Torna Data Masters Stories, la rubrica che raccoglie le testimonianze dei nostri studenti e delle nostre studentesse, raccontando esperienze reali di formazione, crescita professionale e applicazione concreta delle competenze nel mondo AI & Data.
In questa nuova intervista conosciamo Giovanni Battista Amodeo, professionista IT e studente del Percorso di Carriera AI Engineer di Data Masters, che ha scelto di intraprendere questo percorso per approfondire in modo strutturato il potenziale dell’intelligenza artificiale e capirne l’integrazione reale nei processi aziendali.
Con un background tecnico già solido e una forte curiosità verso l’evoluzione dell’AI, Giovanni racconta un’esperienza fatta di metodo, pratica e consapevolezza: non solo nuovi strumenti da conoscere, ma criteri per valutarli, comprenderne i limiti e portarli in produzione in modo utile, sostenibile e concreto. La sua testimonianza mostra bene perché oggi formarsi in AI significhi soprattutto acquisire una visione più completa, applicabile e critica di un ecosistema in continua evoluzione.
1. Come valuti la tua esperienza con il Percorso di Carriera AI Engineer?
“L’idea di iniziare questo percorso nasce dall’incontro tra esigenze professionali e curiosità personale verso l’evoluzione dell’intelligenza artificiale e le sue possibili applicazioni nel settore IT e nel contesto farmaceutico in cui lavoro. Da una parte c’era la volontà di esplorare un ambito in continua evoluzione; dall’altra, la necessità professionale di acquisire competenze utili per integrare l’AI in modo efficace all’interno dell’azienda.
Non era più sufficiente saper scrivere un prompt e interpretare il risultato restituito da una chat. Era diventato necessario comprendere anche cosa accade realmente “sotto il cofano”: come funzionano i Large Language Model, cosa sono gli agenti AI, quali sono i loro limiti, quali implicazioni comportano in termini di privacy e sicurezza e, soprattutto, come progettare soluzioni realmente utili, governandone l’intero ecosistema con consapevolezza.
Nell’azienda farmaceutica in cui lavoro, Dicofarm, stavamo cercando online un partner formativo che offrisse un percorso pratico e aggiornato in materia. Tra le diverse realtà valutate, anche grazie ad un incontro conoscitivo, Data Masters ci è sembrata quella più in linea con le nostre esigenze sia per il programma esteso riguardo gli argomenti trattati sia per l’approccio orientato all’applicazione concreta delle tecnologie AI durante il percorso.
Le aziende stanno affrontando un periodo di trasformazione legato all’intelligenza artificiale e Dicofarm non fa eccezione. Per questo motivo è emersa la necessità di formare le risorse interne per diffondere la cultura dell’AI, trasversalmente nei diversi reparti aziendali, ognuno con le proprie peculiarità.
Nell’ultimo periodo, infatti, in azienda è cresciuta l’esigenza di approfondire in modo strutturato le tematiche legate all’intelligenza artificiale. Non soltanto per capire come utilizzare questi strumenti, ma soprattutto per capire come integrarli correttamente nei processi interni.”
2. Qual era il tuo background e cosa ti ha spinta a formarti come AI Engineer?
“Lavoro nell’ambito IT dal 2011. Ho iniziato presto a fare esperienza come tecnico informatico per poi ricoprire, anche nel corso del tempo, ruoli come system administrator e web developer (front-end e back-end). Lato tecnico, già dalle superiori mi dilettavo a sistemare all’occorrenza i computer del liceo, quelli dei miei compagni e, per quanto riguarda la parte web, a creare dei siti web che mi aiutassero a ripassare alcune materie o a condividere dei contenuti tra amici.
La curiosità e la passione per questo campo mi hanno sempre spinto a studiare e ad aggiornarmi continuamente. Già da ragazzo sapevo che avrei voluto lavorare in questo ambito.
L’informatica evolve costantemente e stare al passo, sperimentando anche nuove tecnologie, non è sempre semplice, soprattutto quando si lavora a tempo pieno su progetti in essere con priorità ben definite. Nonostante le difficoltà, credo che non si debba mai smettere di essere curiosi. Monitorare l’evoluzione del settore serve anche a individuare novità emergenti per poi poterle approfondire quando diventano rilevanti per la propria crescita personale o per il contesto aziendale. È stato proprio questo, per me, il caso dell’AI come la conosciamo oggi.
Prima di iniziare il percorso, le mie conoscenze sull’AI erano principalmente figlie della curiosità: avevo iniziato a sperimentare con Midjourney su Discord, spinto dalla passione per il design e la creatività digitale, e successivamente con ChatGPT e altri strumenti basati sui Large Language Model per i primi approcci più tecnici.
