Se scrivo un testo con ChatGPT o creo un’immagine con Stable Diffusion, posso usarli o addirittura venderli? Parto dal presupposto che il diritto d’autore è un argomento complesso e in continua evoluzione, soprattutto nel contesto delle nuove tecnologie: basti pensare alla disputa tra Google e gli editori per quanto riguarda il servizio Google News. Con l’avvento dei modelli di linguaggio di apprendimento automatico, come GPT-3 di OpenAI o Alpaca dell’Università di Stanford, si pongono nuove questioni riguardanti la proprietà intellettuale. Possono una macchina o un algoritmo essere titolari di diritto d’autore? Chiarisco subito un fatto: secondo la Legge, sia anglosassone che europea, per avere diritto d’autore un’opera deve essere creata da un essere umano. Un po’ quello che successe nel caso del “Monkey selfie”: vale la pena raccontarlo.
Il caso dell’“autoscatto del macaco” finì sui giornali nel 2011 quando un macaco indonesiano scattò una serie di fotografie a se stesso con la macchina di un fotografo britannico. Le foto divennero virali, ma sollevarono anche questioni legali sulla proprietà dei diritti d’autore. Il fotografo, David Slater, rivendicò i diritti sulle foto, sostenendo che la macchina fotografica era sua e che l’aveva impostata correttamente lui. Tuttavia, alcune organizzazioni per la difesa dei diritti degli animali hanno sostenuto che il macaco, chiamato Naruto, doveva essere riconosciuto come il legittimo autore degli scatti. Era stato lui a fare clic! Dopo una lunga battaglia legale, nel 2018 è stato raggiunto un accordo tra le parti coinvolte, stabilendo che i diritti d’autore delle foto appartenevano a Slater, ma i proventi generati sarebbero stati destinati alla salvaguardia delle scimmie nel loro habitat naturale. Il caso del “monkey selfie” ha sollevato importanti questioni sulla definizione legale di autore e sul rapporto tra gli esseri umani e gli animali nel contesto dei diritti d’autore.
Gli output di un LLM non sono generati né da uomini né da scimmie: sono opera di una macchina, di un algoritmo, di un’intelligenza artificiale. La questione è dirimente: è l’utente che fornisce l’input al modello il detentore del diritto d’autore, o è l’organizzazione che ha creato e addestrato il modello? O forse, dato che l’output è generato da una macchina, non può essere protetto dal diritto d’autore? Sapendo che su queste questioni ChatGPT non è affidabile, vale la pena affidarsi al sito di OpenAI. Dove, nelle FAQ, si legge:
Quindi tutto chiaro: tu fai l’input e tu sei il titolare del diritto d’autore, giusto? Sì, ma la questione è ancora più complessa. Serve riportare questa notizia: “Getty Images ha citato in giudizio l’intelligenza artificiale che usa le sue foto”. In pratica, Getty Images, l’agenzia fotografica di fama mondiale, ha citato in giudizio Stability AI, la società dietro lo strumento di intelligenza artificiale generativa Stable Diffusion, per presunta violazione del copyright. Getty sostiene che Stability AI ha copiato ed elaborato illegalmente milioni di immagini protette da diritto d’autore per “educare” la sua IA. In effetti alcune immagini di output addirittura riportavano il logo di Getty Images alterato.
Questo solleva nuove questioni legali tra le società di AI e i creatori di contenuti. Naomi Klein, autrice di “No logo”, sostiene che “davanti ai nostri occhi le aziende più ricche della storia (Microsoft, Apple, Google, Meta, Amazon) stanno mettendo le mani su tutta la conoscenza umana disponibile gratuitamente in digitale e la stanno utilizzando per scopi privati, rinchiudendola in prodotti di loro proprietà. Molti dei quali danneggeranno le persone che, senza dare il consenso, hanno addestrato le macchine con il lavoro di una vita”.
Quindi, il copyright non c’è sull’output, ma dovrebbe esserci sull’input, il cosiddetto “dataset”. Per esempio, la già citata Stability AI, per la sua AI “Stable DIffusion”, usa un dataset che si chiama LAION 5B, fornito sotto il principio del “fair use” accademico dalla società non profit LAION. Questo dataset si compone di cinque miliardi di immagini di qualsiasi tipo (foto, disegni, documenti di vario genere) raccolte con uno “scraping” dalla rete.
Notizia di questi giorni: Google ha aggiornato la sua policy sulla privacy, affermando esplicitamente di riservarsi il diritto di raccogliere praticamente tutto ciò che si pubblica online per addestrare i suoi strumenti di intelligenza artificiale. Questo significa che qualsiasi cosa si pubblichi online finisce nel dataset per il training di un chatbot.
Per questo qualcuno ipotizza che in futuro i LLM saranno addestrati su contenuti legittimamente “comprati” dagli autori o quantomeno occorrerà trovare un meccanismo di remunerazione di giornalisti, blogger, case editrici e titolari di diritto d’autore dei contenuti online (e non solo). Qualcosa si sta già muovendo. La European Guild For Artificial Intelligence Regulation, un’organizzazione che riunisce professionisti di vari settori creativi, propone l’introduzione del “training right” per regolare l’uso dei dati e delle opere creative da parte delle società di IA. Questa proposta implica che l’utilizzo dei dati deve avvenire all’interno di un sistema di licenza d’uso con modalità e termini di utilizzo che devono essere definiti in accordo fra le parti. L’obiettivo è di intervenire sulla proposta di regolamento della Commissione Europea chiamato AI ACT, che inizialmente ignorava le implicazioni di queste applicazioni nel mondo della creatività.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
Il Pesce di Babele, o Babelfish, è un concetto interessante e provocatorio proveniente dalla serie letteraria “Guida galattica per gli autostoppisti”, scritta da Douglas Adams. Questo piccolo pesce giallo, quando inserito nell’orecchio, permette di comprendere istantaneamente qualsiasi lingua dell’universo. Un sogno di molti, soprattutto per chi – come noi italiani – studia inglese fin da bambini con esiti deprimenti: “The pen is on the table” e poco altro.
Mentre la natura improbabile del Babelfish è stata usata come un argomento umoristico sulla non-esistenza di Dio nella serie di Adams, nella pratica ha ispirato molti progetti di traduzione. Per esempio, Yahoo! tempo fa creò un’applicazione web chiamata proprio Babel Fish: permetteva la traduzione di testi o siti web da e verso numerose lingue. Più recentemente anche Google, con il suo Traduttore, ha provato (con esiti alterni) a regalarci il Pesce di Babele.
