Quando una scuola mi chiede informazioni sui Corsi AI per le scuole, la domanda di partenza sembra quasi sempre tecnica: “Ci spieghi ChatGPT?”, “Ci fai vedere qualche prompt?”, “Quali strumenti possiamo usare in classe?”.

In realtà la questione è più profonda. Non si tratta di aggiungere l’ennesima app alla didattica, né di fare una lezione spettacolare sull’intelligenza artificiale per poi tornare esattamente come prima. Un buon corso sull’AI per docenti, dirigenti e studenti deve aiutare la scuola a decidere quando usare questi strumenti, quando evitarli, come verificarli e come trasformarli in attività sensate.

È anche il motivo per cui, con Giuseppe Lavenia, ho scritto per Mursia il libro Intelligenza artificiale e tecnologia in classe. Guida per insegnanti per un uso consapevole. Il libro nasce da una convinzione semplice: l’AI può arricchire la didattica, ma solo se viene inserita dentro un progetto educativo. Senza metodo diventa scorciatoia. Con metodo diventa laboratorio.

Che cosa devono includere i Corsi AI per le scuole?

I Corsi AI per le scuole dovrebbero includere alfabetizzazione all’intelligenza artificiale, uso pratico di strumenti come ChatGPT, Copilot, Gemini e NotebookLM, sicurezza digitale, privacy, valutazione delle fonti, progettazione di attività per fasce d’età, prompt engineering, gestione dei compiti, inclusione, rischi etici e riduzione della burocrazia per i docenti. Il punto non è insegnare “il trucco del prompt”, ma costruire competenze: capire come funzionano questi strumenti, dove sbagliano, come usarli in modo didattico e come mantenere centrale il ruolo dell’insegnante.

Perché l’AI a scuola non è più un tema futuribile

Fino a pochi anni fa, parlare di intelligenza artificiale a scuola significava citare robot, laboratori STEM o software specialistici. Oggi basta entrare in una classe: molti studenti hanno già provato ChatGPT, alcuni lo usano per studiare, altri per fare prima i compiti, altri ancora per farsi spiegare argomenti che non hanno capito.

Il problema non è se l’AI entrerà nella scuola. È già entrata, spesso dalla porta laterale.

La domanda vera è: la scuola vuole governare questo cambiamento o subirlo? Per questo i corsi servono. Non per inseguire la moda, ma per dare agli insegnanti un linguaggio comune, criteri di scelta e attività utilizzabili lunedì mattina.

Il contesto istituzionale va nella stessa direzione. Il Ministero dell’Istruzione e del Merito ha rafforzato il divieto di smartphone anche nel secondo ciclo, mentre la scuola discute sperimentazioni e percorsi sull’intelligenza artificiale. Sembra una contraddizione, ma non lo è del tutto: uno smartphone personale in tasca durante la lezione non è la stessa cosa di un’attività guidata con strumenti digitali, obiettivi didattici e supervisione del docente.

Anche l’UNESCO Global Education Monitoring Report 2023 invita a non confondere tecnologia e apprendimento: alcune tecnologie aiutano, altre distraggono, quasi tutte dipendono dal contesto e dalla qualità della progettazione didattica.

Dal libro al corso: non solo strumenti, ma metodo

Nel libro Intelligenza artificiale e tecnologia in classe abbiamo organizzato il tema in modo molto pratico: tecnologia nella didattica, sicurezza digitale, smartphone, AI generativa, progetti per diverse fasce d’età, casi di successo, burocrazia scolastica e ruolo umano.

Un corso efficace dovrebbe fare lo stesso. Non basta aprire ChatGPT e chiedergli: “Preparami una verifica di storia”. Quello è un assaggio. Utile, certo. Ma il corso deve insegnare a fare domande migliori:

• quali dati posso inserire e quali no?
• come verifico una risposta generata dall’AI?
• come trasformo uno strumento in un’attività di apprendimento?
• come valuto un compito se lo studente può usare un chatbot?
• come evito che l’AI premi chi è già bravo e lasci indietro chi ha più bisogno?
• come faccio usare l’AI senza ridurre il pensiero critico?

Un modulo indispensabile: alfabetizzazione AI per docenti

Il primo modulo di un corso dovrebbe rispondere a una domanda apparentemente banale: che cos’è l’intelligenza artificiale generativa?

