Intelligenza Artificiale in fabbrica: etica, interfacce utente e innovazione pragmatica con Veronica Brizzi #28
Trascrizione: Veronica Brizzi Magic Episode Nov 28 2025
[00:00] Introduzione e Presentazione di Veronica Brizzi
[…]
Paolo Antinori
Ciao a tutti ascoltatrici ascoltatori di risorse artificiali. Eccoci di nuovo qua per una nuova puntata e oggi per rendere le cose un po’ vivaci abbiamo un ospite che è venuto a trovarci, Veronica Brizzi. il mio riferimento di AI applicata all’industria. magari voi la conoscete per altre faccende. E niente, Veronica, ciao, benvenuta. , che ci fai da queste parti? raccontaci qualcosa.
Veronica Brizzi
Ciao a tutti, è un piacere essere qui e grazie Stefano, Alizzo, e Paolo soprattutto che con cui condividiamo un po’ di strada per questo invito. Io sono, come diceva Paolo Veronica Brizzi, faccio intelligenza artificiale industriale, quindi ormai da 8 anni mi occupo di analitiche industriali, strumenti di intelligenza artificiale, quindi machine learning e deep learning per l’industria, l’energia e la manutenzione. In realtà sono l’ingegnere energetica, quindi vengo da un ramo diverso a livello di studi e poi mi sono specializzata dopo come data scientist in quello che però appunto conoscevo. E quindi ecco il mio la mia parabola un po’ diversa rispetto a quello che normalmente un data scientist mi ha portato in questi lidi meravigliosi dell’AI industriale. In questo momento sono responsabile di prodotto in una startup che fa proprio quello, quindi intelligenza artificiale per la manifattura e però appunto ho un passato da docente, advisor, consulente, quindi ho visto diverse fabbriche ed è sempre bellissimo entrare nella fabbrica.
Paolo Antinori
E in quanto assidua ascoltatrice del nostro podcast, hai sentito l’urgenza di venire a correggere alcune delle cose che ogni tanto diciamo magari lievemente imprecise, no?
Veronica Brizzi
Vabbè, lei industriale è una cosa talmente di nicchia che ognuno ha un’opinione, comunque.
Paolo Antinori
Quindi, ma non so se sai, ma Stefano vorrebbe fare l’AI industriale e nasconde nel suo armadio un braccio robotico, tipo quello dietro la trama di Terminator 2 che si salva dal Terminator del primo che non ha mai toccato e lui sta aspettando che qualcuno viaggi indietro nel tempo per andare a parlare di questa cosa e non lo toccherà mai.
Alessio Soldano
Ok, venga a montarglielo.
Stefano Maestri
No, no, no. Allora, il discorso è ho comprato il braccio meccanico che Hugin Face ha fatto per test giocare con, diciamo, i VLA, vision language model, , vision language action model, scusate. , poi è fatto di due pezzi perché c’è il follower, quindi il braccio vero e proprio e e quello per insegnargli. Ho montato soltanto il primo, il follower, non ho neanche finito di montare il secondo perché purtroppo il tempo è quello che è. Come dice Paolo, sono il nerd che vuole giocare con i giocattoli e ha i soldi per comprarseli, a differenza di quando aveva 16 anni, ma non ha più il tempo di giocarci.
[04:12] Il Ruolo del Data Scientist nell’Industria
Veronica Brizzi
tipico, , però adesso ho tempo, , ho tempo e quindi prossimamente ci giocherò. Bellissimo. Io voglio venire quando giochi col braccio robotico a vedere.
Stefano Maestri
Volentieri. No, ma finirà sicuramente in podcast.
Paolo Antinori
Immagino, immagino. Fantastico. Fantastico. Come noi i programmatori chiedono sempre se sappiamo sistemare una stampante. Immagino che a Veronica chiedono sempre se sa montare un braccio robotico quando va a trovare qualcuno, vero?
Veronica Brizzi
E sì. Io se so rimettere a posto la domotica o c’è un Arduino lì, che cosa ci facciamo? Domotica. Poi in realtà io faccio un’altra cosa perché faccio i modellini raccogliendo i dati che arrivano direttamente dalle macchine e e non ha mai fatto robotica, però ho un’amica che è bravissima a fare robotica e quindi mi racconta delle cose affascinantissime. Forse ho sbagliato professione nella mia vita, però però sì. , e comunque non so metterle a posto le stampanti in ogni caso.
Paolo Antinori
Beh , senti, aiutaci a giudicare se hai sbagliato professione nella tua vita. Raccontaci qualcosa di più della tua professione o di che cosa c’è di interessante nella tua professione?
Veronica Brizzi
Allora, vabbè, appunto, io in questo momento specifico sono in quel in quello spazio difficile tra l’utente che in questo momento è un utente che lavora nella fabbrica, quindi non è una persona che normalmente lavora col PC, ma lavora, mette le mani direttamente negli impianti e chi fa invece i modelli nel modo standard con un approccio da data scientist, un approccio da informatico e la la bellezza del mio ruolo è che avendo sia la conoscenza industriale, quindi una conoscenza molto approfondita di come funzionano le macchine, che cosa come si fa a costruire una una valvola piuttosto che uno pneumatico, piuttosto che un pezzo di una macchina o un biscotto. Tra l’altro è bellissimo vedere l’industria alimentare e però conosco anche tutta l’altra parte legata più a l’intelligenza artificiale, il machine learning, il deep learning, le analitiche complesse la statistica. m faccio un po’ da chiave di raccordo tra io raccolgo questi dati e che cosa ci posso fare. Poi la cosa più divertente di tutte vi dirò la verità, è proprio andare a vedere le fabbriche, quindi non so se siete mai entrati in uno shop, in una fabbrica proprio vera e propria. È fighissimo perché si vede come si costruiscono le cose e ancora più divertente se sai il tipo di dati che vengono raccolti. Poi appunto qui tutte le volte che lo racconti in modo entusiasmante tutti mi dicono “Sì, vabbè, ma è noiosissimo”. , però vedere i dati che vengono raccolti e provare a immaginarsi, ok, io con questi dati potrei prevedere domani qual è il tasso di scarto che potresti fare su questi biscotti se cambi la percentuale di acqua piuttosto che qual è l’efficienza che riesci a garantire se usi questo tipo di metallo piuttosto che quest’altro che appunto detto ad alta voce è noiosissimo, però ve lo giuro è una figata. invece se lo fai proprio in prima persona è molto molto affascinante anche perché appunto io vengo da un percorso di ingegneria, ingegneria industriale, quindi ho fatto proprio quello, ho imparato a vedere come si costruiscono le cose, ho fatto meccanica razionale, ho fatto termodinamica, ho fatto un sacco di cose difficili difficili nel senso e che normalmente vengono collegate all’ingegneria fastidiosa. E la mia tesi era una tesi di ottimizzazione utilizzando però dei modelli data driven, quindi già lì forse era era già già scritto. Detto questo, parlando poi con persone che fanno proprio fisicamente i PID piuttosto che i sistemi di controllo, i bracci robotici e tutto quel mondo dell’industria 4.0 5.0, quella cosa lì è forse ancora più affascinante di quello che faccio. Quindi, ecco, sono un po’ un po’ divisa tra l’entusiasmo di quello che che è il mio lavoro attuale, perché mi piace tantissimo e però questa cosa bellissima che si potrebbe fare in più, che in realtà io vedo come step successivo rispetto a le analitiche e lei applicate all’industria, che peraltro è una cosa che ormai si fa da 15 anni, quindi rispetto ad altri che magari hanno scoperto l’AI quando è uscito c’ha GPT, l’AI industriale è già molto matura e quindi è una cosa di cui già si parla, cioè se parli con una un responsabile di produzione, lui ti sa già dire “Sì, i dati li raccolgo, potrei fare questo, però non ci credo per davvero, lei non funziona, quindi poi vabbè, bisogna convincerli, però è interessante.
Paolo Antinori
Beh, beh, c’è da sempre c’è chi crede o non crede nella matematica, no?
[10:15] Scetticismo e Accettazione dell’Intelligenza Artificiale
Veronica Brizzi
Assolutamente sì. In industria c’è un sacco di gente che non ci crede in realtà, ma perché no? Ma tu la fai troppo semplice. I miei dati sono molto più complessi di così. Sicuramente non riuscirai a intercettare questo guasto, dirmi come ottimizzare la mia impianto. Fanno gli smorfiosi, ma tantissimo. Sì, sì, sì, .
