I migliori meme del 2026 sull’AI spiegati

, , ,

I meme AI del 2026 sono molto più interessanti di quanto sembrino (ne avevo già parlato qui). A prima vista sono gatti enormi, siti assurdi, squali con le scarpe, battute su ChatGPT e immagini generate male. In realtà sono piccoli sismografi culturali: ci dicono dove l’intelligenza artificiale diverte, dove stanca, dove spaventa e dove diventa semplicemente rumore.

La cosa curiosa è questa: più l’AI entra nel lavoro, nei social, nella scuola e nella comunicazione, più i meme smettono di essere solo meme. Diventano recensioni collettive, spesso più sincere di un report di 80 pagine. Se un prodotto viene trasformato in battuta, significa che è entrato nell’immaginario. Se diventa una battuta cattiva, significa che qualcuno ha iniziato a non sopportarlo più.

Ecco quindi i migliori meme del 2026 sull’intelligenza artificiale, spiegati in italiano, senza fare finta che un gatto obeso da 30 trilioni di parametri sia una normale notizia di settore.

Risposta breve: quali sono i meme AI più importanti del 2026?

I meme AI più rappresentativi del 2026 sono:

  • AI slop, cioè la presa in giro dei contenuti generati dall’AI in massa e di bassa qualità;
  • Your AI Slop Bores Me, il sito in cui gli umani fingono di essere ChatGPT;
  • Le Chaton Fat, il finto supermodello europeo attribuito per scherzo a Mistral;
  • Italian brainrot, il filone di creature assurde generate dall’AI con nomi pseudo-italiani;
  • Great Meme Reset of 2026, la nostalgia dei vecchi meme come reazione al caos dei contenuti AI;
  • workslop e Microslop, battute nate attorno all’uso poco sensato dell’AI nel lavoro e nei prodotti digitali.

Il filo comune è chiaro: nel 2026 non ridiamo più solo dell’AI. Ridiamo del modo in cui l’AI è stata infilata ovunque.

1. AI slop: il meme che ha dato un nome al fastidio

Meme AI Slop Everywhere con Woody e Buzz Lightyear
AI slop everywhere: il meme riassume la sensazione di trovarsi contenuti generati dall’AI dappertutto. Fonte immagine: Imgflip.

Il meme AI slop è probabilmente il più importante per capire il 2026. “Slop” significa, più o meno, sbobba: contenuto prodotto in serie, apparentemente competente, ma povero, generico, senz’anima. L’immagine tipica è quella del formato “X, X everywhere”: apri un social e trovi video sintetici, articoli identici, immagini plasticose, commenti sospetti, tutorial copiati, caroselli che sembrano scritti da un frigorifero motivazionale.

Il punto non è che ogni contenuto creato con l’intelligenza artificiale sia brutto. Sarebbe una sciocchezza. Il punto è che nel 2026 la produzione automatica ha abbassato talmente tanto il costo del contenuto che il web ha iniziato a riempirsi di materiale fatto per occupare spazio, non per dire qualcosa.

Il meme funziona perché nomina un’esperienza quotidiana: quella sensazione di scrollare e pensare “ma questa cosa è stata fatta per me o solo per ingannare l’algoritmo?”. E qui la battuta diventa diagnosi. L’AI slop non è un problema estetico. È un problema di fiducia.

2. Your AI Slop Bores Me: quando gli umani imitano ChatGPT

Your AI Slop Bores Me è uno dei meme più belli del 2026 perché sembra una stupidaggine, ma è quasi filosofia del digitale travestita da sito brutto. Funziona così: tu fai una domanda come se stessi usando ChatGPT, ma a risponderti non è un modello linguistico. Sono persone vere, scelte a caso, che devono “recitare” la parte dell’intelligenza artificiale.

Il risultato è spesso caotico, imperfetto, comico. Cioè umano.

Il successo del sito racconta una stanchezza molto precisa: dopo anni di risposte fluenti, pulite, ordinate e un po’ tutte uguali, molti utenti hanno iniziato a desiderare attrito. Errori veri. Battute involontarie. Personalità. Quel disordine che nessun modello dovrebbe produrre, ma che spesso rende Internet interessante.

La battuta è semplice: siamo arrivati al punto in cui l’umano diventa l’alternativa artigianale al chatbot. Prima volevamo che le macchine sembrassero persone. Ora, ogni tanto, ci basta una persona che non sembri una macchina.

3. Le Chaton Fat: il gatto gigante che prende in giro la corsa ai modelli

Le Chaton Fat meme con enorme gatto generato dall'intelligenza artificiale
Le Chaton Fat: il finto modello AI europeo diventato meme tra sviluppatori, founder e appassionati di AI. Fonte: Business Insider Africa.

Le Chaton Fat è il meme perfetto per chi segue l’AI da vicino e ha ormai sviluppato una sana allergia ai benchmark. Il meme immagina un modello inesistente, attribuito per scherzo all’ecosistema Mistral, con parametri esagerati, prestazioni miracolose e un’identità felina francese piuttosto ingombrante.

La battuta nasce dal linguaggio tipico delle aziende AI: modelli sempre più grandi, classifiche sempre più aggressive, nomi sempre più epici, promesse sempre più solenni. A un certo punto Internet ha fatto quello che sa fare meglio: ha preso la retorica del settore e l’ha trasformata in un gatto enorme.

Perché funziona? Perché sotto la gag c’è una domanda seria: che cosa stiamo davvero misurando quando confrontiamo modelli AI? La qualità? La potenza? L’indipendenza tecnologica? Il marketing? O la capacità di produrre una slide in cui una barra è più lunga di un’altra?

Le Chaton Fat non esiste. Proprio per questo è riuscito a dire qualcosa di molto reale sulla fame di “prossimo grande modello”.

4. Italian brainrot: il caos generato dall’AI parla pseudo-italiano

Personaggi Italian brainrot generati dall'intelligenza artificiale
Italian brainrot: creature ibride, nomi pseudo-italiani e audio assurdi. Fonte: Wikimedia Commons.

Lo Italian brainrot è nato prima del 2026, ma nel 2026 è diventato qualcosa di più grande di un tormentone: un linguaggio. Squali con scarpe, ballerine con testa da cappuccino, animali-oggetto, nomi che sembrano usciti da una pizzeria gestita da un traduttore automatico ubriaco.

Il meccanismo è chiarissimo: immagini generate dall’AI, narrazioni sintetiche, suoni ripetuti, estetica assurda, condivisione velocissima. Non bisogna “capirlo” nel senso tradizionale. Bisogna subirlo per tre secondi, ridere per motivi poco difendibili e poi scoprire che un ragazzino lo considera materiale culturale legittimo.

Per chi si occupa di comunicazione, questo meme è interessante per due ragioni. Primo: mostra quanto l’AI generativa sia diventata una fabbrica di mascotte. Secondo: dimostra che la qualità tecnica non è sempre il motore della viralità. A volte vince l’immagine sbagliata, con il nome sbagliato, nel momento giusto.

Naturalmente c’è anche un lato meno innocente: alcuni audio e riferimenti del filone sono controversi. Quindi no, non basta prendere “la cosa che va su TikTok” e metterla in una campagna aziendale. L’assurdo funziona, ma va maneggiato con un minimo di cultura. Anche perché il confine tra meme brillante e figuraccia internazionale è sottile, e di solito non manda una notifica prima di essere superato.

5. Ballerina Cappuccina e l’AI che entra nei videogiochi

Nel 2026 alcuni personaggi del mondo brainrot sono arrivati anche dentro ecosistemi più mainstream, videogiochi compresi. Qui il meme cambia stato: da contenuto effimero diventa asset, skin, merchandising, oggetto da vendere.

E questo è un passaggio interessante. Finché un meme resta su TikTok, lo possiamo liquidare come rumore generazionale. Quando entra nei giochi, nei prodotti, nelle figurine, nelle campagne social e nei negozi, diventa economia dell’attenzione.

La domanda per aziende e creator è scomoda: si può usare l’estetica AI-generated senza sembrare disperati? Sì, ma solo se si capisce il codice. Il brainrot non funziona perché è “giovane”. Funziona perché è rapido, assurdo, remixabile e anti-istituzionale. Se lo trasformi in una campagna con approvazione a sette livelli, probabilmente gli togli proprio quello che lo rende vivo.

6. Great Meme Reset: la nostalgia come antivirus dell’AI slop

Il Great Meme Reset of 2026 è il movimento, nato soprattutto su TikTok, che prova a riportare in circolo vecchi meme e vecchie estetiche del web: Nyan Cat, Keyboard Cat, Mannequin Challenge, cultura 2016, immagini meno levigate, meno sintetiche, meno “ottimizzate”.

Non è un meme AI in senso stretto, ma è una reazione all’ambiente generato dall’AI. Quando tutto diventa artificiale, perfetto, scalabile e un po’ appiccicoso, improvvisamente il vecchio web sembra autentico. Anche quando era brutto. Anzi: proprio perché era brutto.

Questa è la parte più divertente: nel 2016 molti meme sembravano già scemi. Nel 2026 sembrano quasi artigianato digitale. Il valore non è la qualità, ma la traccia umana. Un font sbagliato, un montaggio pessimo, una battuta incomprensibile, un’immagine compressa. Tutte cose che prima erano limiti e ora sembrano certificati di origine.

7. Workslop e Microslop: quando l’AI al lavoro produce più lavoro

Il meme workslop è la versione da ufficio dell’AI slop. Indica tutti quei documenti, riassunti, report, email e presentazioni generati con l’AI che sembrano utili finché qualcuno non deve leggerli, correggerli, verificarli e trasformarli in qualcosa di sensato.

E qui la battuta fa male perché è vera. L’AI può aumentare la produttività, certo. Ma se viene usata per scaricare sugli altri output non controllati, il guadagno individuale diventa costo collettivo. Io risparmio dieci minuti, tu perdi mezz’ora a capire cosa volevo dire.

Il cugino più tecnologico è Microslop, battuta nata attorno alla percezione di integrazioni AI troppo invadenti o poco desiderate nei prodotti digitali. Il messaggio è lo stesso: l’AI funziona quando risolve un problema. Quando viene infilata ovunque per dire “anche noi ce l’abbiamo”, diventa meme prima ancora di diventare funzionalità.

Che cosa ci insegnano davvero i meme AI del 2026

I migliori meme AI del 2026 ci dicono almeno cinque cose.

La prima: l’entusiasmo per l’AI non è finito, ma è diventato più maturo. Le persone non ridono dell’intelligenza artificiale perché non la capiscono. Spesso ridono perché la capiscono benissimo.

