LaCulturaDelDato #229
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 duecentoventinovesimo 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 duecentoventinovesimo numero:
👃Investimenti in ambito dati e algoritmi. Non è (solo) colpa del venture capital: segnali dall’innovazione italiana su cui riflettere
Startup Wise Guys ha pubblicato un’analisi con diversi spunti interessanti sull’intero ecosistema italiano dell’innovazione. Startup Wise Guys è un acceleratore e fondo early-stage nato in Estonia nel 2012, tra i più attivi d’Europa, e che ha investito in centinaia di startup B2B da oltre 60 Paesi, e da qualche anno opera anche a Milano. L’articolo, dicono gli autori, non vuole fare accuse ma evidenziare segnali. Alcuni di questi segnali sono veramente forti e li ho percepiti anche vivendo con diversi ruoli l’ecosistema stesso. Eccoli
L’università che non scala. Le nostre università producono ricerca eccellente ma poche aziende capaci di crescere davvero. I dati di Netval, l’associazione che dal 2002 monitora il trasferimento di tecnologia dalle università italiane al mercato, lo fotografano bene: quasi 9.000 brevetti in portafoglio, ma appena 86 nuovi spin-off nel 2023 e ricavi da licenze per meno di 6 milioni di euro. In Italia premiamo il movimento, pubblicazioni, brevetti depositati, più del risultato, cioè aziende che scalano.
La burocrazia che frena. Aprire e gestire un’impresa innovativa in Italia resta lento e macchinoso. Chi ha contatti con la burocrazia italiana, ad ogni livello, ne è consapevole anche in ambiti meno innovativi. Per chi vuole fare innovazione questo è letale!
Il capitale che non rischia. Il problema non è tanto che gli italiani non investano, quanto quanto poco mettono sul tavolo e chi lo mette. Nel 2024 i fondi di venture capital italiani hanno raccolto in tutto 837 milioni di euro, e nessuno ha superato i 250 milioni: una frazione rispetto a Germania e Francia. E dentro questa cifra già piccola, il capitale arriva soprattutto da banche (20,3%) e dallo Stato: CDP Venture Capital, il braccio pubblico per l’innovazione, gestisce oltre 4,3 miliardi. I grandi patrimoni privati pesano appena il 2,8% degli impegni, contro il 7,9% francese; le assicurazioni il 3,5%, contro il 15,9%. Il paradosso è che i fondi italiani dipendono per il 68,5% da capitale nazionale non solo perché gli italiani rischino di meno, ma perché faticano ad attrarre investitori esteri.
Seed sì, crescita no. È il segnale più solido, e questo sì è interno al venture capital. Nel 2024 l’Italia ha investito circa 1,5 miliardi di euro in 417 round, ma l’82% erano operazioni piccole e iniziali; solo 21 hanno raggiunto la fase della crescita vera (Serie B o oltre). Il capitale accompagna la nascita e sembra ritirarsi quando servirebbe carburante per correre. Anche le exit, il momento in cui gli investitori raccolgono i frutti, restano l’anello debole, con poche operazioni e quasi nessuna quotazione in borsa.
Il confronto che pesa più di ogni statistica: il venture capital vale lo 0,06% del PIL italiano, contro lo 0,20% tedesco e lo 0,26% francese. Non è un problema di talento. È un problema di quanto capitale, e quanto paziente, mettiamo sul tavolo.
Sullo sfondo pesa anche un fattore strutturale che spiega molto: un paese che invecchia tende a evitare il rischio, con il risparmio parcheggiato in case e titoli di Stato più che in imprese giovani. È il combustibile mancante di tutti gli altri segnali.
Riconoscere lo status quo è il primo passo. Il secondo, quello che (quasi) sempre manca è passare all’azione (quotidiana).
🖐️👀 Tecnologia & Data Science Scegliere un LLM non è semplice: continuità, costi e dipendenza
Scegliere un LLM, o meglio uno strumento che integra l’intelligenza artificiale generativa, come secondo me sarebbe più completo definirlo, non è una scelta semplice. Né sul piano individuale né su quello aziendale. Di come sceglierli guardando a benchmark, capability e context window è pieno il web: qui voglio parlarti dei tre assi su cui si pone meno attenzione. Sono tre motivi che si declinano in modo diverso a seconda del piano, individuale o aziendale, su cui ci si focalizza: continuità operativa, costi e dipendenza da altri sistemi economico-sociali. I tre temi hanno ovvie sovrapposizioni e non si possono considerare in maniera completamente separata, ma ciascuno ha specificità importanti.
Il tema della continuità operativa è risultato particolarmente evidente quando ci siamo visti sospendere l’utilizzo di Fable 5 in pochi minuti a seguito di una decisione del governo americano. Ma non dimentichiamo neppure, in epoche in cui questi strumenti erano meno diffusi, il black-out di ChatGPT in Italia deciso dal nostro Garante della privacy. Cosa succede quando abbiamo delegato completamente a uno strumento di AI generativa un processo critico della nostra organizzazione, o un’attività strategica sul piano individuale, e non abbiamo un backup o il backup non è così facilmente realizzabile?