Se la risposta è troppo tecnica, si perde metà sala. Se è troppo magica, si crea il problema opposto. Io di solito la spiego così: un modello generativo produce testo, immagini, codice, audio o video sulla base di pattern appresi da enormi quantità di dati. Non “capisce” come una persona, ma può simulare conversazioni, stili, spiegazioni e procedure con un’efficacia sorprendente.

Da qui discendono i tre messaggi che ogni docente dovrebbe portarsi a casa:

1. l’AI può essere utilissima per spiegare, riformulare, sintetizzare e proporre attività;
2. l’AI può sbagliare, inventare fonti o dare risposte plausibili ma false;
3. l’AI funziona meglio quando l’insegnante sa darle ruolo, obiettivo, contesto, vincoli e formato.

Questo è anche il cuore dell’AI literacy richiesta dal quadro europeo. Il Regolamento europeo sull’intelligenza artificiale, Regolamento UE 2024/1689, dedica l’articolo 4 all’alfabetizzazione in materia di IA. Per la scuola significa una cosa molto concreta: non basta autorizzare o vietare strumenti. Bisogna formare chi li usa. Lo stesso principio vale anche nelle organizzazioni, come ho spiegato nella guida sulla formazione AI obbligatoria e AI Act.

Prompt engineering per insegnanti: una competenza, non un mestiere

Nel libro lo diciamo chiaramente: per un certo periodo si è parlato di prompt engineering come del lavoro del futuro. Più realisticamente sarà una competenza trasversale. Come saper cercare online, scrivere una mail efficace o costruire una presentazione leggibile. Chi vuole approfondire il tema può partire anche dal mio corso di prompt engineering, che applico poi ai diversi contesti: aziende, professionisti, docenti e studenti.

In un corso per scuole, il prompt engineering va insegnato con esempi didattici, non con formule da guru. Un buon prompt per un docente può seguire questa struttura:

Agisci come un insegnante di [materia] della classe [livello].
Devi aiutarmi a progettare un'attività su [argomento].
Obiettivo didattico: [competenza da sviluppare].
Vincoli: durata [minuti], materiali disponibili [strumenti], livello della classe [descrizione].
Produci:
1. spiegazione iniziale;
2. attività guidata;
3. esercizio individuale;
4. griglia di valutazione;
5. possibili errori degli studenti.

La differenza rispetto a “fammi una lezione sui vulcani” è enorme. Nel primo caso l’AI diventa un assistente alla progettazione. Nel secondo caso diventa una macchinetta per produrre contenuto generico, cioè esattamente ciò di cui la scuola non ha bisogno.

Esempi concreti per primaria, medie e superiori

Un corso ben progettato deve adattare gli esempi all’età degli studenti. L’AI non si porta in una quinta primaria come in un triennio di scuola superiore.

Scuola primaria. Qui l’obiettivo non è mettere un chatbot nelle mani dei bambini senza mediazione. Si può usare l’AI come strumento del docente: generare storie a bivi, creare immagini da descrizioni, preparare domande di comprensione, semplificare un testo, inventare personaggi per spiegare le emozioni o costruire esercizi graduati. Per esempio: l’insegnante chiede all’AI tre versioni dello stesso racconto, con difficoltà crescente, e poi lavora in classe sulle differenze.

Scuola secondaria di primo grado. Qui il tema diventa anche cittadinanza digitale. Si possono fare attività su fake news, privacy, fonti, immagini generate, password, reputazione online. Un esercizio utile: dare agli studenti una risposta prodotta dall’AI e chiedere di evidenziare quali informazioni vanno verificate, quali fonti mancano e quali parti sembrano opinioni travestite da fatti.

Scuola secondaria di secondo grado. Qui si può alzare il livello: confronto tra fonti, scrittura argomentativa, analisi di documenti, coding, simulazioni, dibattiti, orientamento professionale. Un’attività potente consiste nel chiedere agli studenti di usare l’AI per produrre una prima bozza, poi obbligarli a documentare le modifiche: che cosa hanno accettato, che cosa hanno corretto, che cosa hanno scartato e perché.

ChatGPT, Copilot, Gemini e NotebookLM: quali strumenti mostrare?

Nei corsi mi chiedono spesso: “Qual è lo strumento migliore?”. Risposta breve: dipende dal compito.

