L’intelligenza artificiale nel calcio nel 2026: dal VAR 3D a TacticAI, cosa è cambiato davvero

, ,

Nel novembre 2023, sul palco dello stadio di Cesena, parlavo di intelligenza artificiale nel calcio come di una rivoluzione “precedentemente inimmaginabile”. A distanza di tre anni, con il Mondiale 2026 alle porte tra Canada, USA e Messico, quella rivoluzione è già realtà quotidiana nei club, nei laboratori di ricerca e persino nelle tasche dei tifosi. Ho quindi deciso di aggiornare il discorso con dati, paper e strumenti concreti che nel 2023 semplicemente non esistevano.

Dal fuorigioco 2D al VAR 3D: l’arbitraggio ai Mondiali 2026

Il salto più visibile riguarda l’arbitraggio. Il sistema SAOT (Semi-Automated Offside Technology), introdotto a Qatar 2022, si basava su 12 telecamere e un sensore nel pallone che tracciava 29 punti del corpo di ogni giocatore. Per il Mondiale 2026, FIFA e Lenovo hanno sviluppato il VAR 3D: ogni calciatore delle 48 nazionali viene scansionato in stazioni con 36 fotocamere, generando un avatar digitale fedele fino a mezzo centimetro. Quando il fuorigioco supera i 10 centimetri, l’assistente riceve un segnale immediato sul proprio dispositivo. Dietro tutto questo ci sono oltre 17.000 dispositivi Lenovo e Motorola distribuiti nei sedici stadi, più Football AI Pro, un assistente linguistico che permette a ogni staff tecnico di analizzare oltre 2.000 metriche di gioco.

Attenzione però: la decisione finale resta umana. Come ha ricordato Pierluigi Collina, oggi responsabile arbitri FIFA, “sul fuorigioco è sempre l’arbitro ad avere la parola finale”, mentre solo la linea di porta è già completamente automatizzata. Il calcio senza arbitri di cui parlavo nel 2023 resta quindi, per ora, un orizzonte più che una realtà.

La ricerca scientifica: i paper che stanno ridisegnando il calcio data-driven

Se nel 2023 citavo strumenti commerciali, oggi il calcio produce anche letteratura scientifica vera e propria. Il caso più noto è TacticAI, l’assistente sviluppato da Google DeepMind con il Liverpool FC, pubblicato su Nature Communications nel 2024 (arXiv:2310.10553): un modello capace di suggerire schemi sui calci d’angolo, preferito dagli analisti del club nel 90% dei confronti con soluzioni umane. Nella sua versione più recente, TacticAI è in grado di anticipare le traiettorie di gioco fino a 8 secondi prima che accadano, ed è stato adottato anche dal Palmeiras, primo club sudamericano a utilizzarlo.

Il 2025 e il 2026 hanno visto una vera esplosione di ricerca su arXiv: dal dataset multimodale per il contesto tattico di Ochin et al., ai modelli di forecasting dei risultati su larga scala di Horton, fino all’EFPI di Bekkers per il riconoscimento automatico dei moduli di gioco e ai lavori di Bischofberger sulla misurazione delle prestazioni difensive senza palla tramite tracking data ed explainable AI. Un intero filone accademico che, dieci anni fa, semplicemente non esisteva.

Scouting e calciomercato: l’IA che scova i nuovi talenti

Sul fronte scouting, IBM ha sviluppato per l’Empoli FC una piattaforma di talent scouting pensata per supportare la ricerca e lo sviluppo dei giovani. Nel frattempo il mercato si è consolidato: Hudl ha acquisito StatsBomb, integrando la storica libreria video di Wyscout con le analytics avanzate, creando di fatto uno degli ecosistemi dati più completi per club e agenzie di scouting.

Prevenzione infortuni e wearable: il calciatore connesso

Qui il salto rispetto al 2023 è enorme. Bayer Leverkusen e IBM hanno costruito su watsonx.ai una piattaforma che riconosce automaticamente gli eventi di gioco dai video, liberando tempo per analisti e staff medico. Real Madrid, Manchester City, Bayern Monaco, Palmeiras e Flamengo hanno invece investito in software che incrociano dati di GPS, sensori e videocamere per stimare quotidianamente il rischio infortunio di ogni giocatore, regolando di conseguenza i carichi di lavoro. Aziende come Zone7 Technologies applicano machine learning proprio a questo incrocio tra carico di lavoro, dati biometrici e storico infortuni.

Tattica in tempo reale: quando l’IA suggerisce la giocata

Mikel Arteta ha dichiarato pubblicamente di usare l’intelligenza artificiale per preparare le partite dell’Arsenal, mentre il Liverpool utilizza TacticAI proprio per decidere chi debba ricevere un cross o tentare un tiro su azioni codificate come corner e punizioni. È l’evoluzione naturale di quello che nel 2023 chiamavo “machine learning per lo scouting”: oggi lo stesso approccio guida le scelte in campo, partita dopo partita.

Anti-frode e scommesse: l’IA a tutela dell’integrità del gioco

Un tema che nel 2023 avevo solo accennato è oggi centrale: Sportradar utilizza il proprio sistema UFDS (Universal Fraud Detection System), basato su intelligenza artificiale, per individuare flussi di scommesse anomali su scala globale. Il sistema ha contribuito a far emergere 438 partite sospette di match-fixing in un solo anno, in tutti gli sport monitorati.

