For my English speaking friends, click here for the translated version
Ciao,
sono Stefano Gatti e questo è il duecentotrentaduesimo 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 duecentotrentaduesimo numero:
🖐️👀 Tecnologia & Data Science Luca Pricolo: «Predire l’età biologica non basta, se non sai perché»
Presentati: Luca Pricolo. Ingegnere biomedico. Inizio il mio percorso in Ingegneria dei Materiali e Nanotecnologie, ma verso la fine del triennio capisco di essere maggiormente interessato alla ricerca e all’innovazione nei settori biomedico e Life Science. Scelgo così di specializzarmi in Ingegneria Biomedica, trascorrendo circa tre anni all’estero, tra Svizzera e Danimarca. In questo periodo, soprattutto presso l’Università di Copenaghen, concentro studi e ricerca in un settore della biologia che per me a quel tempo era completamente nuovo: biologia dell’invecchiamento o biogerontologia. Questa disciplina indaga i meccanismi che guidano il processo di invecchiamento degli organismi con la speranza di fare progressi che possano convertirsi in strumenti di prevenzione e cure di tante patologie del nostro tempo (cardiovascolari, neurodegenerative, tumori ecc.) che hanno l’età del paziente come principale fattore di predisposizione. Dopo questo periodo di ricerca, ritorno in Italia per collaborare con un’azienda che mira a portare direttamente al paziente le scoperte ed innovazioni del settore tramite protocolli di prevenzione e medicina di precisione. Successivamente, mi unisco a un venture builder / acceleratore di startup che finanzia e supporta tramite mentoring ed ecosistema aspiranti founder in diversi verticali. Questa esperienza è stata una grande palestra che mi ha aiutato a capire tanti aspetti del mondo startup e soprattutto qual è il genere di innovazione che vorrei vedere e di cui vorrei far parte nel panorama italiano ed europeo. Da quest’ultima esperienza capisco di voler affrontare il mondo dell’innovazione non soltanto dal punto di vista tecnico-scientifico, mio punto di maggior forza ed esperienza, ma anche dal punto di vista business e decido di partecipare ad un percorso di MBA che ha proprio questo focus. Oltre a lezioni e seminari dedicati, il percorso mi porta a collaborare con Humanitas Research Hospital, dove attualmente lavoro come Project Manager nel contesto delle partnership con l’industria farmaceutica.
Il mio ruolo tra 10 anni sarà ... (continua la frase come fossi GPT-10) … in ambito healthcare e Life Science. Sono estremamente interessato allo sviluppo di startup in questi verticali e mi piacerebbe avere un ruolo attivo nel contribuire all’ecosistema italiano o quantomeno essere un osservatore attento a tutti gli sviluppi. Credo di aver maturato (anche se è ovviamente un work in progress) una buona capacità di comprensione tecnico-scientifica di progetti innovativi e un occhio critico dal punto di vista business e spero di poter far leva su questa combinazione di capacità e metodo per contribuire a progetti rilevanti.
Quale è la sfida più importante che il mondo dei dati e algoritmi ha di fronte a sé oggi? Posso rispondere per quella che è la mia conoscenza dell’ambito di mia maggiore competenza, la biologia dell’invecchiamento. La sfida più importante è passare da predizione a comprensione biologica causale e validata: nei dati della biologia dell’invecchiamento gli algoritmi funzionano spesso bene nel trovare pattern, ma meno nel dimostrare che quei pattern riflettano davvero meccanismi biologici robusti e traslabili nell’uomo. In pratica, il collo di bottiglia non è solo “avere più dati”, ma avere dati eterogenei, ben annotati, abbastanza grandi e soprattutto validazioni in vivo e cross-species che riducano bias, overfitting e risultati non generalizzabili. L’invecchiamento è un processo complesso e multilivello: genetica, epigenetica, metabolismo, ambiente si influenzano a vicenda, quindi un modello puramente predittivo rischia di cogliere correlazioni locali senza descrivere l’intero sistema. Recenti review sull’uso dell’AI nella ricerca nel settore dell’aging riportano infatti problemi ricorrenti come dataset piccoli e sbilanciati, bias, rumore predittivo, scarsa analisi cross-species e dipendenza da dati sintetici. Questo rende molti risultati utili come ipotesi da testare, ma non ancora come basi solide per decisioni biologiche o cliniche. Un esempio, per certi aspetti collegato a questo tema, è la recente condivisione da parte di Bryan Johnson, “l’uomo più misurato al mondo”, di aver sviluppato una patologia autoimmune, la gastrite autoimmune. Bryan Johnson è molto monitorato, ma il suo caso suggerisce che nemmeno un livello estremo di misurazione garantisce di intercettare il problema giusto al momento giusto. Nella biologia dell’invecchiamento questo significa che non basta predire età biologica, rischio o “health score”; serve capire quali marker anticipano davvero la disfunzione causale e quali invece sono solo correlati, tardivi o rumore.
Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno …Direi HAGR (Human Ageing Genomic Resources), perché è la base più solida e curata per collegare geni, longevità, specie animali usate come modelli in modo coerente. In pratica è una di quelle risorse senza le quali si fa più fatica a passare da un’idea biologica a un’analisi seria e comparabile. Una risorsa che affiancherei a HAGR è Aging Atlas. Aging Atlas è pensato per raccogliere dati di trascrittomica , epigenomica, single-cell, proteomica e farmacogenomica, quindi è particolarmente prezioso per studiare il passaggio da correlazione a meccanismo su più livelli biologici.
👃Investimenti in ambito dati e algoritmi. Citrini vs Citadel, sei mesi dopo: siamo ancora dentro il primo atto
A febbraio 2026 sono uscite due storie, o meglio, due scenari di futuro prossimo, che raccontavano ipotesi drammaticamente diverse. La prima, il famoso “The 2028 Global Intelligence Crisis” di Citrini Research, ha fatto vacillare gli indici americani e messo sotto pressione le valutazioni delle principali software company del pianeta. Sei mesi dopo ce ne siamo quasi tutti dimenticati, ma vale la pena rileggerle entrambe.
La tesi di Citrini: l’intelligenza artificiale, nello specifico gli agenti autonomi, trasformerà l’intelligenza umana da risorsa scarsa e ad alto valore aggiunto a merce abbondante, replicabile ed economica. Non una crisi ciclica, ma un collasso sistemico. La sostituzione su larga scala dei colletti bianchi innescherebbe un circolo vizioso: il crollo dei loro redditi distrugge la domanda dei consumatori, innesca insolvenze nel credito privato, fa crollare l’immobiliare e paralizza la capacità dello Stato di intervenire, perché il gettito fiscale poggia sul lavoro umano. Un’economia iper-produttiva ma priva dei consumatori necessari a sostenerla.
Due giorni dopo Citadel Securities, market maker, società che garantisce liquidità su una quota enorme degli scambi americani, ha risposto con una nota del macro strategist Frank Flight. Perché l’AI produca uno shock negativo e duraturo della domanda devono valere insieme cinque condizioni: accelerazione materiale dell’adozione, sostituzione quasi totale del lavoro, nessuna risposta fiscale, un mondo in cui i soldi risparmiati sui salari non rientrano in circolo come investimenti, scalabilità della capacità computazionale senza vincoli. E nell’ultimo secolo le ondate tecnologiche non hanno prodotto crescita esponenziale né reso obsoleto il lavoro: sono bastate appena a tenere la crescita delle economie avanzate intorno al 2%. Con invecchiamento, crisi climatica e deglobalizzazione a comprimere la produttività potenziale, forse l’AI serve solo a compensare questi venti contrari.
