ElevenLabs Reader: l’app AI che legge al posto tuo (e ti fa risparmiare ore ogni settimana)

,

Quante cose vorresti leggere, se solo avessi il tempo?

Ogni settimana mi ritrovo nella stessa situazione: decine di articoli salvati, PDF che promettono di insegnarmi qualcosa di nuovo, report aziendali, white paper, newsletter, eBook e documentazione tecnica.

Li apro, li sfoglio e poi li richiudo. Non perché non siano interessanti. Semplicemente perché il tempo non basta mai.

Negli ultimi mesi ho trovato una soluzione che ha cambiato il mio modo di aggiornarmi: non leggo più tutto, lo ascolto. L’app che uso quasi ogni giorno è ElevenLabs Reader, conosciuta anche come ElevenReader.

In pratica, ElevenLabs Reader è un’app per trasformare PDF, articoli, eBook e altri testi in audio con voci AI molto naturali. Non sostituisce la lettura attenta quando devo studiare dati, tabelle o passaggi complessi, ma mi permette di recuperare moltissimo tempo nei momenti in cui gli occhi sono occupati e le orecchie no.

Guarda il mio video dedicato a ElevenLabs Reader

Nel video che ho pubblicato sul mio canale YouTube mostro passo dopo passo come utilizzo Reader nel lavoro quotidiano.

Che cos’è ElevenLabs Reader

ElevenLabs Reader è un’applicazione di lettura vocale sviluppata da ElevenLabs, azienda specializzata in tecnologie di sintesi vocale basate sull’intelligenza artificiale.

L’obiettivo è semplice: trasformare un testo in un audio naturale. Puoi importare o condividere nell’app contenuti come:

  • PDF ed ePub;
  • pagine Web e articoli;
  • newsletter;
  • documenti di testo;
  • testo copiato e incollato;
  • immagini contenenti testo, quando la scansione è supportata.

Formati, funzioni, voci e condizioni economiche possono cambiare nel tempo: prima di scegliere l’app per un flusso di lavoro stabile conviene sempre verificare la pagina ufficiale e lo store del proprio dispositivo.

Perché è diversa dai vecchi sintetizzatori vocali

Di applicazioni text to speech ne esistono da anni. Il problema è sempre stato lo stesso: voci piatte, pause sbagliate, pronuncia innaturale ed emozione pari a quella di un navigatore satellitare del 2005.

Con ElevenLabs cambia la qualità percepita. La stessa tecnologia viene usata per doppiaggi AI, podcast, video, audiolibri e assistenti vocali. Il risultato è un ascolto più fluido e meno faticoso, soprattutto quando il testo è lungo.

La differenza non è soltanto estetica. Una voce credibile riduce la tentazione di interrompere l’ascolto dopo pochi minuti. È qui che un buon sintetizzatore vocale AI smette di essere una curiosità e diventa uno strumento di produttività.

Cosa può leggere ElevenLabs Reader?

Non è un’app limitata ai libri. Io la utilizzo soprattutto per materiale professionale: report, ricerche, documentazione Microsoft, studi accademici, PDF aziendali, newsletter sull’intelligenza artificiale, articoli molto lunghi e documentazione tecnica.

Quando ricevo un PDF di cinquanta pagine non penso più: «Quando troverò il tempo di leggerlo?». Penso: «Perfetto, lo ascolto mentre guido».

Naturalmente non tutti i documenti funzionano allo stesso modo. Un saggio discorsivo è perfetto per l’ascolto. Un bilancio pieno di tabelle, formule e note richiede invece di tornare sul testo originale.

Ogni articolo diventa un podcast personale

Questa, per me, è la vera rivoluzione. Ogni articolo può diventare una sorta di podcast personale, ascoltabile mentre sei in auto, cammini, corri, vai in palestra, cucini, sistemi casa o aspetti il treno.

Sono momenti che normalmente non useresti per leggere. Con Reader diventano tempo di aggiornamento. Non significa riempire ogni minuto libero di contenuti: significa scegliere meglio quando leggere con attenzione e quando ascoltare per orientarsi.

Le funzioni che utilizzo di più

1. Lettura dei PDF

È il caso d’uso più frequente: scarico un documento, lo importo nell’app e premo Play. Per ascoltare PDF con l’AI, il passaggio operativo è davvero minimo.

2. Articoli Web

Quando trovo un articolo interessante, lo condivido con Reader. L’app prova a isolare il contenuto principale della pagina e lo trasforma in audio, eliminando gran parte degli elementi di disturbo.

3. Velocità regolabile

Raramente ascolto a velocità normale. In genere uso 1,3x, 1,5x o 1,8x. Se il contenuto è semplice posso accelerare; con un testo tecnico torno alla velocità standard.

4. Sincronizzazione e ripresa dell’ascolto

Poter iniziare su un dispositivo e riprendere successivamente riduce l’attrito. La disponibilità concreta della sincronizzazione può dipendere dalla versione dell’app e dalla piattaforma utilizzata.

5. Scelta della voce

La voce non è un dettaglio. Per un testo narrativo preferisco un ritmo più caldo; per un report scelgo una voce nitida e regolare. La scelta giusta rende sostenibile anche un ascolto lungo.

15 esempi pratici per usare ElevenLabs Reader nel lavoro

  1. Report aziendali: ascoltare una prima lettura e segnare i passaggi da approfondire.
  2. White paper: capire struttura, tesi e conclusioni prima di aprire il documento sul computer.
  3. Ricerche di mercato: recuperare insight durante un viaggio o uno spostamento.
  4. Documentazione tecnica: familiarizzare con concetti e terminologia prima dello studio analitico.
  5. Articoli salvati: svuotare con criterio la lista “leggi dopo”.
  6. Newsletter: trasformare gli approfondimenti più lunghi in una rassegna audio personale.
  7. Bozze proprie: ascoltare un articolo o una presentazione per scoprire ripetizioni e frasi poco naturali.
  8. Documenti commerciali: riascoltare una proposta prima di inviarla.
  9. Materiali per un corso: ripassare dispense e appunti mentre ci si sposta.
  10. Normative e linee guida: fare una prima ricognizione, tornando poi sempre alla fonte scritta.
  11. Studi accademici: ascoltare abstract, introduzione e conclusioni per decidere cosa leggere integralmente.
  12. Libri in ePub: alternare lettura tradizionale e ascolto.
  13. Contenuti in lingua straniera: allenare comprensione e pronuncia quando sono disponibili lingua e voce adeguate.
  14. Preparazione di riunioni: rivedere rapidamente materiali ricevuti dai partecipanti.
  15. Controllo qualità: ascoltare il proprio testo è un ottimo modo per individuare refusi che gli occhi ormai saltano.

Come uso Reader durante i viaggi

Il mio flusso è molto semplice. Prima di partire seleziono pochi documenti davvero importanti, li importo e li ordino per priorità. Durante il viaggio ascolto con una velocità adatta al contenuto e annoto solo tre cose: idea chiave, dubbio e azione successiva.

Al ritorno non devo ricordare tutto. Mi basta riaprire i passaggi importanti e trasformare le note in attività, spunti per un corso o contenuti da approfondire.

ElevenLabs Reader o Speechify?

Speechify è uno dei nomi più conosciuti nel settore della lettura vocale e offre un ecosistema maturo. ElevenLabs Reader punta molto sulla naturalezza delle voci e sulla semplicità dell’esperienza di ascolto.

  • Scegli Reader se per te contano soprattutto qualità vocale, ascolto naturale e un’interfaccia essenziale.
  • Valuta Speechify se cerchi specifiche funzioni di produttività, integrazioni o un piano che risponde meglio al tuo flusso.

Prezzi e funzioni cambiano: il confronto migliore è importare lo stesso PDF in entrambe le app e ascoltarlo per dieci minuti.

ElevenLabs Reader o Gemini Notebook (ex NotebookLM)?

Il confronto con Gemini Notebook è interessante, ma i due strumenti non fanno la stessa cosa.

  • Reader legge il testo: è utile quando vuoi ascoltare il documento con continuità.
  • Gemini Notebook rielabora le fonti: consente di fare domande, ottenere sintesi e generare formati audio basati sui materiali caricati.

Io li vedo come complementari. Uso Reader quando voglio seguire davvero l’argomentazione dell’autore; uso Gemini Notebook quando devo esplorare più fonti, confrontarle o farmi guidare tra i concetti.

Punti di forza e limiti

I punti di forza

  • voci AI molto naturali;
  • trasformazione rapida di molti testi in audio;
  • velocità di ascolto regolabile;
  • utilità concreta per chi lavora con molte informazioni;
  • possibilità di alternare lettura e ascolto.

I limiti da conoscere

  • tabelle, formule, grafici e impaginazioni complesse non si prestano bene all’ascolto;
  • scansioni di bassa qualità possono produrre errori nel riconoscimento del testo;
  • nomi propri, sigle e termini tecnici possono essere pronunciati male;
  • ascoltare velocemente non significa aver compreso o ricordato;
  • documenti riservati richiedono attenzione a privacy, policy aziendali e condizioni del servizio;
  • copyright e diritti d’uso restano validi anche quando un testo viene trasformato in audio.

Privacy: cosa non caricherei senza una verifica

Prima di importare contratti, dati personali, documenti sanitari, informazioni sui clienti o materiali aziendali riservati, controllerei sempre termini del servizio, informativa privacy e regole interne dell’organizzazione.

La comodità non elimina la responsabilità. Se un documento non potrebbe essere inviato liberamente a un servizio esterno, non dovrebbe essere caricato in un’app AI senza autorizzazione.

Sette consigli per ascoltare meglio e ricordare di più

  1. Parti da contenuti discorsivi, non da documenti pieni di tabelle.
  2. Aumenta la velocità gradualmente.
  3. Usa una voce che non ti affatichi.
  4. Ascolta con uno scopo: orientarti, ripassare o approfondire.
  5. Segna i passaggi da rileggere, invece di tentare di memorizzare tutto.
  6. Non usare l’ascolto rapido per decisioni delicate.
  7. Alla fine, riassumi in tre righe ciò che hai imparato.

La mia recensione di ElevenLabs Reader

La mia valutazione è positiva perché ElevenLabs Reader risolve un problema concreto: la distanza tra tutto ciò che vorrei leggere e il tempo che ho davvero a disposizione.

Non è una macchina magica per imparare senza sforzo. È un buon ponte tra tempo morto e aggiornamento professionale. La qualità delle voci rende l’ascolto credibile; il metodo con cui scegli e rielabori i contenuti determina quanto ti resterà davvero.

Se lavori con report, articoli e documentazione, ti consiglio una prova semplice: importa un PDF che rimandi da settimane e ascoltane venti minuti durante una passeggiata. Capirai subito se questo modo di fruire i testi è adatto a te.

Domande frequenti su ElevenLabs Reader

ElevenLabs Reader è gratis?

L’app è stata proposta con accesso gratuito, ma piani, limiti e disponibilità possono cambiare. Conviene verificare le condizioni aggiornate sul sito ufficiale o nello store.

Posso ascoltare un PDF con ElevenLabs Reader?

Sì. La lettura dei PDF è uno degli usi principali. La resa è migliore con documenti testuali ben formattati; scansioni, tabelle e formule possono richiedere una verifica visiva.

ElevenReader e ElevenLabs Reader sono la stessa cosa?

ElevenReader è il nome con cui viene presentata l’esperienza di lettura di ElevenLabs. Nelle ricerche online le due espressioni vengono spesso usate per indicare la stessa app.

È migliore di Speechify?

Dipende dalle priorità. Reader si distingue per la naturalezza delle voci; Speechify può essere preferibile per determinate integrazioni o funzioni. Il test più utile è ascoltare lo stesso documento con entrambe.

È la stessa cosa di Gemini Notebook?

No. Reader legge un testo con una voce AI; Gemini Notebook analizza fonti, risponde a domande e può generare sintesi e contenuti audio. I due strumenti possono essere usati insieme.

Posso caricare documenti aziendali riservati?

Solo dopo aver verificato policy aziendali, privacy e condizioni del servizio. Per dati personali o confidenziali serve un’autorizzazione esplicita e una valutazione del rischio.

Se vuoi approfondire altri strumenti per lavorare meglio con documenti e fonti, puoi leggere anche la mia guida al corso Gemini Notebook per aziende e professionisti e le risorse dedicate ai corsi sull’intelligenza artificiale.

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.

Inviaci email

/0 Commenti/da

Formatore per un corso AI su Gemini Notebook (ex NotebookLM): come sceglierlo (senza farti abbagliare dalle demo)

,

Qualche mese fa, alla fine di un corso in azienda, un responsabile HR mi ha confessato una cosa. L’anno prima aveva ingaggiato un “esperto di intelligenza artificiale” per una giornata di formazione. Risultato: quattro ore di slide sull’AI che cambierà il mondo, zero minuti di “mani in pasta”. I dipendenti erano usciti dall’aula entusiasti. Ma il lunedì dopo lavoravano esattamente come prima.

Ecco il problema: oggi tutti si dichiarano formatori AI. Pochi sanno trasformare uno strumento come Gemini Notebook (ex NotebookLM) (l’assistente di Google che lavora sulle tue fonti, non su tutta Internet) in un cambio di passo concreto per chi lavora con documenti, report, normative e procedure.

In questo articolo ti spiego cosa deve sapere davvero un formatore per un corso AI su Gemini Notebook, quali domande fargli prima di firmare il preventivo e quali segnali d’allarme non ignorare.

Perché Gemini Notebook merita un corso dedicato (e non una slide dentro il corso ChatGPT)

Andiamo sul concreto. Gemini Notebook non è “un altro chatbot”. È uno strumento che risponde solo sulla base delle fonti che carichi: PDF, pagine web, Google Docs, video YouTube, audio. E cita i passaggi da cui prende le risposte.

Questo cambia tutto per tre categorie di persone:

  • Chi lavora con documenti lunghi o numerosi: contratti, capitolati, normative, manuali tecnici. Gemini Notebook permette di interrogarli, confrontarli e trovare contraddizioni.
  • Chi fa formazione interna: da dispense e procedure si generano FAQ, quiz, mappe mentali, podcast (le Audio Overview) e video riassuntivi.
  • Chi gestisce conoscenza aziendale: il famoso knowledge management, che tradotto significa “smettere di cercare le informazioni chiedendo al collega più anziano”.

Ma proprio perché Gemini Notebook funziona in modo diverso da ChatGPT, un corso che lo tratta come “l’ennesimo chatbot” fallisce in partenza. Serve un formatore che conosca la logica delle fonti, i limiti dello strumento e i casi d’uso reali.

Le 5 cose che un formatore Gemini Notebook deve saper fare

Facciamo un elenco operativo. Quando valuti un formatore per un corso AI su Gemini Notebook, verifica che sappia:

  1. Spiegare quando NON usare Gemini Notebook. Sembra un paradosso, ma è il test più affidabile. Se il formatore ti dice che Gemini Notebook va bene per tutto, scappa. Un professionista serio ti spiega quando conviene ChatGPT, quando Gemini, quando Copilot e quando Gemini Notebook (ne parlo nella pagina del corso Gemini Notebook per aziende e professionisti).
  2. Lavorare sui documenti dei partecipanti, non solo sui suoi. Le demo preconfezionate funzionano sempre (per definizione). La differenza la fa il laboratorio su materiali veri: procedure interne, report pubblici, brochure, dispense.
  3. Trattare il tema sicurezza senza terrorismi e senza superficialità. Dati sensibili, copyright, privacy, policy aziendali: se il formatore liquida il tema in due minuti, sta preparando un problema al tuo ufficio legale.
  4. Insegnare un metodo, non una lista di trucchetti. I “10 prompt magici” invecchiano in tre mesi. Un metodo per organizzare notebook, scegliere le fonti e verificare le risposte resta.
  5. Portare esperienza d’aula vera. Un conto è conoscere lo strumento, un altro è saper gestire un’aula mista: il collega entusiasta, quello scettico, quello che “tanto l’AI ci ruberà il lavoro”.

