Alessandro Osti.
Senior Backend Engineer con oltre 25 anni di esperienza. Sistemi enterprise, sanità, telecomunicazioni, banking, trading algoritmico e AI engineering. Correggio, Italia.
Scrivo codice dal 1999. I primi 19 anni li ho passati su progetti molto diversi tra loro: sistemi gestionali sanitari con architetture Oracle complesse e ottimizzazione PL/SQL, applicazioni Android native con integrazione NFC, GPS e dispositivi IoT, infrastrutture telecom con sistemi IVR e driver C++ per contact center. Ho lavorato come consulente specializzato in system integration, sviluppando middleware per ERP e tool di migrazione tra piattaforme enterprise.
Ambienti dove il software finisce in produzione con processi rigorosi e dove un errore costa caro. È lì che ho imparato a costruire software robusto, non solo software che funziona.
Dal 2018 sono Senior Backend Engineer in Lynx Group, dove lavoro su sistemi enterprise per i principali gruppi bancari e assicurativi italiani: sviluppo di servizi REST e SOAP su architetture Java EE con JBoss e Spring, integrati con i framework proprietari dei clienti. Progettazione di strutture relazionali complesse e procedure PL/SQL su Oracle per logiche di business critiche. Ho lavorato su piattaforme di core banking, su un'applicazione mobile rivolta ai clienti retail di un importante gruppo bancario nazionale, e su sistemi di certificazione digitale.
In parallelo, nel 2012, ho iniziato a sviluppare MAOTrade, un sistema di trading automatico. Quello che era nato come progetto con mio padre è diventato il mio laboratorio permanente: Python, FastAPI, Docker, microservizi — tutto testato in produzione, ogni giorno, da oltre 12 anni.
Oggi integro AI engineering nel mio lavoro — non come cambio di direzione, ma come evoluzione naturale del mio metodo. ARIA ne è la prova concreta: un assistente di analisi finanziaria con architettura multi-LLM, RAG e streaming. Studio, costruisco, documento tutto pubblicamente. Ho un MBA in Finance — bilancio, controllo di gestione, business plan, valutazione d'azienda. Un percorso che mi ha dato una comprensione concreta di come funzionano le aziende dall'interno: competenze che considero fondamentali in qualsiasi contesto professionale, e che applico anche all'analisi dei mercati finanziari.
Oltre 20 anni su sistemi mission-critical: banking, insurance, sanità, telecom. Sviluppo di servizi REST e SOAP su framework proprietari, integrazione con sistemi legacy e middleware ERP, rilasci in ambienti regolamentati.
Integrazione di modelli LLM in sistemi esistenti. Architetture multi-provider, RAG con vector database, semantic caching, streaming SSE. Non prototipi — sistemi in produzione con dati reali.
Progettazione di strutture relazionali complesse, query avanzate e procedure PL/SQL per logiche di business bancarie e sanitarie. Time series finanziarie, analytics, gestione dati ad alta concorrenza.
Containerizzazione, orchestrazione custom, logging centralizzato, monitoring. Gestione di server dedicati con servizi in produzione 24/7. Python e FastAPI per backend moderni e API ad alte prestazioni.
MAOTradeSistema di trading automatico in produzione da oltre 12 anni. Architettura a microservizi con container Docker isolati per account broker, gestione ordini automatica, monitoring real-time, backtesting.
ARIAAssistente di analisi finanziaria costruito sopra MAOTrade. Architettura multi-provider LLM con Gemini, Claude e GPT, RAG con Qdrant per interrogare dati di mercato, semantic caching, streaming SSE.
Sistema RAG per l'interrogazione di documenti finanziari in linguaggio naturale. Pipeline di processing PDF, embedding locali con SentenceTransformers, ricerca semantica su FAISS, integrazione multi-LLM (Claude, GPT). API REST con FastAPI e interfaccia demo Streamlit.
L'esperienza fatta durante la costruzione di ARIA, un sistema di analisi finanziaria in produzione, usando Claude Code per l'intero sviluppo — backend, frontend, deployment. Il resoconto onesto di come è andata: il metodo in cinque fasi che ha funzionato, le sessioni che sono fallite, e la tesi che attraversa tutto: gli strumenti di AI coding amplificano quello che hai già.
Percorso strutturato di studio su AI engineering documentato pubblicamente: architettura LLM, tokenizzazione, RAG, agenti AI, Model Context Protocol. Include esperienze pratiche di vibe coding e riflessioni sul metodo di apprendimento.