Ne intuivo il potenziale in attività sperimentali come ad esempio la generazione di codice per la creazione di prototipi per lo sviluppo web, per l’analisi documentale e per l’automazione di attività ripetitive. Mancava però una visione più strutturata che mi permettesse di comprendere come integrare queste tecnologie in contesti aziendali.
L’intelligenza artificiale sta accelerando lo sviluppo di molti processi aiutando nelle attività quotidiane. È un valido strumento, ma esprime al meglio il suo valore e potenziale quando viene utilizzata a supporto di competenze esistenti e se affiancata da qualcuno in grado di valutarne criticamente i risultati e contestualizzarli.”
3. Quali sono stati i principali traguardi o cambiamenti in positivo che sei riuscito a raggiungere?
“Quando ci si avvicina all’AI da autodidatti si trovano centinaia di video, articoli di blog e strumenti a disposizione. Il rischio di studiare in autonomia è quello di passare continuamente da un argomento all’altro senza avere continuità logica nel percorso di studio. Il Percorso come AI Developer mi ha aiutato soprattutto a mettere in ordine le idee. Molti concetti li avevo già incontrati, ma affrontarli in modo più strutturato mi ha permesso di collegarli meglio tra loro e comprenderne l’applicazione pratica.
Il cambiamento più grande, però, non è stato imparare nuovi strumenti in sé, ma sviluppare un metodo per valutarli e capire quando utilizzarli. In un settore come quello dell’AI in cui ogni settimana emergono nuovi LLM, framework e piattaforme, avere criteri per analizzarli e contestualizzarli è spesso più importante che conoscerli tutti.
In azienda abbiamo iniziato ad individuare alcuni progetti pilota da sviluppare che coinvolgono diversi reparti. Le possibilità di applicazione dell’AI sono numerose: dalla logistica all’ufficio qualità, dal supporto alla gestione delle note spese fino al supporto interno per attività di helpdesk e reportistica.
Si tratta al momento di progetti pilota e che verranno sviluppati in seguito, ma è proprio da questi primi esperimenti che nascono soluzioni più mature e processi da integrare realmente nei flussi aziendali.
Tra i traguardi personali, uno dei momenti più soddisfacenti per me è stato proprio durante il percorso, ossia il superamento del primo project work. Il progetto prevedeva la realizzazione in un mese di tempo di un sistema di trascrizione AI in grado di trasformare un contenuto non strutturato di un video su Youtube (o semplice mp4) in un output testuale, trascritto, organizzato in capitoli e facilmente navigabile tramite pagina web. Di fatto, è come costruire un sistema di trascrizione video personalizzato, utilizzabile ad esempio per trascrivere video riunioni o corsi di formazione aziendali: un progetto che facendomi “sporcare le mani” ha migliorato le mie conoscenze unendo la programmazione deterministica all’implementazione dell’AI interna al progetto.
Lavorarci è stato particolarmente stimolante perché mi ha permesso di applicare concretamente concetti e strumenti studiati durante il percorso, ad esempio, come il framework di n8n, e successivamente, OpenAI SDK e LangChain.
Un altro cambiamento importante è stata la maggiore consapevolezza dei limiti dei Large Language Model anche dal punto di vista della sicurezza informatica. Comprendere temi in ambito AI come la gestione dei dati, il rischio di esposizione di informazioni sensibili o la validazione degli output generati è fondamentale quando si porta l’AI all’interno di un contesto enterprise.
Gli LLM oggi producono risposte spesso molto convincenti, tanto da essere percepiti come degli ‘oracoli’, ma lo studio insegna che non è così: possono commettere errori, generare informazioni inesatte o interpretare in modo errato il contesto. Per questo bisogna controllare anche le fonti di addestramento. Comprendere questi limiti è importante tanto quanto conoscerne le potenzialità.”
4. Secondo te quali sono le caratteristiche che rendono unico questo percorso formativo? Cosa hai apprezzato maggiormente?
“Ho apprezzato molto l’approccio teorico-pratico del percorso.
I docenti riescono a spiegare argomenti complessi in modo chiaro lasciando sempre spazio alle domande e agli approfondimenti. Questo aspetto è particolarmente utile per chi lavora già nel settore e desidera confrontare quanto sta studiando con casi reali.
Le caratteristiche che rendono unico questo percorso sono i project work mensili ed i workshop (di cui ho seguito anche le registrazioni dei precedenti lavori in piattaforma) perché obbligano a passare rapidamente dalla teoria alla pratica.
È proprio il momento in cui devi progettare una soluzione AI e valutare ogni variabile che fa emergere dubbi, limiti e aspetti che durante la sola teoria rischiano di passare inosservati.
Ho trovato molto utile la formula on demand delle lezioni e il download attivo del materiale didattico, anche tramite Jupyter Notebook. In generale, oltre le live, poter rivedere i contenuti on demand e organizzare lo studio in autonomia rappresenta per me un vantaggio. Inoltre il supporto dei docenti e la possibilità di confrontarsi durante workshop attraverso la community Discord rendono il percorso molto più coinvolgente rispetto a un tradizionale corso online.”
