra cui sicuramente questi tre.

Primo: il caso d’uso più interessante dell’AI generativa non è l’ottimizzazione dei processi. È una riflessione che aggiungo io, non dell’articolo: oggi la maggior parte delle aziende usa l’AI per ridurre costi e comprimere i tempi di attività ripetitive. È utile, ma è un gioco a somma (quasi) zero per il progresso collettivo. Accelerare la scoperta scientifica, come raccontano i casi di GPT-5 che contribuisce a quattro risultati verificati su problemi matematici aperti, o di Kosmos che in un singolo run digerisce circa 1.500 paper e genera 42.000 righe di codice in 12 ore è un gioco a somma positiva. E dovrebbe entrare nell’agenda strategica di chi guida innovazione, anche fuori dai laboratori.

Secondo: l’infrastruttura di ricerca AI-first sta diventando una leva geopolitica. Il progetto Genesis citato nell’articolo non è un semplice programma di finanziamento: è il tentativo degli Stati Uniti di costruire una piattaforma unificata che integra laboratori nazionali, HPC e decenni di dataset federali in un unico ecosistema AI-accelerato. Il parallelo corretto, nel medio periodo, non è con il CERN (consorzio internazionale di ricerca di base) ma con i grandi programmi a finalità strategica nazionale come il Manhattan Project, il programma Apollo o lo Human Genome Project. La domanda che questo apre per chi guarda al nostro continente è legittima e scomoda: dove si colloca l’Europa in questa corsa?

Terzo: la modalità ibrida umano-macchina sta diventando una condizione necessaria per ogni centro di ricerca, come mostra il progetto Kosmos citato nell’articolo. Ma attenzione ai numeri: i valutatori esterni giudicano supportate dall’evidenza il 79,4% delle affermazioni prodotte dal sistema, con punte dell’85,5% sui claim derivati dai dati e cadute intorno al 60% sulle ipotesi cross-dominio, cioè proprio quelle più associate alla novità. Il messaggio sembra chiaro: dove la macchina dovrebbe generare più valore (connessioni inedite tra domini diversi) è anche dove fatica di più, e serve ancora supervisione esperta pesante. Investirci richiede capitale economico, certo, ma soprattutto capitale umano capace di dialogare con la macchina che è forse la risorsa più scarsa … anche più delle GPU.

Buona lettura!

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!