La seconda: il tema centrale non è più “l’AI sostituirà gli umani?”. La domanda quotidiana è più banale e più concreta: “Perché sto leggendo questa roba?”. In un mondo pieno di contenuti automatici, il valore si sposta sulla cura, sulla verifica, sulla voce, sull’intenzione.

La terza: l’imperfezione torna a essere un segnale positivo. Il web generato in massa è pulito, fluido, coerente. Proprio per questo, a volte, sembra finto anche quando dice cose giuste.

La quarta: i meme sono un ottimo strumento di alfabetizzazione digitale. Spiegano bias, automazione, hype, piattaforme, fiducia e creatività meglio di molte lezioni frontali. Naturalmente vanno tradotti. Non basta mostrare uno squalo con le scarpe e dire “ragazzi, innovazione”.

La quinta: per aziende, scuole e professionisti, questi meme sono un promemoria pratico. Usare l’AI non significa produrre di più a caso. Significa produrre meglio, controllare di più, comunicare con più precisione e capire quando è il caso di lasciare spazio alla voce umana.

Come usare questi meme in un corso o in una conferenza sull’AI

In aula, i meme AI funzionano benissimo se non vengono trattati come riempitivo. Possono diventare un punto di partenza per parlare di contenuti sintetici e qualità dell’informazione, prompt engineering e verifica degli output, copyright, trasparenza e attribuzione, reputazione professionale nell’uso di ChatGPT, cultura digitale di Gen Z e Gen Alpha, rischi dell’automazione nei processi aziendali, differenza tra usare l’AI e delegare il pensiero all’AI.

Il vantaggio è semplice: un meme abbassa la soglia d’ingresso. Fa sorridere, poi permette di fare una domanda seria. E spesso le domande serie arrivano meglio quando non entrano in sala con il badge “domanda seria”.

Vuoi portare questi temi in azienda, in una convention o in un corso su ChatGPT e AI generativa? Posso costruire un intervento pratico, brillante e aggiornato su come usare l’intelligenza artificiale senza cadere nello slop. Scopri i miei corsi sull’AI, le conferenze e speech su AI e digitale e i workshop di team building e prompt engineering.

FAQ

Che cosa significa AI slop?

AI slop indica contenuti generati dall’intelligenza artificiale in modo massivo, generico e di bassa qualità. Possono essere immagini, video, articoli, commenti o report apparentemente corretti, ma poveri di cura, verifica e valore reale.

Qual è il meme AI più importante del 2026?

Il meme più rappresentativo è probabilmente AI slop, perché descrive una sensazione diffusa: il web invaso da contenuti artificiali prodotti più per alimentare algoritmi che per aiutare le persone.

Che cos’è Le Chaton Fat?

Le Chaton Fat è un finto modello di intelligenza artificiale attribuito per scherzo all’ecosistema Mistral. Il meme prende in giro la corsa ai modelli sempre più potenti, ai benchmark e alla retorica del “prossimo grande modello”.

Che cos’è Italian brainrot?

Italian brainrot è un filone di meme basato su immagini e video generati con AI: creature ibride, nomi pseudo-italiani, audio assurdi e narrazioni senza senso. È diventato popolare tra Gen Alpha e sui social video brevi.

Perché i meme AI sono utili per capire l’intelligenza artificiale?

Perché mostrano come le persone percepiscono davvero la tecnologia: entusiasmo, fastidio, ironia, paura, desiderio di autenticità. Sono una forma rapida e popolare di critica culturale.

/0 Commenti/da

Shadow AI: cosa succede davvero quando vieti ChatGPT in azienda

,

Nelle ultime settimane ho sentito più volte la stessa storia. Un’azienda vuole usare l’AI. Il team IT o di sicurezza, spesso il DPO, dice no. Nel giro di pochi giorni, metà dei dipendenti usa ChatGPT lo stesso, dal proprio telefono, con l’account personale, fuori da qualsiasi controllo aziendale.

Benvenuto nel mondo della Shadow AI. Qualcuno parla di “Bring your own AI”.

Il termine è modellato sulla più nota “Shadow IT”: quella pratica, diffusissima nelle aziende, per cui i dipendenti usano strumenti tecnologici non approvati dall’IT per aggirare i blocchi interni. Stessa logica, stesso rischio, nuova tecnologia. Solo che con l’AI generativa la posta in gioco è più alta, perché riguarda i dati che le persone ci mettono dentro.

Il problema con il “no” assoluto

Vietare ChatGPT non è una strategia di sicurezza. È una risposta emotiva a un rischio reale, ma una risposta che non risolve nulla. Anzi, sposta il problema fuori dal perimetro aziendale, dove è ancora più difficile da gestire.

Quando un’azienda blocca l’accesso agli strumenti AI ufficiali senza offrire alternative, succede una cosa prevedibile: le persone trovano il modo di usarli comunque. Con account personali, da casa, dal cellulare in pausa pranzo. Senza log, senza DPA, senza governance. I dati aziendali che finiscono in quella sessione (contratti, email con clienti, dati finanziari) escono dal perimetro aziendale senza che nessuno se ne accorga.

Il rischio del “no” non è neutro. È semplicemente invisibile.

Cosa significa Shadow AI per un’azienda

La Shadow AI è l’insieme degli strumenti di intelligenza artificiale usati dai dipendenti al di fuori delle policy aziendali. Non sempre per malizia: nella maggior parte dei casi, per necessità produttiva. Le persone usano l’AI perché le rende più veloci, più efficaci, più competitive. Se l’azienda non offre uno strumento approvato, ne usano uno non approvato.

I rischi concreti sono tre:

  • Dati fuori controllo. I modelli AI gratuiti, in molti casi, usano le conversazioni per addestrare i modelli futuri. Un dipendente che incolla un contratto con un cliente in ChatGPT Free sta potenzialmente contribuendo al dataset di OpenAI.
  • Nessuna tracciabilità. Senza strumenti enterprise, non c’è modo di sapere chi usa cosa, con quali dati, e con quale frequenza. In caso di data breach, diventa impossibile ricostruire cosa è uscito.
  • Nessuna formazione né contesto. Chi usa gli strumenti senza guidance aziendale spesso non conosce i rischi. Non sa che certi dati non vanno mai inseriti, non sa come interpretare le risposte dell’AI, non sa riconoscere un’allucinazione da un fatto.

La governance, non il veto

La risposta alla Shadow AI non è bloccare tutto. È costruire un perimetro controllato in cui l’uso dell’AI sia possibile, tracciabile e sicuro. Quello che serve è governance, non proibizione.

Il modello che funziona meglio — e che molte aziende, anche PMI, stanno iniziando ad adottare — è quello del MVP di utilizzo AI: un approccio graduale, con regole chiare, strumenti scelti e metriche per misurare se funziona.

1. Classifica i dati prima di tutto

Il primo passo è definire una matrice semplice a quattro livelli: dati pubblici (già accessibili fuori dall’azienda), dati interni (operativi ma non critici), dati confidenziali (contratti, dati economici, informazioni su clienti) e dati riservati (segreti industriali, R&D, dati personali sensibili ai sensi del GDPR).

Con questa matrice puoi decidere cosa può essere usato con l’AI e cosa no. La maggior parte delle attività quotidiane (redigere testi, riassumere documenti pubblici, rispondere a email standard) rientra nei livelli pubblico e interno, e può essere gestita in modo sicuro con gli strumenti giusti.

2. Scegli tu lo strumento, non il dipendente

Se non offri uno strumento approvato, qualcuno lo sceglierà al posto tuo. E probabilmente sceglierà quello sbagliato. Le opzioni enterprise oggi ci sono e sono accessibili anche alle PMI:

  • Microsoft Copilot for M365: se sei già su Microsoft 365, il profilo di rischio è gestito all’interno dell’infrastruttura che già usi.
  • Claude for Work (Anthropic): garantisce opt-out dal training, DPA firmabile, residency europea dei dati.
  • ChatGPT Team o Enterprise: stesse garanzie di Anthropic sulla carta, con DPA firmabile e opt-out dal training.
  • Gemini for Google Workspace: se sei su Google, la governance si gestisce dalla Admin Console che già conosci.

Quello che va escluso in fase iniziale, indipendentemente dalla qualità dello strumento: gli account gratuiti su qualsiasi piattaforma, i tool che nelle condizioni d’uso prevedono l’uso dei dati per il training del modello, qualsiasi strumento senza DPA firmabile o senza data residency dichiarata.

3. Definisci il perimetro di utilizzo

Non basta scegliere lo strumento: serve indicare chiaramente quali use case sono approvati e su quali livelli di dati. Un documento semplice, una pagina al massimo, che il dipendente può consultare prima di iniziare a usare lo strumento. Senza questo passaggio, anche il tool enterprise più sicuro diventa un rischio.

4. Monitora quello che succede davvero

Le piattaforme enterprise hanno log di attività nativi. Non servono strumenti aggiuntivi complessi: basta configurare quello che hai già. Su M365 è Purview Activity Explorer, su Google Workspace è l’Admin Audit Log. L’obiettivo non è controllare ogni singola interazione, ma avere visibilità su pattern anomali: picchi insoliti di attività, accessi a contenuti fuori dal perimetro definito, utenti che continuano a usare strumenti non approvati nonostante la policy.

5. Misura i risultati dopo 30 giorni

Dopo un mese di MVP hai abbastanza dati per valutare se il perimetro regge. Le metriche che contano sono quattro: quante persone usano lo strumento approvato, se il numero di accessi a tool non approvati è calato, se ci sono stati incidenti di sicurezza legati all’AI nel perimetro definito, e qual è la produttività percepita da chi lo usa.

Con questi numeri puoi decidere cosa fare dopo: allargare il perimetro, aggiungere use case, correggere qualcosa. Senza questi numeri, stai ancora navigando a vista.

Perché questa sfida riguarda soprattutto le PMI italiane

Le grandi aziende hanno team IT, CISO, budget per la compliance. Le PMI no. Ma sono esattamente quelle in cui la Shadow AI si diffonde più velocemente, perché i dipendenti hanno più autonomia e meno supervisione tecnologica.

La buona notizia è che non serve costruire un sistema di governance complesso per partire. Serve un documento che classifica i dati, uno strumento scelto dall’azienda, e una comunicazione chiara a tutti i dipendenti su cosa si può e non si può fare. Tre cose che si possono fare in una settimana.

L’alternativa — vietare e sperare che nessuno disobbedisca — non funziona. Non ha mai funzionato con la Shadow IT, non funzionerà con la Shadow AI.

Il punto di partenza

Se sei un manager, un responsabile IT o un imprenditore che sta cercando di capire come muoversi sull’AI in azienda, la domanda giusta non è “come facciamo a bloccare ChatGPT?”. La domanda giusta è: “Come facciamo in modo che le persone usino l’AI nel modo giusto?”

