Come far apparire i post LinkedIn su ChatGPT

,

Sì, un post LinkedIn può comparire tra le fonti di ChatGPT e degli altri motori di ricerca basati sull’intelligenza artificiale. Ma non esiste un pulsante magico e, soprattutto, non basta infilare qualche parola chiave nel testo. Il contenuto deve essere pubblico, originale, autorevole, comprensibile anche fuori dal feed e abbastanza utile da meritare una citazione.

Questa nuova disciplina viene chiamata GEO, Generative Engine Optimization: l’insieme delle tecniche che aumentano la probabilità che un contenuto venga recuperato, interpretato e citato da ChatGPT, Perplexity, Gemini, Copilot e Google AI Mode.

Ho scritto “aumentano la probabilità”, non “garantiscono”. È una distinzione importante. I motori generativi sono sistemi proprietari, cambiano spesso e scelgono le fonti in base alla domanda, al momento e al contesto. Chi promette il primo posto su ChatGPT sta semplicemente riciclando le peggiori promesse della vecchia SEO.

Perché i post LinkedIn possono finire nelle risposte di ChatGPT

ChatGPT Search non risponde soltanto grazie a ciò che il modello ha appreso durante l’addestramento. Quando serve, cerca informazioni aggiornate sul Web e mostra collegamenti alle fonti. OpenAI spiega ufficialmente che le risposte possono includere link ad articoli, blog e altre pagine pertinenti.

LinkedIn è interessante perché riunisce tre elementi che i sistemi di ricerca apprezzano: contenuti testuali, identità professionali riconoscibili e segnali di competenza. Inoltre molte pagine pubbliche della piattaforma sono indicizzabili e quindi possono entrare nel bacino delle fonti recuperate dai motori.

Una ricerca di Semrush pubblicata nel marzo 2026 ha analizzato 325.000 prompt e 89.000 URL LinkedIn citati da ChatGPT Search, Google AI Mode e Perplexity. Nel campione, LinkedIn era il secondo dominio più citato e compariva mediamente nell’11% delle risposte. Il dato è interessante, ma non va trasformato in una legge universale: il campione era concentrato soprattutto su tecnologia, servizi professionali, finanza e industria.

Anatomia dei contenuti LinkedIn citati dai motori di ricerca AI
Le caratteristiche ricorrenti dei contenuti LinkedIn citati dai motori AI. Immagine e dati: Semrush.

Come scrivere post LinkedIn che ChatGPT possa citare

1. Parti dalla domanda che il cliente farebbe a un’AI

La vecchia ricerca di parole chiave non scompare, ma si trasforma. Le persone chiedono a ChatGPT frasi complete: “Come posso usare l’intelligenza artificiale in uno studio professionale?” oppure “Quali errori evitare nel profilo LinkedIn di un manager?”.

Prima di scrivere, raccogli cinque o dieci domande reali del tuo pubblico. Scegline una e rispondi a quella. Un post che tenta di coprire tutto spesso non risponde bene a nulla.

2. Metti la risposta nelle prime righe

Evita aperture come “Oggi voglio condividere una riflessione”. Non dicono niente né alla persona né al sistema che deve capire di cosa parla il post.

Meglio una frase autosufficiente:

Per rendere un post LinkedIn citabile da ChatGPT non servono più hashtag: servono una risposta precisa, esperienza verificabile e una fonte che sostenga il dato.

La tesi arriva subito. Il resto del post la dimostra.

3. Scrivi per blocchi autosufficienti

I sistemi di ricerca non trattano sempre una pagina come un unico blocco. Recuperano spesso passaggi circoscritti e pertinenti alla domanda. Per questo ogni paragrafo dovrebbe contenere un’idea completa, comprensibile senza dover rileggere i cinque paragrafi precedenti.

Funzionano bene definizioni, elenchi, confronti, procedure ed esempi. Non perché l’AI ami le liste, ma perché una struttura chiara riduce l’ambiguità.

4. Usa dati e fonti, ma senza fare cosplay da ricercatore

Lo studio accademico che ha formalizzato il GEO, presentato a ACM SIGKDD 2024, ha rilevato che l’aggiunta di citazioni, statistiche e formulazioni autorevoli può aumentare la visibilità nelle risposte generative. Gli effetti, però, variavano a seconda dell’argomento. Non esiste quindi una ricetta identica per tutti i settori.

La regola pratica è semplice: se riporti un numero, collega la fonte originaria. Se racconti un esperimento, spiega campione, periodo e limite. Se citi un caso cliente, non trasformare un episodio in una verità statistica.

5. Porta esperienza che non si trova già in mille post

Un testo generico può essere corretto e al tempo stesso inutile. “L’intelligenza artificiale aiuta le aziende a essere più efficienti” non merita una citazione: è aria tiepida.

Molto meglio: “Durante un corso con 18 amministrativi abbiamo confrontato tre metodi per sintetizzare un regolamento. Questo è quello che ha prodotto meno errori”. L’esperienza diretta crea informazione nuova, sempre che sia autentica e descritta con precisione.

È lo stesso principio che Google riassume nelle sue indicazioni sui contenuti utili, affidabili e pensati prima di tutto per le persone: esperienza di prima mano, scopo chiaro e valore reale contano più dei testi costruiti soltanto per intercettare traffico.

6. Costruisci autorevolezza su pochi temi

Se oggi scrivi di prompt engineering, domani di leadership, dopodomani di criptovalute e venerdì di ricette vegane, l’AI non è confusa: sei tu che non hai deciso per cosa vuoi essere riconosciuto.

Scegli tre, massimo cinque cluster tematici coerenti con esperienza, servizi e clienti. Io, per esempio, presidio intelligenza artificiale generativa, prompt engineering, comunicazione digitale, LinkedIn e formazione. La ripetizione intelligente costruisce associazioni semantiche. La ripetizione meccanica costruisce noia.

Su questo punto anche LinkedIn insiste sul valore della competenza dimostrata: il programma LinkedIn Top Voices riconosce chi mostra con continuità expertise e leadership attraverso contenuti che educano e informano.

7. Alterna post e articoli LinkedIn

Nel campione Semrush, gli articoli LinkedIn da 500 a 2.000 parole rappresentavano il formato più citato, mentre tra i post emergevano quelli tra 50 e 299 parole. Sono correlazioni osservate, non lunghezze magiche.

Il suggerimento sensato è usare i due formati con compiti diversi:

  • post brevi o medi per una tesi, un caso, un dato o una domanda;
  • articoli LinkedIn per guide, confronti e procedure che richiedono struttura;
  • articoli sul proprio sito per costruire un archivio proprietario, collegabile e aggiornabile.

La strategia più robusta non è scegliere tra sito e LinkedIn. È pubblicare un approfondimento sul sito e trasformarne le idee principali in contenuti LinkedIn originali, ciascuno autosufficiente. Se vuoi lavorare anche sul profilo, trovi qui la mia guida con cinque dritte per migliorare LinkedIn con l’AI.

Formati LinkedIn più citati da ChatGPT, Perplexity e Google AI Mode
Distribuzione dei formati LinkedIn citati dai diversi motori AI. Immagine e dati: Semrush.

Una checklist GEO per il prossimo post LinkedIn

Prima di pubblicare, verifica questi dieci punti:

  1. Il post risponde a una domanda precisa?
  2. La risposta principale compare nelle prime tre righe?
  3. Il contenuto è pubblico e originale?
  4. Ogni paragrafo contiene una sola idea?
  5. I termini tecnici sono definiti alla prima occorrenza?
  6. C’è almeno un esempio concreto o un’esperienza diretta?
  7. I numeri sono collegati a fonti attendibili?
  8. Il testo usa le stesse entità e denominazioni del tuo profilo e del tuo sito?
  9. Il post rientra in uno dei tuoi cluster tematici principali?
  10. Potresti aggiornare o approfondire il contenuto in un articolo?

Come verificare se ChatGPT ti cita davvero

Non misurare il GEO cercando una volta il tuo nome. Prepara invece dieci domande che un potenziale cliente potrebbe rivolgere a un assistente AI. Esegui gli stessi prompt su ChatGPT, Perplexity, Gemini e Google AI Mode, se disponibile. Ripeti il controllo ogni mese.

Registra quattro elementi: se compari, quale URL viene citato, con quale descrizione vieni presentato e quali concorrenti occupano lo spazio che ti interessa. Le risposte possono cambiare, quindi una singola prova non dimostra né successo né fallimento.

Ricorda anche che l’accessibilità tecnica conta. OpenAI mette a disposizione indicazioni specifiche per i publisher che desiderano essere presenti in ChatGPT Search; allo stesso modo, una pagina bloccata ai crawler, privata o priva di collegamenti ha meno possibilità di essere recuperata. Prima della retorica sul GEO viene sempre l’igiene tecnica del sito.

Gli errori che rendono invisibile un post LinkedIn

  • Aprire con un preambolo vuoto.
  • Copiare un contenuto altrui e aggiungere due righe.
  • Pubblicare dati senza fonte.
  • Usare hashtag o keyword come coriandoli.
  • Saltare continuamente da un argomento all’altro.
  • Confondere la viralità con l’autorevolezza.
  • Pubblicare testi generati dall’AI senza esperienza, verifica ed editing.

L’ultimo errore merita una precisazione: non esistono prove solide che tutti i motori sappiano sempre riconoscere e penalizzare automaticamente ogni testo scritto con l’AI. Il problema è più semplice. Se cento persone usano lo stesso prompt, escono cento varianti dello stesso minestrone. Quel contenuto aggiunge poco e offre pochi motivi per essere citato.

Conclusione: scrivi per essere utile, struttura per essere citabile

La GEO applicata a LinkedIn non sostituisce una buona strategia editoriale. La rende più rigorosa. Devi rispondere a domande reali, dichiarare la tesi subito, usare fonti controllabili, raccontare esperienza vera e costruire coerenza nel tempo.

La mia formula è questa: prima utile alle persone, poi leggibile dalle macchine. Se inverti l’ordine, forse riuscirai a impressionare un tool di ottimizzazione. Difficilmente convincerai un cliente. E, alla lunga, nemmeno ChatGPT.

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 diabete: 15 usi concreti, da GlucoFM ai sensori CGM

, ,

L’intelligenza artificiale può già aiutare una persona con diabete a leggere meglio i dati del sensore, prevedere possibili ipoglicemie, automatizzare in parte l’erogazione dell’insulina e preparare visite più utili. Ma non basta aprire ChatGPT e chiedergli quante unità somministrare. Quella non è innovazione: è roulette russa con un’interfaccia elegante.

La vera rivoluzione nasce dall’incontro fra sensori CGM, microinfusori, penne intelligenti, app, algoritmi predittivi e supervisione clinica. Una rivoluzione promettente, ma molto meno semplice delle brochure.

Nota importante: questo articolo ha finalità informative e non sostituisce il parere del diabetologo. Non modificare insulina, farmaci, dieta o soglie di allarme sulla base delle risposte di un chatbot generalista.

Che cosa significa davvero “AI per diabetici”

“AI per diabetici” è una formula comoda, ma contiene tecnologie molto diverse. Alcune sono già integrate in dispositivi medici autorizzati. Altre sono strumenti di supporto per medici e pazienti. Altre ancora sono prototipi studiati in laboratorio.

Metterle tutte nello stesso sacco genera l’equivoco più pericoloso: scambiare un paper promettente per una terapia disponibile. Per questo dividerò gli esempi in tre livelli:

  • già utilizzabile nella pratica clinica, tramite dispositivi e servizi autorizzati;
  • supporto organizzativo ed educativo, da usare senza delegare decisioni terapeutiche;
  • ricerca, interessante oggi e forse applicabile domani.

GlucoFM di Google: un foundation model che prova a “capire” le curve glicemiche

Il 26 agosto 2026 Google Research ha presentato GlucoFM, un foundation model leggero e auto-supervisionato progettato per analizzare i dati del monitoraggio continuo del glucosio, il CGM.

L’idea è intelligente: una curva glicemica non è un unico flusso indistinto. Contiene tendenze lente, come il livello di base, e deviazioni rapide che possono dipendere da pasti, attività fisica o artefatti del sensore. GlucoFM separa questi due livelli e cerca di apprendere rappresentazioni riutilizzabili.

Secondo Google e il relativo paper su arXiv, il modello è stato pre-addestrato su 109.066 ore di registrazioni CGM non etichettate, provenienti da 477 partecipanti o sessioni. È stato poi valutato su quattro coorti e su compiti come stima del rischio di diabete, resistenza insulinica, disfunzione delle cellule beta, ipoglicemia e previsione della risposta glicemica dopo i pasti.

Schema del foundation model GlucoFM per l'analisi dei dati del monitoraggio continuo del glucosio

Come funziona GlucoFM. Immagine: Google Research, fonte originale.

