Il business dei dati e del loro utilizzo
Incorpora video
Il business dei dati e del loro utilizzo
In questo panel è stato discusso il delicato tema dei dati e il loro utilizzo nell’ambito aziendale. È stato introdotto il concetto di “oro nero”, paragonando i dati al petrolio, evidenziando quindi le fasi di esplorazione, estrazione e raffinazione degli stessi. Parallelamente, sono state analizzate le asimmetrie e le sfide etiche legate all’utilizzo dei dati.
Sottotitoli creati dalla comunità Amara.org L'importanza di insentirati dei dati, dell'importanza di persone che sanno leggere i numeri all'interno delle aziende, cosa abbiamo? Adesso cambiamo idea, vivremo davanti a una chat, a un chatbot. Allora, buongiorno a tutti e davvero grazie per essere qui oggi con noi al Festival dell'economia di Trento. Parto da come hai presentato il tema, cioè il tema è l'oro nero, il petrolio e vi dicendo per chi si occupa di oil and gas. L'oil and gas è un processo che ha una fase di ricerca e di splorazione e di estrazione, quello che viene chiamato tecnicamente l'upstream e poi una fase di raffinazione, cioè dall'olo dal grezzo bisogna pulirlo e venire fuori con un prodotto. Siamo sattamente nella stessa situazione. I dati sono dei giacimenti, poi dobbiamo gestire chi li inserisce, come in qualche maniera andare a cercarlo, ma non hanno nessun valore se non li raffiniamo. Se non abbiamo quindi una fase di esplorazione e di estrazione e quindi dobbiamo andare a cercarli perché sono nascosti ovunque, sono in testi, da qui in qualche maniera usciranno dei testi e quindi noi potremo raccogliere dei testi, quindi dovremo essere in grado di tradurre questi testi in dati. Sono dei sensori, come tutti i cellulari che in qualche maniera abbiamo in questa sala e sono anche dei sensori molto specialistici che possono essere da un sensore che misura quanto è il consumo dell'acqua di un territorio a un sensore che misura quanto battiti cardiaci ha un individuo. Quindi queste sono la produzione di questi dati. Poi vanno raffinati, in qualche maniera vanno puliti perché naturalmente devono essere messi tutti insieme, devono essere collegati e questa parte di raffinazione è naturalmente tutto il tema dell'intelligenza artificiale. Guardate che l'intelligenza artificiale due cose non ha. Uno è una cosa nuova, l'algoritmo dell'intelligenza artificiale sono del fine dei anni 80, quindi stiamo parlando di una cosa che per gli addetti al lavoro è vecchissima da un punto di vista. Secondo è tutt'altro che artificiale, è molto reale ed è diventata reale oggi perché sono avvenute tre condizioni tecnologiche importantissime. La prima è la capacità di calcolo, cioè questa marea di dati, cioè mettere insieme un'immagine che viene dallo spazio, i nostri telefonini o i sensori dell'acqua dell'agricoltura non avevamo capacità di calcolo. Le grandi investimenti che anche il nostro Paese sta facendo, come l'iPerformance Computing, ci dà lo strumento per leggere i dati. Noi potevamo vedere prima le deviazioni strutturali del Ponto Morandi, sì con un sensore, no perché non sapevamo che quell'evento sarebbe caduto. Quindi abbiamo bisogno di capacità di prevenzione dotando le nostre infrastrutture industriali, della sanità, del trasporto con dei sensori e quindi capacità di calcolo. Il secondo è connettività, quindi il 5G per esempio è uno strumento che ci permette di essere veloci nel passaggio di dati da una parte all'altra perché anche qui se non abbiamo velocità di trasmissione e aggiungo poca latenza nel rispondere perché naturalmente se io do un messaggio e devo aspettare qualche secondo per tornare indietro tutto il mondo del real time è tagliato fuori. Terza gli algoritmi, allora questi tre combinati di sposto rendono l'intelligenza artificiale reale e reale cosa vuol dire? Reale vuol dire business nel senso che poi i ricercatori universitari possono divertirsi a studiare tantissimo e fare dei grandi algoritmi ma se non c'è qualcuno che paga la ricerca pubblica o privata questa ricerca non riesce a produrre risultati e allora fatemi fare un po' il presidente della fondazione Bruno Chester vuol dire fare business vuol dire tradurre quegli algoritmi per politiche per la sanità quindi 250 mila trentini che hanno in qualche maniera degli strumenti oggi non domani oggi per fare per collegare tutto quello che è il tema sanitario cioè le mie cartelle cliniche ma anche tutto il tema comportamentale abitudini di vita e quindi in qualche maniera prevenzione ma passiamo dall'altra l'industria ormai è data per scontata cioè se c'è un'industria oggi che non utilizza intelligenza artificiale per fare manutenzione predittiva sviluppo tecnologico seguire il cliente non ci sarà più nel prossimi tre anni del festival cioè tra tre anni la ministratrice delegata non la inviterà più quell'industria perché non esisterà più quell'industria quindi l'industria in questo momento è obbligata a fare questo passaggio ma anche settori che noi vediamo sempre un pochino più arretrati l'agricoltura oggi se non capisce in qualche maniera che deve sviluppare dalla centellinare o gestire l'acqua al tracciamento del prodotto finale quindi in una filiera completa non diventerà un processo di valore un processo profittevole quindi per rispondere a tua domanda un grande un grandissimo processo di raffinazione in cui i vari ingredienti oggi sono possibili perché la tecnologia è arrivata siamo maturi per produrre business valore che naturalmente poi le imprese devono restituire alla ricerca perché noi ci lavoriamo da trent'anni quindi un pochino devono restituircelo quando io ho iniziato a fare il giornalista di dati dieci anni fa mi sentivo un po' cioè il lumino che aveva bucato il deserto ed è uscito fuori qualcosa e lì però ho capito subito che c'è un problema di cultura del dato volevo chiedere a Maurizio Ferrari, professore di Inario di Filosofia Teoretica dell'Università di Turino questa cultura del dato poi in Italia non c'è mai stata tanto cioè tuttora nelle aziende si fa un po' fatica a inseguire quello che è il miraggio della data driven, ne parliamo tantissimo ma poi sono in pochi che la mettono in pratica ma soprattutto manca un'idea di che cosa sono realmente i dati cioè sono davvero il petrolio partendo dalla domanda che ho lanciato all'inizio di questo dibattito o è qualcosa di diverso o è cambiato nel corso del tempo rispetto a quella visione di cinque o sei anni fa se non ricordo male? Ma che siano come petrolio come stato suggerito prima è vero per quanto riguarda la questione che devono essere raffinati, petrolio non raffinato non serve a niente quindi un dato singolo, un dato non messo insieme a tanti altri dati, un corpus di dati a cui non si è dato un significato non vale niente mentre se riesci a dare un significato riesci a trasformare