Capire l’AI, prima di usarla

Una lettura dei passaggi tecnologici, dal lavoro fisico al trattamento delle informazioni.

Le trasformazioni

Vapore e meccanizzazione; elettricità e produzione di massa; computer e calcolo; web e circolazione delle informazioni. Ogni passaggio cambia attività, organizzazione e competenze.

Il passaggio attuale

L’AI generativa rende accessibile la produzione di testi e altri contenuti attraverso richieste in linguaggio naturale. L’effetto dipende dal processo: una bozza più veloce può aumentare il lavoro di verifica.

Il nostro patto

Partiamo dal processo, proviamo su dati utilizzabili e confrontiamo il risultato con un controllo umano. L’adozione da sola non dimostra un beneficio.

La mappa del PDF ritorna in tutti i moduli.

Le fasi

Ricerca, design, campionario, industrializzazione, approvvigionamento, pianificazione, produzione, qualità, logistica, vendita e post-vendita.

Guardiamo il compito

In ciascuna fase chiediamo quale attività può essere supportata, quali dati servono e chi controlla. Il nome del reparto da solo non determina una capacità.

Spiegazione

La filiera è una rete di passaggi informativi: un dato nasce in un reparto e viene usato da altri. L’unità utile per progettare una prova è il singolo compito, con input e output riconoscibili.

Procedura operativa

Descrivi documento in ingresso, operazione, destinatario e criterio di accettazione. Mantieni codici di articolo e revisione lungo il flusso.

Esempio applicato

Una modifica alla composizione passa da prodotto a qualità e contenuti e-commerce. Un riepilogo può indicare quali documenti devono essere controllati, senza modificarli automaticamente.

Verifica del risultato

Il riepilogo deve conservare la versione della fonte e distinguere una richiesta di modifica dalla modifica approvata.

1. Ricerca
2. Design
3. Campionario
4. Industrializzazione
5. Approvvigionamento
6. Pianificazione
7. Produzione
8. Qualità
9. Vendita
10. Post-vendita

L’AI non nasce con ChatGPT: cambia il modo di accedervi.

2017 · Transformer

Il lavoro Attention Is All You Need introduce un’architettura basata sull’attenzione: aiuta il modello a rappresentare relazioni tra elementi di una sequenza. È un passaggio centrale per molti LLM successivi.

2022 · ChatGPT

Il 30 novembre 2022 OpenAI presenta ChatGPT al pubblico: una conversazione diventa l’interfaccia per interrogare un modello linguistico. Il modello genera risposte, senza garantire che siano vere.

Dalla chat agli strumenti

Oggi alcune applicazioni aggiungono immagini, documenti, ricerca e azioni. Queste capacità dipendono dal modello e dagli strumenti disponibili: il collegamento al web o ai dati aziendali va configurato.

Prima una risposta nella chat di Teams, poi apriamo la definizione.

Un vocabolario operativo

Le definizioni collegano i termini tecnici a input, documenti e risultati del lavoro. Apri le voci per approfondire gli esempi.

Da usare subito

Dato, fonte, modello, LLM, prompt, input, output, contesto, allucinazione e verifica umana ci serviranno durante tutta la lezione.

Una regola, una stima, un contenuto: distinguiamo il compito.

Automazione

Applica una regola: quando la bolla viene chiusa, invia la mail di conferma. Può funzionare senza un modello AI.

Predittiva e generativa

La predittiva stima un risultato usando dati; la generativa produce una proposta di contenuto. Entrambe richiedono una verifica adatta al compito.

La regola è esplicita e ripetibile.

Esempio del PDF

Alla chiusura della bolla parte una mail di conferma. Il sistema controlla lo stato e applica la regola.

Che cosa verifichiamo

Evento corretto, destinatario, dati del documento ed eccezioni. Anche una regola semplice può sbagliare se riceve dati errati.

Spiegazione

Un’automazione deterministica esegue una sequenza definita quando sono soddisfatte condizioni esplicite. La scelta del contenuto può essere una regola, senza generazione linguistica.

