Come cambia un’azienda quando l’intelligenza artificiale smette di essere un semplice strumento di produttività e inizia a entrare nei processi, nelle decisioni e nell’organizzazione del lavoro?

Gianluca Testa ha intervistato nel Garage Alessandro Risaro, co-founder di DataPizza, una delle realtà italiane più interessanti nel panorama dell’intelligenza artificiale.

DataPizza nasce come community dedicata a data science e machine learning, cresce sui social fino a raggiungere centinaia di migliaia di persone e si trasforma progressivamente in qualcosa di molto più articolato: recruiting, formazione, consulenza e sviluppo di soluzioni AI per le aziende.

Oggi Risaro definisce DataPizza una AI Deployment Company: un interlocutore che accompagna le organizzazioni nell’adozione dell’intelligenza artificiale intervenendo contemporaneamente su tecnologia, persone, competenze e processi.

Un modello che ha attirato anche l’attenzione degli investitori. Dopo una prima fase di crescita in bootstrapping, DataPizza ha infatti raccolto un round Serie A da 10 milioni di euro destinato ad accelerare ulteriormente lo sviluppo dell’azienda.

Ma il vero tema dell’intervista va ben oltre il finanziamento.

La domanda centrale è un’altra:

come si costruisce oggi un’azienda realmente pronta per l’era dell’intelligenza artificiale?

Da community sull’AI a impresa tecnologica

DataPizza nasce prima dell’esplosione dell’AI generativa.

Alessandro Risaro e il suo socio Pierre erano studenti appassionati di machine learning, deep learning e data science e avevano iniziato a raccontare questi temi online cercando di renderli comprensibili anche a un pubblico meno tecnico.

L’obiettivo iniziale non era costruire un’azienda.

Era fare divulgazione.

La community cresce rapidamente e diventa presto un asset importante. Quando le aziende iniziano a chiedere accesso a professionisti tecnologici particolarmente preparati e interessati all’intelligenza artificiale, DataPizza entra nel mondo del recruiting.

Poi arriva ChatGPT.

E lo scenario cambia completamente.

L’intelligenza artificiale passa improvvisamente da tecnologia conosciuta prevalentemente da sviluppatori e data scientist a strumento utilizzato quotidianamente da milioni di persone.

Le aziende iniziano a chiedersi come introdurla nei propri processi.

DataPizza decide quindi di allargare progressivamente il proprio raggio d’azione: recruiting, formazione, AI adoption, consulenza e sviluppo tecnologico diventano componenti dello stesso percorso di trasformazione.

Cos’è una AI Deployment Company

Uno degli aspetti più interessanti emersi durante l’intervista riguarda proprio il modello organizzativo scelto da DataPizza.

Secondo Risaro, la trasformazione AI di un’azienda difficilmente può essere affrontata attraverso fornitori completamente separati.

Da una parte chi sviluppa software.

Da un’altra chi svolge formazione.

Da un’altra ancora chi fa recruiting o consulenza strategica.

Il rischio è che questi soggetti lavorino su parti dello stesso problema senza una reale integrazione.

DataPizza vuole invece proporsi come una sorta di cassetta degli attrezzi per l’AI Transformation, capace di intervenire su più livelli.

L’adozione dell’AI, infatti, non consiste semplicemente nell’installare ChatGPT, Claude o Copilot sui computer dei dipendenti.

Significa capire:

• quali processi possono essere trasformati;

• quali dati devono essere messi a disposizione dei sistemi AI;

• quali attività possono essere automatizzate;

• quali competenze devono acquisire le persone;

• quali nuovi profili devono essere inseriti nell’organizzazione;

• come governare sicurezza, costi e accesso alle informazioni.

La tecnologia è soltanto una parte del problema.

AI agentica: il passaggio che può cambiare davvero le aziende

Una parte importante della conversazione riguarda l’evoluzione verso l’AI agentica.

I primi sistemi basati su large language model erano particolarmente efficaci nella generazione di contenuti o nella risposta a domande, ma diventavano meno affidabili quando dovevano eseguire processi complessi composti da numerosi passaggi.