ChatGPT è ottimo per conversazione, scrittura, brainstorming, esempi, spiegazioni e riformulazioni. Copilot può essere interessante in contesti Microsoft 365, soprattutto quando una scuola o un ente usa già l’ecosistema Microsoft. Gemini dialoga bene con l’ambiente Google. NotebookLM è molto utile quando bisogna lavorare su fonti specifiche, per esempio dispense, PDF, documenti di dipartimento o materiali di studio.

Per questo nel corso non conviene fare la sfilata degli strumenti. Meglio partire dai bisogni:

• devo spiegare meglio un argomento?
• devo creare esercizi differenziati?
• devo analizzare documenti?
• devo preparare una verifica?
• devo aiutare uno studente con difficoltà linguistiche?
• devo ridurre lavoro ripetitivo di programmazione e verbali?

Solo dopo ha senso scegliere lo strumento. È lo stesso principio che uso nei miei corsi sull’intelligenza artificiale: prima il processo, poi la piattaforma.

AI e valutazione: il tema che non si può evitare

Molti docenti arrivano al corso con una preoccupazione legittima: “Come faccio a capire se il compito lo ha fatto lo studente o l’AI?”.

La risposta scomoda è che non sempre si può capire con certezza. I detector di testo generato sono fragili, producono falsi positivi e non possono diventare l’unico strumento di valutazione. Serve ripensare alcune consegne.

Esempi pratici:

• chiedere allo studente di consegnare anche il processo, non solo il prodotto finale;
• far allegare prompt usati, fonti consultate e revisioni effettuate;
• prevedere una breve discussione orale sul lavoro;
• valutare capacità di verifica, argomentazione e correzione;
• progettare compiti più situati, legati alla classe, al territorio, a materiali discussi insieme.

Se il compito è “scrivi un tema generico sulla Rivoluzione francese”, l’AI vince facile. Se il compito è “confronta tre fonti viste in classe, spiega quali passaggi hai cambiato dopo il confronto con l’AI e difendi oralmente due scelte”, lo studente deve pensare. E questo, mi pare, resta un dettaglio abbastanza importante.

Privacy, dati e sicurezza digitale

Un corso AI per scuole deve parlare anche di ciò che non si deve fare. Per esempio: copiare dati personali degli studenti dentro strumenti non autorizzati, caricare verifiche con nomi e cognomi, inserire diagnosi, PEI, PDP o informazioni sensibili in piattaforme non valutate dalla scuola.

La tecnologia a scuola vive dentro un perimetro delicato: minori, famiglie, dati personali, inclusione, responsabilità educativa. Per questo un modulo su privacy e sicurezza non è un’aggiunta burocratica. È una condizione di serietà.

Le linee guida della Commissione europea sull’uso etico di AI e dati nell’insegnamento insistono proprio su questo: gli educatori devono poter usare l’AI in modo positivo, critico ed etico, conoscendone potenziale e rischi.

AI per ridurre la burocrazia degli insegnanti

Uno dei capitoli più concreti del libro riguarda l’AI per le incombenze burocratiche. Altro che sostituire il docente: in molti casi l’AI può restituirgli tempo.

Durante un corso si possono mostrare esempi molto pratici:

• trasformare appunti disordinati in un verbale leggibile;
• preparare una bozza di comunicazione alle famiglie;
• semplificare un testo amministrativo senza cambiarne il significato;
• creare una griglia di valutazione coerente con gli obiettivi;
• generare varianti di esercizi per livelli diversi;
• riassumere materiali lunghi per preparare una riunione.

Il vantaggio non è “fare meno l’insegnante”. È liberare energie per fare meglio l’insegnante: relazione, spiegazione, ascolto, progettazione, presenza.

Come dovrebbe essere strutturato un corso AI per una scuola

Una proposta sensata può essere modulare. Non tutte le scuole hanno gli stessi bisogni, ma una struttura efficace potrebbe essere questa:

1. Introduzione all’AI generativa: cosa fa, cosa non fa, perché sbaglia, come leggere le risposte.
2. Prompt engineering didattico: ruolo, obiettivo, contesto, vincoli, esempi, formato.
3. Attività per fasce d’età: primaria, secondaria di primo grado, secondaria di secondo grado.
4. Verifica e valutazione: compiti, rubriche, processi, uso dichiarato dell’AI.
5. Privacy e sicurezza: dati personali, minori, fonti, account, policy interne.
6. Laboratorio operativo: i docenti progettano una lezione o un’attività reale.
7. Follow-up: revisione dei materiali prodotti e domande dopo la sperimentazione in classe.