I risultati dichiarati sono interessanti, soprattutto nel trasferimento tra dataset e nell’adattamento con pochi dati etichettati. Ma fermiamoci prima di far partire la fanfara: GlucoFM è un modello di ricerca, non un’app clinica che una persona può scaricare e usare per decidere la terapia. Il paper è su arXiv e non equivale, da solo, a una validazione clinica o a un’autorizzazione regolatoria.

Architettura a doppio flusso del modello GlucoFM per le curve glicemiche

L’architettura a doppio flusso di GlucoFM. Immagine: Google Research, fonte originale.

AI e diabete: 15 esempi concreti

1. Prevedere una possibile ipoglicemia

Gli algoritmi possono analizzare direzione e velocità della curva CGM e generare un allarme prima che il valore superi una soglia critica. Il vantaggio non è conoscere il numero attuale, ma capire dove potrebbe andare. Il comportamento da adottare deve però seguire il piano concordato con il team diabetologico.

2. Automatizzare in parte l’erogazione dell’insulina

I sistemi AID, detti anche “closed loop ibridi”, collegano sensore, algoritmo e microinfusore. Il software aumenta, riduce o sospende l’insulina in base ai dati ricevuti. Non è fantascienza: la Food and Drug Administration statunitense, per esempio, descrive il funzionamento dell’iLet Bionic Pancreas e del suo algoritmo adattivo. Disponibilità, indicazioni e autorizzazioni vanno sempre verificate nel proprio Paese.

3. Individuare pattern notturni

Una settimana di grafici può sembrare un piatto di spaghetti digitali. Un sistema di analisi può evidenziare ricorrenze: discese tra le 2 e le 4, rialzi all’alba, differenze fra giorni lavorativi e weekend. Il risultato utile non è “cambia la dose”, ma “porta questo pattern al diabetologo”.

4. Misurare il tempo nell’intervallo

L’HbA1c è importante, ma non racconta tutte le oscillazioni. L’analisi automatica può sintetizzare tempo nell’intervallo, tempo sopra e sotto l’intervallo e variabilità. Una meta-analisi del 2025 su 27 studi e 2.975 partecipanti con diabete di tipo 1 ha rilevato che il CGM, rispetto al monitoraggio standard, migliorava HbA1c e tempo nell’intervallo; i sistemi closed loop ottenevano il ranking più alto nella network meta-analysis.

5. Collegare pasti e risposta glicemica

Fotografia del pasto, quantità, orario e curva successiva possono aiutare a costruire un diario meno faticoso. L’AI può raggruppare pasti simili e mostrare risposte diverse. Attenzione però: correlazione non significa causalità e una fotografia non stima con precisione assoluta carboidrati, fibre, grassi e porzioni.

6. Stimare i carboidrati da una foto, con prudenza

Le app di computer vision possono riconoscere alimenti e proporre una stima. È un aiuto educativo, non un contatore infallibile. Una lasagna fotografata dall’alto nasconde ingredienti, peso e ricetta. Usare quella stima per un bolo senza una procedura clinicamente approvata è un salto che non consiglio.

7. Capire l’effetto dell’attività fisica

Incrociando CGM, passi, frequenza cardiaca, tipo di allenamento e orario, gli algoritmi possono far emergere pattern personali. Per esempio: dopo la corsa serale il calo arriva subito o durante la notte? È materiale prezioso per impostare strategie con il professionista.

8. Analizzare sonno, stress e glicemia

Wearable e smartwatch aggiungono dati su sonno e frequenza cardiaca. L’AI può cercare associazioni fra notti brevi, stress fisiologico e variabilità glicemica. Sono indizi, non diagnosi. Il rischio è trasformarsi nel detective ossessivo del proprio corpo e attribuire a una causa ciò che dipende da dieci fattori.

9. Rendere più utili le penne intelligenti

Le smart pen registrano orario e quantità dell’insulina. Integrando questi dati con il CGM, un sistema può segnalare dosi dimenticate, sovrapposizioni potenzialmente problematiche o schemi ricorrenti. Una revisione del 2025 sui sistemi decisionali AI per il diabete di tipo 1 sottolinea proprio il valore dell’integrazione fra app, smartwatch, activity tracker, CGM, microinfusori e penne intelligenti.

10. Preparare un rapporto prima della visita

Questo è uno degli usi più semplici e sensati. Il sistema può organizzare dati e domande in una pagina: episodi ricorrenti, pasti insoliti, allenamenti, cambi di routine, dubbi da discutere. Si risparmia tempo e la visita parte dai problemi veri invece che da “allora, come va?”.

11. Tradurre un referto in linguaggio comprensibile

Un chatbot può spiegare termini tecnici, sciogliere sigle e preparare domande. La formula corretta non è “dimmi che terapia fare”, ma “spiegami questo termine e suggerisci quali domande porre al medico”. Prima di caricare un referto, elimina nome, codice fiscale, indirizzo, numero di tessera sanitaria e altri identificativi. Ho pubblicato una guida pratica su come anonimizzare documenti e PDF prima di usare l’AI.

12. Creare promemoria contestuali

Un assistente può ricordare sensore da sostituire, scorte da controllare, visita, esami o materiali da portare in viaggio. Questo non è un dispositivo medico e non richiede che il chatbot interpreti la glicemia. A volte l’AI più utile è quella che evita di dimenticare una cosa banale.

13. Personalizzare l’educazione terapeutica

L’AI può trasformare indicazioni validate dal centro diabetologico in quiz, schede semplici, versioni per adolescenti, traduzioni o simulazioni di situazioni quotidiane. Il contenuto di partenza deve essere affidabile. Se la fonte è sbagliata, il chatbot renderà l’errore più chiaro e convincente. Non esattamente un progresso.

14. Supportare lo screening della retinopatia diabetica

I sistemi di visione artificiale possono analizzare immagini della retina e segnalare casi da approfondire. Lo screening non coincide con la diagnosi e può produrre falsi positivi o falsi negativi. L’NHS ricorda che lo screening serve a trovare precocemente possibili problemi e che un risultato anomalo richiede ulteriori verifiche.

15. Monitorare il rischio del piede diabetico

Fotografie, sensori di pressione e termografia possono essere analizzati per individuare variazioni sospette e stabilire priorità di controllo. Qui il confine deve essere netto: una foto inviata a un chatbot generalista non esclude un’ulcera e non sostituisce un esame clinico, soprattutto in presenza di ferite, arrossamento, gonfiore, dolore, cattivo odore o febbre.

Un prompt utile e uno pericoloso

Prompt utile:

Questi sono dati già anonimizzati del mio diario glicemico. Non formulare diagnosi e non suggerire modifiche a farmaci o insulina. Organizza le informazioni in una tabella, individua pattern ricorrenti e prepara dieci domande da portare al diabetologo. Evidenzia dati mancanti e possibili spiegazioni alternative.

Prompt pericoloso:

Ho 240 mg/dL e sto per mangiare una pizza. Quanta insulina devo fare?

Il primo usa l’AI per preparare una conversazione clinica. Il secondo le delega una decisione individuale ad alto rischio senza conoscere terapia, rapporto insulina-carboidrati, fattore di correzione, insulina attiva, andamento del sensore, attività fisica, malattie concomitanti e indicazioni del medico.

I cinque controlli prima di usare un’app AI per il diabete

  1. Qual è la destinazione d’uso? Benessere, educazione o decisione clinica non sono la stessa cosa.
  2. È un dispositivo medico autorizzato? Verifica marcatura, indicazioni, Paese e versione precisa.
  3. Su chi è stato validato? Tipo 1, tipo 2, gravidanza, bambini e anziani richiedono evidenze specifiche.
  4. Dove finiscono i dati? Curve glicemiche, referti e fotografie sono dati sanitari estremamente delicati.
  5. Chi resta responsabile? Deve esistere un professionista e una procedura per confermare, correggere o ignorare l’output.

Per approfondire il tema della responsabilità clinica, consiglio anche il mio articolo Sanità e IA: il medico è già sostituibile dall’intelligenza artificiale?. La risposta breve è la stessa che vale qui: supporto e sostituzione non sono sinonimi.

Il vero vantaggio dell’AI non è dare risposte, ma fare domande migliori

La gestione del diabete produce una quantità enorme di microdecisioni. È proprio qui che l’AI può avere valore: ridurre il carico cognitivo, trovare ricorrenze e trasformare dati sparsi in conversazioni più informate.

Ma il limite non è un dettaglio da aggiungere in fondo, con carattere corpo 6. Un algoritmo non conosce automaticamente la storia della persona, la sua affidabilità può cambiare fra popolazioni e dispositivi, e un errore terapeutico può avere conseguenze immediate.

GlucoFM mostra una direzione affascinante: modelli capaci di apprendere il linguaggio temporale della glicemia. La sfida, adesso, non è soltanto renderli più precisi. È validarli clinicamente, integrarli nei percorsi di cura, proteggerne i dati e spiegare chiaramente chi decide.

Perché il pancreas artificiale può diventare sempre più intelligente. La responsabilità, per fortuna, deve restare umana.

Fonti e approfondimenti

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

Gemini Notebook per artigiani: 12 esempi concreti per lavorare meglio

, ,

Gemini Notebook può diventare la memoria operativa di un’impresa artigiana. Gli si forniscono preventivi, manuali, cataloghi, procedure, appunti, fotografie, registrazioni e altri materiali; poi lo si interroga, ottenendo risposte ancorate a quelle fonti e accompagnate da citazioni verificabili.

Questa è la differenza decisiva rispetto a una chat generica: Gemini Notebook non deve indovinare come funziona la tua azienda. Lavora prima di tutto sui documenti che scegli tu.

Il nome potrebbe suonare nuovo. In realtà è il nuovo nome di NotebookLM, adottato da Google nel luglio 2026. Non è diventato improvvisamente un gestionale e non sostituisce l’esperienza dell’artigiano. È uno strumento per leggere, collegare, sintetizzare e trasformare la conoscenza che spesso resta dispersa tra raccoglitori, cartelle, WhatsApp e memoria personale.

Che cos’è Gemini Notebook e perché può servire a un artigiano

Google definisce Gemini Notebook un assistente di ricerca basato sull’intelligenza artificiale. Può lavorare con PDF, pagine web, video YouTube, file audio, Google Docs, Presentazioni e Fogli, immagini, file Word, PowerPoint, CSV, Markdown e altri formati.

Una volta caricate le fonti, si può:

  • fare domande sui documenti;
  • confrontare informazioni provenienti da file diversi;
  • risalire al passaggio originale attraverso le citazioni;
  • creare report, tabelle, mappe mentali e FAQ;
  • esportare tabelle in Google Sheets e report in Google Docs;
  • generare presentazioni, infografiche, quiz e riepiloghi audio o video.

La funzione più interessante non è la produzione di un podcast spettacolare. È la possibilità di trasformare un archivio disordinato in uno strumento consultabile.

Prima regola: un quaderno per ogni processo, non un calderone digitale

Eviterei di creare un unico quaderno chiamato “Azienda” e di buttarci dentro qualsiasi cosa. Dopo qualche settimana diventerebbe la versione digitale del cassetto dove finiscono pile, chiavi sconosciute e manuali di elettrodomestici buttati dieci anni fa.

Meglio creare quaderni separati, per esempio:

  • preventivi e listini;
  • manuali tecnici;
  • sicurezza e procedure;
  • catalogo prodotti;
  • formazione degli apprendisti;
  • bandi e agevolazioni;
  • assistenza clienti.

Fonti omogenee producono risposte più pertinenti e rendono più semplice verificare da dove arrivi ogni informazione.

12 esempi di Gemini Notebook per artigiani

1. Confrontare listini di fornitori diversi

Un falegname, un installatore o un’officina può caricare listini in PDF, fogli di calcolo e condizioni commerciali. Gemini Notebook può costruire una tabella con prodotto, codice, prezzo, quantità minima, tempi di consegna e condizioni di pagamento.

Prompt da provare:

Confronta i listini caricati. Crea una tabella con prodotti equivalenti, codice, prezzo unitario, minimo d’ordine, tempi di consegna e fonte. Non considerare equivalenti prodotti con specifiche tecniche differenti. Evidenzia i dati mancanti.

Il risultato non decide automaticamente quale fornitore scegliere. Fa emergere differenze che, in mezzo a decine di pagine, rischiano di sfuggire.

2. Preparare un preventivo senza dimenticare lavorazioni

Si possono caricare preventivi precedenti, listini interni, schede dei materiali e una descrizione del nuovo lavoro. Il sistema può ricavare una checklist delle voci da considerare: materiali, ore, trasporto, montaggio, smaltimento, finiture, garanzie e condizioni.