Procedura operativa

Definisci evento, condizioni, azione e gestione dell’errore. Registra che cosa è già stato eseguito per evitare duplicazioni.

Esempio applicato

Alla chiusura di una bolla, prepara la conferma con numero, data e destinatario già registrati. Se manca l’indirizzo, la pratica entra in una coda da correggere.

Verifica del risultato

Prova evento duplicato, indirizzo mancante e bolla riaperta. Il sistema deve applicare la procedura prevista, non inviare due conferme.

Il passato aiuta a costruire una stima da verificare.

Esempio del PDF

Stimare quanti pezzi di un modello potranno vendersi in una città e in un periodo, usando uno storico pertinente.

Che cosa verifichiamo

Qualità dei dati, periodo, errore rispetto a un confronto semplice e cambiamenti di mercato. La previsione conserva un’incertezza.

Spiegazione

Una previsione associa a dati osservati una stima di un risultato futuro o non ancora noto. La sua utilità si valuta su dati separati da quelli usati per costruirla.

Procedura operativa

Definisci cosa prevedere, orizzonte, granularità e confronto semplice. Mantieni separati periodi di preparazione e verifica per non usare informazioni future.

Esempio applicato

Per le vendite settimanali di un articolo, confronta una previsione con un riferimento semplice, come il valore del periodo precedente; considera stock esauriti e stagionalità.

Verifica del risultato

Misura l’errore su casi nuovi e controlla gli articoli con pochi dati. Una previsione puntuale non elimina l’incertezza né autorizza da sola un ordine.

Un testo, un’immagine o una struttura a partire da istruzioni e dati.

Esempio del PDF

Preparare la descrizione di un articolo in tre lingue usando la scheda tecnica. Il risultato resta una bozza.

Che cosa verifichiamo

Aderenza alla fonte, tono, terminologia, formato e dati mancanti. La descrizione non deve inventare certificazioni, provenienze o percentuali.

Spiegazione

La generazione produce una proposta a partire da istruzioni e contesto. Per contenuti di prodotto, la fonte definisce i fatti; il prompt definisce destinatario, stile e formato.

Procedura operativa

Fornisci scheda, scopo e vincoli. Chiedi una sezione separata per dati mancanti e proposte. Rivedi la bozza prima della diffusione.

Esempio applicato

Dalla MM-026: titolo, descrizione entro 60 parole e tre caratteristiche. Se una certificazione non compare nella scheda, resta fuori dalla descrizione.

Verifica del risultato

Confronta tutte le affermazioni tecniche con la fonte: composizione, taglie, colori e cura. La qualità della lingua non dimostra correttezza del prodotto.

Un ordine e una consegna in ritardo: esempio didattico fittizio.

Regola e stima

Automazione: avviso quando cambia lo stato. Predittiva: stima del rischio di ritardo da dati storici idonei.

Contenuto

Generativa: bozza di spiegazione al cliente usando date confermate. Una stima non diventa una nuova data promessa.

Uno strumento può combinare regole e modelli.

Il flusso

La regola rileva un evento; un modello prepara una bozza o una stima; la persona verifica; una regola esegue l’azione autorizzata.

Il confine

Generare un testo e inviarlo sono passaggi distinti. Chiediamo quale componente svolge ciascun passaggio, con quali accessi.

Spiegazione

Un processo può combinare regole, stime e generazione. Ogni componente mantiene un compito distinto e un criterio di controllo proprio.

Procedura operativa

Disegna i passaggi e marca quelli che leggono, propongono o modificano dati. Inserisci un controllo prima delle azioni con effetti sul lavoro.

Esempio applicato

Un ritardo registrato attiva una regola; l’assistente prepara una bozza dalla data confermata; l’operatrice verifica; il sistema invia dopo approvazione.

Verifica del risultato

La bozza deve usare la data confermata. Il sistema deve distinguere bozza approvata, invio riuscito ed eventuale errore di consegna.

1. Evento
2. Elaborazione
3. Controllo umano
4. Azione autorizzata

Vocabolario da discutere, prima di entrare nei token.

