Ciao,
sono Stefano Gatti e questo è il duecentotrentacinquesimo 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 duecentotrentacinquesimo numero:
👃Investimenti in ambito dati e algoritmi. Le applicazioni AI: classifiche, abitudini e spesa
Il mercato delle applicazioni AI si sta stratificando rapidamente. Nel consumer convivono assistenti generalisti, strumenti verticali e funzionalità inserite nei prodotti che usavamo già. Nelle aziende contano sempre di più il livello di spesa e la profondità con cui l’AI entra nei processi. Il tema è troppo vasto per una mappa definitiva, quindi provo a lasciarti alcuni spunti incrociando quattro fonti, che sono le mie preferite per capire l’evoluzione del nostro settore.
a16z, Top 100 Gen AI Consumer Apps. La sesta edizione è uscita a marzo 2026 con dati di gennaio. La fotografia ha circa sette mesi, ma la serie parte dal 2023 e permette di seguire chi entra, chi scompare e chi resta. È utile per introdurre un piccolo “effetto Lindy” delle applicazioni AI.
Similarweb, Generative AI Landscape 2026. Misura soprattutto traffico web, audience e frequenza delle visite, distinguendo l’arrivo di nuovi utenti dalla formazione di un’abitudine.
Sensor Tower, State of AI 2026. Aggiunge la prospettiva mobile: download, utenti attivi, tempo trascorso e ricavi in-app.
Ramp Economics Lab e Ramp AI Index. Ramp è una fintech americana che offre carte aziendali, gestione delle spese, procurement e pagamento delle fatture a oltre 70.000 imprese. Il suo centro studi usa transazioni aggregate e anonimizzate per osservare ciò che le aziende acquistano. Il campione è statunitense e più tecnologico della media, ma introduce una metrica preziosa: i soldi spesi.
Dalle classifiche consumer emerge una prima stratificazione. In alto si consolidano gli assistenti generalisti, come ChatGPT, Gemini, Claude, Grok e Perplexity, che cercano di diventare il punto di accesso stabile a ricerca, creazione, memoria personale e azioni. Accanto a loro crescono gli operatori che incorporano l’AI dentro prodotti già distribuiti, da Canva a CapCut e Notion. Rimane poi una lunga fascia di verticali dedicati a immagini, video, musica, voce, education, companion, coding e produttività. Qui entra l’effetto Lindy. Un prodotto presente da diverse edizioni ha almeno superato più cicli di curiosità, imitazione e incorporazione nelle piattaforme. La persistenza può derivare dal marchio, dalla community, da un workflow specifico o dalla distribuzione. Per un investitore, andrebbe incrociata con crescita, retention, ricavi e capacità di controllare un’attività completa.
Web e mobile seguono logiche differenti. Il mobile favorisce immagini, video, identità e condivisione, perché fotocamera, rullino e social accorciano la distanza tra creazione e distribuzione. Il web ospita più facilmente ricerca, coding, documenti e attività multistep. Similarweb stima che le visite mensili alle piattaforme generative siano cresciute del 70% tra giugno 2025 e maggio 2026, più dei visitatori unici, aumentati del 57%: gli utenti arrivano e tornano più spesso. Sensor Tower stima 36 miliardi di ore trascorse nelle app GenAI nel primo semestre 2026 e oltre 4 miliardi di dollari di ricavi in-app. Le classifiche vedono però una parte sempre minore dell’uso effettivo. Un programmatore dentro un coding agent, un dipendente che usa l’AI in una suite aziendale o un consumatore che incontra un modello dentro un’app preesistente può generare poco traffico verso un sito AI. Tempo, task completati, ricavi e frequenza diventano misure necessarie.
Ramp porta la stessa discussione nelle aziende. A luglio 2026 il 55,7% delle imprese osservate dal suo indice pagava almeno un fornitore AI. Anthropic compariva nelle spese del 43,5% del campione e OpenAI in quelle del 39,7%, una gerarchia diversa da quella consumer. Crescono anche router e piattaforme per scegliere modelli più economici, segnale di maggiore attenzione al rapporto tra prestazioni e prezzo. La dispersione della spesa è ancora più interessante. A luglio l’impresa mediana spendeva 11,95 dollari per dipendente; nel 10% più intensivo la mediana saliva a 650 dollari e nell’1% superava 7.000 dollari. La stessa espressione, “adozione dell’AI”, comprende una licenza individuale e aziende che stanno ricostruendo parti del lavoro attorno a modelli, agenti e software verticali.
Per chi investe, queste fonti suggeriscono quattro passaggi: acquisizione, frequenza, monetizzazione e controllo del processo. Il traffico mostra chi sa farsi trovare, il ritorno degli utenti segnala abitudine, la spesa misura la disponibilità a pagare, l’integrazione con dati e workflow indica quanto sarà difficile sostituire il prodotto. Molte applicazioni verranno assorbite dalle piattaforme. Alcune resteranno soluzioni verticali redditizie. Poche diventeranno un’interfaccia stabile tra persone, dati e azioni. La classifica aiuta a individuarle, ma il lavoro dell’investitore comincia dopo: capire quale metrica cresce, perché cresce e quanta parte di quella crescita potrà sopravvivere alla prossima funzionalità rilasciata da un modello generalista.