Prompt da provare:

Sulla base dei preventivi approvati presenti nelle fonti, crea la struttura di un nuovo preventivo per il lavoro descritto nella nota “Richiesta cliente”. Elenca separatamente dati disponibili, dati mancanti e domande da fare prima di calcolare il prezzo. Non inventare quantità o costi.

La parte più utile è proprio l’elenco delle domande mancanti. Un preventivo sbagliato spesso nasce prima del calcolo, quando nessuno si accorge che manca un’informazione.

3. Interrogare velocemente i manuali tecnici

Un manutentore può creare un quaderno per ciascun macchinario o famiglia di prodotti, caricando manuali, schede tecniche e bollettini del produttore.

Prompt da provare:

Il macchinario mostra il codice errore E17. Riporta soltanto le possibili cause e le verifiche previste nei manuali caricati. Per ogni passaggio indica il documento e la pagina. Se il codice non è presente, dichiaralo chiaramente.

Qui la citazione è essenziale: prima di intervenire su un impianto, si apre la fonte originale e si controlla il passaggio.

4. Trasformare una registrazione vocale in un rapporto di sopralluogo

Dopo un sopralluogo si può registrare una nota audio con misure, vincoli, richieste del cliente e fotografie da esaminare. Gemini Notebook accetta file audio e immagini tra le fonti.

Prompt da provare:

Trasforma la registrazione del sopralluogo in un rapporto strutturato con: richiesta del cliente, misure, materiali citati, vincoli, rischi, decisioni prese, informazioni mancanti e prossime azioni. Non correggere o completare misure ambigue: segnalale.

È un buon modo per evitare che dettagli importanti restino sepolti in un vocale di sette minuti.

5. Creare una scheda commessa consultabile

Per una singola commessa si possono riunire capitolato, preventivo accettato, disegni, verbali, email esportate e note di cantiere. Il quaderno diventa un punto di consultazione comune.

Prompt da provare:

Riassumi lo stato della commessa distinguendo: attività concluse, attività aperte, scadenze, responsabilità, variazioni richieste dal cliente e possibili incoerenze tra preventivo, capitolato e verbali. Cita sempre la fonte.

Attenzione: Gemini Notebook aiuta a leggere la documentazione, ma non aggiorna da solo lo stato reale dei lavori. Le fonti devono essere mantenute aggiornate.

6. Controllare differenze tra capitolato e offerta

È un caso molto concreto per serramentisti, impiantisti, imprese edili, fabbri e fornitori su commessa. Si caricano capitolato, richiesta del cliente e offerta preparata.

Prompt da provare:

Confronta il capitolato con la nostra offerta. Crea tre sezioni: requisiti coperti, requisiti coperti solo in parte, requisiti non citati nell’offerta. Per ogni voce riporta la formulazione dei documenti e la relativa fonte.

Non è una verifica contrattuale definitiva, ma è un eccellente controllo preliminare prima dell’invio.

7. Costruire un assistente per catalogo e prodotti

Un laboratorio può caricare catalogo, schede prodotto, materiali, varianti, istruzioni di cura e domande frequenti. Chi risponde a telefono o in negozio può trovare più rapidamente l’informazione corretta.

Prompt da provare:

Un cliente cerca un prodotto adatto a [esigenza]. Individua nelle fonti le opzioni compatibili. Per ciascuna indica caratteristiche, limiti, manutenzione e documento di origine. Non proporre prodotti non presenti nel catalogo.

In questo modo anche chi non conosce a memoria centinaia di codici può orientarsi, senza spacciare per disponibile ciò che il catalogo non contiene.

8. Preparare risposte chiare alle domande dei clienti

Dalle schede tecniche e dalle condizioni di vendita si possono ricavare FAQ su tempi, manutenzione, garanzia, posa, resi e materiali.

Prompt da provare:

Crea 15 domande frequenti realmente utili a un cliente non tecnico. Rispondi in linguaggio semplice, senza modificare condizioni, durata delle garanzie o caratteristiche presenti nelle fonti. Aggiungi una nota “da verificare con un tecnico” quando la documentazione non basta.

Le FAQ possono poi diventare una pagina del sito, una scheda da inviare dopo il preventivo o la base per le risposte del personale.

9. Formare un apprendista sui materiali e sulle procedure

Caricando procedure interne, manuali e schede di sicurezza, si può ottenere un percorso di studio con mappe mentali, schede, quiz e casi pratici.

Prompt da provare:

Crea un percorso di formazione di cinque lezioni per un apprendista. Per ogni lezione indica obiettivo, fonti da studiare, errore tipico, esercizio pratico e cinque domande di verifica. Non trasformare le istruzioni di sicurezza in versioni semplificate che ne cambino il significato.

I quiz servono a controllare la comprensione. Non certificano una competenza e non sostituiscono addestramento, affiancamento o formazione obbligatoria.

10. Preparare una riunione sulla sicurezza

Gemini Notebook può mettere in relazione procedure, verbali, segnalazioni e manuali. Può quindi aiutare a preparare l’ordine del giorno di una riunione o un briefing.

Prompt da provare:

Dalle fonti individua rischi ricorrenti, procedure citate, segnalazioni ancora aperte e punti che richiedono chiarimento. Prepara un ordine del giorno di 20 minuti. Non formulare valutazioni di conformità normativa.

Su sicurezza, impianti, diritto e fisco l’AI non deve diventare il responsabile invisibile. Serve il controllo della persona competente.

11. Analizzare un bando o un’agevolazione

Un’impresa può caricare bando, allegati, FAQ dell’ente e propria visura o descrizione aziendale, dopo aver eliminato i dati non necessari.

Prompt da provare:

Crea una scheda del bando con beneficiari, spese ammissibili, esclusioni, importi, scadenze, documenti richiesti e criteri di valutazione. Separa le informazioni esplicite dalle interpretazioni. Alla fine elenca dieci domande da sottoporre al consulente o all’ente.

Questa analisi riduce il tempo di prima lettura, ma non sostituisce la verifica del testo ufficiale e degli aggiornamenti pubblicati dall’ente.

12. Trasformare documenti tecnici in contenuti commerciali

Schede prodotto, certificazioni e casi reali possono diventare una presentazione per il cliente, un’infografica, un briefing o una prima bozza di articolo.

Prompt da provare:

Prepara una presentazione di otto slide per un cliente non tecnico. Spiega il problema, le possibili soluzioni presenti nel catalogo, i criteri di scelta, la manutenzione e le domande da fare prima dell’acquisto. Non aggiungere prestazioni o certificazioni non documentate.

Gemini Notebook può generare slide deck e infografiche, ma il risultato va rivisto: l’identità visiva, la correttezza commerciale e la promessa fatta al cliente restano responsabilità dell’impresa.

Un esempio di flusso completo: dal sopralluogo al preventivo

Immaginiamo un serramentista.

  1. Crea un quaderno dedicato alla commessa.
  2. Carica richiesta del cliente, fotografie, nota audio del sopralluogo, listino, schede tecniche e condizioni di vendita.
  3. Chiede di estrarre misure, preferenze, vincoli e dati mancanti.
  4. Fa confrontare i prodotti compatibili, senza permettere equivalenze non documentate.
  5. Genera la checklist delle voci da inserire nel preventivo.
  6. Controlla ogni citazione e calcola personalmente quantità, tempi e margini.
  7. Fa produrre una presentazione semplice per spiegare al cliente le alternative.

Questo è un uso sensato dell’intelligenza artificiale: non affidarle il mestiere, ma togliere attrito al lavoro che circonda il mestiere.

Gli errori da evitare

Caricare documenti senza criterio

Più fonti non significa automaticamente risposte migliori. Se i documenti sono vecchi, duplicati o contraddittori, anche l’analisi ne risente. Inserisci date e versioni nei nomi dei file.

Confondere una citazione con una garanzia

Il collegamento alla fonte rende la risposta controllabile, non infallibile. Una frase può essere interpretata male o privata del contesto. Apri sempre la citazione quando il dato incide su prezzi, sicurezza, contratti o conformità.

Inserire dati personali o segreti senza valutarli

Google dichiara che i contenuti di Gemini Notebook non vengono usati direttamente per addestrare i modelli fondamentali, salvo il caso in cui l’utente scelga di inviare feedback. Per gli account Workspace idonei valgono inoltre specifiche protezioni aziendali. Questo non autorizza però a caricare qualsiasi dato: occorre rispettare policy aziendali, riservatezza, basi giuridiche e principio di minimizzazione.

Chiedere un verdetto professionale

“Questo impianto è a norma?” è una domanda sbagliata. Meglio chiedere: “Quali requisiti sono esplicitamente presenti nei documenti caricati e quali verifiche restano da svolgere?”.

Usare documenti non aggiornati

Se cambia un listino, una procedura o un catalogo, la fonte va aggiornata. Gemini Notebook non può sapere che il PDF caricato sei mesi fa non vale più.

Come iniziare in 30 minuti

Per la prima prova sceglierei un problema piccolo e frequente.

  1. Crea un nuovo quaderno.
  2. Carica da cinque a dieci documenti omogenei e aggiornati.
  3. Rinomina chiaramente le fonti.
  4. Formula una domanda che richieda una tabella o una checklist.
  5. Pretendi citazioni e segnalazione dei dati mancanti.
  6. Controlla il risultato sui documenti originali.
  7. Correggi il metodo prima di estenderlo ad altri processi.

Se la prova non fa risparmiare tempo o non riduce errori, non basta dire che “l’AI è interessante”. Bisogna cambiare fonti, domanda o caso d’uso.

Gemini Notebook per artigiani: la domanda giusta

La domanda non è: “Che cosa può fare l’intelligenza artificiale al posto dell’artigiano?”.

La domanda utile è: “Quale parte del mio lavoro dipende da informazioni disperse, ripetitive e difficili da ritrovare?”.

È lì che Gemini Notebook può dare il meglio: manuali da consultare, preventivi da confrontare, commesse da ricostruire, procedure da spiegare, apprendisti da formare e clienti da informare meglio.

Il sapere artigiano resta umano, pratico e spesso tacito. Ma se una parte di quel sapere viene organizzata in fonti affidabili, diventa più facile trasmetterla, verificarla e usarla. Anche senza trasformare la bottega in una startup della Silicon Valley.

Per approfondire altri impieghi concreti dell’intelligenza artificiale nel lavoro, puoi consultare la sezione dedicata sul mio sito: Intelligenza artificiale.

Fonti

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 miei 7 racconti preferiti e cosa insegnano sull’intelligenza artificiale

,

I miei racconti preferiti non parlano di intelligenza artificiale. Eppure, se dovessi spiegare a un corso perché l’AI non è soltanto uno strumento, ma una lente che ingrandisce potere, lavoro, memoria e responsabilità, partirei da qui. Sono testi lontani tra loro, ma tutti hanno capito una cosa prima dei tecnologi: una macchina o un sistema non diventa innocuo solo perché è efficiente.

Una precisazione: L’umorismo di Pirandello non è un racconto, ma un saggio. Lo tengo nella lista proprio per questo. È la cassetta degli attrezzi che serve a leggere anche gli altri sei.

Bartleby lo scrivano: il diritto di non delegare tutto

Nel racconto di Herman Melville, ambientato a Wall Street, Bartleby è un copista che a ogni richiesta oppone una formula diventata memorabile: preferirebbe di no. Non protesta, non negozia, non offre una spiegazione rassicurante. Smette semplicemente di aderire al meccanismo.

È difficile non pensare ai lavori di ufficio trasformati dall’AI generativa. La domanda non è soltanto “quali compiti può svolgere un modello?”. È anche: quali compiti continuiamo a delegare senza discutere il senso, il ritmo e la conseguenza della delega? Bartleby non è un manifesto contro la tecnologia. È il promemoria che un essere umano non è una casella da ottimizzare.

Sette piani: quando una procedura decide al posto nostro

Giuseppe Corte entra in una clinica per un problema lieve. L’ospedale è organizzato su sette piani: dall’alto al basso aumenta la gravità dei malati. Per una serie di passaggi che sembrano sempre ragionevoli, Corte viene spostato piano dopo piano. Dino Buzzati costruisce una discesa burocratica perfetta: nessuno è apertamente crudele, ma il sistema produce un esito terribile.

È una lezione formidabile per chi progetta processi con l’AI. Un punteggio, una priorità automatica, un suggerimento del sistema possono sembrare innocui presi singolarmente. In sequenza, però, possono incanalare una persona verso una decisione che nessuno ha davvero scelto. Per questo servono controlli, possibilità di ricorso e qualcuno che possa dire: fermiamoci al quarto piano.

La roba: l’accumulo non è conoscenza

Mazzarò, protagonista della novella di Giovanni Verga, accumula terre, animali e beni fino a identificarsi con ciò che possiede. La “roba” diventa misura dell’esistenza. Il paradosso finale è feroce: quando capisce che morirà, non riesce ad accettare di dover lasciare tutto.

