Donne nel digitale: visione, grafica e algoritmi

01Chi ha visto prima degli altri

Ogni volta che apri un programma, tocchi un'icona o chiedi qualcosa a un assistente digitale, stai usando idee che qualcuno ha avuto prima che fossero ovvie. Molte di quelle idee le hanno avute donne. Non come curiosità da ricordare l'8 marzo: come fondamenta, su cui il resto è stato costruito.

Comincio da qui perché la domanda che mi fanno più spesso, da donna che ha un'impresa nel digitale, è sempre la stessa: «ma come ci sei arrivata, a fare software?». La risposta onesta è che il software, da sempre, è fatto da chi ha una visione e il metodo per realizzarla. E la storia del digitale è piena di donne che avevano entrambe le cose.

1843: una macchina che non doveva fermarsi ai numeri

Ada Lovelace traduce un articolo dell'ingegnere italiano Luigi Menabrea sulla Macchina analitica di Charles Babbage, e ci aggiunge note sue, più lunghe dell'articolo. In quelle note c'è la prima descrizione pubblica di una sequenza ordinata di passi per far risolvere un problema a una macchina: è per questo che viene spesso chiamata «la prima programmatrice». Ma il punto più sorprendente è un altro. Lovelace scrive che la macchina potrebbe agire anche su cose diverse dai numeri, e perfino comporre musica. Era il 1843: stava descrivendo l'idea stessa di computer come macchina per qualunque simbolo.

1952: far parlare le macchine con parole umane

Grace Hopper completa nel 1952 l'A-0, considerato il primo compilatore: un programma che traduce istruzioni scritte in forma simbolica nel linguaggio della macchina. Da quel lavoro nasce FLOW-MATIC, il linguaggio con parole inglesi che anticipa il COBOL. L'idea di fondo era rivoluzionaria e semplicissima: non deve essere la persona ad adattarsi alla macchina, ma la macchina a capire la persona.

Gli anni di Apollo: il software che non poteva sbagliare

Margaret Hamilton guidava la divisione di ingegneria del software del laboratorio del MIT che ha sviluppato il software di bordo per le missioni Apollo. Nel 2016 ha ricevuto la Medaglia presidenziale della libertà, l'onorificenza civile più alta degli Stati Uniti. Del suo lavoro il MIT ricorda le idee che sono diventate le basi del software affidabile: dare priorità ai compiti importanti, prevedere l'errore, lasciare all'essere umano la decisione nei momenti critici.

Nessuna di queste donne aveva la strada spianata. Avevano una cosa in comune: guardavano il problema dalla parte di chi avrebbe usato il risultato. Il lettore di una macchina, il programmatore che scrive, l'astronauta in volo, la persona che accende un computer per la prima volta. È lo stesso sguardo che fa funzionare un'impresa digitale oggi.

02La grafica che si capisce senza istruzioni

Nel 1983 Susan Kare entra nel gruppo del Macintosh di Apple. Viene dalla scultura, non dall'informatica, e ha un compito che nessuno aveva mai affrontato così: disegnare le immagini di uno schermo fatto di puntini. Lo racconta lo Smithsonian: un collega le suggerisce di usare la carta a quadretti più piccola che trova. Lei delimita un quadrato di 32 per 32 quadretti e li colora uno a uno. Sua madre le aveva insegnato il ricamo a punto contato: lo stesso principio, la stessa griglia.

Da quei quadretti escono il Mac sorridente che saluta all'accensione, il cestino, il dischetto per salvare, il foglio con l'angolo piegato, la bomba degli errori. E il Chicago, il primo carattere di sistema del Mac, anche se prima di allora non aveva mai disegnato un carattere. Nel 2019 il Cooper Hewitt, il museo del design della Smithsonian, le ha dato il premio alla carriera.

Il marchio come sistema, non come disegno

Paula Scher è socia dello studio Pentagram di New York dal 1991. Ha disegnato l'identità del Public Theater, che mescola la tipografia popolare a quella colta, e quelle di marchi come Citibank e Tiffany. Nel 2006 è stata la prima donna a ricevere la medaglia del Type Directors Club. Il suo lavoro mostra una cosa che ogni attività dovrebbe sapere: un marchio non è un logo, è un sistema di caratteri, colori e regole che si riconosce ovunque, sul manifesto come sullo schermo del telefono.

03Gli algoritmi: chi li guarda da vicino li migliora

Un algoritmo che impara dai dati è bravo quanto i dati da cui impara. Questa frase, oggi quasi scontata, è diventata scontata anche grazie al lavoro di alcune ricercatrici che hanno avuto il coraggio di misurare invece di fidarsi.

Dare alle macchine qualcosa da vedere

Fei-Fei Li, professoressa a Stanford, ha ideato ImageNet e la sfida che porta lo stesso nome: una grande raccolta di immagini catalogate e una gara per misurare quanto bene i programmi le riconoscono. È uno dei lavori da cui è partita la stagione dell'intelligenza artificiale che vediamo oggi. Ha fondato con altri l'istituto di Stanford per un'intelligenza artificiale centrata sulla persona, e ha cofondato AI4ALL, un'organizzazione per un'istruzione sull'IA aperta a tutti.

Misurare prima di fidarsi

Nel 2018 Joy Buolamwini e Timnit Gebru pubblicano uno studio, «Gender Shades», che mette alla prova tre sistemi commerciali di riconoscimento facciale. Usano un insieme di volti bilanciato per genere e tono della pelle. Il risultato: per gli uomini con la pelle chiara l'errore massimo era dello 0,8%; per le donne con la pelle scura arrivava al 34,7%. Lo stesso programma, presentato come preciso, sbagliava in modo molto diverso a seconda di chi aveva davanti.

