In questo episodio di Risorse Artificiali intervistiamo Emanuele Fabbiani, imprenditore e ricercatore nel mondo dell’intelligenza artificiale, fondatore di Xtream e Ready, oggi parte dell’ecosistema TeamSystem.

Partendo dal suo percorso personale — tra ricerca accademica e costruzione di startup AI — affrontiamo uno dei temi più discussi e fraintesi dell’AI moderna: le allucinazioni dei modelli linguistici (LLM) e il problema della explainability.

Parliamo di:

• perché i modelli AI allucinano e cosa ci dice questo sul loro funzionamento

• differenza tra significato e significante nei Large Language Models

• quali tecniche aiutano a mitigare le allucinazioni

• perché la spiegabilità è cruciale per l’adozione enterprise dell’AI

• limiti e costi delle scaling law

• il ruolo del reasoning nei modelli di nuova generazione

• Vibe Coding: perché sta cambiando davvero il modo di scrivere software

• cosa significa fare impresa AI in Italia oggi

• consigli pratici per giovani, ricercatori e futuri imprenditori tech

Un episodio denso ma concreto, che unisce AI engineering, ricerca, startup e futuro del lavoro, con uno sguardo lucido su cosa funziona davvero oltre l’hype.

Link:

https://www.linkedin.com/in/emanuelefabbiani/

https://xtreamers.io/

⏱️ Capitoli

00:00 Introduzione
01:54 Il percorso di Emanuele Fabbiani
05:52 Ricerca vs startup: una falsa dicotomia
11:48 Accademia e industria: contaminazione necessaria
12:49 Nascita di Xtream e dinamiche di gruppo
19:02 L’acquisizione da parte di TeamSystem
24:55 Explainability nei Large Language Models
33:32 Significato, non significante
43:06 Allucinazioni nei modelli AI
56:42 Scaling law e limiti economici
59:35 Vibe Coding e sviluppo software assistito
01:05:18 Revisione del codice e AI
01:10:23 Ecosistema AI in Italia
01:21:24 Consigli per chi vuole fare startup
01:29:33 Il futuro dell’intelligenza artificiale