Stefano Maestri
Sì, certo. Immagino, immagino. Figurati lo scetticismo che ci può essere in uno che fa calze da tutta la vita e sa che le calze non si buccheranno mai, come dici tu. Invece tu gli dimostri che che si bucano esattamente come tu avevi previsto.
Veronica Brizzi
Esatto. Esatto. Poi quando siamo fortunati e quando i loro dati sono buoni, perché la verità brutta dietro a questa roba qui è che qualche volta hanno ragione, qualche volta effettivamente i modelli non riescono a prevedere, però non è colpa dei modelli, è colpa dei dati che spesso sono brutti bruttissimi, come immagino sappiate benissimo anche voi e in industria ancora di più perché vengono raccolti alla come viene. Tanto sì, più o meno mi servono tanto al chilo e quindi poi ci sta che i modelli non prevedono, però quando prevedono è bellissimo, cioè quando prevedono ti prevedono delle cose che non pensavi sarebbero possibili da prevedere.
Alessio Soldano
Certo, io comunque vedo tutta una serie di parallelismi con l’ingegneria applicata al mondo del software, onestamente. , quando mi dici il mio caso è diverso e non è non è come quello su cui normalmente questi tool funzionano piuttosto che io non ci credo, ma figurati quando parlavamo di intelligenza artificiale generativa che poteva scrivere del del software, il ragionamento era simile qui.
Veronica Brizzi
ah sì sì sì. Poi, ecco, c’è questa cosa molto interessante in industria che la lei diciamo adesso non so come chiamarla, però diciamo le tradizionale, quindi machine learning e deep learning, è già stata testata da tanti anni, c’è già anche un po’ di che cosa si può e non si può fare e tanti l’hanno già incrociata nella loro nel loro percorso professionale, tanti che lavorano in industria e quindi hanno già quello scettic ismo di base della serie l’ho già provata, qualche volta funziona, tante volte mi dà dei falsi positivi, quindi vabbè è un sacco di tempo. Se lo voglio fare ci devo dedicare, ci devo mettere la testa, che ha anche senso sull’AI generativa c’è molto più hype in questo momento perché è nuovo, perché non ne ha mai sentito parlare nessuno, perché sembra che possa fare cose incredibili. Esatto. In realtà ovviamente non è così, . E quindi su quello c’è tanta attenzione. Poi attenzione come sempre della serie. Ok, allora io adesso vado su CG GPT e gli chiedo di ottimizzare l’impianto e lui mi ottimizza, ma non funziona così, non lo fare, per favore. E però da quel punto di vista c’è siamo ancora nella nell’alto della curva dell’ype, non siamo ancora scesi nel basso del delle cose che operativamente si possono fare, che però sono più difficili di quello che sembra. Poi le i generative in industria è una sfida in ogni caso, cioè secondo me la cosa bella delle generative in industria è che parla la lingua delle persone, quindi tu non devi per forza interpretare dei numeri, interpretare dei grafici, ma le fai interpretare a qualcun altro. Però la parte sotto, cioè la parte predittiva vera, deve essere comunque fatta con dei modelli ad hoc studiati sui tuoi dati, fatti da persone che tra l’altro conoscono i tuoi dati e conoscono la tua la tua realtà e la tua industria, perché altrimenti i modelli, vabbè, sappiamo, sono dei modelli statistici e quindi se trovano dei delle correlazioni che però non sono correlazioni causa effetto, non è che ti faccia la previsione sbagliata, ti mando sulla linea è una persona che magari sta cercando un’anomalia che non c’è lì perché i dati lo suggerivano, ma non è una causa effetto vera. Quindi lei è generativa interessante solo perché rende un po’ più facile da capire, neanche spiegabile perché non è neanche quello, però proprio raccontata a voce.
Alessio Soldano
Sì, quindi non devo interpretare i numerini. Ma quindi, scusa se ti interrompo, ma per un qualcuno che non è tanto nel nel tuo campo, puoi fare qualche esempio pratico di come si usa l’intelligenza artificiale generativa in ambito industriale, per quali use case?
[12:26] Applicazioni Pratiche dell’Intelligenza Artificiale Generativa
Veronica Brizzi
Sì, allora, considerando che è ancora molto precoce, nel senso stanno iniziando adesso i primi use case, però c’è una grande attenzione a livello manutentivo, per esempio, quindi io ho un modello sotto che mi dice è probabile che ci sia un guasto su questa linea. lo stesso, modo, diciamo, la stessa infrastruttura utilizza sia la previsione del modello, sia magari una RAG o un altro tipo di approccio sulla sul trouble shooting manutentivo, quindi su una serie di regole già esplicitamente definite da qualcuno e il sistema di generativa intercetta l’anomalia, va a vedere il trouble shooting e guida praticamente l’operatore manutentivo dicendogli, “Guarda, c’è questa anomalia e nella guida ti dice di controllare questo bullone.” L’hai controllato? Sì, l’ho controllato. In effetti era quello. Bom, a posto, grazie. Pure l’hai controllato, sì, ma non è quello. Allora lo step successivo potrebbe essere quest’altro. molto molto facile a livello di di use case, però in effetti a livello pratico una persona che è sul campo con i guanti, che magari può parlare direttamente col telefono invece di dover andare avanti e indietro dal PC effettivamente fa risparmiare un sacco di tempo e è molto interessante. Poi c’è tutto un altro ambito di mh AI generativa metaverso legato però alla formazione, quindi simulare la formazione delle persone tramite strumenti di interazione tipo appunto chatbot piuttosto che simili. , perché io riesco a rendere interrogabile tutta una parte di competenza che spesso invece non è facile da gestire, ad esempio, sempre in manutenzione o negli RP, quindi nei nei gestionali della pianificazione, ci sono tantissime note manuali che sono un casino da gestire perché la gente magari si annota che aveva trovato questa cosa qui oppure si annota che quel turno deve essere gestito in un certo modo. È linguaggio naturale, quindi si può gestire, però sappiamo tutte le complessità della gestione. Un sistema di generativa che conosce il contesto, capisce il contesto e lo sa interpretare, invece riesce anche a valorizzare quel tipo di informazioni che altrimenti sarebbero difficili da valorizzare. Poi, ripeto, utilizzare solo quelle quelle informazioni in industria è inutile, cioè ti porta poco valore. unire però quella cosa lì ha un sistema predittivo che magari ti dice “Le ultime sette volte che c’era questo guasto l’hai risolto in questo modo”. piuttosto che guarda che il c’è una baseline e tu stai consumando il 3% in più rispetto alla baseline, quel tipo di informazione e l’informazione che guida un po’ poi la la causa del motivo per cui non stanno funzionando le cose, tu semplicemente con la generativa lo puoi contestualizzare e poi capire meglio anche a livello proprio di gestione pratica la vera la gente poi la roba la deve deve capire, la deve usare e non è sempre così.
Alessio Soldano
Bello, mi piace.
Paolo Antinori
Hai mai fatto venire in mente una delle poche informazioni legate al contesto industriale che ho affrontato nel mio percorso di studi ed era un concetto imparato durante il disegno tecnico che non c’entrava niente con quello che facevo, ma diglielo all’università e in cui mi hanno fatto disegnare dei pezzi meccanici che non sapevo che cosa fossero e ma l’unica cosa che ricordo di tutto questo era che ci spiegavano che nel disegno dei pezzi meccanici c’è il concetto della tolleranza. ovvero già lo sappiamo che sbaglieremo. E a me sembrava un concetto molto potente, molto utile e significativo, cioè chi fa pezzi meccanici in serie sempre lo stesso, già sa che li sbaglia e siccome li sbaglia deve proteggersi le chiappe e far sì che possa funzionare anche quando lo fa male. Mi fa strano in una certa misura, che alcune delle cose che hai descritto tu, sia di AI predittiva che generativa, siano strumenti statistici, quindi implicitamente includono questo concetto di tolleranza e gli umani si ritengono intolleranti a questa cosa che gli andava bene sul ferro ma non sul computer.