Con l’aumento delle capacità dei modelli, secondo Risaro, questo limite si sta rapidamente riducendo.

Gli agenti AI stanno diventando capaci di:

• mantenere meglio il contesto;

• eseguire processi multi-step;

• utilizzare strumenti esterni;

• verificare i risultati;

• correggere autonomamente alcuni errori.

Questo passaggio apre scenari molto più importanti rispetto al semplice utilizzo di un chatbot.

L’intelligenza artificiale può progressivamente inserirsi nelle “intercapedini” delle organizzazioni e gestire parti sempre maggiori dei processi aziendali.

Ed è proprio qui che l’AI smette di essere solamente uno strumento tecnologico e diventa una questione strategica.

OpenAI, Anthropic o modelli open source?

Se una parte sempre maggiore dell’azienda verrà gestita attraverso sistemi di intelligenza artificiale, emerge inevitabilmente un altro problema:

quanto è rischioso dipendere da un unico provider?

DataPizza ha scelto un approccio fortemente agnostico.

OpenAI, Anthropic, Google e gli altri grandi laboratori stanno sviluppando modelli estremamente potenti, ma contemporaneamente stanno crescendo anche alternative open weight e open source, provenienti in particolare dalla Cina ma non soltanto.

Per le aziende la possibilità di scegliere tra modelli differenti può diventare strategica.

Non soltanto per una questione tecnologica.

Entrano in gioco temi come:

• sovranità dei dati;

• dipendenza da fornitori esterni;

• geopolitica;

• privacy;

• costi computazionali;

• continuità operativa.

Se domani un’organizzazione arrivasse ad affidare una parte enorme dei propri processi a un singolo ecosistema tecnologico, cambiare provider potrebbe diventare estremamente costoso.

Per questo Risaro considera fondamentale progettare architetture capaci di mantenere una certa flessibilità.

Il costo dell’intelligenza artificiale diventerà una voce strategica

Più processi vengono affidati all’AI, più aumenta anche il consumo di risorse.

Token, inference, potenza computazionale e utilizzo delle API iniziano quindi a trasformarsi in una nuova categoria di costo per le aziende.

È un fenomeno che ricorda quanto accaduto con il cloud.

All’inizio l’attenzione era concentrata prevalentemente sulla possibilità di utilizzare infrastrutture estremamente scalabili.

Successivamente è diventato fondamentale capire come governarne i costi.

Con l’intelligenza artificiale potrebbe accadere qualcosa di simile.

Nasce quindi un nuovo tema di FinOps applicato all’AI: utilizzare il modello più potente non significa necessariamente utilizzare il modello economicamente più efficiente.

Per molti processi aziendali potrebbe essere sufficiente un modello più piccolo, economico o addirittura installato direttamente sull’infrastruttura dell’organizzazione.

La piattaforma agentica sviluppata da DataPizza

DataPizza sta lavorando anche su una propria piattaforma per l’orchestrazione di agenti AI attraverso workflow.

L’obiettivo è accelerare l’introduzione dell’intelligenza artificiale nei processi aziendali.

Il sistema viene collegato alle diverse fonti informative dell’organizzazione — CRM, database, applicativi proprietari e altri strumenti — creando un data layer sul quale possono essere costruiti processi automatizzati.

La piattaforma consente inoltre ai team di DataPizza di lavorare direttamente all’interno delle aziende.

Il modello ricorda in parte quello sviluppato da Palantir: tecnologia proprietaria accompagnata dalla presenza di figure tecniche capaci di lavorare a stretto contatto con il cliente.

Risaro parla infatti di una Hybrid Company, a metà strada tra software company e società di consulenza.

Una combinazione particolarmente interessante perché l’intelligenza artificiale sta progressivamente riducendo tempi e costi dello sviluppo software custom.

Progetti che in passato avrebbero richiesto mesi di lavoro e team numerosi possono essere realizzati oggi in tempi molto più brevi.

Perché DataPizza ha raccolto 10 milioni di euro

DataPizza non nasce seguendo il classico percorso startup basato sulla raccolta immediata di capitale.

L’azienda cresce inizialmente in bootstrapping.