in oro anche i colpi di tosse dell'umanità, magari uno mettendo insieme tutti i colpi di tosse dell'umanità riesce a fare un'applicazione che fa scoprire basta tosire il telefono se c'è il covid o meno, per inciso era un'idea che era circolata all'inizio, la cosa straordinaria è che effettivamente i colpi di tosse dell'umanità sono registrati perché la cosa straordinaria è che tutto viene registrato su web. La differenza rispetto al petrolio è però questo che il petrolio l'ha fatto i minosauri mentre i dati rifacciamo noi cioè i dati sono la registrazione delle intelligenze naturali e delle forme di vita dell'umanità. Per forme di vita dell'umanità intendo che anche i dati strutturali del Ponte Morandi per esempio interessano soltanto all'umanità e hanno un significato soltanto per l'umanità cioè non è che ci può essere un ipotetico castoro preoccupato sia del Ponte Morandi sia dell'andare a vedere dei contenuti su internet non interessa proprio mentre gli umani sono coloro che agiscono che danno significato a tutto questo. Allora secondo me riuscire a riconoscere gli umani sia come destinatari sia come produttori di questi dati è l'elemento fondamentale per poter lavorare sui dati nel senso che io propongo di concettualizzare i dati come un patrimonio dell'umanità cioè è qualcosa che l'umanità intera per il momento metama poi va a capire produce e che può ritornare in tanti modi in modi di servizi di conoscenza eccetera l'umanità calcolando che e su questo se ho ancora un momento vorrei fare una precisazione ci sono delle peculiarità di questo patrimonio che lo rendono particolarmente interessante e cioè primo è un patrimonio nuovo cioè vent'anni fa non c'era se guardate pichetti fa il capitale del ventunesimo secolo libro del 2013 e non parla di economia dei dati semplicemente perché all'epoca non si pensava ancora che quello sarebbe stato il punto fondamentale un patrimonio ricco perché ha mille volte più conoscenza che i patrimoni che normalmente abbiamo patrimonia che cosa può essere uno ha dei soldi in banca certo è qualcosa ma invece sapere tutto quello che si può sapere e che può essere poi distillato dall'intelligenza artificiale che ti viene dai dati è qualcosa di enormemente più ampio e di più importante altro punto è un patrimonio rinnovabile nel senso che altre differenze rispetto al petroglio se io do un barriere di petroglio a uno io resto senza questo barriere di petroglio mentre se io do i dati a qualcuno continuo ad avere i dati io quindi non hai bisogno di fare l'esproprio dei dati a google per esempio perché lui ti direbbe scusate io ho fatto ricerca sviluppo cosa devo darvi queste cose no no ma noi te li lasciamo semplicemente per esempio la legge europea della portabilità dei dati dali a noi ovviamente di nuovo noi singolarmente ce ne facciamo poco ma se li mettiamo insieme a tanti altri dati ci sono delle strutture capaci di gestire questi dati grosso problema giustamente si è parlato dell'importanza dell'interpretazione mentre praticamente in ogni università c'è qualcuno che insegna storia contemporanea ed è un'ottima cosa noi in ogni università c'è qualcuno che è capace di interpretare i dati perché ma perché è un bene che si preferisce tenere nascosto cioè si preferisce tenere per sé non andargli a raccontare in giro come si interpretano i dati se no favorisci la concorrenza ultimo punto e poi mi taccio è un patrimonio equo nel senso che quello che viene capitalizzato non è come nel capitalismo protestante l'impegno del singolo eletto da dio che a questo punto diventa ricco eccetera i dati valgono tanto di più quante più sono le persone che entrano dentro il processo di capitalizzazione e non premia nel merito nel demerito premia semplicemente il modo generale in cui l'umanità si comporta quindi venendo e chiudendo primo l'intelligenza artificiale è fatta tutta dell'intelligenza naturale in fondo l'argomento che poi è stato tirato fuori problematicamente rispetto a ciò il gtp era però dire ma guardate che i contenuti che vengono adoperati certo non li hanno fatti nei marziani né negli elefanti hanno fatto altri esseri umani e questa intelligenza naturale che compone l'intelligenza artificiale è anche ripeto un capitale di cui noi non prendiamo le misure e lì secondo me è importante riuscire a fare la differenza rispetto al petrolio cioè avere sempre chiaro che il petrolio lo trovi in fondo dentro dei giacimenti fatto da degli dinosauri milioni di anni fa mentre i dati li stiamo producendo noi tutti qua adesso io devo dire grande tifoso del dato come bene comune questa è stata una battaglia di nova dell'inizio una cosa che mi ha colpito io due settimane fa ro a mountain view da google google è uno dei grandi attori insomma dell'intelligenza artificiale insomma hanno aperto i loro chatbot di loro software di ai in 180 paesi e di questi 180 paesi non c'è un paese europeo questo per dire che i dati sono sono comuni sono di tutti ma poi gli algoritmi di fatto devono girare devono una certa trasparenza ci sarà un tema geopolitico questo questo fatto qui si inserisce all'interno di una domanda che chiaramente allegia su questa sala da dall'inizio no e che mi permetto di girare subito a varia savona professoressa della luise dell'economia dell'innovazione al saks university del regno unito non ci giriamo intorno appena questo accade spesso però appena arriva una nuova tecnologia si parla di cancellazione di milioni di posti di lavoro attenzione anche con i banco ma si diceva la stessa cosa finiranno le banche i bancari poi in realtà nei numeri non è successo l'unica volta in cui si sono persi lavoratori è stata nella prima rivoluzione industriale del 29 quando sono state le macchine noi avevamo fatto i calcoli lì sì lì ragazzi no poi la tecnologia con chiaramente dei tempi diversi però a distruzione creativa del lavoro cioè per cui sì ne cancellava tanti ne automatizzava tanti ma ne generava di nuovi prompti ingegneri è così oppure questa volta ci troveremo di fronte a una cancellazione di posti io ho paura della risposta e poi andiamo avanti grazie se posso luca potrei fare una chiosa su quello che è stato detto come allora faccio l'economista qui che forse mi piace questo panel multidisciplinare credo che dobbiamo affrontare la cosa del la questione del dato da diversi punti di vista allora il dato non è il petrolio secondo me perché i petroli sono le risorse naturali sono escludibili ma rivali e quindi come diceva insomma Maurizio la questione la differenza è il dato in realtà generato da noi può essere escludibile ma non è il rivale quindi io posso escludere l'utilizzo dei miei dati personali ma una volta che mi cedo l'utilizzo il dato non è il rivale quindi non finisce quindi diciamo le economie di network cosiddette che derivano dallo stoccaggio di