Denkkappe

La scienza complessa al tuo servizio.

Consulenza indipendente in IA e data science, per modelli comprensibili, affidabili e verificabili.

Contattaci

Cosa facciamo

IA e data science affidabili

Costruiamo modelli di data science ad alte prestazioni in cui ogni risultato può essere compreso, verificato e sottoposto ad audit. Per le organizzazioni che devono rispettare requisiti normativi, convincere i propri stakeholder o accelerare la ricerca senza puntare su una scatola nera.

Il nostro lavoro spazia dalla finanza regolamentata alla ricerca biotech e all’elaborazione del linguaggio su larga scala, dal credit scoring trasparente all’analisi di segnali e immagini. Scienza affidabile, al tuo servizio.

La prova del fiuto, per i founder

La maggior parte delle idee imprenditoriali «geniali» muore in silenzio. Non perché il mercato le abbia respinte, ma perché nessuno ha avuto il coraggio di dire al founder che il suo bambino era brutto.

Se passi settimane a ritoccare il pitch deck da solo, smetti di guardarti l’ombelico e portaci la tua idea. Aspettati di vedere le tue ipotesi smontate, il tuo approccio di machine learning messo sotto stress e il tuo ego un po’ ammaccato.

Non è un parere a pelle. È una diagnosi rigorosa, costruita su decenni di ricerca accademica e di strategia aziendale, su misura per ogni idea. Non siamo qui per convalidare le tue emozioni; siamo qui per verificare se la tua idea sta in piedi.

Come funziona la prova del fiuto

Due diligence sull’IA, per gli investitori

Ormai ogni pitch deck parla di «IA». Prima di investire, verifica che l’IA sia reale, difendibile e costruita su dati che l’azienda ha davvero il diritto di usare.

Matteo lavora sul concreto: esamina il codice e la data room, intervista il team tecnico e mette alla prova ogni promessa con ciò che trova. In particolare:

cosa funziona in produzione e cosa funziona solo nella demo
se il prodotto è più di un involucro attorno al modello di qualcun altro
quanto costerà far girare i modelli su larga scala
dove la regolamentazione, come l’AI Act europeo, farà sentire il suo peso

Ricevi una valutazione tecnica scritta, i campanelli d’allarme ordinati per gravità e le domande da fare ai founder prima di firmare. Condotta personalmente e sotto NDA, di solito prima del term sheet.

Strettamente IA e machine learning: una valutazione tecnica, non una consulenza d’investimento.

La prova del fiuto, da vicino

Esamina l’IA al cuore della tua idea: la scienza, i dati e i modelli da cui dipende. Ogni idea deve superare cinque domande.

Il segnale è reale?

Prima di qualsiasi modello: la fisica, la chimica o la biologia di fondo sostengono l’idea? E il segnale su cui scommetti è rilevabile in dati che puoi realisticamente ottenere?

L’IA è lo strumento giusto?

O un metodo più semplice, più collaudato e più trasparente farebbe meglio il lavoro? A volte la risposta onesta è: niente IA.

I dati ci sono?

Da dove vengono, di chi sono, se sono sufficienti e quali distorsioni portano nel tuo modello.

È sicura per le persone che coinvolge?

Soprattutto quando gli utenti sono vulnerabili. Un chatbot generico che incanta in una demo può dire cose che nessun prodotto responsabile dovrebbe dire, e le autorità di regolamentazione ci fanno attenzione.

È più di un semplice involucro?

Se il tuo prodotto è solo uno strato sottile sopra il modello di qualcun altro, cosa impedisce a un concorrente, o a chi ha creato il modello, di fare lo stesso il mese prossimo?

Cosa ottieni

Una sessione di lavoro franca sulla tua idea, sul tuo deck e su eventuali dati o prototipi. Poi un verdetto scritto: via libera, prima sistema questo o stop, con le ragioni, le evidenze e cosa potrebbe cambiare la risposta.

La tua idea resta tua. Le prove del fiuto passate hanno spaziato dall’esplorazione di risorse del sottosuolo alle tecnologie assistive, e ogni dettaglio resta ai rispettivi founder. NDA su richiesta.

Prenota una prova del fiuto

L’IA non salverà un’idea sbagliata. Ti aiuterà solo a costruire più in fretta un prodotto sbagliato.

