LaCulturaDelDato #218

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 duecentodiciottesimo 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 duecentodiciottesimo numero:

👃Investimenti in ambito dati e algoritmi. Lorenzo Boldrini (Proximity Capital): trust business, agenti AI e una grammatica per i founder

Presentati: Lorenzo Boldrini. Sono Manager in Proximity Capital, operatore di venture capital che investe in startup B2B software pre-seed e seed in Italia e in Europa. In Proximity mi occupo principalmente della ricerca e della valutazione di nuove opportunità di investimento, oltre allo sviluppo dello stack tecnologico interno del fondo e al supporto alle startup in portafoglio. Prima di Proximity ho lavorato in PoliHub, l’acceleratore di startup deep tech del Politecnico di Milano, subito dopo aver conseguito lì la laurea in Ingegneria Gestionale. È stata la mia prima esperienza professionale e il mio punto di ingresso nell’ecosistema startup italiano.

Il mio ruolo tra 10 anni sarà ... (continua la frase come fossi GPT-10) … formalmente identico: alla fine l’early stage investing è un “trust business” e, a meno che l’umano non esca completamente dall’equazione imprenditoriale, continuerà a esserlo. Sono convinto però che cambieranno radicalmente i presupposti, le strategie e i meccanismi per poter continuare a esercitare quel ruolo in maniera competitiva. In tal senso sono convinto che il mio ruolo, come quello di ogni investitore, sarà sempre meno legato all’attività di investimento in senso stretto. sourcing, screening, monitoraggio del portafoglio passeranno sempre di più agli agenti AI, mentre a noi resterà la parte a monte più speculativa, la ricerca e lo sviluppo di tesi di investimento, e quella a valle più relazionale, di supporto ai founder.

Quale è la sfida più importante che il mondo dei dati e algoritmi ha di fronte a sé oggi?
La sfida principale, a mio avviso, è la crescente divergenza tra progresso tecnologico in ambito AI e adozione reale. Le capacità degli LLM avanzano a ritmo molto rapido, tra nuovi modelli, strumenti e funzionalità, mentre l’adozione segue una curva decisamente più lenta, dovuta a inerzie e resistenze di varia natura. Integrare queste tecnologie nelle aziende richiede tempo, cambiamenti nei flussi di lavoro e, spesso, una revisione delle modalità decisionali. Sono elementi che non si muovono alla stessa velocità dell’innovazione tecnica che nessun progresso tecnico può verosimilmente accelerare. Questo genera una sfida a livello di investimenti non banale, dove si tratta di soppesare le narrative del momento e di costruire modelli mentali capaci di distinguere ciò che cambierà davvero, e in quanto tempo, da ciò che è solo eccesso di entusiasmo.

Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno …In questi anni la cosa che mi ha appassionato di più nel mondo dei dati applicato al mio mestiere è l’idea di portare metodo e rigore in una delle attività più sfuggenti del venture capital: la valutazione del founder. È un terreno dove oggi domina l’istinto, dove le decisioni si giustificano spesso a posteriori costruendo narrative mitologiche attorno ai casi di successo. D’altro canto, generalizzare in un mestiere che vive di outlier ed eccezioni è altrettanto pericoloso: il rischio è di filtrare via proprio chi non rientra nei pattern, cioè quasi sempre il caso più interessante.
Tuttavia, una risorsa che mi ha molto colpito di recente e che segnalo volentieri è The Founder Six (thefoundersix.com), un progetto nato in EQT Ventures che prova a identificare, su base psicometrica e con il supporto di analisi AI, sei tratti ricorrenti nei founder di successo. È uno dei tentativi più seri che abbia visto di costruire una grammatica strutturata per valutare il potenziale imprenditoriale di una persona.

PSS (Post Scriptum di Stefano): supporto Proximity Capital da tempo e tifo apertamente per quello che stanno costruendo. Proximity Capital ha appena lanciato il suo nuovo fondo . Se sei un founder di una startup B2B in fase pre-seed o seed, scrivigli su LinkedIn o via email a boldrini@proximitycapital.it

🖐️👀 Tecnologia & Data Science Regole, ML o LLM? Quando “less is more” nelle decisioni aziendali