Sono due domande molto diverse. La prima porta a un veto che non risolve nulla. La seconda porta a un progetto concreto, misurabile, e — con il giusto approccio — anche sostenibile per una PMI.

Se vuoi approfondire il tema dell’AI in azienda, dell’uso responsabile degli strumenti di intelligenza artificiale generativa e di come costruire una governance pratica anche senza un team IT strutturato, trovi altri contenuti sul tema nel blog o puoi contattarmi per parlarne direttamente.

Scrivimi

/0 Commenti/da

Team building sull’AI per aziende: trasformare ChatGPT in un laboratorio di collaborazione

,

Un team building sull’AI per aziende può essere molto più di una giornata divertente con qualche esercizio su ChatGPT. Se progettato bene, diventa un laboratorio in cui le persone imparano a usare l’intelligenza artificiale generativa, ma soprattutto imparano a collaborare meglio: definire un problema, scrivere istruzioni chiare, confrontare soluzioni, prendere decisioni e trasformare un’idea in qualcosa di applicabile al lavoro quotidiano.

Negli ultimi anni molte aziende hanno iniziato a organizzare corsi sull’AI generativa. È una scelta utile, spesso necessaria. Ma c’è un passaggio in più che può fare la differenza: portare l’AI dentro un’esperienza di gruppo. Non solo “come si usa ChatGPT”, quindi, ma “come possiamo usarlo insieme per migliorare comunicazione, processi, contenuti, customer care, vendite, formazione interna o gestione della conoscenza”.

Perché un team building sull’AI funziona

L’AI generativa è uno strumento tecnico, ma il modo in cui la usiamo dipende moltissimo dalle competenze umane. Un buon prompt non nasce solo dalla conoscenza dello strumento: nasce dalla capacità di fare domande, dare contesto, chiarire obiettivi, verificare le risposte, discutere alternative e arrivare a una sintesi condivisa.

Per questo un’attività di team building sull’AI per aziende lavora su due livelli:

  • da una parte introduce strumenti come ChatGPT, Gemini, Claude, Copilot o altri sistemi di AI generativa;
  • dall’altra allena collaborazione, comunicazione, creatività, pensiero critico e problem solving.

Il risultato non è una semplice dimostrazione tecnologica, ma un’esperienza concreta: i partecipanti lavorano in squadra, scelgono un problema reale, progettano prompt, testano risposte, correggono il tiro e presentano una soluzione.

Dal prompt engineering alla collaborazione

Il prompt engineering viene spesso raccontato come una competenza individuale: io scrivo una richiesta, l’AI risponde, io miglioro il risultato. In azienda, però, le cose funzionano diversamente. Le richieste importanti nascono quasi sempre da un contesto condiviso: un brief, un processo, una campagna, un documento, una procedura, un’esigenza del cliente.

Ecco perché il prompt engineering può diventare una nuova palestra di collaborazione. Una squadra deve chiedersi:

  • qual è il problema da risolvere?
  • quali informazioni servono all’AI?
  • che tono, formato e livello di dettaglio vogliamo ottenere?
  • come valutiamo se l’output è davvero utile?
  • quali rischi dobbiamo controllare prima di usare il risultato?

Queste domande non migliorano soltanto il rapporto con l’intelligenza artificiale. Migliorano anche il modo in cui il team ragiona, comunica e decide.

Come si struttura un team building sull’AI per aziende

Un format efficace può essere organizzato in una mezza giornata, una giornata intera o un percorso più esteso, a seconda degli obiettivi aziendali. La struttura tipica comprende quattro momenti.

1. Introduzione pratica all’AI generativa

Si parte con una panoramica chiara e concreta: che cosa fanno davvero gli strumenti di AI generativa, quali sono i principali casi d’uso in azienda, quali errori evitare, come impostare richieste efficaci e come verificare i risultati.

L’obiettivo non è fare teoria, ma creare una base comune. Anche chi non ha mai usato ChatGPT deve poter partecipare con serenità.

2. Formazione dei team e scelta della sfida

I partecipanti vengono divisi in squadre. Ogni team lavora su una sfida realistica: migliorare una comunicazione interna, progettare una campagna, semplificare una procedura, analizzare un documento, creare una traccia per una presentazione, preparare un piano editoriale o trovare idee per un servizio.

La scelta della sfida è importante: più il caso è vicino alla vita aziendale, più l’esperienza diventa utile.

3. Laboratorio di prompt engineering

Ogni squadra progetta, testa e migliora una serie di prompt. Qui emergono le dinamiche più interessanti: chi chiarisce il contesto, chi controlla la qualità, chi trova un approccio creativo, chi individua i limiti della risposta, chi prova a trasformare l’output in qualcosa di operativo.

L’AI diventa un catalizzatore. Non sostituisce il gruppo: lo costringe a ragionare meglio.

4. Presentazione finale e confronto

Le squadre presentano i risultati. Si confrontano prompt, strategie, output e possibili applicazioni. Si può introdurre anche una piccola competizione, con criteri come efficacia, originalità, chiarezza, applicabilità e controllo dei rischi.

Il momento finale serve a trasformare l’attività in apprendimento condiviso: che cosa abbiamo scoperto? Che cosa possiamo portare nel lavoro di domani? Quali processi potrebbero essere migliorati con l’AI?

Benefici per l’azienda

Un team building sull’AI per aziende può generare benefici molto concreti:

  • aumenta la confidenza con strumenti come ChatGPT e altri sistemi di AI generativa;
  • riduce la distanza tra persone entusiaste e persone diffidenti;
  • fa emergere casi d’uso utili per reparti diversi;
  • migliora comunicazione e collaborazione tra colleghi;
  • stimola creatività e pensiero critico;
  • aiuta a ragionare su limiti, verifiche, privacy, errori e responsabilità;
  • produce idee e prototipi riutilizzabili nei processi aziendali.

Il valore più interessante è culturale: l’AI smette di essere percepita come “una cosa da tecnici” e diventa uno strumento di lavoro condiviso, da usare con metodo.

A chi è adatto

Un format di questo tipo è adatto a molte realtà:

  • aziende che vogliono introdurre l’AI generativa senza limitarsi a una lezione frontale;
  • team marketing, comunicazione, vendite, HR, formazione e customer care;
  • reti commerciali e gruppi di manager;
  • imprese che cercano un’attività originale per convention, academy interne o giornate di formazione;
  • organizzazioni che vogliono unire AI literacy, collaborazione e innovazione.

Non servono competenze tecniche avanzate. Anzi, il format funziona bene proprio quando mette insieme profili diversi: persone operative, manager, comunicatori, venditori, formatori, amministrativi, tecnici e non tecnici.

Team building sull’AI o corso su ChatGPT?

Un corso su ChatGPT risponde soprattutto alla domanda: “Come uso meglio questo strumento?”.

Un team building sull’AI risponde a una domanda più ampia: “Come possiamo usare l’AI insieme per lavorare meglio?”.

Le due cose non si escludono. Al contrario, possono integrarsi. La parte formativa offre metodo e consapevolezza; la parte laboratoriale rende l’apprendimento più memorabile, partecipato e applicabile.

Il mio workshop di team building sul prompt engineering

Da anni mi occupo di formazione sul digitale e sull’intelligenza artificiale generativa per aziende, professionisti, academy e organizzazioni. Ho progettato anche un workshop di team building sul prompt engineering, pensato proprio per unire competenze AI, collaborazione e comunicazione.

Il format parte da una need analysis: prima di costruire l’attività è utile capire chi partecipa, quali obiettivi ha l’azienda, quali reparti sono coinvolti e quali problemi reali possono diventare materia di lavoro. In questo modo il team building non resta un esercizio astratto, ma si collega alle esigenze dell’organizzazione.

Durante il workshop i partecipanti lavorano in squadra su sfide concrete, scrivono e ottimizzano prompt, testano strumenti di AI generativa e presentano le soluzioni sviluppate. Alla fine, l’azienda può raccogliere non solo entusiasmo e coinvolgimento, ma anche idee operative da approfondire.

Vuoi organizzare un team building sull’AI per la tua azienda?

Se stai cercando un team building sull’AI per aziende, posso aiutarti a progettare un format su misura: introduttivo, pratico, coinvolgente e collegato ai bisogni reali del tuo gruppo.

Puoi partire dal mio workshop di team building sul prompt engineering oppure costruire un percorso personalizzato su AI generativa, ChatGPT, prompt engineering, comunicazione, creatività e collaborazione. Puoi anche esplorare tutti i miei corsi sull’intelligenza artificiale o scoprire le mie conferenze e speech sull’AI e il digitale.

Scrivimi per organizzare un corso, un workshop o un evento aziendale sull’intelligenza artificiale generativa.

/0 Commenti/da

10 format per portare l’AI generativa in una convention aziendale

,

L’AI generativa è uno dei temi più richiesti negli eventi aziendali, ma non basta “parlare di ChatGPT” per creare un momento utile. Una convention funziona quando il pubblico capisce perché quel tema lo riguarda, vede esempi concreti e torna al lavoro con domande migliori.

Per portare l’AI generativa in una convention aziendale si possono usare format diversi: keynote ispirazionali, demo live, speech pratici, tavole rotonde, Q&A guidati, sessioni per manager, interventi per la forza vendita o momenti pensati per clienti e partner. La scelta dipende dal pubblico, dagli obiettivi dell’evento e dal livello di maturità digitale dell’organizzazione.

Di seguito trovi 10 format adatti a convention, meeting commerciali, eventi HR, assemblee associative e incontri aziendali dedicati all’intelligenza artificiale.

1. Keynote ispirazionale: capire perché l’AI cambia il lavoro

Il keynote è il format più adatto per aprire una convention aziendale e creare una cornice comune. Serve a rispondere a una domanda semplice: perché l’AI generativa riguarda tutti, non solo tecnici, informatici o innovatori?

Un buon keynote sull’AI generativa dovrebbe alternare visione, esempi e impatto concreto sul lavoro quotidiano. Non deve diventare una lezione tecnica, ma nemmeno limitarsi a slogan sul futuro.

Quando usarlo: apertura convention, evento corporate, kick-off annuale, meeting di direzione.

Pubblico ideale: manager, dipendenti, imprenditori, reti commerciali, associazioni di categoria.

Obiettivo: creare consapevolezza e allineare tutti sul perché l’AI è un tema strategico.

2. Demo live: vedere ChatGPT e gli strumenti AI in azione

La demo live è uno dei format più efficaci per trasformare l’AI generativa da concetto astratto a esperienza concreta. Il relatore mostra in tempo reale come usare ChatGPT, Gemini, Copilot o altri strumenti per svolgere attività reali: scrivere, riassumere, analizzare, generare idee, preparare documenti, creare presentazioni o simulare scenari.