5. Consiglieresti questo percorso ad altri studenti? Perché?
“Sì, anche a chi lavora già nel mondo IT e per le aziende che stanno iniziando a valutare internamente l’adozione dell’intelligenza artificiale (locale e non) nei propri processi.
Questo percorso permette di costruire una visione completa dell’ecosistema AI. Non ci si limita a utilizzare strumenti già pronti, ma si impara ad integrare API e servizi, a lavorare con dati reali e si impara a comprendere come portare queste tecnologie in produzione. Il linguaggio di programmazione più diffuso e utilizzato per lo sviluppo nell’ambito AI e Machine Learning rimane al momento Python. E chi non l’ha mai studiato perché magari nel tempo ha lavorato con altri linguaggi può comunque rimettersi al passo con il modulo dedicato all’interno del percorso.
Naturalmente assimilare questi concetti, soprattutto in un ambito nuovo come quello dell’ AI, richiede tempo ed impegno. Non si diventa maestri in poche settimane. E non basta seguire le lezioni: bisogna sperimentare, commettere errori, approfondire e applicare i concetti al proprio contesto lavorativo. Ed è per questo che il percorso rappresenta un valido aiuto per crescere professionalmente.
Riepilogando, credo che il valore del percorso risieda nell’equilibrio tra teoria e pratica, nella possibilità di seguire i contenuti on demand, nelle sessioni live dedicate agli studenti e nella disponibilità dei docenti, sempre pronti a fornire supporto e chiarimenti quando necessario.”
6. Quali sono i tuoi obiettivi futuri e come questa formazione ti aiuterà a raggiungerli?
“Tutti noi possiamo vedere e toccare con mano, tramite le applicazioni che utilizziamo quotidianamente, come l’intelligenza artificiale stia trasformando trasversalmente molti settori ed il nostro modo di interagire con la tecnologia. Credo che nei prossimi anni il suo impatto diventerà ancora più evidente e che non si possa ignorarne l’evoluzione.
Il mio obiettivo principale è continuare a lavorare per contribuire all’implementazione di soluzioni AI realmente utili sia in azienda sia in ambito personale. Oggi si parla molto di chatbot, agenti AI, automazione avanzata. Comprendere davvero la differenza tra un semplice chatbot e un sistema agentico capace di interagire con dati, strumenti e processi aziendali è ciò che permette di valutare concretamente dove queste tecnologie possono portare benefici. Si tratta comunque di argomenti complessi che necessitano dedizione ed attenzione. Per questo bisogna studiare sempre.
Penso che il valore di un AI Developer, così come anche quello di uno sviluppatore in generale, non consiste nell’inseguire ogni nuova piattaforma, modello o framework che emerge sul mercato. La sua reale competenza consiste nel capire e saper valutare quando queste tecnologie possono portare benefici concreti.
Non dobbiamo reinventare la ruota: in molti casi automazioni già esistenti e soluzioni tradizionali restano la scelta migliore. Per capire quando adottare l’AI e quando invece mantenere un approccio più deterministico, la formazione diventa fondamentale.
La sfida sarà trovare il giusto equilibrio tra programmazione deterministica e sistemi basati sull’intelligenza artificiale, valutando costi, prestazioni, affidabilità e sostenibilità nel lungo periodo. In un contesto aziendale non conta soltanto ciò che è tecnicamente possibile, ma soprattutto ciò che genera utilità ottimizzando i costi di investimento.
Lato tecnico, disporre di solide conoscenze nello sviluppo diventa indispensabile per affrontare l’evoluzione dell’intelligenza artificiale con competenza, onestà intellettuale e spirito critico. Ed in questo Percorso di Carriera, Data Masters mi ha accompagnato fornendomi un valido supporto.”
La testimonianza di Giovanni Battista Amodeo racconta con grande chiarezza un aspetto centrale della formazione in AI oggi: il vero valore non sta soltanto nell’imparare a usare nuovi strumenti, ma nel capire quando adottarli, come integrarli nei processi reali e con quale livello di consapevolezza tecnica e progettuale.
Nel Percorso di Carriera che ha affrontato, emergono tutti gli elementi che rendono concreta una formazione efficace: struttura, project work, workshop, contenuti on demand, confronto con i docenti e applicazione pratica su casi vicini al lavoro reale. Ed è proprio questo passaggio dalla curiosità iniziale alla capacità di valutare, progettare e implementare soluzioni utili che rende il percorso formativo davvero trasformativo.
Se anche tu vuoi sviluppare competenze concrete per progettare e integrare soluzioni AI in contesti professionali reali, il Percorso di Carriera AI Engineer di Data Masters può aiutarti a costruire metodo, visione e capacità applicativa in un settore che evolve ogni giorno.
