Fabio Mencio | Energy & AI Specialist

Due mestieri che si parlano

Quindici anni nel Gruppo Enel, dalla rete elettrica al mercato retail. Oggi porto in quel mondo i dati e l'intelligenza artificiale, con progetti che si possono aprire e verificare uno per uno.

Ho iniziato in e-distribuzione, nella connessione degli impianti di produzione alla rete. Poi l'esercizio della rete in Umbria, la programmazione operativa di zona e il ruolo di specialista appalti a Roma per Lazio, Abruzzo e Molise: oltre ottanta contratti seguiti dal fabbisogno alla chiusura, comprese le imprese da contrattualizzare in piena emergenza meteo nel 2017 e nel 2018. Infine le verifiche sui gruppi di misura e sulla qualità della tensione.

Dal 2019 sono in Enel Energia, allo Spazio Enel di Foligno: consulenza su luce, gas e fibra per famiglie e micro imprese, e specialista per l'efficienza energetica, dal fotovoltaico alla climatizzazione fino alle caldaie.

Un percorso che mi ha fatto vedere l'energia da tutti i lati: dal cavo che porta la corrente alla firma sul contratto. Poche cose insegnano quanto vedere lo stesso sistema prima dall'alto di un traliccio e poi dall'altra parte di una scrivania.

Ho iniziato a studiare l'intelligenza artificiale perché è la stessa storia vista un secolo dopo: l'elettricità ha riscritto il mondo, l'AI lo sta riscrivendo adesso. E stavolta voglio esserci dentro mentre succede, non guardarla da fuori.

Da qui il Master Universitario di I livello in AI e Agenti AI per il Business dell'Università Guglielmo Marconi: 1.500 ore, 60 CFU, 27 progetti corretti uno per uno da professionisti del settore. Finora ho superato undici test su undici, uno per ogni corso concluso.

In parallelo progetto e sviluppo gli strumenti digitali dello studio di ingegneria civile dell'Ing. Lucia Serrapica, che ne definisce e valida i contenuti tecnici e normativi: Strutturista AI, Salva Casa AI, Computista AI. Software vero, con utenti veri, dove un errore si vede subito.

Cosa porto in un team

Il settore visto da dentro. Rete di distribuzione, misura, connessioni, mercato retail ed efficienza energetica: so da dove arrivano i dati e che cosa significano.
Gestione sul campo. Oltre 80 contratti d'appalto, squadre, programmazione e budget di zona, anche durante le emergenze meteo.
Dati e AI applicati. Analisi su prezzi, rischio e clienti, dashboard e agenti AI, con il metodo e i limiti sempre dichiarati.
Software in produzione. Quattro applicazioni progettate e sviluppate da me, online o operative, con utenti veri.

Guarda i progetti Profilo LinkedIn

Fuori dal lavoro

Ingegneria
Musei
Natura
Sport
Montagna

La montagna e i musei hanno più cose in comune di quanto sembri: in entrambi i casi ti tocca andare a vedere di persona.

Percorso professionale

Dalla distribuzione elettrica al mercato retail, fino ai dati e all'AI. Il colore di ogni nodo dice che cosa mi ha lasciato quel ruolo.

Esperienza operativa
Competenze trasversali
Specializzazione tecnologica

Oggi, dati e AI

Master universitario in AI e Agenti AI per il Business2026-2027

Università degli Studi Guglielmo Marconi con start2impact University · in corso

60 CFU e 27 progetti pratici corretti individualmente: analisi dei dati, machine learning, full stack development, agenti AI. Undici test superati su undici finora.
Software per lo studio Ing. Lucia Serrapicain parallelo

Progettazione e sviluppo · contenuti tecnici e normativi validati dall'Ing. Serrapica

Strutturista AI, Salva Casa AI, Computista AI ed edilizia-ai.it: applicazioni in produzione, con l'infrastruttura e gli agenti che le tengono in piedi.

Enel Energia

Consulente specialista commodity ed efficienza energetica2019-oggi

Enel Energia S.p.A. · Spazio Enel Foligno

Consulenza su energia elettrica, gas e fibra per clienti residenziali e micro business; gestione contrattuale, pratiche complesse e post-vendita. Specialista per l'efficienza energetica: fotovoltaico, climatizzazione, caldaie e interventi di risparmio energetico.

e-distribuzione

Referente verifiche clienti2018-2019

e-distribuzione S.p.A. · Zona Frosinone

Verifiche sui gruppi di misura MT e BT, tensione contrattuale e power quality. Pianificazione delle campagne di verifica, coordinamento delle squadre sul campo e certificazione della strumentazione di zona.
Specialista appalti e fabbisogno risorse2016-2018

e-distribuzione S.p.A. · DTR Lazio Abruzzo Molise, Roma

Oltre 80 contratti d'appalto gestiti dall'analisi del fabbisogno alla chiusura del ciclo, inclusa la contrattualizzazione delle imprese durante le emergenze meteo 2017 e 2018. Referente WFM per le imprese appaltatrici.
Referente programmazione operativa2015-2016

e-distribuzione S.p.A. · Zona Siena-Grosseto

Coordinamento di un gruppo di lavoro, pianificazione delle attività di rete, gestione del budget di zona, dei materiali e dei contratti multizonali.
Esercizio rete Umbria, job rotation2013-2014

e-distribuzione S.p.A. · Centro Operativo

Supervisione della rete in esercizio, analisi dei segnali deboli per la prevenzione dei guasti, approvazione dei piani di lavoro. Referente telecontrollo e manutenzione BT.
Tecnico sviluppo rete2011-2013

e-distribuzione S.p.A. · Distaccamento PLA Umbria

Connessione degli impianti di produzione alla rete: istruttoria tecnica, verifica dei progetti, preventivazione elettrica e verifiche sul campo per conto del GSE.