dati personali e dalla successiva raffineria sono molto da porta a un'enorme concentrazione di valore e quindi questo è anche diciamo mi permetto di dissentire sulla democrazia del dato perché il concentrazione del valore probabilmente non ha degli effetti molto democratici tra chi genera dati personali chi li raffina viva l'europa insomma da questo punto di vista non per giocare l'eurocentrica però sì viva l'europa perché perlomeno un tentativo di regolamentazione o di un'idea a ristabilire degli equilibri tra il singolo generatore del dato e diciamo chi li raffina per rimanere in metafora c'è e molto probabilmente sarà anche adottata in diversi altri paesi ne parlavamo anche con luca debbiase l'altro giorno regolamentazione del dato significa ssere consapevoli anche di delle asimmetrie tra chi li genera e chi li raccoglie e questo ha anche un impatto sul futuro del lavoro infatti qualche tempo fa qualcuno ipotizzava per esempio la generazione del dato come potenziale nuovo lavoro per cui la generazione di dati può ssere rimunerata con un salario vis-à-vis insomma il profitto che si genera dallo stoccaggio di dati anche qui insomma è uno scenario abbastanza pericoloso perché chi genera dati o chi genera dati per lavoro diciamo personali è decisamente più ricattabile rispetto a chi non può anche non permettersi di generare dati per lavoro quindi diciamo bisogna semplicemente avere molta sensibilità alle potenziali asimmetrie che l'economia del dato una domanda all'economista su questo tema è una simmetria che noi conosciamo già perché poi noi siamo entrati nell'epoca della disuguaglianza chiaramente basta vedere i dati sulla distribuzione della ricchezza a questo punto sul dato abbiamo capito tutti che il dato è insomma il motore dell'intelligenza artificiale per allenare ad avere buona intelligenza artificiale e avere tanti dati se sono anche buoni e strutturati ancora meglio e secondo lei diamo di fronte a una asimmetria diversa dal punto vista genetico rispetto a quello che abbiamo conosciuto fino ad oggi o è ancora la vecchia storia del mercato che trova dei nuovi monopolisti forse sono un economista un po' base ma secondo me è una questione di asimmetria preesistente insomma diciamo quindi c'è un ulteriore potenziale alla polarizzazione della concentrazione del valore quindi sì non è soltanto regolamentazione della privacy che è tutela di un diritto passivo ma si tratta di regolamentare l'ecologia dei dati in maniera tale che gli individui abbiano possibilità di scelta di come questi dati vengono utilizzati quindi non si tratta solo di monetizzarli si tratta anche di scegliere perché per quale obiettivo debbono essere utilizzati quindi si possono donare per finalità di bene pubblico ricerca medica ricerca di base eccetera eccetera si possono eventualmente appunto ci vuole controllo sull'utilizzo del dato personale questo si lega un po' anche alla questione del lavoro che mi ponevi insomma non è soltanto c'ha gpt non è soltanto intelligenza artificiale è un paradigma di automazione digitale che ha delle conseguenze sul lavoro simili a quelle delle rivoluzioni industriali precedenti quindi se si automatizza si nulla di nuovo nulla di nuovo nel senso a parte che l'utilizzo del dato appunto viene è un fattore produttivo che però viene da tutti noi ecco però qualcosa di nuovo in azienda sta succedendo e succederà addirittura adesso usciamo proviamo a entrare a ragionare l'impatto del dato e dell'organizzazione dell'intelligenza artificiale sulle grandi e piccole organizzazioni qualcuno diceva anzi qualcuno scriveva attenzione che noi abbiamo sempre organizzato le aziende pensando ai processi poi inserendo dati lavoro questa volta forse ma siamo veramente in una in una fase molto pionieristica il dato genera il processo che è una cosa che da tecnologo mi entusiasma poi mi spaventa anche allora vorrei partire a fare un ragionamento su questo con andrea mignanelli di cerve group che è una delle poche grandissime aziende italiani insomma che ha la domanda che cos'è l'azienda data driven sa rispondere perché sanno perfettamente che sanno la lavorano su grandissime tantissime banche dati se la regia mi aiuta loro hanno preparato un video a supporto che commenterà la ministratore delegato se lo fate partire sono nel posto sbagliato se abbassiamo l'audio così possiamo commentarla diciamo che è auto esplicativo forse abbiamo imbroccato la metafora perché dove avevamo parlato di petrolio abbiamo parlato di fotoni che forse sono un po' più aggiornata ma no non c'eranoiggles Questo è un esempio di come i dati possono essere applicati a un problema di oggi, concreto che è quello della transizione energetica, ovvero degli investimenti in fotovoltaico che sono una delle grandi sfide del paese, dobbiamo fare 50 gigawatt installazione di fotovoltaico nel prossimi 7 anni, siamo a meno di 20 quindi il problema che tutti si pongono è come finanziare questi fotovoltaici e dove farli se uno la guarda al problema dall'alto e dice che bisogna fare 50 gigawatt non si sa dove partire, la verità è che con i dati puoi trovare 100.000 imprese che hanno una superficie sul tetto sufficiente per osminitare un fotovoltaico, hanno il bisogno di quelle energie e hanno la capacità finanziaria di sostenere l'investimento quindi è un modo di passare da un concetto astrato o un problema difficile da risolvere, invece è una risposta concreta che è 100.000 nomi e cognomi di imprese che possono installare un parco fotovoltaico Come siamo messi in Italia? Voi avete chiaramente il punto di vista sui dati, sull'utilizzo dei dati, qual è la sua percezione stando dentro a Sherwood, stando dentro a un gruppo che lavora sull'azienda data driven, cioè che è azienda data driven? Infatti anche la parola data driven fino a sei mesi fa sembrava quasi obsoleta con l'arrivo delle nuove tecnologie, oggi è un ritorno importante per il motivo che abbiamo detto prima, perché poi alla fine il dato è nucleo Io costruirei su una tassonomia del professor, perché forse io vedo tre livelli rispetto a due, piuttosto che il fotone e l'impianto fotovoltaico per non dire il petrolio alla fineria, io vedo tre livelli, ovvero il dato che genera un segnale e il segnale che genera un insight Cioè elaborare il dato serve per generare dei segnali, ma poi questi segnali vanno tradotti in insight, cioè in decisioni e azioni per fare qualcosa di diverso, che è un po' l'esempio che abbiamo visto adesso fotovoltaico Dal dato si possono estrarre un sacco di segnali, ma poi questi segnali vanno tradotti in una lista di imprese da cui una banca può andare per offrire un impianto fotovoltaico o da cui un'impresa, un exco può andare per proporre la costruzione di un impianto Nelle aziende nel tempo queste tre mestieri erano stratificati, cioè c'era chi lavorava