Il formato può essere una conferenza introduttiva di due ore, un workshop di mezza giornata, un percorso da 6-8 ore o una formazione più ampia per dipartimenti e consigli di classe. La differenza la fa il laboratorio: senza esercitazioni, l’AI resta una bella dimostrazione. Con le esercitazioni, diventa competenza.

Il ruolo dell’insegnante resta centrale

L’AI può produrre una spiegazione. Non conosce però quella classe, quel ragazzo che si blocca davanti al foglio, quella studentessa che capisce tutto ma non osa parlare, quel gruppo che si accende solo quando il compito diventa concreto.

Questo è il punto che ripeto spesso nei corsi: l’AI può aumentare la capacità di progettazione dell’insegnante, ma non sostituisce la relazione educativa. Può suggerire esempi, ma non sa leggere gli occhi della classe. Può creare una verifica, ma non decide quale fatica è utile e quale è inutile. Può semplificare un testo, ma non conosce la storia di chi lo leggerà.

La scuola non ha bisogno di docenti spaventati dall’AI, né di docenti sedotti dall’automazione totale. Ha bisogno di professionisti capaci di usare questi strumenti con curiosità, prudenza e senso pedagogico.

Da dove iniziare

Se una scuola vuole partire, suggerisco tre mosse semplici.

Primo: formare prima i docenti, non gli strumenti. Prima si costruisce un vocabolario condiviso, poi si scelgono piattaforme, account e regole.

Secondo: partire da casi d’uso reali. Una lezione da migliorare, una verifica da ripensare, un’attività di recupero, una comunicazione alle famiglie, un laboratorio sulle fonti.

Terzo: scrivere una piccola policy interna. Non un tomo da 80 pagine, ma poche regole chiare: quali strumenti si possono usare, con quali dati, per quali attività, con quali responsabilità e con quale trasparenza verso studenti e famiglie.

In sintesi: i Corsi AI per le scuole funzionano quando non vendono meraviglia tecnologica, ma costruiscono metodo. L’intelligenza artificiale può diventare un alleato prezioso per docenti e studenti, a patto che la scuola non abdichi al suo compito più importante: insegnare a pensare.

FAQ

Che cosa sono i Corsi AI per le scuole?

Sono percorsi di formazione per docenti, dirigenti e studenti sull’uso consapevole dell’intelligenza artificiale nella didattica. Includono strumenti, esempi, prompt, privacy, valutazione, sicurezza digitale e progettazione di attività.

Quanto deve durare un corso AI per docenti?

Dipende dagli obiettivi. Una conferenza introduttiva può durare 2 ore, un workshop operativo 4 ore, mentre un percorso completo può richiedere 6-12 ore con laboratorio e follow-up.

Quali strumenti AI conviene insegnare a scuola?

Conviene partire dai bisogni didattici. ChatGPT, Copilot, Gemini e NotebookLM sono utili in contesti diversi, ma il corso dovrebbe insegnare metodo, verifica delle fonti e uso responsabile prima della singola piattaforma.

Gli studenti possono usare ChatGPT per i compiti?

Dipende dalle regole della scuola e dal tipo di compito. È utile distinguere uso vietato, uso assistito e uso dichiarato. In molti casi conviene valutare anche processo, fonti, revisioni e discussione orale.

Un corso AI per scuole deve parlare anche di privacy?

Sì. A scuola si lavora con minori e dati sensibili. Un corso serio deve spiegare quali dati non inserire negli strumenti AI, come gestire account e autorizzazioni e come impostare una policy interna.

L’AI sostituirà gli insegnanti?

No. L’AI può aiutare a progettare lezioni, creare materiali, semplificare testi e ridurre attività ripetitive, ma non sostituisce relazione educativa, responsabilità, ascolto e giudizio professionale del docente.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Un pilota da caccia ha una manciata di secondi per osservare il cielo, capire cosa sta succedendo, decidere una manovra e agire prima che sia troppo tardi. Da questa pressione è nato uno dei metodi decisionali più studiati al mondo, applicato oggi in ambito militare, aziendale, sportivo e persino nella scrittura dei prompt per l’intelligenza artificiale: il ciclo OODA, alla base del metodo che in questo articolo chiamiamo OODA loop prompting.