Cosa so fare

Sei aree, ordinate per i problemi a cui rispondono. Ognuna porta ai progetti che la dimostrano.

Energy & Utilities

Conosco la filiera dall'interno: rete, misura, connessioni, mercato e cliente finale. So dove nascono i dati e che cosa significano.

Distribuzione elettrica
Connessione impianti di produzione
Telecontrollo e telegestione
Power quality
Fonti rinnovabili e fotovoltaico
Mercato libero energia e gas
Efficienza energetica
Consulenza utilities
Contratti residenziali e micro business
Calcolo energetico (ACCA Termus, Blumatica Energy)
Decreto requisiti minimi 2025
Climatizzazione e dimensionamento impianti civili
Fotovoltaico a uso civile

Vedi i progetti di quest'area

AI & Automation

Porto gli agenti AI nel lavoro vero: documenti, normativa, compiti ripetitivi. Con i dati riservati che restano in casa quando serve.

Agenti AI
Claude Code in IDE Antigravity
Prompt engineering
API Anthropic / OpenRouter
RAG e ricerca semantica
Embedding (bge-m3)
Modelli in locale con Ollama
Model Context Protocol (MCP)
Automazione dei processi

Vedi i progetti di quest'area

Data Analytics & BI

Trasformo serie di prezzi, consumi e vendite in risposte verificabili, con il metodo scritto accanto al numero.

Python, pandas e NumPy
SQL
Excel avanzato
Tableau
Simulazione e backtest
Data cleaning
Monitoraggio KPI
Data storytelling

Vedi i progetti di quest'area

Software Development

Costruisco applicazioni web complete, dal database all'interfaccia, e le porto online.

Python
TypeScript / JavaScript
Next.js / React
FastAPI
PostgreSQL / Supabase
SQLite e ricerca full-text
Git e GitHub
Creazione siti internet e deploy

Vedi i progetti di quest'area

Infrastructure & Systems

Tengo in piedi i server che reggono applicazioni e agenti: sicuri, raggiungibili solo da tunnel cifrati, con i backup.

Linux / Ubuntu server
Docker
Vercel
TLS e reverse proxy
Tunnel SSH
Reti private (Tailscale)
Job schedulati

Vedi i progetti di quest'area

Process Improvement

Ho gestito appalti, squadre e clienti: so misurare un processo e trovare dove si perde tempo o valore.

Contract management
Procurement e appalti
Workforce management
Programmazione operativa
Miglioramento dei processi
Coordinamento di team
Stakeholder management
Salesforce CRM
Customer care e post-vendita
Processi di attivazione
Micro marketing

Vedi i progetti di quest'area

Progetti

Studi sul mercato elettrico, applicazioni in produzione, automazione con agenti AI e i lavori del master. Ogni scheda dice il problema, la soluzione e il risultato, e porta ai materiali originali: presentazioni, notebook, video, dashboard.

Studi energetici

I lavori personali nati dove si incontrano le due metà del mio mestiere: il mercato elettrico da una parte, i dati e l'intelligenza artificiale dall'altra. Non sono prodotti per clienti: sono studi miei, e si possono aprire e leggere per intero.

Analizzatore interattivo Caricato l'11 ottobre 2026, versione 2 del grafico del 5 ottobre

Analizzatore del PUN

Stesso livello del 2022, non la stessa crisi. Il PUN è tornato al valore di febbraio 2022: un analizzatore che separa il livello del prezzo dalla sua dinamica.

Problema: A settembre 2026 il PUN ha chiuso a 207,5 €/MWh, quasi il valore di febbraio 2022: lo stesso livello basta per parlare di una nuova crisi?
Soluzione: Un analizzatore che affianca prezzo al netto dell'inflazione, prezzi giornalieri, legame con il gas, oscillazioni e regole della bolletta, con un comparatore fra periodi.
Risultato: Il rapporto con il gas è quasi identico, ma il prezzo reale è più basso del 18%: il meccanismo è lo stesso del 2022, la crisi no.

2,64rapporto PUN/gas a settembre 2026, era 2,60 a febbraio 2022
−18%il prezzo di oggi contro febbraio 2022, al netto dell'inflazione
232 / 740massimo giornaliero del 2026 e del 2022, €/MWh

Tecnologie Python, pandas, SVG, JavaScript

Analizzatore interattivo Versione 1 del 5 ottobre

Analizzatore del PUN: il prezzo mensile dal 2020 al 2026 con la media mobile a 12 mesi e il regime di crisi tra luglio 2021 e febbraio 2023 evidenziato

Apri l'analizzatore

Il racconto completo

A settembre 2026 il PUN ha chiuso a 207,5 €/MWh, quasi il valore di febbraio 2022. Un commento ricevuto su LinkedIn faceva notare che le dinamiche dei due periodi sono diverse, ed era giusto mostrarlo. Questa versione mette uno accanto all'altro il prezzo al netto dell'inflazione, i prezzi giorno per giorno, il legame con il gas, le oscillazioni e le regole della bolletta, con un comparatore fra periodi. Il risultato: il meccanismo è lo stesso del 2022, la crisi no.

Dati ufficiali: PUN Index GME dal 2025 ed Ember su dati ENTSO-E prima, prezzi giornalieri Ember fino al 7 ottobre 2026, gas al PSV, inflazione Eurostat, bolletta tipo ARERA. I limiti dell'analisi sono scritti nella pagina. Studio personale a scopo divulgativo, nessun fornitore citato.

