LaCulturaDelDato #238

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 duecentotrentottesimo numero della newsletter LaCulturaDelDato: dati & algoritmi attraverso i nostri 5 sensi. Le regole che ci siamo dati per questo viaggio le puoi trovare qui.

Da novembre, una volta al mese, uscirà un numero monografico guidato da una domanda. Le domande voglio sceglierle con te: mi dedichi 3 minuti per rispondere a 3 domande qui? 🙏

Ed ora Ecco i quattro spunti del duecentotrentottesimo numero:

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Nove anni o una settimana: il vero KPI dell’AI è il tempo tra segnale e decisione secondo Andrea Macrì

Presentati: Andrea Macrì. Non sono un esperto di dati (non è modestia) ma ho un buon osservatorio: mi occupo di consulenza strategica per PMI italiane dalle quindici alle centocinquanta persone, e sui dati “arrivo dopo“.

Dopo che il gestionale è stato comprato, dopo che il piano di digitalizzazione è partito, dopo che qualcuno ha detto “ci serve l’AI in azienda!”. Il mio lavoro comincia dove finisce quello di chi vende la tecnologia: capire come mai ciò che è stato acquistato non è ancora entrato nel modo in cui l’azienda decide.

Ho una Laurea Magistrale in Strategia d’Impresa (Torino) e sono OKR Coach certificato, ma la formazione che mi è servita di più è stata stare seduto in sale riunioni dove tutti sanno cosa andrebbe fatto ma nessuno sa chi lo decide né chi lo deve fare. Scrivo anche io una Newsletter da quasi quattro anni ormai che si chiama Strategy Project Journal, arrivata al numero 72. Gli argomenti vanno dai deep-dive su decisioni strategiche di aziende italiane all’Intelligenza Artificiale, fino alla geopolitica con impatto reale sul Business. Un concetto che mi piace spesso sottolineare è quello che chiamo “debito strategico”, il costo che si accumula ogni mese in cui quella chiarezza decisionale manca. Non compare in nessun bilancio, ma si paga tutto!

Il mio ruolo tra 10 anni sarà … probabilmente non questo! Il consulente che entra, analizza e consegna un report sta facendo un mestiere agli sgoccioli, e non l’ho mai difeso. L’analisi è esattamente la parte che le macchine fanno già bene, che costerà sempre meno e che funzionerà sempre meglio. Il consulente del futuro farà una cosa più utile, smettere di consegnare risposte e aiutare a costruire il sistema con cui l’azienda se le dà da sola. Per semplificare, arrivare a costruire una dettagliata Knowledge Base aziendale dove c’è il modo di lavorare di chi lavora meglio, i criteri per stabilire quali decisioni (e quali no) possono essere prese senza un umano e con quale soglia. Ma soprattutto presidiare l’unica domanda che nessuno può delegare all’esterno: cosa facciamo, per chi, perché e come ci arriviamo. Se lo farò bene, tra dieci anni i miei clienti avranno bisogno di me molto meno di adesso. È il paradosso del mestiere, l’unico modo di restare utile è rendersi via via meno necessari. Preferisco arrivarci per scelta che per sostituzione.

Qual è l’unico numero che direbbe se un’azienda è cambiata davvero dopo aver comprato l’AI, e perché quasi nessuno lo misura?

Il tempo che passa tra un segnale e la decisione che lo riguarda. Quasi nessuno lo traccia, eppure è un parente stretto del Lead Time. Ho visto le due estremità nella stessa azienda: un salumificio toscano, quattordici persone. Da una parte un gestionale comprato nel 2017, licenze e moduli tutti pagati, nove anni dopo il magazzino non è mai stato inizializzato e i solleciti automatici mai attivati, con quasi un terzo del fatturato fermo in crediti. Dall’altra la responsabile amministrativa che, appena le è stato lasciato decidere, in una settimana ha ridisegnato il flusso ordini di un cliente della GDO recuperando un quarto del suo tempo. Non ha comprato niente, stesse persone e stessi strumenti. Nove anni per una decisione che doveva salire, una settimana per una rimasta dov’era l’informazione Nella serie sul futuro della strategia aziendale ho affiancato al ben noto Span of Control, indicatore che misura quante persone si hanno sotto di sé, un secondo indicatore. Uno che conterà enormemente in futuro e l’ho chiamato Span of Judgment: misura quante decisioni di qualità produce il sistema fatto di persone, agenti e metodo codificato, e di quante di quelle decisioni un umano può ancora rispondere.

Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno …

Due risorse, e la seconda spiega la prima.

La prima ammetto sia un po’ noiosa, ed è citata molto meno di quanto meriti: la rilevazione ISTAT «Imprese e ICT», che esce ogni anno solitamente tra Dicembre e Gennaio. È l’unica serie Italiana comparabile nel tempo e per dimensione d’impresa su cosa si usa davvero.

Nell’edizione 2025 l’uso dell’AI raddoppia in dodici mesi e insieme il divario tra grandi e piccole passa da venti a trentasette punti. Chi ragiona di adozione tecnologica citando solo survey e rilevazioni americane si perde il proprio Paese.

La seconda risorsa è un paper del 1990 di Paul David «The Dynamo and the Computer». Spiega perché l’elettricità impiegò decenni a comparire nelle statistiche di produttività: la lampadina illumina il lavoro senza cambiarlo, il motore nuovo attaccato alle cinghie vecchie fa risparmiare poco, i guadagni arrivano solo quando la fabbrica viene ridisegnata attorno al flusso. È del 1990 ed è incredibilmente attuale! Misurate questa settimana quante ore passano tra un segnale e la decisione che lo riguarda.

👃Investimenti in ambito dati e algoritmi. Agosto 2026. Start-up del mese: Design arena

Guardando i numeri del funding mondiale di agosto 2026 sulla solita fonte Crunchbase trovo molto rilevante questo commento:
“Quel ritmo accelerato si è esteso ai megadeal di agosto: cinque dei sette destinatari di finanziamenti da un miliardo di dollari avevano raccolto capitale per l’ultima volta meno di 12 mesi prima, inclusi tre che avevano chiuso i loro round precedenti all’inizio di quest’anno. I numeri sottolineano quanto rapidamente gli investitori stiano raddoppiando la posta sulle aziende che ritengono possano diventare la prossima generazione di giganti tecnologici.“

In termini concreti il trend di agosto si conferma in grande crescita rispetto allo stesso mese del 2025 e in calo rispetto a luglio 2026 che era stato un mese con valori molto alti: 42 miliardi di dollari su poco più di 1.500 start-up, in calo del 25% rispetto ai 56 miliardi di luglio ma in crescita del 122% rispetto ad agosto 2025. E sette società hanno chiuso round da oltre un miliardo, contro le tredici di luglio. A mio giudizio la concentrazione anche in termini temporali (round grandi, ripetuti e sulle stesse aziende) aumenta ulteriormente il rischio di bolla.

Ed ora passiamo alla start-up del mese che ho scelto, come sempre, analizzando i round più interessanti su diversi attributi nel mio database. Questo mese rimaniamo nel mondo dei benchmark AI, ma con un approccio che trovo molto interessante. Design Arena nasce nel 2025 quasi per caso: Grace Li e Kamryn Ohly, due studentesse di Harvard, stavano costruendo durante un hackathon un motore AI capace di generare videogiochi. I giochi funzionavano, ma spesso non erano belli e soprattutto non erano divertenti. Come misurare qualcosa, come il gusto, per cui non esiste una risposta corretta?

Da qui nasce Design Arena: l’utente propone ciò che vuole creare e diversi modelli competono nel produrlo; l’utente sceglie poi quale risultato preferisce. In poco più di un anno il servizio ha superato i 5 milioni di utenti in oltre 190 paesi. Ad agosto Intelligence, la società dietro Design Arena (nata come Arcada Labs e passata dal batch Summer 2025 di Y Combinator), ha raccolto 7,9 milioni di dollari in un seed guidato da Index Ventures, con Conviction, A*, Valkyrie e altri investitori. La società dichiara addirittura circa 60 milioni di dollari di ARR, provenienti in gran parte dai frontier lab AI.