Cosa dicono i dati a sei mesi. Prima di dichiarare vincitori, un avvertimento: nello scenario Citrini il 2026 è l’anno dell’euforia — S&P vicino a 8000, Nasdaq oltre 30k — e la crisi arriva dopo. Il 4 agosto l’S&P ha chiuso a 7.737, nuovo massimo storico, con il Dow oltre 54.000. Finora i mercati non stanno smentendo Citrini. Anche il mercato del lavoro non regala una vittoria netta a Citadel, che si era ancorata a disoccupazione al 4,28% e annunci per software engineer in crescita dell’11%. A luglio i posti di lavoro dipendenti sono scesi di 23.000 unità, maggio e giugno sono stati rivisti al ribasso di 103.000 posti complessivi e la partecipazione (al lavoro) negli Stati Uniti è calata al 61,4%, minimo da oltre cinque anni: la disoccupazione scende al 4,1% perché la gente esce dalla forza lavoro. Sul fronte micro, le “canaries” di Stanford documentano un calo relativo del 13-16% dell’occupazione dei 22-25enni nelle occupazioni più esposte, con i lavoratori esperti stabili. Non è un collasso della domanda: è low hiring, low firing, ed è la forma che una sostituzione lenta assume prima di comparire nelle statistiche aggregate. Vale la pena aggiungere che gli stessi autori, nell’aggiornamento di febbraio 2026, riconoscono che con i controlli più stringenti l’effetto diventa significativo solo dal 2024 e che i cali precedenti hanno cause diverse dall’AI.
La mia posizione. Continuo a pensare che il futuro prossimo assomiglierà molto più a quello di Citadel. Non perché i segnali di attrito sul lavoro giovanile non esistano. Esistono, e i dati sopra li mostrano ma perché il motore dello scenario Citrini è un’economia di agenti autonomi che sostituiscono funzioni intere, e nel breve periodo non la vedo realistica. Il collo di bottiglia non è solo la capacità del modello: è organizzativo. Servono processi ridisegnati, dati accessibili, responsabilità chiare su chi risponde di un errore dell’agente, controlli, compliance. Chi lavora dentro un’azienda vera sa quanto distano una demo da un agente in produzione. Questo non esclude “momenti Citrini”: crisi settoriali, repricing violenti delle software company, una generazione di neolaureati che entra nel mercato in un imbuto molto più stretto. Sono shock reali, ma non il collasso del capitalismo per colpa dell’AI. Sul fronte europeo, poi, i due meccanismi si invertono: il cuneo fiscale sul lavoro è più alto, quindi il canale del gettito morderebbe di più, ma l’adozione nelle PMI è lenta, gli stabilizzatori automatici sono forti e la forza lavoro si sta restringendo per demografia. Dove Citrini vede sostituzione, qui rischiamo semmai di vedere assorbimento.
Cosa guardare a un anno di distanza dai due report cioè a febbraio 2027: invece del tasso di disoccupazione: il tasso di assunzione, gli annunci entry-level nelle occupazioni esposte, l’occupazione 22-25 anni negli stessi settori, quanto del capex AI viene assorbito dagli investimenti, le insolvenze sul credito al consumo.
Conoscere e analizzare scenari diversi resta il modo migliore per investire le nostre risorse: tempo e denaro, in ordine rigoroso di importanza.
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Le tre mele delle fiabe armene e il segreto della cultura aziendale
In questo periodo dell’anno, che per molte organizzazioni, soprattutto in Italia, coincide con le ferie più lunghe, mi ha fatto riflettere questa esperienza raccontata bene, scritta da Silvia Zanella, e te la lascio come lettura estiva. Attraverso il finale tipico delle fiabe armene, ci racconta quanto siano importanti i ruoli di chi narra, chi ascolta e chi tramanda nell’evoluzione della cultura aziendale.
Nelle fiabe armene, come scrive la Zanella, il racconto si chiude sempre con la stessa formula: “e dal cielo caddero tre mele: una per chi ha narrato, una per chi ha ascoltato, una per chi ha capito, ricordato e tramandato“. Non è un “vissero felici e contenti”: la storia non si chiude, viene restituita al mondo. Vive solo se qualcuno la fa passare avanti.