Fan experience: dai chatbot agli avatar, il tifoso diventa un profilo

Se nel 2023 parlavo di VR e AR per l’engagement, oggi il paradigma è cambiato: il tifoso è diventato un profilo dati da coltivare. Il Liverpool ha siglato una partnership globale con SAS per personalizzare comunicazione e marketing su scala mondiale. La Premier League ha lanciato, con Microsoft Azure OpenAI e Copilot, un assistente digitale integrato nell’app ufficiale che attinge a trent’anni di statistiche, circa 300mila articoli e 9mila video per rispondere ai tifosi e suggerire strategie di Fantacalcio. Il Nashville SC applica invece elaborazione del linguaggio naturale per analizzare il sentiment dei tifosi in tempo reale, mentre NTT Data ha costruito metodologie simili per Arsenal e Paris FC.

Non mancano i prodotti pensati per il grande pubblico, come PitchMate di Infobip, un compagno AI pensato per i tifosi. Non stupisce che, secondo un’indagine della Gazzetta dello Sport su 12mila tifosi in 11 Paesi, il 54% utilizzi già l’IA per notizie, statistiche e approfondimenti.

I gadget del Mondiale 2026: pallone smart, bodycam, scanner corporei

Oltre al software, il 2026 porta anche hardware inedito: il pallone ufficiale Trionda integra sensori che trasmettono dati in tempo reale per il fuorigioco semi-automatico; le stazioni di scansione corporea a 36 fotocamere generano gli avatar digitali dei giocatori in meno di un secondo; la Referee Camera, indossata dagli arbitri, usa algoritmi di stabilizzazione per offrire a tifosi e broadcaster la visuale in prima persona del direttore di gara, eliminando l’effetto mosso della corsa.

Verso un calcio senza arbitri?

Tornando alla domanda che ponevo nel 2023: siamo più vicini a un calcio senza arbitri umani? I dati raccontano un’evoluzione, non una sostituzione. L’IA gestisce già in autonomia la linea di porta, supporta il fuorigioco con dati oggettivi, ma la decisione finale su episodi complessi resta affidata a un essere umano. È probabilmente questo l’equilibrio che vedremo consolidarsi nei prossimi anni: non un arbitro sostituito, ma un arbitro aumentato.

Domande frequenti

Cos’è il VAR 3D dei Mondiali 2026?

È il sistema sviluppato da FIFA e Lenovo che sostituisce le linee 2D del fuorigioco semi-automatico con avatar 3D dei giocatori, generati da scansioni corporee reali e intelligenza artificiale generativa.

Cos’è TacticAI?

È l’assistente tattico sviluppato da Google DeepMind con il Liverpool FC, pubblicato su Nature Communications nel 2024, oggi capace di anticipare le giocate fino a 8 secondi prima che avvengano.

L’intelligenza artificiale sostituirà gli arbitri di calcio?

Non nel breve termine: l’IA automatizza già la linea di porta e supporta il fuorigioco, ma le decisioni più complesse restano in mano al direttore di gara.

Quali club di calcio usano di più l’intelligenza artificiale?

Liverpool, Arsenal, Bayer Leverkusen, Real Madrid, Manchester City, Bayern Monaco, Palmeiras e Flamengo sono tra i club che hanno investito maggiormente in tattica, scouting e prevenzione infortuni basati su IA.

L’evento sull’AI

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

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

Invia un email

/0 Commenti/da

Cosa stanno costruendo con Claude? Analisi di 1.900 commenti che raccontano il futuro dell’AI (e non è quello che pensi)

,

Quando si parla di intelligenza artificiale, la maggior parte delle persone continua a discutere dei modelli. GPT-5 o Claude? Gemini o Copilot? Meglio OpenAI o Anthropic? È una conversazione interessante, ma sempre meno utile. Per capire dove sta andando davvero l’AI bisogna osservare un altro fenomeno: che cosa stanno costruendo le persone normali con questi strumenti.

Mi è capitato di imbattermi in un video TikTok di Rakos Media che poneva una domanda semplicissima: “Cosa avete costruito con Claude?”

@rakos.media What are you building with Claude? I’ve built agents for my business and for others, automating email marketing, social media posting, research processes, etc. But I want to get more out of Claude, whether it’s Claude code or Claude cowork. #claude #claudecode #claudecowork #aiagent #automation ♬ original sound – Whitney Leavitt

Il risultato è sorprendente. In pochi giorni il video ha raccolto migliaia di commenti.

Ho analizzato (grazie all’AI, ovviamente) un dataset di oltre 1.900 interventi, raccolti il 13 luglio 2026, e il quadro che emerge racconta molto meglio del marketing dove si sta dirigendo l’intelligenza artificiale.

Non stanno creando chatbot

La prima cosa che colpisce è questa. Quasi nessuno parla di chatbot. Quasi nessuno scrive “ho creato un assistente AI”. Al contrario, le persone stanno costruendo strumenti che eliminano piccoli problemi quotidiani. L’intelligenza artificiale è semplicemente il motore. L’applicazione è il prodotto. Ed è esattamente quello che, da mesi, ripeto durante i miei corsi: l’AI genera valore quando sparisce dalla vista dell’utente.

L’idea che ha conquistato tutti

Il commento più apprezzato (oltre 8.000 like) racconta la realizzazione di un’app molto particolare.

L’utente entra al supermercato, inquadra un prodotto e scopre immediatamente:

  • quale gruppo possiede realmente il marchio
  • se esistono alternative locali
  • aziende familiari
  • cooperative
  • imprese controllate dai dipendenti

Una specie di “Shazam” della filiera produttiva.

È interessante per un motivo: non serve una tecnologia rivoluzionaria. Servono database pubblici, API, riconoscimento del codice a barre e AI per interpretare i dati.

Il valore non è l’intelligenza artificiale. Il valore è la decisione d’acquisto migliore.

La seconda idea è ancora più intelligente

L’app tiene traccia di tutto ciò che possiedi in casa. Davvero tutto: frigorifero, caldaia, condizionatore, seggiolino auto, tetto, filtri, garanzie, manuali, scadenze, richiami ufficiali, ricambi, promemoria.