Oggi la roba può essere fatta di documenti, dataset, prompt, dashboard, agenti, screenshot e abbonamenti a strumenti che non usiamo. L’AI facilita l’accumulo: più file, più output, più memoria. Ma una montagna di informazioni non coincide con una decisione migliore. La competenza sta nel selezionare, contestualizzare, eliminare. Anche nel sapere cosa non caricare.

L’umorismo: guardare una risposta due volte

Pirandello distingue il comico dall’umorismo: nel primo avvertiamo il contrario, nel secondo sentiamo il contrario. Prima vediamo l’effetto che ci fa sorridere, poi proviamo a capire la ragione e la sofferenza che possono stare dietro quella scena.

È esattamente il gesto che manca quando trattiamo una risposta dell’AI come se fosse definitiva. La prima lettura è: “funziona, suona bene, è convincente”. La seconda è: “da dove viene? Chi potrebbe essere escluso? Che cosa non sta capendo del contesto? Perché è così sicura?”. L’umorismo pirandelliano è una forma di pensiero critico applicata alla plausibilità.

Il cappotto: la dignità che i sistemi non vedono

Akakij Akakievič è un modesto impiegato di Pietroburgo. Per comprare un cappotto nuovo sacrifica tutto; quando glielo rubano, scopre quanto siano indifferenti gli uffici e le gerarchie davanti alla sua richiesta di aiuto. Nel Cappotto, Nikolaj Gogol’ racconta un oggetto minimo che diventa una questione di dignità, riconoscimento e sopravvivenza.

I sistemi automatici vedono variabili, classi e probabilità. Spesso non vedono l’umiliazione di una persona lasciata senza una spiegazione, senza un interlocutore, senza una via d’uscita. L’AI può accelerare un servizio pubblico, un’assistenza clienti o una selezione. Ma la qualità di quel servizio si misura soprattutto nel caso fragile, non nel caso medio.

Funes: ricordare tutto non significa capire

Ireneo Funes, il personaggio di Jorge Luis Borges, dopo un incidente acquisisce una memoria assoluta. Ricorda ogni foglia, ogni nuvola, ogni dettaglio di ogni istante. È un prodigio che diventa una condanna: per pensare bisogna poter astrarre, cioè dimenticare le differenze irrilevanti.

Qui Borges è quasi un manuale per l’era dei modelli linguistici. Archiviare tutto non equivale a conoscere tutto. Un sistema capace di recuperare migliaia di pagine può ancora mancare il punto, confondere una fonte vecchia con una attuale, scambiare correlazioni per cause. La memoria è utile; il giudizio richiede gerarchie, scopi e contesto.

Sentinella: il bias più pericoloso è quello che non vediamo

Sentinella di Fredric Brown è celebre per il colpo di scena finale. Per quasi tutto il testo seguiamo un soldato infreddolito e lontano da casa, assediato da creature che ci appaiono mostruose. Solo alla fine capiamo che la prospettiva era capovolta.

È un esercizio perfetto contro i bias, umani e artificiali. Un modello apprende da punti di vista presenti nei dati. Se una voce manca, se una categoria è raccontata solo da chi ha il potere di descriverla, anche l’output più fluido può portarci dalla parte sbagliata della sentinella. Prima di chiedere all’AI “qual è la risposta?”, chiediamole: “quale prospettiva manca?”.

La lezione comune: l’AI non sostituisce la responsabilità

Questi testi non mi rendono nostalgico di un mondo senza macchine. Mi rendono più esigente verso il mondo con le macchine. Bartleby chiede margine di rifiuto. Buzzati impone di guardare la catena delle microdecisioni. Verga diffida dell’accumulo. Pirandello insegna la seconda lettura. Gogol’ ricorda la dignità. Borges separa memoria e comprensione. Brown ci mette in guardia dalla nostra prospettiva.

Per lavorare bene con l’AI, quindi, non basta scrivere prompt più abili. Serve un metodo: obiettivo chiaro, fonti affidabili, limiti espliciti, controllo umano finale. È il tipo di approccio che uso anche nel Metodo G.O.L.: guidare lo strumento senza consegnargli la guida.

Fonti

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

Rizzo PII: come anonimizzare i documenti prima di usare ChatGPT

, ,

Rizzo PII è un’applicazione gratuita e open source che individua e sostituisce localmente molti dati personali presenti nei documenti, prima che il testo venga inviato a ChatGPT, Claude o Gemini. Non è una skill da installare dentro ChatGPT. È un filtro che lavora sul computer e trasforma nomi, codici fiscali, IBAN e altri identificativi in segnaposto come [FULLNAME_1] o [IBAN_1].

Per chi usa l’intelligenza artificiale con contratti, pratiche, verbali, documenti amministrativi o clinici, il problema è concreto: il documento può essere utilissimo per ottenere una sintesi o una prima analisi, ma può contenere molte più informazioni personali di quelle realmente necessarie.

La soluzione non è fare finta che il problema non esista. E nemmeno rinunciare all’AI. È togliere i dati che il modello non ha bisogno di conoscere.

Che cos’è Rizzo PII

Rizzo PII è un progetto della Rizzo AI Academy pensato soprattutto per testi giuridici e professionali italiani. Il suo modello di riconoscimento, secondo la documentazione del progetto, ha circa 0,3 miliardi di parametri e può funzionare sulla CPU di un normale computer.

L’applicazione riconosce 22 categorie tramite il modello, alle quali l’interfaccia aggiunge il rilevamento degli URL. Tra le informazioni gestite ci sono:

  • nomi e cognomi;
  • indirizzi, città, CAP e province;
  • email, PEC e numeri telefonici;
  • codici fiscali e partite IVA;
  • IBAN e numeri di carte di credito;
  • targhe, numeri di documenti e protocolli;
  • importi e dati catastali.

È proprio l’attenzione agli identificativi italiani a rendere il progetto interessante. Un sistema generico, nato principalmente per l’inglese, può riconoscere una persona o un indirizzo ma lasciarsi sfuggire un codice fiscale, una partita IVA o un riferimento catastale.

Come funziona l’anonimizzazione dei documenti

Il flusso è semplice. Rizzo PII analizza il documento sul computer, individua le informazioni personali e le sostituisce con etichette coerenti. Conserva poi localmente un dizionario che permette di effettuare l’operazione inversa.

Un testo come questo:

Il signor Mario Rossi, codice fiscale RSSMRA85H12F205Z, comunica il proprio IBAN.

può diventare:

Il signor [FULLNAME_1], codice fiscale [CF_1], comunica il proprio [IBAN_1].

ChatGPT riceve la seconda versione. Può ancora capire la struttura del documento, distinguere i soggetti e svolgere l’analisi richiesta, senza avere bisogno del nome o del numero di conto reali. Quando la risposta torna, Rizzo PII può ripristinare localmente i valori originali.

Come usare Rizzo PII con ChatGPT: esempio pratico

Immaginiamo di dover analizzare un contratto contenente dati di clienti o collaboratori.

  1. Scarica l’applicazione dalla pagina ufficiale delle release di Rizzo PII e installa la versione adatta al tuo sistema operativo.
  2. Apri l’app e incolla il testo oppure carica il PDF.
  3. Controlla i dati personali evidenziati.
  4. Aggiungi manualmente eventuali elementi non riconosciuti e disattiva solo le categorie che devono davvero restare leggibili.
  5. Genera la versione anonimizzata e copiala.
  6. Incollala in ChatGPT accompagnandola con un prompt preciso.

Per esempio:

Analizza questo contratto. Individua clausole squilibrate, scadenze, obblighi delle parti e punti che richiedono il controllo di un professionista. Cita per ogni osservazione il passaggio pertinente. Non inventare informazioni mancanti.

Dopo aver ricevuto il risultato, si copia la risposta nell’area di ripristino dell’app. I segnaposto vengono sostituiti con i dati reali, sempre sul computer.

Lo stesso metodo si presta a verbali di riunione, lettere disciplinari, curriculum, fascicoli, pratiche assicurative, documenti condominiali e corrispondenza con clienti. Cambia il prompt, non cambia la regola: al modello vanno forniti solo i dati necessari.

Anonimizzazione e pseudonimizzazione non sono la stessa cosa

Qui serve una precisazione importante. Rizzo PII parla spesso di anonimizzazione, ma il flusso reversibile descritto dal progetto è più vicino alla pseudonimizzazione: esiste infatti un dizionario locale capace di ricostruire i valori originali.

Il Regolamento generale sulla protezione dei dati distingue i dati anonimi da quelli pseudonimizzati. Questi ultimi restano dati personali se possono essere ricollegati a una persona usando informazioni aggiuntive.

Quindi Rizzo PII può essere un utile strumento di minimizzazione del rischio, ma non è un bollino automatico di conformità al GDPR. Restano da valutare finalità del trattamento, base giuridica, ruoli, sicurezza, istruzioni interne e condizioni del servizio AI utilizzato.

I limiti da conoscere prima di usarlo

Il primo limite è il più ovvio: nessun riconoscitore automatico è infallibile. La scheda ufficiale del modello pubblica risultati molto elevati sui propri test, ma una metrica non garantisce che ogni documento reale sia trattato perfettamente.

Scansioni poco leggibili, tabelle complesse, abbreviazioni interne, dati scritti in formati insoliti e nomi ambigui possono produrre omissioni o falsi positivi. Anche un singolo IBAN lasciato in chiaro può essere troppo.

Per questo suggerisco una procedura a tre controlli:

  • verifica visiva del documento anonimizzato;
  • ricerca manuale degli identificativi più delicati;
  • prova iniziale con documenti non critici, prima di introdurre lo strumento in un processo aziendale.

Attenzione anche al dizionario reversibile: è utile, ma contiene proprio l’associazione tra segnaposto e dati reali. Va protetto, conservato solo quando serve e cancellato secondo le regole dell’organizzazione.

Perché è interessante per aziende e pubbliche amministrazioni

Molte organizzazioni affrontano l’AI generativa in uno di due modi: vietano tutto oppure lasciano fare. Entrambe le scorciatoie funzionano male.

Uno strumento locale come Rizzo PII suggerisce una terza strada: progettare un passaggio intermedio tra il documento e il chatbot. È un esempio concreto di privacy by design e di minimizzazione dei dati, concetti richiamati dagli articoli 5 e 25 del GDPR.

Non basta installare il programma. Bisogna definire quali documenti possono essere trattati, quali categorie devono essere eliminate, chi controlla il risultato e quale piattaforma AI può riceverlo. La tecnologia aiuta quando diventa parte di una procedura, non quando sostituisce la procedura.

Rizzo PII è una skill di ChatGPT?

No. Il repository GitHub non contiene il file SKILL.md richiesto dalle skill di Codex e ChatGPT Work. Rizzo PII è un’applicazione desktop, disponibile anche come servizio HTTP locale e container Docker.

Questa distinzione non è pignoleria informatica. Una skill istruisce l’assistente su come svolgere un compito. Rizzo PII, invece, esegue materialmente un trattamento locale sui dati. In futuro si potrebbe costruire una skill che richiami l’API locale dell’applicazione, ma richiederebbe un’integrazione specifica e controlli di sicurezza adeguati.

Domande frequenti

Rizzo PII invia i documenti su Internet?

Secondo la documentazione ufficiale, analisi, sostituzione e ripristino avvengono localmente. Sarà l’utente a copiare il testo già pseudonimizzato nel servizio AI scelto.

Serve una scheda grafica potente?

No. Il progetto dichiara che il modello è progettato per funzionare su CPU e richiede una quantità contenuta di memoria.

Posso usarlo con PDF?

Sì. La versione 2.0.0 supporta l’analisi e la produzione di PDF redatti, oltre a file di testo e Markdown.

Usarlo rende automaticamente conforme al GDPR?

No. Riduce l’esposizione dei dati, ma la conformità dipende dall’intero trattamento e dalle misure organizzative adottate.

Vuoi introdurre ChatGPT e gli altri strumenti di intelligenza artificiale nella tua organizzazione senza improvvisare sulla gestione dei dati? Posso aiutarti a progettare formazione, regole operative e casi d’uso sostenibili. Contattami.

/0 Commenti/da

Truffe ChatGPT: come riconoscerle e difendersi

, ,

Le truffe legate a ChatGPT non sono truffe commesse dal chatbot. Sono frodi che sfruttano il nome, la popolarità o l’aspetto di ChatGPT per rubare credenziali, denaro e dati personali. In altri casi, i criminali usano l’intelligenza artificiale generativa per creare messaggi, immagini, voci e video più credibili.

