Intervista a Emanuele Fabbiani: ricerca e startup AI; allucinazioni ed explainability degli LLM

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 funzionamentodifferenza tra significato e significante nei Large Language Modelsquali tecniche aiutano a mitigare le allucinazioniperché la spiegabilità è cruciale per l’adozione enterprise dell’AIlimiti e costi delle scaling lawil ruolo del reasoning nei modelli di nuova generazioneVibe Coding: perché sta cambiando davvero il modo di scrivere softwarecosa significa fare impresa AI in Italia oggiconsigli pratici per giovani, ricercatori e futuri imprenditori techUn 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/⏱️ Capitoli00:00 Introduzione01:54 Il percorso di Emanuele Fabbiani05:52 Ricerca vs startup: una falsa dicotomia11:48 Accademia e industria: contaminazione necessaria12:49 Nascita di Xtream e dinamiche di gruppo19:02 L’acquisizione da parte di TeamSystem24:55 Explainability nei Large Language Models33:32 Significato, non significante43:06 Allucinazioni nei modelli AI56:42 Scaling law e limiti economici59:35 Vibe Coding e sviluppo software assistito01:05:18 Revisione del codice e AI01:10:23 Ecosistema AI in Italia01:21:24 Consigli per chi vuole fare startup01:29:33 Il futuro dell’intelligenza artificiale