Dalla ricerca al business: il percorso di Marcello Federico tra leadership e innovazione

Federico ha iniziato la sua carriera nella  ricerca applicata, lavorando su progetti pionieristici  come la dettatura automatica per la refertazione medica e il riconoscimento del parlato (Speech Recognition). Questi progetti, sviluppati nell’ambito dell’ITC-IRST a partire dalla prima metà degli anni Novanta, hanno gettato le basi per la creazione di spin-off come GST, portando l’innovazione direttamente negli ospedali italiani. Il suo percorso è proseguito con la collaborazione con la RAI e il contributo alla creazione di Pervoice, realtà dedicata a servizi di trascrizione automatica per istituzioni e media. Queste esperienze hanno consolidato la sua capacità di trasformare tecnologie linguistiche complesse in soluzioni industriali ad alto impatto.

Successivamente, la transizione verso i modelli statistici e l’adozione di soluzioni open source hanno rappresentato un passaggio importante. Federico ha compreso che la collaborazione e la condivisione della conoscenza erano essenziali per accelerare l’innovazione nel campo della traduzione automatica e dei modelli del linguaggio. Questo approccio ha permesso lo sviluppo di software diventati standard di riferimento in ambiti accademici e industriali, generando opportunità in numerose startup, istituzioni come l’ONU e il Parlamento Europeo, e giganti tecnologici quali eBay, Facebook e Amazon.

Federico ha attraversato diverse fasi, consolidando competenze che ha poi condiviso con colleghi e studenti. 

In questo articolo / intervista esploreremo tre aspetti della sua esperienza: il passaggio graduale dal contesto della ricerca a quello dell’impresa multinazionale, il ruolo di mentore e leader, e l’importanza della rete tra ex-alumni come risorsa di crescita e confronto.

La transizione dalla ricerca all’implementazione industriale

Giancarlo Sciascia: “Attraversando la transizione dalla ricerca in FBK ai big player industriali del settore, quali sono state le differenze più significative incontrate, sia in termini di lavoro quotidiano che di mentalità?”

Marcello Federico: “La differenza principale è nella velocità e nella focalizzazione.
Nei centri di ricerca applicata i progetti hanno cicli brevi e la sfida consiste, spesso, nel reinventare costantemente le proposte per ottenere finanziamenti.
Nell’industria, invece, si lavora su progetti a breve termine ma con obiettivi a lungo termine, con risorse disponibili immediatamente. Questo permette di concentrarsi su ciò che si ama fare, senza frammentare energie per tener conto dei vari stakeholder. La qualità delle persone è un fattore comune: alta in entrambi i contesti, ma nell’industria la priorità è risolvere problemi concreti e creare valore per i clienti, non pubblicare articoli. Ho imparato che la velocità e l’efficienza sono valori fondamentali, così come la capacità di lavorare in team multidisciplinari – scientists, engineers, program managers, product managers —  dove ogni ruolo è essenziale per muoversi rapidamente.”

L’approccio alla leadership in un settore in rapida evoluzione

Federico ha maturato la sua leadership attraverso un percorso graduale, partendo da progetti mirati e tecnologie specifiche. L’acquisizione di conoscenza e la costruzione di credibilità sono stati elementi chiave per orientarsi in contesti aziendali complessi. In aziende di grandi dimensioni, la cultura aziendale e il modello mentale con cui si opera giocano un ruolo fondamentale.

Federico ha evidenziato l’importanza di valori come la chiarezza, la focalizzazione e la gestione dell’ambiguità. Questi principi sono applicati quotidianamente nella pratica lavorativa, aiutando a delimitare gli ambiti di azione e a guidare i team verso obiettivi chiari. La complessità dell’industria rispetto alla ricerca è maggiore, poiché richiede il coordinamento di più ruoli e funzioni, ma questo aiuta a ottenere una maggiore chiarezza e precisione nel lavoro. 

GS: “Per orientarsi in un contesto organizzativo multinazionale e ad alta competitività, cosa non può mancare?”  

MF: “La complessità in una Big Tech è di natura diversa rispetto a quella di un centro di ricerca: è più organizzativa che tecnica. Per questo è di estrema importanza comprendere il modello mentale che ispira le policy aziendali e si traduce nella capacità di rispondere a domande quali: Come si fanno proposte di progetto? Quali segnali aiutano a cogliere le tendenze che si approfondiranno in futuro? Come sintonizzarsi sulla prossima sfida?” 

Le sfide della mentorship: guidare con empatia e precisione

GS: “Come si è evoluto il suo ruolo di mentore?”

MF: “All’inizio, la mentorship era molto tecnica: fornivo soluzioni oppure correggevo approcci metodologici. Col tempo, ho capito che il vero valore sta nell’aiutare le persone a sviluppare la propria capacità di analisi e decisione. 

Oggi, mi aspetto che i miei collaboratori siano autonomi e aggiornati sulle tecniche più recenti. Nel mio ruolo è fondamentale porre le domande giuste: Stiamo risolvendo il problema giusto? I risultati sono realmente utili? Gli esperimenti sono organizzati per ottenere informazioni con il minimo costo?”  

GS: “C’è stato un fallimento o un errore che le ha insegnato più di qualsiasi successo? Come l’ha gestito e trasformato in un’opportunità di crescita per sé e per gli altri?“

MF: “Un insegnamento rilevante è stato realizzare che perseguire soluzioni eccessivamente complesse può essere controproducente quando una soluzione più semplice è già efficace. A un certo punto, conviene far funzionare qualcosa e poi migliorarlo nel tempo, piuttosto che dedicare uno sforzo eccessivo per conseguire soluzioni “perfette”.