Quando è ora di sostituire un filtro, arriva la notifica. Quando un elettrodomestico viene richiamato dal produttore, arriva l’avviso. Quando sta per scadere una garanzia, lo sai in anticipo.

È il classico esempio di prodotto che probabilmente non avresti mai immaginato di cercare. Ma appena lo vedi pensi: “Perché non esiste già?”

Le idee migliori non sono tecnologiche

Tra i commenti emergono applicazioni molto diverse:

Problema Soluzione
Cercare lavoro Un coach AI prepara il colloquio, studia l’azienda e corregge le risposte.
Genitorialità Mappa collaborativa dei fasciatoi pubblici.
Puntualità Un assistente pianifica a ritroso tutte le attività prima di uscire.
Informazione Un sistema raccoglie automaticamente solo le notizie rilevanti.
Creator economy Pipeline completa che ricerca trend, scrive script, monta video e pubblica sui social.
Finanza personale Analisi automatica dell’estratto conto per trovare sprechi e risparmi.

Sono problemi minuscoli. Ma milioni di persone li hanno.

Il vero messaggio del video

La parte più interessante non sono le app. Sono i commenti.

Molti utenti scrivono cose come: “Pensavo di essere poco creativo.” Oppure: “Io uso Claude solo per scrivere email.”

Questo racconta due mondi. Il primo è composto dai builder: persone che costruiscono prodotti. Il secondo è composto da chi continua a usare l’AI come un semplice correttore di testi.

La distanza tra questi due gruppi sta aumentando rapidamente.

Da chatbot a prodotto

Negli ultimi due anni abbiamo attraversato almeno quattro fasi.

Prima fase. Usiamo ChatGPT come Google.

Seconda fase. Scriviamo email migliori.

Terza fase. Automatizziamo piccoli processi.

Quarta fase. Costruiamo prodotti completi.

È esattamente ciò che emerge dal dataset. Le persone non chiedono più “come posso usare Claude?”. Chiedono “che problema posso eliminare?”.

Ed è una domanda completamente diversa.

La lezione più importante

Quasi tutte le idee più votate condividono quattro caratteristiche.

1. Nascono da un’esigenza (frustrazione?) personale. “Mi dimentico sempre di sostituire il filtro.” “Sono sempre in ritardo.” “Non trovo mai un fasciatoio.” Le startup migliori iniziano spesso così.

2. Automatizzano decisioni. L’AI non sostituisce l’utente. Gli evita decine di micro decisioni.

3. Organizzano informazioni disperse. Garanzie, ricevute, manuali, curriculum, notizie, documenti: l’intelligenza artificiale eccelle proprio in questo.

4. Sono quasi invisibili. L’utente non vuole usare l’AI. Vuole risolvere il problema. È una differenza enorme.

Cosa significa per aziende e professionisti

Questa analisi suggerisce una riflessione. Molte aziende stanno ancora cercando di capire “come possiamo usare ChatGPT?”.

La domanda migliore è un’altra: quale micro-problema affrontano ogni giorno i nostri clienti?

Una volta trovato quello, l’AI diventa soltanto il motore. Non il prodotto.

Un esercizio che consiglio spesso durante i miei corsi

Prendete carta e penna. Scrivete dieci frasi che iniziano così:

  • Mi dimentico sempre…
  • Perdo troppo tempo a…
  • Ogni settimana devo…
  • Vorrei che qualcuno facesse al posto mio…
  • Ogni volta che…

Poi chiedete a Claude, ChatGPT o Copilot: “Progetta un’applicazione che elimini completamente questo problema. Non limitarti a usare un chatbot: immagina un prodotto utilizzabile ogni giorno.”

Sono convinto che molte delle idee più interessanti nasceranno proprio da esercizi come questo.

Vuoi approfondire?

Se questi temi ti interessano, potrebbero piacerti anche:

Sul mio blog trovi decine di esempi pratici dedicati all’intelligenza artificiale applicata al lavoro quotidiano.

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.

Invia un email

/0 Commenti/da

Intelligenza artificiale nella Pubblica Amministrazione: la sfida del 2034

, , ,

Immaginiamo la scena. In un ufficio comunale, la persona che da trent’anni sa come si gestisce una pratica complicata spegne il computer per l’ultima volta, saluta i colleghi e va in pensione. Il giorno dopo arrivano una richiesta urgente, un fascicolo incompleto e una domanda che nessun manuale aveva previsto.

Il problema dell’intelligenza artificiale nella Pubblica Amministrazione parte da qui: non soltanto dalla scrivania rimasta vuota, ma da tutto ciò che quella persona sapeva e che rischia di uscire dall’edificio insieme a lei.

Un articolo di HuffPost del 15 gennaio 2026, firmato da Valentina Nicolì, parte da un dato che merita attenzione: entro il 2034 potrebbe andare in pensione un dipendente pubblico su tre. Parliamo di circa 1,2 milioni di persone su una forza lavoro che, secondo i dati INPS citati nell’articolo, nel 2024 contava 3,74 milioni di addetti.

L’intelligenza artificiale nella Pubblica Amministrazione può essere una parte importante della risposta. Può aiutare a conservare la conoscenza, alleggerire il lavoro ripetitivo, rendere più semplici documenti e servizi e affiancare i nuovi assunti. Ma funziona solo se viene inserita in una trasformazione organizzativa seria: con dati affidabili, processi ripensati, formazione, sicurezza e responsabilità umana.

L’AI, insomma, non sostituisce il ricambio generazionale. Può però impedire che il ricambio diventi un gigantesco reset.

Intelligenza artificiale nella Pubblica Amministrazione e passaggio di competenze
L’AI nella PA deve servire a conservare conoscenze, semplificare processi e migliorare i servizi, non a sostituire il giudizio umano.