Buolamwini ha poi fondato l'Algorithmic Justice League, un'organizzazione che lavora per far conoscere a tutti gli effetti dell'intelligenza artificiale e per prevenirne i danni. La lezione per chi ha un'impresa è pratica: un dato medio non basta. Prima di affidare a un programma una decisione, si guarda come si comporta con tutti quelli che lo useranno.

04I numeri di oggi, e la direzione in cui vanno

Le storie contano, ma chi fa impresa vuole anche i numeri. Eccoli, presi dalle fonti ufficiali e senza arrotondamenti di comodo.

Europa: meno di una su cinque, ma in crescita

Secondo Eurostat, nel 2025 nell'Unione europea lavoravano come specialisti ICT 10,45 milioni di persone, il 5% degli occupati. Le donne erano il 19,5%, tre punti percentuali in più rispetto al 2015. La Commissione europea mette il dato accanto a un altro: le donne sono il 51% della popolazione europea, e fra i laureati nelle materie scientifiche e tecnologiche una persona su tre è donna. Lo spazio per crescere è enorme, e l'Unione segue ogni anno i progressi con un indice dedicato, il Women in digital index.

Romania: il paese dove le donne pesano di più

Il dato che più mi riguarda da vicino, lavorando fra Italia e Romania: nel 2025 la Romania è il paese dell'Unione con la quota più alta di donne fra gli specialisti ICT, il 27,8%. Seguono Lettonia e Bulgaria. È un dato che in Italia si conosce poco, e che racconta una tradizione di formazione tecnica femminile solida.

Italia: oltre un milione e trecentomila imprese femminili

Unioncamere conta in Italia, alla fine del 2023, 1.325.270 imprese femminili, il 22,2% di tutte le imprese. Di queste, 27.298 lavorano nei servizi di informazione e comunicazione, il settore del digitale, e nel 2023 sono cresciute. E c'è un segnale che guarda avanti: fra le imprese femminili, il 10,6% è guidato da donne sotto i 35 anni, contro il 7,9% delle altre imprese.

I numeri non dicono che il digitale è un mondo per pochi. Dicono che è un mondo dove c'è ancora molto posto.

05La forza che serve: visione, metodo, sguardo critico

Ho raccontato pioniere famose, ma la forza di cui parlo non è da museo. È quella che vedo ogni giorno nelle imprenditrici che lavorano con me: la titolare di un locale che vuole il menù aggiornato dal telefono, la professionista che decide di avere un sito suo invece di affidarsi solo ai social, la sposa che prepara l'invito per i suoi ospiti in due lingue. Si può scomporre in tre capacità, e tutte e tre si imparano.

Nel digitale di tutti i giorni

Tradotte nella pratica di un'impresa, queste capacità diventano scelte concrete:

• Un sito tuo, con il tuo dominio, invece di una vetrina solo sui social: ne parlo nel capitolo su sito o social network.
• Farsi trovare da chi ti cerca vicino, con la scheda dell'attività curata: è il tema della SEO locale.
• Parlare la lingua dei clienti, anche quando sono due: il capitolo sul sito in due lingue spiega come.
• Usare l'intelligenza artificiale con giudizio, sapendo dove aiuta e dove serve una persona che conosce il mestiere: ne parlo nel capitolo su professionista, IA e page builder.

06Zenith, da imprenditrice del digitale

Scrivo questo capitolo in prima persona perché mi riguarda. Zenith Develop è la mia impresa: progetto e scrivo software, siti e app, fra Venezia e la Romania. Non racconto le pioniere per mettermi accanto a loro, ma perché le loro idee sono gli attrezzi che uso ogni giorno.

Domande frequenti

Fonti

1. Eurostat, «Number of ICT specialists in the EU continues to grow» (maggio 2026): 10,45 milioni di specialisti ICT nel 2025, quota di donne del 19,5%, +3 punti dal 2015, Romania al 27,8% (in inglese).
2. Commissione europea, «Women in digital»: donne al 51% della popolazione, una laureata su tre nelle materie STEM, il Women in digital index (in inglese).
3. Unioncamere, comunicato sulle imprese femminili 2023 (marzo 2024): 1.325.270 imprese, 22,2% del totale, 27.298 nei servizi di informazione e comunicazione, 10,6% guidate da under 35.
4. Computer History Museum, «Ada Lovelace»: la traduzione dell'articolo di Menabrea, le note del 1843, la macchina che agisce su cose diverse dai numeri (in inglese).
5. Centre for Computing History, «Grace Hopper completes the A-0 Compiler» e Computer History Museum, intervista a Grace Hopper: l'A-0 del 1952, FLOW-MATIC e il COBOL (in inglese).
6. MIT News, Margaret Hamilton e la Medaglia presidenziale della libertà (novembre 2016) (in inglese).
7. Smithsonian Magazine, come Susan Kare ha disegnato le icone del primo Macintosh e Computer History Museum, profilo di Susan Kare (in inglese).
8. Pentagram, «Paula Scher»: socia dal 1991, Public Theater, Citibank, Tiffany, medaglia del Type Directors Club 2006 (in inglese).
9. Stanford University, profilo di Fei-Fei Li: ImageNet, Stanford HAI, AI4ALL (in inglese).
10. Buolamwini e Gebru, «Gender Shades», Proceedings of Machine Learning Research, 2018: errori fino al 34,7% contro lo 0,8% (in inglese); Algorithmic Justice League.

Capitolo aggiornato a ottobre 2026. Tutti i numeri vengono dalle fonti qui sopra; dove la fonte indica un anno, l'anno è riportato accanto al dato.