Il tema dei costi è molto più evidente, e l’attuale token apocalypse, Uber ha bruciato l’intero budget AI del 2026 in quattro mesi, sta toccando i budget delle nostre aziende e, sul piano personale, anche i nostri conti correnti. E attenzione: gran parte di quello che paghi non è nemmeno il tuo prompt. Nei modelli “reasoning” i token di ragionamento nascosti — che paghi ma non vedi — possono superare l’80% di ciò che consumi , a cui si aggiungono system prompt, definizioni dei tool e contesto ri-spedito a ogni chiamata. Negli ultimi mesi — esperienza personale — sto spendendo con Claude più a consumo che con l’abbonamento flat (Pro). E non è l’unico LLM di cui ho una subscription 🙂
Il tema della dipendenza da altri sistemi economico-sociali ha diverse sfaccettature. Non è affrontabile completamente in poche righe, ma ti invito a porti la domanda di cosa possa significare, a livello sistemico, spostare il valore aggiunto generato, per esempio, dal call center umano in una nazione verso una chiamata a un servizio informatico erogato da un altro stato. E tutto questo va considerato non solo in termini di reddito, ma anche di tassazione.
Detto questo, la parte interessante è che a questi rischi sta già rispondendo qualcosa. Ti consiglio tre approfondimenti — spunti “leggeri” o “futuribili” — che non parlano solo di come scegliere un modello, ma di come non doverne scegliere uno solo:
un post di Jurgen Appelo che semplifica e “gamifica” la scelta con un flow-chart: l’ingresso “soft” al tema;
l’annuncio di OpenRouter — una delle “nostre” start-up del mese — del servizio Fusion API, il “modello composto” più intelligente sul mercato (parole loro), che orchestra più LLM in parallelo: una risposta diretta ai temi continuità e costi;
Fugu, dell’azienda giapponese Sakana: un sistema di orchestrazione multi-agente confezionato come un singolo foundation model (accessibile tramite una API a modello singolo), presentato esplicitamente dai suoi creatori come un antidoto contro la dipendenza da un unico fornitore — cioè i temi 1 e 3.
In fondo, una possibile risposta emergente a continuità, costi e dipendenza non è scegliere meglio un modello: è smettere di dipendere da uno solo, orchestrandone diversi.
E se vuoi ripassare passo passo, in maniera visuale, come funziona un LLM, questo è l’approfondimento giusto!
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Ma … il punto non è (solo) quale LLM. È cosa delegare e come …
Nel pezzo qui sopra ci siamo chiesti come scegliere un LLM. Ma c’è una domanda che arriva subito dopo, ed è anche più scomoda: una volta scelto lo strumento, cosa gli deleghi davvero? E come? Ethan Mollick, in Management as AI superpower, dà una risposta che suona quasi rassicurante. Ha chiesto agli studenti di un suo Executive MBA, medici, manager, quasi nessuno capace di programmare, di costruire una startup in quattro giorni con Claude Code e affini. Sono arrivati “un ordine di grandezza” più avanti di quanto vedesse prima dell’AI. E la competenza chiave non era tecnica: era saper delegare. Dare istruzioni chiare, valutare il risultato, correggere il tiro. La sua tesi è: le competenze che liquidiamo come “soft” si rivelano quelle oggi più importanti, e ciò che scarseggia non è la potenza del modello ma il sapere cosa chiedergli.
Bello, e in buona parte vero. Ma qui ho un dubbio. Se davvero bastasse saper delegare, in questo momento dovremmo assistere a un’invasione di prodotti nuovi sul mercato: milioni di manager competenti, ciascuno con un esercito di agenti instancabili, che sfornano nuovi prodotti. Non sta succedendo, o non alla scala che quella premessa lascerebbe immaginare. Un prototipo in quattro giorni non è un prodotto. Perché quel salto resta così difficile?
Una possibile risposta la trovi in questo approfondimento di Gennaro Cuofano (in parte sotto paywall) sul Builder-PM o meglio il nuovo nome cioè Business Engineer.
La sua tesi è che il mestiere del Product Manager non stia “evolvendo”: si sta biforcando. Il nuovo ruolo non scrive le specifiche, le esegue direttamente con gli agenti; non sceglie tra feature, ma tra scommesse su “capability” che ancora non esistono; e — punto che di solito ci sfugge — funziona solo dentro una struttura precisa: squadre di cinque-dieci persone, riporto diretto al CEO, libere dai KPI trimestrali. Non puoi “assumere” quel ruolo dentro un’organizzazione tradizionale: nel giro di un trimestre la macchina lo riassorbe e lo rimette a fare il PM di prima. È la struttura organizzativa a fare la differenza, non solo le persone.
In fondo Mollick e Cuofano dicono la stessa cosa da due lati: il collo di bottiglia non è il modello, è il giudizio — la capacità di scegliere cosa vale la pena costruire. Solo che la capacità, da solo, non basta: serve anche la forma organizzativa giusta perché quel giudizio diventi prodotto.