Il pensionamento di massa è anche una perdita di conoscenza

Quando si parla di pensionamenti nella PA, il dibattito si concentra quasi sempre sui numeri: quante persone escono, quante ne verranno assunte e quanto costerà sostituirle.

È corretto, ma incompleto.

Una parte decisiva del lavoro pubblico vive nella cosiddetta conoscenza tacita: procedure non scritte, eccezioni, precedenti, contatti tra uffici, interpretazioni sedimentate, piccoli accorgimenti che permettono di risolvere un caso senza farlo rimbalzare per settimane.

Non tutta questa esperienza è buona per definizione. Alcune abitudini vanno superate, alcuni passaggi eliminati, alcune procedure semplificate. Ma lasciare che la conoscenza scompaia senza prima distinguerne il valore sarebbe uno spreco enorme.

Il vero tema, quindi, non è usare l’AI per fare con meno persone ciò che si è sempre fatto. È usare questa transizione per decidere che cosa conservare, che cosa cambiare e che cosa non fare più.

Perché l’intelligenza artificiale nella Pubblica Amministrazione può fare la differenza

La PA produce e gestisce una quantità immensa di testi: leggi, circolari, delibere, verbali, regolamenti, bandi, moduli, email, relazioni e risposte ai cittadini. L’AI generativa lavora proprio con il linguaggio e può quindi diventare un’interfaccia utile tra persone e patrimonio documentale.

Attenzione, però: “utile” non significa “infallibile”. Un modello linguistico genera risposte plausibili, non sentenze vere per natura. Per questo deve lavorare su fonti selezionate, mostrare i riferimenti usati e lasciare la decisione finale a un dipendente responsabile.

Fatta questa premessa, le applicazioni concrete sono molte.

1. Trasformare l’esperienza dei dipendenti senior in patrimonio condiviso

Prima che una persona esperta lasci l’ente, si può organizzare un vero passaggio di conoscenze assistito dall’AI, costruendo una base documentale interrogabile con strumenti come Gemini Notebook (ex NotebookLM).

Non basta chiedere: “Puoi scrivere tutto quello che sai?”. È una domanda troppo ampia. Meglio registrare interviste strutturate, raccogliere casi reali, catalogare le eccezioni più frequenti e ricostruire le decisioni prese nei fascicoli più complessi.

L’AI può aiutare a:

  • trascrivere e riordinare le interviste;
  • individuare temi, passaggi ricorrenti e punti critici;
  • trasformare racconti informali in procedure e checklist;
  • collegare ogni indicazione alla norma o al documento di riferimento;
  • creare una base di conoscenza interrogabile dai colleghi;
  • segnalare contenuti vecchi, contraddittori o da verificare.

È una specie di “intervista di uscita aumentata”. Non serve a clonare chi va in pensione, espressione da film di fantascienza che possiamo serenamente evitare. Serve a non perdere trent’anni di esperienza in trenta minuti di saluti e pasticcini.

2. Dare ai nuovi assunti un tutor digitale basato su fonti vere

Il ricambio richiederà nuove assunzioni. Il rischio è inserire migliaia di persone in uffici che non hanno tempo per formarle, consegnando loro una cartella condivisa chiamata “Documenti definitivi” con dentro file come “definitivo_v7_ultimo_bis.pdf”.

Un assistente interno, costruito sui documenti approvati dall’ente, potrebbe rispondere a domande come:

  • Qual è la procedura aggiornata per questa pratica?
  • Quali documenti deve presentare il cittadino?
  • Chi è responsabile del passaggio successivo?
  • Esistono casi simili già risolti?
  • Qual è la fonte normativa della risposta?

La condizione è fondamentale: ogni risposta deve rimandare alle fonti. Se il sistema non trova una base affidabile, deve dichiararlo. Un “non lo so” ben progettato vale più di una risposta sicura ma inventata.

3. Ridurre il tempo speso a cercare, riassumere e riscrivere

Una parte rilevante del lavoro amministrativo consiste nel recuperare informazioni già presenti, confrontare versioni, estrarre dati da documenti e riscrivere lo stesso contenuto per destinatari diversi.

L’AI può preparare una prima bozza di:

  • sintesi di delibere e circolari;
  • verbali ricavati da trascrizioni;
  • risposte standard personalizzate;
  • confronti tra versioni di un regolamento;
  • schede operative per gli uffici;
  • testi in linguaggio più comprensibile per i cittadini.

Qui la parola chiave è bozza. Il dipendente non dovrebbe limitarsi a premere “genera” e inoltrare. Deve controllare dati, riferimenti, tono, completezza e conseguenze amministrative.

Il guadagno non sta nell’eliminare la persona, ma nel restituirle tempo per i casi difficili, il rapporto con il pubblico, il coordinamento e la decisione.

4. Rendere moduli e comunicazioni finalmente comprensibili

Digitalizzare un modulo incomprensibile non lo rende automaticamente semplice. A volte otteniamo soltanto un modulo incomprensibile che, in più, richiede una password dimenticata.

L’intelligenza artificiale può aiutare gli uffici a riscrivere testi in linguaggio chiaro, verificare la leggibilità, produrre versioni multilingue e creare percorsi guidati che pongono al cittadino soltanto le domande necessarie per il suo caso.

Per esempio, invece di presentare venti campi e una nota normativa di tre pagine, un servizio potrebbe chiedere poche informazioni iniziali e spiegare:

  • se la persona ha diritto alla prestazione;
  • quali documenti servono davvero;
  • quanto dura indicativamente la procedura;
  • quali sono i passaggi successivi;
  • come chiedere assistenza umana.

Il cittadino non dovrebbe essere costretto a imparare l’organigramma dell’ente per ottenere una risposta.