Ho imparato l’importanza del fail fast: provare una soluzione sul campo il prima possibile, piuttosto che iterare esperimenti in laboratorio per mesi per guadagnare un 5% di resa che potrebbe non avere impatto. È meglio guadagnare esperienza in produzione, perché il mondo reale ti fa capire quali sono gli altri problemi da risolvere e ti aiuta a migliorare le interazioni con tutti i sistemi collegati al problema che stai risolvendo.

Questa lezione è utile per gli scienziati perfezionisti: il metodo e l’efficienza sono fondamentali, analizzare la letteratura e i modelli è importante, ma alla fine devi smettere di cercare la perfezione e concentrarti su ciò che funziona. Devi sapere quando fermarti, perché il vero valore emerge dopo: le interazioni della tua soluzione col resto dell’ecosistema mostreranno cosa c’è da migliorare davvero. Le metriche di successo si arricchiscono quando si passa dalla ricerca alla produzione. Nel laboratorio valutiamo solo l’accuratezza di una traduzione, ma in produzione emergono altri fattori critici: la latenza, il costo del modello, il costo computazionale, la scalabilità della soluzione. È qui che entra in gioco l’arte del compromesso e l’approccio learning by doing.”

L’importanza della rete

Federico ha sempre attribuito grande importanza alla rete di ex colleghi e collaboratori. Per i giovani, come i/le PhD students, avere accesso a esperti/e che lavorano in diversi contesti produttivi o accademici può rivelarsi decisivo. Fare rete permette di confrontare prospettive diverse, comprendere le aspettative delle aziende e prepararsi meglio a colloqui e sfide professionali. La rete non solo aiuta a comprendere il mondo del lavoro, nel tempo diventa una risorsa basata sulla fiducia reciproca. 

“Le connessioni umane contano – sottolinea Federico – e la fiducia si costruisce attraverso conversazioni autentiche, non solo attraverso le pubblicazioni.”

Costruire e mantenere la propria rete: strategie e strumenti

“La costruzione e il mantenimento di una rete – prosegue Federico – richiedono impegno costante e una sensibilità rispetto al valore e ai benefici che la partecipazione alla rete stessa comporta per ogni membro.    

Ho sempre cercato di dare qualcosa di utile agli altri — visibilità, riconoscimento, documentazione del loro lavoro — senza aspettarmi nulla in cambio nell’immediato. Ad esempio, nel centro di ricerca inserivo gli stagisti nel sito web del gruppo, e una volta concluso il tirocinio li mantenevo come alumni indicando l’anno di riferimento, così da offrire loro una prova documentata da poter inserire nel CV. 

Allo stesso modo, nell’organizzazione di convegni ho sempre riconosciuto pubblicamente il contributo dei colleghi coinvolti, lasciandone traccia permanente nei proceedings e nel sito dell’evento. Sono gesti semplici, ma che richiedono intenzionalità: rendere visibile il contributo degli altri non avviene per inerzia, va costruito deliberatamente. 

Concretamente, questo approccio mi ha aiutato e mi ha permesso di aiutare altri: ho sempre trovato persone disposte a collaborare con me, ho ricevuto numerose opportunità di lavoro, e ho potuto coinvolgere con facilità colleghi e ricercatori in progetti comuni — che si trattasse di organizzare un convegno, attrarre persone nei miei team, o avviare nuove collaborazioni.”

Alumni come risorsa: collaborazioni che generano valore

Federico ha coinvolto ex colleghi e collaboratori in sempre nuovi progetti e iniziative, riconoscendo il valore aggiunto di questa rete. Un esempio è la collaborazione con scienziati di altre aziende, come Meta, Google, Apple e Microsoft, che ha portato a risultati concreti, utili per entrambe le parti e la comunità scientifica.  

Queste collaborazioni sono basate su una comunicazione chiara e autentica, con aspettative ben definite. Federico ha rimarcato come la chiarezza nella comunicazione sia essenziale per evitare fraintendimenti e per far funzionare le collaborazioni nel tempo.

Last but not least: principi guida 

In sintesi, alla base di queste dinamiche c’è un equilibrio semplice: comunicare con chiarezza i propri obiettivi e quelli del gruppo, allineare le aspettative reciproche, e prendersi cura delle relazioni nel tempo. Nel lavoro scientifico, dove la tendenza naturale è concentrarsi sul proprio contributo individuale, avere una rete di persone con cui scambiarsi aiuto fa una differenza concreta: permette di accedere a competenze, opportunità e punti di vista che da soli non si raggiungerebbero. 

“Nella mia esperienza, conclude Federico, il successo è dipeso in gran parte dalle collaborazioni che ho instaurato: le soddisfazioni maggiori le ho divise con altri, e vedere il successo dei miei ex-studenti e collaboratori resta una delle cose che mi gratifica di più. Non servono strategie elaborate, servono gesti intenzionali e costanti, come quelli descritti sopra. Il risultato è un tessuto di relazioni che funziona in entrambe le direzioni: si trova aiuto quando serve, e si è nelle condizioni di offrirlo.”.

————

Marcello Federico è Senior Principal Scientist (Director level) di EU INTech, il polo tecnologico europeo di Amazon Stores. In precedenza ha guidato team scientifici presso gli AWS AI Labs negli Stati Uniti (2018-2024) e ha diretto unità di ricerca presso la Fondazione Bruno Kessler (1997-2017), insegnando al contempo all’Università di Trento (2001-2022). La sua ricerca nel campo della traduzione automatica, dell’elaborazione del linguaggio naturale e dell’intelligenza artificiale ha portato alla pubblicazione di circa 250 articoli. È co-fondatore di due aziende tecnologiche e ricopre il ruolo di Presidente dell’ACL Special Interest Group on Spoken Language Translation (SIGSLT) . Marcello è membro senior sia di IEEE che di ACM.