La scelta di aprirsi agli investitori arriva soltanto quando la domanda di mercato inizia a diventare superiore alla capacità di delivery.

Secondo Risaro, il capitale non rappresenta quindi una certificazione del valore dell’azienda.

È uno strumento di accelerazione.

Il finanziamento verrà utilizzato principalmente per aumentare la capacità di deployment delle soluzioni AI, investendo sia nella piattaforma tecnologica sia nelle persone.

Lavorare con grandi aziende comporta infatti una forte responsabilità.

Un progetto Enterprise non può essere acquisito se poi l’organizzazione non possiede le risorse necessarie per realizzarlo correttamente.

Crescere troppo velocemente senza riuscire a mantenere la qualità del servizio rischierebbe di trasformare una grande opportunità in un problema reputazionale.

DataPizza: un nome nato per una community che funziona anche nell’Enterprise

Durante l’intervista abbiamo affrontato anche un tema apparentemente secondario, ma interessante dal punto di vista del branding: il naming DataPizza.

Il nome nasce quando il progetto è ancora una community.

L’alternativa sarebbe stata qualcosa come “Data Science Italia”, decisamente più descrittivo ma anche molto meno memorabile.

La pizza rappresentava invece immediatamente l’Italia e consentiva di costruire un brand riconoscibile.

Quando DataPizza ha iniziato a lavorare con grandi aziende, il dubbio sulla compatibilità del nome con il mondo Enterprise è inevitabilmente emerso.

Nella pratica, però, il naming non sembra aver rappresentato un ostacolo.

Al contrario, proprio la sua particolarità lo rende facilmente ricordabile anche sui mercati internazionali.

Un ulteriore esempio di come nel branding memorabilità e differenziazione possano avere più valore della semplice istituzionalità.

AI e futuro del lavoro: nasceranno sempre più profili “AI-ready”

DataPizza osserva il cambiamento del mercato del lavoro anche attraverso la propria attività di recruiting.

La tendenza individuata è abbastanza chiara.

Le aziende iniziano a cercare sempre più frequentemente persone capaci di utilizzare l’intelligenza artificiale all’interno del proprio lavoro.

Non soltanto programmatori e data scientist.

Marketing, operations, finance, sales e numerose altre funzioni saranno progressivamente coinvolte.

Risaro utilizza l’espressione AI-ready per descrivere questi professionisti.

L’analogia è semplice: tra qualche anno entrare in un’azienda che non permette ai dipendenti di utilizzare strumenti AI potrebbe sembrare a un giovane professionista simile a entrare oggi in un ufficio senza computer.

L’AI potrebbe quindi diventare anche un elemento importante di employer branding e attraction.

Il rischio dell’AI Slop e perché non bisogna delegare tutto alle macchine

Automatizzare non significa però delegare qualsiasi attività all’intelligenza artificiale.

Risaro mette in guardia dal rischio dell’AI slop: documenti, presentazioni e analisi apparentemente corrette ma completamente generate dall’AI e prive di reale profondità.

Il problema non deriva necessariamente dai limiti del modello.

Spesso deriva dall’impossibilità di trasferire completamente alla macchina il contesto presente nella testa di una persona.

Strategia, gusto, capacità di giudizio, conoscenza informale dell’organizzazione e responsabilità rimangono elementi fortemente umani.

L’AI può quindi diventare un enorme amplificatore delle capacità personali.

Ma soltanto se viene utilizzata come strumento di supporto al pensiero e non come sostituto totale del pensiero stesso.

Coding agent e democratizzazione dello sviluppo software

L’evoluzione dei coding agent rappresenta probabilmente uno degli esempi più evidenti di questa trasformazione.

Oggi persone che possiedono una buona capacità di analisi, ma competenze tecniche limitate, possono costruire prototipi e applicazioni impensabili soltanto pochi anni fa.

La barriera d’ingresso allo sviluppo software si sta rapidamente abbassando.

Questo non significa però che costruire sistemi Enterprise robusti sia diventato semplice.

Scalabilità, sicurezza, architettura, integrazione dei dati e affidabilità rimangono problemi complessi.

Ma per chi vuole sperimentare e costruire nuovi progetti non c’è probabilmente mai stato un momento con così tante possibilità.

Il consiglio di Risaro è pragmatico:

partire da un problema concreto, sperimentare e utilizzare l’AI stessa come strumento di apprendimento.

Se tutti possono costruire software, dove sarà il vantaggio competitivo?

Se sviluppare un prodotto digitale diventa sempre più semplice, inevitabilmente la tecnologia perde parte della propria capacità di rappresentare una barriera all’ingresso.

Il vantaggio competitivo si sposta quindi altrove.

Durante l’intervista emergono alcuni elementi particolarmente importanti:

distribuzione, brand, prossimità al cliente, conoscenza verticale del mercato, marketing ed execution.

È anche il motivo per cui molti semplici “wrapper” costruiti sopra ChatGPT sono rapidamente scomparsi.

Se il prodotto non fa altro che replicare una funzionalità che il provider principale può integrare direttamente nella propria piattaforma, la difendibilità è estremamente bassa.

Diverso è costruire un prodotto destinato a un segmento molto specifico, conoscere profondamente quel mercato e offrire un’esperienza progettata intorno ai suoi problemi.

L’AI accelera lo sviluppo.

Ma non elimina la necessità di costruire un vero vantaggio competitivo.

Il ruolo del founder cambia continuamente

La parte finale della conversazione si sposta sul percorso personale di Alessandro Risaro.

DataPizza è anche la sua prima grande esperienza lavorativa.

Con la crescita dell’azienda, il suo ruolo è cambiato continuamente.

Un’organizzazione da poche persone richiede competenze completamente diverse rispetto a un’azienda che passa rapidamente da centinaia di migliaia a milioni di euro di fatturato.

Uno degli insegnamenti più importanti è quindi la capacità di adattarsi continuamente.

Cambiano le persone.

Cambiano i problemi.

Cambiano le responsabilità del founder.

Risaro sottolinea in particolare l’importanza di costruire una forte cultura del feedback e di imparare rapidamente dagli errori.

In un settore come l’intelligenza artificiale, dove praticamente nessuno possiede decenni di esperienza, diventa fondamentale anche ragionare per principi primi: scomporre problemi complessi in elementi più semplici e cercare di prendere decisioni basate sulla logica e sul valore atteso.

Libri, Substack e apprendimento continuo

Anche il modo di apprendere sta cambiando.

Risaro racconta di essere sempre stato un grande lettore.

I libri rimangono fondamentali soprattutto per costruire modelli mentali, capacità di decision making e comprensione dei problemi.

Quando però ci si trova sulla frontiera tecnologica, il ciclo editoriale tradizionale diventa spesso troppo lento.

Per approfondire l’AI e capire cosa sta succedendo in tempo reale diventano quindi sempre più importanti blog, X, newsletter e soprattutto Substack.

Fonti che permettono di seguire direttamente ricercatori, founder e persone che stanno lavorando sulle tecnologie prima ancora che queste diventino mainstream.

Il meglio deve ancora venire

L’intervista si chiude parlando di ambizione, soddisfazione e motivazioni personali.

Risaro racconta di essere molto soddisfatto del percorso costruito con DataPizza, pur mantenendo quella tensione tipica di molti founder verso ciò che deve ancora essere realizzato.

Il finanziamento da 10 milioni, ad esempio, viene vissuto più come una nuova responsabilità che come un punto d’arrivo.

La domanda rimane sempre la stessa:

“What’s next?”

Una mentalità che sintetizza bene anche il momento che stiamo vivendo con l’intelligenza artificiale.

La tecnologia continua ad accelerare.

Molti degli strumenti che utilizzeremo tra pochi anni probabilmente oggi non esistono ancora.

Per aziende e professionisti la vera sfida non sarà indovinare esattamente cosa succederà.

Sarà sviluppare abbastanza capacità di apprendimento e adattamento da riuscire a muoversi insieme al cambiamento.

E, possibilmente, un po’ più velocemente degli altri.

La puntata è disponibile anche su Spotify.