5. Smistare le pratiche e individuare prima gli errori

Molte richieste arrivano all’ufficio sbagliato, sono incomplete o contengono incongruenze visibili soltanto dopo giorni. Sistemi di AI ben controllati possono classificare i documenti, estrarre informazioni, segnalare campi mancanti e suggerire il percorso corretto.

Questo non significa affidare a un algoritmo la decisione su un contributo, una graduatoria o un diritto. Significa usare la macchina per preparare il lavoro, evidenziare anomalie e ridurre gli errori banali.

Più una decisione incide sulla vita delle persone, più devono essere forti trasparenza, tracciabilità, possibilità di contestazione e controllo umano.

6. Creare servizi pubblici attivi anche fuori dall’orario di sportello

Un assistente virtuale può rispondere alle domande frequenti, guidare nella compilazione di una domanda e indicare il canale corretto senza costringere il cittadino ad aspettare il lunedì mattina.

Ma il chatbot non deve diventare un muro elegante dietro cui nascondere l’amministrazione. Deve sempre offrire una via d’uscita: parlare con una persona, aprire una richiesta, prenotare un appuntamento o ricevere una risposta tracciata.

Il parametro di successo non è quante conversazioni “gestisce” il bot. È quanti problemi risolve senza aumentare frustrazione, esclusione digitale o contenzioso.

L’AI non può essere la scusa per non assumere

Dire che l’intelligenza artificiale può aiutare la PA non significa sostenere che 1,2 milioni di pensionamenti possano essere compensati con qualche licenza software.

Serviranno persone nuove: profili amministrativi, tecnici, sociali, sanitari, giuridici, informatici e gestionali. Serviranno anche competenze che oggi non sempre trovano posto negli organigrammi: governo dei dati, progettazione dei servizi, sicurezza, valutazione degli algoritmi e comunicazione chiara.

L’AI può aumentare la capacità di queste persone. Non può assumersi responsabilità pubbliche, comprendere da sola il contesto sociale o sostituire l’empatia richiesta nei casi delicati.

Se viene usata soltanto per tagliare costi, automatizzerà anche difetti, disordine e burocrazia. Più velocemente, certo. Ma una pratica sbagliata consegnata in dieci secondi resta una pratica sbagliata.

I rischi da affrontare prima, non dopo

Nella Pubblica Amministrazione l’adozione dell’AI richiede più prudenza rispetto a molti usi privati, perché tratta dati sensibili, incide su diritti e deve rendere conto delle proprie decisioni.

I principali rischi sono:

  • privacy: dati personali o riservati non devono finire in strumenti non autorizzati;
  • allucinazioni: il sistema può inventare norme, scadenze o riferimenti credibili;
  • pregiudizi: dati storici distorti possono produrre suggerimenti discriminatori;
  • opacità: cittadini e funzionari devono capire quando e come è stata usata l’AI;
  • dipendenza dai fornitori: dati, competenze e processi non possono restare prigionieri di una piattaforma;
  • automazione della cattiva burocrazia: prima di automatizzare, bisogna semplificare;
  • divario digitale: il servizio deve restare accessibile anche a chi non usa bene app e chatbot.

Il quadro europeo va proprio nella direzione di un’AI più responsabile. L’AI Act dell’Unione europea, entrato in vigore il 1° agosto 2024, prevede un’applicazione basata sul livello di rischio. Dal 2 febbraio 2025 sono inoltre applicabili le disposizioni sull’AI literacy: chi utilizza sistemi di intelligenza artificiale deve possedere un livello adeguato di competenza e consapevolezza. Ho approfondito il tema anche nella guida sulla formazione AI e sull’AI Act.

Non basta quindi acquistare uno strumento. Bisogna formare chi lo sceglie, chi lo configura, chi lo usa e chi controlla i risultati.

Un piano pratico in cinque passi per introdurre l’AI nella PA

1. Mappare le uscite e le conoscenze a rischio

Ogni ente dovrebbe sapere quali ruoli perderà nei prossimi tre, cinque e dieci anni, quali processi dipendono da poche persone e quali competenze non sono documentate.

2. Scegliere un problema piccolo ma misurabile

Meglio partire da un archivio documentale circoscritto, dalle domande frequenti di uno sportello o dalla preparazione di bozze interne. Non dal progetto “AI per tutto il Comune”, che di solito produce molte slide e pochi risultati. Nella guida dedicata a ChatGPT nella PA raccolgo altri esempi operativi.

3. Sistemare fonti, dati e responsabilità

Bisogna stabilire quali documenti sono validi, chi li aggiorna, chi può accedere ai dati e chi risponde degli errori. L’AI non risolve una base informativa caotica: la rende soltanto più facile da interrogare, caos compreso.

4. Coinvolgere insieme esperti, nuovi assunti e cittadini

I dipendenti senior conoscono le eccezioni, i nuovi arrivati vedono meglio le assurdità date per scontate e i cittadini sperimentano gli ostacoli reali. La progettazione deve ascoltare tutti e tre.

5. Misurare qualità, non soltanto velocità

Gli indicatori utili possono essere: tempo medio di risposta, errori evitati, pratiche completate al primo tentativo, soddisfazione degli utenti, accessibilità, numero di risposte con fonti corrette e interventi umani necessari.

Se il sistema risponde più in fretta ma aumenta reclami e correzioni, non è innovazione. È debito burocratico con un’interfaccia moderna.

La vera occasione è riprogettare la Pubblica Amministrazione

Il dato dei pensionamenti mette una scadenza davanti alla PA italiana. Entro il 2034 una parte enorme della sua forza lavoro cambierà. Possiamo aspettare che l’esperienza esca dagli uffici e poi correre a tappare i buchi. Oppure possiamo usare questi anni per trasferire conoscenze, semplificare procedure e costruire servizi pensati intorno alle persone.