Mi sembra un modo diverso, più narrativo, per spiegare quella che è la miglior definizione di cultura aziendale che conosca (sì, te la ripropongo per l’ennesima volta), ed è quella di Edgar Schein: “La cultura organizzativa è l’insieme coerente di assunti fondamentali che un certo gruppo ha inventato, scoperto o sviluppato mentre imparava ad affrontare i problemi legati al suo adattamento esterno o alla sua integrazione interna, e che hanno funzionato in modo tale da essere considerati validi e quindi degni di essere insegnati ai nuovi membri come il modo corretto di percepire, pensare e sentire in relazione a tali problemi.“
La storia delle tre mele risuona tantissimo con questa definizione perché, come scrive Zanella: “Spesso trattiamo cultura, esperienza e comunicazione come mondi separati, quando invece sono parte di un unico movimento: le priorità delle persone generano rituali, i rituali modellano le esperienze e le esperienze determinano la percezione del brand, la produttività, la motivazione, la soddisfazione del cliente e la reputazione esterna.“
Buon (breve) lettura agostana!
👅Etica & regolamentazione & impatto sulla società. A volte anche i filosofi mettono (un po’) di ordine tra umano e artificiale 🙂
Il link più cliccato del numero 111 della newsletter, più di due anni fa, è stato quello a questo paper di Maurizio Ferraris, filosofo e accademico italiano. E a distanza di tempo, rileggendolo, mi rendo conto che non ha perso qualità, come il buon vino. Nel frattempo abbiamo visto esplodere gli agenti “autonomi”, i modelli che “ragionano”, le narrazioni su un’IA che presto avrà obiettivi propri. Proprio per questo vale la pena tornarci sopra: Ferraris ci aveva già dato gli strumenti per leggere tutto questo senza farsi prendere dal panico.
Il suo argomento si regge su tre pilastri. Si può non essere d’accordo su ciascuno dei tre ma vale la pena riflettere sulle argomentazioni di ciascuno
Primo: la storia si ripete. Platone aveva già vissuto tutto questo con la scrittura, vista come un veleno per la memoria, esattamente come oggi si dice dell’IA. Il dettaglio più bello: Platone critica la scrittura scrivendo. Ogni volta che leggo un allarme sull’IA scritto con l’aiuto di un LLM, ci penso.
Secondo: organismo contro meccanismo. Qui sta il cuore filosofico del paper. Un organismo ha uno scopo interno, vive perché vive, punto. Un meccanismo, per quanto sofisticato, ha solo lo scopo che qualcun altro gli ha assegnato. Un agente che concatena venti tool call non acquisisce per questo un desiderio proprio: resta uno strumento, solo più lungo. Opinabile? Forse. Resta da vedere se in una prospettiva evolutiva di lunghissimo periodo la distinzione tenga altrettanto bene.
Terzo: la mente è incarnata. L’intelligenza naturale nasce da un corpo che nasce e muore, e da lì vengono ansia, noia, desiderio di riconoscimento, tutte cose che nessuna macchina può avere per costituzione, non per limite tecnico attuale. Anche se, qui, viene facile immaginare scenari di integrazione uomo-macchina piuttosto ‘frankensteiniani’, tutti ancora da scrivere 🙂
Da questi tre pilastri Ferraris arriva a una parola: catacresi. “Intelligenza artificiale” è una metafora presa in prestito per mancanza di meglio, come “gamba del tavolo”. E temere che l’IA “voglia” il potere è un po’ come temere che una gamba di tavolo si metta a camminare da sola.
Un parallelo che trovo utile: anche uno scettico ‘pragmatico’ come Cal Newport, che ho citato più volte in altri numeri, arriva a sgonfiare l’ansia da superintelligenza, ma per via empirica: dice che i risultati promessi semplicemente non si vedono. Ferraris invece la chiude per principio: anche se un domani arrivassero, resterebbe comunque un meccanismo la differenza non è di potenza, è di natura. Eccessivo? Forse ma molto realistica. Almeno per quello sappiamo oggi.
Se non l’hai ancora letto, il paper sono cinque pagine che vale la pena avere sempre a portata di mano nel 2026.
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!
Pubblico su LinkedIn l'originale e la traduzione