Simulazione didattica Caricato l'8 ottobre 2026

Rischio energetico e cigno nero

I modelli di previsione hanno sempre ragione? E se arrivasse un cigno nero? Un modello di rischio energetico costruito a fine 2020, messo di fronte alla crisi del 2021-2022 e al concetto di cigno nero di Taleb: che cosa vedeva, e che cosa no.

Problema: Un modello di rischio costruito su sei anni di prezzi, a fine 2020, avrebbe visto arrivare la crisi energetica del 2021-2022?
Soluzione: Simulazione con bootstrap delle variazioni mensili dei prezzi day-ahead italiani: 50.000 scenari per un'azienda che compra 10 GWh l'anno.
Risultato: Confrontato a orizzonti omogenei, il costo del 2022 cade al percentile 99,86 del modello esteso a due anni: improbabile, non impossibile.

1,13 M€VaR 99% stimato nel 2020 per il 2021
3,03 M€costo reale 2022, 5 errori su 69 mesi tutti nella crisi
pct. 99,86dove cade il 2022 nel modello esteso a 2 anni: circa 1 su 700

Analisi a scopo didattico. Fonte: prezzi day-ahead Italia, Ember/ENTSO-E. Simulazione didattica con bootstrap delle variazioni mensili, 50.000 scenari e profilo di consumo piatto. I valori di rischio riportati fanno riferimento al costo simulato, non a perdite nette di portafoglio. L'analisi non costituisce consulenza finanziaria.

Tecnologie Python, NumPy, SciPy, pandas, Matplotlib

Articolo su LinkedIn Video del progetto (MP4, 27 MB) Notebook per Colab (.ipynb) Report (PDF, 13 sezioni) Carosello (PDF, 10 pagine)

Fotogramma del video del progetto Rischio energetico e cigno nero

Guarda il video MP4, 27 MB

Il racconto completo

A fine 2020 un modello costruito su sei anni di prezzi diceva: nel 99% dei casi, un'azienda che compra 10 GWh l'anno avrebbe speso meno di 1,13 milioni nel 2021. Il 2022 è costato 3,03 milioni. Nella prima lettura avevo confrontato grandezze a orizzonti diversi: corretto il confronto, il 2022 cade al percentile 99,86 del modello esteso a due anni, un evento estremamente improbabile ma non impossibile: il cigno nero di Nassim Taleb. Da lì nasce la domanda su che cosa dice oggi lo stesso modello su fine 2026 e sul 2027.

Il VaR al 99% non è la perdita massima: è una soglia di probabilità, su un orizzonte preciso. I numeri 2021 e 2022 nel video sono confrontati a orizzonti omogenei (il 2022 contro lo stesso modello esteso a due anni); il report e il carosello, scritti prima di questa verifica, confrontano ancora il 2022 con la distribuzione a un anno: la lettura corretta è quella del video.

Backtest 2020-2026 Caricato il 2 ottobre 2026

Fisso o variabile?

Sei anni di prezzi elettrici e gas reali, per rispondere senza slogan alla domanda che fa ogni cliente.

Problema: Per un cliente domestico tipo, dal 2020 a oggi conveniva bloccare il prezzo o restare indicizzato?
Soluzione: Un backtest mese per mese su 81 mesi di prezzi elettrici reali e 69 di gas, senza usare dati che al momento della firma non erano ancora pubblici.
Risultato: Sull'elettrico bloccare il prezzo ha pagato in 21 finestre a cinque anni su 22, sul gas il contrario in tutte le 28: decide il momento della firma.

81 mesidi prezzi elettrici reali, gennaio 2020 - settembre 2026
95%delle finestre a 5 anni: bloccare il prezzo ha pagato (21 su 22)
100%sul gas, l'esatto contrario: in tutte le 28 finestre misurate

Studio personale a scopo divulgativo. I prezzi sono reali e vengono da fonti ufficiali (GME, ARERA); nessun fornitore è citato per nome. Non è consulenza commerciale, legale o finanziaria, non costituisce raccomandazione e non rappresenta posizioni di ARERA, del GME o di alcuna azienda, incluso il mio datore di lavoro. I risultati sono retrospettivi: descrivono cosa sarebbe successo in passato, non cosa succederà.

Tecnologie Python, pandas, NumPy, Matplotlib, Google Colab

Presentazione (PDF, 12 pagine) Notebook per Colab (.ipynb) Video del progetto (MP4, 9 MB)

Copertina della presentazione «Fisso o variabile?» accanto al grafico che mostra, mese per mese, quando conveniva bloccare il prezzo e quando restare indicizzati

Apri la presentazione, 12 pagine

Fotogramma del video del progetto Fisso o variabile?

Guarda il video MP4, 9 MB

Il racconto completo

Per un cliente domestico tipo ho confrontato, mese per mese dal 2020 a oggi, cosa sarebbe costato bloccare il prezzo oppure restare indicizzato: un backtest su 81 mesi di prezzi elettrici reali e 69 di prezzi del gas, senza usare in nessun calcolo un dato che al momento della firma non fosse ancora pubblico. La risposta non è una sola: sull'elettrico bloccare il prezzo ha pagato nella maggior parte delle finestre di cinque anni testate, sul gas è successo l'esatto contrario in tutte quelle misurate. A decidere non è il tipo di contratto: è il momento in cui si firma, e quello nessuno lo sa in anticipo.

Le serie di prezzo elettrico e gas vengono da GME e ARERA; le componenti di bolletta dalle tabelle trimestrali ARERA pubblicate. Dove il prezzo fisso realmente firmato non esiste ancora come dato pubblico, il valore usato è un livello dichiarato, segnalato come tale e mai spacciato per un prezzo di mercato. 28 controlli di qualità sui dati e 25 test automatici verificano che nessun numero sia scritto a mano.