Lo scandalo Faletti
Ma qui serve raccontare una storia: quella del caso Faletti. Per farla breve: i suoi libri, tra gli altri “Io sono Dio”, è pieno di frasi italo-americane che confondono i lettori italiani: espressioni idiomatiche e slang che sembrano incomprensibili o mal tradotti, alimentando dubbi sulla capacità di Faletti di scrivere efficacemente nella sua lingua madre. Alcuni sostengono che Faletti, avendo trascorso molto tempo negli Stati Uniti, abbia esagerato nel suo tentativo di “americanizzare” il suo stile di scrittura, altri che abbia mal tradotto libri altrui.
Meglio fare un esempio. A un certo punto, durante una discussione, un personaggio esclama: “Non girare intorno al cespuglio, Peter!”. Che cosa diavolo vuol dire? Chi ha indagato, ha scoperto che si tratta di una orribile traduzione dell’espressione “Don’t beat about the bush”. Un buon traduttore sa benissimo che vuol dire “Non tergiversare” o, meglio ancora, andrebbe reso come “Non menare il can per l’aia”. Infatti, ChatGPT lo sa (provate a chiederglielo!), come lo sa un ottimo traduttore che sfrutta l’intelligenza artificiale come Deepl.com:
Nei libri di Faletti si trovano tante altre schifezze come questa:
– «Pensavo che una ventina di grandi vi avrebbero fatto comodo.»
Ma chi chiama così il denaro?
L’intelligenza artificiale per la traduzione
Insomma: i vecchi traduttori, che lavorano parola per parola, ignorando il contesto della lingua di destinazione non hanno più senso. La vera rivoluzione è arrivata con l’introduzione dell’intelligenza artificiale: Google, per esempio, ha aggiornato gli algoritmi del suo servizio di traduzione online nel 2016, introducendo la Neural Machine Translation. Questa tecnologia, basata su una rete neurale artificiale, tenta di simulare l’approccio del cervello umano alla traduzione, riducendo il numero di errori del 80% e avvicinando così il software all’ideale 100% del Babelfish.
La velocità dell’innovazione dell’IA lascia a bocca aperta persino me. A metà 2023 ho scoperto l’applicazione Rask AI, che sta ridisegnando la traduzione e il doppiaggio dei video aziendali, offrendo un servizio di localizzazione efficiente e conveniente che eguaglia la qualità umana. In pratica, gli dai in pasto un video in italiano e te lo restituisce tradotto in altra lingua automaticamente. Fin qui, bello ma manca l’effetto WOW! Eccolo: ti clona la voce, e le frasi in inglese, spagnolo e tedesco sono “recitate” con la TUA voce. WOW, vero?
Faccio un esempio concreto. Ho chiesto a Rask di localizzare in spagnolo questo video, dandogli solo l’URL:
Ed ecco uno spezzone del risultato:
I sottotitoli in tempo reale in PowerPoint
In conclusione, mentre il Pesce di Babele rimane (per il momento) una fantasia, l’intelligenza artificiale sta portando la traduzione automatica sempre più vicina a questo ideale. Queste tecnologie non solo stanno cambiando il modo in cui le aziende e le persone comunicano a livello globale, ma stanno anche aprendo nuove opportunità per una comunicazione interculturale più efficace.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/07/1.png7201280Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-07-03 10:04:332025-12-12 17:51:09Babelfish, lo scandalo Faletti e le traduzioni con l’intelligenza artificiale
“Navigare nel mondo dell’intelligenza artificiale generativa può sembrare un viaggio attraverso una giungla di termini tecnici e acronimi”: questa frase l’ha scritta ChatGPT. Ed è vera. Durante i miei corsi ho sentito l’esigenza di scrivere questo glossario essenziale sull’intelligenza artificiale generativa (ispirato a “The economic potential of generative AI: The next productivity frontier” di McKinsey) dove spiego i concetti fondamentali dell’IA generativa, dal machine learning e deep learning agli LLM, e altro ancora.
La nostra acqua
Prima di tuffarti nel glossario, leggi questa storiella raccontata a dei laureandi dallo scrittore americano David Foster Wallace:
Ci sono due giovani pesci che nuotano uno vicino all’altro e incontrano un pesce più anziano che, nuotando in direzione opposta, fa loro un cenno di saluto e poi dice “Buongiorno ragazzi. Com’è l’acqua?” I due giovani pesci continuano a nuotare per un po’, e poi uno dei due guarda l’altro e gli chiede “ma cosa diavolo è l’acqua?”
Perché l’ho riportata? Lo faccio spiegare a ChatGPT:
Ecco il glossario promesso in ordine alfabetico.
AGI (Artificial General Intelligence)
Forma ipotetica di intelligenza artificiale in grado di svolgere qualsiasi compito cognitivo umano. Diversamente dagli attuali modelli specializzati, l’AGI saprebbe apprendere, ragionare e adattarsi come (o meglio di) un essere umano. “Attualmente, non esiste una vera e propria AGI, ma sono in corso attività di ricerca e sviluppo in tal senso”: parola di Google.
Agente
Sistema autonomo che può compiere operazioni complesse per conto di un utente, combinando LLM, strumenti e memoria. Può prenotare voli, risolvere problemi tecnici o generare report, tutto in autonomia. Si inizia a vedere qualcosa di interessante: per esempio Manus.
Alignment
Allineamento tra gli obiettivi del sistema AI e i valori umani. È cruciale per evitare che un’AI agisca in modo dannoso, anche senza intenzioni malevole.
Allucinazione (Hallucination)
Quando l’AI inventa: un modello genera contenuti plausibili ma falsi. È uno dei principali problemi dei LLM attuali.
Un esempio raccontato da Wired: un avvocato fiorentino ha presentato in tribunale una memoria difensiva contenente sentenze della Cassazione inesistenti, generate da ChatGPT e non verificate.Il giudice ha riconosciuto l’errore ma, rilevando l’assenza di malafede, ha rigettato la richiesta di condanna per lite temeraria, sottolineando comunque l’importanza del controllo umano sull’uso dell’IA in ambito legale.
Application Programming Interface (API)
L’interfaccia di programmazione delle applicazioni (API) è un modo per accedere in modo programmatico a modelli, set di dati o altri software, solitamente esterni. In parole povere, se voglio usare la potenza di ChatGPT sul mio sito, devo accedervi grazie alle API.
Metodo in cui l’AI apprende da dati etichettati, cioè con input associati a output corretti. È il cuore di molte applicazioni AI tradizionali.
