In questi giorni ho avuto il piacere di intervistare Emanuele Fabbiani, Chief Data Scientist di xtream, una startup milanese nata nel 2018 e specializzata in algoritmi di deep learning, in particolare l’analisi predittiva e la previsione delle time series.
Dopo una laurea in informatica e un master in automation engineering all’Università di Pavia, Emanuele ha conseguito un dottorato in Machine Learning applicato al settore energetico nel medesimo ateneo.
Domanda: Di cosa vi occupate?
xtream è una startup innovativa di Milano, nata per affiancare altre aziende nei più sfidanti e innovativi progetti software. Nei corso di 3 anni, abbiamo cresciuto due gruppi: Web & Mobile e Data Science. Il secondo si concentra sullo sviluppo di modelli di machine learning per dati strutturati e previsione di serie temporali.
Grazie all’attenzione alla qualità dei nostri prodotti, siamo diventati partner fidato di alcuni tra i più importanti gruppi industriali italiani.
Team Data annovera nel suo portfolio applicativi big data per la rilevazione e l’analisi di abusi di mercato, modelli predittivi per il carico elettrico e la domanda gas, sistemi di deep reinforcement learning che coniugano AI e psicologia sociale a scopi di marketing. Team Web and Mobile, invece, ha realizzato, tra gli altri, portali di banche, e assicurazioni e applicazioni mobile per organizzazioni no-profit.
D: Quali tecnologie AI utilizzate? E in che modo?
Partiamo dagli argomenti che non trattiamo: per scelta, evitiamo NLP e CV. Due sono le ragioni. xtream è ancora troppo piccola per coprire un ampio spettro di argomenti: preferiamo trattare pochi temi, ma esserne esperti. Inoltre, riteniamo che in ambito NLP e CV si tenderà sempre più ad integrare modelli progettati e addestrati da grandi aziende o centri di ricerca, lasciando poco spazio all’innovazione dei più piccoli.
Ci concentriamo quindi sull’analisi di dati strutturati, i cui risvolti portano a problemi di regressione, classificazione, clustering o previsione di serie temporali. Non abbiamo metodologie predilette: per ogni progetto, studiamo la letteratura scientifica relativa e cerchiamo di tradurre in valore concreto lo stato dell’arte della ricerca.
Non credo di avere spazio per portare degli esempi, ma alcuni sono descritti sul nostro sito, xtreamers.io.
D: Ci racconta come è nata l’idea dell’azienda?
Non credo che la storia di xtream sia un esempio da seguire per aspiranti imprenditori.
All’inizio i miei soci ed io non avevamo un business plan né idea di come gestire un’azienda. Avevamo però notato che quella passione per la qualità che ci accomunava non era sempre onorata dalle società di consulenza più blasonate. Da qui l’idea di creare una boutique: piccola, agile, capace di incoraggiare lo studio e la formazione continua al fine di poter fornire ai propri clienti il supporto di professionisti estremamente competenti.
Finora, la scommessa ha pagato: abbiamo notato che molte aziende, in Italia come all’estero, faticano a trovare partner affidabili in ambito data science, nonostante abbiamo interesse e propensione ad investire. Ora, oltre ai 5 fondatori originali, abbiamo 10 dipendenti, tra cui uno psicologo, il cui unico compito è assicurare il benessere delle persone che compongono l’azienda.
D: Quali sono state le difficoltà iniziali? Come le avete superate?
Quanto tempo ho? Scherzi a parte, sono state molte. Due in particolare meritano di essere sottolineate.
Trovare nuovi clienti è stato per noi complesso. Non abbiamo mai avuto reali necessità in tal senso: spesso il problema è stato avere troppe richieste piuttosto che troppo poche. Tuttavia, sappiamo che questa situazione favorevole non durerà per sempre. Ancora oggi i nostri clienti più importanti sono giunti tramite contatti, conoscenze e referenze di manager soddisfatti del nostro lavoro. Nell’ultimo anno, con il nuovo sito, una gestione più attenta dei social e una maggiore presenza ad eventi, abbiamo iniziato ad ottenere un maggiore successo commerciale. Ma è un ambito su cui dobbiamo ancora studiare e migliorare parecchio.
