Questa sezione è pensata per chi parte da zero. Non serve alcuna competenza tecnica: nessuna formula, nessun codice. Ogni termine viene spiegato la prima volta che compare, e il glossario in alto è sempre a un clic di distanza.

L'obiettivo non è renderti un esperto, ma toglierti dalla condizione in cui si trova oggi la maggioranza delle persone: usare o subire una tecnologia senza sapere che cosa fa. È una posizione scomoda per un professionista e rischiosa per un imprenditore.

Il corso prosegue con la Sezione 2, su come dialogare con questi strumenti e scrivere richieste efficaci, la Sezione 3, su come introdurre l'IA in azienda, e la Sezione 4, dedicata all'AI Act europeo.

Partiamo da una definizione utile

Con intelligenza artificiale indichiamo l'insieme delle tecniche che permettono a una macchina di svolgere compiti che, se li facesse una persona, diremmo che richiedono intelligenza: riconoscere un volto, capire una frase, guidare, prevedere, decidere, scrivere.

È una definizione volutamente elastica, e ha un effetto curioso: ciò che funziona smette di sembrare intelligenza artificiale. Il correttore ortografico, il navigatore satellitare, il filtro antispam sono stati tutti, ai loro tempi, frontiera dell'IA. Oggi ci sembrano solo software. Gli informatici hanno un nome per questo fenomeno: effetto IA.

Il vero salto: dalle regole agli esempi

Per capire che cosa è cambiato negli ultimi quindici anni, serve una sola distinzione.

Le parole che sentirai sempre

Sono quattro, e stanno una dentro l'altra come scatole cinesi:

Che cos'è una "rete neurale"

Il nome evoca il cervello, ma è un'analogia lontana. Una rete neurale è una lunghissima catena di operazioni matematiche molto semplici, organizzate a strati. Ogni collegamento della catena ha un peso: un numero che dice quanto quel collegamento conta.

Addestrare la rete significa mostrarle esempi e correggere quei numeri, milioni di volte, finché gli errori diminuiscono. Alla fine si ottiene un modello: un enorme insieme di numeri, miliardi, che rappresenta le regolarità trovate nei dati. Nessuno ha scritto quelle regolarità, e nessuno può leggerle direttamente. È il motivo per cui si parla di "scatola nera".

Il caso particolare che tutti conoscono: i modelli linguistici

Un modello linguistico (in inglese LLM, large language model) fa una cosa sola, a velocità enorme: prevede il pezzo di testo successivo più plausibile, dato tutto quello che è venuto prima.

Non consulta un archivio. Non "cerca" la risposta. Durante l'addestramento ha elaborato quantità enormi di testo e ne ha ricavato una rappresentazione statistica di come parole e concetti si combinano. Quando gli scrivi, genera la continuazione più probabile, un pezzetto per volta.

Che cosa non è l'IA (e va detto subito)

• Non è cosciente e non capisce nel senso in cui capiamo noi. Elabora relazioni statistiche tra simboli. Che questo somigli o no a una forma di comprensione è una domanda filosofica aperta e legittima; ai fini pratici, il punto è che non sa di non sapere.
• Non ha intenzioni, desideri o volontà. Quando un sistema produce un risultato dannoso è perché è stato progettato, addestrato o usato male, non perché "ha deciso".
• Non è infallibile né neutrale. Riflette i dati con cui è stata addestrata, comprese le loro distorsioni.
• Non è una sola cosa. "L'IA" non esiste al singolare: esistono decine di tecniche diverse, con capacità e limiti diversissimi. Il Modulo 3 mette ordine.

Chi ha incontrato l'intelligenza artificiale con ChatGPT tende a pensare che sia una tecnologia nuovissima. In realtà l'idea ha settant'anni, e la sua storia è fatta di due grandi entusiasmi seguiti da altrettante delusioni, i cosiddetti inverni dell'IA. Sapere questo aiuta a valutare con più freddezza sia le promesse sia gli allarmi di oggi.

La linea del tempo

Clicca ogni tappa per il dettaglio.

