For my English speaking friends, click here for the translated version
Ciao,
sono Stefano Gatti e questo è il duecentoventisettesimo 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 duecentoventisettesimo numero:
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Autore, co-autore, lettore: la “macchina scrivente” che Calvino aveva previsto nel 1967
“La scrittura è uno dei pochi strumenti in grado di cambiare in modo concreto il tuo modo di pensare. Ti costringe a seguire una linea di pensiero e a trasformare idee ancora abbozzate in qualcosa che puoi analizzare. Chi scrive regolarmente non solo produce lavori più numerosi e di qualità superiore, ma comprende anche se stesso e il proprio lavoro in modo più chiaro.“
Questo è l’inizio dell’approfondimento che ti consiglio e che è stato scritto da una delle mie neuro-scienziate preferite ☺️ Anne-Laure Le Cunff. Dei 5 consigli che suggerisce per usarlo in maniera efficace posso confermare che, almeno i primi 4, li ho trovati molto utili, avendoli messi a punto nel mio percorso alquanto complesso di scrivere periodicamente degli argomenti di cui sono più appassionato.
Aggiungerei all’approfondimento della Le Cunff alcune considerazioni su come proprio l’AI stia cambiando il modo in cui scriviamo e il valore della scrittura in sé. Il tutto in un mondo in cui il contesto scritto e la conoscenza di sé, uno dei due tipi di lavoro che sopravviveranno secondo il mio amico Matteo Roversi, stanno assumendo sempre maggiore importanza.
Personalmente, in questa fase storica, semplificando un minimo mi capita di scrivere in tre modalità operative differenti:
modalità autore: quando mi sento ispirato e voglio esprimere un parere o un’opinione o anche descrivere una mia visione su una attività/argomento ne scrivo personalmente dall’inizio alla fine. Uso l’AI come mera correttrice di errori sintattici.
modalità co-autore: parto da un draft molto grezzo. Idee appuntate, a volte flusso di coscienza alla Joyce :-) e attraverso diverse iterazioni (spesso più di 5) con almeno due AI arrivo a un contenuto finito.
modalità lettore attivo / esploratore AI: quando voglio esplorare un argomento di cui ho poca conoscenza ed esperienza mi lascio guidare da una AI in un percorso che a iterazioni mi trasforma da lettore-apprendista a co-creatore di un contenuto che possa essere letto da terzi ma di cui io abbia condiviso l’impostazione principale.
E le ultime due modalità hanno abbassato di molto la soglia di frizione alla mia scrittura.
Non so se queste tre modalità, che non a caso ricalcano lo stesso arco - autore, macchina scrivente, lettore - siano l’inizio di quel percorso che quel genio di Italo Calvino aveva preconizzato già nel 1967, nel suo saggio fondamentale Cibernetica e fantasmi, con la visione della «macchina scrivente» e del trionfo del lettore. In quelle pagine Calvino immagina un futuro in cui un «cervello elettronico» potrà generare racconti e romanzi combinando tutte le parole e le regole grammaticali possibili. Ma la sua conclusione non è apocalittica: se l’autore scompare, o meglio, diventa un operatore consapevole della macchina, il vero protagonista diventa il lettore. È solo la coscienza umana di chi legge che può scorgere, in quelle combinazioni meccaniche, i «fantasmi»: i significati profondi, i tabù, le paure, le illuminazioni.
E forse è proprio questa la chiave. L’AI ha abbassato la frizione dello scrivere, non quella del capire: quel lavoro, leggere, interpretare, dare senso, resta tutto nostro.
👃Investimenti in ambito dati e algoritmi. 100 aziende, una mappa, tre trend: la digital health vista da Meskó
Se come me sei un appassionato del tema dati & digital health e pensi che sia uno degli ambiti in cui stiamo vedendo più innovazione e a più impatto sulla qualità della nostra vita, allora l’approfondimento che ti consiglio oggi non puoi proprio perderlo.
Bertalan Meskó, PhD, noto come “The Medical Futurist” e autore di questo pezzo, è un medico ungherese con dottorato in genomica e direttore del Medical Futurist Institute, dove studia come le tecnologie digitali e l’intelligenza artificiale stiano ridisegnando medicina e sanità. Autore best-seller e professore alla Semmelweis University di Budapest, è una delle voci di riferimento a livello globale sul futuro della salute, con centinaia di keynote tenute in istituzioni come Harvard, Stanford e l’OMS.