Le domande da fare al formatore prima di ingaggiarlo

Ecco la cassetta degli attrezzi per la selezione. Prima di firmare, fai queste domande:

  • “Che casi d’uso hai visto funzionare nel mio settore?” Le risposte generiche (“l’AI aiuta la produttività”) valgono zero. Le risposte concrete (“con uno studio legale abbiamo costruito notebook per confrontare capitolati”) valgono oro.
  • “Come gestisci le esercitazioni pratiche?” Se la risposta è “mostro io degli esempi”, non è un corso: è una conferenza. Legittima, ma diversa (e infatti costa meno).
  • “Cosa resta all’azienda dopo il corso?” Template di prompt, checklist, linee guida interne, un piano di sperimentazione. Se resta solo il PDF delle slide, il corso evapora in una settimana.
  • “Gemini Notebook sbaglia?” Domanda trabocchetto. Sì, sbaglia: meno di un chatbot generico, perché lavora sulle fonti, ma sbaglia. Un formatore che promette lo strumento infallibile non ha capito lo strumento.
  • “Chi sei, al di là del corso?” Pubblicazioni, docenze, interventi pubblici, articoli. La reputazione verificabile è il miglior antidoto contro gli esperti dell’ultima ora.

I segnali d’allarme (imparati sulla mia pelle, anzi su quella dei clienti)

Dopo anni di formazione sul digitale — prima come giornalista hi-tech, poi come formatore (la riconversione più fortunata della mia vita, anche se all’epoca non sembrava) — ho visto tutti gli errori possibili. I tre più frequenti:

  • Il corso fotocopia. Stesso programma per la banca, il comune e l’azienda metalmeccanica. Gemini Notebook dà il meglio proprio quando il corso è costruito sui documenti e sui processi di chi partecipa.
  • L’effetto wow senza il giorno dopo. Audio Overview e video generati strappano sempre l’applauso. Ma se il corso finisce lì, hai pagato per uno spettacolo di magia. Il valore sta nel workflow: come integrare Gemini Notebook nel lavoro di ogni giorno.
  • Il formatore monotematico. Gemini Notebook non vive da solo: convive con ChatGPT, Gemini, Copilot e gli strumenti che l’azienda già usa. Chi conosce solo Gemini Notebook ti costruisce una cattedrale nel deserto. Per questo ha senso valutare anche percorsi integrati, come un corso ChatGPT o un corso di prompt engineering.

Come lavoro io su Gemini Notebook

Trasparenza: questo articolo lo firmo io, quindi te lo dico senza girarci intorno. Mi occupo di formazione sull’AI generativa per aziende, enti e scuole; insegno Net marketing (AI & Business Communication) all’Accademia SantaGiulia di Brescia e ho scritto diversi libri sul digitale (qui trovi la mia biografia completa). Il mio corso su Gemini Notebook esiste in due formati — una giornata da 6 ore o due giornate da 12 ore totali — sempre con laboratorio su casi reali e materiali che restano all’azienda.

Ma il punto di questo articolo non è “scegli me”. È: scegli con criterio. Anche se poi chiami qualcun altro, fagli le domande qui sopra. Ne guadagnerai comunque.

FAQ sul formatore per corsi AI Gemini Notebook

Quanto dura un corso Gemini Notebook in azienda?

Il formato tipico va da mezza giornata introduttiva a due giornate complete. Sotto le 4 ore si riesce a fare solo una panoramica; il laboratorio pratico richiede almeno una giornata intera.

Il formatore deve conoscere il nostro settore?

Non necessariamente in profondità, ma deve saper adattare esempi ed esercitazioni ai vostri documenti e processi. Diffida di chi propone lo stesso programma a tutti.

Meglio un corso solo su Gemini Notebook o un corso AI generale?

Dipende dal punto di partenza. Se il team non ha mai usato l’AI generativa, meglio partire da un corso introduttivo. Se già usa ChatGPT o Copilot, un corso verticale su Gemini Notebook è il passo successivo naturale.

Il corso può essere svolto online?

Sì. Online, in presenza o in modalità mista. Per i laboratori online conviene definire prima account Google abilitati e materiali di lavoro.

Quanto costa un formatore per un corso Gemini Notebook?

Le variabili sono: durata, numero di partecipanti, personalizzazione sui materiali aziendali e trasferta. Chiedi sempre un preventivo dettagliato che espliciti cosa resta all’azienda dopo il corso.

Vuoi organizzare un corso Gemini Notebook?

Se cerchi un formatore per un corso AI su Gemini Notebook — in azienda, online o in presenza — scrivimi indicando numero di partecipanti, livello di partenza e obiettivi. Ti rispondo con una proposta costruita sui vostri documenti e processi, non con un programma fotocopia.

E se prima vuoi vedere come lavoro: nella pagina del corso Gemini Notebook trovi programma completo, video e FAQ.

/0 Commenti/da

Come recuperare 10 ore alla settimana con l’AI: 10 esempi pratici

,

L’AI ci toglierà il lavoro, ci renderà tutti stupidi, bla bla bla. A me interessa soprattutto una cosa: quante ore mi fa recuperare davvero?

Nel video qui sotto ho fatto proprio questo esperimento: una settimana di lavoro, conti alla mano, usando strumenti di AI per email, documenti, articoli, social, immagini, ricerche, slide, riunioni e traduzioni. Il risultato dichiarato è prudente: 10 ore risparmiate in una settimana. In molti casi, probabilmente, sono di più.

Il punto non è usare l’AI per fare scena. Il punto è individuare quelle attività ripetitive, lunghe, poco creative o piene di attrito che consumano energia mentale: scrivere una risposta, compilare un modulo, trasformare una ricerca in tabella, preparare una bozza di contenuto, riassumere una riunione.

Come si recuperano 10 ore alla settimana con l’AI?

Si recuperano 10 ore alla settimana con l’AI quando la si usa su compiti concreti e ricorrenti: email, moduli, preventivi, articoli, post social, grafiche, ricerche online, presentazioni, riunioni e traduzioni. Non basta aprire un chatbot e chiedere “fammi risparmiare tempo”: bisogna dare contesto, obiettivo, vincoli, formato di output e controllo umano finale. L’AI accelera soprattutto il primo 70% del lavoro; l’ultimo 30%, quello del giudizio, resta nostro.

Perché parlarne adesso

Dal 30 novembre 2022, data simbolica dell’arrivo pubblico di ChatGPT, il discorso sull’AI è passato dalla paura generale alla produttività quotidiana. Prima: “perderemo tutti il lavoro?”. Oggi: “posso evitare mezz’ora di copia-incolla?”. Meno cinematografico, molto più utile.

Anche i report internazionali vanno in questa direzione. McKinsey stima che la generative AI possa aggiungere fino a 4,4 trilioni di dollari all’anno all’economia globale nei casi d’uso analizzati. Nel rapporto The State of AI, però, emerge anche l’altro lato: per ottenere valore servono processi, validazione umana e adozione reale, non solo entusiasmo.

Tradotto per chi lavora: l’AI non è una bacchetta magica. È un moltiplicatore di metodo.

1. Email: un’ora recuperata partendo da Gmail

Il primo esempio è il più quotidiano: le email. Non quelle poetiche, naturalmente. Quelle che arrivano mentre stai facendo altro, chiedono una risposta sensata e ti costringono a rileggere tutta la conversazione.

Nel video uso Gemini in Gmail: leggo una mail, chiedo una risposta contestuale e aggiungo tre domande da fare all’amministratore di condominio. Google spiega che Gemini può riassumere email, aiutare a scrivere risposte e cercare informazioni nella posta o nei file Drive collegati.

Il guadagno non è solo la bozza. È il fatto che l’assistente legge il contesto, propone una struttura, riduce il tempo di partenza. Poi la risposta va personalizzata, perché una mail deve ancora sembrare scritta da una persona viva, non da un distributore automatico di cortesia.

Stima prudente: 1 ora alla settimana.

2. Moduli e scartoffie: due ore in meno tra PDF e burocrazia

Secondo esempio: moduli, PDF, dichiarazioni, richieste, campi da compilare. Le chiamo scartoffie con affetto istituzionale. Chi lavora con pubblica amministrazione, bandi, iscrizioni, fornitori o documenti tecnici sa di che cosa parlo.

Qui entra in gioco un agente capace di usare il computer, leggere un modulo e compilare campi. Anthropic documenta il computer use tool di Claude, cioè la possibilità di dare a Claude screenshot, mouse e tastiera in un ambiente controllato. OpenAI aveva introdotto una logica simile con Operator, pensato per attività ripetitive nel browser come compilare form.

Il punto non è delegare documenti delicati alla cieca. Il punto è far fare all’AI il lavoro meccanico: leggere, ricopiare, precompilare, ordinare. Alla fine si controlla tutto.

Stima prudente: 2 ore alla settimana.

3. Preventivi e confronto documenti: Gemini Notebook (ex NotebookLM) come tavolo di lavoro

Terzo caso: leggere più documenti e trasformarli in una tabella. Per esempio tre preventivi, tre offerte, tre regolamenti, tre documenti tecnici. A mano significa aprire file, confrontare voci, prezzi, condizioni, esclusioni, scadenze.

Con Gemini Notebook si possono caricare fonti e interrogarle. La pagina di supporto Google segnala che un account standard può arrivare a 100 notebook, 50 fonti per notebook e 500.000 parole per fonte; in ambito Enterprise i limiti salgono, secondo la documentazione Google Cloud, fino a 300 fonti per notebook.

In pratica: carichi i documenti, chiedi una tabella con criteri chiari, fai emergere differenze e punti oscuri. Non è sostitutivo della lettura critica. È un ottimo modo per evitare di perdersi nei dettagli sbagliati.

Stima prudente: inclusa nelle 2 ore dei documenti, spesso molto di più.

4. Articoli WordPress: da idea a bozza SEO

Quarto esempio: scrivere un articolo per il sito. Nel video mostro un flusso in cui un agente apre WordPress, crea il titolo, passa alla modalità codice, scrive l’HTML, compila metatag, tag, meta description e prepara l’ottimizzazione.

Questo non significa pubblicare qualunque cosa l’AI generi. Significa partire da un semilavorato avanzato. La differenza è enorme: invece di fissare una pagina bianca, controlli una bozza già strutturata.

Per un blog professionale, il flusso corretto è questo:

  1. definire intento di ricerca e keyword principale;
  2. costruire una scaletta con H2 e H3;
  3. scrivere una risposta breve per AI Overview e motori generativi;
  4. aggiungere esempi concreti;
  5. inserire link interni ed esterni autorevoli;
  6. controllare tono, fonti, accenti, SEO e leggibilità;
  7. pubblicare solo dopo revisione umana.

Su questo sito trovi anche risorse collegate come il corso di prompt engineering e la guida su Shadow AI in azienda.

Stima prudente: 2 ore alla settimana.

5. Social network: post LinkedIn e programmazione

Quinto esempio: trasformare un articolo in un post LinkedIn. L’AI legge il sito, capisce il tema, produce un post, aggiunge link e hashtag, poi può arrivare a programmare la pubblicazione.

Qui serve prudenza doppia. Primo: il post deve avere una voce riconoscibile, non sembrare una minestra motivazionale. Secondo: quando si parla di dati, privacy, aziende o persone, non si pubblica nulla senza rilettura.

Un prompt utile potrebbe essere:

Trasforma questo articolo in un post LinkedIn.
Pubblico: professionisti e formatori.
Tono: concreto, divulgativo, non enfatico.
Struttura:
- apertura con problema pratico;
- 3 punti chiave;
- rischio da evitare;
- invito a leggere l'articolo.
Mantieni il link finale e proponi 5 hashtag pertinenti.

Stima prudente: 1 ora alla settimana.

6. Grafica: immagini, miniature e materiali visuali

Sesto esempio: grafica. Miniature YouTube, immagini per il blog, visual per LinkedIn, locandine, illustrazioni, concept. Nel video cito strumenti di generazione immagini come ChatGPT e Gemini; in molti flussi si possono usare anche Canva e altri editor visuali.

Canva AI Image Generator, per esempio, permette di generare immagini da prompt testuali. Non basta scrivere “fammi una bella immagine”: bisogna indicare formato, soggetto, stile, contesto, uso finale, elementi da evitare e spazio per il testo.

La grafica generata va trattata come bozza visuale. Spesso serve ritagliare, correggere, impaginare, controllare mani, testi, loghi, diritti e coerenza con il brand. Però partire da zero non è più obbligatorio.

Stima prudente: 1 ora alla settimana.

7. Ricerche online e lead generation: attenzione al GDPR

Settimo esempio: ricerche online. Nel video faccio il caso di un’azienda B2B che vuole trovare studi professionali in una provincia, raccogliere dati e creare un file Excel. La modalità agentica di ChatGPT o browser AI come Perplexity Comet possono navigare, cercare, sintetizzare, organizzare.

Qui però entra un grande asterisco: non tutto ciò che si trova online può essere usato liberamente per attività commerciali. Se raccogli email e dati personali per campagne, bisogna rispettare privacy, basi giuridiche, informativa, consenso quando necessario e regole del GDPR.

Quindi sì: l’AI è utile per ricerca, mappatura, confronto fonti, creazione tabelle. No: non è un lasciapassare per lo spam.

Stima prudente: 30 minuti alla settimana.

8. Slide: da scaletta a presentazione

Ottavo esempio: slide. C’è chi ama farle e chi preferirebbe discutere con una stampante inceppata. Gli strumenti AI per presentazioni stanno diventando molto interessanti perché non generano solo testo, ma anche struttura, immagini, layout, storytelling.

Nel video cito Genspark AI Presentation Maker, che dichiara la possibilità di trasformare un tema o documenti caricati in slide esportabili in PowerPoint, PDF o Google Slides. Un’alternativa nota è Gamma, che genera presentazioni, documenti e pagine visuali.

Il prompt migliore non è “fammi una presentazione sull’AI”. È:

Prepara una presentazione di 20 minuti per imprenditori.
Obiettivo: capire 5 usi pratici dell'AI e 3 rischi.
Stile: chiaro, professionale, poco testo per slide.
Output: 12 slide, con titolo, messaggio chiave, esempio e nota relatore.

Stima prudente: 1 ora alla settimana.

9. Riunioni: trascrizioni, sintesi e decisioni

Nono esempio: riunioni. Uno degli sprechi più grandi non è partecipare alla riunione. È uscire senza sapere chi deve fare cosa, entro quando, con quali decisioni prese.

Strumenti come MeetGeek e Otter.ai registrano, trascrivono e sintetizzano meeting, evidenziando note, decisioni e action item. MeetGeek parla di registrazioni, trascrizioni e note automatiche; Otter si presenta come meeting agent per trascrizioni, insight e follow-up.

Attenzione: prima di registrare o far partecipare un bot a una riunione, bisogna considerare consenso, policy aziendali e riservatezza. Non è solo una questione tecnica. È una questione di fiducia.

Stima prudente: 1 ora alla settimana.

10. Traduzioni e documenti multilingua

Decimo esempio: traduzioni. Email in inglese, proposte da aziende internazionali, documenti tecnici, paper, allegati, trascrizioni. Qui l’AI non serve solo a tradurre parola per parola, ma a capire il senso, semplificare, adattare tono e produrre una risposta nella lingua corretta.