Le parole

Le dieci voci del PDF sono raccolte con definizioni ed esempi consultabili. Il glossario resta un riferimento durante le prove.

L’esempio

Per ogni termine colleghiamo la spiegazione a un documento o a un’attività del vostro reparto.

Modello linguistico di grandi dimensioni: che cosa succede dentro la richiesta.

Il termine tecnico

Un LLM è una rete neurale addestrata su grandi quantità di dati linguistici per modellare relazioni statistiche tra token. Durante la generazione produce la sequenza successiva in base al contesto: non consulta automaticamente un archivio di fatti verificati.

I passaggi

La richiesta viene rappresentata in token: parole, parti di parole o segni. Il modello genera la risposta sulla base del contesto e di ciò che ha appreso.

Il limite

Non cerca automaticamente sul web. Ricerca e accesso ai documenti richiedono strumenti collegati. La generazione da sola non certifica che ogni affermazione sia vera.

Spiegazione

I token sono unità di rappresentazione del testo; non coincidono sempre con parole. Le istruzioni e il materiale disponibile influenzano la sequenza generata.

Procedura operativa

Fornisci contesto pertinente e un formato di risposta verificabile. Per cifre e riferimenti, richiedi calcoli espliciti o strumenti adatti quando disponibili.

Esempio applicato

“Riporta composizione, colore e ID della fonte. Se un campo non compare, scrivi non disponibile.” È più verificabile di una richiesta generica di descrizione.

Verifica del risultato

Un testo plausibile può contenere informazioni non supportate. Verifica l’output sul documento: una spiegazione fluida non è una prova.

Il tono non è una misura di correttezza.

Un errore riconoscibile

Una percentuale di cashmere non presente nella fonte può comparire in una descrizione plausibile. Questo è un contenuto da eliminare o verificare.

Come lavoriamo

Forniamo fonti e vincoli, chiediamo di segnalare lacune e controlliamo ogni affermazione importante. Anche una risposta prudente può contenere errori.

Spiegazione

L’errore può assumere la forma di un dato inventato, un collegamento scorretto o un’affermazione vera applicata al caso sbagliato. Anche un riferimento citato può non sostenere la frase.

Procedura operativa

Per ogni affermazione importante individua la fonte, aprila e controlla il passaggio. Correggi il dato e ripeti la verifica sulle parti dipendenti.

Esempio applicato

Un cambio autorizzato dal responsabile per un singolo cliente non modifica la politica generale dei cambi. Nel caso Moda Moda questa distinzione riguarda la pratica C.

Verifica del risultato

Controlla sia i campi sia i legami: cliente, articolo, versione e stato devono corrispondere al caso corretto.

La finestra di contesto si misura in token.

La metafora del tavolo

Istruzioni, documenti e conversazione occupano spazio. Il modo di gestire le parti precedenti dipende dallo strumento e dalla sua configurazione.

La pratica

Conserviamo un riepilogo verificato, le fonti valide e i vincoli. Se ripartiamo, forniamo ciò che serve. Non esiste un limite universale di ore o pagine.

Spiegazione

La finestra di contesto contiene il materiale che il modello può elaborare in una richiesta. Memoria del prodotto, istruzioni persistenti e file di progetto sono funzioni diverse, con comportamenti propri.

Procedura operativa

All’inizio di un lavoro conserva una scheda con obiettivo, fonti valide, decisioni verificate e questioni aperte. Aggiornala dopo le revisioni.

Esempio applicato

Se la scheda v2 corregge una composizione, specifica che v2 prevale su v1. Ripartendo in una nuova conversazione allega la versione valida.

Verifica del risultato

Chiedi di elencare le fonti effettivamente usate. La presenza di un file in un progetto non garantisce che ogni dettaglio sia stato recuperato correttamente.

Supporto digitale e decisione sul prodotto.

Prove utili

Riscrivere una scheda, riassumere un capitolato, ordinare appunti o estrarre date sono compiti da verificare sulle fonti.