Veronica Brizzi
È proprio vero. Tra l’altro gli andava bene sul ferro, non gli va bene sul computer, non gli va bene sui dati perché comunque anche i sistemi di misurazione industriale hanno una tolleranza. Quindi tu sai che stai raccogliendo 10° più o meno 0,1 e quella cosa lì, chiaramente poi su un sistema puramente statistico si gestisce, però se hai un errore più basso rispetto alla tolleranza del misuratore, c’è un problema. E però d’altronde è così perché poi finché lo fai tu e lo devi disegnare tu allora sai che la tolleranza è legata al fatto che il tipo di materiale è difficile da lavorare, conosci la complessità che c’è sotto, allora l’accetti. Lei hai adesso è raccontata come una cosa facilissima, plug and play, che tu la metti e dove dove va funziona magica. Ah, incredibile, farà tutto lei. E la complessità che c’è sotto non non viene precepita, non viene percepita. E quando provi a raccontarla in modo, diciamo, , trasparente o comunque condividendo i pro e i contro della tecnologia, spesso il feedback dalla parte non del delle persone, dell’industria, ma dalla parte di chi i software magari li costruisce è “Eh, ma lo stai rendendo troppo complicato, l’utente non deve vedere la complessità”. che sono d’accordo, sono d’accordissimo, però come dicevi tu i sistemi di AI sono dei sistemi statistici che si portano dietro un errore intrinseco, per cui io comunque posso costruire il modello più figo del mondo, però è probabile che un falso positivo nella vita succederà. Se a quel falso positivo tu mi dici su 100 che invece sono dei veri positivi, quindi mi hanno detto che c’era un guasto. Una volta ti dico che c’è un guasto e il guasto non c’è, tu mi dici allora il sistema non funziona? Allora, no, non hai bisogno di un sistema di machine learning o deep learning, hai bisogno di un’altra roba che però non è statistica, è un sistema esperto, è deterministica, è qualcos’altro che non è non si basa però sui tuoi dati, però guarda che è una cosa
Paolo Antinori
in cui scommetto che però poi andranno a reintrodurre il concetto di tolleranza laddove si rendono conto dei limiti delle uristiche.
[20:14] Divulgazione e Iniziative per il Gender Gap
Veronica Brizzi
Ah, sì, sì, ma infatti è che finché tu hai il controllo di quelle tolleranze è facile quando percepisci di perdere il controllo e se stai gestendo magari turbine che se esplodono tirano giù un quartiere piuttosto che grandi impianti, capisco che comunque avere cercare di avere il controllo ci sta. La nostra sfida nostra di chi costruisce i modelli di industriale è riuscire a comunicare in trasparenza fin dove possono arrivare i modelli e e dove invece non possono arrivare. E questa è la prima prima sfida. E la seconda è cercare di costruire dei sistemi più spiegabili possibili, quindi SHP piuttosto che altri strumenti di explainable AI che tra l’altro sono statistici, quindi non ti dicono la causa, ti dicono solo che cosa il modello pensa che sia più interessante, però sono comunque degli strumenti in industria estremamente validi. Poi di nuovo il problema è che dall’altra parte serve gran maturità per accettare il fatto che tu stai facendo delle previsioni basate su su un approccio statistico che si portano dietro un una tollanza, quindi degli errori intrinseci e non sempre non sempre le persone che poi vorrebbero utilizzare lei in realtà vogliono utilizzare lei per davvero, quindi vogliono accettare poi questo questa perdita di controll controllo che non è perdita di controllo, è solo un modo diverso di interpretare appunto la tolleranza.
Paolo Antinori
Grazie per la spiegazione. Ehm e quando hai posto enfasi sul fatto che parte del lavoro è spiegare tutto questo, mi hai fatto venire in mente che nel nella mia attività di stalking nei confronti nei tuoi confronti so che è una delle cose che fai tu nella vita eh essere coinvolta in iniziative di divulgazione, presentazione. Puoi parlarcene un pochettino? trovavo molto interessanti, ma non le conosco molto bene.
Veronica Brizzi
Sì, ma allora nasce come tutto nella mia vita per caso, ma credo come nelle vite di tutti dei percorsi nascono per caso, perché vabbè nel in uno dei ruoli precedenti facevo proprio la docente, quindi oltre che fare l’advisor e la data scientist avevo anche dei momenti di docenza, perché in effetti una volta che poi spieghi alle persone che cosa fa l’intelligenza artificiale è più facile che poi la vogliano fare e che vogliano accettare anche i limiti di questa tecnologia. E è super divertente raccontare, vabbè, raccontare delle in industria, perché a me piace tantissimo e mi diverte molto e anche perché raccontando si capiscono meglio anche le cose. Quindi se tu prepari una docenza di 2 ore, 4 ore, 6 ore, sei obbligato, sei obbligato a entrare nel nel merito di determinati argomenti e quindi per forza poi li devi capire meglio. E adesso in questo momento faccio, beh, io faccio parte dell’associazione Donne 4, che è un’associazione bellissima e è un’associazione che ha l’obiettivo di chiudere il gender gap utilizzando la tecnologia, quindi in realtà rispetto ad altre associazioni unisce competenze molto diverse. Ci siamo appunto donne in STEM, ma anche donne che sono umaniste, donne avvocate, giudici, ce ne sono tantissime diverse e con Donne quattro facciamo tantissima divulgazione. Io in particolare mi occupo di AI legata alla in realtà alla sostenibilità che è un altro tema molto interessante, sostenibilità e ambientale, quindi solo quanto consuma di energia e quanto consuma di acqua e poi quando capita appunto gli hai in industria, i manutenzione, gli hai ad energia, quindi comunque nel campo che è il mio ed è bello perché puoi rendere facili cose difficili anche perché secondo me capire che cosa Cosa può fare lei nel settore in cui lavoro io, che è il settore industriale, apre le porte a un’industria comunque davvero migliore, perché ad oggi l’industria consuma un sacco di energia, consuma un sacco di risorse. Ottimizzarla non sarebbe male per tutti, in generale nel mondo e quindi se il resto del mondo sa che cosa si può fare, magari poi lo costruisce pure. Però sì, è molto divertente. In ogni caso
[23:38] Cosa Fa un Data Scientist?
Stefano Maestri
ti faccio io una domanda che esula un secondo, cioè esula pur restando nel nel mondo industriale di quello che fai e tutto quello che ci hai raccontato, credo che sia una domanda che alcuni dei nostri ascoltatori, quelli magari un po’ meno tecnici, ma forse anche quelli tecnici troppo votati all’ingegneria, all’ingegneria del software che sono la maggior parte non capiscano fino in fondo, cioè che cosa fa veramente il data scientist, cioè tu alla mattina ti svegli, vai in ufficio o stai a casa, non so, se lavori da remoto, accendi il computer e poi perché secondo me questa è una domanda che in tanti dei nostri ascoltatori hanno, cioè il data scientist, questa figura mitologica che maneggia i dati, è una cosa che avremmo voluto chiedere Ci siamo dimenticati ad un altro data scientist che abbiamo avuto ospite Alberto Danese qualche settimana fa. Ce lo siamo dimenticati, quindi hai vinto hai vinto la pagliuzza più corta di spiegarci che cosa fa il data scientist quando si sveglia al mattino dopo la colazione, diciamo.
[24:58] Il Ruolo del Data Scientist
Veronica Brizzi
E cioè assolutamente quella è importantissima. Molto caffè. Salutiamo Alberto che poi mi dirà se fa le stesse cose che faccio io oppure no. E il lavoro del data scientist è un lavoro con un sacco di di aura magica che in realtà è poi la persona che prende parole fondamentalmente quando le cose non funzionano ed è tutti si immaginano.
Stefano Maestri
No, anche quello è anche software engineer. Tranquillo. È vero, è vero, è vero. Parole le prendiamo anche noi facili. Sì, sì, sì.