Gemini Notebook è particolarmente utile quando devi lavorare su tanti documenti in lingua diversa: carichi fonti, chiedi sintesi in italiano, poi fai domande mirate. Il vantaggio è che non stai solo traducendo: stai interrogando un dossier.

Per le email, invece, il flusso più pratico resta: bozza in italiano, traduzione in inglese, rilettura, invio. Anche qui la responsabilità finale non si delega.

Stima prudente: 30 minuti alla settimana.

La tabella delle 10 ore recuperate

Attività Strumento citato Tempo stimato Controllo umano necessario
Email Gemini in Gmail 1 ora Tono, contenuto, destinatario
Moduli e PDF Claude / agenti browser 2 ore Dati inseriti, allegati, firme
Preventivi e documenti Gemini Notebook incluso nei documenti Prezzi, clausole, fonti
Articoli WordPress ChatGPT agent / Codex / workflow AI 2 ore Fonti, stile, SEO, pubblicazione
Social network AI agent e LinkedIn 1 ora Voce personale, link, policy
Grafica ChatGPT, Gemini, Canva 1 ora Brand, testi, diritti
Ricerche online ChatGPT agent, Comet 30 minuti Privacy, fonti, GDPR
Slide Genspark, Gamma 1 ora Struttura, accuratezza, design
Riunioni MeetGeek, Otter 1 ora Consenso, action item, decisioni
Traduzioni Gemini Notebook, Gemini, ChatGPT 30 minuti Senso, tono, termini tecnici

Il vero metodo: non chiedere magie, progetta flussi

La differenza tra chi perde tempo con l’AI e chi lo recupera sta quasi sempre nel metodo.

Un buon flusso AI ha cinque elementi:

  • contesto: che cosa sto facendo e per chi;
  • obiettivo: quale risultato voglio ottenere;
  • vincoli: tono, lunghezza, formato, dati da non inventare;
  • output: tabella, bozza, elenco, HTML, slide, action item;
  • controllo: rilettura, verifica fonti, correzione finale.

La frase più pericolosa è: “tanto ci pensa l’AI”. La frase più utile è: “faccio fare all’AI la prima versione, poi controllo io”.

I rischi da evitare

Se portiamo l’AI dentro il lavoro quotidiano, dobbiamo anche portarci dietro qualche regola adulta.

  • Privacy: non caricare documenti riservati, dati personali, dati sanitari o informazioni aziendali sensibili senza policy.
  • Allucinazioni: l’AI può inventare dettagli plausibili. Chiedi fonti e verifica.
  • Copyright: attenzione a immagini, testi, materiali protetti e riuso di contenuti.
  • Compliance: lead generation, registrazioni e automazioni devono rispettare norme e consensi.
  • Dipendenza: se non sai più fare il lavoro senza AI, non hai guadagnato tempo: hai perso competenza.

Per aziende e scuole, il tema non è vietare tutto. È costruire regole comprensibili. Ne parlo anche nelle attività su AI e scuola e negli speech sull’intelligenza artificiale per aziende.

Da dove iniziare questa settimana

Il modo migliore per iniziare non è automatizzare tutto. È scegliere tre attività piccole.

  1. Una mail lunga da riassumere e trasformare in risposta.
  2. Un documento da convertire in tabella.
  3. Una riunione da sintetizzare in decisioni e cose da fare.

Misura il tempo prima e dopo. Non fidarti delle sensazioni. Dopo una settimana avrai il tuo numero. Magari non saranno 10 ore. Magari saranno 3. Magari 15. Ma saranno ore recuperate su attività che non meritavano tutta quella fatica.

Strumenti citati nel video e nell’articolo

FAQ

È realistico recuperare 10 ore alla settimana con l’AI?

Sì, se lavori spesso con email, documenti, riunioni, contenuti, presentazioni e ricerche. La cifra dipende dal tipo di lavoro, dal volume di attività ripetitive e dalla capacità di costruire flussi controllati.

Qual è il primo uso dell’AI da provare per risparmiare tempo?

Le email sono il punto più semplice: sintesi di thread lunghi, bozze di risposta, traduzioni e riscrittura del tono. Il risultato va sempre riletto prima dell’invio.

Posso usare l’AI per compilare documenti e moduli?

Sì, ma con supervisione. L’AI può leggere, precompilare e ordinare informazioni; l’utente deve verificare campi, dati personali, allegati, scadenze e firme.

Gli strumenti per riunioni sono sempre utilizzabili?

No. Prima di registrare, trascrivere o far entrare un bot in riunione servono consenso, rispetto delle policy aziendali e attenzione alla riservatezza.

L’AI può pubblicare articoli WordPress in autonomia?

Tecnicamente sì, tramite agenti e automazioni. Editorialmente no: un articolo va controllato per fonti, tono, SEO, link, accuratezza e responsabilità prima della pubblicazione.

Qual è il rischio principale?

Delegare giudizio e responsabilità. L’AI è ottima per bozze, sintesi, confronti e automazioni, ma non deve sostituire verifica, competenza professionale e attenzione ai dati.

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.

Inviaci email

/0 Commenti/da

L’AI diventerà una bolletta? Altman, l’enshittification di Doctorow e 10 modi per risparmiare

, , ,

Ci sono frasi che sembrano innocue e che invece raccontano un pezzo di futuro. Una l’ha pronunciata Sam Altman qualche settimana fa, sul palco del BlackRock U.S. Infrastructure Summit: l’intelligenza artificiale potrebbe diventare, letteralmente, come una bolletta, pagata a consumo e misurata da un contatore, proprio come luce e acqua.

Da formatore che lavora ogni giorno con aziende e manager sull’uso pratico dell’AI, questa dichiarazione mi ha fatto pensare subito a un concetto che uso spesso per spiegare come cambiano nel tempo le piattaforme digitali: l’enshittification descritta dallo scrittore Cory Doctorow. In questo articolo provo a mettere insieme i due fili: cosa ha detto davvero Altman, perché mi ricorda lo schema di Doctorow e, soprattutto, cosa puoi fare fin da ora per non ritrovarti tra qualche anno con una bolletta dell’intelligenza artificiale fuori controllo.

Perché l’AI potrebbe diventare una bolletta, secondo Altman

Al summit organizzato da BlackRock, l’amministratore delegato di OpenAI ha descritto un futuro in cui l’intelligenza artificiale “diventa una utility, come l’elettricità o l’acqua”, acquistata dagli utenti tramite un contatore che misura l’uso reale. Non un abbonamento piatto uguale per tutti, ma un consumo misurato e fatturato, esattamente come succede con le utenze domestiche.

Altman ha aggiunto un dettaglio interessante: l’obiettivo dichiarato è rendere l’intelligenza artificiale così economica da risultare, come si diceva un tempo per l’energia nucleare, “troppo economica per essere misurata”. Un’espressione storica dell’industria energetica che, per sua stessa ammissione, non si è mai avverata del tutto. Il parallelismo resta scomodo: se il modello di riferimento è quello delle utility energetiche, prima o poi qualcuno il contatore lo guarda, e qualcun altro decide quanto farlo girare.

Per arrivarci, secondo Altman, serve un aumento enorme della capacità di calcolo globale, che significa investimenti colossali in infrastrutture, data center ed energia. Non a caso anche la CFO di OpenAI, Sarah Friar, era intervenuta in passato sullo stesso tema, parlando di espansione dell’AI e riduzione dei costi possibile solo a fronte di investimenti massicci. E non a caso, proprio in queste settimane, OpenAI è finita al centro delle polemiche per l’accordo con il Pentagono, un altro segnale di quanto il perimetro di questa azienda si stia allargando ben oltre il chatbot che conosciamo.

Che cos’è l’enshittification di Cory Doctorow

Il termine, coniato dallo scrittore Cory Doctorow, descrive un ciclo di vita ricorrente delle piattaforme digitali. Nella prima fase la piattaforma è generosa con gli utenti: prezzi bassi o nulli, prodotto ottimo, per costruire una base ampia e fidelizzata. Nella seconda fase, consolidata la base utenti, la piattaforma inizia a favorire i clienti business, cioè inserzionisti, venditori terzi, partner commerciali, spesso a scapito dell’esperienza degli utenti originari. Nella terza fase, quando ormai cambiare fornitore è costoso o scomodo, la piattaforma stringe il cappio su tutti, utenti e business, per massimizzare il valore estratto a favore di azionisti e investitori.

Il meccanismo che rende possibile questo ciclo ha un nome preciso: lock-in, cioè l’insieme di costi, abitudini, integrazioni e dipendenze che rendono difficile andarsene anche quando il servizio peggiora. Più è alto il costo di uscita, più la piattaforma può permettersi di peggiorare senza perdere utenti.

Perché il modello “AI come una bolletta” mi ricorda l’enshittification

Non credo che Altman stia progettando deliberatamente un peggioramento futuro dei servizi AI. Credo però che la struttura economica descritta, prezzi bassi oggi per costruire adozione di massa, misurazione e fatturazione puntuale domani, abbia esattamente l’architettura in cui si sviluppa l’enshittification.

Oggi l’accesso a ChatGPT, Claude, Gemini e agli altri strumenti è relativamente economico, spesso gratuito nelle versioni base. Aziende e professionisti stanno integrando questi strumenti nei flussi di lavoro quotidiani, costruendo prompt, automazioni, interi processi che dipendono da un fornitore specifico. È esattamente la fase in cui, storicamente, le piattaforme sono più generose: quella in cui conquistano il mercato.

Il rischio, se il paradigma diventa davvero quello della utility a consumo, è che la seconda e la terza fase arrivino più rapidamente di quanto ci aspettiamo: prezzi legati al consumo reale, modelli migliori riservati a chi paga di più, funzionalità base progressivamente limitate, dipendenza aziendale ormai troppo radicata per cambiare fornitore senza costi enormi di riorganizzazione. Non è una previsione catastrofista: è lo schema che abbiamo già visto con i social network, i marketplace online e buona parte del software as a service.

10 dritte operative per risparmiare sull’uso dell’intelligenza artificiale

Che il modello a consumo si affermi o meno, ha senso iniziare fin da ora a usare l’AI in modo più consapevole, evitando sprechi e dipendenze eccessive da un solo fornitore. Ecco dieci indicazioni pratiche che uso anche nei miei percorsi di formazione con aziende e manager.

  1. Fai un audit degli abbonamenti attivi. Molte aziende pagano contemporaneamente licenze ChatGPT, Claude, Gemini, Copilot e strumenti verticali che fanno le stesse cose. Prima di tagliare, bisogna sapere davvero cosa si sta pagando.
  2. Scegli il modello giusto per il compito, non sempre il più potente. Per un riassunto o una bozza veloce non serve il modello più avanzato e costoso: i modelli più leggeri (per esempio flash in Gemini) costano una frazione e bastano per la maggior parte dei task quotidiani.
  3. Costruisci prompt precisi fin dal primo tentativo. Un prompt che richiede tre o quattro tentativi per arrivare al risultato consuma tre o quattro volte le risorse di uno scritto bene la prima volta.
  4. Evita di duplicare lo stesso lavoro su più strumenti. Confrontare la stessa richiesta su ChatGPT, Claude e Gemini “per vedere chi risponde meglio” ha senso in fase di test, non come abitudine quotidiana.
  5. Valuta le API a consumo per gli usi saltuari. Se il bisogno è discontinuo, un abbonamento flat mensile può costare più di un uso a consumo tramite API: vanno confrontati i due modelli sul volume reale di utilizzo.
  6. Automatizza i task ripetitivi invece di ripetere gli stessi prompt. Un flusso automatizzato, con un prompt testato e riutilizzabile, consuma meno risorse di decine di richieste manuali simili tra loro ogni giorno.
  7. Monitora i consumi con cadenza mensile. Quasi tutte le piattaforme AI offrono dashboard di utilizzo: controllarle una volta al mese permette di individuare subito reparti o persone che generano costi anomali.
  8. Valuta i piani team rispetto a licenze individuali sommate. Sopra una certa soglia di utenti, i piani business hanno spesso un costo per persona più basso delle licenze singole acquistate una per una.
  9. Non affidarti a un solo fornitore per i processi critici. Mantenere una minima flessibilità multi-vendor, anche solo conoscendo alternative valide, riduce il potere contrattuale che un singolo fornitore può esercitare quando alza i prezzi.
  10. Forma le persone, non solo gli strumenti. La maggior parte degli sprechi che vedo nelle aziende non dipende dal costo dello strumento, ma dall’uso inefficiente che se ne fa: un team formato su prompting e workflow ottiene di più spendendo meno.

Cosa fare da qui in avanti

La visione di Altman non è ancora una policy annunciata, è una direzione. Ma la direzione conta, perché anticipa il modo in cui le aziende dovrebbero iniziare a organizzarsi: monitorare i consumi, formare le persone, evitare dipendenze rigide da un solo fornitore, proprio come si fa con qualsiasi altra utenza aziendale importante. Il momento migliore per costruire queste abitudini è adesso, mentre l’accesso all’AI è ancora relativamente economico e flessibile.

Domande frequenti

Cos’è l’enshittification?

È un termine coniato da Cory Doctorow per descrivere il progressivo peggioramento delle piattaforme digitali nel tempo, quando passano dal favorire gli utenti al favorire i clienti business e infine gli azionisti, sfruttando il lock-in creato nelle fasi precedenti.

L’intelligenza artificiale diventerà davvero come una bolletta?

Sam Altman ha descritto questo scenario come una direzione possibile per il futuro di OpenAI, basata su un modello a consumo simile a quello delle utility. Non è ancora una policy ufficiale, ma indica chiaramente verso dove potrebbe evolvere il settore.

Come posso ridurre fin da ora i costi dell’AI in azienda?

Partendo da un audit degli strumenti in uso, scegliendo il modello giusto per ogni compito, evitando duplicazioni tra fornitori e formando le persone a un uso più efficiente: sono i punti su cui lavoro nei percorsi di formazione con le aziende.

Se vuoi approfondire questi temi e capire come impostare un uso più efficiente e consapevole dell’intelligenza artificiale nella tua azienda, scrivimi attraverso il modulo di contatto: parliamone insieme.

/0 Commenti/da

OSINT e intelligenza artificiale: guida pratica a Maigret, Trape e Blackbird

, , ,

Una volta l’OSINT sembrava una cosa da investigatori con tre monitor, mappe piene di fili rossi e caffè freddo. Oggi, invece, una parte del lavoro parte da una domanda molto più banale: che cosa è già pubblico online?

Profili social, nickname riutilizzati, indirizzi email, vecchi forum, marketplace, repository, immagini, leak, metadati, commenti, recensioni: il problema non è solo trovare informazioni. Il problema è capirle, collegarle, verificarle e non scivolare oltre il confine etico e legale.

È il tema che ho affrontato nel libro Il nuovo petrolio (online). OSINT e intelligenza artificiale: a caccia di dati pubblici nell’era dei chatbot, scritto con Gianluca Boccacci e pubblicato da Ledizioni nel 2026. Il titolo dice già molto: i dati pubblici sono una risorsa, ma senza metodo diventano rumore. E senza responsabilità diventano un rischio.

Sul sito ho già raccontato perché OSINT e AI stanno cambiando il valore delle informazioni online. Qui faccio un passo più pratico: vediamo tre strumenti open source, uno per uno.

Copertina del libro Il nuovo petrolio online su OSINT e intelligenza artificiale
Il nuovo petrolio (online), il libro su OSINT e intelligenza artificiale scritto con Gianluca Boccacci e pubblicato da Ledizioni nel 2026.