L’intelligenza artificiale può essere il moltiplicatore di questa trasformazione. Non è la soluzione da sola, perché nessuna tecnologia lo è. Ma può diventare un’infrastruttura cognitiva: aiuta a trovare ciò che l’ente già sa, a spiegare ciò che il cittadino non comprende e a liberare tempo per le decisioni che richiedono esperienza e responsabilità.

Il punto non è creare una PA senza dipendenti. È creare una PA in cui i dipendenti non debbano sprecare il proprio talento facendo copia e incolla tra documenti, cercando una circolare introvabile o rispondendo per la centesima volta alla stessa domanda.

La sfida del 2034 si vince prima del 2034. E il momento per iniziare non è quando l’ultima persona esperta avrà già chiuso la porta.

Domande frequenti sull’AI nella Pubblica Amministrazione

L’intelligenza artificiale può sostituire i dipendenti pubblici che andranno in pensione?

No. Può automatizzare attività ripetitive, supportare la ricerca documentale e affiancare i nuovi assunti, ma servono comunque persone, competenze e responsabilità umana.

Quali sono gli usi più utili dell’AI nella PA?

Trasferimento della conoscenza, ricerca nei documenti, preparazione di bozze, semplificazione del linguaggio, controllo preliminare delle pratiche e assistenza ai cittadini.

Un chatbot pubblico può prendere decisioni amministrative?

Non dovrebbe decidere autonomamente su diritti, contributi o graduatorie. Può fornire informazioni e supporto, mentre le decisioni rilevanti devono essere trasparenti, verificabili e soggette a controllo umano.

Come si evitano le risposte inventate dall’AI?

Si limita il sistema a fonti approvate, si obbliga la risposta a citare i documenti utilizzati, si impostano soglie di affidabilità e si mantiene la revisione umana.

Da dove può iniziare un piccolo Comune?

Da un progetto circoscritto e misurabile, come organizzare le procedure di un ufficio, creare una base di conoscenza interna o migliorare le risposte alle domande frequenti.

Che cos’è l’AI literacy richiesta dall’AI Act?

È l’insieme di competenze che permette a personale e organizzazioni di usare l’AI in modo informato, comprendendone possibilità, limiti e rischi.

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

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

,

Quante cose vorresti leggere, se solo avessi il tempo?

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

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

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

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

Guarda il mio video dedicato a ElevenLabs Reader

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

Che cos’è ElevenLabs Reader

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

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

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

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

Perché è diversa dai vecchi sintetizzatori vocali

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

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

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

Cosa può leggere ElevenLabs Reader?

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

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

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

Ogni articolo diventa un podcast personale

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

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

Le funzioni che utilizzo di più

1. Lettura dei PDF

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

2. Articoli Web

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

3. Velocità regolabile

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

4. Sincronizzazione e ripresa dell’ascolto

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

5. Scelta della voce

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

15 esempi pratici per usare ElevenLabs Reader nel lavoro

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

Come uso Reader durante i viaggi

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

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

ElevenLabs Reader o Speechify?

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

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

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

ElevenLabs Reader o Gemini Notebook (ex NotebookLM)?

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

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

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

Punti di forza e limiti

I punti di forza

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

I limiti da conoscere

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

Privacy: cosa non caricherei senza una verifica

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

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

Sette consigli per ascoltare meglio e ricordare di più

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

La mia recensione di ElevenLabs Reader

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

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

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

Domande frequenti su ElevenLabs Reader

ElevenLabs Reader è gratis?

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

Posso ascoltare un PDF con ElevenLabs Reader?

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

ElevenReader e ElevenLabs Reader sono la stessa cosa?

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

È migliore di Speechify?

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

È la stessa cosa di Gemini Notebook?

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

Posso caricare documenti aziendali riservati?

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

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

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

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

Inviaci email

/0 Commenti/da

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

,

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

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

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

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

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

Questo cambia tutto per tre categorie di persone:

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

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

Le 5 cose che un formatore Gemini Notebook deve saper fare

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

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

Le domande da fare al formatore prima di ingaggiarlo

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

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

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

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

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

Come lavoro io su Gemini Notebook

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

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

FAQ sul formatore per corsi AI Gemini Notebook

Quanto dura un corso Gemini Notebook in azienda?

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

Il formatore deve conoscere il nostro settore?

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

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

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

Il corso può essere svolto online?

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

Quanto costa un formatore per un corso Gemini Notebook?

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

Vuoi organizzare un corso Gemini Notebook?

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

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

/0 Commenti/da

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

,

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

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

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

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

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

Perché parlarne adesso

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

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

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

1. Email: un’ora recuperata partendo da Gmail

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

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

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

Stima prudente: 1 ora alla settimana.

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

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

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

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

Stima prudente: 2 ore alla settimana.

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

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

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

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

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

4. Articoli WordPress: da idea a bozza SEO

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

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

Per un blog professionale, il flusso corretto è questo:

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

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

Stima prudente: 2 ore alla settimana.

5. Social network: post LinkedIn e programmazione

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

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

Un prompt utile potrebbe essere:

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

Stima prudente: 1 ora alla settimana.

6. Grafica: immagini, miniature e materiali visuali

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

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

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

Stima prudente: 1 ora alla settimana.

7. Ricerche online e lead generation: attenzione al GDPR

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

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

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

Stima prudente: 30 minuti alla settimana.

8. Slide: da scaletta a presentazione

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

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

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

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

Stima prudente: 1 ora alla settimana.

9. Riunioni: trascrizioni, sintesi e decisioni

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

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

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

Stima prudente: 1 ora alla settimana.

10. Traduzioni e documenti multilingua

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

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

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

Stima prudente: 30 minuti alla settimana.