Simulazione didattica Caricato il 28 settembre 2026

Switching in 24 ore

Che cosa succede a un portafoglio di clienti, quando cambiare fornitore costa un giorno.

Problema: Dal 1° dicembre 2026 il cambio fornitore elettrico si chiude in un giorno lavorativo: che cosa cambia per un portafoglio di clienti?
Soluzione: Processo ricostruito dal testo della delibera ARERA 58/2026, giorni lavorativi e controlli compresi, e simulato su tutto il mercato domestico italiano.
Risultato: Lo switching simulato è il 20,3% contro il 20,8% misurato da ARERA per il 2025, un dato che non è un parametro del modello.

30,5 mlnPOD domestici simulati, un anno di mercato
20,3%switching simulato, 20,8% misurato da ARERA
1 su 6i clienti che non ripagano la propria acquisizione

Simulazione a scopo didattico. I dati di processo sono sintetici e generati da un modello: non descrivono le prestazioni reali di alcun operatore, del Sistema Informativo Integrato o del mercato elettrico. Non è consulenza commerciale, legale o regolatoria, non costituisce raccomandazione e non rappresenta posizioni di ARERA o di alcuna azienda.

Tecnologie Python, NumPy, pandas, Matplotlib, Google Colab

Presentazione (PDF, 15 pagine) Notebook per Colab (.ipynb) Video del progetto (MP4, 32 MB)

Copertina della presentazione «Switching in 24 ore» accanto a due schermate del notebook Colab che esegue la simulazione

Apri la presentazione, 15 pagine

Fotogramma del video del progetto Switching in 24 ore

Guarda il video MP4, 32 MB

Il racconto completo

Dal 1° dicembre 2026 il cambio fornitore elettrico si chiude in un giorno lavorativo (delibera ARERA 58/2026). Ho ricostruito il processo dal testo della delibera, giorni lavorativi e controlli compresi, e l'ho fatto girare su tutto il mercato domestico italiano. Il tasso di switching che esce dal calcolo è il 20,3%: ARERA, per il 2025, ne ha misurato uno del 20,8%, e quel numero non è un parametro del modello. La seconda metà dello studio si sposta sul mestiere che conosco: quanto deve durare un cliente perché ripaghi quello che è costato acquisirlo, e quanto vale seguirlo bene.

Dati di processo sintetici, seme fisso, risultati riproducibili. Le regole del processo vengono dal testo ufficiale della delibera e dal suo Allegato A1; i riferimenti di scala dalle statistiche pubbliche ARERA. I parametri commerciali sono stime dichiarate, non dati di mercato.

In preparazione Non ancora caricato

AI & Energia

Il libro di quello che avrei fatto, se l'AI l'avessi avuta prima.

Problema: Chi lavora nell'energia vuole usare l'intelligenza artificiale sul mestiere, non sulle slide.
Soluzione: Diciotto capitoli con tredici casi svolti, trentasette prompt pronti all'uso e quarantacinque figure, tutte generate da codice.
Risultato: Nessun conto scritto a mano: ogni numero esce da uno script su venti file di dati allegati, ricontrollato a ogni ricostruzione del volume.

181pagine
13casi svolti
37prompt pronti

Tecnologie Python, pandas, Node.js, EPUB / PDF

Il racconto completo

Diciotto capitoli per chi lavora nell'energia e vuole usare l'intelligenza artificiale sul mestiere e non sulle slide: tredici casi svolti, trentasette prompt pronti all'uso e quarantacinque figure, tutte generate da codice. I conti del libro non sono scritti a mano: ogni numero esce da uno script che gira su venti file di dati allegati, e una catena di collaudo li ricontrolla a ogni ricostruzione del volume.

Applicazioni in produzione

Software che progetto e sviluppo per lo studio di ingegneria civile dell'Ing. Lucia Serrapica, che ne definisce e valida i contenuti tecnici e normativi. Software vero, con utenti veri.

Online strutturista-ai.it

Strutturista AI

Calcolo strutturale secondo le NTC 2018 per studi tecnici.

Problema: In uno studio tecnico documenti, normativa e calcoli stanno in posti diversi, e i dati di ogni cliente devono restare separati.
Soluzione: Diciannove moduli di calcolo, una wiki normativa interrogabile a linguaggio naturale e un assistente che lavora sui documenti dello studio.
Risultato: In produzione, con un container di elaborazione per cliente e dati separati a livello di database: un'installazione non può vedere l'altra.

Tecnologie Next.js, TypeScript, Supabase, Anthropic API, FastAPI, Docker, Vercel

Contenuti tecnici e normativi a cura dell'Ing. Lucia Serrapica.

strutturista-ai.it

Pagina di accesso di Strutturista AI: documenti, norma e calcoli in un unico spazio di lavoro, con NTC 2018 e Circolare 7/2019

Apri strutturista-ai.it

Dettagli tecnici

Diciannove moduli di calcolo, una wiki normativa che si interroga a linguaggio naturale e un assistente che lavora sui documenti dello studio. Ogni cliente ha il proprio container di elaborazione e i dati sono separati a livello di database, così un'installazione non può vedere l'altra; la ricerca sulla normativa combina full-text e similarità vettoriale, con gli embedding calcolati in locale quando il documento non deve uscire dal server.

Online salvacasa.edilizia-ai.it

Salva Casa AI

Pratiche edilizie e modulistica reale di 1.889 comuni.

Problema: Un titolo abilitativo va compilato sul modulo giusto del comune giusto, e i documenti dei clienti sono riservati.
Soluzione: Un servizio che assiste la compilazione e censisce i documenti comunali con la data di aggiornamento letta dagli header dei server dei comuni.
Risultato: 11.076 documenti di 1.889 comuni; i file dei clienti possono restare su un modello locale, con tre motori in cascata se uno non risponde.