Che cosa cambia con l’AI nell’OSINT?

L’AI rende l’OSINT più veloce, ma non automaticamente più vera. Può aiutare a riassumere pagine, confrontare profili, estrarre entità, costruire timeline, tradurre contenuti, classificare risultati e generare ipotesi investigative. Però deve lavorare su fonti verificabili. Se l’AI inventa collegamenti, confonde omonimi o interpreta male un dato pubblico, il risultato può essere elegante e sbagliato. Nell’OSINT il valore nasce da tre cose: fonti, metodo e controllo umano.

Che cos’è l’OSINT, in pratica

OSINT significa Open Source Intelligence: raccolta, analisi e interpretazione di informazioni disponibili da fonti aperte. Non vuol dire “spiare”. Non vuol dire violare account. Non vuol dire forzare password. Vuol dire lavorare su dati pubblici, accessibili, osservabili, documentabili.

Il punto è che il web ha reso le fonti aperte enormi e disordinate. Una persona può usare lo stesso nickname per anni. Un’azienda può lasciare tracce in documenti, sottodomini, offerte di lavoro, comunicati, profili LinkedIn, PDF indicizzati, repository e social. Una notizia può essere confermata o smentita incrociando archivi, immagini, mappe, date e testimonianze.

Qui entra l’intelligenza artificiale: non come bacchetta magica, ma come assistente per leggere, filtrare e organizzare. Il lavoro serio resta quello umano: fare domande buone, separare fatti e ipotesi, controllare le fonti, rispettare privacy e normativa.

Perché se ne parla adesso

Nel 2026 l’OSINT è diventata una competenza utile ben oltre la cybersecurity. Serve a giornalisti, aziende, comunicatori, HR, formatori, consulenti, enti pubblici, associazioni e professionisti che vogliono capire meglio il contesto in cui si muovono.

Tre cambiamenti hanno accelerato tutto:

  • l’esplosione dei dati pubblici: ogni piattaforma lascia tracce, spesso frammentate;
  • la disponibilità di strumenti open source: molti tool automatizzano ricerche prima molto lente;
  • l’AI generativa: chatbot e modelli linguistici aiutano a sintetizzare, confrontare e formulare ipotesi, purché non vengano trattati come oracoli.

Nel libro Il nuovo petrolio (online) insistiamo proprio su questo: cercare non basta più. Bisogna trasformare dati pubblici in conoscenza utile, verificabile e responsabile.

Il flusso corretto: prima il metodo, poi gli strumenti

Prima di usare Maigret, Trape, Blackbird o qualsiasi altro strumento, conviene impostare un piccolo protocollo. Sembra noioso. In realtà evita molti errori.

  1. Definisci l’obiettivo: che cosa vuoi capire davvero?
  2. Stabilisci il perimetro: persona, azienda, dominio, nickname, evento, periodo, fonte.
  3. Raccogli solo ciò che serve: il fatto che un dato sia pubblico non significa che sia necessario.
  4. Annota le fonti: URL, data di accesso, screenshot, contesto.
  5. Distingui fatto, inferenza e ipotesi: “ho trovato questo profilo” non equivale a “è sicuramente la stessa persona”.
  6. Usa l’AI per organizzare, non per inventare: chiedile sintesi, tabelle, timeline, ma verifica sempre.
  7. Rispetta legge, consenso e finalità: l’OSINT non è una scusa per molestare, profilare o danneggiare qualcuno.

Tool 1: Maigret, il dossier da un nome utente

Maigret è uno strumento OSINT open source che cerca un nome utente su migliaia di siti e produce report consultabili. Il repository ufficiale lo descrive come un tool capace di raccogliere un dossier partendo da un solo username, senza richiedere API key.

Esempio di report HTML generato da Maigret per una ricerca OSINT su username
Un esempio di report HTML di Maigret: i risultati vengono organizzati per rendere più leggibile la ricerca su uno username.

Come funziona Maigret

Maigret parte da un identificatore, di solito un nickname. Poi controlla se quel nome utente compare su piattaforme diverse: social network, forum, siti tecnici, servizi fotografici, community, portali locali, piattaforme di gaming e altri archivi pubblici.

Il principio è semplice: molte persone riutilizzano lo stesso username in contesti diversi. Questo permette di ricostruire una possibile impronta digitale. Ma attenzione alla parola “possibile”: uno username trovato su due siti non prova automaticamente che dietro ci sia la stessa persona.

Le funzioni più interessanti sono:

  • ricerca su oltre 3.000 siti, con una selezione predefinita dei più rilevanti;
  • esportazione in formati utili per l’analisi, come HTML, PDF, CSV, JSON e grafi;
  • filtri per categorie, Paesi e tag;
  • interfaccia web per esplorare i risultati;
  • modalità AI opzionale per sintetizzare i risultati, usando un’API compatibile con OpenAI.

Dove entra l’AI

Con Maigret l’AI può aiutare soprattutto dopo la raccolta. Può riassumere un report, estrarre pattern, evidenziare account probabilmente collegati, costruire una tabella con piattaforma, URL, indizi e livello di confidenza.

Un uso sensato dell’AI non è: “dimmi chi è questa persona”. Un uso sensato è: “riassumi questi risultati separando dati certi, collegamenti deboli e ipotesi da verificare”. La differenza sembra piccola, ma è enorme.

Quando usarlo

Maigret è utile per audit della propria presenza online, verifica di brand impersonation, ricerca su nickname pubblici, analisi reputazionale e controllo di tracce lasciate nel tempo. È meno adatto quando mancano identificatori stabili o quando il rischio di omonimia è alto.

Tool 2: Trape, il caso delicato del tracciamento web

Trape è il più delicato dei tre strumenti citati. Nel README ufficiale viene presentato come tool OSINT di analisi e ricerca per tracciare persone su Internet e studiare dinamiche di social engineering in tempo reale. È stato presentato anche a Black Hat Arsenal Asia nel 2018.

Schermata del progetto Trape per OSINT e tracking pubblicata nel README ufficiale
Trape è uno strumento storico e controverso: interessante per capire il tracciamento web, ma da trattare con grande cautela etica e legale.

Come funziona Trape, in modo difensivo

Trape aiuta a capire una cosa importante: un browser comunica molte informazioni. Quando una persona visita una pagina, il sito può osservare elementi tecnici come indirizzo IP, user agent, sistema operativo, browser, lingua, risoluzione, referrer, tempi di visita, sessioni e altri segnali. In alcuni casi, combinando script, link e pagine-esca, si possono creare scenari di tracciamento molto invasivi.

Qui bisogna essere chiari: non è uno strumento da usare contro persone inconsapevoli. Il suo valore, in un articolo divulgativo, è far capire come funzionano certe tecniche di tracking e social engineering, in modo da difendersi meglio.

Dal punto di vista concettuale, Trape lavora su tre livelli:

  • pagina osservata: una pagina web controllata dall’operatore riceve visite e raccoglie segnali tecnici;
  • pannello di analisi: le informazioni vengono mostrate in una dashboard;
  • azioni lato browser: il progetto documenta funzioni che possono diventare molto invasive se usate male.

Proprio per questo non ha senso trasformare Trape in una guida operativa passo passo. È molto più utile usarlo come caso studio per parlare di consenso, consapevolezza, sicurezza dei browser, link sospetti, permessi di geolocalizzazione, fingerprinting e formazione anti-phishing.

Cosa può insegnare a un’azienda

Trape è utile, in contesti autorizzati di formazione e security awareness, per mostrare perché non bisogna cliccare link ricevuti fuori contesto, perché i permessi del browser contano, perché la geolocalizzazione non va concessa con leggerezza e perché una pagina apparentemente innocua può raccogliere segnali tecnici.

La lezione pratica non è “usa Trape”. La lezione pratica è: capisci come vieni tracciato, così riduci la tua superficie esposta.

Tool 3: Blackbird, username, email e profili AI

Blackbird è un tool OSINT open source per cercare account collegati a username ed email su centinaia di piattaforme. Il progetto dichiara l’integrazione con WhatsMyName, una base dati molto usata per ridurre falsi positivi nella ricerca di username.

Schermata dimostrativa di Blackbird con analisi AI dei risultati OSINT
Blackbird integra anche una funzione AI per trasformare risultati grezzi in una prima lettura comportamentale e tecnica.

Come funziona Blackbird

Blackbird prende in input un nome utente o un indirizzo email e controlla se esistono account pubblici associati a quel dato. La logica è simile a quella di altri strumenti di username enumeration, ma con due elementi interessanti: la ricerca su molte piattaforme e la possibilità di generare output più leggibili, anche in PDF o CSV.

La funzione AI, secondo la documentazione del progetto, analizza i siti in cui un username o un’email vengono trovati e produce un profilo comportamentale e tecnico. Il README precisa anche un dettaglio importante: vengono inviati solo i nomi dei siti, non dati sensibili.

In pratica Blackbird può aiutare a rispondere a domande come:

  • questo nickname compare su molte piattaforme?
  • ci sono account potenzialmente collegati a una stessa identità pubblica?
  • quali categorie di siti emergono: developer, gaming, social, forum, marketplace?
  • il pattern sembra coerente o pieno di falsi positivi?
  • quali risultati meritano verifica manuale?

Dove entra l’AI

Blackbird mostra bene la differenza tra raccolta e interpretazione. La raccolta dice: “ho trovato risultati su questi siti”. L’interpretazione prova a dire: “questi risultati suggeriscono un certo profilo di attività”.

Qui il rischio è evidente: l’AI può trasformare segnali deboli in conclusioni troppo forti. Per questo, anche quando il report è ben scritto, conviene aggiungere sempre un livello di confidenza e una colonna “da verificare”.

Maigret, Trape e Blackbird a confronto

Tool Input principale Output Uso consigliato Attenzione
Maigret Username Dossier, report, grafi, esportazioni Audit di impronta digitale e ricerca su nickname Omonimie e falsi collegamenti
Trape Visita a pagina controllata Segnali tecnici e tracking Formazione difensiva e consapevolezza Consenso, legalità, rischio abuso
Blackbird Username o email Account trovati, export, profilo AI Ricerca rapida e reportistica Interpretazioni AI da verificare

Come usare l’AI senza farsi ingannare dall’AI

Il modo migliore per usare l’AI nell’OSINT è darle un compito da analista ordinato, non da indovino.

Un prompt utile può essere questo:

Analizza questi risultati OSINT.
Separa:
1. fatti verificabili;
2. collegamenti probabili;
3. ipotesi deboli;
4. falsi positivi possibili;
5. informazioni da non usare perché irrilevanti o troppo invasive.

Per ogni elemento indica:
- fonte;
- livello di confidenza;
- motivo della classificazione;
- controllo manuale consigliato.

Non identificare persone reali se le fonti non lo dimostrano.
Non trasformare coincidenze in certezze.

Questo tipo di richiesta costringe il modello a rallentare. Ed è una buona cosa. Nell’OSINT la fretta produce errori, e gli errori possono danneggiare persone.

Video per approfondire

Per approfondire i tre strumenti e il contesto OSINT, ecco alcuni video utili. Come sempre, guardali con spirito critico: i video tecnici invecchiano, i tool cambiano, e non tutto ciò che è dimostrabile è anche opportuno da fare.

Maigret: ricerca OSINT da username

Blackbird: username, email e ricerca account

Trape: caso studio su tracking e consapevolezza

OSINT e AI: quadro generale

I rischi da evitare

L’OSINT con l’AI è potente proprio perché sembra semplice. Inserisci un nickname, ottieni un report, chiedi al chatbot di riassumere. Il problema è che la semplicità dell’interfaccia nasconde la complessità del giudizio.

I rischi principali sono:

  • falsi positivi: due persone diverse possono usare lo stesso nickname;
  • profilazione eccessiva: raccogliere più dati del necessario può essere scorretto o illegale;
  • allucinazioni dell’AI: il modello può inventare collegamenti plausibili;
  • doxing: pubblicare o diffondere dati personali può causare danni reali;
  • effetto tunnel: una prima ipotesi sbagliata può guidare tutta l’indagine;
  • strumenti obsoleti: molti tool OSINT dipendono da siti che cambiano interfacce, blocchi e policy.

Da dove iniziare in modo responsabile

Il miglior primo esercizio non è investigare sugli altri. È fare OSINT su se stessi o sulla propria azienda, con finalità difensiva.

Puoi partire così:

  1. scegli un tuo nickname pubblico;
  2. cerca dove appare;
  3. controlla quali informazioni emergono dai profili;
  4. verifica vecchi account dimenticati;
  5. rimuovi o aggiorna ciò che non vuoi più lasciare pubblico;
  6. documenta le fonti e chiedi all’AI solo una sintesi ragionata;
  7. ripeti l’audit ogni sei mesi.

Questo esercizio ha un vantaggio: ti insegna a usare gli strumenti senza trasformare l’OSINT in curiosità invasiva. Ed è anche un buon modo per capire quanto siamo trasparenti online senza accorgercene.

In sintesi

Maigret, Trape e Blackbird mostrano tre facce diverse dell’OSINT. Maigret lavora bene sui nickname e sui report. Blackbird aggiunge ricerca su username ed email con una componente AI. Trape, invece, è un caso da trattare con cautela: utile per capire il tracking e difendersi, pericoloso se usato senza consenso.

L’intelligenza artificiale non sostituisce l’analista. Lo aiuta a leggere meglio, ordinare meglio e porsi domande migliori. Ma nell’OSINT, più che altrove, vale una regola semplice: un’informazione trovata non è ancora una verità. È solo l’inizio del lavoro.

Per approfondire il metodo, i casi d’uso e i confini etici, trovi il libro Il nuovo petrolio (online) sul sito di Ledizioni.

FAQ

Che cos’è l’OSINT?

L’OSINT, Open Source Intelligence, è la raccolta e analisi di informazioni disponibili da fonti aperte: siti, social, archivi pubblici, documenti, immagini, mappe, repository e altre fonti accessibili legalmente.

L’AI può fare OSINT da sola?

No. L’AI può aiutare a riassumere, classificare, tradurre e collegare informazioni, ma deve essere guidata da fonti verificabili e controllata da una persona. Può sbagliare o inventare collegamenti.

Maigret e Blackbird sono simili?

Sì, entrambi cercano tracce pubbliche collegate a username. Maigret è molto orientato ai dossier e ai report su nickname; Blackbird lavora su username ed email e include una funzione AI per sintetizzare i risultati.

Trape è sicuro da usare?

Trape va trattato con molta cautela. È utile come caso studio difensivo sul tracking web e sulla social engineering awareness, ma usarlo contro persone inconsapevoli può violare privacy, legge ed etica professionale.

Qual è il rischio principale dell’OSINT con l’AI?

Il rischio principale è trasformare segnali deboli in certezze. L’AI può rendere un report più leggibile, ma può anche amplificare errori, falsi positivi e collegamenti non dimostrati.

Da dove conviene iniziare?

Conviene iniziare con un audit personale o aziendale: cercare i propri nickname, verificare profili pubblici, documentare le fonti e usare l’AI solo per organizzare i risultati, non per trarre conclusioni non verificate.

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.

Inviaci email

/0 Commenti/da

Corso su Copilot: le domande che mi arrivano nell’incontro Q&A

, ,

Durante un corso su Microsoft Copilot arriva sempre quel momento bellissimo, e un po’ pericoloso, in cui finisce la teoria e iniziano le domande vere. Non “che cos’è l’intelligenza artificiale generativa?”, non “scrivimi una mail simpatica”, non “fammi una tabella”. Quelle sono le prove da palestra. Le domande interessanti arrivano quando una persona prova Copilot sul proprio lavoro: documenti aziendali, cartelle OneDrive, file Excel, PDF scansionati, riunioni, policy, sicurezza, Word che si comporta in modo strano.

