Simone Bova / AI Engineer, founder, produzione
Il modello è una commodity. Il metodo no.
Costruisco sistemi AI che reggono la produzione. Founder & CTO di Yempik (si apre in una nuova scheda), AI engineer a Intarget, maintainer di code-os. Sto nella stanza dove si decide e nel repo dove si spedisce.
Questo è il mio archivio pubblico: sistemi costruiti, metodo, cose che penso sulla frontiera dell'AI. Niente slide. Solo lavoro che si può guardare da vicino.
Sistemi, prodotti, leverage
Work
Yempik
Founder & CTOLa software house AI italiana. L'AI che gli altri ti lasciano in slide, noi la mettiamo in produzione: agenti, automazioni, software su misura per PMI e enterprise.
(si apre in una nuova scheda)code-os
Maintainer / open sourceIl sistema operativo dell'engineer per Claude Code: harness agentico, second brain, skills, riferimenti tecnici. Il metodo con cui lavoro, spedito come prodotto.
(si apre in una nuova scheda)cowork-os
Co-maintainer / open sourceIl company brain open source per il lato business: decisioni, contesto e routine operative come file Markdown governabili. CONTEXT IS GOLD, in pratica.
(si apre in una nuova scheda)Intarget
AI EngineerLa trasformazione in fullstack AI company: piattaforma agentica proprietaria che evolve in un company brain governato. Governance e auditability, adoption sul campo, formazione, tavoli di lavoro con gli esperti di dominio. Dal disegno strategico all'implementazione.
Delivery da freelance
Technical Partner / AIMVP che vanno in produzione: agenti WhatsApp e voice con security nel codice (non nel prompt), data residency EU, on-call quando serve. Partner, non ticket-taker.
Dottrina operativa, non teoria
Method
Model ≠ Problem
Se l'agente fallisce, il difetto è nel design. I modelli sono più che sufficienti da un pezzo.
Riprogettazione AI-native "ignorante"
Il processo si ridisegna da zero con il vincolo: una persona + questi strumenti. L'organigramma non è un workflow.
La firma dell'esperto, non la lotteria dei token
Qualità predicibile via test su scenari reali e pass^k. Lo standard dell'esperto vive nel sistema.
L'harness è l'asset, il modello no
Tool, contratti, eval, observability: tuoi. Il modello è un componente sostituibile.
Archivio pubblico, non blog
Writing
Il modello è una commodity. Il metodo no.
Il 95% dei progetti GenAI non produce ROI. Il collo di bottiglia si è spostato: dal modello alle persone, ai workflow, all'infrastruttura che possiedi.
Cosa insegna il fuoripista a chi mette AI in produzione
La montagna e la produzione puniscono lo stesso errore: fidarsi delle condizioni di ieri. Bollettino, checks, margine. Poi si scende.
CONTEXT IS GOLD: il company brain che il tuo team possiede
Il lavoro utile fatto con l'AI deve lasciare un artefatto ispezionabile, correggibile, governabile. File Markdown che il team possiede. Non chat usa-e-getta, non un memory engine opaco.
Quota, neve, margine di sicurezza
Fuoripista
La montagna punisce lo stesso errore della produzione: fidarsi delle condizioni di ieri.
D'inverno vivo sulla neve, d'estate sulle rocce. Il fuoripista e le escursioni in quota sono la parte della mia vita dove il risk assessment non è una slide: bollettino, checks, margine. Poi si scende, e ci si diverte davvero.
Qui restano come appunti laterali: abbastanza presenti da essere veri, mai abbastanza grandi da diventare costume. C'è anche una storia con un elicottero, una notte, e un margine più stretto di quanto mi piaccia raccontare. Un'altra volta.
Contatto