Ma la parte che trovo più interessante non è il benchmark. È ciò che la community produce utilizzandolo. Milioni di persone stanno continuamente dicendo ad Intelligence quale output preferiscono, su prompt reali, modelli differenti, paesi e momenti diversi. Il vero asset diventa quindi un enorme e continuamente aggiornato dataset sul gusto e sulle preferenze umane. E si crea un interessante circolo: più utenti generano più feedback, feedback migliori rendono il benchmark più importante per i produttori di modelli, più modelli rendono Design Arena più utile agli utenti. Intelligence sta già utilizzando questi dati anche per decidere automaticamente quale modello utilizzare per uno specifico task, trasformandosi progressivamente da arena di confronto a layer di valutazione e routing dell’intelligenza artificiale.
Io l’ho provata anche in alcuni casi in cui dovevo creare una dataviz e ho trovato il servizio molto interessante e utile!

🖐️👀 Tecnologia & Data Science Dataviz: i link che non smett(iam)o di riaprire

back to 117

Nel numero 117 avevo parlato di data visualization, proponendo spunti che ne mostravano prospettive diverse. Era piaciuto molto: quei link sono stati tra i più cliccati nella storia della newsletter. In questi due anni e mezzo ci sono tornato spesso anch’io per progetti personali, usando quel numero come una raccolta di riferimento sulla dataviz. Per questo, e per non essere prolisso (un mio difetto, anche se non sono ancora un’AI ;-) ), ve li ripropongo spiegando perché vale la pena usarli:

• Partiamo da dove e perché è cominciato tutto: un ottimo corso sulla psicologia e la storia della dataviz. Non l’ho seguito tutto, ma la parte che ho usato è fatta davvero bene.

• Regole pratiche di visual design da applicare sempre (e che io dimentico spesso di applicare).

• Un dizionario dei metodi di visualizzazione organizzato come una tavola periodica.

• La collezione di mappe storiche di David Rumsey, consultabile online.

• Una “breve” storia della dataviz scritta da Michael Friendly.

• Il mio grafico preferito, il diagramma di Sankey, e un tool per realizzarlo.

• Il mio data visual designer preferito, Paolo Ciuccarelli, che ho avuto l’onore di ospitare qui