In un incontro Q&A del 6 luglio 2026, dopo una formazione su Copilot da 3 giornate in un’azienda pubblica, sono emersi dubbi molto concreti. Li riordino qui sotto in forma di guida pratica: domande, risposte e qualche consiglio operativo per usare Copilot senza trattarlo come una bacchetta magica. Anche perché le bacchette magiche, di solito, non hanno il reparto IT alle spalle.

Quali sono le domande più frequenti in un corso su Copilot?

Le domande più frequenti in un corso su Copilot riguardano sicurezza dei dati, qualità delle fonti, indicizzazione dei file in OneDrive, affidabilità delle risposte, gestione di Excel e tabelle, uso di Copilot in Word, memoria della chat e differenze con strumenti come Gemini o Gemini Notebook (ex NotebookLM). Il punto pratico è questo: Copilot funziona meglio quando gli si danno obiettivi chiari, file leggibili, contesto sufficiente e una richiesta che obbliga a mostrare fonti, passaggi e limiti del risultato.

Corso Microsoft Copilot per aziende e professionisti

Prima regola: Copilot non guida, co-pilota

Il nome Copilot dice già molto. Non è “autopilot”. Non è il pilota automatico che prende il controllo mentre noi guardiamo fuori dal finestrino. È un assistente che lavora bene se la persona che lo usa sa impostare rotta, vincoli, fonti e controlli.

Nel corso ho insistito su un principio semplice: garbage in, garbage out. Se la richiesta è vaga, il risultato sarà vago. Se le fonti sono disordinate, Copilot può perdersi. Se il documento è una scansione illeggibile, non possiamo pretendere miracoli. Se chiediamo un’analisi numerica senza verificare i calcoli, stiamo solo delegando con eleganza un possibile errore.

Per questo uso spesso il metodo GOL:

  • Guida: quale ruolo deve assumere Copilot? Revisore, consulente legale, analista, comunicatore, formatore?
  • Obiettivo: che cosa deve produrre davvero?
  • Layout: in che formato deve rispondere? Tabella, elenco, sintesi, mail, verbale, piano operativo?

Creare prompt perfetti per ChatGPT: il metodo G.O.L.

Detto questo, veniamo alle domande.

Copilot legge subito i file caricati in OneDrive?

Non sempre. Una delle domande più frequenti riguarda l’indicizzazione: “Ho caricato una cartella piena di documenti su OneDrive, perché Copilot non li trova tutti?”.

La risposta pratica è: serve tempo. Quando carichiamo molti file, soprattutto cartelle grandi, Microsoft 365 deve sincronizzarli e indicizzarli. In alcuni casi bastano minuti, in altri servono ore; con archivi pesanti o complessi può volerci anche di più. Se Copilot risponde in modo parziale, non è detto che stia “ignorando” i file: magari alcuni non sono ancora entrati bene nel suo campo visivo.

Che cosa fare?

  • verificare che la sincronizzazione OneDrive sia conclusa;
  • aspettare qualche ora prima di interrogare archivi appena caricati;
  • dividere cartelle enormi in sottoinsiemi tematici;
  • preferire file testuali, Word, Excel o PDF ben riconosciuti;
  • evitare scansioni senza OCR quando serve un’analisi precisa.

In pratica: prima di accusare Copilot di pigrizia, controlliamo se gli abbiamo dato materiale davvero leggibile.

Che formato devo usare per far leggere meglio i documenti a Copilot?

Copilot lavora meglio quando i documenti sono strutturati. Un file Word pulito, un Excel nativo o un testo ben organizzato sono più facili da interpretare rispetto a PDF scansionati, immagini, tabelle fotografate o documenti pieni di layout complicati.

Durante il Q&A è emersa anche l’idea di convertire alcuni documenti in formati più leggibili, per esempio testo o Markdown, quando il caso d’uso lo consente. Non è una regola assoluta, ma può aiutare nei progetti in cui bisogna far analizzare molte fonti.

La mini-checklist è questa:

  1. se il documento è una scansione, fare OCR prima;
  2. se contiene tabelle, valutare se esiste il file Excel originale;
  3. se è molto lungo, aggiungere titoli e sezioni chiare;
  4. se contiene allegati o immagini, separare le parti importanti;
  5. se l’output è critico, chiedere sempre riferimenti alle fonti.

Copilot può inventare risposte anche se lavora sui miei documenti?

Sì. Questa è la domanda che non piace a chi vorrebbe la risposta rassicurante, ma è meglio dirla chiaramente: Copilot può sbagliare anche quando lavora su documenti aziendali.

Nel Q&A sono stati citati casi di affermazioni non presenti nei file, per esempio scostamenti di bilancio o conclusioni numeriche non verificabili. Le cause possono essere diverse: tabelle lette male, scansioni imperfette, periodi confrontati in modo errato, richiesta ambigua, oppure la tendenza del modello a completare una risposta plausibile.

Il rimedio non è smettere di usarlo. Il rimedio è usarlo con metodo:

  • chiedere “indica da quale file e da quale sezione hai tratto questa risposta”;
  • far mostrare i passaggi prima della conclusione;
  • chiedere di separare fatti, inferenze e ipotesi;
  • usare file Excel nativi per i numeri;
  • controllare manualmente le risposte importanti.

Un prompt utile può essere:

Analizza questi documenti, ma prima di trarre conclusioni mostra i passaggi.
Per ogni affermazione indica la fonte.
Se un dato non è presente o non è chiaro, scrivi "non verificabile"
e non completare la risposta per supposizione.

Come devo usare Copilot con Excel e dati numerici?

Con Excel bisogna alzare il livello di attenzione. Copilot può essere molto utile per riassumere, trovare pattern, proporre formule, spiegare tabelle e trasformare dati in una prima lettura. Ma quando ci sono importi, bilanci, scostamenti, percentuali o decisioni economiche, serve verifica.

La regola pratica è: non chiedere solo il risultato, chiedi il procedimento.

Meglio una richiesta così:

Analizza questo file Excel.
Prima mostra i calcoli usati.
Poi indica eventuali anomalie.
Infine riassumi le conclusioni in una tabella con:
- dato analizzato
- calcolo effettuato
- risultato
- livello di confidenza
- controllo manuale consigliato.

In questo modo Copilot non viene trattato come un oracolo, ma come un assistente che deve lasciare tracce. E le tracce sono fondamentali, soprattutto quando l’errore costa.

In Word posso far modificare solo una parte del documento?

Sì, ed è una delle funzioni più utili. Molti temono che Copilot, dentro Word, riscriva tutto il documento anche quando si vuole cambiare solo un paragrafo. Il trucco è lavorare in modo mirato: selezionare la parte interessata e chiedere una modifica precisa.

Per esempio:

Riscrivi solo il paragrafo selezionato.
Mantieni tono professionale, lunghezza simile e tutti i dati presenti.
Non modificare il resto del documento.

Oppure:

Trasforma questa sezione in un elenco puntato operativo.
Non aggiungere informazioni nuove.
Conserva date, nomi e importi.

Il punto è delimitare il campo. Copilot tende a essere utile; se non gli diciamo dove fermarsi, a volte diventa utile anche dove non lo avevamo invitato.

In Copilot (non in Word), esiste anche questa opzione:

Perché Copilot in Word a volte perde il contesto?

Altra domanda concreta: “Ieri stavo lavorando su un documento con Copilot, oggi riapro Word e sembra che non ricordi più bene il contesto. È normale?”.

Può succedere. La cronologia della chat e il contesto del documento non sempre restano agganciati nel modo che l’utente si aspetta. In alcuni casi è un limite dell’esperienza d’uso, in altri un comportamento legato alla sessione, alla licenza, alla configurazione del tenant o a piccoli bug di sincronizzazione.

La soluzione più pratica è non affidare tutto alla memoria implicita della chat. Meglio salvare nel documento una breve sintesi di lavoro, oppure ripartire con un prompt di contesto:

Sto lavorando su questo documento.
Obiettivo: renderlo più chiaro per un pubblico non tecnico.
Mantieni struttura, dati e tono istituzionale.
Prima riassumi che cosa contiene il documento, poi proponi le modifiche.

Se il problema si ripete in azienda, conviene segnalarlo all’IT: non per drammatizzare, ma per capire se c’è un tema di configurazione, aggiornamento o bug.

Copilot conserva quello che scrivo? Posso cancellare la memoria?

Qui bisogna distinguere tra memoria della conversazione, cronologia visibile, dati aziendali e policy Microsoft 365. Secondo la documentazione Microsoft su privacy e sicurezza di Microsoft 365 Copilot, prompt, risposte e dati accessibili tramite Microsoft Graph non vengono usati per addestrare i modelli fondativi. Microsoft spiega anche che Copilot rispetta gli impegni di sicurezza, privacy, compliance e data residency previsti per i clienti Microsoft 365 commerciali.

Questo non significa però che si possa scrivere qualunque cosa in qualunque strumento. In azienda valgono sempre policy interne, licenze, ruoli, permessi e classificazione dei dati.

Se vuoi rimuovere informazioni da una conversazione, i passaggi pratici sono:

  • cancellare la chat dallo storico, quando disponibile;
  • verificare le impostazioni personali di Copilot;
  • controllare eventuali personalizzazioni o memorie abilitate;
  • ricordare che file, mail e documenti restano nelle loro posizioni originali;
  • chiedere all’IT come vengono gestiti log, retention e compliance nel tenant aziendale.

Per approfondire la parte ufficiale, rimando alla pagina Microsoft su data, privacy and security for Microsoft 365 Copilot.

Posso usare Gemini, Gemini Notebook o altri strumenti con documenti aziendali?

Domanda inevitabile: “Se Gemini o Gemini Notebook mi sembrano più bravi su alcune analisi, posso usarli al posto di Copilot?”.

La risposta formativa è semplice: dipende dai dati e dalla licenza. Se parliamo di documenti aziendali, informazioni riservate, clienti, bilanci, contratti, dati personali o materiale interno, non basta che uno strumento sia comodo. Serve una valutazione aziendale: contratto, trattamento dei dati, data residency, sicurezza, amministrazione, log, permessi, eventuale uso dei dati per migliorare i modelli.

In molti contesti aziendali la policy è chiara: per dati aziendali si usa Copilot con licenza business, mentre strumenti esterni richiedono approvazione e licenze dedicate. Non è burocrazia fine a se stessa: è il modo per evitare che un documento riservato finisca nel posto sbagliato per una prova fatta “solo cinque minuti”.

Quando conviene usare Copilot Notebooks o un sistema RAG?

Quando le fonti diventano tante, Copilot usato come semplice chat può non bastare. In questi casi ha senso ragionare per notebook tematici, raccolte di fonti o sistemi RAG, cioè sistemi che recuperano informazioni da documenti specifici e le usano per generare risposte più ancorate alle fonti.

Il principio è lo stesso di una buona scrivania: se metto tutti i fogli in un mucchio, poi mi lamento perché non trovo nulla. Meglio creare raccolte per tema:

  • contratti;
  • procedure interne;
  • normativa;
  • documentazione tecnica;
  • verbali di riunione;
  • materiali commerciali.

Quando uno spazio ha limiti di fonti, si possono accorpare documenti minori, creare sintesi riepilogative o dividere il lavoro in notebook separati. L’obiettivo non è caricare “tutto”, ma caricare ciò che serve per rispondere bene.

Buona notizia degli ultimi giorni: Microsoft ha copiato Gemini Notebook:

Qual è il prompt migliore per iniziare una richiesta a Copilot?

Non esiste il prompt perfetto, ma esiste un prompt meno pigro. Questo, per esempio, funziona bene in molti contesti aziendali:

Agisci come [ruolo].
Devi aiutarmi a [obiettivo].
Usa solo le informazioni presenti in [fonti/documenti].
Se qualcosa non è presente, dichiaralo.
Procedi in questi passaggi:
1. riassumi le fonti rilevanti;
2. indica i dati certi;
3. separa dubbi e ipotesi;
4. proponi una risposta operativa.
Formato finale: [tabella / elenco / email / piano / sintesi].
Tono: [professionale / semplice / tecnico / divulgativo].

La differenza tra questo e “fammi un riassunto” è enorme. Nel primo caso stiamo dando un compito. Nel secondo stiamo lanciando una monetina digitale.

I rischi da evitare in azienda

Se dovessi riassumere i rischi emersi nel Q&A, direi questi:

  • fidarsi senza verificare: soprattutto su numeri, contratti, dati sensibili e conclusioni operative;
  • caricare file illeggibili: scansioni, PDF sporchi, tabelle fotografate, documenti senza struttura;
  • confondere Copilot con un motore di verità: è un assistente probabilistico, non un revisore certificato;
  • usare strumenti esterni senza policy: comodo non significa autorizzato;
  • dimenticare i permessi Microsoft 365: Copilot vede ciò che l’utente può vedere, quindi la governance dei file resta centrale;
  • scrivere prompt troppo generici: più il compito è delicato, più la richiesta deve essere precisa.

FAQ

Copilot può usare i miei dati aziendali per addestrare i modelli?

Secondo la documentazione Microsoft per Microsoft 365 Copilot, prompt, risposte e dati accessibili tramite Microsoft Graph non vengono usati per addestrare i modelli fondativi. In azienda bisogna comunque seguire policy interne, licenze e regole di compliance.

Perché Copilot non trova subito i file caricati in OneDrive?

Perché i file devono essere sincronizzati e indicizzati. Con cartelle grandi o documenti complessi può servire tempo. Conviene verificare la sincronizzazione, attendere e organizzare le fonti in modo più pulito.

Copilot è affidabile con tabelle e numeri?

È utile, ma va verificato. Per analisi numeriche e tabelle è meglio usare file Excel nativi, chiedere a Copilot di mostrare i calcoli e controllare manualmente i risultati importanti.

Come faccio a non far riscrivere tutto il documento in Word?

Seleziona solo la parte da modificare e scrivi una richiesta esplicita: “Riscrivi solo il testo selezionato, non modificare il resto del documento”. Meglio delimitare sempre il campo di intervento.

Posso usare Gemini Notebook o Gemini con documenti aziendali?

Solo se la tua azienda lo consente e se esistono licenze, contratti e garanzie adeguate. Per dati riservati non basta scegliere lo strumento più comodo: serve una valutazione su privacy, sicurezza e trattamento dei dati.

Qual è il modo migliore per fare prompt con Copilot?

Usa richieste strutturate: ruolo, obiettivo, fonti, vincoli, passaggi e formato finale. Chiedi sempre di distinguere dati certi, ipotesi e informazioni non verificabili.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa o su Microsoft Copilot in particolare

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

Inviaci email

/0 Commenti/da

Cosa può insegnarti Giuseppe Ungaretti per scrivere prompt migliori

, , , ,

Ungaretti e i prompt sembrano stare agli estremi opposti nell’uso della parola. Da una parte un poeta che ha ridotto interi versi a due parole. Dall’altra un’istruzione che scriviamo di fretta, dentro una chat, sperando che il modello capisca al volo cosa vogliamo.

Eppure più leggo prompt scritti male (troppo lunghi, vaghi, pieni di frasi che non aggiungono nulla) più penso che la lezione di Ungaretti sia esattamente quello che manca a chi lavora con l’AI generativa ogni giorno.

Non è un accostamento forzato per fare colpo. È un metodo.