Prove che richiedono altro

Tenuta al lavaggio, vestibilità, prezzo concordato e scelta produttiva richiedono dati, prove fisiche o decisioni responsabili. La sola chat non le dimostra.

Spiegazione

Il risultato linguistico è diverso da una verifica fisica, da una misura e da una decisione di processo. L’AI può organizzare evidenze disponibili, ma non sostituire una prova mancante.

Procedura operativa

Separa dati osservati, interpretazioni e decisioni. Associa a ogni dato tecnico la fonte o la prova da effettuare.

Esempio applicato

Una bozza può segnalare che manca il test di lavaggio. Non può confermare restringimento, solidità del colore o comportamento del capo senza una prova pertinente.

Verifica del risultato

La scheda finale deve rendere visibili le lacune. Un campo vuoto è preferibile a un valore inventato.

Il metodo del PDF per leggere strumenti e casi.

Spiegazione

Una proposta operativa è leggibile quando collega compito, fonte, risultato e responsabilità. Il nome del prodotto arriva dopo questa descrizione.

Procedura operativa

Compila quattro campi: attività delimitata; documento valido; output atteso; persona e momento della verifica. Aggiungi il limite della prima prova.

Esempio applicato

“Riassumere i contatti di una pratica da C01–C03 in una tabella; l’operatrice verifica gli stati prima di scrivere al cliente.”

Verifica del risultato

La proposta deve poter essere eseguita su un piccolo pacchetto fittizio senza accessi impliciti a posta o gestionale.

Il Regolamento europeo sull’AI guarda agli usi e ai loro effetti.

I livelli di rischio

Alcune pratiche sono vietate; altri usi sono ad alto rischio, come determinati sistemi per la selezione del personale. Per chatbot e alcuni contenuti sintetici valgono obblighi di trasparenza; molti altri usi hanno rischio minimo.

Nel fashion

Una descrizione prodotto e un sistema che valuta candidati richiedono attenzioni diverse. Prima di usare l’AI definiamo scopo, persone coinvolte, dati, accessi e responsabile del controllo. Non basta il nome dello strumento per classificare un caso.

Le date da conoscere

Entrata in vigore: 1 agosto 2024. Divieti e prime disposizioni sull’alfabetizzazione: 2 febbraio 2025. Regole sui modelli per uso generale: 2 agosto 2025. Applicazione generale dal 2 agosto 2026, con scadenze specifiche per altri obblighi da verificare sulle fonti ufficiali.

Alfabetizzazione e pratica

Comprendere capacità, limiti e rischi dell’uso concreto aiuta a scegliere controlli adeguati. Questo corso prepara a porre le domande giuste; la valutazione aziendale deve considerare lo specifico sistema e il suo uso.

La dimostrazione del PDF prepara la prova di domani.

La richiesta

«Scrivimi la descrizione di un maglione di cashmere.» Usiamo un esempio inventato, senza documenti aziendali.

Che cosa osserviamo

Destinatario, dati tecnici, tono e informazioni non fornite. Annotiamo ciò che il sistema aggiunge, senza presumere in anticipo che commetta un errore.

Confrontiamo ciò che abbiamo dato con ciò che abbiamo ricevuto.

Tre segni

Segniamo fatti supportati, proposte e informazioni senza fonte. Contiamo le correzioni necessarie.

Il mestiere come controllo

Chi conosce il prodotto individua incoerenze e mancanze. La revisione è parte del lavoro, non un passaggio facoltativo.

Spiegazione

La revisione deve riconoscere fatti documentati, proposte e informazioni assenti. Lo stesso testo può contenere tutte e tre le categorie.

Procedura operativa

Costruisci una tabella con affermazione, fonte, stato e correzione. Controlla prima i campi che possono produrre una promessa al cliente o una modifica produttiva.

Esempio applicato

“Disponibile in verde” è una promessa se la fonte riporta soltanto blu notte e sabbia. “Valutare una variante verde” è una proposta, da tenere separata.

Verifica del risultato

Nessuna frase priva di supporto deve essere presentata come dato confermato. Registra il tempo di revisione insieme al tempo di generazione.