👅Etica & regolamentazione & impatto sulla società. Tenersi un’opzione in più

Periodicamente, lo confesso, tampino i miei figli mandandogli approfondimenti per aiutarli a leggere meglio il futuro. Probabilmente nasce dall’ansia dell’incertezza sul futuro che è anche l’oggetto proprio di questa parte della newsletter. Così qualche settimana fa ho girato a mio figlio minore un pezzo di Kevin Kelly proprio sull’incertezza. Gli ho scritto che l’ansia e la pressione che sentiamo sono parte della nostra epoca, come altre caratteristiche lo sono state di altre: né meglio né peggio. Che quello che conta è adattarsi, con due strategie. La prima è la consapevolezza che nell’incertezza ci resteremo, e che quasi certamente non accadrà nulla di estremo. La seconda è il valore dell’opzionalità: tenere aperte più strade, in ogni ambito della vita, è un valore in sé. Con un’avvertenza che gli ho confessato essere un mio difetto: cercare di averne troppe produce esattamente l’ansia da cui volevi scappare. E ho chiuso dicendogli che se non lo avesse letto poteva comunque tenerlo lì, per il futuro: un’opzione in più 🙂
Questo piccolo incipit personale nasce dal desiderio di condividerti tre spunti, che ho letto recentemente, che fotografano molto bene la necessità di capire e gestire l’incertezza in tre ambiti diversi ma con tanti punti in comune: il piano personale, la leadership e l’ambito aziendale.
Rileggendo l’articolo di Kelly “Our Uncertain Uncertainties” con calma, devo ammettere che la sua tesi è anche più dura della mia. Kelly non sta dicendo solo che c’è molta incertezza nel presente. Sta dicendo che siamo incerti sulle nostre incertezze: l’AI, mentre avanza, non risponde alle domande vecchie, ne genera di nuove e di natura diversa, così che tra cinque anni non sapremo nemmeno se l’AGI sia arrivata, se la produttività sia salita o scesa, se l’investimento sia valso la pena. Non un’incertezza di primo grado, ma di secondo: Kelly chiama questo scenario l’Età dell’Ambiguità e gli dà almeno un decennio di vita. Continuo a pensare che ogni generazione si sia sentita così. Ma la ricetta che Kelly propone è esattamente la stessa che ho passato a mio figlio: adattabilità radicale e opzionalità radicale, obiettivi trattati come ipotesi provvisorie, decisioni valutate non in base alla loro correttezza ma alla quantità di opzioni che lasciano aperte dopo. Con un’ aggiunta che vale la pena rileggere due volte: in questa fase si cade molto più per eccesso di sicurezza che per eccesso di dubbio, soprattutto in azienda. Qui il discorso smette di essere personale, ed è il motivo per cui accosto a Kelly altri due pezzi usciti nelle stesse settimane.
Matt Wood, Chief AI & Technology Officer di AWS, parte da un’osservazione che ogni persona che lavora in una grande azienda riconosce: le organizzazioni sono costruite per cercare l’equilibrio, e non è un difetto. Processi, governance e standard sono il modo in cui un’impresa trasforma lezioni faticose in capacità durevole. Il punto è che equilibrio e salute non sono la stessa cosa, e viste dall’interno sembrano identiche. Wood prende a prestito le strutture dissipative di Prigogine, un fluido scaldato che si auto-organizza in celle esagonali, ordine che nasce dal flusso e svanisce quando il flusso si ferma, per separare due idee che confondiamo sempre: l’ordine statico, ottenuto riducendo il movimento, e l’ordine dinamico, ottenuto regolandolo. La parte scomoda è la metafora immunitaria. Quando in azienda compare un comportamento nuovo, l’organizzazione chiede chi lo ha approvato, dove si colloca, come si scala. Domande legittime, prodotte da anni di sopravvivenza. Ma un sistema immunitario efficace deve saper distinguere l’infezione dall’adattamento, e il futuro in azienda entra quasi sempre con l’aria di essere abusivo: arriva come anomalia, attrito, esperimento fuori perimetro, evidenza inopportuna. Da qui la disciplina che Wood chiama disequilibrio controllato: tenere l’organizzazione abbastanza lontana dall’equilibrio da potersi riorganizzare, non così lontana da perdere coerenza. Non è caos. è movimento differenziato: sicurezza, compliance e controlli finanziari hanno bisogno di più rigidità, non di meno, proprio mentre il resto si muove. Equilibrio instabile in senso strettamente fisico. David Knott, nel terzo approfondimento che ti consiglio, atterra sull’aspetto più personale dei tre. La sua domanda è: sei pronto ad avere torto? Non in senso retorico. Il leader che sbaglia su questi temi non rimedia un ego ridotto: produce conseguenze sulla tenuta dell’azienda, sulle prospettive dei suoi dipendenti, sui clienti. Per questo Knott chiede due cose diverse. L’umiltà di riconoscere l’errore, sia quando l’esperto contraddice le tue aspettative sia quando gli eventi invalidano una strategia in cui hai già investito reputazione. E il pragmatismo di coprirsi in anticipo: investimenti che hanno senso in qualunque scenario, mettere in ordine i propri dati, per esempio, resta sensato qualunque cosa faccia l’AI. e relazioni con più partner invece di una scommessa unica. Ma Knott aggiunge il limite che rende il cerchio completo, ed è la stessa cosa che avevo confessato a mio figlio: si può sbagliare anche per eccesso di disponibilità ad avere torto, fino a un’indecisione gelatinosa in cui si tengono aperte tutte le strade e non se ne percorre nessuna. L’opzionalità ha un costo, e va pagato consapevolmente, senza illudersi che tenerle tutte aperte sia gratis!

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!