Vediamo cos’è il metodo OODA, perché funziona così bene anche fuori dal contesto militare e come puoi usarlo, passo dopo passo, per costruire prompt più lucidi, mirati ed efficaci per strumenti come ChatGPT, Gemini o Claude.

Cos’è il ciclo OODA: l’origine militare del metodo

Il termine OODA è l’acronimo di Observe, Orient, Decide, Act (osserva, orientati, decidi, agisci). Il modello fu sviluppato negli anni Settanta dal colonnello dell’aeronautica statunitense John Boyd, che lo elaborò studiando il combattimento aereo e la capacità dei piloti più abili di prendere decisioni migliori e più rapide degli avversari. Su questo puoi approfondire la storia completa del framework nella voce Wikipedia dedicata al ciclo OODA.

L’intuizione di Boyd era semplice ma potente: chi riesce a percorrere il proprio ciclo decisionale più velocemente dell’altro riesce a condizionare la situazione invece di subirla. Nel tempo il modello è uscito dall’ambito aeronautico ed è stato adottato in strategia d’impresa, cybersecurity, sport e gestione delle emergenze, proprio perché descrive un principio universale: osservare la realtà, interpretarla, scegliere e agire, in un ciclo continuo che si ripete e si affina ad ogni iterazione.

Perché un metodo nato per i piloti da caccia funziona anche per i prompt AI

Scrivere un buon prompt non è un atto isolato, ma un processo iterativo: si fornisce un input, si osserva la risposta del modello, si capisce cosa non ha funzionato e si corregge il tiro. È esattamente la logica del ciclo OODA applicata al dialogo con un’intelligenza artificiale, dove l'”avversario” da anticipare non è un pilota nemico ma l’ambiguità, la genericità e le assunzioni implicite che rendono i prompt deboli.

Chi usa l’AI in modo estemporaneo scrive un prompt, guarda il risultato e riprova a caso. Chi applica il metodo OODA loop prompting, invece, rallenta il primo passaggio (l’osservazione del contesto) per poi accelerare l’intero ciclo, ottenendo risposte più precise con meno tentativi. Se ti interessa il tema, su questo blog trovi altri approfondimenti su intelligenza artificiale e scrittura.

Le 4 fasi del metodo OODA loop prompting applicate al prompt engineering

Vediamo come tradurre ciascuna fase del ciclo in un’azione concreta quando si costruisce un prompt. Se vuoi anche capire come valutare i risultati che ottieni, abbiamo approfondito il tema in questo articolo su come si misura l’efficacia di un prompt.

1. Observe (Osserva): raccogli il contesto prima di scrivere

Prima ancora di aprire la chat con l’AI, osserva la situazione: qual è l’obiettivo reale del contenuto che vuoi ottenere, chi lo leggerà, quali dati o documenti hai già a disposizione, quali vincoli di formato, tono o lunghezza esistono. Questa fase spesso viene saltata, ma è quella che determina la qualità di tutto il resto: un prompt scritto senza osservazione è un prompt scritto alla cieca.

2. Orient (Orientati): interpreta le informazioni e scegli l’inquadratura

Una volta raccolte le informazioni, vanno interpretate. In questa fase decidi il “punto di vista” del prompt: quale ruolo deve assumere l’AI (esperto di marketing, editor, sviluppatore), quale angolazione dare al tema, quali esempi o riferimenti includere per orientare correttamente il modello ed evitare risposte generiche o fuori fuoco.

3. Decide (Decidi): struttura il prompt

Qui si passa dalla teoria alla scrittura vera e propria: si decide la struttura del prompt, indicando compito, contesto, formato di output desiderato, tono di voce e vincoli espliciti (lunghezza, stile, cosa evitare). È il momento in cui il ciclo OODA converge in un testo concreto da inviare al modello. Se vuoi consultare anche le linee guida ufficiali, OpenAI mette a disposizione una guida ufficiale al prompt engineering con esempi e best practice aggiornate.