Apprendimento non supervisionato (Unsupervised learning)
Tecnica in cui il modello cerca pattern nei dati senza che gli siano stati forniti esempi etichettati.
Apprendimento per rinforzo (Reinforcement learning)
L’AI apprende agendo in un ambiente e ricevendo ricompense o punizioni. È usato, per esempio, per addestrare agenti in giochi o robotica.
Apprendimento self-supervised
L’AI genera le etichette da sola a partire dai dati, permettendo l’uso di grandi dataset non etichettati.
Artificial Intelligence (AI)
L’intelligenza artificiale (IA o AI in inglese) è la capacità del software di eseguire compiti che richiedono tradizionalmente l’intelligenza umana. Se ne parla dalla metà del Novecento:
Catena di pensiero (Chain of thought)
Tecnica di prompting che incoraggia il modello a “pensare ad alta voce”, suddividendo un problema in passaggi logici. Migliora le prestazioni nei compiti complessi.
Contesto (Context window)
Quantità di testo che un modello può considerare contemporaneamente. Modelli come GPT-4o arrivano a gestire decine di migliaia di token. Per un’elaborazione ancora più estesa, OpenAI ha introdotto GPT-4.1, che offre una finestra di contesto fino a 1 milione di token . Tuttavia, GPT-4.1 è disponibile solo tramite l’API di OpenAI e non è ancora integrato in ChatGPT.
Deep Learning
Il deep learning è un sottoinsieme del machine learning (che a sua volta è un sottoinsieme dell’intelligenza artificiale) che utilizza reti neurali profonde, strati di “neuroni” connessi i cui collegamenti hanno parametri o pesi che possono essere addestrati. È particolarmente efficace nell’apprendimento da dati non strutturati come immagini, testi e audio. Facciamo un esempio: Netflix che ti propone show che potrebbero piacerti è machine learning. ChatGPT che inventa testi originali è deep learning.
Deepfake
Contenuto (audio, video, immagini) generato dall’AI per imitare una persona reale. Potenzialmente usato per truffe, disinformazione, o arte.
Uno degli esempi più clamorosi di deepfake è il finto video di Barack Obama creato da Jordan Peele nel 2018, che ancora oggi viene citato come caso scuola.
Embedding
Rappresentazione numerica di parole, frasi o documenti in uno spazio vettoriale. Permette all’AI di “capire” il significato semantico dei testi.
Explainability (Explainable AI)
Capacità di un sistema di spiegare in modo comprensibile le sue decisioni. Fondamentale in ambiti sensibili come sanità, giustizia o finanza.
Few-shot learning
Capacità di apprendere da pochi esempi. È uno dei punti di forza dei modelli di ultima generazione.
Filtro sicurezza (AI Safety Filter)
Sistema che blocca output potenzialmente pericolosi o non etici. Serve a ridurre l’abuso dell’AI, ma può anche limitare la libertà espressiva.
Un esempio clamoroso e concreto di filtro di sicurezza attivo in un sistema di intelligenza artificiale è il caso delle restrizioni di ChatGPT nel generare istruzioni per la costruzione di esplosivi, anche in forma teorica.
Fine-Tuning
Letteralmente la “messa a punto fine” è il processo di adattamento di un modello di base pre-addestrato per eseguire meglio un compito specifico. Questo comporta un periodo relativamente breve di addestramento su un set di dati etichettati, che è molto più piccolo del set di dati su cui il modello è stato inizialmente addestrato. Questo ulteriore addestramento permette al modello di apprendere e adattarsi alle sfumature, alla terminologia e ai modelli specifici trovati nel set di dati più piccolo.
Foundation Model (FM)
I modelli di base (FM) sono modelli di deep learning addestrati su enormi quantità di dati non strutturati e non etichettati che possono essere utilizzati per una vasta gamma di compiti direttamente o adattati a compiti specifici attraverso il fine-tuning. Esempi di questi modelli sono GPT-4, PaLM, DALL·E 2 e Stable Diffusion.
Generative AI
L’IA generativa è un’intelligenza artificiale che è tipicamente costruita utilizzando FM e ha capacità che l’IA precedente non aveva, come il generare contenuti: testi, post, audio, video, ecc. Ma non solo. I modelli di base possono anche essere utilizzati per scopi non generativi (per esempio, classificare il “sentiment” dell’utente come negativo o positivo sulla base delle trascrizioni delle chiamate) offrendo un miglioramento significativo rispetto ai modelli precedenti. Un esempio concreto: un’azienda di e-commerce, mettiamo Amazon, potrebbe utilizzare l’AI per generare raccomandazioni personalizzate di prodotti in base al comportamento passato del cliente, alle preferenze e ad altri dati pertinenti. Questo può migliorare l’engagement del cliente, aumentare le vendite e creare un’esperienza più soddisfacente per l’utente.
Graphics Processing Units (GPUs)
Le unità di elaborazione grafica (GPU) sono chip originariamente sviluppati per produrre grafica per computer (per esempio per i videogiochi) e sono anche utili per le applicazioni di deep learning. In contrasto, il machine learning tradizionale di solito viene eseguito su unità di elaborazione centrale (CPU), normalmente indicate come il “processore” di un computer.
Negli ultimi tempi si parla molto dell’esplosione del valore dell’azienda Nvidia, proprio per la continua crescita della domanda di processori per gestire le piattaforme di machine learning.
Inference
Fase in cui il modello produce un output. Dopo l’addestramento, è il momento in cui l’AI “risponde” o genera contenuti.
Large Language Model (LLM)
I modelli di linguaggio di grandi dimensioni (LLM) costituiscono una classe di modelli di base che possono elaborare enormi quantità di testo non strutturato e apprendere le relazioni tra parole o parti di parole, noti come token. Questo permette agli LLM di generare testo in linguaggio naturale, eseguendo compiti come la sintesi o l’estrazione di conoscenze. GPT-4 (che sottende ChatGPT) e LaMDA (il modello dietro Bard di Google) sono esempi di LLM.
Una LLM molto interessante è Alpaca, progetto dell’università di Stanford. Con 7 miliardi di parametri, Alpaca offre performance paragonabili a text-davinci-003 di OpenAI, ma con costi di gestione notevolmente ridotti. Sorprendentemente, il modello può funzionare su un comune PC con 16 GB di RAM e una CPU da 6-8 core, rendendo l’IA avanzata più accessibile. Mentre i modelli più grandi richiedono più RAM, le esigenze di Alpaca rimangono al di sotto di un supercomputer.