La famiglia del modello, l’applicazione e il piano di accesso sono cose diverse.

I nomi principali

GPT (OpenAI), Claude (Anthropic), Gemini (Google), Mistral e Llama (Meta) sono famiglie di modelli. ChatGPT è un’applicazione; NotebookLM e Perplexity organizzano un’esperienza con modelli, fonti e strumenti.

Le differenze reali

Cambiano dati e metodi di addestramento, capacità di trattare testo o immagini, finestra di contesto, velocità, costo e modalità di accesso. Alcuni modelli hanno pesi disponibili sotto licenza; altri sono accessibili come servizio. Le condizioni dipendono dalla versione.

Come decidiamo

Stessa scheda tecnica, stessa richiesta, stessi criteri: fedeltà ai dati, omissioni, qualità del formato e tempo di correzione. Poi verifichiamo privacy, integrazione e costi. Un claim o una classifica generale non sostituisce questa prova.

Spiegazione

Il confronto utile riguarda il sistema che la persona userà: modello, applicazione, strumenti, fonti e permessi. Un benchmark generale non misura il tuo processo.

Procedura operativa

Usa lo stesso campione e la stessa consegna; registra omissioni, invenzioni, formato e tempo totale di lavoro. Verifica la funzione nello specifico account aziendale.

Esempio applicato

Sul caso Moda Moda confronta il raggruppamento dei contatti e lo stato della pratica H. Un’interfaccia gradevole non compensa un rimborso inventato.

Verifica del risultato

La scelta deve essere motivata da una capacità osservata e da un vincolo reale, non soltanto dal nome del modello.

Spiegazione

La diffusione dell’AI dipende dall’incontro fra ricerca, infrastrutture e interfacce accessibili. Una chat riduce la barriera d’ingresso, mentre strumenti e collegamenti ampliano i compiti possibili.

Procedura operativa

Leggi la cronologia distinguendo invenzione tecnica, lancio pubblico e adozione nel lavoro.

Esempio applicato

Un assistente può passare da una bozza di testo a un file revisionabile quando l’applicazione offre gli strumenti necessari.

Verifica del risultato

Le date e le evidenze della cronologia restano collegate alle fonti originali qui sotto.

Spiegazione

Investimenti, ricavi, costi e valutazione di un’impresa misurano cose diverse. Una cifra di finanziamento non è un risultato operativo del cliente.

Procedura operativa

Controlla periodo, unità di misura, definizione del dato e fonte prima di confrontare due numeri.

Esempio applicato

Un investimento pluriennale in infrastrutture non è direttamente confrontabile con un ricavo di un trimestre.

Verifica del risultato

Le schede di approfondimento riportano perimetro e limiti dei dati. Il beneficio del tuo reparto richiede una misura propria.

Spiegazione

Le capacità dei modelli crescono, ma la fattibilità del compito dipende anche da fonti, collegamenti e revisione. Prestazione del modello e valore del processo non coincidono.

Procedura operativa

Parti da una consegna osservabile e seleziona una funzione che il tuo account consenta di provare.

Esempio applicato

Estrarre date da una mail fittizia è una prova diversa dall’aggiornare un piano produttivo nel gestionale.

Verifica del risultato

Verifica il passaggio completo fino al risultato utilizzabile, includendo le correzioni necessarie.

Spiegazione

Il modello genera o interpreta contenuti; l’applicazione offre un’esperienza d’uso; una piattaforma aggiunge servizi, integrazioni e gestione.

Procedura operativa

Identifica tre livelli: motore, interfaccia usata e fonti autorizzate. Annota quali funzioni sono disponibili nel piano aziendale.

Esempio applicato

ChatGPT, Claude, Gemini e Microsoft 365 Copilot sono esperienze che combinano modelli e strumenti. Un nome simile non implica identiche capacità su web e desktop.

Verifica del risultato

Usa il confronto documentato sotto questa pagina e le guide del secondo modulo per verificare il percorso operativo.

Spiegazione

La scelta del modello deve tenere conto dell’attività e del lavoro umano necessario per ottenere un risultato affidabile.