La tabella delle 10 ore recuperate

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

Il vero metodo: non chiedere magie, progetta flussi

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

Un buon flusso AI ha cinque elementi:

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

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

I rischi da evitare

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

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

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

Da dove iniziare questa settimana

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

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

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

Strumenti citati nel video e nell’articolo

FAQ

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

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

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

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

Posso usare l’AI per compilare documenti e moduli?

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

Gli strumenti per riunioni sono sempre utilizzabili?

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

L’AI può pubblicare articoli WordPress in autonomia?

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

Qual è il rischio principale?

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

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

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

Inviaci email

/0 Commenti/da

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

, , ,

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

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

Perché l’AI potrebbe diventare una bolletta, secondo Altman

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

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

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

Che cos’è l’enshittification di Cory Doctorow

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

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

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

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

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

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

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

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

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

Cosa fare da qui in avanti

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

Domande frequenti

Cos’è l’enshittification?

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

L’intelligenza artificiale diventerà davvero come una bolletta?

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

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

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

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

/0 Commenti/da

Errori prompt ChatGPT: i 7 sbagli più comuni delle PMI (e come evitarli)

,

Negli ultimi due anni ho letto centinaia di prompt scritti da imprenditori, manager e responsabili marketing di piccole e medie imprese italiane. La buona notizia è che quasi tutti hanno capito che l’intelligenza artificiale generativa non è un giocattolo, una moda passeggera. La cattiva notizia è che la maggior parte di loro sta ancora usando ChatGPT come se fosse un motore di ricerca un po’ più simpatico, e questo li porta a sprecare tempo, budget e, spesso, fiducia nello strumento.

In questo articolo analizzo gli errori di prompting più frequenti nelle piccole e medie imprese italiane, e indico una strada concreta per trasformare l’uso occasionale dello strumento in un processo aziendale strutturato. Non è un elenco teorico: nasce dall’osservazione diretta di decine di redazioni, uffici marketing e team di piccole imprese che ho affiancato in aula e in consulenza.

Perché il prompt è diventato una competenza aziendale

Per molti anni la scrittura professionale è stata considerata un mestiere per pochi: giornalisti, copywriter, comunicatori. Con l’arrivo dei modelli linguistici, la capacità di formulare una richiesta chiara, contestualizzata e verificabile è diventata una competenza trasversale, utile a chi si occupa di vendite, risorse umane, customer care o produzione.

Il problema è che nessuno insegna davvero come si scrive un prompt. Si impara per tentativi, copiando template trovati online, spesso pensati per un pubblico generico e non calati nella realtà di una PMI italiana, con i suoi processi, il suo linguaggio di settore e i suoi vincoli di tempo. Il risultato sono risposte generiche, testi che sembrano tutti uguali e, alla lunga, la sensazione che “l’intelligenza artificiale non funzioni poi così bene” per il proprio business.

I 7 errori prompt ChatGPT più comuni nelle aziende

Ecco gli errori che, nella mia esperienza di formatore e consulente, tornano più di frequente nelle aziende. Non sono elencati per gravità: si presentano quasi sempre insieme, come sintomi della stessa mancanza di metodo.

1. Chiedere senza fornire contesto

Il primo errore, il più diffuso, è digitare una richiesta secca (“scrivimi un post per Instagram sul nostro nuovo prodotto”) senza specificare chi è l’azienda, chi il pubblico, quale tono di voce si usa abitualmente e quali informazioni il modello non può conoscere da solo. ChatGPT non ha memoria della vostra identità di marca a meno che non gliela forniate voi, prompt dopo prompt o attraverso istruzioni personalizzate. Senza contesto, il risultato è per forza di cose generico.

2. Trattare ChatGPT come un motore di ricerca

Molti utenti aziendali continuano a interrogare il modello come se digitassero una query su Google, aspettandosi un fatto verificato e aggiornato. ChatGPT non è un archivio di verità: è uno strumento di elaborazione del linguaggio che genera la risposta statisticamente più plausibile. Lo spiega bene anche la guida ufficiale di OpenAI al prompt engineering, che invita a trattare il modello come uno strumento da istruire con precisione, non come un oracolo. Per dati aggiornati, cifre di mercato o riferimenti normativi servono altre verifiche, non un singolo prompt.

3. Usare lo stesso prompt per compiti completamente diversi

Un’altra abitudine problematica è riciclare la stessa formula per generare una mail commerciale, un post social e una scheda prodotto. Ogni formato di comunicazione ha una struttura, una lunghezza e un obiettivo diversi: un prompt pensato per la sintesi non funziona per l’approfondimento, e viceversa. Servono istruzioni specifiche per ogni tipo di output, anche quando l’argomento di partenza è lo stesso.

4. Ignorare ruolo e tono di voce

Assegnare al modello un ruolo preciso (“sei un responsabile customer care con dieci anni di esperienza nel settore alimentare”, detto role prompting) cambia in modo sostanziale la qualità della risposta rispetto a una richiesta neutra. Lo stesso vale per il tono di voce: un’azienda che comunica con serietà istituzionale otterrà risultati migliori se lo specifica esplicitamente, invece di lasciare che il modello scelga un registro di default, spesso fin troppo entusiasta o generico.

5. Accontentarsi della prima risposta

Il prompt perfetto al primo colpo è un mito. Chi ottiene i risultati migliori da ChatGPT lavora per iterazioni: legge la prima bozza, individua cosa non funziona, chiede correzioni mirate (“accorcia il secondo paragrafo”, “usa un linguaggio meno tecnico”, “aggiungi un esempio pratico”). Fermarsi al primo output equivale a pubblicare la prima stesura di un articolo senza mai rileggerla.

6. Non verificare mai i contenuti generati

Le cosiddette allucinazioni (informazioni inventate ma presentate con sicurezza) restano uno dei rischi più concreti nell’uso professionale dell’intelligenza artificiale generativa. Pubblicare un testo, un dato o una citazione senza controllo può danneggiare la credibilità di un’azienda in modo molto più serio del tempo che si sarebbe risparmiato affidandosi ciecamente allo strumento. La revisione umana resta un passaggio non negoziabile.