Veronica Brizzi
Non è così. è il siamo degli eroi incompresi. la cosa divertente di fare il data scientist è che in effetti si si costruiscono per dai modelli, quindi si scelgono le architetture delle reti neurali piuttosto che la tipologia dei modelli. Si fa fine fa fine tuning su quello che potrebbe essere il modello migliore rispetto alla forma dei dati che hai che hai identificato. Questa che è la parte più divertente è il boh 10% del tempo di un data scientist ovviamente perché il resto del tempo è dedicato proprio a mettere a mettere in ordine i dati che sono brutti. Poi, appunto, io ho sempre lavorato solo su dati industriali e alcuni sono effettivamente molto ordinati, soprattutto nelle aziende grandi, nelle corporate che magari hanno già una data platform, hanno dei data engineer che fanno bene il loro lavoro e quindi hanno già tutto organizzato e quindi tu hai magari 100 200 colonne, qualche migliaio, qualche milione in realtà di righe, quindi questi questi dati molto grandi che non sono ancora big data perché in industria non è vero che parliamo di big però sono comunque dei dati che non puoi guardare in Excel e quelli sono i dati più divertenti. Poi invece c’è tutto il resto del mondo, soprattutto nelle PMI, in cui i dati sono vengono da n fonti diverse, quindi vengono dai MES che sono i manufacturing execution system, vengono dai sistemi di pianificazione, vengono dai sistemi di qualità, vengono dai file Excel riempiti a mano dalle nostre meravigliose persone dell’industria che magari hanno scritto il codice, ma l’hanno scritto con lo zero invece che la O perché erano di corsa e quindi il lavoro in realtà più noioso, che viene meno valorizzato, che però in realtà è fondamentale è proprio mettere in ordine questi numeri, quindi guardare le tabelle che si hanno, guardare quali sono gli indici che possono unire le tabelle, capire in che modo, ad esempio, in un processo io posso ricostruire tutto l’intero processo. Immaginatevi un processo industriale, la macchina 1, macchina 2, macchina 3 nella prima linea, 4 5 6 nella seconda e poi tutte e due arrivano in un’ultima linea che mette insieme le cose. Ognuno magari ha delle tabelle diverse con degli ordini diversi, dei codici diversi, però per riuscire magari a prevedere il guasto nell’ultimo nell’ultimo step o il problema di qualità nell’ultimo step io devo per forza utilizzare tutti i dati di tutta la linea e quindi devo ricostruire un dataset unico e devo capire come i dati influiscono sulla ad esempio sul sul problema di qualità alla fine.
[28:59] Correlazioni e Creatività nei Dati
Veronica Brizzi
E quindi praticamente il data scientist si fa un sacco di domande e cerca di farsi di darsi un sacco di risposte. è molto un lavoro anche molto creativo, per quello serve capire bene di che cosa che che tipo di dati stai manipolando, perché magari ti viene in mente ah però questo godato di qualità potrebbe essere influenzato dalla qualità del della farina che sto utilizzando nel primo step due giorni fa e quindi vai a recuperare la farina, ricostruisci, capisci magari il grado di correlazione che c’è, cerca di contestualizzare la correlazione. è una correlazione spuria, è una correlazione vera, è una correlazione interessante? Che tipo di storia mi sta cercando di raccontare? E poi chiaramente da lì si decide come gestire questo dato in un modello, quindi un modello più potente perché ho tanti dati e quindi io posso fargli fare tutto quello che è il ragionamento che ho fatto io in automatico. Oppure mi serve magari pacchettizzare la pipeline in tre modelli differenti perché magari uno fa clustering, poi faccio una classificazione, poi alla fine faccio un’altra cosa, magari un XII per spiegare meglio. È molto bello, è molto divertente raccontarlo a chi poi vedesse il numerino finale non è sempre facile, che è poi la sfida, una delle sfide di cui parlavamo prima, insomma. Però sì, è un sacco di di esplorazione. È uno di quei tipi di lavori in cui tu entri nel flow e magari inizi a lavorare alle 2:00 e dici “Vabbè, sono ho iniziato a lavorare da poco, guardi le sono le 7:30 di sera”. Dice “What? Com’è possibile?” Non so, ti hai risposto forse è più confuso di altro adesso.
Stefano Maestri
Sì, mi hai assolutamente risposto. No, mi hai assolutamente risposto ed è interessante. la la sintetizziamo dicendo che che siete quelli che vedono al di là del delle relazioni, cioè riescono a a intravedere a intravedere quali relazioni ci sono tra i dati e correlarle in modo da da creare un modello o fare il fine tuning di un altro modello già esistente, giusto?
Veronica Brizzi
Sì, esatto.
[31:27] Evoluzione delle Interfacce Utente
Stefano Maestri
E questa cosa questa cosa mi ci dicevi che in questo momento tu l’applichi soprattutto al machine learning, ai modelli di machine learning che sono leggermente diversi da quelli, diciamo, dell’AI generativa. E però alla fine, sempre per tornare a cose che abbiamo tante volte nominato qua nel podcast, alla fine quello che tu generi sono dei dataset e gli dai un ordine, una serie di di caratteristiche per cui il modello lo possa capire meglio, perché questa è una cosa che molti degli ascoltatori più o meno tecnici fanno fatica a capire che i modelli non capiscono all’inizio non capiscono il linguaggio naturale. C’è qualcuno come voi parlando di linguaggio naturale o di dati di altra forma che gli insegna a capire qual è la relazione tra le cose ed è forse il lavoro più importante in questo momento nella fase almeno nella fase di training.
Veronica Brizzi
Assolutamente sì.
Stefano Maestri
E invece tornando un secondo a sulle su qualche news, c’è questa cosa che segnalavi anche tu, no Paolo, che c’è questa tendenza di molti dei modelli, invece tornando all’AI generativa, diventare, mi aggancio qua, di diventare ancora più userfly, cioè qualcuno si sta chiedendo Ma è il linguaggio veramente la nuova user interface o è soltanto che le parole erano il modo più facile per interagire con questi modelli e quindi ci sono un po’ di iniziative. Tu ne segnalavi una su MCP se ricordo bene, no Paolo? Per fare delle user interface al volo.
Paolo Antinori
Sì, la news di non so se è questa settimana o la fine della scorsa è che Antropic ha accettato l’estensione al protocollo MCP con la parte UI. , che cosa significa? che adesso il protocollo MCP, ovvero il protocollo che serve per esporre un’interfaccia standardizzata per comunicare con sorgenti dati diversi o attori diversi, prevede che la risposta possa non solo essere testuale, ma avere anche della semantica, quindi del markup, che possa essere poi rappresentata in forma visuale. Quindi hanno inventato l’HTML praticamente. E ed è interessante perché è effettivamente un un accettare che i limiti della comunicazione testuale si stavano forse raggiungendo o che comunque c’era una giustificazione al volerli espandere. E la cosa interessante è che avrebbero potuto lasciarla fuori da MCP questa cosa. Avrebbero potuto dire “Sì, è una buona idea, ma fatevelo voi”. e invece hanno deciso di incorporarlo, quindi fondamentalmente facendo evolvere questo standard di cui tutti sono innamorati perché MCP gli vogliono tutti bene in questo periodo, dicendo proprio “Ok, va bene, buona idea, facciamogli fare ancora più cose” che da un lato mi chiedo se sia una buona idea, nel senso la mia studio della storia dell’informatica dice che se non fai troppe cose tutte insieme forse è meglio, però se invece queste persone intelligenti che controllano queste questo queste idee queste specifiche, in particolare quelli di antropo detto buona idea, è un segno anche questo. Ehm la cosa che al di là di questa considerazione, l’altra considerazione che mi interessa fare è che facendo questo qualcuno potrebbe avere un pochettino destabilizzato parte del business o parte dell’industria. Che cosa intendo? Molto della produzione di software intorno all’AI generativa era di crearti un’app che fa fare il grosso dello sforzo allei generativa, ma che poi te la presenta con un iux che è utile a te. Non so le generative adesso non non sto scherzando. Le mie luci dell’albero di Natale nellaapp c’è lei generativa. Io posso chiedere a all’app di farmi delle luci in funzione della storia che gli racconto, la classica funzionalità che di cui tutti hanno bisogno. Ehm, per questa cosa allora hanno creato unapp, va bene? perché c’era la necessità, altrimenti era testo su testo. Se invece adesso espandiamo la semantica della chat testuale, quella di Chat GPT stesso o di chiunque altro la implementi, Cloud Gimini, significa che c’è una necessità minore di avere un custom client per fare delle cose extra, perché qualcosa in più la si fa nel client base, che è la pagina web testuale che che renderizza il il markup. Quindi a tutti gli effetti hanno rallentato la necessità di dover saltare a un’implementazione custom, perché l’implementazione generica adesso fa molte più cose di prima e è interessante questo. , disturberà qualcuno, disturberà alcuni business e al tempo stesso farà sì che i ragazzini superiori che giocano con ste cose faranno delle cose ancora più interessanti.