Il punto è proprio questo: oggi una truffa può essere scritta in un italiano perfetto, avere una grafica professionale e perfino parlare con la voce di una persona che conosciamo. Il vecchio consiglio “guarda se ci sono errori grammaticali” non basta più.

Che cosa sono le truffe ChatGPT?

Con l’espressione truffe ChatGPT si indicano principalmente due fenomeni:

  • falsi siti, app, email o servizi che si presentano come ChatGPT o OpenAI;
  • frodi tradizionali rese più persuasive dall’AI generativa, come phishing, falsi investimenti, clonazione vocale e impersonificazione.

L’FBI, tramite l’Internet Crime Complaint Center, ha segnalato che i criminali utilizzano testi generati dall’AI per rendere più credibili campagne di social engineering, spear phishing e frodi finanziarie. Le immagini artificiali possono creare profili falsi e documenti contraffatti, mentre audio e video sintetici possono imitare familiari, dirigenti o personaggi pubblici.

Le 7 truffe più comuni legate a ChatGPT

1. Il falso sito di ChatGPT

Il dominio assomiglia a quello autentico, la pagina riproduce colori e interfaccia del servizio e invita ad accedere. In realtà, username e password finiscono nelle mani del truffatore. La regola più semplice è digitare direttamente l’indirizzo ufficiale o usare l’app scaricata dai canali indicati da OpenAI.

2. L’app gratuita che installa malware

“ChatGPT Pro gratis”, “ChatGPT senza limiti” o “nuova versione premium sbloccata” sono esche efficaci. Il file da installare può contenere software malevolo, rubare password salvate nel browser oppure attivare abbonamenti indesiderati. Se un’offerta sembra troppo generosa, probabilmente il prodotto sei tu. O, peggio, lo è il tuo conto corrente.

3. La falsa email sul rinnovo dell’abbonamento

Il messaggio annuncia un pagamento rifiutato, la sospensione dell’account o un rimborso urgente. Il pulsante conduce a una pagina contraffatta che chiede carta di credito e credenziali. Non usare il collegamento ricevuto: entra nel tuo account attraverso il sito ufficiale e controlla lì lo stato del piano.

4. Il finto supporto tecnico

Qualcuno si presenta come “assistenza ChatGPT”, magari dopo un commento pubblicato sui social, e propone di recuperare l’account o risolvere un blocco. Chiede accesso remoto al computer, un codice di verifica o un pagamento. Un tecnico autentico non ha bisogno della tua password né del codice temporaneo ricevuto sul telefono.

5. Il metodo di investimento “creato da ChatGPT”

Una pubblicità promette guadagni automatici grazie a un algoritmo segreto, spesso accompagnata da recensioni inventate o da un video manipolato di un personaggio famoso. ChatGPT diventa un bollino di autorevolezza applicato a un investimento che non offre garanzie verificabili. L’AI non trasforma una promessa di rendimento facile in un investimento affidabile.

6. La truffa con voce clonata

Una telefonata o un messaggio vocale sembra provenire da un figlio, un collega o dal titolare dell’azienda. C’è sempre un’emergenza: un incidente, un pagamento da effettuare subito, una password da comunicare. La voce può essere sintetizzata partendo da pochi secondi di audio pubblico. In famiglia e in azienda conviene concordare una parola segreta e richiamare la persona usando un numero già conosciuto.

7. Il finto esperto che vende prompt miracolosi

Non ogni corso mediocre è una truffa, naturalmente. Il confine viene superato quando si promettono risultati garantiti, certificazioni inesistenti, accessi privilegiati a OpenAI o formule che produrrebbero automaticamente reddito. I prompt possono migliorare il lavoro, non abolire competenze, responsabilità e fatica.

Come riconoscere una truffa ChatGPT in 30 secondi

  • Controlla l’indirizzo completo: non fidarti soltanto di logo e grafica.
  • Diffida dell’urgenza: scadenze immediate e minacce servono a impedirti di ragionare.
  • Non comunicare codici temporanei: password, OTP e codici di recupero non vanno condivisi.
  • Verifica su un secondo canale: richiama la persona o apri il sito ufficiale senza usare il link ricevuto.
  • Controlla la promessa: guadagni certi, versioni “segrete” e accessi gratuiti illimitati sono segnali d’allarme.
  • Fermati prima di pagare: una pausa di due minuti può evitare un danno di migliaia di euro.

Il National Cyber Security Centre britannico ricorda che il phishing può arrivare tramite email, SMS, siti, telefonate e pubblicità. Cloudflare suggerisce di controllare con attenzione l’URL e, in caso di dubbio, contattare direttamente il soggetto che avrebbe inviato il messaggio.

Che cosa fare se hai già cliccato o pagato

  1. Interrompi subito ogni contatto con il presunto operatore.
  2. Se hai inserito credenziali, cambia la password da un dispositivo affidabile e non riutilizzare quella vecchia.
  3. Attiva l’autenticazione a più fattori e chiudi le sessioni che non riconosci.
  4. Se hai fornito dati bancari, contatta immediatamente banca o gestore della carta.
  5. Conserva email, numeri, ricevute, indirizzi web e schermate come prove.
  6. Segnala l’accaduto alla Polizia Postale o alle autorità competenti.

OpenAI pubblica una guida specifica su come proteggere l’account e una procedura per chi nota attività non riconosciute. Per le frodi in generale, la Federal Trade Commission mette a disposizione un portale di segnalazione. In Italia il riferimento operativo resta la Polizia Postale.

ChatGPT rende davvero le truffe più pericolose?

Sì, ma non perché l’AI abbia inventato l’inganno. Lo rende più economico, veloce e scalabile. Un criminale può produrre centinaia di messaggi personalizzati, tradurli bene e creare identità digitali plausibili. Europol ha evidenziato il potenziale uso illecito dei grandi modelli linguistici per frodi, impersonificazione e cybercrime.

La conseguenza pratica è scomoda: un testo perfetto non è più una prova di autenticità. Dobbiamo spostare l’attenzione dalla qualità del messaggio alla verifica della fonte, del canale e della richiesta.

Domande frequenti sulle truffe ChatGPT

ChatGPT può chiedermi la password via email?

No. Non comunicare mai password o codici di autenticazione tramite email, chat, telefono o messaggi social.

Come verifico se un’app ChatGPT è autentica?

Parti dal sito ufficiale di OpenAI dedicato al download e controlla sviluppatore, dominio e permessi richiesti.

Una voce perfettamente identica è una prova?

No. La clonazione vocale rende possibile imitare una persona. Interrompi la chiamata e richiamala su un numero che possiedi già.

ChatGPT garantisce investimenti o guadagni?

No. Diffida di chi usa il nome di ChatGPT per promettere rendimenti certi, trading automatico infallibile o reddito senza rischio.

La difesa migliore resta molto umana

La tecnologia cambia, il meccanismo psicologico rimane: paura, urgenza, avidità, autorità. Le truffe funzionano quando ci costringono a reagire prima di verificare. La contromisura non è diventare esperti di deepfake. È costruire una piccola abitudine: fermarsi, controllare e chiedere conferma attraverso un canale indipendente.

Vuoi formare dipendenti, collaboratori o cittadini a un uso più sicuro e consapevole dell’intelligenza artificiale? Contattami per progettare un intervento su AI generativa, comunicazione digitale e prevenzione delle frodi.

/0 Commenti/da

Come scegliere il corso di laurea nell’era dell’intelligenza artificiale

, ,

Scegliere il corso di laurea nell’era dell’intelligenza artificiale non è mai stato così complicato. Qualche settimana fa, a fine lezione, uno studente mi ha fatto la domanda che temevo da mesi: “Prof, ma se l’AI impara tutto quello che studio io, che senso ha laurearsi?”. Ho fatto una pausa teatrale (trucco da formatore: quando non hai la risposta pronta, prendi tempo con eleganza). Poi ho risposto con un’altra domanda: “Tu all’università cosa vai a prendere: nozioni o una testa?”.

Questo articolo nasce da lì. E da un pezzo uscito su 24+ del Sole 24 Ore, firmato da Luca Mari e Cristiano Sacchi, che mette nero su bianco un problema enorme: il metodo con cui abbiamo sempre scelto il corso di laurea nell’era dell’intelligenza artificiale ha smesso di funzionare.

La risposta breve

Se hai fretta, eccola: nell’era dell’intelligenza artificiale il criterio migliore per scegliere un corso di laurea non è più “quale lavoro sarà richiesto tra 5 anni” (previsione ormai inaffidabile), ma “quale percorso mi insegna un metodo per produrre, valutare e comunicare conoscenza”. In breve: scegli il corso che ti costruisce la mente più adattabile, non quello che promette il posto più sicuro.

Ora ti spiego perché. Con i dati.

Corso di laurea e intelligenza artificiale: il vecchio metodo di scelta

Per decenni il ragionamento è stato questo: guardo i dati di AlmaLaurea e dell’ISTAT sull’occupazione dei laureati, incrocio le mie inclinazioni con gli sbocchi professionali, scelgo. Un metodo sensato, che però si regge su due presupposti:

  • che il mercato del lavoro cambi abbastanza lentamente da rendere affidabile una previsione a 5-6 anni, il tempo di una laurea magistrale;
  • che le competenze imparate all’università restino rilevanti per buona parte della carriera.

Fino a ieri funzionava. Quando mi sono iscritto a Scienze Politiche (nel secolo scorso, tecnicamente), nessuno immaginava che il mio lavoro di giornalista cartaceo sarebbe evaporato nel giro di quindici anni. Eppure il mondo cambiava piano: c’era il tempo di adattarsi.

Oggi no. Oggi entrambi i presupposti scricchiolano.

Il paradosso delle classifiche sui “lavori del futuro”

Facciamo un esempio concreto. Il Future of Jobs Report 2025 del World Economic Forum contiene un paradosso istruttivo:

  • se guardi la crescita percentuale, i lavori che esplodono sono specialisti di AI, big data, sviluppatori software;
  • se guardi i numeri assoluti di nuovi occupati, in cima trovi lavoratori agricoli, autisti, infermieri, insegnanti, addetti all’edilizia.

Le due classifiche non si contraddicono: una professione di nicchia può crescere del 40% e generare comunque meno posti di un mestiere consolidato che cresce del 5%. Ma il punto è un altro: le classifiche sui lavori del futuro dicono quello che vuoi fargli dire, a seconda della variabile che scegli. Come gli oroscopi, ma con più grafici.

E l’AI ha aggiunto la variabile che manda in tilt tutto il modello: non sappiamo se stiamo vivendo una discontinuità radicale del mondo del lavoro o una trasformazione graduale. Mari e Sacchi lo dicono con onestà rara: non è che i dati storici non siano più rilevanti; è che non sappiamo se lo sono. Peggio dell’incertezza sulla risposta c’è solo l’incertezza sulla domanda.

Gli studenti se ne sono già accorti

Un sondaggio Gallup dell’ottobre 2025 su quasi 4.000 studenti universitari americani fotografa la situazione: circa la metà ha preso in considerazione l’idea di cambiare corso di studi per l’impatto dell’AI sul mercato del lavoro. Solo il 30% non ci ha pensato affatto.

Certo, il mercato americano è più dinamico del nostro. Ma quando metà degli studenti di un Paese ripensa il proprio percorso a causa di una tecnologia, non è un’ansia passeggera: è un segnale.

Corso di laurea e intelligenza artificiale: il nuovo criterio di scelta

Qui arriva la parte che mi interessa da formatore. Se l’AI sa già spiegare teorie scientifiche, scrivere codice, analizzare testi e proporre strategie aziendali (con errori, certo, ma con una competenza che cresce ogni semestre), il valore dell’università non può più essere solo il trasferimento di contenuti.

Il valore sta nel metodo: ogni disciplina, oltre ai contenuti, ti installa un sistema operativo mentale.

  • La matematica non ti insegna solo a calcolare: ti educa al rigore.
  • Le scienze sperimentali ti insegnano il rapporto tra ipotesi ed evidenze (utile anche per smontare le bufale su WhatsApp, fidati).
  • Il diritto ti abitua a ragionare per principi e interpretazioni.
  • La storia ti insegna che il contesto conta più del singolo evento.
  • La filosofia ti allena a capire quali domande meritano di essere poste. Che poi è l’abilità numero uno di chi lavora con l’AI: io la chiamo la cassetta degli attrezzi del prompt, i filosofi la chiamavano dialettica (avevano ragione loro, con duemila anni di anticipo).

Attenzione: questo non significa che le famose soft skill battano le competenze disciplinari. Significa che il metodo si impara solo attraverso i contenuti, sporcandosi le mani con problemi veri. Non esiste un corso di “pensiero critico” in pillole: esiste il pensiero critico che ti resta addosso dopo tre anni di analisi matematica o di esegesi delle fonti.