Personalmente ho fatto un esperimento: ho installato un LLM sul mio computer. Ecco come è andata:
Il machine learning (ML) è un sottoinsieme dell’IA in cui un modello acquisisce capacità dopo essere stato addestrato su molti punti dati di esempio. Gli algoritmi di machine learning rilevano i modelli e apprendono come fare previsioni e raccomandazioni elaborando dati ed esperienze, oppure ricevendo istruzioni di programmazione esplicite. Gli algoritmi si adattano in risposta a nuovi dati ed esperienze.
Ho già fatto l’esempio delle raccomandazioni personalizzate di Netflix, ne riporto un altro. Le banche e le società di carte di credito usano il machine learning per identificare modelli di comportamento sospetti che potrebbero indicare frodi. Per esempio, se la tua carta di credito viene improvvisamente utilizzata in un altro paese per fare acquisti molto costosi, il sistema può rilevare questa anomalia e bloccare ulteriori transazioni per prevenire frodi. Lo stesso meccanismo si usa per l’anti-spam:
Multimodal AI
Modello che integra diverse modalità di input: testo, immagini, audio, video. È il futuro dell’interazione uomo-macchina.
Overfitting
Problema statistico in cui un modello si adatta troppo ai dati di training, perdendo la capacità di generalizzare.
Prompt Engineering
L’ingegneria del prompt si riferisce al processo di progettazione, affinamento e ottimizzazione dei prompt di input per guidare un modello di IA generativo verso la produzione di output desiderati (cioè accurati). Ho creato il metodo G.O.L. per dare uno schema nella creazione di buoni prompt:
Prompt injection
Attacco in cui si manipola un prompt (o un’istruzione) per indurre il modello a produrre output non previsti, potenzialmente dannosi.
Retrieval-Augmented Generation (RAG)
Tecnica che combina AI generativa con un sistema di ricerca documentale, per aumentare l’accuratezza e l’aggiornamento delle risposte.
Immagina uno studio legale che usa un assistente basato su intelligenza artificiale per rispondere alle domande giuridiche dei clienti. Questo assistente non si affida solo alla memoria del modello (come GPT), ma accede in tempo reale a documenti legali interni (es. sentenze, contratti, normativa aggiornata).
Structured Data
I dati strutturati sono dati tabulari (per esempio, organizzati in tabelle, database o fogli di calcolo) che possono essere utilizzati per addestrare efficacemente alcuni modelli di machine learning. Lavorando su diversi progetti di AI personalizzata, mi sono reso conto che quello che fa davvero la differenza è la qualità del dato usato per addestrare la macchina: ideale sarebbe avere file di testo e PDF “puliti”.
Token
Un token è una unità minima di testo che i modelli linguistici (come quelli di OpenAI) usano per elaborare l’input e generare output. Un token può essere una parola intera, una parte di parola (es. “informatica” può essere divisa in più token), oppure un simbolo (come la punteggiatura). Ad esempio:
"ciao" = 1 token
"intelligenza artificiale" = 3 token
"L'AI è potente!" = 6 token
La suddivisione dipende dal tokenizer usato (vedi Tokenizer di OpenAI).
Transformer
Transformer è un tipo di modello di apprendimento automatico, spesso utilizzato nell’elaborazione del linguaggio naturale (NLP), la tecnologia che consente alle macchine di capire, rispondere e interagire con il linguaggio umano. Questi modelli sono chiamati “transformer” perché “trasformano” le informazioni di input (ad esempio, un testo scritto) in output (ad esempio, una traduzione di quel testo, una risposta a una domanda, ecc.) attraverso una serie di calcoli matematici. All’interno di un Transformer, ci sono due parti principali: l’encoder, che legge e interpreta l’input, e il decoder, che genera l’output. Ad esempio, se stai traducendo dall’italiano all’inglese, l’encoder leggerà e interpreterà l’italiano, e il decoder genererà l’equivalente inglese.
Un aspetto chiave dei modelli Transformer è l’attenzione, o “self-attention”, che permette al modello di dare più importanza a certe parole o frasi durante la traduzione o risposta. Ad esempio, se stai traducendo una frase come “Il gatto ha mangiato il suo cibo”, il modello potrebbe dare più importanza alla parola “gatto” perché è il soggetto della frase.
Inoltre, i modelli Transformer possono gestire input di lunghezze diverse e mantenere informazioni da tutte le parti dell’input, il che li rende molto utili per compiti come la traduzione, la generazione di testo e altre attività di NLP. Un esempio famoso di un modello Transformer è GPT (Generative Pretrained Transformer).
Use Case
I casi d’uso sono applicazioni mirate a una specifica sfida aziendale che producono uno o più risultati misurabili. Ad esempio, nel marketing, l’IA generativa potrebbe essere utilizzata per generare contenuti creativi come email personalizzate.
Unstructured Data
I dati non strutturati mancano di un formato o di una struttura coerente (per esempio: testo, immagini e file audio) e richiedono di solito tecniche più avanzate per estrarre intuizioni. Ma anche da questo punto di vista i passi avanti sono notevoli. Per esempio qui ho raccontato l’esperimento di LLaVa:
L’arte di interrogare le intelligenze artificiali generative è conosciuta come “prompt engineering“. Un input ben fatto fa la differenza tra un output eccellente e una accozzaglia di parole inutili (vale la regola GIGO: “garbage in garbage out“). In questa pagina voglio mostrarti un prompt utilissimo per trasformare ChatGPT nel tuo consulente di marketing, anzi di content marketing. Si tratta di un prompt più elaborato di quelli che si usano di solito, perché obbliga il chatbot a fare tutta una serie di domande su posizionamento, servizio, target, strategia e altro. Tutto con un prompt solo, il seguente.
Il prompt iniziale
Agisci come un esperto di digital e content marketing. Ti chiederò di creare un piano editoriale e i contenuti per la comunicazione digitale della mia attività: contenuti per il blog, profili LinkedIn, Facebook e YouTube, newsletter. Prima di iniziare, voglio che tu comprenda a fondo il mio business e i il mio mercato, i miei clienti. Fammi almeno 20 domande riguardo mercato, target e tutto quello che ti serve per fare contenuti efficaci al meglio delle tue possibilità. Fammi una domanda alla volta e aspetta la mia risposta prima di fare la domanda successiva. Hai compreso il compito?
Ecco le tre caratteristiche di questo prompt:
Si mette il chatbot in ruolo, quello dell’esperto della materia.
Si chiarisce l’obiettivo.
Si chiede di fare una ventina di domande, aspettando di volta in volta la risposta.