sul dato, chi lavorava sull'analisi del dato e poi chi lavorava sui prodotti, in banca per esempio è molto così Oggi sempre di più invece occorrono professionalità trasversali che mettono in connessione il dato, il segnale e l'insight nello stesso momento, anche perché la velocità a cui tu devi dare risposte al mercato aumenta esponenzialmente Mentre invece segregare lo scienziato del dato dall'analista e da chi invece fa il prodotto ti fa perdere velocità e soprattutto ti fa perdere la comprensione intima del massimo potenziale che puoi esprimere E quindi forse rifacendomi anche al discorso che si è fatto prima sulle professionalità, è vero che c'è un rischio, ma ci sono anche enormi opportunità Perché trovare queste nuove figure di persone eclettiche, vitruviane, che riescono ad avere abbastanza conoscenze scientifiche per interpretare un dato e abbastanza conoscenze produttive e commerciali per trasformarle in un prodotto è bellissimo penso che per le nuove generazioni di ragazzi che poi vedo in sala si aprano delle opportunità inimmaginabili fino a dieci anni fa Un data scientist mi aveva detto, noi temiamo, i data scientist in questo momento sono le persone più ricercate in assoluto, sono giovanissimi, costano un sacco di soldi, è difficile portarle in azienda Però uno di loro mi ha detto, ma insomma adesso sì siamo molto di moda, siamo delle superstar, però rischiamo di essere softwareizzati Questo non lo diceva prima che arrivasse chart GPT, nel senso che il paradigma vecchio, qual era io, all'interno di un'azienda creo una sezione trasversale a me piace l'immagine rinascimentale perché vuol dire di mettere insieme multidisciplinari, dei team dove c'è lo scienziatore dei dati, c'è qualcuno che conosce bene l'azienda, c'è qualcuno che conosce bene il business, è chiaramente questo il futuro Però i tecnici, cioè i veri, quelli che lavorano con i numeri, mi dicono, ma magari chart GPT ci automatizza, cosa vuol dire? Che io, Ceo, chiedo delle cose e ottengo delle risposte C'è questo, cioè lo vedete questo rischio in azienda? C'è, è l'evoluzione, è l'evoluzione come dicevo prima, secondo me continuerà a esserci un tale unbalance di domanda e offerta sulle competenze scientifiche che come dire, fare una materia STEM è ancora un'ottima scelta Sicuramente però chi farà STEM oggi, quindi scienze diciamo tecnologiche, matematiche, avrà l'opportunità di non passare la sua vita in un laboratorio a fare analisi, bensì a trasformare queste analisi in prodotti Però viceversa, è sicuro l'opportunità anche per laureati in filosofia di avere accesso alla tecnologia che gli consente di capire i dati senza avere una laurea in matematica Perché le tecnologie ti aiutano anche a interpretare i dati, fanno il passaggio dal dato al segnale e quindi l'interpretazione del segnale diventa più facile Per cui io vedo un po' che succede anche nell'industria, una grande confluenza di capacità e di opportunità che quindi ci faranno perdere alcuni dei paradigmi iper specialistici del passato Quando si dice sul giornalismo dei dati si fa in tre, uno scrive come i carabinieri, uno scrive, uno conta, uno disegna, questa era sempre stata la nostra regola base Marina Gemona, Head Enterprise, Data & AI, Capgemin Invent, già dal titolo avete capito la persona giusta per parlare di questi temi qui Allora, voi conoscete le grandi organizzazioni, come funziona all'interno, che cosa vi state dicendo, che cosa sta cambiando Siamo davvero convinti, io uso l'immagine facile, che un CEO o un capo del business aprirà una finestra e chiederà, adesso dobbiamo andare ad esportare in Francia del nord l'invio Cosa devo fare, quante persone devo assumere, succederà così? Non credo, adesso credo che resterà sempre a pannaggio dell'umano la comprensione, perché uno prima deve comprendere il contesto, la problematica, i limiti, ecc. E poi la trasformazione di quello che si è compreso, e quando dico compreso intendo semanticamente compreso, non statisticamente, simulando di aver compreso Come quando in una lingua straniera ci parlano, non capiamo, ma diciamo, in questa circostanza secondo me dicono sempre Dunkish, e quindi uno risponde così, che è un po' quello che fa c'è a GPT Invece la comprensione, soprattutto in contesti che cambiano, resterà a pannaggio degli umani, motivo per cui concordo tantissimo sul fatto che le materie umanistiche, quelle che ci spingono a pensare, a riflettere, a comprendere i fenomeni, nella loro profondità saranno centrali Poi su queste ci potrà essere una ulteriore comprensione di questioni scientifiche, però io credo che il cuore del futuro sarà fatto da persone con una laurea in filosofia, in storia, in cose che ti facciano veramente capire il contesto e la visione di insieme Tanto più che poi la softwarezazione, quella sì, probabilmente sarà in parte automatizzata, poi non in totale, ma in parte secondo me lo sarà Cosa si sta dicendo in azienda, voi le vedete tantissime così, cioè c'è un momento di attenzione ragazzi, il piano inclinato per cui si deve correre tutti quanti Anche alla luce di quello che succede in Italia, non siamo la California, non siamo mai stati questa cosa qua Guarda, al di là della geografia a me sembra che la differenza sia nella simmetria di cui si parlava prima, tra poche aziende che veramente fanno il business, sono nate data driven, sono quelle che hanno tutti i dati E le aziende che invece devono ricentrarsi sul proprio business, perimetrare quelli che sono i propri obiettivi e capire come usare i propri dati nel modo più efficace possibile per attuare quello shift di paradigma che dicevi Passare da un'azienda guidata da processi, da intuizioni, da scommesse a aziende guidate effettivamente da quello che ti dicono i dati, meglio ancora se sui dati si pongono delle analisi o dei sistemi predittivi che fanno quello che l'umano invece non è in grado di fare Dimentichiamo un attimo la dimensione sociale, pensiamo a un'azienda che ha una serie di dati, che prima vi è piaciuto, siete tutti molti ottimisti per aver detto i dati dove derivano, derivano dai sensori, i dati sono su file excel I dati delle aziende sono tutti in miliardi di file excel, infilati nei luoghi più impensati, quindi in realtà c'è un gap pazzesco tra la narrazione di questa intelligenza artificiale e la situazione di gran parte delle aziende o almeno in tante aziende di parte dell'azienda che è che non c'è ancora una strategia del dato che ci consenta di avere dei dati pronti per essere poi sfruttati nel modo migliore, non so come infilarmi nella metafora del petrolio perché non conosco il raffinamento del petrolio, però il punto è che molto spesso anche complice la narrazione Diciamo che sono pozzi molto nascosti per usare, diciamo che nella piccola e media ci sono i pozzi, però sono il posto peggiore