La startup di intelligenza artificiale che ho incontrato oggi è Svelto Big Data Clean and Analitycs srl (per gli amici: Svelto!), uno spin-off dell’Università della Basilicata. Ho avuto modo di fare qualche domanda a Giansalvatore Mecca, professore ordinario presso l’Università degli Studi della Basilicata, dove coordina le attività del corso di studi in informatica ed ingegneria informatica e dove fa ricerca su tecniche di big-data management, nonché fondatore di Svelto!
Domanda: Di cosa vi occupate?
Svelto! è una startup nata nell’aprile del 2017 come spin off del gruppo di ricerca in data management dell’Università degli Studi della Basilicata. Ha un team molto giovane composto ormai da 18 persone, tra collaboratori e soci, molti dei quali Ph.D. e ricercatori. Ci occupiamo prevalentemente di Big Data, fornendo soluzioni custom di machine learning, sviluppo software e prototipazione veloce, soluzioni di trasformazione digitale basate su algoritmi avanzati ed architetture innovative. Siamo a tutti gli effetti una boutique di sviluppo, adottiamo le tecnologie più recenti e metodologie di sviluppo agili per soluzioni altamente custom.
Domanda: Quali tecnologie AI utilizzate? E in che modo?
Cerchiamo di essere flessibili rispetto alla tecnologia, seguendo da vicino gli sviluppi tecnologici. Per lo sviluppo di soluzioni di machine learning lo stack applicativo tipico è basato su Python e TensorFlow. Per lo sviluppo di app sviluppiamo indifferentemente in Java e Node.js per il backend, e Angular e Flutter per il frontend.
Domanda: Ci racconta come è nata l’idea dell’azienda?
A cominciare da una esigenza specifica, nata all’interno del nostro ateneo, abbiamo iniziato a realizzare come effettivamente la nostra attività di ricerca potesse avere grandi potenzialità applicative. Il mercato italiano, e forse europeo, è fortemente popolato da grossi players che si occupano di questi temi (AI, ML, analitycs), ma generalmente offrono soluzioni preconfezionate, solo parzialmente adattabili alle reali esigenze dei clienti. Com’è noto, un buon tool di machine learning deve essere basato su un dataset di qualità, e modelli che effettuano predizioni accurate. A questi va aggiunta un’adeguata infrastruttura di backend e frontend per consentire l’interazione con i modelli da parte degli utenti. Da qui è nata l’idea di esplorare una nicchia di mercato popolata da soggetti aventi esigenze molto spinte e non standardizzabili facendo la nostra offerta di software boutique. All’inizio le commesse e i contatti con i primi clienti sono avvenuti grazie al passaparola, basata sulle caratteristiche di customizzazione e qualità che ci contraddistingue.
Domanda: Quali sono state le difficoltà iniziali? Come le avete superate?
La più grande difficoltà è stata far passare un messaggio culturale che si differenziasse dal main stream: ormai “intelligenza artificiale” è una buzzword, molto spesso vuota. Purtroppo in Italia non ci sono ancora le competenze necessarie per il corretto management di progetti di analytics. Di conseguenza stiamo lavorando molto, anche in termini di comunicazione, per far comprendere come sia invece una realtà ancora tutta da esplorare, in cui una eccessiva standardizzazione dei modelli contraddice a livello concettuale il motivo per cui si è sviluppata questa tecnologia, e sia necessario fare crescere la consapevolezza e la maturità del management attorno a questi temi. L’altra difficoltà nel mercato italiano è rappresentata dal posizionamento: realtà come la nostra che puntano a fornire soluzioni complesse di alta qualità dal punto di vista tecnico e ritagliate su misura sulle esigenze dei clienti devono trovare clienti che siano pronti a riconoscere i benefici di queste soluzioni ed accettare i costi associati.
Domanda: Quali consigli si sente di dare a un imprenditore o un’imprenditrice che vogliono far partire la loro startup in ambito AI?
Suggerirei di focalizzarsi sul cliente. Sembra una cosa scontata, ma non lo è. Capire a fondo cosa il cliente vuole, qual è il suo obiettivo, a cosa può servire un modello di AI è fondamentale. Molto spesso le richieste sono esplicite, il più delle volte bisogna però avere anche un minimo di capacità relazionali e andare a scovare il “non detto”, la richiesta non esplicitata formalmente ma che il cliente si aspetta. Per fare questo sicuramente sono molto utili le metodologie agile, tipo SCRUM, ma non è sufficiente. È comunque un ottimo punto di partenza.
Domanda: Molti giovani oggi sono interessati a una carriera nell’AI. Quale percorso di studi raccomanderebbe loro?
È opportuno distinguere chiaramente i profili di sviluppo delle soluzioni di AI/ML dai profili di management di queste soluzioni. Noi crediamo che l’unico percorso di studi che consente di affrontare in modo corretto lo sviluppo di una soluzione complessa di ML è il percorso di studi ICT delle lauree in informatica ed ingegneria informatica. Solo in questo modo è possibile maturare sensibilità rispetto a tutti gli aspetti del problema, dalla raccolta e ripulitura dei dati, all’integrazione, allo sviluppo del modello, fino al confezionamento della soluzione applicativa. D’altro canto, come dicevamo, riteniamo che ci sia grandissima necessità di manager evoluti di processi che adottano modelli predittivi di analytics. I molti percorsi formativi di data science che stanno nascendo a nostro avviso sono la soluzione ideale per costruire questi profili.
Domanda: Dove immaginate l’azienda fra cinque anni?
Il nostro obiettivo è crescere. Abbiamo strutturato un piano di relazioni commerciali e di comunicazione che è finalizzato alla crescita del fatturato e al consolidamento del gruppo, sia in termini numerici che organizzativi. Al momento non pensiamo ancora all’ingresso di potenziali investitori nella compagine, ma non è qualcosa che escludiamo a prescindere nel medio periodo. Da qui a cinque anni immaginiamo che l’AI sia diventata ormai una consapevolezza operativa nel nostro Paese e, dunque, di aver allargato la nostra fetta di mercato attuale.