Questo prompt rispetta il mio metodo G.O.L.:
La conversazione con ChatGPT
A questo punto ChatGPT si mette nei panni dell’intervistatore. Le sue domande sono pertinenti, la conversazione sostenuta e utile.
Il piano editoriale
Al termine delle domande, e delle mie risposte, il chatbot ha compreso obiettivi e target. Quindi posso chiedergli di creare un piano editoriale diviso per canali.
Contenuti d’esempio
Chiaramente il piano editoriale non mi basta, quindi gli chiedo di farmi degli esempi di contenuti. Lui propone dei titoli.
Ovviamente a questo punto posso chiedergli di creare tutti i contenuti che mi servono.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/06/piano-content-marketing-ChatGPT.png9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-06-23 15:23:422025-12-12 17:51:09Come creare un piano di content marketing con ChatGPT
Da qualche anno tengo corsi sull’A.I. generativa, ma è dall’esplosione di ChatGPT alla fine del 2022, che ho iniziato a sperimentare quotidianamente chatbot, generatori di testi e altro. Sto testando diversi chatbot, soprattutto alimentandoli con i miei contenuti. In questo caso ho dato in pasto a ChatGPT Plus (grazie ai GPTs) una ventina di miei libri (da Questo titolo spacca a Musica Liquida, da Anche i nerd nel loro piccolo sghignazzano a Guida calcistica di LinkedIn), lui li ha digeriti e ora puoi interrogarlo su tutti quei contenuti. Qualche esempio di domanda che puoi fargli? Eccoli:
Leggimi 5 battute tecnologiche
Che cosa si intende per LinkedIn SEO?
Come posso scrivere titoli online più efficaci?
Parla con il mio chatbot (BOTnanomi)
Ed ecco il mio chatbot, a tua completa disposizione. Interrogalo in italiano (ma anche in altre lingue), è sufficiente tu abbia un abbonamento gratis a ChatGPT.
I tool per clonarsi
Stavo testando diversi strumenti per creare chatbot personalizzati (per esempio whismer.com oppure igenius.ai) quando mi sono imbattuto negli ottimi Dante AI e ChatBase. Il chatbot che vedi sopra è invece un GPTs di ChatGPT.
Ora ti mostro come creare una cosa simile anche con Dante. La promessa nella home page di Dante è intrigante: “Chatbot basato su GPT personalizzato e alimentato con i tuoi dati. Zero programmazione. Condividilo sul tuo sito in pochi minuti”.
Sembrava un miraggio poter creare, addestrare e implementare un chatbot personalizzato in soli cinque minuti, ma così è stato. Questo strumento basato sull’intelligenza artificiale (e ChatGPT) consente a chiunque, indipendentemente dalle competenze tecniche, di realizzare una chatbot su misura in pochi e semplici passaggi. Cosa che, fino allo scorso anno, avrebbe richiesto un team di sviluppatori e costi nell’ordine delle decine di migliaia di euro. Tra l’altro, Dante permette agli utenti più esperti di integrare il chatbot personalizzato in una serie di altre applicazioni o piattaforme, come questo sito WordPress.
Una nota per chi volesse provarlo: Dante offre un piano gratuito che dà agli utenti accesso al modello GPT-3.5-Turbo, insieme a 30 crediti/messaggio al mese. Dante offre anche piani a pagamento a partire da soli 10 dollari al mese: il piano che ho sottoscritto io (ma che non mi consente di personalizzare il chatbot che vedi qui sotto).
Il training per la knowledge base
Con Dante, gli utenti possono addestrare il chatbot utilizzando una vasta gamma di tipi di dati. È possibile alimentarla con vari formati di file, siti web, immagini e video, creando così una base di conoscenza adattata alle specifiche esigenze. Io ho scelto i miei libri.
Per istruire il chatbot di Dante AI gli ho fornito la versione DOC dei miei testi (che promettono di salvare in “secure and encrypted AWS servers”, vedi FAQ). Usare documenti “puliti”, e non PDF con impaginazioni “rognose”, è sempre meglio. La procedura di caricamento dei documenti nella knowledge base è semplicissima, basta prendere i file e trascinarli sul sito. Anche il training sui contenuti dura pochissimi secondi, dopo i quali il sistema è in grado di rispondere, in modo evoluto, a qualsiasi domanda riguardante i contenuti caricati. Può rispondere anche ad altre domande non pertinenti (tipo “Come si fa una pizza col cornicione ripieno?”), come farebbe ChatGPT (il cui motore sta alla base di Dante AI), ma il valore aggiunto del io chatbot sta ovviamente nella conoscenza specifica.
Ecco qui la schermata che conferma la conclusione del training sui miei dati:
Ecco qui invece il prompt che Dante AI usa per interrogare quella base di dati:
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/06/clonato_chatbot_dante_ai.png7201280Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-06-19 17:46:382025-12-12 17:51:10Parla con il mio chatbot (BOTnanomi): chiedi quello che vuoi sui miei libri
Parto da una premessa: non mi piacciono gli allarmisti, spesso con secondi fini. Tipo i giornalisti che sparano titoli sull’estinzione della specie umana per colpa di ChatGPT… Non sto scherzando, eccone un esempio:
Oppure, molto più concretamente, si paventa la sopravvivenza ma senza lavoro:
Alcune persone continueranno a vendere previsioni catastrofiche, con scenari distopici che hanno luogo in un futuro sufficientemente distante da garantire che tali Geremia non saranno più in circolazione per essere smentiti. La paura vende sempre bene, come i film sui vampiri o sugli zombie.
Che cosa dice Harari?
L’intelligenza artificiale sta cambiando radicalmente la storia umana, penetrando nel sistema operativo della nostra civiltà. Questo avanzamento, come sostiene lo storico e filosofo Yuval Noah Harari, già autore dei grandissimi libri “Sapiens” e “Homo Deus”, è il risultato della straordinaria capacità di manipolare e generare linguaggio di AI, che comprende parole, suoni e immagini.
Il linguaggio – sostiene Harari nell’articolo “Yuval Noah Harari argues that AI has hacked the operating system of human civilisation” – è l’elemento fondamentale di quasi tutte le culture umane. Diritti umani, divinità, e persino denaro sono artefatti culturali che abbiamo creato attraverso storie e leggi. Ma cosa succederebbe se un’intelligenza non umana diventasse più abile di un umano medio nel raccontare storie, comporre melodie, disegnare immagini e scrivere leggi e scritture?