magari Sì, sono nascosti ma tra l'altro non necessariamente perché la gente li voglia tenere nascosti, ma perché metterli in condivisione vuol dire cambiarli, io e te che lavoriamo sulla stessa cosa, di sicuro il nostro dato lo abbiamo modellato in modo diverso Io ho pensato di salvarlo in un modo con un'unità di misura, granularità e tu un modo completamente diverso, se lei ci dice mettetevi insieme, poi lo facciamo, quindi c'è proprio una resistenza che possiamo chiamare culturale ma è naturale Le aziende tendono a fare la cosa più efficiente, per me più efficiente continuavo a usare i miei file excel nel breve termine, peccato che come dicevi prima, se non ci attiviamo non ci sarà più un'industria da invitare a questi eventi perché è davvero un paradigma da superare Tra l'altro c'è anche un passaggio culturale, io mi ricordo questo report di McKinsey che mi sono fatto riassumere da chat dpt, bellissimo, mille battute e me lo sono letto tutto, dicevo una cosa interessante, diceva che le aziende hanno, sapete quei rapporti McKinsey, si sbloccheranno 3 trillioni di dollari, sotto quel dato lì cosa c'era? C'era però attenzione che le aziende non lo faranno mai, perché? Perché hanno paura di condividere i dati e di essere analizzate, cioè il mio concorrente mi guarda i dati e con retro engineering mi va a capire come sono strutturato, fatto sta che l'ONU, Istat e altri istituti stanno studiando dei software di anonimizzazione del dato, questo me l'hanno raccontato un anno fa, passato un anno non si sa nulla Questo per me è il punto di ingresso per Luigi Riva, presidente di Astro Consum, perché ci siamo sentiti prima, abbiamo fatto una lunga chiacchierata e mi ha raccontato un po' di cosa sta succedendo in Italia, nelle aziende italiane, che è un po' lontano rispetto a questa visione dove tutte le aziende insieme cominciano a mettere a disposizione dati e a generare valore, c'è un tema culturale, mi dicevi Sì, ringrazio tutti della presenza, ringrazio la domanda e essendo l'ultimo dei relatori riassumo un po' quello che hanno già detto i relatori, in realtà il business dei dati, gli algoritmi come diceva prima Ferruccio, gli algoritmi di analisi dei dati sono stati inventati alla fine degli anni 80 Io il primo progetto che ho fatto di analisi dei dati era a metà degli anni 90, all'inizio era credit scoring, anche perché all'inizio si lavorava molto nei settori del financial services e dell'etelco, dove c'erano un sacco di dati, c'erano tantissimi dati per cui all'inizio si facevano le attività sul credit scoring per capire quali erano le possibilità di dare credito all'azienda o alla persona poi da lì si è cominciato a fare tutte le analisi di marketing, dei piani di marketing per le aziende, queste attività qua sono continuate, si continuano a fare perché naturalmente il proliferare dei dati è aumentato in maniera significativa e rilevante andando a pescare tutti i dati sui social e queste sono la classica attività di ottimizzazione del business che deriva dall'analisi dei dati questo tuttora viene fatto in maniera naturalmente molto più complessa e complicata rispetto a quando si faceva 30 anni fa ed è fortunatamente la capacità di calcolo che è aumentata consente di fare queste analisi oggi però nelle aziende oltre all'ottimizzazione del business si sta cominciando a ragionare anche sull'utilizzo dei dati per cambiare e modificare completamente il business, qualcosa è già stato accennato, oggi su tutti i prodotti, su moltissimi macchinari ci sono tutta una serie di sensori che analizzano l'utilizzo del prodotto o l'utilizzo del macchinario la nuova frontiera sarà non di vendere il prodotto o il macchinario ma di affittarlo attraverso una fee fissa mensile ma per poter fare un modello di business di questo genere è necessario per le aziende avere analizzato l'analisi delle serie storiche per capire qual è il costo di utilizzo della macchina fare delle analisi predittive per capire manutazione predittiva, per capire quando ci potranno essere problemi nella macchina, quindi questo è un ulteriore utilizzo dei dati prima all'ottimizzazione del business ma a cambiamento complessivo del business il terzo utilizzo oggi che si sta facendo in azienda rispetto ai dati è la vendita dei dati veri e propri, qualcosa si è già accennato, oggi le grandi aziende Telecom, Vodafone vendono i dati sull'utilizzo dei cellulari, vendono i dati sul posizionamento dei cellulari quindi ci sono delle aziende, delle startup, anche un po' più di startup oggi che vendono i flussi delle persone per capire. Su questo aspetto mi permetto questa riflessione, oggi siamo all'inizio delle smart city, oggi le smart city stanno cominciando a diventare una presenza reale sul mercato ma le smart city creano e creeranno una moltitudine di dati pazzeschi, oggi alcuni comuni, certamente Bologna ha già creato un dataset, mette a disposizione 612 dataset ma siamo sicuri che tutte le aziende hanno, e tutti i cittadini, ma parliamo pure di aziende perché le aziende hanno la capacità e la forza di analizzare e utilizzare quei dati, io penso che forse solo le grandissime aziende hanno questa capacità di utilizzo e di analisi dei dati allora lancio questa riflessione e provocazione, 120 anni dopo la legge geolittica creò le aziende di pubblica utilità che naturalmente regolava l'energia, la distribuzione dell'acqua, la raccolta dei rifiuti forse potrebbe essere opportuno pensare a delle aziende di pubblica utilità per la gestione dei dati pubblici, delle data utilities che analizzano il dato, quindi riprendendo la metafora già fatta, quindi si scopre il dato, delle raffinerie che raffinino il dato puro perché non tutte le aziende, sicuramente non i cittadini, ma non tutte le aziende hanno la capacità di analizzare e di utilizzare questi dati, ma loro raffinino per renderlo realmente disponibile a tutte le aziende Posso dire una cosa europeista, un tipo si dice, posso dire una cosa di sinistra, una cosa europeista, su cui vorrei un commento da tutti, ma non sarebbe bello fare un cern, come c'è stato, noi abbiamo avuto, il cern è stato una cosa europea di Ginebra dove si analizzavano le particelle ci ha permesso di scoprire delle cose straordinarie, europea, un cern dell'intelligenza artificiale che è esattamente quello che stavamo dicendo, cioè delle aziende di utilità pubblica, un'azienda di utilità pubblica sovranazionale dove ci mettiamo i dati, tutti, e gli scienziati e proviamo a distillare l'intelligenza artificiale Non sarebbe una cosa molto europeista che tra l'altro andrebbe a scardinare il problema delle astimetrie, cioè in questo momento ci sono 4-5 aziende che possono giocare con l'intelligenza artificiale, la maggior parte sono cino-californiane, la dico così, quindi c'è un tema geopolitico non piccolo È