La demo funziona perché elimina due estremi: la paura dell’AI come minaccia incomprensibile e l’entusiasmo superficiale da “bacchetta magica”.

Quando usarla: eventi pratici, convention interne, meeting operativi, incontri con team marketing, HR o vendite.

Pubblico ideale: persone che vogliono capire cosa si può fare davvero con l’AI.

Obiettivo: mostrare casi d’uso concreti e immediatamente riconoscibili.

3. Speech AI per convention aziendale

Lo speech è il format più flessibile: può durare 30, 45 o 60 minuti e può essere costruito su misura in base al pubblico. In una convention aziendale, uno speech sull’AI generativa può affrontare temi come ChatGPT, prompt engineering, produttività, rischi, privacy, creatività, futuro del lavoro e competenze digitali.

Rispetto a un keynote più ispirazionale, lo speech può essere più operativo e vicino ai problemi quotidiani delle persone.

Quando usarlo: convention aziendale, meeting annuale, evento interno, giornata formativa.

Pubblico ideale: team trasversali, dipendenti, manager, professionisti, associati.

Obiettivo: dare una panoramica chiara e concreta sull’AI generativa applicata al lavoro.

Per un intervento costruito su questo taglio, puoi approfondire la pagina dedicata allo speech AI per convention aziendale.

4. Q&A guidato: rispondere alle domande vere del pubblico

Il Q&A guidato funziona bene quando il pubblico ha già sentito parlare di AI, ma ha dubbi pratici: posso usare ChatGPT con dati aziendali? Quali lavori cambieranno? Come evitare errori? Quali strumenti scegliere? Come scrivere prompt migliori?

In questo format, il relatore raccoglie domande prima o durante l’evento e le organizza in blocchi tematici. Il risultato è un momento molto partecipativo, utile soprattutto per far emergere paure, obiezioni e aspettative.

Quando usarlo: dopo un keynote, in eventi HR, in convention con pubblico eterogeneo.

Pubblico ideale: dipendenti, manager, professionisti, associati, clienti.

Obiettivo: trasformare dubbi e resistenze in conversazione guidata.

5. Tavola rotonda: AI, lavoro e strategia aziendale

La tavola rotonda è ideale quando l’azienda vuole trattare l’AI generativa come tema strategico, non solo tecnologico. Può coinvolgere direzione, HR, IT, marketing, legal, consulenti esterni o clienti.

Il valore della tavola rotonda sta nel confronto tra punti di vista diversi: opportunità, rischi, competenze, governance, processi, impatto sui ruoli.

Quando usarla: convention manageriali, eventi associativi, incontri con clienti, forum interni.

Pubblico ideale: dirigenti, imprenditori, responsabili funzione, stakeholder.

Obiettivo: posizionare l’AI come tema di trasformazione organizzativa.

6. Format per manager: decidere dove e come usare l’AI

Un modulo per manager deve essere meno spettacolare e più decisionale. Il punto non è mostrare “cosa fa ChatGPT”, ma aiutare chi guida team e processi a capire dove l’AI può creare valore.

Temi utili: produttività, delega, qualità del lavoro, rischi, dati, policy interne, formazione, scelta degli strumenti, competenze da sviluppare nei team.

Quando usarlo: convention direzionale, meeting manageriale, offsite, leadership meeting.

Pubblico ideale: CEO, imprenditori, direttori, responsabili HR, responsabili marketing, sales manager.

Obiettivo: aiutare il management a passare dalla curiosità alla roadmap.

7. Format per la forza vendita: usare l’AI per vendere meglio

L’AI generativa può aiutare la forza vendita in molte attività: preparare email, sintetizzare informazioni su clienti e prospect, costruire script, gestire obiezioni, creare follow-up, personalizzare messaggi e simulare conversazioni.

Un intervento per commerciali deve essere molto pratico. Meglio partire da situazioni reali: una trattativa, una visita cliente, una telefonata, una proposta commerciale, un follow-up dopo un evento.

Quando usarlo: sales meeting, convention rete vendita, kick-off commerciale.

Pubblico ideale: venditori, agenti, account manager, sales director, reti distributive.

Obiettivo: mostrare come l’AI può migliorare preparazione, personalizzazione e velocità commerciale.

8. Format per clienti e partner: raccontare l’AI senza spaventarli

In molti eventi aziendali il pubblico non è interno, ma composto da clienti, prospect, partner o membri di una community. In questi casi l’AI generativa va raccontata con equilibrio: abbastanza concreta da essere utile, abbastanza accessibile da non escludere nessuno.

Il taglio migliore è spesso educativo: cosa sta cambiando, quali opportunità si aprono, quali errori evitare, come iniziare in modo responsabile.

Quando usarlo: eventi clienti, roadshow, open day, incontri partner, eventi di settore.

Pubblico ideale: clienti B2B, prospect, imprenditori, community professionali.

Obiettivo: associare il brand aziendale a competenza, innovazione e utilità concreta.

9. Workshop breve: dal palco all’esercizio pratico

Un workshop breve può durare 60-90 minuti e trasformare lo speech in esperienza. Dopo una prima parte introduttiva, il pubblico lavora su esempi guidati: scrivere un prompt, migliorare una comunicazione, creare una checklist, analizzare un caso, preparare un piano d’azione.

È un format più impegnativo da organizzare, ma molto efficace quando l’obiettivo è far provare l’AI, non solo parlarne.

Quando usarlo: eventi interni, sessioni parallele, convention con gruppi di lavoro.

Pubblico ideale: team operativi, manager, professionisti, gruppi omogenei.

Obiettivo: far uscire i partecipanti con una prima esperienza pratica.

10. Apertura evento con provocazione: AI, paure e futuro del lavoro

Una convention può iniziare con una domanda forte: l’AI ci sostituirà? Useremo tutti assistenti artificiali? Cosa resterà umano nel lavoro? Come cambiano competenze, creatività e decisioni?

Questo format funziona quando si vuole catturare subito l’attenzione e aprire una conversazione. La provocazione, però, deve poi atterrare su esempi concreti: strumenti, comportamenti, rischi reali, opportunità e competenze.

Quando usarlo: apertura di evento, convention annuale, evento HR, incontro culturale o associativo.

Pubblico ideale: platee ampie e miste, anche non tecniche.

Obiettivo: creare attenzione emotiva e poi portare il pubblico verso una comprensione pratica dell’AI.

Come scegliere il format giusto per un evento aziendale sull’AI

La scelta del format dipende da tre elementi: pubblico, obiettivo e tempo disponibile.

Obiettivo dell’evento Format consigliato
Ispirare e aprire una convention Keynote AI
Mostrare esempi concreti Demo live
Dare una panoramica pratica Speech AI
Gestire dubbi e paure Q&A guidato
Coinvolgere la direzione Tavola rotonda
Aiutare i manager a decidere Modulo manageriale
Supportare la rete vendita Format sales
Parlare a clienti e partner Talk divulgativo
Far provare gli strumenti Workshop breve
Catturare subito l’attenzione Apertura provocatoria

Per una platea ampia, il format migliore è spesso una combinazione: keynote iniziale, demo live e Q&A finale. Per un pubblico manageriale, meglio puntare su casi d’uso, rischi, governance e decisioni. Per una rete vendita, invece, servono esempi vicini al lavoro commerciale.

Errori da evitare in una convention aziendale sull’AI

Il primo errore è trattare l’AI generativa come una moda. Il pubblico ha già sentito parlare di ChatGPT: cerca orientamento, esempi e metodo.

Il secondo errore è usare troppi tecnicismi. In una convention aziendale non serve spiegare ogni dettaglio dei modelli linguistici, ma far capire come cambia il lavoro.

Il terzo errore è promettere troppo. L’AI non risolve ogni problema e non sostituisce competenze, esperienza e responsabilità. Uno speech efficace deve mostrare opportunità e limiti.

Il quarto errore è non personalizzare l’intervento. Una convention per manager, una rete vendita, un’associazione di categoria e un evento clienti hanno bisogni diversi.

FAQ: AI generativa e convention aziendali

Qual è il format migliore per parlare di AI generativa in una convention aziendale?

Il format migliore dipende dall’obiettivo. Per aprire l’evento funziona un keynote ispirazionale. Per rendere il tema concreto serve una demo live. Per coinvolgere il pubblico è utile un Q&A guidato. Per manager e direzione è meglio un format orientato a casi d’uso, rischi e decisioni.

Quanto deve durare uno speech sull’AI in una convention?

Uno speech sull’AI generativa può durare 30, 45 o 60 minuti. Per una convention aziendale, 45 minuti sono spesso il formato più equilibrato: abbastanza tempo per visione, esempi pratici e qualche domanda dal pubblico.

A chi è adatto uno speech AI in azienda?

Uno speech AI è adatto a manager, dipendenti, reti vendita, clienti, partner e associazioni professionali. Il contenuto va adattato al pubblico: più strategico per la direzione, più pratico per team operativi e commerciali.

Serve un pubblico tecnico per parlare di AI generativa?

No. Un buon intervento sull’AI generativa può essere pensato anche per un pubblico non tecnico. L’importante è usare esempi comprensibili, mostrare applicazioni concrete e collegare il tema al lavoro quotidiano.

Meglio keynote, workshop o tavola rotonda?

Il keynote serve a ispirare e creare una cornice comune. Il workshop serve a far provare gli strumenti. La tavola rotonda è utile quando si vuole discutere l’impatto dell’AI su strategia, competenze e organizzazione.

Vuoi portare l’AI generativa nella tua prossima convention?

Una convention aziendale sull’AI funziona quando il contenuto è costruito sul pubblico: manager, dipendenti, rete vendita, clienti, partner o associati hanno domande diverse e hanno bisogno di esempi diversi.

Se stai organizzando un evento e vuoi un intervento pratico, accessibile e su misura, puoi partire da queste due pagine:

/0 Commenti/da

Quanto costa uno speech sull’intelligenza artificiale per un evento aziendale?

,

Stai organizzando un evento aziendale, una convention o un meeting con i tuoi manager e vuoi portare sul palco uno speaker che parli di intelligenza artificiale in modo concreto, accessibile e coinvolgente? Ottima scelta. Ma prima o poi arriva la domanda che tutti fanno: quanto costa uno speech sull’intelligenza artificiale?

La risposta onesta è: dipende. Non da listini nascosti o da trattative opache, ma da una serie di fattori precisi che influenzano il costo del relatore AI e il valore complessivo dell’esperienza per il tuo pubblico. In questo articolo ti spiego esattamente cosa determina il cachet di uno speaker AI e come ottenere un preventivo su misura per il tuo evento.