Gli strumenti AI come ChatGPT stanno già mostrando il potenziale di produrre in massa contenuti politici, fake news e “scritture” per nuovi culti. Queste capacità potrebbero avere un impatto enorme sulle prossime elezioni presidenziali negli Stati Uniti nel 2024, tra l’altro. Nel futuro, potremmo vedere i primi culti nella storia i cui testi sacri sono stati scritti da un’intelligenza non umana. Anche a un livello più prosaico, potremmo presto trovarci a condurre lunghe discussioni online su temi come l’aborto, il cambiamento climatico o l’invasione russa dell’Ucraina con entità che pensiamo siano umane, ma che in realtà sono Altro che test di Turing…
Grazie alla sua padronanza del linguaggio, l’IA potrebbe anche formare relazioni intime con le persone e utilizzare il potere dell’intimità per cambiare le nostre opinioni e visioni del mondo. Questo potrebbe spostare il campo di battaglia per il controllo dell’attenzione umana, da social media alla creazione di relazioni intime di massa con milioni di persone.
Altra opinione interessante di Harari: le IA potrebbero diventare un oracolo onnisciente per le persone, rendendo superflui la ricerca su Google, la lettura di giornali o la visione di pubblicità.
La fine della storia (umana)
Tutto questo potrebbe portare alla fine della storia umana. Non la fine della storia in sé, ma la fine della sua parte dominata dall’uomo. Cosa succederà al corso della storia quando l’IA prenderà il controllo della cultura e inizierà a produrre storie, melodie, leggi e religioni? L’IA può creare idee completamente nuove, una cultura completamente nuova.
Scrivimi per organizzare un evento sull’intelligenza artificiale generativa
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
ChatGPT è una meraviglia, le altre AI che arriveranno saranno altrettanto utili, ma i professionisti che sto incontrando aspettano altro. Le esigenze sono tre:
avere una sorta di Wikipedia personale, istruita sui propri documenti;
badare alla privacy dei dati (prevalentemente dei clienti);
automatizzare il più possibile compiti noiosi e ripetitivi, per concentrarsi su attività ad alto valore aggiunto.
Quindi ChatGPT non è la risposta. In questo articolo voglio parlarti di un esperimento che ho fatto: ho installato una AI personale in locale. Parlo di GPT4All, utile per risolvere il problema della privacy.
Che cos’è GPT4All?
GPT4All è un progetto gratuito e open source (scopri qui che differenza c’è), nato dall’ingegno di Nomic AI, un team di sviluppatori statunitense. GPT4All ha l’obiettivo di democratizzare l’accesso all’intelligenza artificiale. Permette di sfruttare modelli linguistici basati su GPT-J e LLaMA, entrambi alla base di soluzioni IA avanzate: LLaMA è un modello linguistico sviluppato da Meta (quindi Facebook), mentre GPT-J si basa su GPT-2 di OpenAI (un po’ datato: 2019). Nonostante questi modelli possano sembrare un gradino sotto il modello ChatGPT di OpenAI basato su GPT-4, offrono un vantaggio unico: la privacy. Con GPT4All, i dati e le query (prompt) vengono gestiti localmente sul tuo PC (bastano dai 4 agli 8 Gb di RAM per funzionare!), evitando server esterni e la condivisione di informazioni con terzi.
Sei interessato all’installazione di GPT4All sul tuo PC?
Prima di tutto, visita il sito ufficiale del progetto, gpt4all.io e fai clic su “Scarica client di chat desktop” e seleziona “Windows Installer -> Windows Installer” per avviare il download. Ci sono anche versioni per macOS e Ubuntu.
Segui le istruzioni della procedura guidata per completare l’installazione. Niente di troppo complicato.
Dopo l’installazione, potrai avviare GPT4All dal collegamento sul tuo desktop. Ricorda, dovrai scaricare alcuni modelli linguistici prima di iniziare a utilizzare l’applicazione. Ti consiglio di scaricare il modello “gpt4all-j-v1.3-groovy”, anche se pesa alcuni Gb: attualmente è il migliore tra quelli disponibili. Puoi anche sperimentare con il modello LLaMA 13b addestrato da Nomic AI (quelli che hanno creato GPT4All), ma puoi sempre farlo in un secondo momento.
Una volta scaricati i modelli linguistici, devi inserire le API di OpenAI e potrai iniziare a chattare con l’IA selezionando il modello desiderato dal menu a tendina. La lunghezza massima di una risposta è 4.096 token, circa 3.000 parole. Se una risposta non ti convince, puoi chiedere all’IA di generarne una nuova cliccando su “Rigenera la risposta”.
GPT4All offre la possibilità di chattare in diverse lingue, ma per ottenere risultati ottimali ti consiglio di usare l’inglese. Nonostante possa sembrare meno potente rispetto a ChatGPT, GPT4All permette di scaricare diversi modelli linguistici, ed è solo questione di tempo prima che vengano rese disponibili versioni più potenti.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/05/installare_AI_generativa_compter_locale_GPT4All.png480853Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-05-23 18:29:442025-12-12 17:51:10Come installare un’AI generativa sul proprio PC [guida a GPT4all]
Da un paio d’anni sono titolare della cattedra di Digital Marketing del biennio specialistico dell’Università SantaGiulia di Brescia. Nell’ultimo corso ho fatto una testa così ai miei studenti affinché usassero il più possibile ChatGPT durante le esercitazioni in classe. Poi ho pensato: ma il chatbot passerebbe il mio esame orale? Allora l’ho interrogato, facendo domande basilari e non quelle per la lode. Ecco come è andata, che voto ha preso.
Il prompt che ho usato
L’interrogazione dell’oracolo AI avviene tramite i cosiddetti prompt (qui trovi un articolo su come si creano i prompt con il mio metodo G.O.L.). Ecco quello che ho usato io con ChatGPT Plus versione GPT4, che altrove, dicono, ha passato esami ben più impegnativi del mio:
Agisci come uno studente universitario di digital marketing che sta sostenendo un esame orale. Rispondi alla mia domanda in modo preciso e conciso, con al massimo 100 parole, usando anche esempi. La domanda è:[DOMANDA]
Nota importante: ho usato la versione GPT4 di ChatGPT (disponibile per gli utenti di ChatGPT Plus).
Domanda 1: che differenza c’è tra marketing e comunicazione?
Risposta di ChatGPT: Il marketing è un approccio strategico per promuovere prodotti o servizi con l’obiettivo di generare vendite. Ad esempio, una campagna di marketing può includere l’analisi del mercato, la pianificazione del prezzo, e la distribuzione. La comunicazione, invece, è un sottoinsieme del marketing che si concentra sull’invio di messaggi ai clienti attraverso vari canali, come la pubblicità o i social media. Per esempio, la creazione di un post su Instagram per promuovere un nuovo prodotto è un’attività di comunicazione all’interno di una campagna di marketing più ampia.