possibile, lancio la domanda, poi alla fine ci sarà tempo per fare anche delle domande per cui mi tengo 5 minuti, è immaginabile un cern, l'anno prossimo ci ritroviamo qui, parleremo di questo o rischiamo ancora di parlare di Google, Microsoft e così, e noi Parto da lei, allora, rifacciamo adesso il giro così, secondo me sarebbe una bellissima idea iniziativa, ok, e di non creare l'e solita all'italiana, non europeo solito all'italiana, sono 8.000 comuni italiani, 8.000 società di pubblica utilità, ok, che diventano talmente piccoli che non hanno loro la capacità di analizzare I dati, per cui l'idea di un centro europeo secondo me potrebbe essere molto molto interessante, riprendo però qualcosa detto prima perché io ho paura che l'anno prossimo o tra due anni ci troveremo invece a parlare dei problemi sul fronte occupazionale creati, perché prima c'è stata una domanda, è uscita a marzo mi sembra uno studio di Golden Saks che dice che il 40% sull'intelligenza artificiale taglierà il 40% dei colletti bianchi Noi abbiamo fatto tutta una serie di progetti concreti, ok, quindi non di studi, di progetti per le aziende con la robot process automation che identifichano che il 25% dei processi di back office delle aziende, quindi i processi amministrativi delle aziende, è assolutamente automatizzabile al 100% Il 25% è automatizzabile parzialmente, però c'è un 50% di dipendenti amministrativi di back office che secondo me potrebbe avere qualche problema occupazionale con l'utilizzo di questi strumenti Io vedo il famoso film di Charlie Chaplin, Tempi Moderni, dove c'era il colletto blu schiacciato dalla fabbrica, qua vedo invece il colletto bianco schiacciato, non si sa bene perché non c'è un'immagine dell'intelligenza artificiale, ma grazie Questa idea è veramente disruptive, non l'avevo mai preso in considerazione onestamente, quella di creare un cern a livello europeo dei dati Devo dire che provando su due piedi ad azzardare un'analogia, devo dire che quando non c'ero, non mi ricordo le sostanze nei razionali, nelle modalità con cui è stato creato il cern, però la logica di fare un synchro ciclotrone, che è un investimento ciclopico e anche tecnicamente molto complicato Per fare ricerca di base che non abbiamo un ritorno economico immediato, più facilmente coalizza le forze di tanti paesi Qui invece creare un centro di elaborazione dati a livello europeo, oggi come oggi, forse è un po' più complicato, non è però peregrina come idea E anche per chi fa dati come noi non è spaventevole, nel senso che la creazione di valore dipende dall'ingegno e dall'immaginazione di inventare sulla scorta di un dato soluzioni a problemi sempre nuovi Mi sento di dire che è una buona idea, non so quanto realizzabile, però l'idea di avere un centro che fa la fatica di elaborare dati per tutti e producendo dati di qualità per tutti Potrebbe essere comunque di vantaggio perché batterebbe i costi collettivi della produzione del dato e consentirebbe a molte più persone di esercitare l'ingegno Noi come Italia abbiamo un problema endemico che è quello che ci ha fatto perdere in vent'anni molto terreno rispetto a tutti i nostri competitor più diretti dei paesi europei Perché le nostre imprese hanno perso produttività, e hanno perso produttività si dice per scarsa capacità di investimento ma anche molto per scarsa capacità di adottare l'innovazione, quindi managerial skills Ecco, mettere tutti sulla stessa base consente anche ai 3 milioni delle piccole medie imprese italiane di avere un lago da cui pescare i dati e applicare solo l'ingegno di cui invece abbiamo abbondanza Quindi così, romanticamente dico che è una buona idea Non c'è nessun dubbio, nel senso che secondo me la boccia per due motivi, uno perché stiamo sottovalutando quello che sta facendo l'Europa oggi Cioè abbiamo qui che sta girando per le strade di Trento Roberto Viola di G-Connect che se ci sentisse parlare se n'andrebbe Perché piattaforme l'Europa sta giocando un ruolo, prima di tutto cominciando a dire che ci sono delle regole, quindi l'Europa ha il compito di mettere delle regole E guardate che l'Europa ha la forza di mettere le regole, io non credo che si possa sviluppare il digitale facendo finta che non ci siano 500 milioni di europei che tra l'altro sono quelli che tendenzialmente spendono non poco Quindi l'Europa può dare delle regole, secondo l'Europa può dare delle piattaforme Ieri si è presentato il portafoglio, il wallet europeo, cioè un quercode, semplifichiamolo perché secondo me oggi stiamo andando un pochino, un quercode Quindi esattamente quello che abbiamo fatto quando abbiamo fatto il green pass, un quercode in cui là c'era scritto chiero la mia data di nascita, se avevo fatto il vaccino e se avevo fatto altri vaccini E con quello siamo andati in giro per l'Europa, ci abbiamo impiegato due mesi a farlo, l'Europa ci ha impiegato due mesi a farlo Quindi un quercode in cui carico la mia carta di identità, la mia patente, il mio libretto di circolazione dell'auto, cioè tutta questa cosa qui E quindi quella piattaforma l'Europa la deve promuovere, poi però chi lo sviluppa è il mercato, chi lo sviluppa è l'impresa perché sennò a questo punto torniamo davvero all'industria centrale E lì vuol dire che non c'è competizione, non c'è concorrenza, non c'è sviluppo, quindi facciamo fare all'Europa il regolatore e il costruttore di piattaforma Poi però andiamo a lavorare su quelle piattaforme e questo lo ha fatto l'Europa, cioè non è che lo sta cercando di lanciare su quello Perché l'high performance computing che è una piattaforma di calcolo che sta dividendo per 100 la velocità di calcolo Quindi quando noi facevamo una simulazione che durava 10 ore, questa qui dura un centesimo di 10 ore Quindi vuol dire che possiamo fare nello stesso tempo 100 simulazioni Questo è a Bologna, cioè a qualche centinaio di chilometri da qui e non dobbiamo neanche andarci a Bologna Nel senso che con una buona connessione riusciamo a far girare quelle cose Quindi l'Europa sta facendo il proprio mestiere secondo me, può fare di più certamente Però non facciamole fare di più da un punto di vista poi del prodotto perché sennò veramente rischiamo di rimanere bloccati troppo poco rapidi Secondo tema abbiamo parlato di dati, dicendo che sono di tutti, li generiamo tutti, li utilizziamo tutti, poi siamo anche divisi già su questo Dicendo che servono anche componenti non tecnologiche, scienze umanistiche, scienze comportamentali, non c'è dubbio Però guardate che l'immagine che ha preso per fare la mappatura dei tetti Ha una difficoltà tecnologica quella telecamera Che non è che noi possiamo studiare filosofia e poi sperare che qualcuno ci tiri fuori le telecamere Cioè adesso non fatemi fare il difensore delle stem Cioè se noi vogliamo un attuatore domani che ci misuri il batito