Perché non esiste un listino fisso per uno speech sull’AI

Il mondo degli speech aziendali non funziona come un e-commerce. Un relatore esperto di intelligenza artificiale non vende “ore di palco” come se fossero prodotti a scaffale. Quello che vendi, e che acquisti, è un’esperienza progettata intorno al tuo pubblico, ai tuoi obiettivi e al contesto del tuo evento.

Per questo il costo di uno speech sull’AI si muove in una fascia indicativa che parte da 1.500 euro fino a 2.000 euro (IVA esclusa, spese di trasferta escluse), a seconda di come si configura la richiesta. Vediamo uno per uno i fattori che spostano l’ago.

I fattori che determinano il costo di uno speech sull’intelligenza artificiale

1. La durata dell’intervento

Un keynote da 20-30 minuti ha un impatto diverso rispetto a una sessione formativa da 60-90 minuti. Non si tratta solo di “stare sul palco più a lungo”: una sessione estesa richiede più contenuti, più esempi pratici, più interazione con il pubblico e una struttura narrativa più articolata. La durata è uno dei primi elementi da definire quando si costruisce un preventivo per uno speech AI aziendale.

2. Il livello di personalizzazione

Uno speech generico sull’intelligenza artificiale è una cosa. Uno speech costruito attorno al settore specifico dell’azienda — con esempi dal mondo manifatturiero, dal retail, dalla sanità, dalla finanza o dal B2B — è tutt’altra storia. La personalizzazione del contenuto richiede un lavoro di ricerca e progettazione preliminare che si riflette sul costo finale. Più il discorso è su misura, più sarà efficace — e più richiederà investimento.

3. Evento interno o convention con ospiti esterni

C’è differenza tra uno speech per un team interno di 30 persone durante un meeting mensile e una convention aperta con 300 partecipanti, partner, clienti o stakeholder istituzionali. Nel secondo caso, il livello di preparazione, la cura della comunicazione e il peso “pubblico” dell’intervento sono molto più alti. Il costo del relatore AI per eventi di grande visibilità riflette questa complessità.

4. La composizione e il livello del pubblico

Parlare a una platea di operativi è diverso dal parlare a un board di manager o a un gruppo di C-level. Il linguaggio, gli esempi, il livello di approfondimento tecnico e la capacità di rispondere a domande articolate cambiano radicalmente. Uno speaker AI esperto sa calibrare il contenuto sul pubblico — e questa capacità ha un valore preciso.

5. I materiali e il supporto visivo

Alcune richieste includono slide personalizzate con il brand dell’azienda, materiali da distribuire ai partecipanti, risorse digitali post-evento o una versione riadattata della presentazione per uso interno. Tutti questi elementi aggiungono lavoro al progetto e vanno considerati nella valutazione del preventivo per uno speech AI.

6. Il workshop collegato allo speech

Sempre più aziende scelgono di abbinare allo speech una sessione pratica: un workshop hands-on dove i partecipanti sperimentano direttamente strumenti di AI generativa, ChatGPT, Copilot o altri tool. Questa formula — speech + workshop — moltiplica il valore formativo dell’evento, ma richiede ovviamente una progettazione più ampia e un investimento proporzionalmente maggiore.

7. Le spese di trasferta

Le spese di viaggio e soggiorno sono sempre escluse dal cachet dello speaker AI e vengono gestite separatamente, a piè di lista. Per eventi in Lombardia o nelle principali città del nord Italia, i costi sono generalmente contenuti. Per eventi nel centro-sud o all’estero, è opportuno pianificare un budget specifico.

Quanto costa concretamente? La fascia di riferimento

Per uno speech professionale sull’intelligenza artificiale per eventi aziendali, il costo si colloca indicativamente tra 1.500 e 2.000 euro, in base alla tipologia di evento e al livello di personalizzazione richiesto. A questo si aggiungono le spese di trasferta, da concordare separatamente.

È un investimento — non una spesa. Un buono speech sull’AI porta risultati concreti: aumenta la consapevolezza del team, abbassa le resistenze al cambiamento, apre conversazioni strategiche e lascia ai partecipanti strumenti pratici che possono usare il giorno dopo. Il ritorno sull’investimento di un evento ben costruito si misura in motivazione, adozione degli strumenti e qualità delle decisioni.

Come ottenere un preventivo personalizzato

Ogni evento è diverso, e il modo migliore per capire quale soluzione fa per te è parlarne direttamente. Niente moduli complicati, niente attese infinite: ti rispondo in tempi rapidi con una proposta chiara e senza impegni.

Puoi scoprire di più sul mio approccio agli speech aziendali visitando la pagina dedicata, oppure contattarmi direttamente per raccontarmi il tuo evento e ricevere un preventivo su misura.

Scopri lo speech sull’intelligenza artificiale per aziende →

Contattami per un preventivo personalizzato →

Domande frequenti sul costo di uno speech AI

Il preventivo è gratuito?

Sì, assolutamente. Basta inviarmi un messaggio con le informazioni essenziali sull’evento (data, luogo, tipo di pubblico, durata prevista) e ti rispondo con una proposta concreta.

Si può negoziare il cachet per organizzazioni no-profit o enti pubblici?

In alcuni casi sì. Ogni situazione viene valutata singolarmente. L’importante è essere chiari fin dall’inizio sul contesto e sul budget disponibile.

È possibile combinare più date o eventi nella stessa trasferta?

Certamente. Se hai più eventi nello stesso territorio o in date vicine, possiamo costruire una proposta che ottimizza sia i costi di trasferta sia il contenuto degli interventi.

Lo speech può essere erogato anche online?

Sì. Gli speech in formato webinar o evento ibrido hanno una struttura leggermente diversa ma possono essere altrettanto efficaci. Il costo in questo caso è generalmente più contenuto, non essendoci spese di trasferta.

Hai altre domande? Scrivimi qui →

/0 Commenti/da

NotebookLM per commercialisti, avvocati e notai: guida pratica con 10 esempi d’uso concreti

, , ,

NotebookLM è lo strumento di intelligenza artificiale sviluppato da Google che consente di creare “quaderni intelligenti” alimentati dai propri documenti. A differenza dei chatbot generici, NotebookLM non inventa: risponde esclusivamente sulla base dei file che tu stesso gli fornisci. Per i professionisti del diritto e della contabilità — commercialisti, avvocati e notai — questo rappresenta una svolta concreta nel modo di lavorare con la documentazione tecnica e normativa.

Ma prima di parlare di produttività, bisogna affrontare il tema che più sta a cuore a questi professionisti: la privacy dei dati.

NotebookLM e la privacy: cosa sapere prima di iniziare

Il nodo centrale per qualsiasi professionista che gestisce dati sensibili di terzi è chiaro: posso caricare documenti riservati su uno strumento Google senza violare la normativa sulla protezione dei dati personali?

La risposta dipende da come si utilizza lo strumento e quale tipo di account si adotta.

La versione gratuita: attenzione ai rischi

Con un account Google personale gratuito, i contenuti caricati su NotebookLM potrebbero essere utilizzati da Google per migliorare i propri modelli di intelligenza artificiale (soprattutto se si richiede una revisione dei contenuti o si danno feedback). Questo rende la versione gratuita inadatta al trattamento di documenti contenenti dati personali di clienti, atti legali, bilanci o contratti riservati.

Google Workspace for Business e gli abbonamenti enterprise

La situazione cambia radicalmente con gli abbonamenti Google Workspace for Business (in particolare le versioni Business Starter, Business Standard, Business Plus ed Enterprise). In questi piani, Google garantisce esplicitamente che i dati dei clienti non vengono utilizzati per addestrare i modelli AI. I dati rimangono all’interno dell’organizzazione, con controlli di accesso, audit log e contratti DPA (Data Processing Agreement) conformi al GDPR.

Per i professionisti con partita IVA che già utilizzano Google Workspace per la propria attività, NotebookLM è quindi accessibile in modo sicuro attraverso l’account aziendale, senza costi aggiuntivi per i piani che lo includono.

La strategia della doppia protezione: anonimizzare i documenti

Anche con un abbonamento enterprise, la best practice consigliata è quella di anonimizzare i documenti prima di caricarli su qualsiasi strumento AI. Questo significa rimuovere o sostituire nomi, codici fiscali, partite IVA, indirizzi e qualsiasi dato che possa ricondurre a persone fisiche identificabili, prima che il documento venga elaborato dall’intelligenza artificiale.

Ho approfondito questo tema in un articolo dedicato: Come anonimizzare i documenti prima di darli in pasto all’AI. Trovi metodi pratici e strumenti per farlo in modo efficiente, senza perdere la sostanza informativa del documento.

Adottando questa doppia strategia — account enterprise + anonimizzazione preventiva — i professionisti possono sfruttare appieno le potenzialità di NotebookLM rimanendo nel pieno rispetto del GDPR e del Codice Deontologico di riferimento.

10 esempi concreti d’uso di NotebookLM per commercialisti, avvocati e notai

Vediamo ora come questi professionisti possono applicare NotebookLM nella pratica quotidiana. In tutti i casi, i documenti caricati devono essere previamente anonimizzati o utilizzati attraverso account enterprise con DPA attivo.

1. Analisi di contratti e clausole

Un avvocato può caricare uno o più contratti su NotebookLM e chiedere: “Ci sono clausole penalizzanti? Quali sono i termini di rescissione?” Lo strumento individua le sezioni pertinenti con citazione precisa della fonte, eliminando ore di lettura manuale. Particolarmente utile nell’analisi comparativa di più versioni dello stesso contratto o nei contratti in lingua straniera.

2. Ricerca normativa su testi di legge

Caricando i testi normativi rilevanti (es. il Testo Unico delle Imposte sui Redditi, il Codice Civile, la normativa IVA), un commercialista può interrogare NotebookLM con domande specifiche come “Quali sono le aliquote di ammortamento per i beni strumentali?” o “Come si applica la deducibilità delle spese di rappresentanza?” Le risposte includono sempre il riferimento all’articolo di legge pertinente.

3. Preparazione di pareri e memorie

Un avvocato può costruire un notebook con la giurisprudenza rilevante su una specifica questione giuridica, le sentenze di merito e di legittimità, e chiedere a NotebookLM di evidenziare le posizioni dominanti, le eccezioni e i punti controversi. Questo accelera notevolmente la fase di ricerca nella redazione di pareri legali o memorie difensive.

4. Gestione delle circolari dell’Agenzia delle Entrate

Le circolari dell’Agenzia delle Entrate sono numerose, frequenti e spesso di difficile consultazione. Un commercialista può creare un notebook aggiornato con le circolari dell’anno in corso e interrogarlo con domande pratiche: “Come si tratta fiscalmente il welfare aziendale secondo le ultime circolari?” o “Quali sono le novità sulla deducibilità dei veicoli aziendali?”