[34:51] Dashboard Generative e Visualizzazione dei Dati
Veronica Brizzi
Assolutamente sì. Assolutamente sì. Anche perché in realtà questo apre poi alla possibilità di costruirsi le proprie appunto parlavi prima di i limiti del dell’interazione testuale. industria e testi sono utili, sono comodi, ma alcune cose sono talmente complicate da descrivere che farlo solo col testo non si riesce perché ci sono proprio delle dei tipi di informazioni che se le racconti solo a voce o ti perdi oppure le stai semplificando troppo e in alcuni casi comunque avere la il supporto. Adesso, appunto, noi facciamo spesso l’informazione industriale poi passa da dashboard, passa da infografica, passa da quel tipo di informazione che riesce a sintetizzare tante informazioni nel modo giusto in una visualizzazione. avere un sistema che in base a chi sei, in base di che cosa hai bisogno, non ti generi un testo, ma ti generi un altro tipo di fruizione di quell’informazione, perché poi stiamo sempre parlando di informazioni generate da qualcosa, quindi non da lei è generativo, ma da qualcos’altro, però il modo in cui fruisci quell’informazione cambia nettamente poi l’impatto che puoi avere tu, perché se la capisci in un modo fai una cosa, se la capisci in un altro fai un’altra. un sistema che sia in grado di decidere in autonomia, guidato, come dicevamo prima da qualcuno. E però decidere in autonomia come raccontarti con l’informazione in modo che possa guidarti nel miglior modo possibile cambia radicalmente il modo in cui poi anche gli software industriali forniranno determinate determinati supporti che ad oggi sono tramite dashboard e tramite chatbot nei migliori dei casi. domani e dashboard statiche, tra virgolette, domani potrebbero essere invece dashboard dinamiche, non perché qualcuno ha definito che cosa vedere in anteprima, ma perché vengono generati automaticamente senza necessità di, appunto, di nessuno che ci pensi in anticipo rispetto alla visualizzazione. Tutte le analisi sotto comunque devono passare da qualcuno che conosce bene l’industria, che sia persona o che sia gente, qualcos’altro, non lo so. Però qualcuno che faccia solo quelle sia specializzato. Però sì, è molto interessante anche la verocità con cui queste cose si stanno sviluppando, perché se l’anno scorso fossimo mi avessero detto sì, tra 12 mesi ci sarebbero stati i Model Contex Protocol e ci sarebbero state tutte queste nuove cose bellissime per interagire col sistemi di generativa. , gli avrei detto sì, però un anno mi sembra un po’ poco e invece è una velocità a cui non siamo abituati in generale, in industria ancora meno perché l’industria si muove molto lentamente.
Paolo Antinori
Eh, lasciami dire, Veronica, che sentendoti, scusami Stefano, dico il pensiero e poi ti lascio la strada. Sentendoti parlare mi sono reso conto che forse il parallelo maggiore che questo annuncio di MCPUI mi mi fa mi accende un’idea nel cervello non è tanto quello con l’HTML, quanto più con Jupiter, tool vostro di data science, dovriete codice, scrivete numeri e a un certo punto c’è però qualche integrazione con la piattaforma che capisce che quella cosa che gli è scritto deve sputarmi fuori un grafico una tabella e quindi è un misto di visuale in multimediale e testuale nello stesso contesto.
Stefano Maestri
Sì, anche se quella roba lì in realtà i modelli un po’ già la facevano, nel senso che Jupiter alla fine scrive codice per fare le cose che hai detto, cioè in Jupiter ti scrivi un pezzetto di Python che sputa fuori la tabella piuttosto che il grafico, che è una cosa che se ci pensi banalmente Cloud, che è forse quello che fa più questa genere di attività faceva già il discorso della UI che mi riaggancio un attimo perché MCP l’anno annunciata, ma non è l’unica. Cioè, sull’altro protocollo in cui io sono più coinvolto A2A c’è già un’estensione che si chiama A2A UI, supportata, peraltro da Google stessa, anche se è scritta da altri, e che fa più o meno la stessa cosa, cioè espone un agente remoto attraverso una user interface anziché attraverso puro testo e allo stesso modo Google ha un suo progetto invece interno che si chiama Stitch, come Lilo Stitch, non c’è anche il logo richiama Stitch di Lil Stitch, che serve per generare appunto UI a partire dal dall’interazione con Gemini in questo caso. E c’è forte spinta su queste cose qui. Io all’inizio ero scettico, dico la verità, che il mio primo commento a to UI è stato “Sì, ma boh, cosa, cioè, cosa ce ne facciamo?” mi sembrava mi sembrava tornare indietro in realtà pensandoci, ascoltando anche Veronica adesso ha un forte senso perché al di là delle dashboard su cui poi ho un’altra cosa da dire che è forse un altro aspetto sicuramente ma che si affronta in questo momento, chi sta cercando di affrontarlo lo fa in un modo leggermente diverso. Ha la UI pura, quella del telefonino, che è quella che adesso NCP UI, gli ho dato solo un’occhiata. Quella che in ADU ui, che conosco meglio si fa è proprio quella roba lì, cioè rispondere con devo chiederti sì o no? Non ti chiedo caro utente, mi vuoi dire sì o no? E l’utente mi scrive sì o no. Ti metto sì o no e tu schiacci. E nell’industria magari dove l’interfaccia deve essere veloce, perché immagino io di correggimi se sbaglio, l’operaio sta guardando di non lasciare un dito sotto alla pressa e deve però schiacciare sì o no, non è che si può mettere girare, scrivere gentilmente alla sua al suo Llm con una tastiera che magari c’è pieno di polvere, eccetera, ma un monitor che schiaccia un bottone grande così con scritto sì e un bottone grande così con scritto no e in questo senso diventano super interessanti. Invece sulla dashboard dimmi scusa Stefano, ma questa secondo te oltre oltre a essere una questione di semplificazione del UI può essere vista anche come una forma di ottimizzazione nel processare la risposta perché se lasci una domanda aperta l’utente può risponderti qualunque come minimo come minimo non c’è il grazie. che che che tutti sì, grazie quel grazie possibili, diciamo, fraintendimenti, interpretazioni grigie del di quello che ti rispondono, cioè o è sì o è no. , però al tempo stesso potrebbe essere che non è solo sì, no, ma ci sono quattro possibili opzioni presentate di nuovo in quattro quadranti del dello schermo e e anche lì o 1 2 3 o qu Sì, sì, hai colto il punto. Hai hai colto il punto. Infatti alcuni LLM adesso una delle cose che hanno introdotto, ad esempio, nell’ultima versione di Antropic, sì, è in cloud che hanno messo questa cosa, sono gli structured output che va bene, rispondono Jason eccetera, ma soprattutto cominciano a dare un formato per le risposte che servono per la UI in primis, perché E chiaramente se tu rispondi in maniera strutturata è più facile derivarne in una UI per continuare l’interazione, ma servono anche per processare meglio le risposte. Ma questa cosa in Cloud Code, ad esempio, si vede già, perché se fai una skill che prevede domande chiuse, l’interfaccia di Cloud Code non ti chiede più di scrivere, ma ti fa un elenco in cui tu scorri con le frecce e scegli la risposta giusta, oppure c’è altro e scrivi il classico come nei form, no? , e questa cosa sia assolutamente un’ottimizzazione quando il modello riesce a prevedere delle risposte chiuse è molto meglio se riesce ad avere risposte chiuse. Evidentemente allucina meno, ha meno token che girano, eccetera eccetera. Sì, tra l’altro questa Vai. Prego, prego, scusami.
Veronica Brizzi
No, stavo solo aggiungendo, tra l’altro, questa modalità di interazione nello case di cui parlavamo prima, del trouble shooting manutentivo in cui comunque il sistema ti chiede lo hai fatto, fai questo, fai quest’altro, quali sono le scelte che hai fatto, quello diventa molto facile, anche perché in un contesto industriale è difficile che la gente si metta a scrivere se è in campo. È l’interfaccia standard di solito è parlando e in ottica di ottimizzazione dei token. Sappiamo benissimo, chiunque usa WhatsApp, gli audio di WhatsApp, quanto è si può dilungare una persona se può parlare. Avere invece la possibilità di cliccare senza dover scrivere e quindi facile e senza però dover parlare sicuramente unisce due esigenze completamente diverse.