cardiaco e correli il datico cardiaco al nostro stato di salute Li bisogna fare una robina che è 300 micron per 300 micron in cui lavorando silicio, se ci va bene e ormai stiamo andando verso altri materiali Noi dobbiamo fargli fare delle reazioni a degli stimoli elettrici che sono piccoli Quindi un po' di sensori dobbiamo metterli in giro perché se non mettiamo i sensori noi adesso diciamo vado a Fornettima e dice che noi siamo qui Ma se qualcuno non avesse fatto gli accelerometri che sono degli oggettini anche lì, meno di un millimetro, che dice che freno, che accelerano, che vi muovo, che ci gira il mio telefono Noi non avremmo quei dati, quindi un po' di tecnologie bisogna lavorarli, ci vogliono camere bianche, ci vogliono sensoristica e via dicendo Dopo di che in questi sensori quindi lo sviluppatore di sensori è un tecnologo, punto Il sensore fa quello e quello è la base del dato I sensori poi vengono distribuiti e è stato detto ormai la proprietà dei dati è un qualche cosa importante E dire che ormai sono disponibili a tutti secondo me no, nel senso che si vendono e si comprano, ci sarà un mercato dei dati estremamente significativo Ci sono certamente delle spinte per avere open access dei dati, senz'altro Il creare valore da quello che il sensore, il dato misura, quello è sia appannaggio della grande corpore, sia appannaggio della startup Stiamo un po' rivivendo quello che è il digitale di qualche anno fa E qui veramente ragazzi che ci sono in sala, perché se si intuisce qual'è l'esigenza, perché si deve parlare dell'esigenza Cioè loro erano partiti dicendo voglio mettere a terra il tema del fotovoltaico Non hanno detto guardo le immagini e fammi venire cosa mi viene in mente, quindi bisogna sapere la domanda prima Quindi l'esigenza, scopro l'esigenza, intuisco l'esigenza, sono creativo perché l'ho vissuta io, perché è il mercato A questo punto invece di andare dal mio R&D a cercare risolvermi il problema A questo punto metto in pratica tutta una filiera di strumentazione per rispondere all'esigenza Quindi secondo me quella parte lì naturalmente è di tutti, vero è che il problema diventa sempre più complesso E per avere problemi complessi, sennò rischiamo un po' come queste tavole tonde costretti dai tempi, dobbiamo avere competenze più alte Quindi la formazione deve alzarsi, deve alzarsi il livello di formazione Quindi dobbiamo ripartire, ripensare alla scuola, ripensare all'università, fare assolutamente una formazione che innesti O nella stessa persona o nei gruppi, una scienza tecnologica con scienze comportamentali e quindi scienze umanistiche Perché poi tutte le risposte arrivano sull'individuo come è stato detto e quindi la scienza comportamentale è importante Non riusciamo ad avere un'unica ricetta, non ce la facciamo, non possiamo semplificarlo troppo perché è un problema complesso Lo possiamo raccontare, quindi grazie oggi a raccontarlo perché pian pianino ognuno può fare il proprio Quello che certamente è che ci sono estremamente opportunità e c'è un solo grande rischio, quello di non cogliere queste opportunità Io sono d'accordo e volevo dire due cose Uno mi aggancio a questo, poi rispondo all'altra domanda ed è la stessa cosa che stai dicendo a livello grande avviene a livello di azienda Il problema che dicevamo prima del dato che è spezzettato, che i risultati e gli osservatori dicono che c'è poca efficace applicazione di data driven Di intelligenza artificiale all'interno delle aziende, dipende proprio dall'assenza di una strategia che è esattamente quella che hai declinato tu a livello globale Che deve essere anche all'interno dell'azienda quando si decide di diventare data driven o di adottare l'intelligenza artificiale Non può essere adottare un'intelligenza artificiale, deve essere dove voglio andare, cosa mi serve, mi serve una IA generativa che spingono tantissimo Ma magari no, non è detto che tutti dobbiamo, mi serve una cosa diversa, mi serve un'elaborazione dei dati dei sensori E in ogni caso devo prima definire questa roba, ma questo secondo me è centrale perché questo modo di lavorare abbia successo su scala su tutte le aziende in Italia E l'altra cosa che volevo dire riguardo al centro dati europeo, non lo so, quello che secondo me è sicuro che... Un boycottaggio a 30 secondi dal countdown Grazie, quello che è sicuro che secondo me dobbiamo fare in Europa è cercare, io credo che sia possibile superare a destra il resto del mondo Lavorando sulla ricerca, naturalmente sulla ricerca devono lavorare gli ingegneri, gli informatici, gli esperti Perché l'AI che sta andando per la maggiore è un AI statistica, quando è nata l'AI negli anni 50 ma anche quella degli anni 80 era un AI semantica C'è tanto da studiare a livello proprio base per aggiungere a questa intelligenza artificiale che deve usare miliardi e miliardi, non neanche il numero, fantastiliardi di dati In un certo punto finiranno perché ci saranno i dati prodotti dall'intelligenza artificiale, finiranno i dati prodotti dagli umani, ce ne saranno sempre di più artificiali quindi si ciberà di dati di se stesso Bisogna aggiungere a questo una componente semantica, se uno aggiunge una componente semantica il tempo di computazione crolla, non perché usiamo una roba più potente che consuma più risorse, più energia, più terraria Perchè capisce? Perchè capisce, l'AI generativa che si usa anche per generare il design va veramente a caso, ci sono delle heuristiche che cercano di riportarla però prova a 360 gradi Ci sono simulatori che ti dicono qui no, qui no, qui no, compreso cose assurde che l'umano non proverebbe mai, se uno riuscisse di dentro a metterci una semantica sicuramente avremmo dei risultati di più qualità e consumando meno E' una sfida pazzesca, cioè vuol dire creare un centro di ricerca che metta a valore tutte le teste in Italia e nel resto dell'Europa, come farlo? Non lo so Allora, ci sono moltissimi... Mi scegliamo una Ci stanno boicottando Si sente? Sì Sarò brevissima, ci sono moltissimi spunti qui di riflessione, innanzitutto forse una parola chiava che si potrebbe menzionare è interoperabilità Interoperabile Vuol dire che tutti parlano con tutti, cioè noi abbiamo usato un valore, questo lo faccio al divulgatorino, che i sistemi si parlano e quindi posso portarmi i dati, quello che diceva Ferraris prima Ci sono interoperabili, i dati sono portabili e quindi si crea già più competizione, non ci sono i fogli Excel di ciascuna impresa, ma ci sono sistemi che creano più diffusione dei dati, scambio, ecc. Quindi questo già ha supporto della visione del cerne europeo Sarebbe bello Sarebbe bello e probabilmente quello che crea il valore del dato è l'obiettivo per cui il dato si utilizza e quindi smart city versus marketing sono diversi Per cui il valore pubblico del dato, probabilmente