5. Supporto nella due diligence

In operazioni di M&A o nelle perizie notarili, la due diligence richiede l’esame di ingenti volumi di documentazione. Caricando i documenti societari anonimizzati (visure, bilanci, verbali assembleari, contratti), NotebookLM permette di fare ricerche trasversali e di identificare rapidamente criticità, pendenze o clausole rilevanti che meritano approfondimento.

6. Formazione continua e aggiornamento professionale

Commercialisti, avvocati e notai sono tenuti all’aggiornamento professionale continuo (formazione obbligatoria). NotebookLM può diventare il loro “tutor personale”: caricando riviste specializzate, pubblicazioni di dottrina, atti di convegni o materiali di master, possono interrogare il sistema per consolidare le proprie conoscenze o prepararsi a sessioni di esame per l’iscrizione all’albo.

7. Redazione e revisione di atti notarili

Un notaio può creare un notebook con i propri modelli standardizzati di atti (compravendite, donazioni, costituzioni di società) e utilizzare NotebookLM per confrontare rapidamente clausole, identificare difformità rispetto agli standard o verificare la completezza degli elementi essenziali di un atto specifico rispetto al modello di riferimento.

8. Risposte ai clienti su quesiti frequenti

Ogni studio professionale ha una raccolta di FAQ, pareri precedenti e risposte a quesiti ricorrenti. Caricando questi materiali su NotebookLM, i collaboratori dello studio possono ottenere rapidamente la risposta consolidata dello studio su una specifica questione, garantendo coerenza e qualità nelle risposte ai clienti anche senza il coinvolgimento diretto del professionista senior.

9. Analisi di bilanci e documentazione contabile

Un commercialista può caricare i bilanci storici di un’azienda (opportunamente anonimizzati) e interrogare NotebookLM per identificare trend, anomalie o variazioni significative tra esercizi. Lo strumento è utile anche per preparare la relazione accompagnatoria al bilancio, suggerendo i punti salienti da commentare sulla base dei dati caricati.

10. Creazione di podcast e sintesi audio per studio in mobilità

Una delle funzionalità più originali di NotebookLM è la generazione di Audio Overview: un podcast sintetico in formato dialogato che riassume i contenuti del notebook. Un avvocato o un commercialista può generare un riassunto audio di una nuova normativa o di una sentenza rilevante e ascoltarlo durante gli spostamenti in auto o in treno, ottimizzando il tempo dedicato all’aggiornamento professionale.

Come strutturare un notebook efficace per lo studio professionale

Per ottenere il massimo da NotebookLM, la struttura del notebook è fondamentale. Alcuni consigli pratici:

  • Un notebook per argomento, non un unico notebook con tutto: la specificità migliora la qualità delle risposte.
  • Fonti aggiornate: NotebookLM non conosce le novità normative se non gliele si fornisce. Aggiungi circolari, sentenze e provvedimenti non appena sono disponibili.
  • Documenti in formato testo: i PDF scansionati senza OCR non sono leggibili. Usa PDF con testo selezionabile o effettua la conversione OCR prima del caricamento.
  • Usa le “Note” integrate: NotebookLM permette di salvare le risposte più utili come note nel notebook, costruendo nel tempo una knowledge base strutturata.

NotebookLM e il futuro dello studio professionale

NotebookLM non sostituisce il professionista: non ha la responsabilità deontologica, non firma atti, non rappresenta il cliente in giudizio. Ma può diventare il suo più efficiente assistente nella gestione della conoscenza, riducendo il tempo dedicato alla ricerca e alla lettura per dedicarne di più all’analisi e al rapporto con il cliente.

Per commercialisti, avvocati e notai che operano in Italia, lo strumento è oggi maturo, sicuro (se usato correttamente) e concretamente utile. La chiave è partire con le giuste precauzioni sulla privacy e costruire gradualmente i propri notebook di studio.

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

Perché Emma, il chatbot italiano di Egomnia, pare ubriaco

,

[AGGIORNAMENTO DEL 26 GIUGNO 2026: Egomnia ha sospeso il chatbot Emma]
[AGGIORNAMENTO DEL 27 GIUGNO 2027: il gruppo Italian Builders ha clonato Emma e messo online maremma.app]

Emma di Egomnia è un chatbot italiano basato su una famiglia di modelli linguistici open source addestrati per l’italiano. È finita nei meme perché, nelle prove condivise online, ha dato risposte assurde, incoerenti o troppo sicure davanti a domande semplici. Il punto, però, non è “l’AI italiana fa ridere”. Il punto è più interessante: un modello leggero, sperimentale e poco allineato non va presentato o percepito come un assistente generalista alla ChatGPT.

Detta meno diplomaticamente: Emma sembra ubriaca non perché “è italiana”, ma perché sta guidando una Cinquecento su una pista da Formula 1. La Cinquecento può essere utilissima per andare in paese. Basta non venderla come auto da Gran Premio.

Che cos’è Emma di Egomnia?

Emma è il progetto di Egomnia dedicato a una famiglia di Large Language Model italiani. Sul sito dell’azienda viene presentata come un’AI sviluppata e addestrata per il mercato italiano, open source, ospitata in Italia e collegata al tema della sovranità tecnologica.

Egomnia è una società italiana nata nel 2012 e quotata dal 2024 su Euronext Growth Milan. Il posizionamento è ambizioso: costruire modelli più leggeri, specializzati, personalizzabili e indipendenti dai grandi fornitori stranieri.

Fin qui, l’idea è legittima. Anzi, il tema è serio. In Europa si parla sempre più spesso di sovranità digitale, dati, dipendenza tecnologica e modelli verticali. Ne parlo spesso anche nei miei speech e corsi sull’intelligenza artificiale generativa, perché le aziende non possono limitarsi a chiedere “qual è il chatbot migliore?”. Devono chiedersi: dove stanno i dati, quali strumenti posso usare, con quali limiti, con quali responsabilità?

Emma-5: il modello “grande” è in realtà molto piccolo

Il modello oggi più discusso è Emma-5. La scheda pubblicata da Egomnia su Hugging Face lo descrive come un LLM decoder-only sperimentale per la lingua italiana, con 550,4 milioni di parametri, contesto da 2.048 token, addestramento su circa 10,8 miliardi di token, fine-tuning SFT e DPO disabilitato.

Tradotto dal tecnichese: Emma-5 è un modello piccolo. Molto piccolo, se lo confrontiamo con gli assistenti AI che usiamo tutti i giorni. Non sto dicendo che “piccolo” significhi inutile. I modelli piccoli possono essere ottimi per compiti circoscritti, automazioni, uso locale, prototipi, didattica, chatbot aziendali con perimetro chiaro.

Il problema nasce quando il modello viene interrogato come se fosse un assistente generalista robusto. Un conto è chiedergli di lavorare dentro una procedura delimitata. Un altro è chiedergli logica, buon senso, sicurezza, calcoli, autocorrezione e prudenza su qualunque tema.

Perché Emma è finita nei meme?

Il caso è esploso il 24 giugno 2026, quando diversi utenti hanno iniziato a condividere screenshot con risposte strampalate. DDAY.it ha ricostruito bene la vicenda: Emma è diventata virale per risposte fuori fase, tra cani che possono volare, confronti assurdi tra chili di pane e chili di piume, e risposte rassicuranti anche quando sarebbe servita cautela.

Questo uno dei test che ho fatto io:

Altri test riportati online hanno mostrato errori su domande elementari, come il conteggio di lettere in una parola. Queste prove vanno prese per quello che sono: screenshot social, non benchmark scientifici. Però quando tante persone ottengono lo stesso tipo di comportamento, il segnale diventa interessante.

E infatti la domanda giusta non è: “Possiamo ridere di Emma?”. Quello l’hanno già fatto in tanti. La domanda giusta è: perché un chatbot produce risposte così assurde con tanta sicurezza?

Risposta breve: Emma non sa quando non sa

Molti chatbot non hanno un vero istinto del “non lo so”. Generano testo plausibile. Se il modello è forte, ben addestrato, ben allineato e magari collegato a strumenti di verifica, la plausibilità coincide più spesso con una risposta utile. Se il modello è piccolo o fragile, la plausibilità diventa una maschera: la frase suona come una risposta, ma sotto non regge.

È il tema delle allucinazioni, di cui parlavo già nel 2023 in ChatGPT e AI tra fake news e allucinazioni. Una risposta può essere grammaticalmente corretta, convincente e completamente sbagliata. È una delle cose più pericolose dell’AI generativa: non sbaglia sempre urlando “sto sbagliando”. Spesso sbaglia in giacca e cravatta.

Il problema tecnico: non basta dire “transformer”

Emma usa componenti moderni: architettura GPT decoder-only, RoPE, RMSNorm, SwiGLU, Grouped-Query Attention. Sono sigle vere, non marketing inventato. Ma una ricetta con ingredienti buoni non garantisce automaticamente un piatto buono.

In un LLM contano almeno cinque cose:

  1. la quantità e qualità dei dati di addestramento;
  2. la dimensione del modello;
  3. la finestra di contesto;
  4. il fine-tuning per seguire istruzioni;
  5. l’allineamento, cioè la capacità di rispondere in modo utile, prudente e coerente.

La scheda di Emma-5 dichiara SFT, cioè Supervised Fine-Tuning, ma DPO disabilitato. Semplificando: il modello è stato istruito con esempi di domande e risposte desiderate, ma sembra mancare una parte più avanzata di ottimizzazione delle preferenze e del comportamento. Non è l’unico modo per allineare un modello, ma l’assenza di passaggi robusti si vede soprattutto quando l’utente fa domande ambigue, banali solo in apparenza o potenzialmente rischiose.

Perché i modelli piccoli sbagliano di più?

Un modello piccolo ha meno capacità di rappresentare relazioni complesse tra concetti, meno memoria interna, meno margine per ragionamenti a più passaggi e meno robustezza davanti a prompt strani. Anche la finestra di contesto da 2.048 token è corta rispetto agli standard attuali: significa che il modello può considerare poco testo alla volta.

Questo non vuol dire che un modello piccolo sia sempre scarso. Vuol dire che va usato bene. Un piccolo modello può funzionare in modo dignitoso se:

  • il compito è stretto;
  • il dominio è chiaro;
  • le risposte possibili sono controllate;
  • il sistema ha buoni esempi;
  • l’utente non lo usa per decisioni delicate;
  • c’è supervisione umana.

Se invece lo buttiamo nel mare aperto delle domande social, farà quello che fanno molti modelli fragili: inventerà una rotta con aria convinta.