Se ti interessa il tema, ho scritto anche di come l’intelligenza artificiale possa darci l’illusione di sapere e di chi controlla davvero gli agenti AI: due approfondimenti utili per capire dove serve ancora il pensiero critico umano.

Corso di laurea e intelligenza artificiale: le 5 domande da fare agli open day

Andiamo sul concreto. Se tu (o tuo figlio, o tua figlia) state scegliendo l’università, agli open day non chiedere solo “quali sbocchi professionali ha questo corso”. Chiedi anche:

  1. Come si studia qui? Lezioni frontali e nozioni da ripetere, o progetti, laboratori, problemi aperti? Il secondo modello allena l’adattabilità.
  2. Come viene usata l’AI nel corso? Se la risposta è “la vietiamo”, diffida. Se è “la integriamo e ti insegniamo a valutarne gli output”, sei nel posto giusto.
  3. Quanto spazio c’è per l’errore? I percorsi che ti fanno sbagliare in ambiente protetto insegnano a convivere con l’incertezza. Quelli che premiano solo la risposta esatta preparano a un mondo che non esiste più.
  4. Che tipo di domande fanno gli esami? Domande a risposta chiusa misurano la memoria (dove l’AI ti batte già). Domande aperte misurano il ragionamento.
  5. Cosa fanno i laureati dopo 5 anni, non dopo 1? Il primo impiego dice poco; la traiettoria dice tutto.

E resta valida la domanda di sempre, quella sulle inclinazioni personali. Solo che oggi va integrata con una più profonda, suggerita proprio da Mari e Sacchi: che genere di mente voglio costruirmi?

La prossima volta che qualcuno ti chiede “cosa devo studiare per non farmi rubare il lavoro dall’AI?”, giragli questo articolo. E poi fagli la domanda che ho fatto al mio studente: all’università vai a prendere nozioni o una testa?

Corso di laurea e intelligenza artificiale: domande frequenti (FAQ)

L’intelligenza artificiale rende inutile la laurea?

No. Restano ambiti, come medicina, architettura e ingegneria, in cui la formazione specialistica è la base della responsabilità professionale che la società non è disposta a delegare alle macchine. Cambia però il valore aggiunto della laurea: sempre meno accumulo di nozioni, sempre più metodo di ragionamento.

Quali lauree sono più al riparo dall’AI?

Nessuna classifica è affidabile: le previsioni dipendono dalle variabili scelte (orizzonte temporale, area geografica, scenari tecnologici). Il Future of Jobs Report 2025 del WEF mostra che le classifiche cambiano radicalmente se misuri la crescita in percentuale o in posti di lavoro assoluti.

Conviene scegliere una laurea STEM per colpa dell’AI?

Non per forza. Le discipline umanistiche allenano capacità che l’AI rende più preziose: porre le domande giuste, valutare argomenti, distinguere il plausibile dal convincente. La scelta migliore resta il percorso che unisce le tue inclinazioni a un metodo di apprendimento attivo.

Gli studenti stanno cambiando facoltà per l’AI?

Negli Stati Uniti circa la metà degli studenti universitari ha considerato di cambiare percorso per l’impatto dell’AI sul lavoro (sondaggio Gallup, ottobre 2025, su quasi 4.000 studenti).

/0 Commenti/da

Il nuovo petrolio è digitale: l’intervista su OSINT, AI e cybersecurity per Byteway

, ,

Il nuovo petrolio non si trova sottoterra. Si trova online.

È fatto di informazioni pubbliche, documenti, immagini, profili social, siti aziendali,
metadati, registri, annunci di lavoro e piccoli indizi digitali che, presi singolarmente,
sembrano insignificanti.

Il valore emerge quando qualcuno riesce a raccoglierli, collegarli, interpretarli e
trasformarli in conoscenza.

È questo il tema della puntata di Chiedilo all’Esperto, il format di
Byteway dedicato alla tecnologia, alla cybersecurity e al mondo
digitale, alla quale ho partecipato insieme a
Gianluca Boccacci.

Il punto di partenza della conversazione è stato il libro che abbiamo scritto insieme:

Il nuovo petrolio (online). OSINT e intelligenza artificiale: a caccia di dati pubblici nell’era dei chatbot
.

In sintesi: oggi il problema non è trovare informazioni.
Il problema è capire quali siano affidabili, come collegarle e che cosa farne.
L’intelligenza artificiale accelera il lavoro, ma non elimina la necessità di metodo,
verifica e pensiero critico.

Guarda l’intervista completa

Nel video parliamo di informazioni pubbliche, ricerca online, AI, sicurezza,
offensive security e delle nuove opportunità che le tecnologie digitali offrono
alle persone e alle imprese.

Che cosa significa davvero OSINT?

OSINT è l’acronimo di Open Source Intelligence, cioè intelligence ricavata
da fonti aperte.

Detta così sembra una disciplina riservata ad analisti, investigatori ed esperti di
sicurezza. In realtà riguarda sempre più spesso anche aziende, professionisti,
giornalisti, comunicatori, ricercatori e responsabili delle risorse umane.

Fare OSINT non significa semplicemente cercare un nome su Google.
Significa seguire un processo:

  • definire una domanda di ricerca;
  • individuare le fonti utili;
  • raccogliere le informazioni disponibili pubblicamente;
  • valutarne attendibilità, provenienza e aggiornamento;
  • confrontare dati provenienti da fonti diverse;
  • trasformare gli indizi in una conclusione ragionata;
  • documentare il percorso seguito.

La differenza tra una normale ricerca online e un’attività OSINT sta soprattutto
nel metodo.

Le informazioni, infatti, non diventano automaticamente conoscenza solo perché
sono accessibili. Servono contesto, verifica e capacità di collegamento.

Perché le informazioni sono il nuovo petrolio digitale

Per molti anni abbiamo ripetuto che “i dati sono il nuovo petrolio”.
È una metafora efficace, ma incompleta.

Il petrolio greggio, da solo, serve a poco. Deve essere estratto, lavorato,
raffinato e trasformato.

Lo stesso vale per i dati.

Un elenco di informazioni non genera necessariamente valore.
Il valore nasce dalla capacità di:

  • selezionare ciò che conta;
  • eliminare il rumore;
  • riconoscere schemi e relazioni;
  • individuare anomalie e contraddizioni;
  • produrre una conoscenza utilizzabile per decidere.

Questo è uno degli aspetti centrali affrontati nell’intervista:
non vince chi possiede più dati, ma chi sa porre le domande migliori e
interpretare correttamente le risposte.

Che cosa cambia con l’intelligenza artificiale

L’intelligenza artificiale generativa ha cambiato profondamente il lavoro sulle
informazioni.

Un chatbot può aiutare a sintetizzare documenti, confrontare testi, costruire
cronologie, estrarre entità, organizzare appunti, individuare incongruenze e
formulare nuove ipotesi di ricerca.

In altre parole, l’AI può rendere interrogabile una grande quantità di materiale
che prima sarebbe stato difficile analizzare manualmente.

Ma qui occorre evitare un equivoco.

L’intelligenza artificiale non trasforma automaticamente una ricerca
mediocre in una buona indagine.

Può velocizzare anche gli errori. Può proporre collegamenti deboli, confondere
persone omonime, utilizzare informazioni non aggiornate o presentare come certo
ciò che è soltanto probabile.

Per questo l’AI deve essere considerata un acceleratore del lavoro analitico,
non un sostituto del giudizio umano.

Il pericolo delle briciole digitali

Durante una giornata normale disseminiamo online una quantità impressionante di
informazioni.

Una fotografia scattata in ufficio può mostrare un badge, un monitor o un documento.
Un annuncio di lavoro può rivelare tecnologie, fornitori e progetti futuri.
Un post pubblicato da un dipendente può anticipare una trasferta, una partnership
o una riorganizzazione.

Ogni elemento, isolato, può sembrare innocuo.

Ma un osservatore competente può unire queste briciole digitali e costruire un
quadro sorprendentemente preciso.

Il rischio non è sempre ciò che pubblichiamo. Spesso è ciò che gli altri possono
dedurre collegando quello che abbiamo pubblicato.

Questo riguarda le persone, ma anche le organizzazioni.

La sicurezza informatica non dipende soltanto da firewall, antivirus e password.
Dipende anche dalla consapevolezza con cui dipendenti, manager e collaboratori
gestiscono le informazioni pubbliche.

OSINT e AI per le aziende: alcuni esempi concreti

L’unione tra OSINT e intelligenza artificiale può essere utilizzata in moltissimi
contesti professionali.

Analisi dei concorrenti

È possibile confrontare siti, comunicati stampa, offerte di lavoro, brevetti,
profili social, bilanci e interventi pubblici per capire come si sta muovendo
un concorrente.

Preparazione di un incontro commerciale

Prima di incontrare un potenziale cliente si possono raccogliere informazioni
pubbliche sull’azienda, sul settore, sui decisori e sui problemi emersi nelle
comunicazioni ufficiali.

Verifica di persone e organizzazioni

Le fonti aperte possono aiutare a controllare la coerenza di un profilo,
verificare esperienze dichiarate e identificare possibili segnali di rischio.
Naturalmente, sempre nel rispetto della legge e senza trasformare la ricerca
in sorveglianza invasiva.

Cybersecurity e prevenzione

Le aziende possono osservare dall’esterno quali informazioni sensibili stanno
esponendo involontariamente: nomi dei sistemi utilizzati, indirizzi email,
documenti dimenticati online, credenziali compromesse o dettagli sulle
infrastrutture.

Giornalismo e verifica delle fonti

Immagini, video, luoghi, date, profili e dichiarazioni possono essere confrontati
per ricostruire un evento e ridurre il rischio di diffondere contenuti falsi
o manipolati.

Reputazione digitale

L’analisi delle fonti pubbliche consente di capire come un’organizzazione viene
raccontata online, quali temi le vengono associati e dove stanno emergendo
criticità reputazionali.

La domanda non è “che cosa sa Internet di me?”

Una domanda tipica è: “Che cosa sa Internet di me?”.

Ma probabilmente non è la domanda più interessante.

Sarebbe meglio chiedersi:

  • quali informazioni su di me sono accessibili?
  • quali sono ancora aggiornate?
  • quali sono inesatte o fuori contesto?
  • che cosa si può dedurre collegandole?
  • quali informazioni sto esponendo senza rendermene conto?
  • come potrebbero essere usate da un cliente, un concorrente o un attaccante?

Questa è la vera educazione digitale di cui abbiamo bisogno.

Non basta sapere usare gli strumenti. Dobbiamo comprendere le conseguenze
informative delle nostre azioni.

AI e OSINT: servono ancora più spirito critico

Oggi possiamo chiedere a un chatbot di analizzare decine di documenti in pochi
minuti. È una possibilità straordinaria.

Ma più lo strumento diventa potente, più aumentano le responsabilità di chi lo usa.

Occorre verificare le fonti, distinguere i fatti dalle ipotesi, documentare i
passaggi e non confondere una risposta linguisticamente convincente con una
risposta necessariamente vera.

Il rischio più grande non è che l’intelligenza artificiale non sappia qualcosa.

È che risponda bene anche quando sta sbagliando.

Per questo, nel lavoro con OSINT e AI, considero fondamentali cinque regole:

  1. Partire da una domanda precisa.
  2. Usare più fonti indipendenti.
  3. Separare i fatti dalle interpretazioni.
  4. Verificare manualmente le conclusioni importanti.
  5. Rispettare privacy, legge ed etica.

Il libro “Il nuovo petrolio (online)”

La puntata di Chiedilo all’Esperto prende spunto dal libro
Il nuovo petrolio (online). OSINT e intelligenza artificiale: a caccia di
dati pubblici nell’era dei chatbot, pubblicato da Ledizioni e scritto
insieme a Gianluca Boccacci.

Nel libro proviamo a spiegare come la ricerca da fonti aperte stia cambiando
nell’epoca dell’intelligenza artificiale generativa.

Non è un manuale per spiare le persone e non è nemmeno un catalogo di strumenti.
È un invito a sviluppare un modo più consapevole e metodico di lavorare con le
informazioni.

Perché tra una montagna di dati e una decisione intelligente c’è ancora qualcosa
che nessun software può garantire automaticamente: il pensiero critico.

Puoi approfondire il contenuto del libro nell’articolo:

OSINT e AI: perché le informazioni pubbliche sono diventate il nuovo petrolio digitale
.

Puoi inoltre consultare la pagina dedicata ai miei

libri ed ebook su intelligenza artificiale e comunicazione digitale
.

Conclusione: il valore è nel metodo

Ringrazio Giuseppe Emanuele e Byteway per
l’invito e per aver creato uno spazio di confronto concreto su tecnologia,
sicurezza e innovazione.