4. Act (Agisci): invia, valuta, ripeti il ciclo

Invii il prompt, leggi la risposta con occhio critico e valuti gli scostamenti rispetto a quanto volevi ottenere. Il ciclo OODA non si esaurisce qui: la risposta dell’AI diventa essa stessa una nuova osservazione da cui ripartire, in un loop che affina il risultato ad ogni iterazione, proprio come un pilota che corregge la rotta più volte nel corso dello stesso combattimento.

Un esempio pratico di prompt costruito con il metodo OODA

Immaginiamo di dover scrivere un’email commerciale per proporre una consulenza a un potenziale cliente che ha scaricato un e-book dal sito.

Observe: il destinatario ha scaricato una guida sul digital marketing, non conosce ancora il brand, riceve molte email simili ogni settimana.

Orient: serve un tono consulenziale, non aggressivo, che valorizzi il contenuto scaricato come punto di partenza, non un’email da venditore generico.

Decide: la struttura del prompt dovrà specificare ruolo, obiettivo, tono, lunghezza e call to action.

Act: si invia il prompt e si osserva l’output, correggendo eventuali toni troppo commerciali.

“Agisci come un consulente di marketing digitale con dieci anni di esperienza. Scrivi un’email di follow-up per una persona che ha appena scaricato il nostro e-book su come 5 tecniche di email marketing. Il tono deve essere consulenziale e non commerciale, la lunghezza massima 120 parole, l’obiettivo è proporre una call conoscitiva gratuita di 20 minuti. Evita frasi da venditore aggressivo e non usare punti esclamativi.”

Nota come ogni scelta del prompt derivi direttamente da una fase del ciclo: senza l’osservazione iniziale del contesto, il prompt sarebbe stato molto più generico.

OODA loop vs altri framework di prompting

Negli ultimi anni sono nati diversi framework per strutturare i prompt, come CO-STAR (Context, Objective, Style, Tone, Audience, Response) o RTF (Role, Task, Format). Sono strumenti utili, ma descrivono soprattutto la forma di un singolo prompt “perfetto”.

Il metodo OODA si colloca un livello più in alto: non ti dice solo come formattare un prompt, ma come pensare prima e dopo averlo scritto, includendo il momento dell’osservazione del contesto e quello, spesso trascurato, della valutazione critica della risposta per iterare rapidamente. Per questo i due approcci non sono in competizione: puoi usare il ciclo OODA come cornice strategica e un framework come CO-STAR nella fase “Decide” per strutturare il testo del prompt.

Un’altra tecnica che si inserisce bene nella stessa fase “Decide” è lo step-back prompting, il metodo sviluppato da Google per far ragionare l’AI con più contesto prima di rispondere.

Errori comuni da evitare quando usi il metodo OODA per i prompt

• Saltare la fase Observe e iniziare a scrivere il prompt senza aver chiarito obiettivo e destinatario.
• Fermarsi al primo output senza completare il ciclo con una valutazione critica della risposta.
• Confondere velocità con superficialità: il ciclo OODA premia la rapidità nel ripetere il loop, non la fretta nello scrivere il primo prompt.
• Non portare in memoria, tra un’iterazione e l’altra, ciò che si è “orientato” nel giro precedente, obbligando il modello a ripartire da zero ogni volta.

Per una panoramica più ampia degli sbagli più frequenti, trovi altri esempi concreti nel nostro approfondimento dedicato agli errori più comuni nei prompt ChatGPT delle PMI.

Domande frequenti sul metodo OODA per i prompt

Cos’è il ciclo OODA?

È un modello decisionale composto da quattro fasi ricorrenti, osservare, orientarsi, decidere e agire, ideato dal colonnello John Boyd per il combattimento aereo e oggi applicato anche a business, sport e prompt engineering.

Chi ha inventato il metodo OODA?

Il colonnello dell’aeronautica statunitense John Boyd, che lo sviluppò analizzando le dinamiche decisionali del combattimento aereo negli anni Settanta.

Il ciclo OODA funziona con ChatGPT, Gemini e Claude?

Sì: è un metodo di pensiero indipendente dallo strumento, utile per strutturare il modo in cui si osserva il contesto, si imposta il prompt e si valuta l’output di qualsiasi modello linguistico.

Qual è la differenza tra il metodo OODA e framework come CO-STAR?

CO-STAR aiuta a strutturare il singolo prompt, mentre il ciclo OODA guida l’intero processo, dall’osservazione del contesto fino alla valutazione critica della risposta e alla successiva iterazione.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.