Negli ultimi dieci anni, l’adozione dell’intelligenza artificiale in azienda è stata frenata da una barriera all’ingresso insormontabile per la maggior parte delle PMI e dei dipartimenti non tecnici: la scarsità di data scientist. Costruire modelli predittivi richiedeva competenze avanzate in statistica, calcolo tensoriale e linguaggi di programmazione complessi. Questo ha relegato le previsioni basate sui dati a pochi progetti pilota ad alto budget, lasciando la maggior parte delle decisioni aziendali in balia dell’intuito manageriale o di fogli di calcolo statici.
approfondimento
No-code machine learning: la democratizzazione della funzione predittiva
Il no-code machine learning abbatte le barriere tecniche, permettendo agli analisti di business di creare modelli predittivi tramite interfacce visuali. Automatizzando processi complessi di data science, le aziende possono prevedere il churn rate dei clienti e ottimizzare il forecasting del fatturato. Questa tecnologia democratizza l’accesso ai dati, trasformando l’intuizione manageriale in previsioni matematiche per decisioni rapide ed efficaci
Pubblicato il 8 apr 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