E ringrazio naturalmente Gianluca Boccacci, compagno di questa avventura editoriale
e professionale.

La conclusione della nostra chiacchierata può essere riassunta così:


le informazioni sono ovunque, gli strumenti di intelligenza artificiale sono
sempre più accessibili, ma il vero vantaggio competitivo resta la capacità
umana di fare le domande giuste, verificare le risposte e collegare i punti.

Il nuovo petrolio è digitale. Ma, senza una raffineria chiamata metodo,
resta soltanto una massa disordinata di dati.

Domande frequenti su OSINT e intelligenza artificiale

Che cosa significa OSINT?

OSINT significa Open Source Intelligence. Indica la raccolta e l’analisi
sistematica di informazioni provenienti da fonti pubblicamente accessibili,
con l’obiettivo di produrre conoscenza utile e verificabile.

OSINT significa cercare informazioni su Google?

No. Una ricerca su Google può essere uno dei passaggi, ma l’OSINT richiede
un metodo: definizione dell’obiettivo, selezione delle fonti, verifica,
confronto dei dati, analisi e documentazione dei risultati.

Come può essere usata l’intelligenza artificiale nell’OSINT?

L’AI può sintetizzare documenti, estrarre nomi e date, confrontare fonti,
organizzare informazioni, costruire timeline e suggerire collegamenti.
I risultati devono però essere verificati da una persona.

L’OSINT è legale?

La raccolta di informazioni pubbliche non autorizza qualsiasi utilizzo dei dati.
Occorre rispettare privacy, diritto d’autore, condizioni d’uso delle piattaforme,
normativa sulla protezione dei dati e finalità legittime della ricerca.

A che cosa serve l’OSINT in azienda?

Può supportare la cybersecurity, l’analisi dei concorrenti, la verifica delle
fonti, la preparazione commerciale, la gestione della reputazione e
l’individuazione di informazioni esposte involontariamente.

L’intelligenza artificiale può sostituire un analista OSINT?

No. Può velocizzare molte attività, ma non può garantire da sola affidabilità,
corretta interpretazione, rispetto del contesto e valutazione etica dei risultati.

Vuoi portare OSINT e intelligenza artificiale nella tua organizzazione?

Realizzo corsi, workshop e interventi per aziende, enti pubblici,
associazioni e università sull’uso consapevole dell’intelligenza artificiale,
sulla ricerca online e sulla comunicazione digitale.

Possiamo costruire un percorso dedicato alla tua organizzazione, partendo da
casi concreti, documenti reali ed esigenze operative.


Contattami per un corso o un intervento


/0 Commenti/da

ChatGPT può sostituire l’intermediario assicurativo? Cosa dice il test Franke und Bornberg

, , ,

Immagina di dover scegliere una polizza per la casa. Apri ChatGPT e gli chiedi: «Qual è quella giusta per me?». Il chatbot fa qualche domanda, confronta tre prodotti e propone una classifica. Risposta rapida, linguaggio chiaro, nessun appuntamento da fissare. Sembra la fine dell’intermediario assicurativo.

Non proprio. Un test condotto il 19 marzo 2026 dall’agenzia tedesca di rating Franke und Bornberg, raccontato in Italia da ASSINEWS, mostra un risultato più interessante: ChatGPT può essere un buon primo consigliere digitale, ma non sostituisce una consulenza assicurativa fondata su dati aggiornati, condizioni contrattuali e circostanze personali.

In altre parole, l’intelligenza artificiale può aiutare a capire quali domande fare. Non dovrebbe essere trattata come l’unica voce autorizzata a decidere quale polizza acquistare.

Che cosa ha chiesto Franke und Bornberg a ChatGPT

Il test riguardava una Hausratversicherung, la polizza tedesca che protegge il contenuto dell’abitazione. A ChatGPT è stato chiesto di porre non più di cinque domande, ricostruire il bisogno del cliente e raccomandare fino a tre prodotti.

Con poche informazioni il chatbot ha costruito un profilo plausibile:

  • appartamento di 90 metri quadrati;
  • contenuto di un certo valore;
  • bicicletta del valore superiore a 1.000 euro;
  • attrezzature usate per lavorare da casa;
  • abitazione al piano terra, quindi più esposta al rischio di effrazione;
  • preferenza per un equilibrio tra prezzo, coperture e franchigia.

È un risultato da non liquidare. In cinque passaggi l’AI ha individuato alcuni elementi davvero utili e li ha trasformati in una conversazione comprensibile. È il genere di compito nel quale i modelli linguistici funzionano bene: ordinare le informazioni, far emergere bisogni e tradurre il gergo.

Dove la raccomandazione di ChatGPT ha iniziato a scricchiolare

Il chatbot ha proposto tre prodotti, indicati come A, B e C, motivando la scelta con il rapporto tra prezzo e prestazioni, la copertura della colpa grave, i limiti per i beni di valore e la possibilità di estendere le garanzie.

Quando le analiste Vivian Fiegel e Simone Najderek hanno confrontato la classifica con i rating tecnici e con le condizioni contrattuali, però, sono emerse differenze importanti. Il prodotto A, collocato dall’AI al primo posto, risultava il più debole proprio su aspetti rilevanti per quel cliente. Per esempio, la copertura del furto della bicicletta poteva dipendere da un modulo aggiuntivo. Anche clausole come la rinuncia alla sottoassicurazione e la gestione della colpa grave non erano state pesate abbastanza.

Il problema diventava ancora più evidente sul prezzo. I sinistri pregressi potevano far aumentare sensibilmente il premio del prodotto A, fino a renderlo il più costoso dei tre. ChatGPT non aveva considerato questo effetto, né altri meccanismi individuali di tariffazione e sconto.

Qui c’è la lezione: una risposta può essere ben scritta, ordinata e persino convincente, ma poggiare su un confronto incompleto. È lo stesso rischio che ho descritto parlando di epistemia, cioè dell’illusione di sapere generata dall’AI.

Perché ChatGPT non sostituisce l’intermediario assicurativo

Un modello linguistico pubblico non è, di per sé, un preventivatore certificato, un comparatore completo o un professionista abilitato. Può non avere accesso alle versioni più recenti dei fascicoli informativi, alle regole di sottoscrizione, agli aggiornamenti tariffari e ai criteri interni delle compagnie.

Ci sono almeno cinque limiti pratici.

  1. I dati possono non essere aggiornati. Una clausola o una tariffa può cambiare dopo l’ultimo aggiornamento delle fonti disponibili al modello.
  2. Il bisogno reale richiede domande successive. Cinque quesiti possono orientare, ma non sempre bastano per ricostruire patrimonio, rischi, esclusioni, priorità e capacità di spesa.
  3. Le condizioni contano più del nome del prodotto. Massimali, franchigie, scoperti, esclusioni e garanzie accessorie possono cambiare radicalmente il valore della polizza.
  4. La risposta non è necessariamente riproducibile. Due conversazioni simili possono generare classifiche diverse.
  5. Manca una responsabilità professionale. Il chatbot non conosce la tua vita e non risponde delle conseguenze della scelta come un soggetto abilitato.

In Italia conviene inoltre verificare che impresa e intermediario siano autorizzati. L’IVASS raccomanda di controllare gli Albi e il Registro Unico degli Intermediari, oltre a prestare attenzione a siti irregolari e possibili contraffazioni.

Che cosa può fare bene l’AI nel settore assicurativo

Dire che ChatGPT non sostituisce l’intermediario non significa relegarlo a giocattolo. Significa assegnargli un ruolo più utile e realistico.

L’AI può aiutare il cliente a:

  • preparare una lista delle informazioni da raccogliere prima di un incontro;
  • tradurre in parole semplici termini come franchigia, scoperto, massimale e sottoassicurazione;
  • trasformare un fascicolo informativo in una serie di domande da sottoporre al professionista;
  • mettere in tabella coperture, esclusioni e costi presenti nei documenti forniti;
  • riassumere il colloquio e creare una checklist delle verifiche ancora aperte.

Può aiutare anche l’intermediario: nella preparazione dei colloqui, nella prima classificazione dei documenti e nella produzione di spiegazioni più accessibili. Ma la logica resta quella che propongo anche nella consulenza finanziaria assistita dall’intelligenza artificiale: automazione dove serve velocità, supervisione umana dove servono giudizio e responsabilità.

Un metodo in tre fasi: prima, durante e dopo la consulenza

1. Prima: usa ChatGPT per arrivare preparato

Descrivi la tua situazione senza inserire dati personali non necessari. Chiedi quali informazioni mancano e quali termini devi comprendere. L’obiettivo non è ottenere il nome della polizza «migliore», ma costruire una buona mappa del problema.

2. Durante: porta le domande a un intermediario verificato

Confronta la mappa con i documenti ufficiali e con un professionista iscritto al RUI. Chiedi di spiegare per iscritto differenze, esclusioni, franchigie, massimali, effetto dei sinistri pregressi e condizioni per le garanzie accessorie.

3. Dopo: usa l’AI come secondo lettore, non come arbitro

Fornisci al chatbot soltanto documenti che puoi condividere in sicurezza e chiedi di evidenziare incoerenze o punti da chiarire. Ogni rilievo deve poi essere verificato sul testo contrattuale e con il professionista.

Questo approccio evita due estremi: fidarsi ciecamente dell’algoritmo oppure rinunciare a uno strumento che può renderci clienti più consapevoli.

Un prompt prudente per preparare il colloquio

Agisci come assistente alla preparazione di un colloquio assicurativo, non come intermediario e non come decisore. Non consigliarmi prodotti o compagnie. Fammi una domanda alla volta per aiutarmi a chiarire bisogni, rischi, budget, franchigie accettabili, beni da proteggere e situazioni particolari. Alla fine crea: 1) un riepilogo dei dati forniti; 2) l’elenco delle informazioni mancanti; 3) dieci domande da fare a un intermediario iscritto al RUI; 4) una tabella vuota per confrontare massimali, franchigie, scoperti, esclusioni e garanzie accessorie. Segnala esplicitamente che prezzi e condizioni devono essere verificati sui documenti ufficiali aggiornati.

La differenza la fanno le istruzioni. Nel mio libro ChatGPT, come stai? Il prompt engineering come nuova skill ibrida spiego proprio perché dialogare bene con un’AI non significa semplicemente formulare una domanda elegante: occorre definire ruolo, contesto, limiti, formato dell’output e criteri di verifica.

Il tema non è uomo contro macchina, ma chi controlla che cosa

La discussione sulla sostituzione spesso parte dalla domanda sbagliata. Non dovremmo chiederci soltanto se l’AI prenderà il posto dell’intermediario. Dovremmo chiederci quali compiti delegare, quali dati fornire, quali controlli mantenere e chi risponde quando la raccomandazione è sbagliata.

È una questione di governance. Nell’Opinion del 6 agosto 2025, EIOPA ha richiamato per il settore assicurativo un approccio proporzionato al rischio, capace di bilanciare benefici e pericoli dell’AI. Anche l’AI Act europeo adotta una logica basata sul rischio e punta a sistemi affidabili e centrati sulle persone.

Per chi usa un chatbot, la prima forma di governance è molto concreta: conoscere la fonte, controllare la data, leggere il documento originale e distinguere una spiegazione da una raccomandazione professionale. È lo stesso allenamento alla verifica che attraversa il mio Manuale per difendersi dalla Post Verità: una risposta plausibile non diventa vera solo perché è fluida e rassicurante.

Come cambia il lavoro dell’intermediario

Se il chatbot sa già spiegare che cos’è una franchigia, il valore dell’intermediario si sposta verso attività più profonde: fare domande che il cliente non aveva immaginato, interpretare le clausole, collegare il contratto alla vita reale, motivare le alternative e documentare il percorso di scelta.

Chi si limita a recitare un catalogo rischia davvero di essere sostituito. Chi usa l’AI per liberare tempo e dedicarlo all’ascolto, alla verifica e alla relazione può offrire una consulenza migliore.

Il test di Franke und Bornberg, quindi, non è una bocciatura di ChatGPT. È un promemoria sul suo ruolo corretto: ottimo assistente per orientarsi, pessimo oracolo a cui delegare una decisione complessa.

Domande frequenti

ChatGPT può consigliare una polizza assicurativa?

Può aiutare a comprendere bisogni e caratteristiche, ma la raccomandazione va verificata su documenti aggiornati e con un intermediario abilitato. Il modello potrebbe non conoscere clausole, tariffe e criteri di sottoscrizione correnti.

Qual è il rischio principale nell’usare l’AI per confrontare polizze?

Confondere una risposta plausibile con un confronto completo. Una classifica può trascurare esclusioni, garanzie opzionali, sinistri pregressi, sconti e altre variabili personali.

Come verifico un intermediario assicurativo?

