C’è un modo molto facile di parlare di AI in Italia: elencare tutto quello che manca. È vero che siamo lontani dai budget dei grandi laboratori. Proprio per questo la domanda interessante non è “come facciamo il nostro ChatGPT?”. È “quale pezzo dell’infrastruttura manca davvero a chi deve usare l’AI domani mattina?”.
Rizzo-PII: privacy prima del cloud
Rizzo-PII affronta un problema concreto: riconoscere e mascherare dati sensibili italiani prima che un documento venga inviato a un modello esterno. Codici fiscali, IBAN, nomi, dati specifici del contesto italiano. È una soluzione meno spettacolare di un nuovo chatbot, ma molto più vicina a ciò che blocca davvero un progetto in uno studio medico, legale o professionale.
Elaborazione prima del cloud
Dati sensibili italiani
Infrastruttura ispezionabile
Annota AI: il lavoro che nessuno mette nella demo
PDF sporchi, scansioni, documenti incoerenti, annotazione, trasformazione dei dati. È il lavoro noioso che decide se un progetto AI arriva in produzione oppure resta un prototipo. Trasformarlo in prodotto è interessante proprio perché sposta l’attenzione dal modello al dato.
EDITORIAL NOTE“I modelli diventano sempre più accessibili. I dati puliti, contestuali e governabili restano il vantaggio difficile da copiare.”
Il punto per chi costruisce sistemi AI in Italia
Non so se questi strumenti diventeranno lo standard, e non serve fingere di saperlo il giorno del lancio. Il segnale interessante è strategico: c’è spazio per costruire infrastruttura verticale, locale e molto specifica invece di imitare frontalmente prodotti che richiedono capitali fuori scala.
È una direzione che trovo molto più interessante anche per INAZUMA: meno “abbiamo il nostro modello”, più “abbiamo risolto il pezzo che impediva al sistema di funzionare bene nel mondo reale”.