Perché proprio ora: i tre ingredienti

Le idee alla base dei sistemi attuali sono in gran parte vecchie di decenni. A cambiare tutto sono stati tre fattori arrivati insieme:

Che cosa è cambiato davvero nel 2022

La tecnologia dietro ChatGPT esisteva già da anni ed era nota agli addetti ai lavori. La novità non fu tecnica ma di accesso: per la prima volta chiunque poteva usare un sistema del genere scrivendo in linguaggio naturale, gratis, senza installare nulla. Fu il passaggio dell'IA da tema per specialisti a strumento di massa, con tutte le conseguenze, buone e cattive, di cui parliamo negli ultimi moduli.

La confusione più diffusa oggi è scambiare l'intelligenza artificiale per l'IA generativa. È come confondere l'automobile con le auto sportive: esistono, sono le più visibili, ma sono una piccola parte del traffico. Ecco le grandi famiglie.

Le sette famiglie principali

Clicca ciascuna per aprirne la scheda.

Tre distinzioni che è utile avere in testa

1. Prevedere ≠ generare

La maggior parte dell'IA che gira nel mondo non crea nulla: assegna un'etichetta ("è spam", "è un tumore", "il cliente abbandonerà"), un numero ("consumerà 340 kWh") o un ordinamento ("questi dieci prodotti, in quest'ordine"). È l'IA che sta dentro alle banche, alla logistica, all'industria, alla sanità. È meno spettacolare e spesso molto più affidabile, perché lavora su un compito ristretto e misurabile.

2. IA ristretta ≠ IA generale

Tutti i sistemi esistenti oggi sono IA ristretta: bravissimi in un ambito, inutili fuori. Il modello che riconosce tumori nelle lastre non sa fare nient'altro, nemmeno riconoscere un gatto. L'IA generale, un sistema capace di affrontare qualunque compito intellettuale come farebbe una persona, non esiste. Se e quando arriverà è oggetto di discussione seria tra esperti che danno risposte molto diverse, e chiunque ti dia una data con sicurezza sta vendendo qualcosa.

3. Modello ≠ prodotto

Il modello è il motore (GPT, Claude, Gemini, Llama, Mistral). Il prodotto è l'automobile che ci sta intorno: interfaccia, memoria delle conversazioni, accesso al web, connessione ai tuoi documenti, controlli di sicurezza. Due prodotti costruiti sullo stesso modello possono comportarsi in modo molto diverso, e avere condizioni contrattuali sui tuoi dati completamente diverse. Quando valuti uno strumento, valuti il prodotto, non il modello.

Una giornata qualunque

Clicca ogni momento della giornata per scoprire quale intelligenza artificiale sta lavorando dietro le quinte.

Usi personali che valgono davvero la pena

Quattro cose a cui fare attenzione nella vita privata

1. Quello che scrivi esce di casa

Ogni cosa che digiti in un servizio online viene inviata ai server di un'azienda, che a seconda delle condizioni può conservarla, farla esaminare da personale per controlli di sicurezza o usarla per migliorare i propri sistemi. Prima di incollare un referto medico, un documento d'identità, una password o i dati di un familiare, fermati. La domanda giusta è semplice: lo scriverei su una cartolina?

2. Non è un medico, un avvocato o uno psicologo

Può aiutarti a capire un termine, a preparare le domande, a orientarti. Non può visitarti, non conosce la tua storia, non risponde di quello che dice e non ha modo di accorgersi di un'urgenza. Su salute, diritto e denaro serve una persona qualificata: usa l'IA per arrivarci più preparato, non per evitarla.

3. Contenuti falsi: siamo entrati in un'altra epoca

Generare una foto verosimile, la voce di una persona o un video di qualcuno che dice cose mai dette è oggi alla portata di chiunque. Questo cambia due cose nella vita quotidiana:

• Le truffe. È già molto diffusa quella della finta telefonata di un parente in difficoltà con voce clonata da pochi secondi di audio preso dai social. La difesa è banale e funziona: concordare in famiglia una parola d'ordine, e richiamare sempre al numero conosciuto prima di fare qualunque cosa.
• L'informazione. Un'immagine non è più una prova. Prima di indignarsi o condividere, la domanda utile è: chi lo pubblica? esiste su fonti indipendenti?