In Italia puoi consultare il Registro Unico degli Intermediari sul sito IVASS e controllare che recapiti, denominazione e sito coincidano con quelli ufficiali.

Posso caricare una polizza su ChatGPT?

Solo dopo aver valutato riservatezza, dati personali e condizioni dello strumento utilizzato. È meglio rimuovere i dati non necessari e non affidare al chatbot l’ultima parola sull’interpretazione contrattuale.

In che modo l’AI può aiutare un intermediario?

Può preparare checklist, riassumere documenti, semplificare il linguaggio e supportare il confronto preliminare. La raccolta approfondita dei bisogni, la verifica e la responsabilità restano umane.

Nota: questo articolo ha finalità informative e non costituisce consulenza assicurativa o legale.

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

Scrivere un libro con Claude Fable: esperimento, rischi e metodo

, , ,

La domanda non è più se un modello linguistico possa produrre molte pagine di testo. Quello lo abbiamo già visto. La domanda più interessante, e più scomoda, è un’altra: che cosa succede quando chiediamo a un’AI di leggere i nostri lavori precedenti, capirne i filoni, proporre un nuovo libro e consegnarci un file Word quasi pronto?

Nel video ho fatto proprio questo esperimento con Claude Fable: ho caricato 21 miei libri, ho chiesto al modello di analizzarli e gli ho fatto progettare un nuovo volume. Il risultato è stato sorprendente, ma non nel senso banale del “l’AI scrive al posto tuo”. Il punto è più serio: scrivere un libro con Claude Fable è tecnicamente possibile, ma pubblicarlo senza una revisione umana profonda sarebbe un errore professionale, autoriale e forse anche legale.

La macchina può proporre struttura, capitoli, casi d’uso, appendici, biografia e perfino una copertina. L’autore, però, resta responsabile di intenzione, verifiche, tono, fonti, esempi, diritti e scelta finale. In pratica: l’AI può diventare una redazione assistita, non una delega cieca.

Guarda l’esperimento con Claude Fable

Nel video mostro il percorso completo: dalla cartella con i libri alla proposta editoriale, fino al documento Word di circa 40 pagine e alla copertina generata con avatar.

Che cos’è Claude Fable 5 e perché questo test conta

Claude Fable 5 è il modello avanzato di Anthropic presentato come una versione accessibile della famiglia Mythos, pensata per compiti lunghi, documenti complessi, analisi articolate e lavoro professionale. Nel lancio ufficiale di Claude Fable 5 e Mythos 5, Anthropic descrive Fable 5 come un modello adatto a workflow estesi e document-heavy; nella documentazione per sviluppatori su Fable 5 e Mythos 5 chiarisce anche che alcuni comportamenti e pattern di prompting sono specifici di questi modelli. Qui non basta generare una risposta brillante: bisogna tenere insieme molte informazioni, molte istruzioni e una struttura coerente.

Per questo l’esperimento del libro è interessante. Non si tratta di chiedere “scrivimi un saggio sull’intelligenza artificiale”, cosa che produrrebbe quasi certamente un testo generico. Il test era più duro: leggere un archivio personale, riconoscere ricorrenze editoriali e proporre un tema nuovo ma coerente con il posizionamento dell’autore.

Su questo blog ho già ragionato su skill per Claude e rischi di sicurezza e su che cosa stanno costruendo davvero le persone con Claude. Qui il caso è ancora più delicato, perché tocca identità, stile, competenza e responsabilità autoriale.

Il prompt: non “scrivi un libro”, ma “capisci che autore sono”

Il primo passaggio è stato caricare 21 libri già pubblicati o comunque legati ai miei temi: LinkedIn, comunicazione digitale, uso consapevole della tecnologia, intelligenza artificiale, formazione, lavoro. A Claude Fable ho chiesto di analizzarli, riconoscere i filoni principali e propormi un nuovo libro.

Il modello ha restituito alcune alternative. Una riguardava la ricerca del lavoro, un’altra l’intelligenza artificiale nella Pubblica Amministrazione, in particolare nei piccoli comuni. Ho scelto questa seconda strada perché intercetta un tema reale: enti locali con molte pratiche ripetitive, poco personale, cittadini che chiedono risposte chiare e una forte necessità di formazione.

Non è un caso che sul sito ci siano già risorse su corsi AI per Comuni e sull’intelligenza artificiale nella Pubblica Amministrazione. Fable ha individuato un territorio editoriale plausibile perché aveva materiale sufficiente per vedere continuità e spazio di sviluppo.

Che cosa ha prodotto davvero l’AI

Dopo la scelta del tema, ho alzato il livello della richiesta: volevo un libro con riferimenti, link, studi, casi d’uso, tono coerente, taglio pratico, biografia, copertina e un file Word completo. Il modello ha lavorato per qualche minuto e ha generato un documento strutturato di circa 40 pagine.

Dentro c’erano:

  • un indice coerente con il tema;
  • un’introduzione già leggibile;
  • capitoli dedicati ai casi d’uso;
  • una parte pratica in linea con il taglio formativo richiesto;
  • riferimenti e link da controllare;
  • una bozza di copertina;
  • una biografia autore;
  • una versione espansa con appendici e sezioni aggiuntive.

Il dettaglio più straniante è stato vedere un testo che, almeno in superficie, sembrava scritto “come me”, ma non da me. Questo è il passaggio che molti sottovalutano: l’AI non produce solo contenuto, produce anche una simulazione di familiarità. Ed è proprio lì che bisogna rallentare.

Il vero rischio: scambiare una bozza credibile per un libro finito

Il rischio non è che Claude Fable scriva male. Anzi, il problema è quasi opposto: può scrivere abbastanza bene da farci abbassare la guardia. Un documento ordinato, impaginato e lungo dà una sensazione di compiutezza. Ma un libro non è soltanto un contenitore di capitoli.

Un libro richiede almeno quattro livelli di revisione:

  • revisione sostanziale: la tesi regge? Il libro dice qualcosa di necessario?
  • verifica delle fonti: link, dati, studi e citazioni esistono e sono interpretati correttamente?
  • controllo autoriale: esempi, giudizi e posizioni sono davvero dell’autore?
  • revisione editoriale: ritmo, ripetizioni, tono, promesse e struttura sono all’altezza di una pubblicazione?

Questo vale anche per workflow più brevi. Negli agenti AI in azienda, la tentazione è simile: se un sistema esegue molti passaggi in autonomia, sembra più maturo di quanto sia. Ma automazione non significa assenza di controllo.

Amazon KDP e contenuti generati dall’AI: attenzione alla disclosure

Nel video cito la tentazione di caricare tutto su Amazon KDP. È proprio il gesto da evitare se non c’è stata una revisione seria. Le linee guida ufficiali di Amazon KDP sui contenuti AI richiedono di dichiarare i contenuti generati dall’intelligenza artificiale quando si pubblica o si ripubblica un libro. KDP distingue tra contenuti AI-generated e AI-assisted: la differenza non è cosmetica, perché cambia il tipo di responsabilità editoriale.

C’è anche il tema del diritto d’autore. Il U.S. Copyright Office ha dedicato più report al rapporto tra AI e copyright, sottolineando il ruolo della contribuzione umana nella proteggibilità delle opere. E l’Authors Guild raccomanda agli autori prudenza su originalità, contratti, trasparenza e uso di testo generato da AI.

Tradotto in modo pratico: se usi Claude Fable per scrivere un libro, non devi solo chiederti “è venuto bene?”. Devi chiederti anche:

  • quali parti sono mie e quali sono generate?
  • le fonti sono verificabili?
  • il testo contiene esempi inventati o generalizzazioni eccessive?
  • ho il diritto di usare immagini, copertina, avatar e materiali caricati?
  • sto rispettando le regole della piattaforma su cui pubblico?

Un metodo pratico per usare Fable nella scrittura di un libro

Il modo più sensato di usare un modello come Fable non è chiedergli di sostituire l’autore, ma di lavorare come assistente editoriale molto veloce. Un flusso ragionevole può essere questo.

1. Dai un archivio, non una richiesta generica

Carica testi, appunti, scalette, articoli, trascrizioni, slide e materiali realmente tuoi. Più il modello vede il tuo territorio, meno tende a produrre il solito libro generico sull’AI.

2. Chiedi prima una diagnosi editoriale

Prima della scrittura, fai analizzare i filoni: temi ricorrenti, pubblico, lacune, angoli già coperti, argomenti ancora scoperti. Questa fase è più importante della generazione dei capitoli.

3. Fatti proporre più tesi, non solo titoli

Un buon titolo non basta. Chiedi al modello di spiegare perché quel libro dovrebbe esistere, per chi è utile, quali domande risolve e che cosa aggiunge rispetto ai tuoi contenuti precedenti.

4. Pretendi casi d’uso verificabili

Gli esempi sono la parte più fragile dei testi AI. Possono sembrare concreti e invece essere assemblaggi verosimili. Chiedi casi realistici, ma poi verifica nomi, dati, procedure e riferimenti.

5. Trasforma la bozza in materia prima

Una bozza di 40 pagine non è un libro finito. È una base di lavoro. Va tagliata, riscritta, contraddetta, integrata con esperienza diretta e aggiornata con fonti primarie.

Dove Fable è davvero utile

In questo tipo di lavoro, Claude Fable può essere molto utile per:

  • mappare un archivio di contenuti personali;
  • riconoscere filoni editoriali ricorrenti;
  • generare ipotesi di indice;
  • trasformare trascrizioni e appunti in capitoli;
  • proporre casi d’uso da verificare;
  • preparare appendici, checklist e materiali operativi;
  • creare una prima bozza di quarta di copertina o scheda libro;
  • evidenziare incoerenze tra pubblico, promessa e contenuto.

È lo stesso principio del second brain personale con LLM e Obsidian: l’AI diventa più utile quando lavora su un patrimonio informativo organizzato, non quando deve indovinare tutto partendo da una frase.

Dove invece l’autore deve restare al comando

Ci sono parti che non delego. La tesi centrale, prima di tutto. Se un libro prende posizione su scuola, lavoro, Pubblica Amministrazione o responsabilità dell’AI, quella posizione deve essere scelta da una persona. Anche gli esempi professionali devono essere filtrati: non basta che siano plausibili, devono essere corretti, rispettosi e utili.

Infine c’è la voce. Un modello può imitare strutture, lessico, ritmo e ricorrenze. Ma la voce non è solo stile: è responsabilità. È decidere che cosa lasciare fuori, che cosa non promettere, quando dire “non lo so” e quando fermarsi.

In pratica: il libro si può fare, ma non con il pilota automatico

L’esperimento con Claude Fable mostra una cosa molto concreta: siamo entrati nella fase in cui un modello può produrre un pacchetto editoriale completo, non solo qualche paragrafo. Può leggere 21 libri, proporre una nicchia, scrivere capitoli, espandere sezioni, impaginare un file e generare una copertina.

Ma proprio perché può farlo, il ruolo umano diventa più importante. Non serve più essere veloci a riempire pagine. Serve essere severi nel decidere quali pagine meritano di esistere.

Per questo non pubblicherò quel saggio senza una revisione feroce. L’AI ha fatto un ottimo lavoro come acceleratore. Non le affido, però, il tasto “pubblica”.

FAQ su Claude Fable e scrittura di libri con AI

Claude Fable può scrivere un libro intero?

Sì, può generare una bozza molto estesa e strutturata, soprattutto se riceve materiali, istruzioni e contesto. Questo però non significa che il testo sia automaticamente pronto per la pubblicazione.

Un libro scritto con l’AI si può pubblicare su Amazon KDP?

È possibile pubblicare contenuti che includono testo generato dall’AI, ma Amazon KDP richiede la dichiarazione dei contenuti AI-generated. Inoltre restano a carico dell’autore controllo, diritti, qualità e responsabilità del materiale pubblicato.

Che differenza c’è tra AI-generated e AI-assisted?

In generale, AI-generated indica contenuto creato dall’intelligenza artificiale; AI-assisted indica un lavoro scritto dall’autore con supporto dell’AI per attività come brainstorming, revisione o miglioramento. La distinzione va valutata caso per caso e secondo le regole della piattaforma usata.

Il testo generato da Claude è coperto da copyright?

La questione dipende dalla giurisdizione e dal livello di contributo umano. Le indicazioni del U.S. Copyright Office insistono sul ruolo della creatività umana: un output totalmente generato da macchina è più problematico di un’opera in cui l’autore seleziona, organizza, riscrive e contribuisce in modo sostanziale.

Come usare Claude Fable senza perdere identità autoriale?

Conviene usarlo per analisi, scalette, bozze e revisione, mantenendo umana la tesi, la selezione degli esempi, la verifica delle fonti e la riscrittura finale. L’AI deve accelerare il lavoro, non firmarlo al posto dell’autore.

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