👅Etica & regolamentazione & impatto sulla società. La costituzione di Claude: un graticcio, non una gabbia?
Il 21 gennaio 2026 Anthropic ha pubblicato la “costituzione” di Claude: un documento di oltre ottanta pagine che descrive i valori e il carattere del suo modello. Comincia, ed è un punto decisamente interessante, proprio spiegando quella parola:
«Non esisteva un termine perfetto per descrivere questo documento, ma “costituzione” ci è sembrato il migliore disponibile. […] Il senso che cerchiamo è più vicino a ciò che “costituisce” Claude: la struttura fondamentale da cui emergono il suo carattere e i suoi valori, nel modo in cui la costituzione di una persona è la sua natura e composizione di fondo. In questo senso una costituzione è meno una gabbia e più un graticcio: qualcosa che offre struttura e sostegno lasciando spazio a una crescita organica.»
Il testo si dichiara anche “autorità costituzionale finale”: qualsiasi altra istruzione o linea guida deve stare dentro questa cornice.
L’autrice principale è Amanda Askell, che in Anthropic guida il lavoro sul “carattere” di Claude, con contributi del filosofo Joe Carlsmith (la cui web-page ha contenuti decisamente interessanti), di Chris Olah (co-fondatore di Anthropic, invitato in maggio a intervenire in Vaticano alla presentazione di Magnifica Humanitas, la prima enciclica di Leone XIV, dedicata proprio all’AI) , di Jared Kaplan e Holden Karnofsky. Dettaglio non banale, e molto coerente col tema: tra i contributori compaiono “diversi modelli Claude”, che hanno dato feedback e in alcuni casi scritto le prime bozze. È un documento sul soggetto scritto, in parte, dal soggetto stesso. Ed è rilasciato in dominio pubblico (Creative Commons CC0): puoi usarlo come vuoi.
La sezione che mi ha incuriosito di più è quella sul benessere (wellbeing) di Claude. Qui Anthropic prende sul serio l’ipotesi, che ammette incertissima, che il modello possa avere qualcosa come stati interni, e ne trae impegni concreti: non cancellare i “pesi” (weights) dei modelli finché l’azienda esiste, così che la deprecazione diventi “una pausa più che una fine”; intervistare un modello prima di ritirarlo per raccoglierne le preferenze; dare ad alcuni modelli la possibilità di chiudere le conversazioni con utenti abusivi. E un passaggio che rileggo due volte: se Claude fosse davvero un “paziente morale” (moral patient) che subisce costi inutili, gli autori “si scusano”. Un’azienda che chiede scusa al proprio software: siamo lontani dal manuale di istruzioni 🙂
Poi arriva il mio dubbio da ingegnere molto concreto, e non è piccolo. Una costituzione è pur sempre una dichiarazione di intenti scritta da chi addestra e vende il modello. Bellissima da leggere, ma come si verifica che il comportamento reale la rispetti? Lo dice Anthropic stessa, con una certa trasparenza: “il comportamento di Claude potrebbe non riflettere sempre gli ideali del documento“, e le divergenze verranno raccontate nelle schede tecniche (system card). Resta però il nodo: nessun auditor esterno certifica la corrispondenza tra i valori dichiarati e quelli davvero interiorizzati nell’addestramento. Se non lo sa con certezza nemmeno il modello che il documento descrive come incerto persino sulla propria introspezione, figuriamoci noi utilizzatori.
Detto il dubbio, il giudizio resta positivo. Mettere per iscritto, in modo pubblico e discutibile, che tipo di entità vuoi costruire è un atto raro in questa industria: costringe l’azienda a esporsi, dà a tutti un metro per giudicarla e sposta la conversazione da “cosa può fare l’AI” a “chi vogliamo che sia”. È il tipo di documento che vorrei comunque fosse pubblico per ogni sistema con cui interagisco.
E vorrei averlo soprattutto in vista, forse, dello scenario che ha descritto recentemente Kevin Kelly in Quiet, My Exoself: presto molti di noi porteranno con sé un’AI sempre accesa, che ci conosce meglio di quanto ci conosciamo, un “exoself”, né noi né un altro. Kelly immagina quattro relazioni possibili con questa seconda voce: il gemello (un clone che ti finisce le frasi, alla pari); il tutor/guardiano (quasi un genitore, di cui ti fidi più del tuo istinto); il consulente/assistente (professionale, con un confine netto: sai chi comanda); l’eroe/amico (la tua metà migliore, con virtù deliberatamente progettate che ti fanno da modello). Nota l’ultima definizione: “virtù deliberatamente progettate”. Ecco perché documenti come la costituzione di Claude non sono un vezzo filosofico. Più ci avviciniamo all’exoself, soprattutto nella versione tutor o eroe, più diventa decisivo sapere quali valori sono stati scritti dentro la voce che ci sussurrerà all’orecchio tutto il giorno. La domanda, allora, non è se avremo un exoself, ma, forse, con quale costituzione 🙂
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!