Procedura operativa

Conserva un campione di input e una griglia comune. Ripeti la prova quando cambia una condizione rilevante, non per inseguire ogni annuncio.

Esempio applicato

Una bozza corretta con poca revisione può essere più utile di una risposta ricca ma difficile da verificare.

Verifica del risultato

Valuta fedeltà, completezza e tempo di controllo. Mantieni tracciabili configurazione e fonti.

Spiegazione

Le istruzioni definiscono ruolo, compito, fonti, vincoli e formato. La personalizzazione rende alcune preferenze riutilizzabili, ma non sostituisce i documenti del caso.

Procedura operativa

Separa regole stabili, come lingua e struttura, dai dati variabili di prodotto o ordine.

Esempio applicato

Istruzione stabile: “Distingui confermato, proposto e mancante”. Dato variabile: scheda dell’articolo e revisione valida.

Verifica del risultato

Controlla che le istruzioni siano applicate all’output e non inseriscano informazioni che le fonti non contengono.

Spiegazione

Le istruzioni persistenti riducono la ripetizione delle regole di lavoro. La loro priorità e il perimetro dipendono dalla funzione del prodotto.

Procedura operativa

Mantieni istruzioni brevi, esplicite e prive di dati sensibili non necessari. Inserisci nel progetto solo fonti autorizzate e aggiornate.

Esempio applicato

Per una tabella tecnica: unità esplicite, codici invariati, ID della fonte e dati mancanti separati.

Verifica del risultato

Prova una richiesta semplice e una con un conflitto fra versioni. Il risultato deve rendere visibile la fonte che prevale.

Spiegazione

Un prompt preciso limita ambiguità di compito e formato. Non garantisce da solo la correttezza della risposta.

Procedura operativa

Fornisci la stessa scheda a due richieste: una generica e una con scopo, vincoli e formato. Confronta gli output riga per riga.

Esempio applicato

La richiesta strutturata chiede titolo, descrizione breve, tre dati della MM-026 e una lista delle informazioni mancanti.

Verifica del risultato

Conta fatti non supportati, omissioni e correzioni; conserva l’output di entrambi i tentativi.

Spiegazione

Il contesto definisce il materiale disponibile alla richiesta. La temperatura, dove configurabile, influenza il campionamento; non è un controllo della verità.

Procedura operativa

Suddividi lavori lunghi in passaggi verificabili e conserva un riepilogo delle decisioni. Controlla quali parametri l’interfaccia permette effettivamente di modificare.

Esempio applicato

Per confrontare revisioni, passa le due versioni identificate e chiedi solo campi variati, fonti e impatto da verificare.

Verifica del risultato

Non dedurre accuratezza da un valore di temperatura basso. Il controllo resta sulla fonte e sul risultato.

Spiegazione

Il caso fittizio consente di confrontare metodi senza dipendere da accessi a dati aziendali. MM-026 definisce il perimetro informativo della prova.

Procedura operativa

Apri la scheda, verifica i campi e usa il laboratorio dati già disponibile. Separa estrazione, calcolo e testo finale.

Esempio applicato

Un colore proposto non è una disponibilità confermata. Una certificazione assente non diventa una qualità del prodotto.

Verifica del risultato

Il report deve mostrare fonti, formule quando usate e dati mancanti. Il caso proseguirà nel customer care del secondo modulo.

Spiegazione

Un’interfaccia interattiva aiuta a discutere come dovrebbe funzionare il lavoro. Un prototipo dimostra interazioni e organizzazione, non l’integrazione con i sistemi reali.

Procedura operativa

Verifica i dati, definisci schermate e comandi, genera una prima versione, prova un caso normale e un’eccezione, poi revisiona.

Esempio applicato

Una scrivania mostra elenco pratiche, fonti e bozza da verificare. Un pulsante simulato deve dichiarare che non invia messaggi.

Verifica del risultato

Apri l’output e prova i comandi. La presenza dell’anteprima non dimostra salvataggio, autenticazione o connessione al gestionale.