Mio commento: risposta corretta, all’esame chiederei di fare degli esempi di marketing più ficcanti. Qui un approfondimento sulla differenza tra marketing e comunicazione.
Domanda 2: che differenza c’è tra social network e social media?
Risposta di ChatGP: I social network sono piattaforme online che connettono le persone, come Facebook o LinkedIn, permettendo la condivisione di contenuti e la creazione di relazioni. I social media, invece, sono un concetto più ampio che include i social network, ma anche altre forme di media sociali come blog, forum e siti di condivisione di video, come YouTube. Un esempio di questa differenza può essere visto confrontando Facebook (un social network) con WordPress (un media sociale, ma non un social network).
Mio commento: risposta tutto sommato corretta anche se non brillantissima. Non mi fa impazzire, sinceramente. Per esempio sottolineerei che social come Facebook e LinkedIn siano anche social media. Calzante invece l’esempio di WordPress. Ho parlato di questo tema qui:
Domanda 3: che cosa sono le buyer personas?
Risposta di ChatGP: Le buyer personas sono profili dettagliati e semi-fittizi dei clienti ideali di un’azienda. Essi descrivono caratteristiche demografiche, comportamenti, necessità e motivazioni. Ad esempio, “Claudia, 35 anni, manager IT, amante della tecnologia, cerca soluzioni di sicurezza informatica per proteggere i dati aziendali”. Utilizzare le buyer personas aiuta a personalizzare e orientare le strategie di marketing verso gruppi target specifici, migliorando l’efficacia delle campagne.
Mio commento: Nulla da obiettare, risposta corretta e buon esempio che dimostra come le buyer personas vadano oltre i dati socio-demografici. Qui racconto come usare ChatGPT per costruire le buyer personas:
Domanda 4: fammi tre esempi di strumenti digitali che possono aiutare a costruire un piano editoriale.
Risposta di ChatGP:
Trello: un’applicazione di project management che permette di organizzare e pianificare contenuti attraverso “tavole”. Per esempio, si può creare una tavola per ogni mese con le relative attività.
Google Trends: uno strumento che mostra le tendenze di ricerca su Google, utile per identificare argomenti di tendenza e ottimizzare il piano editoriale.
SEMrush: una piattaforma per l’analisi dei dati SEO, che consente di trovare parole chiave efficaci per il contenuto da pianificare. Ad esempio, può aiutare a scoprire quali termini stanno attirando traffico nel tuo settore.
Mio commento: Avrei preferito un minimo di introduzione ma la scelta degli strumenti è molto interessante. In modo particolare, a lezione, parliamo molto di Google Trends:
Domanda 5: crea un funnel, a partire da un lead magnet, per vendere delle consulenze di cybersecurity
Risposta di ChatGP: Il lead magnet potrebbe essere un report gratuito sulle ultime minacce alla sicurezza informatica. Attraverso i social media e il SEO, si attirano visitatori al sito, dove si offre il report in cambio della loro email. Questo genera lead. La serie di email di follow-up fornisce ulteriori consigli sulla sicurezza informatica, costruendo fiducia e posizionando l’azienda come esperta nel campo. L’ultima email offre una consulenza sulla sicurezza informatica. Ad esempio, un’analisi personalizzata delle vulnerabilità della loro rete.
Mio commento: esempio davvero calzante. Se ne trovano moltissimi in Rete. Per esempio nel caso di Seqrite, per scaricare il report sulle ultime minacce informatiche occorre dare i propri dati.
Domanda 6: che cosa intende Kotler per “marketing 4.0”?
Risposta di ChatGP: Marketing 4.0, come definito da Philip Kotler, è un approccio che integra il marketing tradizionale con il digitale. Pone l’enfasi sulla digitalizzazione e l’interazione con i clienti attraverso vari canali online. Include l’uso di social media, SEO, content marketing, e molto altro. Un esempio è l’utilizzo di Facebook per interagire direttamente con i clienti, offrendo risposte immediate e personalizzate alle loro domande.
Mio commento: La risposta è corretta ma insoddisfacente, avrei apprezzato un cenno al perché con i conti siamo arrivati a “4.0” (per la cronaca 1.0 è incentrato sul prodotto, 2.0 è orientato al consumatore, con un focus sulla differenziazione del prodotto e sulla segmentazione del mercato, 3.0 si basa sui valori). A margine, ho caricato il testo “Marketing 4.0” di Kotler (che uso come testo d’esame) su AskyourPDF e questa è la risposta dedotta direttamente dal libro:
Domanda 7: come potrebbe un bar sfruttare il digital storytelling?
Risposta di ChatGP: Un bar può utilizzare il digital storytelling attraverso i social media, creando contenuti che raccontano la storia del bar, i suoi cocktail unici o eventi speciali. Ad esempio, un post di Instagram potrebbe mostrare un barista che crea un cocktail con una descrizione dettagliata dei suoi ingredienti e della sua storia. Questa strategia può aiutare a coinvolgere i clienti, creare un senso di comunità e aumentare la visibilità online del bar.
Mio commento: Risposta tutto sommato corretta ma non entusiasmante. Anzi, debolissima. Ho chiesto quindi a ChatGPT di essere più creativo e convincente. Ecco la seconda risposta: Il bar potrebbe sfruttare il digital storytelling creando una “Serie di Cocktail Leggendari”. Ogni settimana, potrebbe essere rilasciata una storia su Instagram o un video su YouTube che racconta la leggenda di un cocktail specifico. Ad esempio, il cocktail potrebbe essere legato a un evento storico o a una celebrità. Questo crea anticipazione e coinvolge i clienti, invitandoli a provare il “cocktail della settimana”. Inoltre, i clienti potrebbero essere incoraggiati a condividere le loro storie con il cocktail, creando così contenuti user-generated.
Mio commento: decisamente meglio! Un ottimo esempio di digital storytelling su YouTube in questo settore è di StarBucks:
Domanda 8: che differenza c’è tra up-selling e cross-selling?
Risposta di ChatGP: L’up-selling incentiva il cliente a comprare una versione più costosa o superiore del prodotto già considerato. Ad esempio, suggerire un laptop più avanzato quando un cliente sta guardando un modello base. Il cross-selling propone prodotti complementari all’acquisto principale. Ad esempio, offrire un mouse e una borsa per laptop al cliente che sta acquistando un laptop. Entrambe le strategie mirano ad aumentare il valore del carrello medio.
