# Progetto pilota sulla preparazione alla concessione in licenza dei dati

Creata: 2026-11-17
Aggiornata: 2026-11-17

## Domanda e decisione

Cosa dovrebbe preparare un’organizzazione prima della prima conversazione con un programma di concessione in licenza o fornitura di dati? Il lettore previsto possiede o gestisce un dataset organizzativo e deve descriverlo con precisione. Questo progetto pilota verifica se le fasi di richiesta iniziale rese pubbliche permettono di creare una scheda di preparazione utile. Non misura le prestazioni dei fornitori né ne raccomanda uno.

I 10 programmi in `observations.json` sono stati selezionati prima del principale aggiornamento delle evidenze per coprire diversi tipi di richiesta iniziale visibili in una precedente analisi di un elenco di canali per i fornitori. La selezione è intenzionale, non casuale: interesse diretto di laboratori, marketplace, un elenco esaminato da analisti, concessione in licenza di contenuti, dati operativi aziendali e archivi industriali. L’elenco precedente non è un censimento del mercato. In questo dataset non confluiscono punteggi precedenti, attività degli account, dati privati o classifiche soggettive.

## Raccolta

Data della ricerca: 17 novembre 2026, Asia/Bangkok. Fonti: pagine pubbliche ufficiali dei programmi in inglese, spiegazioni pubbliche direttamente pertinenti ed etichette delle richieste iniziali estraibili pubblicamente. Lo strumento di recupero web può usare copie indicizzate; questa è una lettura datata del materiale accessibile, non una verifica in tempo reale certificata dai fornitori. L’articolo esplicativo di OpenAI è stato pubblicato originariamente il 9 novembre 2023 e non viene considerato un nuovo annuncio.

L’ambito si ferma prima dell’inserimento di informazioni personali, della creazione di un account, dell’accettazione di un accordo, del caricamento di un campione o dell’invio di qualsiasi materiale. Nessuna di queste azioni è stata eseguita. Ogni record identifica le fonti specifiche esaminate e il limite dell’osservazione. Sono state usate ulteriori pagine esplicative pubbliche quando la pagina iniziale non mostrava la domanda di adesione. La profondità dell’analisi varia tra i fornitori, quindi i conteggi delle informazioni divulgate non sarebbero punteggi comparabili.

L’estrattore non ha restituito contenuti utilizzabili sul programma Turing Lazarus. La homepage di The General Data Company era leggibile, ma il percorso per le partnership no. Questi 2 casi rimangono nel campione fisso come non osservabili rispetto alla domanda; nessuno dei 2 è classificato come chiuso, non disponibile alle persone o privo di una procedura di richiesta iniziale. Il programma pubblico e il percorso di contatto di Protege erano leggibili, mentre i campi incorporati non lo erano. Il modulo incorporato di Neudata non è stato estratto; la pagina pubblica descriveva la richiesta di informazioni sull’azienda e di contatto e le fasi successive.

## Codifica

Ogni record rappresenta un programma. `observation_status` assume il valore `substantive` quando almeno una fonte attuale fornisce informazioni significative sulla richiesta iniziale o sulla preparazione; altrimenti assume il valore `unobservable`. Un record sostanziale non implica che sia stata osservata una domanda completa.

`first_action` descrive il primo passaggio indicato: `interest_form`, `account_creation`, `provider_application`, `listing_request`, `partner_form`, `meeting_request`, `estimate_or_contact` oppure `unknown`. Non afferma che l’azione sia stata completata. `preparation` contiene parafrasi concise di materiale esplicito delle fonti; `later_stage` conserva la sequenza dichiarata da un fornitore. `limitations` registra ciò che non è visibile. Le etichette dei campi non dimostrano la validazione e le promesse dei fornitori non sono risultati osservati in modo indipendente.

La sintesi raggruppa la preparazione in contesto aziendale, caratteristiche del dataset e autorizzazioni/ambito. Sono categorie organizzative create dagli autori. Costituiscono un’interpretazione pratica delle osservazioni, non una scala validata. Le informazioni sconosciute non sono codificate come zero né come assenza di un requisito.

## Riproduzione

Esegui `python3 analyze.py` da questa cartella. Legge solo `observations.json` e produce `results.json` e `evidence-table.md`; non effettua chiamate di rete e non ha dipendenze di terze parti. Le asserzioni verificano il campione fisso, le date, le categorie di azioni consentite, i riferimenti alle fonti e il confine tra record sostanziali e non osservabili. Il conteggio risultante di 8/10 descrive solo le evidenze leggibili in questo progetto pilota; non è appropriato ricavarne un intervallo di confidenza o una percentuale di mercato.

La riproduzione dell’analisi a partire dalle osservazioni fornite è deterministica. Per riprodurre la raccolta occorre consultare nuovamente gli URL elencati, i cui contenuti possono cambiare. Il download contiene volutamente osservazioni fattuali redatte dagli autori e riferimenti alle fonti, non pagine web complete ridistribuite, screenshot, record di account o il corpus di ricerca privato. I diritti d’autore sul materiale delle fonti collegate restano ai rispettivi titolari. L’articolo, la scheda e i file di osservazione di Sapien1 possono essere usati come materiali del sito pubblicato; questo pacchetto non concede diritti sui dataset di origine o sui contenuti di terze parti.

Esegui `python3 render-assets.py` per riprodurre le 2 figure SVG originali. La figura sui punti di ingresso usa i record delle osservazioni; l’infografica sulla preparazione presenta la sintesi creata dagli autori. Entrambe contengono testo, titoli e descrizioni modificabili.