Cosa c’entra un poeta del Novecento con il prompt engineering?

Ungaretti ha costruito la sua poetica su pochi principi: essenzialità, parola pesata e non contata, pause cariche di significato, revisione continua, titoli che orientano già metà del senso. Sono gli stessi principi che rendono un prompt efficace: dire meno cose ma più precise, dare struttura invece di un unico blocco di testo, rivedere prima di considerarlo definitivo, usare l’apertura del prompt per inquadrare tutto il resto.

1. La parola pesata, non contata

Per Ungaretti ogni parola doveva guadagnarsi il suo posto nel verso: quello che restava era essenziale, il resto si tagliava.

Molti prompt falliscono per il motivo opposto: contengono tutte le frasi che vengono in mente, senza che nessuna sia stata davvero scelta. Il modello si trova a dover indovinare, tra dieci frasi, quale sia quella che conta.

In pratica: prima di inviare un prompt complesso, prova a togliere una frase alla volta e chiediti se la risposta cambierebbe senza. Se la risposta è no, quella frase non serviva.

2. L’essenzialità come metodo, non come rinuncia

Ungaretti è ricordato anche per un componimento ridotto a pochissime parole, diventato quasi un simbolo dell’essenzialità in poesia. Ma essenzialità non vuol dire scrivere prompt brevi a tutti i costi: un prompt di tre parole può essere peggiore di uno di quaranta, se in quelle quaranta ogni parola lavora.

In pratica: elimina i riempitivi (“se possibile”, “credo che”, “forse potresti”) e tieni solo verbi diretti e vincoli chiari. Non è la lunghezza il problema, è il peso specifico di ogni parola.

3. Il bianco della pagina: la pausa che significa

Nei versi di Ungaretti lo spazio bianco, gli a capo isolati, le pause tra le parole non sono vuoto: sono parte del significato. Separano, mettono in risalto, danno respiro.

Nei prompt succede la stessa cosa: quando scrivi tutto in un unico blocco compatto, il modello fatica a distinguere cosa è contesto, cosa è istruzione, cosa è formato di output. La struttura è già informazione.

In pratica: separa esplicitamente le parti del prompt con intestazioni tipo “Contesto:”, “Istruzione:”, “Formato output:”, invece di un paragrafo unico.

4. La revisione infinita: il prompt perfetto non esiste al primo tentativo

Ungaretti ha rivisto le sue poesie per decenni, pubblicando più edizioni della stessa opera con varianti anche profonde. Non considerava mai un testo davvero chiuso.

Un buon prompt funziona allo stesso modo: la prima versione è un abbozzo, non il risultato finale. Va corretta guardando cosa risponde il modello, non solo immaginando cosa dovrebbe rispondere.

In pratica: tieni un piccolo “quaderno dei prompt” dove annoti le versioni che funzionano meglio per un certo compito, come farebbe un poeta con le sue varianti.

5. Il titolo come istruzione operativa

Molti titoli di Ungaretti non sono decorativi: inquadrano il testo, gli danno una collocazione precisa che orienta la lettura di tutto ciò che segue.

La riga di apertura di un prompt fa lo stesso lavoro: se dici subito chi deve essere il modello, qual è l’obiettivo e quali sono i vincoli principali, tutto il resto del prompt viene letto attraverso quella cornice.

In pratica: apri sempre il prompt con una riga che definisce ruolo, obiettivo e vincolo principale, prima di scendere nei dettagli.

6. Il contesto che cambia il peso delle stesse parole

Ungaretti scriveva dalle trincee della Prima guerra mondiale: le stesse parole semplici, nel contesto della guerra, acquistavano un peso che non avrebbero avuto altrove.

Con i modelli linguistici funziona così: le stesse istruzioni generiche producono risultati diversi a seconda di quanto contesto specifico gli dai. Il contesto è ciò che carica di significato parole altrimenti generiche.

In pratica: prima di chiedere, spiega sempre chi sei, in quale situazione ti trovi e perché ti serve quella risposta. È il contesto a rendere specifiche parole altrimenti vaghe.

Il metodo Ungaretti applicato al prompt: una checklist

Prima di inviare un prompt importante, chiediti: ho tolto ogni parola che non lavora? Ho separato contesto, istruzione e formato invece di scriverli in un blocco unico? Sto trattando questa versione come definitiva o come una bozza da rivedere? Ho aperto il prompt con una riga che inquadra ruolo e obiettivo? Ho dato al modello un contesto specifico invece di un’istruzione generica?

Meno versi, più peso

Non serve amare la poesia per scrivere prompt migliori. Ma il principio che ha reso Ungaretti uno dei poeti più essenziali del Novecento — dire meno, pesare di più — è lo stesso che separa un prompt mediocre da uno che funziona davvero.

FAQ

Cosa significa “essenzialità” in un prompt?
Significa che ogni parola del prompt ha una funzione precisa, non che il prompt debba essere per forza breve.

Perché i prompt troppo lunghi spesso funzionano peggio di quelli brevi?
Perché contengono frasi ridondanti o vaghe che il modello deve comunque interpretare, aumentando il rischio di ambiguità.

Come si applica la revisione iterativa ai prompt AI?
Trattando la prima versione come una bozza, correggendola in base alle risposte ottenute invece di considerarla definitiva al primo tentativo.

Serve conoscere la poesia per scrivere prompt migliori?
No, ma i principi di sintesi, struttura e revisione che guidano la buona scrittura — poetica o meno — aiutano a scrivere istruzioni più efficaci per l’AI.

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.

Inviaci email

/0 Commenti/da

I 10 termini dell’intelligenza artificiale che devi conoscere per usare meglio i chatbot al lavoro

, , , ,

Quando si parla di intelligenza artificiale, il dibattito gira spesso intorno alle solite parole: machine learning, prompt, chatbot, LLM, algoritmi.

Parole importanti, certo. Ma se usi ChatGPT, Copilot, Gemini, Claude o altri strumenti di AI generativa nel lavoro quotidiano, ci sono altri termini meno popolari che vale la pena conoscere.

Non per fare bella figura in riunione. Anche se, diciamolo, ogni tanto aiuta.

Conoscere questi concetti serve a capire perché un chatbot risponde in un certo modo, perché a volte sbaglia, perché alcuni strumenti sono più adatti di altri e perché caricare un documento non significa automaticamente “addestrare” un modello.

Ecco dieci termini dell’intelligenza artificiale che dovrebbero entrare nel vocabolario di chi usa i chatbot in azienda.

Risposta breve: quali termini AI servono davvero nel lavoro?

Per usare meglio i chatbot al lavoro conviene conoscere almeno dieci concetti: context window, grounding, temperature, tokenization, embedding, RAG, hallucination, fine-tuning, inference e AI Agent. Sono parole tecniche, ma hanno conseguenze molto pratiche: aiutano a scrivere prompt migliori, scegliere strumenti più adatti, ridurre errori e capire i limiti dell’intelligenza artificiale.

1. Context window: quanta memoria ha davvero il chatbot?

La context window, o finestra di contesto, è la quantità di informazioni che un modello riesce a prendere in considerazione in una conversazione.

Più è ampia, più il chatbot può lavorare su testi lunghi, documenti complessi, conversazioni estese e molti dati forniti dall’utente. Per chi lavora significa poter analizzare contratti, manuali, verbali, report o procedure senza doverli spezzettare in mille pezzi.

Attenzione però: finestra di contesto non significa memoria perfetta. Il modello può comunque perdere sfumature, dare più peso ad alcune parti o confondere elementi simili.

In pratica: quando chiedi a un chatbot di analizzare un documento lungo, non limitarti a caricarlo e dire “fammi un riassunto”. Spiega che cosa vuoi ottenere, quali sezioni sono più importanti e quale uso farai del risultato.

2. Grounding: collegare l’AI a fonti affidabili

Il grounding consiste nel collegare il modello a fonti di dati affidabili, invece di lasciarlo rispondere solo sulla base di ciò che ha appreso durante l’addestramento.

Quando un chatbot consulta documenti aziendali, un database interno, una knowledge base o un archivio di procedure prima di rispondere, sta usando una forma di grounding.

Questo approccio riduce il rischio di risposte inventate e rende l’AI molto più utile nel lavoro. Non perché diventa infallibile, ma perché lavora su materiale verificabile.

È lo stesso principio che ho raccontato parlando di second brain, metodo LLM Wiki e Obsidian: l’AI funziona meglio quando ha buone fonti su cui appoggiarsi.

3. Temperature: quanto deve essere creativa l’AI?

La temperature è un parametro che controlla il livello di variabilità delle risposte generate da un modello.

Con valori bassi, il modello tende a produrre risposte più prevedibili, coerenti e ripetibili. Con valori più alti aumenta la varietà delle formulazioni e delle idee.

Nella documentazione OpenAI sul prompt engineering, la temperature viene spiegata proprio come una leva che rende l’output più o meno casuale. Per attività fattuali, estrazioni di dati o documentazione tecnica è meglio tenerla bassa. Per brainstorming, naming o idee creative può avere senso alzarla.

In pratica: se devi scrivere una procedura HR, non vuoi troppa fantasia. Se devi trovare dieci titoli per una campagna interna, un po’ di varietà può aiutare.

4. Tokenization: perché il testo viene fatto a pezzetti

I modelli linguistici non leggono il testo esattamente come lo leggiamo noi. Lo suddividono in unità chiamate token.

Un token può essere una parola, una parte di parola, un numero, un simbolo o un segno di punteggiatura. Questo spiega perché esistono limiti di lunghezza nelle conversazioni e perché certi documenti molto estesi devono essere gestiti con metodo.

Quando un sistema dice che un modello può gestire un certo numero di token, non sta parlando semplicemente di parole. Sta parlando della quantità di testo codificato che può essere elaborata.

In pratica: se lavori con documenti lunghi, chiedi all’AI di analizzarli per sezioni, creare una mappa iniziale e poi approfondire i punti più rilevanti.

5. Embedding: il significato trasformato in numeri

Gli embedding sono rappresentazioni numeriche del significato di parole, frasi o documenti.

Detta così sembra una cosa da matematici con molto caffè a disposizione. In realtà il concetto è molto pratico: grazie agli embedding, un sistema può capire che due testi sono simili anche se usano parole diverse.

È il principio che permette la ricerca semantica nei documenti aziendali. Non devi conoscere la frase esatta presente in una procedura: puoi cercare per concetto e recuperare informazioni pertinenti.

La guida OpenAI sugli embedding li descrive come un modo per trasformare il testo in numeri e abilitare casi d’uso come ricerca, clustering e analisi di similarità.

In pratica: gli embedding sono una delle basi tecniche dietro chatbot aziendali, motori di ricerca interni, sistemi di knowledge management e assistenti documentali.

6. RAG: quando il chatbot cerca prima di rispondere

RAG significa Retrieval-Augmented Generation. In italiano potremmo tradurlo, con poca poesia ma molta precisione, come generazione aumentata dal recupero di informazioni.

Prima di generare una risposta, il sistema cerca dati rilevanti in una base documentale e li usa come riferimento. In questo modo il chatbot non si limita alla “memoria” del modello, ma lavora su fonti specifiche.

Secondo Google Cloud, il RAG combina modelli linguistici e basi di conoscenza esterne per migliorare gli output. È una delle tecniche più importanti per usare l’AI in azienda senza affidarsi solo a risposte generiche.

Strumenti come Gemini Notebook (ex NotebookLM) lavorano proprio in questa direzione: prima le fonti, poi le risposte. Per questo ho raccolto anche una pagina con i miei video YouTube su Gemini Notebook.

7. Hallucination: quando l’AI inventa con grande sicurezza

Le hallucination, o allucinazioni, sono risposte apparentemente corrette ma in realtà inventate.

Il chatbot può creare dati inesistenti, attribuire citazioni mai pronunciate, inventare fonti, sbagliare date o mescolare informazioni vere e false. Il problema è che spesso lo fa con un tono molto convincente.

Non è un piccolo bug occasionale: è un rischio legato al modo in cui funzionano i modelli linguistici, che generano testo probabile, non verità certificata.

In pratica: mai usare una risposta AI in un documento importante senza verifica. Soprattutto se contiene numeri, fonti, norme, citazioni, dati economici, informazioni legali o sanitarie.

Su questo punto torno spesso nei miei corsi su AI generativa per aziende e professionisti: l’AI aumenta la produttività, ma non elimina la responsabilità.

8. Fine-tuning: non è caricare un PDF

Il fine-tuning consiste nell’addestrare ulteriormente un modello già esistente su un insieme specifico di dati.

Un’azienda può, per esempio, adattare un modello al proprio linguaggio, ai propri prodotti, alle proprie procedure o a un certo stile di risposta. È una modifica più profonda rispetto al semplice caricamento di documenti in una chat.

Qui nasce una confusione frequente: “Ho caricato il manuale, quindi ho addestrato il modello”. No. In molti casi hai solo dato al chatbot un contesto o una fonte da consultare. Il fine-tuning è un’altra cosa.

In pratica: prima di pensare al fine-tuning, molte aziende dovrebbero sistemare documenti, FAQ, procedure, dati e knowledge base. Spesso il problema non è il modello. È il materiale di partenza.

9. Inference: il momento in cui l’AI risponde

L’inference è il momento in cui il modello produce concretamente una risposta.

L’addestramento può richiedere mesi, enormi quantità di dati e infrastrutture molto costose. L’inference è ciò che accade ogni volta che scrivi una domanda a un chatbot e aspetti la risposta.

Capire questa distinzione aiuta anche a leggere meglio il mercato: alcuni servizi costano di più perché usano modelli più potenti, gestiscono più contesto, rispondono più velocemente o includono strumenti aggiuntivi.

In pratica: quando usi ChatGPT o Copilot non stai “addestrando” il modello ogni volta. Stai chiedendo al modello di generare una risposta sulla base del contesto disponibile.

10. AI Agent: quando il chatbot inizia ad agire

Un AI Agent non si limita a rispondere alle domande. Può pianificare attività, usare strumenti esterni, consultare database, eseguire azioni e verificare risultati prima di proseguire.

Nel mondo del lavoro rappresenta un passaggio importante rispetto al chatbot tradizionale. Un agente può, per esempio, recuperare informazioni dal CRM, preparare una bozza di email, compilare un report, aggiornare un gestionale o coordinare più passaggi di un flusso operativo.

La documentazione OpenAI sugli Agents mostra proprio questa evoluzione: modelli collegati a istruzioni, strumenti e comportamenti eseguibili.

In pratica: gli agenti AI sono promettenti, ma richiedono governance. Più un sistema può agire, più bisogna definire limiti, autorizzazioni, controlli e responsabilità.

Il vero vantaggio: meno magia, più metodo

Conoscere questi termini non serve a trasformarsi in ingegneri del machine learning.

Serve a usare meglio gli strumenti che ormai entrano in molte attività quotidiane: scrivere, riassumere, cercare, analizzare, confrontare, classificare, generare idee, preparare documenti, supportare clienti e colleghi.

La differenza tra chi usa un chatbot “a caso” e chi lo usa con metodo spesso sta proprio qui: capire che cosa può fare, che cosa non può fare, quali dati gli servono e quali controlli sono necessari.

In un mercato del lavoro in cui l’AI diventa una competenza trasversale, il vantaggio competitivo non sarà solo “saper usare ChatGPT”. Sarà comprenderne abbastanza il funzionamento da ottenere risultati migliori, più affidabili e più utili.

Meno magia, quindi. Più metodo.

FAQ

Quali sono i termini AI più utili da conoscere al lavoro?