Quando usare un motore a regole deterministiche, un approccio di machine learning o un large language model per prendere decisioni in maniera ripetitiva è una domanda sempre più frequente e non scontata all’interno dei nostri contesti organizzativi. Uno dei problemi più frequenti per noi data-expert è far capire agli interlocutori meno tecnici i pro e i contro dei tre diversi approcci. La pressione (oggi) di molti vendor di soluzioni più complesse e costose non aiuta a risolvere questo problema.
In aggiunta, l’avvento dei large language model ha ulteriormente complicato la scena, perché si tende a ignorare che, in molti casi, anche gli LLM (o, sarebbe meglio dire, i chatbot), per rispondere a una domanda o supportare una decisione usano anche loro, essendo molto bravi a scrivere codice, regole deterministiche o algoritmi di machine learning, in maniera non sempre trasparente e chiara per un interlocutore non tecnico.
Inoltre, in questi ambiti, l’ansia di usare a tutti i costi una tecnologia “sexy” e moderna come l’intelligenza artificiale generativa oscura la regola molto più resiliente ed efficiente di usare lo strumento, a parità di risultato, più semplice, spiegabile e deterministico: una sorta di “less is more” applicato ai sistemi decisionali.
Se, come me, devi affrontare questo tipo di interazione e, per certi versi, attività di formazione più volte al mese, ti potrà essere molto utile questa pillola (che definirei di saggezza pratica) del bravissimo David Andrés, che spiega molto bene, in maniera sintetica e pragmatica, quando è meglio usare “semplici” regole, machine learning o LLMs.
Basterebbe quasi solo questo schema/immagine tratta dal post.

Ma leggilo tutto: sono pochi minuti, ed è ancora più utile!

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Start-up o grande azienda? Tre anni dopo, con l’AI di mezzo

Back to 96

Una delle domande che mi è stata posta e continuano a chiedere molti giovani con cui interagisco è questa: “meglio lavorare in start-up o in una grande azienda?”. Quasi tre anni fa, nel numero 96 della newsletter, avevo provato a rispondere appoggiandomi a un pezzo molto chiaro di Gergely Orosz su Pragmatic Engineer. E questa tabella, all’interno del pezzo, è ancora una sintesi molto utile della conversazione che Orosz aveva fatto con Willem Spruijt, suo collega in Uber.

Avevo anche usato la matrice “competenze vs organizzazioni” che Alberto Danese ed io avevamo costruito nel terzo capitolo de “La Cultura del Dato“ focalizzandoci sulla figura del data scientist

Il punto che avevo sottolineato, e che continuo a vedere sottovalutato dai ragazzi che mi chiedono consigli, è che è sorprendentemente facile costruire una rete di contatti solida proprio dentro le grandi aziende, una specie di “esternalità positiva” del lavorare in strutture grandi che spesso si scopre solo a posteriori.
Sempre per contribuire a rispondere a questa domanda ho trovato particolarmente lucido un pezzo di Irene Mingozzi, nostra ospite nel numero 214, sulla newsletter di Italian Founders Fund (IFF), intitolato “The Operators Revolution”, in cui sostiene che lavorare in start-up come “operatore”, il termine moderno per i dipendenti chiave delle prime ondate, è spesso il miglior percorso per chi un domani vuole diventare founder, per tre motivi che racconta Irene in maniera molto chiara:
primo: si impara più in fretta perché ti vengono affidate responsabilità reali presto e i cicli di feedback sono cortissimi (l’apprendimento, dice Mingozzi, è una funzione di queste due variabili);
secondo: l’impatto è tangibile, essere uno su 10 o su 50 vuol dire che se manchi tu manca un pezzo del business, mentre in una grande azienda quella sensazione la insegui per anni;
terzo: c’è meno burocrazia inutile e più senso di missione condivisa con un piccolo team, che è una cosa che, onestamente, vale tantissimo.
Mingozzi chiama tutto questo “Entrepreneurial Talent Flywheel” e fa esempi concreti, da Anton Osika di Lovable a Alan Chang di Fuse, di founder che hanno iniziato da operatori e hanno assorbito il modo di costruire un’azienda dall’interno: è una palestra che la grande azienda, per definizione, non può offrire allo stesso modo.
Però non tutti sono adatti ad un’atmosfera molto particolare come quella che si vive in una start-up, le incertezze e i tempi di apprendimento a volte troppo veloci e poco strutturati.
La mia risposta alla domanda iniziale resta quindi “dipende”, ma con un aggiornamento importante: tre anni fa ti avrei detto di riflettere sulle differenze tra i due mondi e scegliere cosa si adatta meglio al tuo modo di interpretare il lavoro in quello specifico momento della tua vita; oggi aggiungerei che, qualunque cosa tu scelga, devi fare esperienza in fretta, vera, fatta di interazioni umane oltre che di prompt, perché la differenza tra chi cresce e chi resta fermo nei prossimi anni sarà la velocità con cui chiudi cicli di apprendimento, in start-up, in grande azienda o altrove; e se ti senti davvero incerto, prova a immaginarti come ti racconteresti questa scelta tra cinque anni: spesso è una parte della risposta.