Stefano Maestri
Eh sì. No, certo, l’interfaccia vocale ha l’alternativa in quei contesti lì, però se il contesto è rumoroso diventa un problema anche l’interfaccia vocale e quindi forse il bottonone che schiaccio con tutta la mano e rimane rimane utile, . No, invece sui sulle dashboard non era una cosa che avevo in mente, ma me l’hai fatta venire in mente parlando di dashboard e tutto quello che hai detto. Ehm, c’è una notizia che mi piace dare perché è di un’azienda che si chiama Pandas AI, che ha fatto Y Combinator nel 2024, una startup importante, ma che è guidata da Gabriele Venturi, italiano, italianissimo, , molto bravo. ehm ha sentito un suo talk assolutamente bello all’ultimo Code Motion e hanno lanciato un progetto nuovo dei Panda Sei che si chiama Enny che è esattamente quello che un po’ dicevi tu, cioè la generazione la la loro la chiamano la dashboard generativa, quindi usano un LM per generare una dashboard che sia però a differenza delle dashboard che abbiamo visto di Cloud e tutti gli altri, molto più affidabile. Hanno fatto molto fine tuning su questa cosa. Loro vengono da dal proprio dal mondo del training e del fine tuning, quindi c’è questa cosa, l’hanno annunciata, non ricordo se settimana scorsa o la settimana prima ed è molto interessante. Magari ho già provato ad invitarlo se ci ascolta e vuole venire a trovarci. Gabriele è più che benvenuto. Se non ci ascolta proverò a rinvitarlo perché comunque a o se qualcuno degli ascoltatori conosce Gabriele c e volesse segnalare che ci piacerebbe averlo qui, vi preghiamo, vi preghiamo di farlo. Ehm, no, è il progetto in sé è interessante. Ho visto qualche demo che demo sono e quindi vanno prese con le pinze, però sembra molto promettente e va un po’ nella stessa direzione, no? dal un un da un lato il generare la UI proprio come interfaccia e dall’altro generare dei report in maniera però direttamente con l’AI, cioè non c’è del codice in mezzo, è l’EI che genera il report sulla base dei dati a cui accesso, quindi un rag dietro tipicamente che estrappola i dati e lei è in grado di generare la dashboard. Mi è sembrato abbastanza interessante, Enny, lo ripeto per gli ascoltatori. Va bene, siamo arrivati a 47 minuti, quindi è il momento della televendita di Paolo. Ok, Jingle, perfetto. Via, Jingle. Ta ta ta. No, , volevo volevo vedere la faccia di Paolo sulla televendita che gli avevamo promesso in chiusura della puntata scorsa. Bello quello lì. Ah no, potresti vendere la palla volante che ti ho consigliato. , storia per un’altra un altro momento. Sì. No, , ne approfittiamo però per fare la marchetta e chiediamo adesso abbiamo tanti ascoltatori, vediamo delle statistiche più di quelli che hanno sottoscritto il canale, quindi chi non ha sottoscritto il canale sottoscriva il canale. Chi non ha messo mi piace tutte le stelline su Spotify lo faccia. Ci fate un regalo di Natale. Grazie.
Paolo Antinori
Ok, Veronica, quando ci vediamo poi al bar ti porto gli adesivi che Stefano mi ha dato l’altro giorno.
Veronica Brizzi
Va bene, così li puoi abbino.
Stefano Maestri
Gli adesivi potremmo dare a potremmo dare a chi ci incontra di persona e ci garantisce che ci ha metto che ci ha messo da cinque stelline, potrei regalare un adesivo. Grazie per la televendita. Vedi che ti sei
Paolo Antinori
Pensavo che la stessi Stai cercando di agganciare l’argomento alla politica americana con questo stile, visto che abbiamo una news anche in quella direzione.
Stefano Maestri
Assolutamente sì, vedo che mi hai mi hai capito, per cui vai con la news sulla politica americana.
Paolo Antinori
Allora, la news è sulla politica americana e è quasi storia vecchia perché in realtà era stata annunciata, però è stata firmata soltanto in questi giorni ed è il piano industriale firmato dal bonifico presidente Trump per investire non so quanti miliardi nella ricerca e nella creazione di un AI. Ve la sto riassumendo male senza dettagli perché i dettagli non sono tanto importanti a mio avviso. È importante il paragone che è stato fatto ed è stato citato nell’iniziativa ed è stata descritta questa iniziativa, questa iniziativa tecnica industriale equivalente al valore del progetto Manatthan che è quello che portò la bomba atomica. Quindi bene ma non benissimo. Ehm What can go wrong? Ehm, non lo so, cioè di sicuro è un qualcosa di interessante, nel senso Botonica con tutto il suo male, non lo voglio giustificare, aveva Fermi che ci lavorava sopra, aveva Oppenheimer, aveva della gente intelligente che stava scoprendo cose che non eravamo in grado di di sapere prima, che avevano un impatto. Ciè voluto un po’ di tempo per trasformarli da una cosa distruttiva e una cosa costruttiva. Speriamo di non dover fare lo stesso passaggio con l’AI, da passare a una fase di distruttività a una di costruttività.
[48:53] Etica e Responsabilità nell’Intelligenza Artificiale
Alessio Soldano
A me viene in mente il dilemma che avevano gli scienziati al tempo e oggi chi si occupa di questa cosa? gli ingegneri, i data scientist, cioè l’utilizzo diciamo etico della tecnologia, di quello che viene inventato, eccetera, chi si prende la responsabilità?
Stefano Maestri
Ah, in Europa i politici, pur non capendo cosa stanno scrivendo, però lo stanno facendo i politici, che non è detto che sei un male, io non lo dico come cosa negativa. , in America le big tech e non è detto che sia un male, sono più tendenti al male di qua che di là, ma perché ci sono interessi economici. Cioè, in America se ne sta occupando chi muove i soldi, in Europa sta cercando di occuparsene chi in teoria dovrebbe legiferare. Poi ci metto tanti intorno cercando di perché purtroppo la materia è complessa, è nuova. , storicamente i politici europei non brillano per essere vicinissimi all’innovazione, diciamo, per usare un eufemismo e quindi sta venendo fuori un po’ un pastrocchio. Questa è la mia personalissima opinione, però almeno ci provano di là. È solo ok, voi muovete i soldi, fate i bravi, fate i nostri interessi più che fate i bravi, perché anche fate i bravi qualche volta non è Sì. , esatto. Cioè, è è filino rischiosa, ecco, come però Sì.
Alessio Soldano
Non fate cose troppo cattive perché poi alla fine finisce che ci bloccano e quindi ci smeniamo soldi.
[51:03] Interessi Economici e Innovazione Politica
Stefano Maestri
Eh, anche. Esatto. Sì, ma sì, è come quando è stato chiesto alle compagnie petrolifere di abbassare le missioni. , però c’è un leggerissimo conflitto di interessi in questa cosa, quindi diventa sinceramente un pochettino difficile. Tra l’altro su questa cosa magari ci torniamo in un’altra puntata dopo che l’abbiamo Io finita di ascoltare nel caso voi non l’abbiate sentita sentita. Secondo me vale la pena fare una puntata speciale, come abbiamo fatto su un talk Carpati. Andrei Carpati. , stavolta la farei su un’intervista di Ilia, scusate la pronuncia difficile, Sutkev, , Il Sutskever, che è quello di SSI, Safe Super Intelligence. che ha fondato Se super intelligente, che ha fatto una bella intervista che tocca proprio questi temi sul che cos’è la superintelligence, che cos’è le gi, perché ci si può arrivare, non arrivare e anche i temi etici che a lui stanno particolarmente a cuore apparentemente, ma magari ne parliamo un’altra volta, la consiglio solo per met perché poi la mettiamo in descrizione se qualcuno se la vuole intanto magari ascoltare. Ecco, non so se voi avete sentito qualcosa.
Paolo Antinori
Io l’ho iniziata, sono a metà 30-45 minuti. È un po’ ruvida, è un po’ spessa questa intervista. Peraltro inizia a bruciapelo senza un’introduzione, boom iniziano a parlare e ti ti distratto. Dici “Mi è saltato l’inizio.” No, no, hanno proprio iniziato così. E nei primi 30 minuti l’intervistatore deve fare una parentesi dire “Scusatemi, ma per queste interviste era un po’ difficile perché non c’è nessun riferimento di su che cosa stia lavorando Ilia in questo periodo, quindi non avevo degli argomenti da poter citare e durante l’intervista Ilia dice anche sì, ci sarebbero tante altre cose da dire, ma non posso dirle.” Molto bene. Quindi non ho idea di che cosa stiano combinando e col riferimento di prima progetto Malattan Mh forse forse siamo qualcuno un occhio magari è meglio se ce butta.