Tra i più utili ci sono context window, grounding, temperature, token, embedding, RAG, hallucination, fine-tuning, inference e AI Agent. Sono concetti tecnici, ma hanno conseguenze molto pratiche nell’uso dei chatbot.

Che cos’è il RAG nell’intelligenza artificiale?

Il RAG, Retrieval-Augmented Generation, è una tecnica che permette a un chatbot di recuperare informazioni da fonti esterne prima di generare una risposta. Serve a rendere l’output più pertinente e collegato a dati specifici.

Che differenza c’è tra grounding e fine-tuning?

Il grounding collega il modello a fonti affidabili da consultare. Il fine-tuning modifica più profondamente il comportamento del modello tramite un ulteriore addestramento su dati specifici.

Perché i chatbot inventano risposte?

Perché i modelli linguistici generano testo probabile, non verità garantite. Le risposte inventate ma plausibili vengono chiamate hallucination, o allucinazioni.

Un AI Agent è diverso da un chatbot?

Sì. Un chatbot risponde soprattutto a domande e istruzioni. Un AI Agent può anche usare strumenti, pianificare azioni, consultare sistemi esterni e completare attività più complesse.

 

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.

Inviaci email

/0 Commenti/da

AI e LinkedIn: 5 dritte per manager per migliorare il profilo e farsi trovare

, , , , ,

Un manager apre LinkedIn, guarda il proprio profilo e pensa: “Sì, più o meno c’è tutto”. Esperienze, ruolo attuale, qualche competenza, una foto dignitosa, forse un banner scelto anni fa. Poi però succede una cosa: qualcuno lo cerca su Google, un potenziale partner apre il profilo, un head hunter legge la headline, un cliente guarda la sezione Informazioni. E in pochi secondi si fa un’idea.

LinkedIn, piaccia o no, è diventato una specie di Google CV: spesso è il primo risultato che compare quando qualcuno cerca il nostro nome. Per questo non basta “esserci”. Bisogna farsi capire.

Nel workshop “Come usare l’AI per migliorare la tua presenza su LinkedIn” organizzato da Federmanager Toscana, abbiamo lavorato proprio su questo: usare l’intelligenza artificiale non per delegare la propria identità professionale a un chatbot, ma per rendere più chiari profilo, competenze, posizionamento e contenuti.

Ecco cinque dritte pratiche per manager.

Come può un manager usare l’AI su LinkedIn?

Un manager può usare l’AI su LinkedIn per analizzare il proprio profilo, migliorare headline e sezione Informazioni, individuare keyword strategiche, raccontare progetti e risultati, costruire un piano editoriale e trasformare esperienze professionali in contenuti utili. L’AI non deve inventare una personalità: deve aiutare a rendere leggibile il valore già presente nel percorso professionale.

1. Prima di scrivere, controlla il tuo “Google CV” e il Social Selling Index

La prima dritta non riguarda ChatGPT. Riguarda lo specchio.

Apri una finestra anonima del browser e cerca il tuo nome su Google. Che cosa esce? Il profilo LinkedIn è tra i primi risultati? Il titolo che appare è comprensibile? L’immagine è professionale? La descrizione comunica che cosa fai oggi o sembra il riassunto di una carriera lasciata lì?

Questa operazione, che in gergo si chiama ego surfing, è utile perché ti fa vedere quello che vedono gli altri. Non quello che pensi di comunicare.

Secondo passaggio: controlla il tuo Social Selling Index di LinkedIn. Nelle slide del corso l’obiettivo suggerito è chiaro: provare a portarlo almeno a 60. Non perché il numero sia una medaglia da appendere in ufficio, ma perché costringe a guardare quattro dimensioni: brand professionale, persone giuste, interazioni rilevanti, relazioni.

Su questo tema ho scritto anche una guida dedicata al Social Selling Index e alle azioni per migliorarlo.

Prompt per audit iniziale del profilo

Agisci come un consulente LinkedIn specializzato in personal branding, LinkedIn SEO e social selling.

Analizza il mio profilo LinkedIn in formato PDF.

Valuta:
- chiarezza del posizionamento professionale;
- coerenza tra headline, sezione Informazioni ed esperienze;
- keyword mancanti;
- punti deboli del profilo;
- opportunità per migliorare autorevolezza e visibilità.

Restituisci:
1. un giudizio sintetico da 0 a 100;
2. i 5 problemi principali;
3. 10 azioni pratiche ordinate per priorità.

Come scaricare il profilo? LinkedIn permette di salvare il profilo in PDF: è un ottimo punto di partenza per farlo analizzare da un chatbot, senza incollare a mano tutte le sezioni.

2. Sistema la parte visuale: foto, banner e “In primo piano”

Nel corso abbiamo distinto due aree del profilo: la parte visuale e la parte testuale.

La parte visuale comprende foto, banner ed elementi multimediali in primo piano. Sembra secondaria, ma non lo è. Prima ancora di leggere, le persone guardano. E in un profilo manageriale la parte visuale deve comunicare affidabilità, ruolo, settore, contesto.

La foto non deve sembrare quella ritagliata da una cena aziendale del 2012. Il volto dovrebbe essere ben visibile, lo sfondo neutro, l’espressione professionale ma non marmorea. LinkedIn stessa ha più volte ricordato che avere una foto aumenta molto le probabilità che il profilo venga visto.

Il banner, invece, è spesso un’occasione sprecata. Per un manager può raccontare settore, competenze, azienda, territorio, tema professionale. Nelle slide il formato indicato è quello classico: 1584 x 396 pixel. Canva, o strumenti simili, bastano per creare qualcosa di dignitoso senza trasformarsi in art director.

Infine c’è la sezione In primo piano: qui si possono mettere articoli, video, interviste, white paper, eventi, progetti, presentazioni, pagine aziendali. In pratica: prove.

Prompt per valutare la foto profilo

Valuta questa foto profilo LinkedIn da 0 a 100.

Considera:
- visibilità del volto;
- sfondo;
- espressione;
- coerenza con un ruolo manageriale;
- fiducia trasmessa;
- eventuali elementi di distrazione.

Dammi:
1. punteggio complessivo;
2. tre punti forti;
3. tre miglioramenti concreti;
4. una checklist per scegliere una foto migliore.

Prompt per progettare il banner

Agisci come un consulente LinkedIn e visual designer.

Voglio creare un banner LinkedIn professionale per un manager.

Ecco il mio ruolo: [RUOLO]
Settore: [SETTORE]
Competenze distintive: [COMPETENZE]
Target professionale: [TARGET]

Proponi 5 idee di banner LinkedIn in formato 1584 x 396 pixel.
Per ogni idea indica:
- concept visivo;
- testo breve da inserire;
- colori consigliati;
- elementi da evitare.

Un profilo forte non è fatto solo di parole. È fatto anche di segnali visivi coerenti.

3. Riscrivi la headline con il framework ruolo, valore, target

La headline, cioè il sommario sotto il nome, è uno dei punti più importanti del profilo LinkedIn.

Molti manager usano solo il titolo aziendale: “Direttore commerciale”, “HR Manager”, “Operations Director”, “CFO”. Il problema è che un titolo dice chi sei nell’organigramma, non sempre che valore generi.

Nelle slide del corso il framework è molto semplice:

RUOLO + VALORE GENERATO + TARGET

Esempio:

Direttore Operations | Aiuto aziende manifatturiere a migliorare processi, qualità e tempi di consegna

Oppure:

HR Manager | Sviluppo persone, competenze e cultura organizzativa in contesti industriali complessi

Non serve esagerare. Serve essere capiti.

Prompt per creare tre headline LinkedIn

Analizza il PDF allegato del mio profilo LinkedIn e comportati come un consulente specializzato in personal branding, LinkedIn SEO e social selling.

Costruisci 3 headline per LinkedIn seguendo questo framework:

RUOLO + VALORE GENERATO + TARGET

Vincoli:
- massimo 220 caratteri;
- tono professionale, non pubblicitario;
- adatto a un pubblico manageriale;
- includi keyword utili per la ricerca su LinkedIn;
- evita frasi generiche come “professionista appassionato” o “leader dinamico”.

Per ogni headline spiega perché funziona.

Una buona headline non deve raccontare tutta la vita professionale. Deve aprire la porta giusta.

4. Usa l’AI per trovare keyword e riscrivere la sezione Informazioni

LinkedIn è anche un motore di ricerca.

Chi cerca un manager, un consulente, un docente, un temporary manager o un professionista usa parole chiave. A volte cerca il ruolo, a volte il settore, a volte una competenza tecnica, a volte un problema. Le keyword vanno quindi scelte con criterio e inserite nei punti giusti: headline, esperienze, sezione Informazioni, competenze.

Nelle slide abbiamo distinto parole chiave brevi e coda lunga: non solo “marketing”, ma “marketing B2B industriale”; non solo “machine learning”, ma “machine learning per manutenzione predittiva”; non solo “controllo di gestione”, ma “controllo di gestione industriale”.

Il punto non è riempire il profilo di parole chiave come un tacchino natalizio. Il punto è usare le parole che il mercato usa per cercare persone come te.

Per approfondire, puoi leggere anche la guida su come ottimizzare il profilo LinkedIn con l’AI e la pagina Mondo LinkedIn, dove raccolgo articoli, guide e risorse sul tema.

Prompt per trovare 20 keyword strategiche

Analizza il PDF allegato del mio profilo LinkedIn e comportati come un consulente specializzato in LinkedIn SEO.

Elenca 20 parole chiave da inserire nel mio profilo.

Per ogni keyword indica:
- perché è rilevante;
- dove inserirla: headline, sezione Informazioni, esperienze, competenze;
- se è una keyword breve o una keyword a coda lunga;
- eventuali sinonimi professionali.

Prompt per riscrivere la sezione Informazioni

Analizza il PDF allegato del mio profilo LinkedIn.

Scrivi la sezione Informazioni del mio profilo.

Vincoli:
- massimo 2.600 caratteri;
- apertura coinvolgente;
- tono professionale e concreto;
- adatto a un pubblico manageriale;
- evidenzia competenze, risultati e valore offerto ai clienti o all’azienda;
- integra in modo naturale le keyword più efficaci per la SEO di LinkedIn;
- evita frasi generiche, superlativi vuoti e storytelling troppo enfatico.

Struttura il testo in paragrafi brevi e leggibili.

Qui l’AI può fare un lavoro prezioso: aiutare a vedere il filo rosso di una carriera. Ma il contenuto deve restare vero. Se l’AI aggiunge risultati, numeri o competenze non presenti, bisogna fermarla.

5. Trasforma progetti ed esperienze in contenuti, non in autocelebrazione

La parte più trascurata del profilo LinkedIn è spesso quella che avrebbe più valore: progetti, casi di studio, contenuti.

Un manager non dovrebbe limitarsi a dire “ho gestito team”, “ho seguito progetti complessi”, “ho guidato trasformazioni”. Dovrebbe mostrare problemi affrontati, risultati raggiunti, metodo, apprendimenti, replicabilità.

Nelle slide c’è una formula molto utile per i progetti:

  • problema iniziale;
  • risultati raggiunti;
  • replicabilità.

È una struttura semplice, ma costringe a passare dal curriculum alla prova. E per un manager questa differenza conta.

Prompt per raccontare un progetto

Scrivi circa 1.500 battute su questo progetto professionale:

[DETTAGLI PROGETTO]

Struttura il testo in tre parti:
1. problema iniziale;
2. azioni svolte e risultati raggiunti;
3. replicabilità: che cosa può imparare un’altra azienda o un altro team.

Tono:
- concreto;
- manageriale;
- non autocelebrativo;
- orientato al valore generato.

Inserisci keyword coerenti con il mio settore, ma senza forzature.

Lo stesso ragionamento vale per i contenuti.

Nel corso abbiamo parlato anche di tre tipi di contenuti: quelli centrati su chi sei, quelli centrati su che cosa fai e quelli centrati sul perché. Il salto di qualità avviene quando un contenuto non parla solo di “noi abbiamo fatto”, ma spiega perché quel progetto, quell’esperienza o quell’errore possono essere utili ad altri.

Prompt per creare un piano editoriale di 3 mesi

Analizza il PDF del mio profilo LinkedIn e il seguente sito web:
[SITO AZIENDALE O PERSONALE]

Crea un piano editoriale per 3 mesi per il mio profilo LinkedIn.

Il pubblico è composto da:
[TARGET]

Obiettivo:
[OBIETTIVO: autorevolezza, networking, recruiting, vendita consulenziale, posizionamento, employer branding]

Crea una tabella con queste colonne:
- data;
- obiettivo del post;
- idea di contenuto di valore;
- formato consigliato;
- hook iniziale;
- call to action conversazionale.

Evita post autocelebrativi. Privilegia esempi, casi, lezioni apprese, errori da evitare e punti di vista utili per altri manager.

Questo è il punto: l’AI può aiutare a pubblicare, ma prima deve aiutare a pensare.

Il vero rischio: sembrare più artificiali dell’AI

C’è un rischio evidente nell’uso dell’intelligenza artificiale su LinkedIn: produrre profili perfetti, levigati, pieni di parole giuste, ma senza anima professionale.

Headline tutte uguali. Post tutti uguali. Sezioni Informazioni che sembrano uscite dallo stesso stampino motivazionale. “Leadership”, “innovazione”, “passione”, “risultati”, “valore”. Tutto vero, forse. Tutto indistinguibile, sicuramente.

Per questo nei percorsi su AI e LinkedIn insisto su un principio: l’AI deve aiutarti a diventare più preciso, non più generico.

Un buon profilo LinkedIn per un manager dovrebbe rispondere a tre domande:

  • Che cosa sai fare davvero?
  • Per chi o per quale organizzazione generi valore?
  • Quali prove rendono credibile quello che dici?

Se l’AI ti aiuta a rispondere meglio a queste domande, usala. Se ti aiuta solo a produrre frasi più eleganti ma meno vere, fermati.

Da dove iniziare

Se vuoi migliorare il profilo LinkedIn con l’AI, non partire dal post perfetto.

Parti da qui:

  1. scarica il profilo LinkedIn in PDF;
  2. fai un audit con l’AI;
  3. riscrivi la headline con il framework ruolo, valore, target;
  4. trova 20 keyword strategiche;
  5. riscrivi la sezione Informazioni;
  6. trasforma almeno tre progetti in casi di studio;
  7. costruisci un piano editoriale sostenibile.

È esattamente il tipo di lavoro che abbiamo affrontato nel workshop per Federmanager Toscana e che tratto nei miei percorsi su AI e LinkedIn, nei corsi su LinkedIn per professionisti e nella revisione del profilo LinkedIn.

LinkedIn non è un archivio di esperienze passate. È una piattaforma di reputazione professionale. L’AI può aiutarti a usarla meglio. A patto di ricordare che il profilo è tuo, non del chatbot.

FAQ

L’AI può scrivere tutto il profilo LinkedIn al posto mio?

Può aiutarti a riscriverlo, ma non dovrebbe inventare competenze, risultati o posizionamento. Il profilo deve restare vero, verificabile e coerente con la tua esperienza.

Qual è la prima cosa da migliorare nel profilo LinkedIn di un manager?

La headline. È uno dei primi elementi che le persone leggono e dovrebbe spiegare ruolo, valore generato e target professionale.

Le keyword servono davvero su LinkedIn?

Sì. LinkedIn funziona anche come motore di ricerca interno. Le keyword aiutano a farti trovare da recruiter, partner, clienti, colleghi e stakeholder.

Ha senso usare l’AI per creare contenuti LinkedIn?