🖐️👀 Tecnologia & Data Science Jashanmal prova a smontare la Torre di Babele dell’AI
Quando si parla di AI con gli altri, e non con se stessi, il tema semantico diventa centrale 🙂. Mi è capitato tante volte in azienda, assistendo a conferenze e anche parlando con amici con cui condivido spesso idee e progetti, di accorgermi che, quando parliamo di AI, a volte intendiamo cose diverse. Per certi versi stiamo tutti costruendo una grande Torre di Babele, e la costruzione è così dinamica che rischiamo di non capirci più.
Per questo, quando vedo un progetto come quello che ti sto segnalando, che tenta di fare chiarezza sulla semantica dell’AI, mi torna l’ottimismo e penso che alla fine ce la potremo fare 🙂.
«Il termine “AI” ha ormai perso ogni significato semantico. Oggi questo termine abbraccia qualsiasi cosa, da un modello di regressione a un robot autonomo, creando confusione nelle discussioni strategiche, nei colloqui con i partner e nel posizionamento dei prodotti. Questa tassonomia fornisce un quadro di riferimento funzionale basato su ciò che l’AI fa effettivamente, non sulle tecniche che utilizza.»
Questo è lo scopo del breve documento AI Taxonomy di Narain Jashanmal che, come dice il sottotitolo, vuole essere un framework operativo che classifica l’AI per funzione svolta, per aiutarci a essere precisi quando parliamo di Intelligenza Artificiale. Essendo basato sulla funzionalità (cosa si vuole ottenere) piuttosto che sulla tecnologia, è più facile da adottare anche per chi non è un tecnico. Io mi sono ritrovato in quello che scrive e credo che cercherò di usarlo il più possibile. Non te lo descrivo ulteriormente perché leggerlo è molto più rapido.
Ti aggiungo solo che Narain Jashanmal, che ha avuto fin qui un percorso di vita quanto mai eterogeneo, merita di essere seguito anche per altri spunti che ci regala ogni tanto, a cominciare da “Agent Engine Optimization: The Complete Playbook” (qui si parla di siti leggibili dagli agenti). Questi e altri contributi sono tutti raggiungibili dal suo sito, estremamente minimalista.
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Troppi KPI: quando la mappa ti impedisce di vedere il territorio
Uno degli errori che commettiamo noi persone analitiche, noi data-lover, è eccedere negli indicatori numerici di andamento di un processo, i famigerati KPI.
Se non averne è un problema, averne troppi è un problema altrettanto serio: porta spesso a quella che chiamo “paralisi della decisione”. Cioè una situazione in cui si perde troppo tempo e attenzione a leggere tutti gli indicatori. A capire quelli che servono davvero per la decisione che dobbiamo prendere. E a selezionare fra le indicazioni, a volte contrastanti, che ce ne arrivano. Con il risultato che la decisione a volte arriva tardi, o non arriva proprio, per la paura di sbagliare. Per questo, più sai selezionare i KPI giusti, a livello aziendale ma anche personale, per esempio per monitorare la tua salute, meglio è.
Forse proprio per questo, nel numero 114 della nostra newsletter, più di due anni fa, l’approfondimento più cliccato è stato questo saggio di Jason Cohen, che propone un framework per scegliere i KPI giusti dentro un’organizzazione. KPI che non riguardano solo il prodotto: il framework mette il team che lo costruisce al centro e rende visibile chi c’è a monte e a valle, con tutti i suoi stakeholder. La distinzione più utile è fra le metriche da massimizzare e quelle a cui basta stare sopra una soglia concordata: le guardi sempre, ma le tocchi solo quando sforano.
Lettura quanto mai attuale anche nell’era degli agenti, che ottimizzano alla lettera la metrica che gli dai: sbagliare KPI oggi non produce più solo una decisione lenta, produce un sistema che corre veloce nella direzione sbagliata 🙂
Senza dimenticare, come diceva quasi cent’anni fa Alfred Korzybski, che la mappa non è il territorio.
👅Etica & regolamentazione & impatto sulla società. Aresu racconta i cinque strati dell’AI: i tre di cui parliamo troppo poco
Tutti i modelli sono sbagliati, diceva George Box, ma alcuni sono utili: non rappresentano fedelmente la realtà, però ne danno una versione maneggiabile. L’articolo che ti suggerisco in questa sezione di Alessandro Aresu ricostruisce gli investimenti di Nvidia tra il 2025 e il 2026, dal nucleare di TerraPower ai 5 miliardi su Intel, dai neocloud fino a Poolside, ordinandoli lungo i cinque strati dell’intelligenza artificiale: energia, semiconduttori, infrastrutture, modelli, applicazioni. Vale la pena notare a chi appartiene lo schema: non è di Aresu, è di Jensen Huang. Ed è lo stesso Aresu a spiegare che per Nvidia quei cinque strati servono anche a leggere le supply chain e a rafforzare dipendenze e potere contrattuale. Un modello utile, dunque, ma non neutrale: ed è proprio per questo che è un buon punto di partenza per ragionare di etica, regolamentazione e impatto sociale dell’AI. Per rappresentarlo ho usato Napkin, uno strumento che a sua volta si appoggia all’AI e che mi piace perché è meno invadente di altri: assiste, non decide al posto tuo.
In questa newsletter parlo tanto di Applicazioni e Modelli, i due strati più vicini a noi. Credo però che la partita vera si giochi sempre più sugli altri tre, Energia, Semiconduttori, Infrastrutture, che decidono costi, tempi e dipendenze di tutto ciò che sta sopra. Per questo conto di occuparmene più spesso anche qui … stay tuned
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!