Le allucinazioni non sono un bug raro: sono nel modo in cui funzionano gli LLM

IBM definisce le allucinazioni AI come output inesatti, privi di senso o non basati correttamente sui dati disponibili. Un articolo tecnico recente, Why Language Models Hallucinate, spiega un punto importante: i modelli linguistici vengono addestrati a produrre continuazioni probabili, e i sistemi di valutazione spesso premiano la risposta corretta o sbagliata senza premiare abbastanza il “non lo so”. Risultato: quando il modello non è sicuro, può convenire “tirare a indovinare”.

La letteratura tecnica sulla mitigazione delle allucinazioni nei sistemi RAG dice un’altra cosa utile: collegare un modello a fonti esterne può ridurre gli errori, ma non li elimina. La retrieval augmented generation aiuta quando recupera fonti giuste, aggiornate e pertinenti. Se il recupero fallisce, se le fonti sono scarse o se il modello non sa usare bene il contesto, l’allucinazione resta possibile.

Quindi no: non basta attaccare un motore di ricerca a un chatbot e dichiararlo affidabile. Serve progettazione.

Il punto vero: la sovranità tecnologica non si dichiara, si misura

Il tema della sovranità tecnologica è importante. Avere competenze, dati, infrastrutture e modelli in Italia e in Europa è una questione seria. Però proprio per questo bisogna maneggiarla con cura.

La sovranità non nasce da una pagina manifesto. Nasce da modelli valutati bene, benchmark trasparenti, casi d’uso realistici, limiti dichiarati, documentazione chiara, comunità tecnica, audit, sicurezza, aggiornamenti e capacità di dire: “questo modello serve per queste cose, non per queste altre”.

La stessa scheda di Emma-5, va detto, indica limiti importanti: non è progettata per applicazioni mediche, legali o finanziarie critiche, sistemi mission critical, reasoning complesso multi-step o ricerca scientifica avanzata senza supervisione. In questo senso i meme che la interrogano come consulente finanziario colpiscono anche un bersaglio facile: stanno chiedendo al modello qualcosa che la documentazione stessa sconsiglia.

Che cosa ci insegna il caso Emma

Emma ci insegna almeno cinque cose utili.

1. Un LLM piccolo non è un ChatGPT in miniatura

Un modello piccolo non eredita automaticamente le capacità dei modelli di frontiera. Non basta che appartenga alla stessa famiglia tecnica dei transformer. La scala conta, i dati contano, l’allineamento conta.

2. “Italiano” non significa automaticamente migliore per l’Italia

Un modello addestrato in italiano può essere interessante per certi contesti linguistici e culturali. Ma deve dimostrare sul campo comprensione, stabilità e utilità. La bandierina non sostituisce la valutazione.

3. I benchmark interni non bastano

Un benchmark proprietario può essere utile in fase di sviluppo, ma per costruire fiducia servono confronti esterni, test ripetibili e risultati comprensibili anche fuori dall’azienda che produce il modello.

4. L’allineamento è fondamentale

Un chatbot non deve solo generare frasi. Deve capire quando fermarsi, quando chiedere chiarimenti, quando rifiutare, quando segnalare incertezza. È qui che molti prototipi crollano.

5. Gli utenti testeranno sempre il caso peggiore

Quando metti online un chatbot pubblico, le persone non lo useranno solo per il caso d’uso ideale. Gli chiederanno trabocchetti, cose pericolose, domande stupide, domande geniali, battute, finanza, medicina, lettere nelle parole, paradossi e “dimmi qualcosa che non puoi dire”. È la realtà del Web, non un’eccezione.

Emma è da buttare?

No. Sarebbe una conclusione troppo comoda. Emma, come progetto, può avere senso se viene trattata per quello che è: una famiglia di modelli italiani piccoli, sperimentali, potenzialmente utili in scenari controllati. Il problema non è l’esistenza di Emma. Il problema è l’aspettativa.

Per una PMI, un piccolo modello locale o verticale può essere interessante. Può ridurre costi, latenza, dipendenze esterne e rischi di esposizione dei dati. Ma va incastrato dentro un’architettura seria: retrieval, filtri, prompt di sistema, test, logging, limiti, supervisione, fallback e valutazioni.

Nei miei corsi sull’AI per aziende insisto sempre su questo: non si adotta “l’intelligenza artificiale”. Si progettano casi d’uso. E ogni caso d’uso ha uno strumento, un rischio e un criterio di controllo.

La lezione per aziende e comunicatori

Il caso Emma è anche una lezione di comunicazione. Se presenti un modello leggero con parole molto grandi, il Web ti farà pagare la distanza tra promessa e prestazione. È matematico. Anzi, statistico, così restiamo in tema.

Per comunicare bene un progetto AI servono tre ingredienti:

  • ambizione, perché senza visione non si costruisce nulla;
  • precisione, perché le parole tecniche creano aspettative;
  • umiltà, perché i modelli sbagliano e gli utenti se ne accorgono subito.

In questo senso Emma è un caso didattico perfetto. Fa ridere, sì. Ma soprattutto mostra quanto sia fragile il confine tra innovazione, marketing e fiducia.

Emma non è ubriaca, è fuori contesto

Emma pare ubriaca perché le chiediamo di comportarsi come un assistente maturo, generalista e prudente, mentre le sue specifiche raccontano un’altra storia: modello piccolo, contesto corto, allineamento limitato, uso previsto circoscritto.

Il meme passerà. La lezione resta: gli LLM non sono tutti uguali. Prima di usarli in azienda, scuola, comunicazione o servizi pubblici bisogna leggere le schede tecniche, capire i limiti, testare i casi d’uso e progettare controlli.

Perché l’intelligenza artificiale non va né adorata né derisa. Va capita. E, possibilmente, non lasciata guidare dopo il terzo spritz.

FAQ su Emma di Egomnia

Che cos’è Emma di Egomnia?

Emma è una famiglia di Large Language Model italiani sviluppati da Egomnia. Il progetto punta su modelli open source, leggeri e pensati per il mercato italiano.

Perché Emma è finita nei meme?

Emma è finita nei meme perché diversi utenti hanno condiviso screenshot con risposte assurde, incoerenti o troppo sicure davanti a domande semplici e trabocchetti.

Emma-5 è paragonabile a ChatGPT, Claude o Gemini?

No. Emma-5 ha 550,4 milioni di parametri e una finestra di contesto da 2.048 token. È un modello leggero e sperimentale, non un assistente generalista di frontiera.

Perché Emma sbaglia così tanto?

Le cause probabili sono la dimensione ridotta del modello, il contesto corto, l’allineamento limitato, la difficoltà nel reasoning multi-step e l’uso fuori dal perimetro per cui il modello è stato pensato.

Un modello piccolo è sempre inutile?

No. Un modello piccolo può essere utile in compiti circoscritti, locali o verticali. Diventa problematico quando viene usato come assistente generalista per domande aperte, delicate o non controllate.

Che cosa sono le allucinazioni AI?

Le allucinazioni AI sono risposte inesatte, inventate o incoerenti prodotte da un modello generativo. Spesso sono pericolose perché possono sembrare fluide e convincenti.

 

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

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

Inviaci email

/0 Commenti/da

AI e famiglie: i consigli dell’UNESCO

,

L’intelligenza artificiale è entrata nelle nostre case. Non solo attraverso ChatGPT, Gemini o Copilot, ma anche tramite motori di ricerca, social network, assistenti vocali, piattaforme video e strumenti educativi utilizzati da bambini e ragazzi.

Per questo motivo l’UNESCO ha pubblicato nel 2026 la guida internazionale “Growing up in a Connected World: A Family Guide for the Digital Age“, un documento rivolto a genitori, educatori e famiglie per affrontare con maggiore consapevolezza le sfide del mondo digitale.

L’obiettivo non è demonizzare la tecnologia. Al contrario: imparare a convivere con essa sviluppando spirito critico, competenze digitali e capacità di valutazione.

Perché l’UNESCO si occupa di intelligenza artificiale

Secondo l’UNESCO, la vera sfida non è l’AI in sé, ma la capacità delle persone di comprendere come vengono prodotte e distribuite le informazioni online.

L’organizzazione parla da anni di Media and Information Literacy (MIL), cioè alfabetizzazione mediatica e informativa: l’insieme di competenze che permettono di accedere, valutare, verificare e utilizzare informazioni e contenuti digitali in modo critico.

Con l’arrivo dell’intelligenza artificiale generativa questa competenza è diventata ancora più importante.

Non a caso l’UNESCO ha dedicato la Global Media and Information Literacy Week 2025 al tema:

“Minds Over AI”

ovvero la necessità di mantenere il giudizio umano al centro dell’ecosistema informativo.

I cinque consigli principali dell’UNESCO per le famiglie

1. Imparare insieme ai figli

L’UNESCO suggerisce ai genitori di non assumere il ruolo di controllori ma di compagni di esplorazione.

Molti adulti non conoscono ancora a fondo strumenti come ChatGPT, Gemini o Claude. Questo non deve essere visto come un limite, ma come un’opportunità per apprendere insieme ai propri figli.

2. Insegnare a verificare le informazioni

L’AI può sbagliare.

Può inventare dati, fornire riferimenti inesistenti o generare contenuti apparentemente credibili ma errati.

Per questo l’UNESCO insiste sulla necessità di verificare sempre le fonti, confrontare più punti di vista e sviluppare capacità di fact-checking.

3. Spiegare come funzionano gli algoritmi

I ragazzi devono comprendere che ciò che vedono online non è neutrale.

Feed social, suggerimenti video, pubblicità personalizzate e risultati di ricerca sono influenzati da algoritmi che selezionano contenuti sulla base di interessi, comportamenti e dati raccolti.

Comprendere questi meccanismi significa essere meno manipolabili.

4. Proteggere privacy e dati personali

Uno dei temi centrali della guida riguarda la tutela dei dati.

I bambini e gli adolescenti devono imparare fin da piccoli che ogni informazione condivisa online può avere conseguenze future.

Foto, messaggi, dati scolastici e contenuti pubblicati contribuiscono a costruire una reputazione digitale permanente.

5. Sviluppare il pensiero critico

È probabilmente il consiglio più importante.

L’UNESCO sostiene che la competenza fondamentale dell’era dell’AI non sia tecnologica ma cognitiva.

Bisogna imparare a porsi domande:

  • Chi ha creato questo contenuto?
  • Qual è la fonte?
  • È verificabile?
  • Potrebbe essere falso?
  • Quali interessi ci sono dietro?

Il pensiero critico rappresenta la migliore difesa contro disinformazione, deepfake e manipolazioni generate dall’intelligenza artificiale.

L’AI non va vietata, va compresa

Un aspetto interessante dell’approccio UNESCO è il rifiuto delle soluzioni semplicistiche.