Tecnologie Node.js, PostgreSQL + RLS, pdf-lib, RAG, Ollama, Apify, Vercel

Contenuti tecnici e normativi a cura dell'Ing. Lucia Serrapica.

salvacasa.edilizia-ai.it

Pagina di presentazione di Salva Casa AI: dal fascicolo alla CILA compilata

Apri salvacasa.edilizia-ai.it

Dettagli tecnici

Il servizio assiste la compilazione dei titoli abilitativi e censisce 11.076 documenti comunali con la data di aggiornamento vera, letta dagli header dei server dei comuni invece che dedotta dalla pagina. È costruito attorno a un vincolo di riservatezza: i documenti dei clienti possono essere elaborati da un modello in esecuzione locale, e il sistema prova tre motori in cascata senza fermarsi se uno non risponde.

Online edilizia-ai.it

edilizia-ai.it

Il sito dello studio, gestito interamente da riga di comando.

Problema: Il sito dello studio va aggiornato spesso, senza perdere tempo nel pannello di amministrazione.
Soluzione: Tema WordPress su misura: pubblicazione FTP automatizzata, contenuti via API, invalidazione della cache e diagnostica in un'unica catena di comandi.
Risultato: Online, con le landing dei servizi agganciate, moduli di richiesta serverless e invio email transazionale.

Tecnologie WordPress, PHP, Node.js, Deploy FTP, REST API, Vercel, Resend

Contenuti tecnici e normativi a cura dell'Ing. Lucia Serrapica.

edilizia-ai.it

Apri edilizia-ai.it

Dettagli tecnici

Tema WordPress su misura, aggiornato senza mai aprire un pannello: pubblicazione via FTP automatizzata, contenuti gestiti attraverso le API, invalidazione della cache e diagnostica in un'unica catena di comandi. Al sito sono agganciate le landing dei servizi, con moduli di richiesta serverless e invio email transazionale.

Operativo

Computista AI

Computi metrici su 33 prezzari regionali e 665.258 voci.

Problema: Un computo metrico richiede di trovare la voce giusta fra centinaia di migliaia di voci di prezzario regionale.
Soluzione: Un indice a testo libero su 33 prezzari e un importatore che ricostruisce le colonne dei PDF dalle coordinate dei caratteri, senza affidarsi a un modello.
Risultato: 665.258 voci interrogabili in tempi da ricerca istantanea; il totale in coda al documento fa da prova del nove dell'importazione.

Tecnologie Python, FastAPI, SQLite FTS5, React, WebSocket, Supabase

Contenuti tecnici e normativi a cura dell'Ing. Lucia Serrapica.

Dettagli tecnici

L'indice tiene 665.258 voci di prezzario interrogabili a testo libero in tempi da ricerca istantanea. L'importatore legge i computi dai PDF ricostruendo le colonne dalle coordinate dei caratteri invece di affidarsi a un modello, e usa il totale in coda al documento come prova del nove. Il motore gira in container e non espone alcuna porta: ci si arriva solo da un tunnel cifrato.

Automazione e agenti AI

L'infrastruttura e gli strumenti che uso ogni giorno per far lavorare gli agenti AI, e due progetti pratici nati dalla curiosità: stesso metodo, verifica sempre sul sistema vero.

Operativo

Infrastruttura agentica

I server che tengono in piedi tutto il resto.

Problema: Applicazioni e agenti AI hanno bisogno di server sicuri, sempre accesi e recuperabili.
Soluzione: Due macchine Linux amministrate da me: agente in container, gateway, certificati automatici, firewall, accesso a sola chiave e monitoraggio.
Risultato: Nessuna porta di servizio esposta a internet, accesso solo da tunnel cifrati e backup su tre copie in posti diversi.

Tecnologie Ubuntu Server, Docker, systemd, Caddy / TLS, ufw + fail2ban, Tailscale

Dettagli tecnici

Due macchine Linux amministrate da me: agente in container, gateway, certificati automatici, firewall, accesso a sola chiave e monitoraggio. La scelta che ha retto meglio è la più semplice: nessuna porta di servizio esposta a internet, tutto raggiungibile solo attraverso tunnel cifrati, insieme ai backup su tre copie in posti diversi.

Operativo

Orchestratore di modelli locali

Server MCP che sposta il lavoro ripetitivo sulla GPU di casa.

Problema: Il lavoro ripetitivo di un assistente AI costa token cloud, e i dati di un cliente non dovrebbero lasciare il computer per essere riformattati.
Soluzione: Un server MCP che intercetta estrazioni, classificazioni a volume, prime bozze e traduzioni e le dirotta su modelli in esecuzione locale.
Risultato: Il lavoro meccanico gira sulla GPU di casa, con il registro di ogni delega.

Tecnologie Python, Model Context Protocol, Ollama

Dettagli tecnici

Intercetta il lavoro meccanico di un assistente AI (estrazioni, classificazioni a volume, prime bozze, traduzioni) e lo dirotta su modelli in esecuzione locale, tenendo il registro di ogni delega. Due motivi concreti: il lavoro a volume non merita il costo dei token cloud, e i dati di un cliente non hanno ragione di lasciare il computer per essere riformattati.

Progetto pratico Caricato il 5 ottobre 2026

Il mio primo server autocostruito

Un notebook destinato alla discarica, una TV di nove anni e la curiosità di vedere cosa potevano diventare insieme.

Problema: Un notebook di nove anni stava per essere buttato: che cosa ci si poteva costruire sopra, invece di chiedersi se valesse la pena ripararlo?
Soluzione: Base Linux con container, pannello di controllo, rete privata per l'accesso da fuori casa, due assistenti AI e LeggiVoce, un'app vocale scritta da zero.
Risultato: Un server multimediale sempre acceso in salotto, a costo zero, con ogni correzione verificata dal vivo sulla TV.