4. Ragazzi e scuola

Vietarla non funziona, ignorarla nemmeno. Tre indicazioni che reggono bene:

• La regola sana è "prima pensa tu, poi confronta": usare l'IA per verificare o approfondire un lavoro già fatto, non per saltarlo. Delegare la fatica del capire è l'unico modo per non imparare.
• Attenzione alle app di compagnia e ai chatbot che simulano relazioni: sono progettati per trattenere l'attenzione e con gli adolescenti richiedono presenza adulta.
• La cosa più utile che un genitore può fare non è controllare, ma usarla insieme qualche volta: chiedere una cosa che si conosce bene e scoprire insieme dove sbaglia. Vale più di dieci divieti.

La cosa che chiedi a un sistema di IA si chiama prompt: è semplicemente l'istruzione che gli dai. Le persone che ottengono risultati utili non hanno strumenti migliori: fanno richieste migliori. E si impara in mezz'ora.

Le cinque componenti di una buona richiesta

Prima e dopo

❌ "Scrivimi una mail per sollecitare un pagamento."

✅ "Agisci come titolare di una piccola azienda di servizi.
Scrivi una mail di primo sollecito per una fattura di 4.200 €
scaduta da 20 giorni. Il cliente lavora con noi da sei anni e
non ha mai ritardato: il tono deve preservare la relazione,
non essere minaccioso. Massimo 120 parole, niente elenchi.
Chiudi proponendo di sentirci se c'è un problema
amministrativo. Non citare interessi di mora."

La seconda richiesta produce un testo utilizzabile con una piccola revisione. La prima produce qualcosa di generico che dovrai riscrivere da capo.

Dagli il materiale, non fargli indovinare

Il miglioramento più grande non viene dalle istruzioni ma dal materiale che fornisci. Un sistema a cui incolli il documento da riassumere, il contratto da confrontare, tre mail già approvate come esempio di stile, produce risultati di un altro ordine rispetto a uno a cui chiedi di improvvisare.

La domanda da farsi ogni volta è una sola: "quale documento gli sto facendo indovinare invece di darglielo?"

Lavorare per correzioni successive

La prima risposta non è il risultato: è una proposta. Chi ottiene di più raramente riscrive tutto da capo, più spesso corregge il tiro:

• "Troppo formale, riscrivilo come parlerei a un cliente che conosco da anni."
• "Il secondo paragrafo è vago: dammi tre versioni alternative solo di quello."
• "Accorcia del 40% senza perdere il punto sulla scadenza."
• "Ora rileggilo con occhio critico ed elencami i tre punti più deboli."

Verificare: la checklist dei 60 secondi

Prima di riutilizzare qualsiasi testo prodotto da un'IA:

1. Numeri, date, importi, nomi propri → verificali uno per uno sulla fonte. È la categoria di errore più frequente e più costosa.
2. Citazioni, norme, sentenze, fonti → o le hai fornite tu, o vanno controllate. Sempre.
3. Affermazioni sulla tua azienda o sulla tua situazione → il sistema non le conosce: o gliele hai date tu, o le ha inventate.
4. Tono e responsabilità → il testo impegna te. Leggilo come se dovessi difenderlo.

Il criterio per capire dove conviene

Non chiederti "dove posso usare l'IA?". Chiediti: quali attività della mia settimana sono ripetitive, testuali e a basso rischio se sbagliate al primo tentativo? Le tre condizioni contano tutte:

• Ripetitiva → il guadagno si moltiplica per il numero di volte che la ripeti.
• Testuale o documentale → è il terreno naturale di questi strumenti.
• A basso rischio in bozza → un errore viene intercettato dalla tua revisione, non arriva al cliente.

Per categoria professionale

Studi commercialisti e consulenti del lavoro

• Estrazione di dati da documenti eterogenei (contratti, visure, bilanci) in formato tabellare.
• Prima stesura di circolari ai clienti su una novità normativa che tu hai fornito.
• Riformulazione di comunicazioni tecniche in linguaggio comprensibile per il cliente.
• Sintesi di verbali e appunti di riunione in punti d'azione.

Studi legali

• Sintesi di documentazione voluminosa e cronologie dei fatti.
• Confronto tra due versioni di un contratto per evidenziare le differenze sostanziali.
• Individuazione di clausole mancanti rispetto a un modello fornito da te.
• Elenco dei possibili controargomenti alla tesi avversaria.

