Aindo

Aindo è una società di Trieste, nata nel 2018 nell’ecosistema della SISSA, che produce dati sintetici: archivi artificiali generati da un modello addestrato sui dati veri, che conservano le relazioni statistiche fra le colonne ma non contengono più le persone di partenza. Serve a chi ha informazioni sensibili ferme in un cassetto, perché condividerle o usarle per addestrare un modello sarebbe un problema di privacy.

Il terreno principale è la sanità: ospedali, IRCCS, aziende farmaceutiche e centri di ricerca che devono costruire evidenze cliniche senza spostare cartelle vere. La piattaforma si installa anche on premise, resta dentro il perimetro dell’organizzazione e produce dataset utilizzabili da terzi. Il limite è evidente: non è uno strumento che si prova nel pomeriggio, non ha un listino pubblico e presuppone dati già ordinati. Fuori dai contesti regolamentati è sovradimensionato.

Come nasce un archivio che non contiene nessuno

Il passaggio pratico è questo: l’archivio di partenza viene dato in pasto a un modello generativo che ne impara la struttura — quali valori compaiono insieme, come si distribuiscono, quali correlazioni reggono — e poi produce righe nuove con la stessa forma. La verifica è la parte che distingue un lavoro serio da un esercizio: dopo la generazione si confrontano le distribuzioni colonna per colonna e si misura quanto il risultato resti fedele all’originale. Serve una misura, non un’impressione, perché un archivio artificiale troppo simile a quello vero riapre il problema di riservatezza che doveva risolvere, e uno troppo lontano non serve a niente.

Dove finiscono davvero questi dati

Il caso più frequente è un ospedale con vent’anni di cartelle cliniche che vorrebbe passarle a un centro di ricerca partner o usarle per addestrare un modello, e non può perché sono informazioni di categoria particolare. Dalla versione artificiale nascono i bracci di controllo sintetici negli studi clinici, che riducono il numero di pazienti da arruolare, le analisi di popolazione per gli enti pubblici e la condivisione con fornitori esterni senza catene infinite di contratti sul trattamento. Il quadro normativo attorno a questi usi lo abbiamo ricostruito in AI in sanità: cosa è già legale in Italia e cosa no.

Che cosa serve avere prima di cominciare

Si parte da un contatto commerciale, si definisce il perimetro dei dati e si sceglie dove far girare tutto: in cloud oppure, nella maggior parte dei progetti sanitari, dentro l’infrastruttura del cliente. Poi si collega la sorgente, e qui la piattaforma dialoga con i principali database. Il prerequisito vero però sta a monte: i dati devono essere già ordinati, con campi coerenti e significati documentati. Se l’archivio di partenza è confuso, il risultato eredita la confusione e la moltiplica, perché il modello impara anche gli errori.

Prezzo, dimensioni, destinatari

La cifra si costruisce sul progetto, fra volume dei dati, tipo di installazione e livello di assistenza. È la prassi del segmento, ma va detto con chiarezza, perché chi cerca qualcosa da provare in autonomia qui non lo trova. L’azienda lavora fra Trieste e Milano con circa venticinque persone, ha chiuso un round da sei milioni di euro guidato da United Ventures e ha ottenuto un finanziamento dell’EIC Accelerator europeo: numeri da realtà specializzata, non da fornitore generalista, e questo si riflette anche sul tipo di rapporto che si instaura. Ha senso per sanità, ricerca farmaceutica, finanza e pubblica amministrazione, cioè dove esistono archivi sensibili, vincoli stringenti e un responsabile della protezione dei dati da convincere. Per la piccola impresa che vuole solo mettere alla prova l’intelligenza artificiale sui propri numeri bastano strumenti molto più leggeri, come quelli elencati fra le alternative italiane ed europee a ChatGPT. Il sito ufficiale è aindo.com.