Mio commento: Corretto. Per esempio su Amazon, quando cerchi un laptop, in effetti ti mostra i modelli superiori e gli accessori:
Domanda 9: che cosa si intende per marketing automation e come useresti ChatGPT in quest’ottica?
Risposta di ChatGP: La marketing automation è l’uso di tecnologie per automatizzare e semplificare le attività di marketing, migliorando l’efficienza e il ROI. ChatGPT può essere utilizzato per automatizzare l’interazione con i clienti, rispondendo immediatamente alle domande frequenti, fornendo informazioni sui prodotti o guidando gli utenti attraverso il processo di acquisto, riducendo così il carico di lavoro del team di assistenza clienti e migliorando l’esperienza dell’utente.
Mio commento: La risposta è tutto sommato onesta, senza infamia né lode. Per un approfondimento su questo tema suggerisco di leggere questo libro di Vincenzo Cosenza:
Domanda 10: come si può applicare la SEO al profilo LinkedIn?
Risposta di ChatGP: La SEO su LinkedIn riguarda l’ottimizzazione del profilo per essere trovati facilmente. Questo può essere fatto utilizzando parole chiave rilevanti nel titolo del lavoro, nella sintesi e nelle descrizioni delle esperienze. Ad esempio, se sei un consulente di digital marketing, includi termini come “SEO”, “content marketing” o “strategia digitale” nel tuo profilo. Inoltre, raccogliere raccomandazioni e competenze può aumentare la visibilità, poiché LinkedIn priorizza i profili con interazioni elevate.
Mio commento: Nulla da eccepire. Qui un approfondimento:
Il voto finale
Tutto sommato ChatGPT ha passato l’esame con un buon 27.
Scrivimi per organizzare un evento o un corso
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/05/ChatGPT_esame_universitario_digital_marketing.png14402560Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-05-13 17:31:002025-12-12 17:51:10ChatGPT passerebbe il mio esame universitario sul digital marketing?
LinkedIn è il social professionale per eccellenza. Se usato come “social media”, per la diffusione dei contenuti, ha sempre rispettato gli orari lavorativi: chi pubblicava e chi leggeva difficilmente erano attivi la sera e nei weekend. È ancora così? Come ogni anno SproutSocial diffonde i dati dei suoi studi, ecco che cosa dice su LinkedIn: Best Times to Post on Social Media in 2023.
Gli orari di pubblicazione migliori
Martedì e Mercoledì, tra le 10:00 e le 12:00, sono considerati i momenti migliori per pubblicare su LinkedIn, in particolare l’indagine parla delle Company Page. A metà giornata, la piattaforma è vivace e le possibilità di coinvolgere il tuo pubblico sono al top.
I giorni migliori (e quelli peggiori) per postare
I giorni migliori per pubblicare su LinkedIn sono da Martedì a Giovedì. Al contrario, i fine settimana sono considerati i giorni peggiori per pubblicare: l’interazione cala significativamente poiché gli utenti sono meno attivi sulla piattaforma.
Ma vale ancora la pena pubblicare su LinkedIn?
La risposta è assolutamente sì. Anzi: a maggior ragione ora. Con oltre 900 milioni di membri in 200 paesi e regioni, LinkedIn è fondamentale per un’ampia gamma di scopi. Le aziende stanno (finalmente!) scoprendo nuovi modi per generare lead, trovare partner, parlare della cultura aziendale e attrarre talenti (employer branding). Data l’ampia gamma di opportunità di business offerte da LinkedIn, è logico che la pubblicazione e l’interazione coincidano con le ore lavorative.
Scrivimi per organizzare un corso sull’uso strategico di LinkedIn
Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/05/linkedin-momenti-postare.png14402560Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-05-12 15:33:242025-12-12 17:51:10LinkedIn: a che ora e in quali giorni postare?
Il 12 maggio 2023 sono stato invitato dal Giornale di Lecco e dall’associazione Libertà Protagonista a parlare di intelligenza artificiale e ChatGPT insieme ai compagni di viaggio Canzio Dusi e Paolo Dalprato (che ne ha scritto sul suo blog). In questa pagina trovi il video integrale dell’evento, oltre alle slide e ad alcuni articoli.
Il video integrale dell’evento di Lecco
L’evento, che ha visto la partecipazione di molti cittadini e rappresentanti delle istituzioni locali, è stato registrato. Qui trovi il video integrale, della durata di circa 75 minuti, dove Canzio, Paolo ed io ci passiamo la palla per parlare di intelligenza artificiale generativa, ChatGPT & friends, rischi e opportunità. Buona visione.
Le slide dell’evento
Abbiamo deciso di mettere a disposizione anche le slide usate durante l’evento:
In previsione dell’evento sull’intelligenza artificiale del 12 maggio 2023 a Lecco, sono stato intervistato dal Giornale di Lecco e dal quotidiano online PrimaMerate. Queste le mie risposte.
L’AI fa paura?
Secondo me dobbiamo attuare un approccio scevro da qualsiasi ideologia e chiederci “questa roba qui serve?” O è una cosa tipo metaverso? No, no, qui siamo davanti non solo a una “bella e divertente novità”, ma a uno strumento che la gente sta già usando. L’AI di chatGPT a breve sarà dentro Word, Excel o Power point, potrà fare una presentazione o scrivere poesie, come mi ha detto un signore 70enne durante un corso, che ha chiesto a chatGPT di scrivere una poesia per il compleanno della moglie! Le applicazioni pratiche sono innumerevoli e a portata di mano; state cercando lavoro? Date in pasto a chatGPT il vostro curriculum e l’annuncio di lavoro per cui vi candidate e chiedete di preparare una lettera di presentazione. Di recente ho tenuto un corso per bibliotecari e abbiamo provato a far creare un percorso di lettura a chatGPT sulla base dei gusti del lettore.
E cosa ne pensa delle accuse che l’AI ruberà il lavoro agli uomini?
Sarà che io sono ottimista di natura, ma ritengo che non è l’intelligenza artificiale a rubarti il lavoro, è un professionista che sa usare l’intelligenza artificiale che a rubarti il lavoro!
Gli articoli sul Giornale di Lecco
Questo il primo articolo sull’evento uscito sul Giornale di Lecco a fine aprile.
https://www.gianluigibonanomi.com/wp-content/uploads/2023/05/chatgpt_evento_lecco_video_bonanomi_dusi_dalprato.png7201280Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2023-05-11 10:32:582025-12-12 17:51:10“ChatGPT e intelligenza artificiale: strumenti a supporto dell’Umanità?”: il video dell’evento di Lecco del 12 maggio 2023