PMI manifatturiere

• Prima stesura di schede tecniche, manuali, capitolati e traduzioni multilingua.
• Risposte a richieste d'offerta ricorrenti a partire da un archivio di risposte già approvate.
• Supporto alla documentazione qualità e alle procedure interne.
• Analisi dei dati di produzione per individuare anomalie, qui si usa il machine learning classico, non la generativa.

Commercio ed e-commerce

• Descrizioni prodotto in serie a partire dalle specifiche tecniche.
• Classificazione e sintesi delle recensioni per capire che cosa lamentano davvero i clienti.
• Bozze di risposta al servizio clienti, riviste da una persona prima dell'invio.
• Adattamento dei testi ai diversi canali (sito, newsletter, marketplace).

Da dove partire: la matrice

Il modello organizzativo che regge: IA in bozza, persona in decisione

È la formula da tenere a mente ogni volta che si introduce uno strumento in un processo: l'IA prepara, la persona decide e firma. Preserva quasi tutto il guadagno di tempo e lascia il controllo dove deve stare. È anche, non per caso, il principio su cui è costruita la normativa europea di cui parla la Sezione 4.

Casi studio

Prova a decidere tu. C'è una scelta migliore delle altre, e il perché.

1. Le allucinazioni

Il sistema produce informazioni false con la stessa sicurezza espositiva di quelle vere. Non è un difetto occasionale: è la conseguenza diretta di come funziona.

Quando è più probabile: domande su fatti specifici e verificabili (norme, sentenze, dati, citazioni, biografie, prezzi), argomenti di nicchia, richieste in cui il sistema non ha materiale e "riempie" il vuoto.

Quando è quasi assente: quando il testo glielo dai tu e gli chiedi di trasformarlo, riassumere, riscrivere, tradurre, riordinare.

2. Non sa quello che non sa

Un professionista, davanti a una domanda fuori dalla sua competenza, dice "non lo so" o "verifico". Un modello linguistico non ha questo meccanismo: produce comunque la continuazione più plausibile. I sistemi recenti sono migliorati nel dichiarare incertezza, ma il comportamento di fondo resta. L'assenza di dubbio non è un segnale di affidabilità.

3. I pregiudizi appresi dai dati

I modelli imparano da dati storici, e i dati storici contengono le disuguaglianze del passato. Un sistema addestrato sui curricula assunti negli ultimi vent'anni impara anche chi non è mai stato assunto. Nessuno ha scritto una regola discriminatoria: è stata dedotta dagli esempi.

Per un'azienda i tre ambiti concreti sono selezione del personale, valutazione dei dipendenti e valutazione del merito creditizio o dell'affidabilità di un cliente. Non a caso sono esattamente quelli che la normativa europea classifica ad alto rischio.

4. La riservatezza

Quello che scrivi esce dalla tua organizzazione. A seconda del contratto può essere conservato, esaminato per controlli di sicurezza o usato per addestrare versioni future.

5. La deresponsabilizzazione

Il rischio meno discusso e forse il più insidioso. Quando il risultato è ben scritto e arriva in due secondi, la revisione tende a diventare un gesto formale. Dopo qualche settimana in cui "andava sempre bene", si smette di controllare davvero, e l'errore passa proprio quando conta.

C'è anche l'estremo opposto: chi non si fida e rifà tutto da capo, non guadagnando nulla. Il punto d'equilibrio è avere una regola scritta su che cosa si controlla sempre, indipendentemente da quanto sembra buono il risultato.

6. La dipendenza da un fornitore

Se un processo dipende da un servizio esterno, dipendi dai suoi prezzi, dalle sue condizioni e dalla sua disponibilità. Prima di costruirci sopra qualcosa di importante: verifica che i tuoi dati siano esportabili, che esistano alternative e che le condizioni contrattuali reggano un uso professionale.

Chi risponde quando l'IA sbaglia

Questo è il modulo in cui è più facile scivolare nell'entusiasmo o nell'allarme. Proviamo a stare sui fatti, distinguendo con onestà ciò che sappiamo da ciò che è ancora una previsione.

Vero o falso?

Prima di leggere, prova a rispondere. Le spiegazioni contengono il cuore del modulo.

Il lavoro: che cosa dicono i dati oggi

La domanda "l'IA distruggerà i posti di lavoro?" è mal posta. Le tecnologie generali non eliminano professioni: ricompongono mansioni. All'interno di ogni mestiere alcune attività diventano quasi gratuite, altre acquistano valore, altre ancora nascono.