La burocrazia è una piaga. Abbiamo atteso 3 mesi per l’apertura dell’azienda e ogni anno perdiamo tanto, troppo tempo per adempimenti burocratici. Non credo di avere spazio per discutere nel dettaglio che cosa potrebbe aiutare giovani imprese, ma sono convinto che una burocrazia più snella, comprensibile, digitale, e attenta alle esigenze degli imprenditori potrebbe portare benefici molto maggiori rispetto a qualunque bonus o contributo economico. Su questo tema sarebbe interessante avere una chiacchierata ad hoc.
D: Quali consigli si sente di dare a un imprenditore o un’imprenditrice che vogliono far partire la loro startup in ambito AI?
Vorrei premettere, a costo di ripetermi, che non sono la persona adatta a dare consigli imprenditoriali. Potresti provare a chiedere a Jack Dorsey! Facili battute a parte, fare azienda nel settore AI è prima di tutto fare azienda. Il che significa riconoscere un problema significativo, trovare una soluzione, individuare un pubblico abbastanza numeroso che sia disposto a pagare per quella soluzione.
Ho visto tante, troppe persone – inclusi nostri clienti – pensare che “AI” sia una parola magica capace di risolvere ogni problema. Non è così. Come il software o come un martello, l’AI è uno strumento. Utile per risolvere alcuni problemi, non altri. In ultima analisi, il consiglio potrebbe essere “partite dal problema”.
Secondariamente, be open. Se il vostro business model vi permette di condividere codice, modelli, risultati, con il resto della community, fatelo. Riceverete molto più di quanto state dando.
D: Molti giovani oggi sono interessati a una carriera nell’AI. Quale percorso di studi raccomanderebbe loro?
Laurea magistrale sicuramente. Ormai tutte le maggiori università si stanno attrezzando con corsi specifici per Data Science, capaci di coniugare matematica, statistica e informatica. Un dottorato è utile – anzi, direi indispensabile – per chi voglia perseguire la carriera accademica oppure posizioni di ricerca nell’industria.
In quest’ultimo anno sono stato mentor presso Lead the Future: un consiglio che molti membri della community, ben più titolati di me, danno ai ragazzi è continuare ad essere curiosi. Non limitarsi alla preparazione accademica, ma cimentarsi in internship, competizioni kaggle, studio individuale. Da dati empirici, posso confermare che si tratta di esperienze fortemente formative, che permettono di raggiungere più facilmente soddisfazioni professionali importanti.
D: Cosa ne pensa del mercato del lavoro in ambito AI? Riuscite a trovare le persone che vi servono?
Sicuramente i professionisti dell’ambito Data sono estremamente ricercati. Data Science, Data Engineering, Machine Learning ed AI sono più che buzzword: sono tecniche capaci di portare vero valore a molti settori produttivi.
Solitamente, noi selezioniamo giovani promettenti, anche alle prime armi, e li cresciamo nell’azienda. In Italia i talenti non mancano e l’università, anche se non forma al mondo del lavoro, spesso è capace di insegnare come studiare e apprendere. Una delle capacità più utili ed importanti.
D: Dove immaginate l’azienda fra cinque anni?
La maggiore sfida dei prossimi anni sarà abbandonare il business model puramente consulenziale. Vorremmo iniziare una transizione verso un sistema più scalabile, traendo spunto dall’esperienza accumulata in questi anni per identificare problemi che possano essere risolti tramite software da noi sviluppato. Da consulenza a prodotto, insomma.
Vorremmo però mantenere l’attenzione alla qualità che ci contraddistingue, nonché il piacere di lavorare insieme. xtream è nata come un luogo dove crescere e divertisti, e dovrà rimanerlo, qualunque sia il nostro percorso.
D: C’è qualcos’altro che desidera aggiungere?
Vorrei cogliere l’occasione per discutere dell’importanza della riconoscenza.
Siamo consapevoli che senza l’aiuto e il supporto di molti xtream non esisterebbe. Siamo stati fortunati, e riteniamo nostro dovere aiutare altri ad esserlo.
Per questo, ci impegniamo nella divulgazione, attraverso articoli e librerie open-source. Siamo mentor in organizzazione come Lead The Future, partecipiamo ad associazioni con l’Italian Association for Machine Learning. Partecipiamo a meetup e conferenze, e quest’anno abbiamo organizzato la track “AI & Sustainable Energy” degli Applied Machine Learning Days.
Insomma, cerchiamo di restituire a qualcuno parte del valore che molti ci hanno regalato.