Come lavoriamo

Trasparenti per scelta

Modelli «a scatola di vetro», il cui ragionamento si può ispezionare, spiegare e sottoporre ad audit, non solo misurare sui benchmark.

Cinquant’anni di apprendimento, non cinque

Tutti gli strumenti dell’apprendimento statistico, della simulazione e della scienza delle reti. I grandi modelli linguistici quando sono lo strumento giusto, non per default.

Ampiezza e profondità

Una comprensione dei sistemi complessi a partire dai principi primi, unita alla capacità pratica di mettere in produzione pipeline di machine learning.

Cose che funzionano

Verdetti onesti e risultati misurabili, non metriche di facciata. Come scriveva Voltaire, il meglio è nemico del bene.

Lavori selezionati

Alcuni dei problemi che Matteo ha affrontato negli anni, in forma anonima.

Decisioni di credito che un regolatore può leggere

Una piattaforma di prestiti digitale aveva bisogno di modelli di credit scoring accurati, ma anche spiegabili alle autorità di vigilanza e alle imprese richiedenti. Matteo ha realizzato modelli di scoring trasparenti, controlli antifrode e antiriciclaggio e la pipeline di produzione per gestirli, insieme a un team di dati che ha costruito da zero. I modelli hanno valutato oltre 100 000 richieste, dietro miliardi di euro di finanziamenti.
Un motore di IA, dal foglio bianco ai ricavi

Una startup fintech voleva automatizzare la gestione della tesoreria aziendale. Matteo ne ha progettato il motore di IA da zero e ha contribuito a trasformarlo in un prodotto su cui gli investitori erano pronti a scommettere. La società ha raccolto un round seed e generava ricavi entro due anni.
Trovare le opportunità che altri non vedono

Alcuni investitori immobiliari volevano un modo sistematico per individuare operazioni non convenzionali prima del mercato. Matteo ha guidato lo sviluppo di algoritmi in grado di scovarle in dati disordinati ed eterogenei, e ha realizzato progetti pilota con primarie società immobiliari.
Aiutare i fact-checker a stare al passo

Un’iniziativa globale di fact-checking aveva bisogno di un’IA che rendesse più veloci i fact-checker umani senza togliere loro il giudizio. Matteo ha diretto la ricerca su larga scala in elaborazione del linguaggio alla base del progetto, e l’ha trasformata in sistemi di produzione pensati per affiancare le persone, non per sostituirle.
Ambulanze dove servono, con un budget in calo

Un servizio regionale di emergenza sanitaria doveva ridurre i costi senza rallentare i tempi di intervento. Matteo ha costruito una simulazione dell’intero sistema, ambulanze ed elisoccorso compresi, che mostrava dove razionalizzare la spesa e come dislocare i mezzi con un budget più ridotto.

Chi c’è sotto la Denkkappe?

Denkkappe è lo studio di consulenza di Matteo Morini, con sede a Lugano.

Da oltre vent’anni Matteo si muove tra ricerca e industria. È stato ricercatore di ruolo all’Università di Torino per più di dieci anni, ha conseguito nel frattempo il dottorato in informatica all’École Normale Supérieure de Lyon ed è coautore di libri di economia basata su agenti pubblicati da Cambridge University Press e Palgrave Macmillan.

Nell’industria ha costruito i team di dati e i modelli di credit scoring spiegabili dietro miliardi di euro di finanziamenti in una fintech italiana, e oggi lavora come partner e advisor per realtà attive nel fintech, nel biotech e nella simulazione su larga scala. Più di dieci anni di insegnamento post-laurea gli permettono di spiegare in modo semplice cose complesse.

Vedere founder che appiccicano l’etichetta «IA» a una moltiplicazione di matrici su uno spazio latente congelato, come se cinquant’anni di apprendimento statistico e di ricerca pre-LLM non fossero mai esistiti, è ufficialmente la genesi del mio lato oscuro.
Matteo

CV completo e pubblicazioni

Scrivici. Vediamo cosa hai in mano.

Che si tratti di un modello che deve reggere a un audit o di un’idea che deve reggere alla realtà, raccontaci a cosa stai lavorando.

Scrivi a Matteo