Sì, se l’AI aiuta a trasformare esperienze reali in contenuti utili. No, se produce post generici, motivazionali e indistinguibili da mille altri.

Dove posso approfondire AI e LinkedIn?

Puoi partire dalla pagina del corso AI e LinkedIn e dalle risorse raccolte in Mondo LinkedIn.

/0 Commenti/da

Google spiega la SEO per l’AI generativa: cosa cambia davvero

, , ,

C’è una scena che si ripete sempre più spesso tra chi si occupa di contenuti online.

Qualcuno apre Google, vede una risposta generata dall’intelligenza artificiale, trova già una sintesi, magari qualche link, e a quel punto si chiede: “E adesso? Che fine fa il mio sito? Che fine fa la SEO? Dobbiamo inventarci un’altra sigla, tipo GEO, AEO, AIO, LLMO, o basta continuare a lavorare bene?”.

La domanda non è banale. Perché la ricerca online sta cambiando davvero. Le persone non digitano più solo due parole secche in un motore di ricerca. Fanno domande lunghe, chiedono confronti, vogliono risposte sintetiche, usano chatbot, leggono AI Overview, provano strumenti come Gemini, ChatGPT, Perplexity o Gemini Notebook (ex NotebookLM).

Come si ottimizza un sito per l’AI generativa di Google?

Per comparire meglio nelle esperienze di AI generativa della Ricerca Google, come AI Overview e AI Mode, non serve un trucco speciale. Secondo Google bisogna continuare a fare buona SEO: contenuti utili, originali, specifici, affidabili, pensati per le persone, tecnicamente accessibili, indicizzabili e ben organizzati. AEO e GEO possono essere etichette utili per ragionare, ma per Google l’ottimizzazione per la ricerca basata sull’AI resta, prima di tutto, SEO.

Perché se ne parla adesso

Google ha pubblicato una nuova guida ufficiale, aggiornata il 24 giugno 2026, dedicata proprio a questo tema: Ottimizza il tuo sito web per le funzionalità di AI generativa nella Ricerca Google.

Non è una paginetta di circostanza. È un documento importante per chi scrive, pubblica, vende, forma, comunica, fa marketing o gestisce siti aziendali.

Google dice una cosa molto chiara: le persone stanno usando sempre di più esperienze basate sull’AI generativa per trovare informazioni. Questo può diventare un’opportunità, perché chi arriva al sito da queste esperienze potrebbe essere più motivato, più informato e più vicino a una conversione.

Tradotto: non basta più “posizionarsi”. Bisogna meritare di essere una fonte.

La SEO è ancora pertinente nell’epoca dell’AI?

La risposta di Google è secca: sì.

Le funzionalità di AI generativa della Ricerca Google si basano ancora sui sistemi principali di ranking e qualità della Ricerca. Questo è il punto che molti dimenticano quando annunciano, con una certa allegria funebre, la morte della SEO.

Google spiega che queste esperienze usano tecniche come il Retrieval-Augmented Generation, spesso abbreviato in RAG. In pratica, il sistema recupera pagine pertinenti e aggiornate dall’indice della Ricerca e usa quelle informazioni per generare una risposta più affidabile, mostrando link cliccabili alle fonti.

Questa cosa dovrebbe suonarci familiare. Ne ho parlato anche a proposito del metodo LLM Wiki e del second brain: l’AI è molto più utile quando lavora su fonti reali, verificabili, organizzate. Non quando inventa nel vuoto cosmico.

La seconda tecnica citata da Google è il query fan-out. Il modello non si limita alla domanda originale dell’utente, ma genera più query correlate per raccogliere informazioni utili. Se una persona cerca “come sistemare un prato pieno di erbacce”, il sistema può interrogare anche ricerche collegate su erbicidi, prevenzione, rimozione naturale e così via.

Per chi fa contenuti, la conseguenza è interessante: non bisogna inseguire ogni micro-variazione della keyword. Bisogna coprire bene un tema, con competenza, struttura e utilità.

AEO, GEO, AIO: parole nuove per un problema vecchio

Negli ultimi mesi sono esplose sigle nuove.

  • AEO: Answer Engine Optimization, ottimizzazione per i motori di risposta.
  • GEO: Generative Engine Optimization, ottimizzazione per i motori generativi.
  • AIO: AI Optimization, ottimizzazione per la ricerca e le risposte generate dall’intelligenza artificiale.

Google però mette un paletto: dal suo punto di vista, ottimizzare per la ricerca basata sull’AI generativa significa ottimizzare per l’esperienza di ricerca. Quindi, sempre SEO.

Questo non vuol dire che GEO e AEO siano parole inutili. Possono aiutare a ragionare su come rendere un contenuto più citabile, più chiaro, più estratto facilmente da un sistema generativo. Ma se diventano il pretesto per vendere trucchi magici, meglio fare un passo indietro.

Il punto non è “scrivere per l’algoritmo AI”. Il punto è scrivere così bene, in modo così utile e specifico, da diventare una fonte sensata anche per l’AI.

Che cosa conta davvero secondo Google

Nella guida ci sono molte indicazioni, ma si possono riassumere in quattro grandi aree.

1. Contenuti di valore, specifici e non generici

Google insiste su un concetto semplice: i contenuti generici non bastano più.

Un articolo intitolato “7 consigli per comprare casa” potrebbe essere scritto da chiunque, anche da un modello generativo senza esperienza. Un contenuto utile, invece, porta un punto di vista, un caso concreto, dati, esempi, esperienza diretta, competenza.

Questo è il nodo centrale. Se l’AI può produrre in cinque secondi un testo medio su un argomento, il valore non sta più nel testo medio. Sta nell’esperienza, nella selezione, nel metodo, nella capacità di collegare le cose.

Vale anche per il web writing con ChatGPT. Il problema non è usare o non usare l’AI per scrivere. Il problema è usarla per produrre contenuti fotocopia. Già qualche anno fa avevo proposto un prompt per il web writing con ChatGPT, ma oggi aggiungerei una postilla: il prompt non deve sostituire il pensiero, deve tirarlo fuori meglio.

2. Struttura leggibile per esseri umani

Google raccomanda pagine ben organizzate, con sezioni, paragrafi chiari, titoli utili. Sembra banale, ma è uno dei punti più sottovalutati.

Una pagina caotica non è solo fastidiosa per il lettore. È anche più difficile da interpretare, riassumere, collegare ad altre informazioni.

Per questo, quando si lavora a un contenuto destinato sia agli umani sia ai sistemi AI, conviene inserire:

  • una risposta breve all’inizio;
  • definizioni chiare dei concetti principali;
  • esempi concreti;
  • sezioni sui rischi e sui limiti;
  • FAQ finali, quando servono davvero;
  • link interni ed esterni pertinenti.

Non per “ingannare” l’AI. Per aiutare chi legge. Poi, guarda caso, anche i sistemi automatici capiscono meglio.

3. Base tecnica solida

Google ricorda una cosa poco spettacolare ma fondamentale: se una pagina non è indicizzabile, accessibile, scansionabile, veloce e comprensibile, la magia dell’AI non la salverà.

Per essere presa in considerazione nelle esperienze di AI generativa, una pagina deve essere idonea a comparire nella Ricerca Google con uno snippet. Non è una garanzia di visibilità, ma è il punto di partenza.

Qui entrano in gioco le solite cose, quelle noiose ma decisive:

  • contenuti accessibili a Googlebot;
  • uso sensato di titoli e sottotitoli;
  • attenzione a JavaScript e contenuti caricati in modo problematico;
  • riduzione dei duplicati;
  • buona esperienza su mobile;
  • monitoraggio con Google Search Console.

Insomma: prima di parlare di GEO, forse conviene controllare se il sito ha pagine indicizzate, titoli decenti e contenuti non duplicati. Meno sexy, più utile.

4. Immagini, video e contenuti multimediali

Google segnala anche il ruolo di immagini e video di qualità. Non è un dettaglio. Le risposte generate dall’AI possono includere o valorizzare contenuti multimediali, e molte persone cercano spiegazioni visive, esempi, screenshot, tutorial.

Questo vale moltissimo nel mondo AI. Un articolo su Gemini Notebook, per esempio, funziona meglio se mostra casi d’uso, schermate, video, esempi di fonti e risultati. Non a caso ho raccolto in una pagina i miei video YouTube su Gemini Notebook, proprio per rendere più navigabile un tema che cambia rapidamente.

I miti da evitare: Google smonta qualche scorciatoia

La parte più interessante della guida, almeno per chi sta vedendo nascere consulenze “AI SEO” di ogni tipo, è quella dedicata ai falsi miti.

Google dice esplicitamente che, per la Ricerca Google, non servono alcuni trucchi che stanno circolando online.

Il file llms.txt non serve per Google

Google chiarisce che non è necessario creare file leggibili dalle macchine, file testuali per l’AI, markup speciali o versioni Markdown dei contenuti per comparire nella Ricerca Google e nelle sue funzionalità di AI generativa.

Se vuoi creare un file llms.txt per altri sistemi, libero di farlo. Ma Google dice che lo ignora: non migliora né peggiora la visibilità nella Ricerca.

Non bisogna spezzettare i contenuti per farli capire all’AI

Altro mito: dividere tutto in blocchi minuscoli per facilitare la comprensione dei modelli.

Google dice che non serve. I suoi sistemi sanno comprendere sfumature e argomenti diversi anche dentro una pagina più ampia. La lunghezza ideale non esiste in astratto. Esiste la lunghezza giusta per il lettore, per il tema, per l’obiettivo.

Non serve riscrivere tutto “per l’AI”

Google spiega anche che non bisogna usare una forma linguistica speciale per la ricerca generativa. I sistemi comprendono sinonimi, contesto, significati generali.

Quindi no: non serve riempire un articolo con tutte le possibili long tail. Serve rispondere bene. Che è più difficile, ma anche più dignitoso.

Non bisogna inseguire menzioni artificiali

Le funzionalità AI possono mostrare cosa viene detto online di prodotti, servizi e brand. Questo non significa che abbia senso creare menzioni finte, recensioni forzate o contenuti sparsi solo per “farsi vedere” dall’AI.

Google ribadisce che i sistemi di ranking puntano sui contenuti di qualità e che altri sistemi bloccano lo spam. La reputazione non si costruisce con il polistirolo digitale.

I dati strutturati aiutano, ma non sono una bacchetta magica

Altro chiarimento utile: i dati strutturati non sono necessari specificamente per la ricerca basata sull’AI generativa e non esiste un markup schema.org speciale per “entrare nelle risposte AI”.

Restano però utili nella strategia SEO complessiva, per esempio per rendere il sito idoneo a risultati avanzati. Quindi: usarli quando servono, senza venerarli.

La parte nuova: gli agenti AI

Verso la fine della guida Google apre un tema che, secondo me, diventerà sempre più importante: le esperienze agentiche.

Gli agenti AI sono sistemi capaci di svolgere attività per conto delle persone: confrontare prodotti, analizzare pagine, prenotare, interagire con un sito, compilare passaggi. Google cita anche gli agenti del browser, che possono osservare il rendering visivo, ispezionare il DOM e interpretare l’albero di accessibilità.

Questo sposta l’attenzione da “il mio contenuto viene letto da una persona?” a “il mio sito può essere capito e usato anche da un agente?”.

Qui non parliamo solo di SEO. Parliamo di esperienza utente, accessibilità, dati, struttura, procedure, e-commerce, prenotazioni, moduli, confronto tra offerte. Google rimanda anche alle best practice per siti ottimizzati per gli agenti pubblicate su web.dev.

Per ora è un tema emergente. Ma vale la pena tenerlo d’occhio, soprattutto per e-commerce, siti di servizi, formazione, turismo, eventi, consulenze e piattaforme con percorsi complessi.

Che cosa dovrebbe fare adesso chi produce contenuti

Proviamo a tradurre tutto in una checklist concreta.

  • Scrivi per una domanda reale. Ogni articolo dovrebbe rispondere a un bisogno preciso, non a una keyword astratta.
  • Aggiungi esperienza. Casi, esempi, dati, osservazioni, errori visti sul campo, lezioni imparate.
  • Organizza bene la pagina. Titoli chiari, sezioni leggibili, risposta breve, esempi, FAQ quando utili.
  • Collega i contenuti tra loro. I link interni aiutano lettori e motori a capire il contesto del sito.
  • Verifica la parte tecnica. Indicizzazione, mobile, duplicati, performance, Search Console.
  • Non moltiplicare pagine inutili. Meglio una guida forte che dieci contenuti sottili sulle varianti della stessa domanda.
  • Usa l’AI come assistente, non come fotocopiatrice. Va benissimo farsi aiutare, molto meno pubblicare contenuti generici prodotti in serie.

Questo vale per chi fa marketing, per chi lavora in azienda, per chi gestisce un blog professionale, per chi pubblica corsi, per chi crea contenuti formativi.

E vale anche per la formazione interna. Nei percorsi sull’AI, come quelli legati alla formazione AI obbligatoria per aziende e AI Act, uno dei temi centrali dovrebbe essere proprio questo: usare l’intelligenza artificiale senza perdere metodo, responsabilità e qualità delle fonti.

Il vero rischio? La superficialità digitale

La guida di Google, letta bene, non è un manuale di trucchi. È quasi un invito alla sobrietà.

Il rischio non è che l’AI cambi la ricerca. Quello sta già succedendo. Il rischio è reagire nel modo peggiore: produrre più contenuti generici, inseguire sigle, comprare scorciatoie, riempire il sito di testi “ottimizzati per l’AI” che nessun essere umano leggerebbe volentieri.

La ricerca basata sull’AI premia, almeno nelle intenzioni, ciò che la buona SEO avrebbe sempre dovuto premiare: contenuti utili, affidabili, specifici, accessibili, ben collegati, pensati per persone vere.

La novità è che oggi la mediocrità costa di più. Perché un testo generico non compete solo con altri testi generici. Compete con una macchina che può produrne infiniti.

Il vantaggio competitivo, quindi, non sarà “usare l’AI per scrivere di più”. Sarà usare l’AI per capire meglio, organizzare meglio, verificare meglio, spiegare meglio.

In altre parole: meno fuffa, più metodo. Google, almeno questa volta, sembra dire proprio questo.

FAQ

La SEO è morta con l’arrivo dell’AI generativa nella Ricerca Google?

No. Google afferma che le best practice SEO continuano a essere pertinenti per AI Overview, AI Mode e le altre esperienze basate sull’AI generativa, perché si appoggiano ai sistemi principali di ranking e qualità della Ricerca.

Che differenza c’è tra SEO, AEO e GEO?

SEO è l’ottimizzazione per i motori di ricerca. AEO indica l’ottimizzazione per i motori di risposta. GEO indica l’ottimizzazione per i motori generativi. Per Google, però, ottimizzare per la ricerca AI significa ancora ottimizzare l’esperienza di ricerca, quindi fare buona SEO.

Serve creare un file llms.txt per comparire nella Ricerca Google?

No. Google dice che per la Ricerca Google, incluse le funzionalità di AI generativa, non è necessario creare file llms.txt, markup speciali o versioni testuali pensate per l’AI.

I dati strutturati aiutano la visibilità nelle risposte AI?

Google chiarisce che i dati strutturati non sono necessari specificamente per la ricerca basata sull’AI generativa. Restano però utili nella SEO complessiva, soprattutto per l’idoneità ai risultati avanzati.

Qual è il consiglio più importante per chi crea contenuti?

Creare contenuti unici, utili, specifici e affidabili, basati su esperienza reale o competenza verificabile. I riassunti generici di cose già dette altrove sono sempre meno competitivi.

/0 Commenti/da