0 €di spesa: solo software libero e gratuito
9 annil'età del notebook e della TV, entrambi rimessi in funzione
2assistenti AI e un'app vocale costruita da zero

Tecnologie Ubuntu Server, Docker, Tailscale, Agenti AI

Video del progetto (MP4, 10 MB)

Fotogramma del video del progetto Il mio primo server autocostruito

Guarda il video MP4, 10 MB

Il racconto completo

Il notebook era vecchio di nove anni, con la tastiera consumata, e stava per essere buttato. Non mi sono chiesto se valesse la pena ripararlo: mi sono chiesto che cosa ci si potesse costruire sopra. L'ho aperto, pulito e verificato, poi l'ho richiuso e collegato alla TV, anch'essa di nove anni: oggi è un server multimediale sempre acceso in salotto. Con l'AI come collaboratore ho installato una base Linux con container, un pannello di controllo, una rete privata per raggiungerlo da fuori casa, due assistenti AI sempre disponibili e LeggiVoce, un'app scritta da zero per aiutare mia figlia a scrivere meglio. Lungo la strada ho trovato e risolto problemi veri, verificando ogni correzione dal vivo sulla TV.

Fuori dal mercato elettrico, ma è lo stesso modo di lavorare: partire da qualcosa che tutti darebbero per finito, capire come funziona davvero e rimetterlo in moto, con l'AI al fianco e la verifica sempre sul sistema reale.

Fuori tema Caricato il 23 settembre 2026

Tre byte invece di dieci dollari

Una sera, un oggetto di casa che si blocca, e cosa vuol dire saper condurre l'AI.

Problema: Una stampante ancora funzionante si ferma su un contatore invece che su un guasto, e per azzerarlo si vende una chiave monouso da circa dieci dollari.
Soluzione: 138 byte di stato chiesti in Wi-Fi e decodificati uno per uno; scartata la strada chiusa dal firmware, ne ho trovata una diversa.
Risultato: 27 minuti dal blocco alla pagina di prova. Il lavoro vero è stato accorgersi che l'AI aveva imboccato la via sbagliata, e cambiarla.

27minuti dal blocco al foglio
3byte cambiati su 138
0dipendenze installate

Tecnologie Python, SNMP, socket UDP, BER / ASN.1

Slide: tre byte invece di dieci dollari, un oggetto di casa bloccato da un contatore e rimesso in funzione in 27 minuti

Apri la slide

Il racconto completo

Una delle stampanti più famose con i serbatoi di inchiostro da ricaricare, ormai vecchia di almeno quattro anni ma funzionante, si ferma su un contatore invece che su un guasto: per azzerarlo si vende una chiave monouso da circa dieci dollari. Ho preferito capire come parlava la macchina. Centotrentotto byte di stato chiesti in Wi-Fi e decodificati uno per uno; la strada classica, quella su cui sono costruite le utility a pagamento, trovata chiusa dal firmware; una strada diversa che invece ha funzionato. Ventisette minuti dal blocco alla pagina di prova. Il punto non è il risparmio: l'AI ha imboccato la via sbagliata prima di quella giusta, e il lavoro è stato accorgersene e cambiarla.

Fuori tema rispetto al mercato elettrico, ma è lo stesso mestiere: leggere un protocollo, non fidarsi del primo risultato, verificare sulla macchina vera. Protocollo e parametri da un progetto open source; riparazione di un oggetto di mia proprietà, dopo pulizia manuale del tampone.

Progetti del master

Master Universitario di I livello in AI e Agenti AI per il Business, Università degli Studi Guglielmo Marconi con start2impact University: 1.500 ore in dodici mesi, 60 CFU e 27 progetti corretti singolarmente da professionisti del settore. Questi sono alcuni dei lavori: cliccando si aprono per intero.

Data Visualization con Tableau Pubblicata su Tableau Public il 15 ottobre 2026

Fair Reward Simulator

Meglio un consulente bravo ma spesso assente, o uno mediocre ma sempre presente? Una dashboard interattiva su Tableau Public per misurare il valore della consulenza, non la semplice presenza.

Problema: Nel retail dell'energia stiamo davvero premiando chi crea valore, o chi è più presente e firma più contratti?
Soluzione: Una simulazione su 260 consulenti in 40 negozi, con la produttività sulle ore davvero lavorate e un Merit Score su qualità, conversione e affidabilità del campione.
Risultato: Nella simulazione, con lo stesso budget, il consulente competente ma meno presente passa da 762 € se si premiano le ore a 2.490 € con il Merit Score.

5sistemi premianti a confronto con lo stesso budget: ore, fatturato, contratti, margine, merito
66 € contro 28 €margine per ora lavorata del consulente presente il 59% delle ore e di quello presente il 90%
da 0,81 a −0,06«più climatizzatori, più incidenti»: la correlazione sparisce a parità di temperatura (dati sintetici)

Tecnologie Tableau, Python, Merit Score, Analisi what-if, ERA5, Protezione Civile

Dashboard interattiva su Tableau Public Dossier del progetto (PDF, 37 pagine) Video del progetto (MP4, 17 MB) Workbook Tableau (.twbx, 13 MB)

Fotogramma del video del progetto Fair Reward Simulator

Guarda il video MP4, 17 MB

Provala tu: apri la dashboard su Tableau Public, confronta le performance dei consulenti, cambia pesi, soglie e budget e guarda come cambiano le valutazioni. Poi decidi tu chi premieresti. Le dieci pagine, in anteprima:

Il racconto completo

Nel retail dell'energia la pressione sui numeri è continua, e la domanda è semplice: stiamo davvero premiando chi crea valore? Da una parte un consulente competente, che vende soluzioni ad alto valore ma lavora meno ore. Dall'altra uno sempre presente, con tanti contratti ma meno qualità e meno valore generato. Chi merita il premio? Chi più autonomia? E chi formazione e affiancamento? Ho provato a rispondere con i dati: una simulazione su 260 consulenti in 40 negozi italiani, dove luce, gas, fibra, fotovoltaico e HVAC non pesano allo stesso modo, la produttività si misura sulle ore davvero lavorate e il Merit Score tiene conto di qualità, conversione e affidabilità del campione. Il contesto è reale: meteo ERA5, allerte della Protezione Civile e prezzi PUN e PSV dal 2021 al 2026.