7. Usare prompt isolati invece di un processo

L’errore più costoso, perché è quello che impedisce di scalare i benefici dell’intelligenza artificiale in azienda, è l’assenza totale di metodo: prompt scritti al bisogno, mai salvati, mai condivisi tra colleghi, mai migliorati nel tempo. Senza una libreria di prompt testati e senza linee guida condivise, ogni persona in azienda riparte da zero, e la curva di apprendimento collettiva resta piatta.

Errori prompt ChatGPT: come correggerli con un processo aziendale

Riconoscere questi errori è il primo passo, ma da solo non basta. Le PMI che vedono un reale ritorno dall’uso di ChatGPT hanno in comune alcune pratiche organizzative, più che tecniche di scrittura:

  • Costruiscono un documento di contesto aziendale (chi siete, cosa vendete, a chi vi rivolgete, come parlate) da riutilizzare come base in ogni prompt o da caricare nelle istruzioni personalizzate.
  • Creano una libreria interna di prompt collaudati per i compiti ricorrenti: email, post social, schede prodotto, risposte al cliente.
  • Definiscono chi, in azienda, ha la responsabilità di verificare i contenuti generati prima della pubblicazione.
  • Misurano i risultati nel tempo, correggendo i prompt che non producono l’effetto desiderato, esattamente come si farebbe con qualsiasi altro processo aziendale.

Nessuna di queste pratiche richiede competenze tecniche avanzate. Richiede metodo, e la volontà di trattare il prompt come parte integrante del lavoro, non come un esperimento estemporaneo.

Dalla teoria alla pratica: perché la formazione fa la differenza

In quindici anni di attività editoriale e universitaria ho imparato una cosa che vale anche per l’intelligenza artificiale: gli strumenti cambiano, il metodo resta. Un corso di formazione su ChatGPT ben fatto non insegna trucchi da smanettoni, ma un approccio ripetibile che un team può applicare da solo, prompt dopo prompt, molto dopo la fine delle lezioni.

Se riconosci nella tua azienda uno o più degli errori prompt ChatGPT descritti in questo articolo, è il momento di affrontare il tema con un metodo strutturato invece che con tentativi isolati. Nella pagina dedicata ai corsi e alla formazione su ChatGPT e intelligenza artificiale trovi i percorsi pensati per manager, redazioni e team aziendali, oltre alla possibilità di richiedere una consulenza su misura per la tua organizzazione.

/0 Commenti/da

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

, , ,

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

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

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

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

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

Che cosa cambia con l’AI nell’OSINT?

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

Che cos’è l’OSINT, in pratica

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

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

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

Perché se ne parla adesso

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

Tre cambiamenti hanno accelerato tutto:

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

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

Il flusso corretto: prima il metodo, poi gli strumenti

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

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

Tool 1: Maigret, il dossier da un nome utente

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

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

Come funziona Maigret

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

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

Le funzioni più interessanti sono:

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

Dove entra l’AI

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

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

Quando usarlo

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

Tool 2: Trape, il caso delicato del tracciamento web

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

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

Come funziona Trape, in modo difensivo

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

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

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

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

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

Cosa può insegnare a un’azienda

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

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

Tool 3: Blackbird, username, email e profili AI

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

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

Come funziona Blackbird

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

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

In pratica Blackbird può aiutare a rispondere a domande come:

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

Dove entra l’AI

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

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

Maigret, Trape e Blackbird a confronto

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

Come usare l’AI senza farsi ingannare dall’AI

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

Un prompt utile può essere questo:

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

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

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

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

Video per approfondire

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

Maigret: ricerca OSINT da username

Blackbird: username, email e ricerca account

Trape: caso studio su tracking e consapevolezza

OSINT e AI: quadro generale

I rischi da evitare

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

I rischi principali sono:

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

Da dove iniziare in modo responsabile

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

Puoi partire così:

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

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

In sintesi

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

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

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

FAQ

Che cos’è l’OSINT?

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

L’AI può fare OSINT da sola?

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

Maigret e Blackbird sono simili?

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

Trape è sicuro da usare?

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

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

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

Da dove conviene iniziare?

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

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

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

Inviaci email

/0 Commenti/da

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

, ,

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

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

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

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

Corso Microsoft Copilot per aziende e professionisti

Prima regola: Copilot non guida, co-pilota

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

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

Per questo uso spesso il metodo GOL:

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

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

Detto questo, veniamo alle domande.

Copilot legge subito i file caricati in OneDrive?

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

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

Che cosa fare?

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

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

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

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

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

La mini-checklist è questa:

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

Copilot può inventare risposte anche se lavora sui miei documenti?

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

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

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

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

Un prompt utile può essere:

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

Come devo usare Copilot con Excel e dati numerici?

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

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

Meglio una richiesta così:

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

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

In Word posso far modificare solo una parte del documento?

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

Per esempio:

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

Oppure:

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

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

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

Perché Copilot in Word a volte perde il contesto?

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

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

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

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

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

Copilot conserva quello che scrivo? Posso cancellare la memoria?

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

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

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

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

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

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

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

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

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

Quando conviene usare Copilot Notebooks o un sistema RAG?

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

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

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

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

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

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

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

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

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

I rischi da evitare in azienda

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

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

FAQ

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

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

Perché Copilot non trova subito i file caricati in OneDrive?

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

Copilot è affidabile con tabelle e numeri?

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

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

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

Posso usare Gemini Notebook o Gemini con documenti aziendali?

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

Qual è il modo migliore per fare prompt con Copilot?

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

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

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

Inviaci email

/0 Commenti/da