👅Etica & regolamentazione & impatto sulla società. Editori e creator nell’era AI: dai paywall al modello concerto

C’è una domanda che riguarda chiunque produca informazione: come ci si farà pagare quando la prima e spesso unica tappa di chi cerca contenuti diventa sempre più forme di chatbot come ChatGPT, Gemini o Claude? I paywall tradizionali sono già sotto pressione tra modello a subscription che non decolla, bot che li superano e AI che riassumono gratis quello che sta dietro. Per come la leggo io, non è solo un problema di modello di business per gli editori: è una questione di tenuta dell’informazione libera, plurale e indipendente. Se la sostenibilità economica si rompe, si rompe anche il pluralismo. Vale la pena prenderlo sul serio adesso, non quando il danno sarà (completamente) fatto.
L’approfondimento che ti suggerisco questa settimana analizza in maniera molto concreta l’attuale momento di crisi del modello di business dell’editoria e del web in particolare. Infatti su Ellissi, Valerio Bassan ha pubblicato un’analisi che mette ordine in questo scenario e propone alcune vie d’uscita. Il punto di partenza è che gli abbonamenti “single-publisher” si comprimono e il valore si sposta verso piattaforme aggregatrici e verso piccole nicchie di lettori fedelissimi. Bassan racconta come l’AI superi i paywall con troppa facilità e renda sempre meno rilevante per il lettore conoscere la fonte originale, dato che le risposte generative aggregano e “rimixano” il meglio di ciascun sito. Il rischio per editori e creator è perdere insieme traffico, abbonati e posizionamento, finendo nota a piè di pagina di qualche AI Overview. Le soluzioni che Bassan ipotizza sono diverse. Il Pay-Per-Crawl di Cloudflare permette agli editori di incassare una micro-fee per ogni passaggio dei crawler AI, in modo automatico e senza dover negoziare licenze. Prorata.ai di Bill Gross, l’inventore del pay-per-click, risale alle fonti dei contenuti generativi e gira percentuali ai produttori originali, con FT, Atlantic e Axel Springer già a bordo. Più ambizioso è il superpaywall vero e proprio: un unico abbonamento “all you can eat” che apra tutta l’informazione, magari attraverso un Google Offerwall integrato dentro Gemini. Sullo sfondo resta la nicchia fedele, quella minoranza che continua a sostenere la testata del cuore come oggi c’è ancora chi compra i vinili.
Personalmente trovo un possibile parallelismo con quello che è successo nel mondo musicale. Non so se sia auspicabile o meno, ma sicuramente penso sia uno scenario ipotizzabile. Spotify non ha salvato la musica per tutti: ha costruito un mercato in cui poche major e qualche artista globale incassano cifre serie, mentre la stragrande maggioranza riceve decimi di centesimo per stream. CD e vinili nel frattempo non sostengono più nessuno. Per giornalismo e creator economy il pattern potrebbe essere lo stesso. Le “major” dell’informazione (FT, NYT, Reuters, qualche creator globale) firmeranno deal con i superpaywall di OpenAI, Google e Anthropic e otterranno share significativi. Tutti gli altri, la maggioranza, potrebbero dover costruire ricavi alternativi alla piattaforma: eventi dal vivo, conferenze e workshop, che sono i “concerti” di questo modello; collaborazioni e consulenze in cui il trust accumulato pesa più del traffico; community ristrette di follower paganti, dove il rapporto uno a uno vale più della distribuzione uno a molti. Il contenuto pubblico diventa il biglietto da visita, non più il prodotto.
Aggiungo ulteriori tre osservazioni.
La prima: quanto descritto è l’opposto esatto della promessa del web 2.0, quella della long tail che permetteva a tutti di trovare pubblico e sostentamento. Sta succedendo il contrario, la coda si appiattisce verso lo zero, Pareto rafforzato.
La seconda: in questo scenario la fiducia è quello che resta da monetizzare davvero, e non è un caso che i modelli italiani più solidi per chi non è una major: Will & Chora e Il Post siano costruiti sulla community pagante, meno scalabile di un superpaywall ma molto più resiliente perché non passa per intermediari che possono cambiare le regole domani mattina.
La terza: c’è una variabile che il dibattito tech tende a evitare, ed è il ruolo del servizio pubblico. RAI, BBC, finanziate dal canone, diventano potenzialmente l’unico antidoto strutturale alla “spotify-zzazione” dell’informazione, perché operano fuori, almeno in parte, dalla logica del traffico e degli accordi con le piattaforme. Tema politicamente caldo, e in tutto il mondo in questo momento particolarmente scivoloso, ma almeno da mettere sul tavolo.

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!