Come DATA, sostenuta da A16z, ripensa la sua strategia blockchain dopo l’accordo da 30 milioni di dollari con Sui

Muttoni non ha rivelato quanto del finanziamento iniziale di 140 milioni di dollari di Story sia ancora disponibile, ma ha confermato che gli investitori esistenti, incluso a16z crypto, rimangono coinvolti nel progetto.

La nuova focalizzazione dell’azienda viene presentata come una prosecuzione del processo di rebranding già avviato, non come un cambio di rotta radicale. L’obiettivo è capitalizzare competenze e asset sviluppati in precedenza per affrontare problemi concreti nel mercato dei dati per l’addestramento di modelli di intelligenza artificiale.

Origini del nuovo posizionamento

La strategia odierna è nata in parte dall’esperienza con Poseidon, una realtà incubata dal team di Story che raccoglie e processa dati destinati all’addestramento di modelli di intelligenza artificiale. L’attività di incubazione ha permesso di identificare esigenze pratiche e falle nel mercato dei dataset.

Il problema della provenienza dei dati

Secondo il team, molti acquirenti di dataset faticano a verificare se i dati comprati siano originali, correttamente autorizzati o effettivamente esclusivi. Questo deficit di trasparenza alimenta rischi legali e reputazionali per chi addestra modelli su materiale la cui origine non è verificabile.

In un caso emblematico, i fornitori hanno proposto a Poseidon dei dataset spacciati per esclusivi che in realtà erano già venduti da altri soggetti. Muttoni ha dichiarato:

“A un certo punto ci è stato restituito il nostro stesso set di dati.”

La soluzione: registrare la provenienza

Per risolvere il problema il gruppo ha sviluppato Trace, un prodotto che punta a tracciare la storia dei file usati come dati di addestramento. Quando un contributore carica un video o una registrazione vocale tramite un marketplace aderente, Trace genera una ricevuta digitale che documenta la transazione.

La ricevuta include informazioni temporali sulla sottomissione, i termini accettati dal contribuente e qualsiasi evento successivo legato a licenze o pagamenti. Questo approccio aumenta la trasparenza lungo la filiera dei dati, facilitando controlli di conformità e audit postumi.

Traffico e adozione

Gran parte delle attività registrate su Trace proviene dal marketplace Kled, che remunera gli utenti per i loro contributi. Muttoni ha indicato che la piattaforma sta inserendo tra i 3 e i 4 milioni di contributi al giorno, includendo anche record più datati che vengono importati nel sistema.

Questa massa di dati e la possibilità di storicizzarla rende il servizio interessante per operatori che vogliono diminuire l’incertezza sui propri fornitori di dati e per team legali che devono certificare la provenienza dei materiali usati per l’addestramento di modelli.

Implicazioni per il mercato e gli investimenti

La crescente domanda di dati di qualità per l’intelligenza artificiale crea opportunità per service provider che offrono garanzie di provenienza e compliance. Strumenti come Trace possono diventare componente chiave delle infrastrutture per chi sviluppa modelli commerciali, riducendo il rischio di contenziosi e migliorando la reputazione dei prodotti basati sui dati.

Per gli investitori, la capacità di scalare una soluzione di tracciamento dei dati dipende da partnership con marketplace, standard di interoperabilità e dalla fiducia che i contributori ripongono nel sistema. Il coinvolgimento di soggetti già noti nel capitale può agevolare l’adozione, ma la sostenibilità finanziaria richiederà modelli di business chiari, come sottoscrizioni enterprise, fee per transazione o servizi di certificazione avanzata.

Per il tessuto imprenditoriale italiano, l’attenzione dovrebbe concentrarsi sulla governance dei dati e sulle opportunità di sviluppare soluzioni compatibili con il quadro normativo europeo, incluse le future regole sull’AI e sulla protezione dei dati personali.

Prospettive operative

Affinché tecnologie come Trace raggiungano una diffusione ampia è necessaria interoperabilità tra marketplace, strumenti di verifica indipendenti e standard che rendano i metadati dei contributi immediatamente utilizzabili. Inoltre, servizi di istruzione e certificazione rivolti ai contribuenti aumenterebbero la qualità delle segnalazioni e la fiducia complessiva nel sistema.

Un ulteriore elemento di sviluppo riguarda la possibilità che attori terzi, come studi legali e società di audit, si specializzino nella verifica delle catene di possesso dei dataset, creando un ecosistema di servizi complementari che potrebbe generare nuove linee di ricavo.

In sintesi

• La tracciabilità della provenienza dei dati aumenta il valore commerciale dei dataset: gli operatori che offrono garanzie di origine possono richiedere premi di prezzo e attrarre clienti enterprise più attenti alla compliance.
• Per gli investitori è cruciale valutare la rete di partnership e la rapidità di adozione da parte dei marketplace; la scalabilità tecnica è solo una parte della sfida, la governance e lo standard di mercato la completano.
• L’ecosistema italiano può sfruttare questa tendenza favorendo servizi di verifica e consulenza legale specializzati, trasformando la compliance in un vantaggio competitivo per le imprese locali.