Il risultato: chi vende di più non è necessariamente chi crea più valore, e chi è meno presente non è necessariamente meno produttivo. Con lo stesso budget di 200.000 euro, il consulente competente ma meno presente prende in media 762 euro se si premiano le ore, 982 se si premia il margine e 2.490 con il Merit Score; quello sempre presente ma meno efficace passa da 1.176 euro a ore a zero a merito. Questo vale nella simulazione: i dati commerciali sono inventati, e la dashboard serve a ragionare sui criteri, non a decidere compensi reali.

Negozi, consulenti, vendite, qualità e premi sono simulati; il marchio e i nomi sono inventati e non c'è nessun dato personale. Reali sono il meteo (Open-Meteo/ERA5, CC BY 4.0), i bollettini di criticità della Protezione Civile (CC BY 4.0) e i prezzi PUN e PSV del GME. Gli incidenti in acqua della pagina 6 sono dati sintetici, costruiti per spiegare la differenza fra correlazione e causa. Il modello è una simulazione didattica: non è idoneo a decidere compensi reali senza verifica umana, contrattuale e organizzativa.

Data Manipulation and Visualization Versione rivista dopo la correzione, caricata il 7 ottobre 2026

Un'app per la sostenibilità

Dove conviene lanciarla? Il Google Play Store analizzato in Python per scegliere segmento, categoria e modello di business di una nuova app.

Problema: Dove conviene lanciare un'app per la sostenibilità: quale segmento, quale categoria, quale modello di business?
Soluzione: Pulizia, analisi esplorativa e visualizzazione di 9.674 app, cinque ipotesi verificate e una classifica delle categorie messa alla prova con 36 combinazioni di pesi.
Risultato: Una proposta concreta, un'app contro lo spreco di cibo in Food & Drink, e tutti gli 81 numeri del testo ricalcolati dal notebook.

9.674app analizzate, dopo aver separato 15 nomi ripetuti che erano app diverse
1 su 3app sostenibili viste dalle parole chiave, misurato su 1.000 app lette a mano
81 su 81numeri citati nel testo, ricalcolati e verificati dal notebook

Tecnologie Python, pandas, Matplotlib, seaborn, Plotly, Google Colab

Notebook completo, da leggere nel browser Notebook per Colab (.ipynb) Presentazione (PDF, 12 pagine) Video del progetto (MP4, 8 MB)

Due pagine della presentazione: la stima del segmento sostenibilità fra lo 0,35% e il 2,3% del catalogo, e il grafico che mostra come il vincitore fra Food & Drink e Shopping dipenda dal metodo di classifica

Apri la presentazione, 12 pagine

Fotogramma del video del progetto Un'app per la sostenibilità

Guarda il video MP4, 8 MB

Il racconto completo

Pulizia, analisi esplorativa e visualizzazione di 9.674 app del catalogo Google Play, con cinque ipotesi verificate e una proposta concreta: un'app contro lo spreco di cibo in casa, nella categoria Food & Drink. La correzione dell'esame ha trovato cinque errori di metodo, e questa versione li corregge tutti: ogni numero del testo è ricalcolato e confrontato con quello scritto, la classifica delle categorie è messa alla prova con 36 combinazioni di pesi, la copertura del classificatore è misurata leggendo a mano 1.000 app estratte a caso, e ogni legame fra variabili resta dichiarato per quello che è: una correlazione, non una causa. Due risultati sono cambiati, e il notebook spiega perché.

Dataset Google Play Store Apps di Lavanya Gupta (Kaggle, licenza CC BY 3.0), fermo all'8 agosto 2018: i risultati descrivono quel mercato, non quello di oggi. Il notebook gira su Google Colab con i due file CSV del dataset.

Copertina del progetto: Energia per chi non ce l'ha

Apri il progetto (PDF)

Data Science

Energia per chi non ce l'ha

Micro hub off-grid dove manca la corrente e si perde il raccolto.

Problema: Nelle aree rurali senza elettricità l'assenza di energia diventa direttamente perdita di cibo.
Soluzione: Studio di fattibilità di micro hub off-grid per irrigazione di precisione e catena del freddo, su tre flussi di dati da fonti pubbliche.
Risultato: Una matrice per decidere dove l'AI serve davvero e dove è sovradimensionata, con tre KPI misurabili.

Fonti Global Solar Atlas, FAO WaPOR, IEA Energy Access Outlook, Copernicus Sentinel-2

Il racconto completo

Studio di fattibilità sull'accesso all'energia nelle aree rurali, dove l'assenza di elettricità diventa direttamente perdita di cibo: irrigazione di precisione e catena del freddo post-raccolto tenute insieme dallo stesso impianto. Tre flussi di dati (ambientale, economico, di sistema) su fonti pubbliche e verificabili, una matrice per decidere dove l'AI serve davvero e dove è sovradimensionata, e tre KPI misurabili.