Stefano Maestri
che se Sì, però lui è molto attento apparentemente e fa molto da contraltare ai vari semaltman e compagnia bella dicendo, “No, io non voglio il punto, noi non entriamo in competizione, non ci interessa entrare in competizione, ci interessa fare una cosa safe e tutte queste cose.” Poi chiaramente è sempre una persona, devo dire a me l’intervista, io sono un po’ più avanti, te non l’ho ancora finita, ma sono intorno allora. , l’intervista dura 90 minuti, dopo comincia a parlare di questi aspetti e quantomeno è convincente. Poi dopo chiaramente resta una persona di origini varie e quindi con tante sensibilità, , che però a me sta piacendo. Allora, mettiamola così. Sicuramente vale la pena ascoltarla e farci una riflessione e magari farci anche una riflessione insieme. Poi vediamo se riusciamo ad incastrarla tra le varie cose delle prossime settimane. Però se a qualcuno interessa ci lasciate i link, ci lasciate i commenti, , così sappiamo che che vorreste che ne parlassimo.
Paolo Antinori
Fammi spingere Veronica un’altra volta davanti alla telecamera senza che lei lo stia cercando. qual è il ruolo di chi fa il tuo lavoro o meglio, qual è la relazione di chi fa il tuo lavoro con le news, con l’evoluzione, con tutte queste cose che succedono, come ad esempio l’intervista che abbiamo appena citato? Ehm, cosa guardate voi o cosa guardi tu per tenerti aggiornata, per capire cosa succederà oggi tra 5 anni, tra 10 anni?
[56:09] Approccio Pragmatico all’Intelligenza Artificiale
Veronica Brizzi
È una domanda difficilissima, più che altro perché le cose da sentire, da vedere, da leggere ce ne sono una tonnellata, soprattutto se si parla di ai tutto tondo e quindi qualche volta ci si sente quasi overwhelmed, com’è che si dice in italiano, sopraffatti dalla dalla mole di cose che si potrebbero leggere. Io personalmente di solito mi concentro più sui paper scientifici, quindi non non mi avvicino molto sulle news perché le news spesso sono opinabili o comunque un po’ semplicistiche, si concentrano magari su temi talmente alti che non sono i veri problemi di domani, ma magari saranno problemi tra 20 anni. , e poi e quindi vabbè, paper scientifici su come stanno costruendo per davvero le cose, ce ne sono tantissimi, sono affascinantissimi e poi le interviste, anch’io sento sento le interviste, anche se, appunto, sono molto lunghe, prima le ascoltavo di più perché viaggiavo di più in auto, adesso avendo cambiato ruolo sono molto più dietro al PC e quindi come dicevo prima, entro nel flow e praticamente sto tutti i pomeriggi a fare codice e il tempo è quello che è. Ehm, però, appunto, mh è tanto difficile tenersi allineato su allineata su tutto quello che sta succedendo e quindi io di solito preferisco avere un approccio più pragmatico e utilitaristico della serie. Questa cosa la leggo su Medium perché è super interessante, mi serve e la trovo interessante. Leggo magari questo articolo perché mi fido della persona che l’ha scritto e vabbè leggo magari questo saggio perché il tipo di ehm intuizione che lascia è interessante. Non so, Fagin, piuttosto che Arari, piuttosto che altri, che sono i grandi nomi che non sono però veramente tecnici, sono però delle sono più delle suggestioni di quello che potrebbe succedere che aiuta un po’ a esercitare la propria sensibilità e ricordarsi sempre di farsi le domande giuste prima di fare delle cose. Non fare le cose solo perché si possono fare. Poi, appunto, in quello che faccio io, l’impatto è relativamente limitato perché uso dati semplici e faccio modelli semplici, però in generale comunque avere in mente anche l’impatto e la responsabilità che abbiamo non è male e quindi esercitare la propria sensibilità di conseguenza per avere anche un approccio etico alle cose che facciamo.
Stefano Maestri
Grazie. Eh, sulle news invece, allora io torno invece sulla news più stretta, , c’è il rilascio di un modello nuovo che va segnalato perché ne abbiamo l’abbiamo già nominato tre quattro volte, Antropic, , diciamolo che hanno rilasciato Opus 4.5. , allora, dovrebbe essere state of the art, vero? per scrivere codice, pianificare codice. I benchmark sono meglio di Gemini 3 su quello. , non l’ho provato su quella parte lì perché mi trovo abbastanza bene con quello più piccolo, Sonnet e quindi non ho un’opinione. L’ho provato invece nel nel chatbot e devo dire che i risultati sono stati notevoli nel crearmi un documento, una un documento per preparare un’intervista che uscirà mercoledì. No spoiler di chi è, ma ci sarà un’intervista mercoledì. Paolo sorride già. Sarà un’intervista assolutamente divertente. Paolo l’ha già vista in anteprima e quindi lo può lo può confermare. , però divertente è interessante. , adesso divertente perché la persona che intervistiamo è molto simpatica anche, ma è anche super super competente, super famoso nel nostro mondo è anche molto nerd, quindi chi ci voleva più nerd anche nel anche in questa intervista che le interviste cerchiamo di tenerle un pochino fuori dal nerdismo puro, qua non ci siamo riusciti. Qui lui è più nerdo di noi, quindi non si poteva andare in una direzione diversa. Ecco.
Alessio Soldano
Senti, ma tornando ad Occus, io avevo letto, anch’io non l’ho provato, chiaramente, , avevo letto che dicevano di aver abbassato i costi. Ma come sono effettivamente questi costi? Se hai visto, perché in passato il discorso era no, non usiamo Opus, usiamo Sonnet perché la differenza di diciamo di costi, delle PI è apprezzabile.
Stefano Maestri
È un terzo di prima. è un terzo di prima che sono sempre alti, ma è un terzo di prima perché prima era 1575 15 per milione di token in input, $15 per milione di token in input e 75 per milione di token in output, che è un prezzo importante e sulle PI almeno e adesso è 525, quindi un terzo secco. , paragoni, tanto per dare qualche paragone, credo che GPT 5.1 si assesti su cifre simili, forse 520. Adesso devo verificarli i prezzi eh GPT e PI price intanto che parlo.
Paolo Antinori
io rimango convinto che servirebbe qualcosa come la vecchia Vodafone Christmas Card di quando eravamo giovani noi dove non mandavi i messaggi tutto l’anno e il periodo di dicembre li mandavi perché non li pagavi. Quindi ci dovrebbero aprire i rubinetti della delle generative per tutti quanti.
Stefano Maestri
Ora, in realtà, se vuoi, , non al prezzo a Christmas card, ma un po’ più alto, Antropic ce l’ha, no, ma $200 al mese li dai ad Antropic e fai quello che vuoi, più o meno, nel senso che sì, ha dei limiti, ma sono talmente alti che non li raggiungerai. , però comunque sono 200 diciamo che ci compro il telefono con $200 anziché la Crism Car, però ho capito il tuo punto. Allora, no, GPT 5.1 più basso, 1,250 input e 10 in output, però GPT5 Pro è 15120, quindi ancora più alto. Invece andando su Antropic, eh, giusto per paragonarlo anche a Sonnet, il modello più piccolo, vediamo se lo trovo al volo, altrimenti passiamo alla prossima news. No, questi qui.
Paolo Antinori
A me sembra che stai parlando di quel cartello che c’hai in autostrada ogni tanto con i prezzi della benzina nei vari dove tu decidi dove fare il pieno.
Stefano Maestri
Beh, comunque più caro, più interessante di questo. 15.
Paolo Antinori
Secondo me più interessante l’aspetto economico è che hai citato che alcuni dei risultati dei benchmark sono dichiarati migliori di quelli di Gemini 3, che è interessante anche perché io sono rimasto colpito da un tweet che ha fatto un po’ a giro questa settimana di Mark Benof si o di Sales Force, quindi persona sveglia in gamba e capace di crear cose che ha detto “Sono un utente contento di chat GPT da un anno. Ho provato Gemini 3 per un’ora e adesso non riesco a immaginare di tornare indietro.