Nel pezzo che ti consiglio ci sono tre cose che valgono la lettura:
Una mappa tassonomica dell’innovazione in digital health, con il posizionamento delle 100 aziende che ha selezionato come più promettenti per il 2026
I criteri di questa selezione, a mio avviso ben impostati
I tre trend più rilevanti che vede emergere:
Il baricentro si è spostato sulla gestione e prevenzione della salute
Gli esami di laboratorio si avvicinano alle persone, non agli ospedali
Le aziende di AI si raggruppano attorno a specifici punti critici della pratica clinica
Non ti rubo altro tempo, perché quello che ti risparmio ti servirà per esplorarne almeno una ventina 🙂
🖐️👀 Tecnologia & Data Science Due anni dopo: è ancora un gran momento per fare il (data) engineer a patto che …
“È un momento fantastico per essere o diventare un software engineer, e ancor più, (ma forse questa è una visione di parte 🙂), per diventare un data engineer. Era già stimolante qualche anno fa, ma ora è entusiasmante! La generative AI e, più in generale, l’intelligenza artificiale stanno accelerando il percorso formativo di queste figure professionali. Allo stesso tempo, aprono sempre più le porte alla possibilità di dedicarsi a compiti che spaziano dalla progettazione alle architetture, non limitandosi alla mera scrittura di codice.“
Poco più di due anni fa scrivevo questo nella newsletter 106, nella sezione tecnologia. Probabilmente qualcuno di voi non sarà convinto che questo incipit sia stato così visionario visto una parte della narrazione attuale che preconizza il superamento delle figure professionali che lavorano vicino al codice. Eppure sono convinto che sia un momento stupendo e ancora pieno di opportunità a patto che queste figure sappiano ad adattarsi a qualche cambiamento nel proprio ruolo. Ma è stato così per tutte le professioni anche in passato. Ora è solo cambiata la velocità del cambiamento stesso. Nel numero 106 l’approfondimento più cliccato era stato “The Data Engineer Handbook”: un repository GitHub che raccoglie tutte le risorse necessarie per diventare un eccellente data engineer. Ci sono anche molti progetti interessanti dai quali imparare. E negli ultimi due anni il progetto è stato aggiornato con altre risorse, comprese liste molto utili di vere star del ruolo!
Dicevo … due anni dopo, quella convinzione non solo regge: si è allargata. E il segnale più forte arriva proprio da chi quel mestiere vorrebbe in parte automatizzarlo. A giugno 2026 Prometheus — la startup di AI “fisica” di Jeff Bezos e Vik Bajaj — è uscita dall’ombra con un Series B da 12 miliardi di dollari a una valutazione di circa 41 miliardi (oltre 18 raccolti in circa sette mesi di vita). Non costruiscono un’AGI, ma quello che Bezos chiama un “artificial general engineer”: software che vorrebbe comprimere il ciclo dalla progettazione alla produzione di oggetti fisici complessi — motori a reazione, chip, dispositivi medici — con l’obiettivo di rendere il “dream-build loop” dieci volte più veloce.
Il punto che lega questo numero alla newsletter 106 lo coglie bene Michael Spencer: così come la generative AI sta ridefinendo cos’è un software engineer, l’AI fisica potrebbe fare lo stesso con l’ingegnere “tout court”. E i fondatori non parlano di sostituzione ma di leva: Bajaj dice che rendere più facile “dare vita a ciò che le persone immaginano” porterà a più invenzioni e più persone coinvolte; Bezos arriva a parlare di “labor scarcity”. Tradotto: il tentativo più radicale di automatizzare l’ingegneria viene progettato attorno all’ingegnere, non contro di lui. Esattamente lo spostamento che descrivevo due anni fa per software e data engineer — dal codice alla progettazione, alle architetture, al giudizio — solo che ora la posta si allarga dal digitale al fisico.
Personalmente mantengo un sano scetticismo: quello che vediamo è sicuramente (anche) ottimismo di parte, e di chi sta raccogliendo capitali (TechCrunch la stessa mossa la legge come un modo per “rimpiazzare ampie fette del lavoro ingegneristico“); non c’è ancora un prodotto, né un cliente oltre a Blue Origin. Ma la direzione è quella: anche quando l’AI prova a fare l’ingegnere, il valore si sposta verso ciò che l’ingegnere sa fare di più alto. Per questo continuo a pensare che sia un gran momento per esserlo. A patto, di nuovo, di adattarsi: la velocità è cambiata, la regola del gioco no.
👅Etica & regolamentazione & impatto sulla società. La singolarità che non arriva mai (e cosa tenere umano)
Ti propongo, in questa sezione, due letture che sembrano lontane ma che, secondo me, è interessante e utile leggere insieme.
La prima è un pezzo di Kevin Kelly, The Singularity Is Always Near, che ha appena ripubblicato a vent’anni di distanza. La tesi è semplice: la singolarità tecnologica, quel momento in cui le macchine ci supereranno e il futuro diventerà imprevedibile, è soprattutto un’illusione ottica. Prendi una qualunque curva di crescita esponenziale e disegnala: il punto in cui “schizza all’infinito” cade sempre proprio adesso. Lo stesso grafico, in mano a Benjamin Franklin nel 1800, gli avrebbe detto che la singolarità era imminente. Sarebbe successo allo stesso modo con la scrittura, con le città, con la radio. Per questo Kelly parla di una singolarità sempre vicina e che non arriva mai, un miraggio che si sposta insieme a noi. E le vere transizioni, aggiunge, si riconoscono solo a posteriori: lo racconta con l’immagine dei cavernicoli che non si accorgono di “stare parlando”. Insomma, vale la pena guardare un po’ meno l’orizzonte.
La seconda lettura, Choosing to Stay Human di Ethan Mollick, mi sembra il seguito naturale. Se fissare la singolarità è una domanda mal posta, quella più utile diventa cosa decidiamo di tenere umano, oggi, scelta dopo scelta. Mollick lo mostra con due esperimenti quasi gemelli: chi usa l’AI come scorciatoia per farsi dare le risposte impara meno di chi non la usa affatto, mentre chi la usa come tutor che lo costringe a pensare impara molto di più. La chiamano «resa cognitiva». L’invito di Mollick è a usarla in modo intenzionale, chiedendosi di continuo cosa delegare e cosa trattenere, senza aspettare che la risposta arrivi da fuori, men che meno dall’AI stessa.
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!