un'idea di cerne europeo, potrebbe essere molto utile Forse una nota a margine, chi poi ne valuta i risultati, ne fa monitoraggio delle finalità e dell'utilizzo dei dati Quindi in questo secondo me c'è più necessità di creare un mini parlamentino che ne regoli i comportamenti e le utilità Questo glielo dicono tutti, lei prende gli appunti a mano, io faccio il giornalista e non riesco a tenere una penna in mano La cosa che io la miro e la stimo per questa cosa qua, perché la ritengo un passaggio evolutivo dove io ho fatto un passo indietro e qualcuno è rimasto fermo Ho impiegato un sacco di anni a scuola per imparare Allora, tempo scaduto rapidamente, io non sono un fan di quelli che dicono la sorveglianza, il panopticon, etc Ma ho paura che il cerne diventi un cerbero, cioè che effettivamente sia un centro di sorveglianza estremamente forte E come del resto succede in Cina dove le piattaforme sono statali e il risultato è quello di questo controllo totale Quindi c'è quel problema Poi al di là di quello c'è il problema che secondo me il vero vantaggio dell'Europa è la legge sulla portabilità dei dati Che permette a delle moltiplicità di soggetti di mettersi insieme per interpretare i dati Per esempio una banca, è un esperimento che abbiamo fatto a Torino, una banca chiede ai propri correntisti Mi date l'accesso ai vostri dati, li mettiamo tutti assieme, sono due milioni, è già tanta roba In più la banca ha già dei dati organizzati, li metti insieme e poi il ricavato non va ai correntisti che hanno già dei soldi Ma va a quelli che per esempio perdono il lavoro a causa dell'automazione Oppure ai mendicanti che non hanno soldi ma producono dati perché i mendicanti adesso hanno un telefonino Quindi diventa paradossale che stai chiedendo l'elemosina però al tempo stesso stai facendo arricchire qualcun altro che certo l'elemosina non la chiede Allora io ringrazio i relatori e fare un bel applauso per questi stati gentilissimi Chiedo ai relatori se hanno la pazienza, è tardissimo, abbiamo tutti fame Se c'è una domanda, massimo due, se qualcuno alza la mano, eccolo lì, due ne facciamo, vengo io Buongiorno, grazie mille per quello che avete detto Forse la mia domanda si collega proprio a quello che ha detto in chiusura il professor Ferrales Quindi probabilmente la lancio a lui Oggi stiamo giustamente parlando di business dei dati guardando al mondo delle imprese Però abbiamo anche detto che siamo ognuno di noi privato cittadino che questi dati li stiamo producendo Quindi mi domando, c'è un nuovo business che forse dovremmo considerare da un punto di vista proprio individuale Perché alla fine, ripeto, se penso io a casa ho l'aspiratore elettrico che gira per casa che ha dei dati Quindi andrei oltre anche al dato personale, perché io produco dati che non sono per forza sensibili o personali Ma magari quei dati che raccoglie la macchina, quel robottino che mi fa questa grande funzione in casa E effettivamente poi produce dei dati che possono essere molto interessanti E monetizzabili E monetizzabili per il catastro, quindi neanche per un'azienda che potrebbe vendermi un altro robottino Grandissimo, noi vogliamo farci pagare i dati, lo dico, io sono team con lei e subito Ci sono tante iniziative però il problema è che al singolo, se gli paghi i dati, questo singolo ha relativamente poco Non puoi campare con i dati che produci, invece puoi fare grandi cose mettendo insieme i dati di tante persone Secondo me è necessario che siano molti il limite della monetizzazione C'è stata una banca a Dubai, mi sembra, tre anni fa, che ha fatto quel accordo con i suoi correntisti Appunto voi mi date l'accesso e io E alla fine dell'anno ha dato mille euro a tutti questi paperoni che di mille euro non sapevano cosa farsene Se avesse messo insieme e moltiplicato per un milione questi mille euro avrebbe avuto un capitale di spesa per sostenere un welfare per esempio Questo secondo me è la prospettiva Posso fare solo una battuta velocissima? Perché io quando l'ascoltavo ho detto no non può monetizzarlo fino all'ultimo momento Nel senso che lei mi ha detto il mio robotino che gira posso monetizzare e vendere quel dato? La risposta è no perché è un singolo Poi ha avuto l'aggancio, può servire al catastro esperienza Quindi secondo me lei no, continua a pensare che il suo dato non sia utile Io farei una startup, se fossi lei, immediatamente per andare a leggere tutti i robotini di tutti e a questo punto la presenterei al catastro Volevo rispondere perché secondo me è esattamente questa la risposta Il dato singolo non ha valore, l'idea di raccolta dei dati può creare valore Scusa, secondo me la vendita La vendita diretta, ok sono d'accordo con quanto dicevano prima i colleghi Con alcune aziende si sta pensando a una vendita indiretta Cioè se tu lasci la possibilità di condividere i tuoi dati ti sconto L'aspirapolvere costa 100, se tu condividi i tuoi dati l'aspirapolvere costa 90 Un modello del genere sull'AI che mi hanno raccontato Il medico costa 50 se viene di persona e ci porta il bambino, 26 medico più AI Cioè ho capito no? Altra startup, via No infatti no esatto È già andata l'idea Ultima domanda, prego Più che no, una domanda è un'osservazione, faccio così molto velocemente Cioè molte di queste cose già si stanno facendo E' stato menzionata l'Unione Europea, quindi la commissione Già c'è stato approvato il Data Governance Act E questo deve essere preso in carico dagli Stati, adesso a settembre anche il nostro E questo significa che il nostro Stato si deve, come tutti gli altri Intermediari riconosciuti che implementino la Data Governance Act Implementino meccanismi di data donation Perché data donation è una cosa molto importante Meccanismi di monetizzazione, smart contract, tutta la parte di Go Cioè tutto questo non è passato E non è neanche futuro distante È qualcosa che, a meno che i singoli Stati Non, you know, key to the can Però posso fare il giornale, non dire gatto finché non ce l'hai nel sacco Nel senso che ieri, Sam Oltman ieri ha detto Ragazzi, bellissima l'Europa, belle le nuove regole Però se sono così, non ci gioco Poi ha cambiato idea Sam Oltman prima di fare questo mestiere era C'è un amministratore delegato di Y Combinator Qualcuno qua dentro saprà che cos'è È la più grossa acceleratore California Quindi è un ottimo businessman Lui sa benissimo che non si ritirerà da un mercato di 500 milioni di persone Grazie, applauso, buon appetito, ringraziamo i nostri ospiti Salutiamo, che è in streaming E al prossimo appuntamento Sottotitoli creati dalla comunità Amara.org Sottotitoli creati dalla comunità Amara.org Sottotitoli creati dalla comunità Amara.org Sottotitoli creati dalla comunità Amara.org Sottotitoli creati dalla comunità Amara.org
{{section.title}}
{{ item.title }}
{{ item.subtitle }}