Ad oggi il quadro empirico è più sfumato di come viene raccontato. Le analisi sull'esposizione reale dei lavoratori pubblicate nel 2026 non mostrano ancora un impatto aggregato significativo sull'occupazione; i segnali più chiari riguardano chi entra ora nel mercato del lavoro, cioè i ruoli junior le cui mansioni iniziali sono più facilmente automatizzabili. In Italia i dati ISTAT di inizio 2026 segnalano un calo dell'occupazione nella fascia 15–24 anni, mentre a livello internazionale l'OIL avverte che la diffusione dell'IA potrebbe aggravare la disoccupazione giovanile.

Che cosa cambia dentro i mestieri

Per un professionista la conseguenza pratica è netta: il valore si sposta dalla produzione al giudizio. Ed è anche il motivo per cui le professioni intellettuali non spariscono ma cambiano peso interno, con un problema serio e poco discusso: se i junior non fanno più il lavoro di base, come si formano i senior di domani? È una domanda che ogni studio e ogni azienda dovrà affrontare concretamente.

Informazione, verità e democrazia

La capacità di generare testi, immagini, voci e video credibili a costo quasi zero ha tre effetti distinti:

• Volume. Contenuti falsi o di bassa qualità possono essere prodotti in quantità illimitata, saturando lo spazio informativo e rendendo più costoso distinguere.
• Personalizzazione. Un messaggio manipolatorio può essere confezionato su misura per la singola persona, il che lo rende molto più efficace di una propaganda di massa.
• Il "dividendo del bugiardo". È l'effetto meno intuitivo e forse il più corrosivo: quando tutti sanno che qualsiasi prova può essere falsificata, diventa possibile negare le prove vere. Il danno non è solo credere al falso: è smettere di credere al vero.

Le contromisure esistono e sono di tre tipi: tecniche (marcatura dei contenuti generati, ora obbligatoria in Europa), istituzionali (regolazione, giornalismo verificato) e culturali (alfabetizzazione). Nessuna basta da sola, e la terza è quella su cui ciascuno può agire subito.

L'impatto ambientale

Addestrare e far funzionare questi sistemi richiede energia e acqua, in quantità che stanno crescendo rapidamente.

A questo si aggiunge il consumo di acqua dolce dei sistemi di raffreddamento evaporativo, oggetto di tensioni crescenti nelle aree in stress idrico. In Italia la domanda elettrica di servizi informatici e data center è cresciuta di circa il 50% tra il 2019 e il 2023.

Concentrazione del potere

Addestrare i modelli più capaci richiede investimenti che pochissime organizzazioni al mondo possono sostenere. Questo produce una concentrazione senza precedenti di una tecnologia di uso generale in poche mani, quasi tutte fuori dall'Europa. Le conseguenze pratiche sono tre: dipendenza tecnologica di imprese e amministrazioni, asimmetria informativa (chi vende il sistema conosce i limiti che tu non puoi verificare), e un potere di definizione di ciò che questi sistemi possono o non possono dire.

È il contesto in cui vanno letti sia il regolamento europeo sia la spinta verso modelli aperti e infrastrutture nazionali: non semplice protezionismo, ma un problema di autonomia strategica.

Altri effetti su cui vale la pena riflettere

Come starci dentro: cinque atteggiamenti utili

1. Provala davvero. Le opinioni sull'IA formate senza averla usata seriamente, in entrambe le direzioni, valgono poco.
2. Distingui i piani. "Mi è utile per lavorare" e "fa bene alla società" sono due domande diverse, con risposte diverse. Confonderle produce discussioni sterili.
3. Difendi ciò che non vuoi delegare. Ci sono cose che ha senso continuare a fare a mano perché farle è il modo in cui si impara o si pensa. Sceglile consapevolmente, invece di scoprire dopo di averle perse.
4. Pretendi trasparenza. Come cliente, cittadino e datore di lavoro: sapere quando stai parlando con una macchina e quando una decisione che ti riguarda è stata presa da un sistema. È un diritto, e in Europa ora è anche legge.
5. Non delegare il giudizio. È l'unica cosa che nessun sistema può assumersi al posto tuo, perché con il giudizio viene la responsabilità.