Copertina del progetto: da vigneto a vigneto intelligente

Apri il progetto (PDF)

Data Analysis

Da vigneto a vigneto intelligente

Un'azienda vinicola che diventa data-driven, per gradi.

Problema: Quali dati raccogliere in vigna e in cantina, e come far diventare numeri le valutazioni dell'enologo?
Soluzione: Sensori e modello dei dati, una dashboard su tre livelli di lettura e una roadmap in tre fasi su diciotto mesi.
Risultato: Un percorso di adozione confrontato con casi reali del Centro Italia e con i loro risparmi idrici ed energetici misurati.

Metodo Modello dati, KPI e dashboard, Benchmarking, Roadmap di adozione

Il racconto completo

Quali dati raccogliere in vigna e in cantina, come strutturare i sensori, come far diventare numeri le valutazioni dell'enologo. Il progetto costruisce una dashboard su tre livelli di lettura (proprietà, cantina, commerciale) e una roadmap in tre fasi su diciotto mesi, con benchmark su casi reali del Centro Italia e i risparmi idrici ed energetici effettivamente misurati.

Copertina del progetto SQL sulle nomine diplomatiche

Apri il progetto (PDF)

SQL

Cinquantatré anni di nomine diplomatiche

Il divario di genere nelle nomine a capo missione, letto in PostgreSQL.

Problema: Come è cambiato in cinquantatré anni il divario di genere nelle nomine a capo missione diplomatica?
Soluzione: Dieci query commentate in PostgreSQL sul dataset GenDip, con tabelle dimensionali collegate in JOIN e controlli di robustezza.
Risultato: Tre conclusioni forti si rivelano artefatti di rilevazione; regge che il divario si è dimezzato senza chiudersi, con l'Italia sotto la media.

Tecnologie PostgreSQL, Modellazione dimensionale, Controlli di robustezza, Data storytelling

Il racconto completo

Dieci query commentate sul dataset GenDip dell'Università di Göteborg (94.509 incarichi, 212 Paesi di invio) costruite su tabelle dimensionali collegate in JOIN. Il risultato più utile è metodologico: tre conclusioni apparentemente forti si rivelano artefatti di rilevazione, tra cui un picco che veniva da un solo Paese in un solo anno e un bias di sopravvivenza legato a Stati non più esistenti. Quel che resta regge: il divario si è dimezzato senza chiudersi, e l'Italia sta sotto la media mondiale con uno scarto che si allarga.

XLSX Scarica il foglio di lavoro

Excel avanzato

Piattaforma anti-spreco alimentare

Ottomila record di cibo salvato, quindici domande di business.

Problema: Quindici domande di business su ottomila record di attività aderenti a una piattaforma anti-spreco.
Soluzione: Deduplica, aggregazioni condizionate, lookup e medie multi-condizione in Excel avanzato.
Risultato: Risposte alle quindici domande e un errore di qualità del dato scovato: una città scritta male, trovata confrontando l'elenco ufficiale dei comuni.

Tecnologie Excel avanzato, Tabelle pivot, Data cleaning

Il racconto completo

Deduplica, aggregazioni condizionate, lookup e medie multi-condizione su un dataset di attività commerciali aderenti a una piattaforma anti-spreco. Compreso un problema di qualità del dato che nella realtà capita sempre: una città scritta in modo errato in mezzo a migliaia di record, trovata per confronto con l'elenco ufficiale dei comuni italiani.

Apri il repository su GitHub

Python

MeditActive

Un respiro, un passo, un albero: il benessere messo in fila, una riga alla volta.

Problema: Gestire gli obiettivi di una piattaforma per la meditazione e il movimento in modo semplice e misurabile.
Soluzione: Un sistema in Python dove ogni obiettivo è un dizionario con nome, tipo, frequenza e durata, con filtri e statistiche sulle attività.
Risultato: Una moneta ogni cinque minuti di presenza e, a cinquanta monete, un albero virtuale piantato.

Tecnologie Python, Jupyter / Colab, Liste e dizionari, Funzioni

Il racconto completo

Il Sistema di Gestione degli Elementi di una piattaforma per la meditazione e il movimento. Ogni obiettivo (meditare, muoversi, ascoltarsi, dormire bene) è un dizionario con nome, tipo, frequenza e durata. Portarlo a termine vale una moneta ogni cinque minuti di presenza, e a cinquanta monete l'app pianta un albero virtuale. Filtri che si accendono solo quando servono, statistiche sulla distribuzione delle attività e nessuna complessità superflua: liste, dizionari e funzioni al servizio di un'idea semplice, il tempo dedicato a sé stessi ha un valore, e può restituirne un po' anche al pianeta.

Formazione

Master Universitario di I livello in AI e Agenti AI per il Business

In corso 2026-2027 · Università degli Studi Guglielmo Marconi · con start2impact University · 60 CFU
Laurea Magistrale in Ingegneria Elettronica

Conseguita 2018 · Università Telematica Niccolò Cusano
Laurea in Ingegneria Informatica e delle Telecomunicazioni

Conseguita 2010 · Università degli Studi di Perugia
Diploma di Tecnico delle Industrie Elettriche

Conseguito 2004 · IPSIA Acquapendente

1.500 ore in dodici mesi e 27 progetti pratici corretti individualmente da professionisti del settore.

Piano di studi: analisi dei dati e AI (6 CFU), manipolazione e visualizzazione dei dati con AI (8 CFU), machine learning (8 CFU), full stack development e AI (12 CFU), AI business strategy e agenti AI (6 CFU), soft skills (2 CFU), progetti pratici (12 CFU) ed esame finale (6 CFU).

Test superati finora: undici su undici, uno per corso. I certificati, da aprire per intero: