GabrySolution in Aidia: esiste una via italiana all'AI?

L’intervista di GabrySolution ad Aidia

Gabriele Venturini a Firenze per intervistare il team e i fondatori di Aidia: esiste una via italiana all’AI?

L’intelligenza artificiale è una bolla? Luca Angioloni, CTO e co-fondatore di Aidia, risponde così: «Credo che per ovvi motivi sia nata come una bolla». Arrivare fin qui, aggiunge, ha richiesto investimenti che, «scritti su un foglio, sono una follia». Ma per Luca è una bolla che sta già producendo valore vero, perché la tecnologia è reale. Resta da capire dove si trovi, quel valore.

È una delle domande che ci ha fatto Gabriele Venturini, ingegnere informatico e imprenditore conosciuto online come GabrySolution. Sui suoi canali parla di marketing basato sui dati, social media e intelligenza artificiale, ed è venuto a Firenze a intervistare il nostro team e i fondatori. Il punto di partenza, nelle sue parole: «In Italia c’è qualcuno che l’AI la sta facendo davvero. Sono andato a vedere chi.»

Per noi questo confronto è un passaggio importante. Conferma l’interesse verso un’intelligenza artificiale costruita su problemi reali, già al lavoro nelle fabbriche e nei sistemi dei clienti. E ci ha dato l’occasione di spiegarla davanti al suo pubblico, rispondendo a domande precise e a volte scomode. Sullo sfondo ce n’era una più ampia: esiste una via italiana all’AI? Per noi sì, ed è un’intelligenza artificiale verticale, costruita sul singolo processo e integrata nei sistemi che l’azienda usa già.

L’intervista completa è sul nostro canale YouTube: guarda il video.

Dove si vede il valore dell’AI in una fabbrica?

Su una linea di food packaging un pezzo fallato può lasciar entrare batteri. «Sono contesti dove non è ammesso l’errore», dice Luca. Per anni la difesa sono stati i controlli a campione: quando si trovava un difetto, si buttava via un intero lotto di produzione. Oggi, con le tecnologie che portiamo nelle aziende, si può controllare il cento per cento dei pezzi in tempo reale, mentre la macchina produce, e scartare subito quelli difettosi. Luca ne elenca gli effetti: migliora la qualità della produzione, evita i fermi macchina, abbatte costi e sprechi.

Per riuscirci serve la tecnologia giusta. In questo campo, spiega Luca, «i large language model proprio non hanno senso». Il sistema deve eseguire circa sessanta controlli al secondo, elaborando immagini e dati da sensori. Un modello linguistico è molto più lento, e a quel ritmo «non fai niente». Servono reti neurali specializzate. È il lavoro di Aidia Control, il nostro sistema di visione artificiale basato su deep learning: si collega alla macchina e scarta i pezzi difettosi senza fermare la linea.

Che serva la tecnologia giusta non è sempre stato evidente. All’inizio il problema era la fiducia. L’AI sembrava fantascienza, e Riccardo Celli, CEO e co-fondatore di Aidia, ricorda che i clienti chiedevano sempre la stessa cosa: «Come faccio ad essere sicuro se funziona o non funziona?» Con l’arrivo di ChatGPT la situazione si è rovesciata. Luca ricorda una fase in cui chiunque chiedeva di mettere l’AI ovunque, in qualunque settore, e spesso con la tecnologia sbagliata: aziende che chiedevano un modello linguistico per problemi che avevano bisogno di un modello di visione. Per questo una parte del nostro lavoro è dire quando una tecnologia non serve, o quando ne serve un’altra.

Scegliere il modello giusto richiede però competenze che molte aziende non hanno in casa. Secondo l’ISTAT, nel 2025 usava almeno una tecnologia di AI il 15,7% delle PMI con almeno 10 addetti, contro il 53,1% delle grandi imprese, e tra chi l’ha valutata senza adottarla la mancanza di competenze è uno degli ostacoli principali.

Perché un modello generativo può sbagliare con tanta sicurezza?

Dipende da come viene addestrato. «Il target di addestramento di questi modelli è essere verosimili nella risposta, non essere corretta la risposta», spiega Luca. Il pre-training, la fase che consuma circa il 90% del calcolo necessario all’addestramento, insegna al modello a replicare testo in modo statisticamente accurato. Un testo plausibile, però, può essere sbagliato nel contenuto.

Luca indica anche due limiti strutturali. I modelli sono statici e non hanno una memoria vera: quella che sembra memoria è il contesto che l’utente fornisce di nuovo a ogni richiesta. Conoscono poi il mondo solo attraverso una sua rappresentazione, fatta di testi o immagini, senza la comprensione fisica che un bambino di sette anni ha già.

Restano strumenti utili, a patto di usarli dove la risposta si può verificare e il contesto si può fornire. AVA, la nostra piattaforma AI proprietaria, collega il modello linguistico ai documenti e ai sistemi dell’azienda, on-premise o su cloud privato europeo, e permette di cambiare modello senza dipendere da un singolo fornitore. La verifica finale resta a chi conosce il processo.

Cosa cambia per chi scrive codice, e per chi inizia adesso?

Alessandro Minervini, machine learning engineer e project manager di Aidia, usa l’AI per fare in quattro ore il lavoro di programmazione che prima gliene richiedeva otto. Anche con il vibe coding, lo sviluppo affidato all’AI a partire da una descrizione, funziona, dice, solo «se sai quello che vuoi fare»: altrimenti l’AI propone una soluzione diversa da quella che serviva, e prima di arrivare al risultato si perde molto tempo a correggerla. Bernardo Menicagli, software architect, vede l’AI come uno strumento che si userà sempre di più e che entrerà sempre più a fondo nel flusso di sviluppo software. Con un limite chiaro: «ci sarà sempre la necessità di avere comunque un controllo umano dietro».

Le due posizioni arrivano allo stesso punto. L’AI accelera chi sa già lavorare e lascia più esposto chi sta ancora imparando. Carolina Magrini, responsabile marketing, lo dice senza giri di parole: «Saranno le figure junior a pagarne un po’ più le conseguenze». È convinta che il cambiamento aprirà anche altre opportunità. Per le aziende resta comunque una domanda aperta: se i compiti con cui un junior imparava il mestiere li svolge l’AI, come si formeranno i senior di domani?

Che cosa ha di italiano un’AI costruita così?

Per Carolina la risposta è culturale. Gastronomia, moda, lusso, automotive: i settori in cui l’Italia è riconosciuta nel mondo hanno in comune la personalizzazione e la cura artigianale. Applicate alla tecnologia diventano quello che chiamiamo «tech italiano artigianale».

Luca sceglie un’immagine sartoriale. La macchina da cucire ha reso il lavoro più veloce, e spesso migliore, ma il valore di un capo resta nel design, che sia di Gucci o di Brunello Cucinelli: «La macchina da sola non la inventa, non la crea, non sa cosa vorrà fare». Guardando avanti, pensa che l’AI diventerà il sistema operativo del lavoro, un orchestratore che per le funzioni specifiche richiama strumenti scritti da sviluppatori. Se andrà così, per noi il vantaggio andrà a chi avrà costruito gli strumenti migliori intorno a processi reali.

Il limite di questa via è economico. La ricerca c’è, e Carolina cita l’Università di Pisa come esempio. Mancano i capitali: in Italia, osserva Luca, le aziende sono poco orientate al debito e preferiscono crescere con le spalle coperte, mentre negli Stati Uniti si parte dagli investitori e il resto si vede dopo.

Che cosa resta se la bolla scoppia?

Luca non nega che l’AI sia ancora una bolla: «era una bolla e lo è anche oggi». È stata proprio la bolla, spiega, a creare il mercato e la domanda e a produrre valore. Resta da vedere se scoppierà o se reggerà finché non sarà più una bolla. Su un punto però non ha dubbi: la tecnologia «è reale, è utile, la useremo tutti» e rimarrà, «non sparisce, sia che scoppi la bolla, sia che non scoppi la bolla».

Un precedente c’è già. La bolla del web dei primi anni Duemila scoppiò, ma internet è rimasto ed è diventato parte del lavoro di ogni giorno. Per come la vediamo noi, anche questa volta resterà soprattutto l’AI costruita su processi reali: il controllo di ogni pezzo su una linea di produzione, gli strumenti verticali cuciti sui sistemi di un’azienda.

Domande frequenti

Esiste una via italiana all’intelligenza artificiale?

Per Aidia sì. È un’AI verticale, costruita su un processo specifico e integrata nei sistemi che l’azienda usa già, come ERP, MES o linee di produzione. Riprende la personalizzazione e la cura artigianale dei settori in cui l’Italia è riconosciuta nel mondo, come moda e automotive. Il suo limite principale è la difficoltà di raccogliere capitali per far crescere le aziende che la sviluppano.

Per il controllo qualità in fabbrica serve un modello linguistico?

Di solito no. Il controllo qualità su linee ad alta velocità richiede sistemi di visione artificiale specializzati, capaci di analizzare decine di immagini al secondo e di scartare i pezzi difettosi in tempo reale. I modelli linguistici sono più adatti a documenti, dati e gestionali, dove la velocità di ispezione non è il requisito principale.

Perché l’AI generativa a volte dà risposte sbagliate?

Perché è addestrata a produrre testo statisticamente plausibile, non a verificarne il contenuto. Una risposta sicura e ben scritta può quindi essere sbagliata. Per usarla in azienda servono contesto, cioè l’accesso ai dati e ai documenti giusti, e una verifica da parte di chi conosce il processo.

Da dove partire se si valuta l’AI in azienda?

• Scegliere il modello in base al compito: visione artificiale per le ispezioni ad alta velocità, modelli linguistici per documenti, dati e gestionali.
• Dare all’AI il contesto giusto: senza obiettivi chiari e dati pertinenti, le risposte del modello diventano casuali.
• Verificare le risposte: un output generativo plausibile va controllato da chi conosce il processo.

Se vuoi capire se e dove l’AI serve ai tuoi processi, parla con il team di Aidia.

Fonti

• ISTAT (2025). «Imprese e ICT, anno 2025» - istat.it
• Assolombarda, Centro Studi (2025). «Utilizzo dell’Intelligenza Artificiale nelle imprese», su dati ISTAT - assolombarda.it