Stefano Maestri
Sì, l’ho visto.
Paolo Antinori
E detta da lui, adesso non lo so, però ci sembrava abbastanza spontaneo il il Twitter, non sembrava una sponsorizzazione, qualcosa di questo tipo. Cioè, era onestamente un nerd entusiasta che diceva “Uh, provate sta roba, che figo.” Tu adesso mi dici che quantomeno sulla carta Antropic hai già riavvicinato, se non superato, in alcuni degli assi della direzione e dici “Wow, sta roba l’anno prossimo chissà di cosa stiamo parlando”.
Stefano Maestri
sulla cosa di in particolare sulla parte agentica intesa come coding migliore, il che è significativo perché già loro davano un’esperienza veramente alta inagentic coding. Poi andrebbe un attimo provato e capito per il caso specifico. Probabilmente mia esperienza personale, io li uso tutti e tre i major. Posso dire che ormai chat GPT lo tengo perché sennò mia figlia mi ammazza l’abbonamento se glielo tolgo, ma io lo sto usando relativamente poco. Ho sempre usato parecchio Cloud perché ha uno stile di domanda e risposta che io preferisco, però Gemini adesso è quello che uso di più per la pura chat, per l’uso quotidiano del fammi le slide, estrappolami il riassunto di questo video, fammi l’immagine. Ehm, cioè è una proposta completa e io su questo cito Gulli, il il distinguish engineer che ha scritto quel libro che nominavi tu, Paolo di recente, quello sugli agenti Agentic Design Patters. Che al di là che il libro è molto bello, che lo sto leggendo anch’io, ma al di là di questo ha fatto un post su LinkedIn sull’annuncio di Geminai. Mettendo come unico testo We are so back, che è siamo proprio tornati, siamo siamo così tanto tornati intendendo Google in questo in questo senso, perché lo dicevamo l’altra volta è per stessa missione di Altman è sorpasso a destra fa rispetti, insomma, Non l’esperienza utente è veramente per me notevole, alta. Ho citato le cose che ho fatto l’altro giorno, ma anche i transcript che vedete. Abbiamo iniziato a far a pubblicare anche i transcript di questo podcast. trovate il link ad una pagina dove potete leggere tutto il transcript completo ed è fatto con la use di Gemini 3. Prima di Gemini 3 io ci avevo provato con tutti gli altri modelli, impossibile.
Paolo Antinori
Peraltro, scusami, la storia in realtà è più interessante di come l’hai riassunta perché è un merge di due transcript di due tecnologie diverse, una che riconosce chi sta parlando e una che riconosce i time stamp e quindi in realtà non è semplicemente il transcript banale, no?
Stefano Maestri
No, esatto, cioè c’è c’è proprio chi ha detto cosa al e raggruppando anche per minutaggio i vari capitoli, cioè è è un transcriptionale, vorrei dire, e mai mi sarei messo a farlo mano, evidentemente. , però Gemini dandogli i giusti file in input, per carità, cioè c’è c’è un minimo di lavoro dal nostro lato, però il risultato è assolutamente notevole, genera un file MD che io pubblico su Gitup Pages e fine dal circo, cioè non gli ho ho anche creato la gem ieri per per questa cosa ieri sera, quindi
Paolo Antinori
anch’io ne ho appena fatta una, quindi sono capisco il valore. la soddisfazione di quando dici “Bella, sto automatizzando una grossa quantità di lavoro che posso da oggi in poi dimenticarmi e dargli un nome facile.” Però volevo dire invece Stefano, ce la raccontiamo e suoniamo sempre da soli noi, ovvero su come usiamo noi questi toolen. Non so se l’abbiamo mai chiesto neanche gli ospiti precedenti. Oggi abbiamo Veronica che fa un lavoro en zone da programmatrice, data scientist, ingegnera e tante altre cose. Tu qual è la tua relazione con queste tecnologie? queste o altre di cui noi non sappiamo neanche l’esistenza.
[01:08:21] Utilizzo Pratico delle Tecnologie AI
Veronica Brizzi
Ah, che domanda! Ok. Eh beh, io lo uso tantissimo per scrivere codice, come credo chiunque che scrive codice. E in realtà vabbè, io utilizzo Copilot dentro Visual Code perché è facile, perché è integrato, faccio tab tab e funziona. E poi utilizzo, in realtà utilizzo tantissimo Gemini e c’ha GPT comparandoli, nel senso che in alcuni casi chiedo magari la stessa cosa entrambi e vedo quale funziona di più. mi piace più di più già CPT quando devo scrivere codice, però appunto utilizzo i tool in modo utilitaristico e non a livello esplorativo, per cui cioè sicura, non sono sicuramente in riferimento su come utilizzare questi strumenti. Ehm, li utilizzo tanto anche per fare magari ragionamenti ad alta voce, quindi ragionamenti che spesso faccio sul foglio di carta e quindi poi magari mi confronto anche con lo strumento, appunto, di solito uso Gemini CGPT per fare queste cose sul m ad esempio temi di settore che però sono, cioè so che esistono sulla rete, per cui sfrutto la loro capacità di ricercare le informazioni per, ad esempio, eh trovare la definizione specifica, corretta, confermare determinate cose. Ehm e poi sai che ti dirò, in realtà queste sono le modalità principali con cui con cui utilizzo, ripeto, in modo estremamente utilitaristico, utilizzo tantissimo anche per fare la sintesi delle del dei verbali di riunione, quindi quelle cose scritte brutte mentre stai parlando e quindi li butti dentro, lui ti dà il il sistemino. Però devo dire che il grande risparmio di tempo, dal mio punto di vista principalmente su sulla parte di codice, anche perché il tipo di codice scrivo io, che non sono software engineer, ma sono data scientist, è molto più custom. In alcuni casi io ho delle librerie, delle funzioni che posso riutilizzare, in tantissimi altri casi no e quindi tutte le volte devo riscrivermi da capo determinate cose. farmeli fare in modo che qualcuno me li possa scrivere in modo facile è molto utile, anche perché ad esempio io, ma tanti del mio settore utilizziamo Streamlit, per esempio, per rendere facili le diciamo la fruizione dei nostri risultati di analisi specifiche, perché magari lo devi raccontare a alla persona che non è non è informatica e quindi fargli vedere il codice proprio non si fa. le mie app di Streamlit, una volta che io ho tutta la parte sotto che ho controllato e sono sicura che fa quello che faccio io, tendenzialmente me le faccio scrivere e nove volte su 10 funzionano con delle piccole modifiche e quindi risparmia magari due giorni di lavoro. Però ripeto, il mio approccio è estremamente utilitaristico proprio perché il mio focus non è tanto sulla tecnologia insieme dell’AI, ma sull’applicazione, quindi sull’apply dei in industria, quindi diciamo che ho un interesse un pochino più legato a quello e quindi non ho un sacco di news interessanti come le vostre invece.
Stefano Maestri
Siamo già lunghi, come ci capita sempre, , strano, per cui avremo un’altra un’altra fila di news, ma le terremo per le prossime volte. Se io vorrei ringraziare tanto Veronica per il contributo e e quanto ha eh aperto la visione su cose che di solito non tocchiamo e che sicuramente sono interessanti per noi. Beh, per me di certo, ma credo anche per chi ci ascolta. E quindi grazie ancora per essere venuto a trovarci. Ehm, basta, io non ho altro da aggiungere. Se Paolo o Alessio hanno altro da aggiungere, su questo altro.
Paolo Antinori
Volevo volevo solo commentare che parlando oggi con Veronica, ho quasi capito come mai spesso ai programmatori viene offerto un contratto dei metal meccanici. Ha quasi avuto senso dopo la conversazione di oggi.
Veronica Brizzi
Eh sì, eh sì.
Alessio Soldano
Ma quindi il fatto che tu non hai avuto un contratto metal meccanico negli ultimi 15 anni, Paolo, vuol dire che non sei un programmatore.
Veronica Brizzi
Vedi?
Paolo Antinori
Probabilmente non sono un programmatore e sì, vendo vendo faccio faccio le televendite, come diceva Stefan.
Stefano Maestri
Ecco, appunto. Perfetto, perfetto. Quindi la per la televendita di Paolo andate al minuto 46 circa. E per tutto il resto ci vediamo la prossima settimana. Grazie. E mercoledì c’è un’intervista, ascoltatela. Ciao ciao ciao c co. M.