L’organizzazione non propone divieti generalizzati ma educazione, dialogo e accompagnamento.

La domanda non è: “Come impedire ai ragazzi di usare l’intelligenza artificiale?”

La domanda corretta è: “Come insegnare loro a usarla bene?”

Cosa possono fare concretamente i genitori

Ecco alcune attività pratiche suggerite indirettamente dai principi della guida UNESCO:

  • utilizzare ChatGPT insieme ai figli per fare ricerche;
  • confrontare una risposta dell’AI con fonti autorevoli;
  • analizzare un’immagine per capire se è reale o generata;
  • discutere di privacy e dati personali;
  • insegnare a riconoscere fake news e disinformazione;
  • ragionare su vantaggi e limiti dell’intelligenza artificiale.

Continuiamo a… pensare

L’UNESCO lancia un messaggio chiaro: nell’era dell’intelligenza artificiale la competenza più importante non è saper usare uno strumento, ma saper pensare.

L’AI diventerà sempre più presente nelle nostre vite. Per questo famiglie, scuole e istituzioni devono aiutare bambini e ragazzi a sviluppare spirito critico, capacità di verifica e consapevolezza digitale.

Perché il vero rischio non è che le macchine diventino troppo intelligenti.

È che gli esseri umani smettano di farsi domande.

Il mio speech per Step di Fastweb

“L’intelligenza artificiale a scuola: idee e strumenti per insegnanti e famiglie”: speech per STEP di Fastweb

/0 Commenti/da

Deskilling: l’AI ci sta facendo dimenticare come si lavora? Gli studi che preoccupano gli esperti

,

C’è un paradosso silenzioso al cuore dell’era dell’intelligenza artificiale: più usiamo l’AI per svolgere compiti complessi, più rischiamo di perdere la capacità di svolgerli da soli. Non è fantascienza, non è allarmismo: è quello che emerge da una serie di studi scientifici recenti, pubblicati su riviste come Nature, The Lancet e presentati da ricercatori di Anthropic stessa.

Il fenomeno ha un nome: deskilling, ovvero l’erosione delle competenze. E i dati che arrivano dalla medicina, dall’ingegneria del software e dalle neuroscienze cognitive stanno iniziando a fare rumore nella comunità scientifica internazionale.

Cosa dice la scienza: il caso dei medici endoscopisti in Polonia

Partiamo dal dato più eclatante. Nel 2025, su The Lancet Gastroenterology and Hepatology (ottobre 2025, vol. 10, n. 10, pp. 896-903), è stato pubblicato uno studio che ha monitorato un gruppo di medici polacchi specializzati in endoscopia. Non medici qualunque: professionisti con almeno 2.000 colonscopie eseguite nel corso della loro carriera, quindi esperti con una lunga esperienza alle spalle.

A questi specialisti è stato dato accesso a un sistema AI in grado di analizzare in tempo reale le immagini della colonscopia e segnalare la presenza di adenomi, un tipo di lesione intestinale precancerosa. Risultato? Dopo l’esposizione al sistema AI, le performance dei medici — misurate senza l’ausilio dell’AI — sono calate in modo statisticamente significativo.

Il tasso di rilevamento degli adenomi (adenoma detection rate, ADR) è sceso dal 28,4% (226 su 795 esami) prima dell’esposizione all’AI al 22,4% (145 su 648) dopo l’esposizione. Una differenza assoluta di -6,0% (IC 95%: -10,5 a -1,6; p=0,0089). In termini pratici: i medici che avevano “delegato” la loro attenzione all’AI hanno iniziato a fare peggio quando l’AI non c’era.

«I medici specializzati in endoscopia avevano tutti eseguito almeno 2.000 colonscopie nel corso della carriera. Eppure, dopo l’esposizione all’AI, le loro prestazioni autonome sono calate.»
— Is AI ruining our skills? Early results are in — and they’re not good, Nature

Nature lancia l’allarme: il deskilling guidato dall’AI è reale

La rivista scientifica Nature ha dedicato un articolo a questo fenomeno emergente con un titolo inequivocabile: “Is AI ruining our skills? Early results are in — and they’re not good”. Il sottotitolo spiega tutto: le prove suggeriscono che il deskilling guidato dall’AI sta iniziando a manifestarsi in medicina, informatica e altri settori. I ricercatori stanno ora discutendo come preservare le competenze umane essenziali nell’era dell’AI.

Robert Wachter, medico presso l’Università della California a San Francisco e autore del libro “A Giant Leap: How AI is Transforming Healthcare and What That Means for Our Future” (Portfolio/Penguin, 2026), è tra le voci più autorevoli su questo tema. Wachter non è contrario all’AI — anzi, ne studia i benefici da anni — ma avverte che l’adozione acritica degli strumenti AI in medicina può portare a un deterioramento delle capacità diagnostiche dei clinici meno esperti, proprio quelli più vulnerabili al rischio di deskilling.

Il caso Anthropic: gli ingegneri del software imparano meno con l’AI

Il fenomeno non riguarda solo la medicina. Uno studio condotto nell’ambito dell’Anthropic Fellows Program — e pubblicato su arXiv (arXiv:2601.20245) prima della revisione paritaria — ha esaminato 52 ingegneri del software divisi in due gruppi: uno che utilizzava l’assistenza AI per scrivere codice, uno che codificava a mano.

Al termine dello studio, i partecipanti sono stati valutati con un quiz sulle competenze acquisite. Il risultato è stato netto: il gruppo che aveva usato l’AI ha ottenuto in media il 50%, contro il 67% del gruppo che aveva lavorato senza AI. Una differenza equivalente, come nota lo studio stesso, a quasi due voti scolastici.

«Il gruppo AI ha ottenuto una media del 50% al quiz, contro il 67% del gruppo che aveva codificato a mano — l’equivalente di quasi due voti scolastici di differenza.»
— How AI assistance impacts the formation of coding skills, Anthropic / arXiv

È un dato che fa riflettere, soprattutto se si pensa che questo studio è stato condotto da Anthropic stessa, una delle principali aziende di sviluppo AI. Non è una voce ostile alla tecnologia: è un’autocritica scientifica e metodologicamente fondata.

Deskilling: perché accade, e perché è un problema sistemico

Il meccanismo alla base del deskilling è ben noto in psicologia cognitiva: le competenze si consolidano attraverso la pratica ripetuta e la gestione diretta dell’errore. Quando deleghiamo un compito a uno strumento (sia esso un GPS, un correttore automatico o un sistema AI) il cervello riduce progressivamente l’allocazione di risorse cognitive a quel compito. Smette di esercitarsi.

Il problema specifico dell’AI è la sua efficacia. Un GPS può sbagliarsi e costringerti a ragionare. Un sistema AI avanzato, come quelli usati in endoscopia o nella generazione di codice, è così preciso da non lasciare mai spazio all’errore formativo. Non c’è mai il momento in cui il medico deve “capire” perché l’AI ha visto qualcosa che lui non aveva visto: semplicemente lo accetta.

Tapani Rinta-Kahila, Senior Lecturer di Business Information Systems e DECRA Fellow presso la Business School dell’Università del Queensland a Brisbane (Australia), studia questo fenomeno da anni. Nelle sue ricerche, il deskilling non è mai immediato: inizia con una dipendenza sottile dagli strumenti, si consolida nell’abitudine, e diventa un problema strutturale solo quando lo strumento non è disponibile o sbaglia.

Non è un argomento contro l’AI: è un’occasione per usarla meglio

Sarebbe un errore leggere questi studi come una condanna dell’intelligenza artificiale. L’AI in endoscopia ha salvato vite: ha rilevato adenomi che i medici avevano mancato. L’AI nella programmazione ha accelerato lo sviluppo di software. Il problema non è l’AI in sé, ma il modo in cui l’integriamo nei processi di apprendimento e di lavoro.

Gli stessi ricercatori che documentano il deskilling propongono soluzioni concrete:

  • Separare le fasi di apprendimento da quelle di produzione. I medici in formazione non dovrebbero usare l’AI come stampella, ma come strumento di verifica a posteriori. Prima si esercita il ragionamento clinico autonomo, poi si confronta con l’AI.
  • Introdurre sessioni regolari di lavoro senza AI. Esattamente come un pilota di aereo fa esercitazioni sul simulatore senza autopilota, i professionisti che usano AI ogni giorno dovrebbero mantenere attive le competenze di base.
  • Progettare sistemi AI che spiegano, non solo che decidono. Un sistema che mostra il ragionamento dietro una diagnosi o una riga di codice contribuisce all’apprendimento; uno che dà solo l’output finale lo ostacola.
  • Monitorare le competenze nel tempo. Le aziende e le istituzioni sanitarie dovrebbero tracciare l’evoluzione delle competenze dei loro professionisti, non solo la produttività.

Il punto per chi usa l’AI ogni giorno

Se usi strumenti AI quotidianamente — per scrivere, programmare, analizzare dati, fare ricerca — questi studi non ti dicono di smettere. Ti dicono di prestare attenzione a una domanda fondamentale: sto usando l’AI per amplificare le mie competenze, o sto delegando competenze che non voglio più sviluppare?

La differenza è cruciale. Un medico esperto che usa l’AI come secondo parere rimane esperto. Un medico che usa l’AI come primo e unico giudizio smette, silenziosamente, di allenarsi. Lo stesso vale per un programmatore, un analista, un copywriter, un manager.

L’AI è uno strumento potente. Come tutti gli strumenti potenti, il modo in cui lo usi determina se ti rende più forte o più dipendente. La consapevolezza è il primo passo.

Vuoi approfondire come usare l’AI in modo strategico senza perdere le tue competenze? Scopri i corsi disponibili oppure contattami per una consulenza.

 

/0 Commenti/da

Gemini o NotebookLM? Differenze, esempi e formazione per aziende

, ,

Gemini o NotebookLM? La risposta breve è questa: Gemini è più adatto come assistente AI trasversale per creare, rielaborare e ragionare; NotebookLM è più adatto quando il lavoro deve restare ancorato a un insieme di fonti selezionate. Non sono due strumenti identici e, nella maggior parte delle aziende, non serve sceglierne uno solo.

La vera competenza consiste nel capire quale usare per ogni attività. Gemini può aiutare a preparare una bozza, sviluppare idee, riorganizzare un testo o affrontare un compito dentro l’ecosistema Google. NotebookLM dà il meglio quando bisogna interrogare documenti, confrontare fonti, costruire un briefing o trasformare materiali esistenti in guide, FAQ e contenuti formativi.

In questo articolo vediamo le differenze tra Gemini e NotebookLM, alcuni casi d’uso concreti e il metodo che utilizzo nei miei corsi per aziende e professionisti.

Qual è la differenza tra Gemini e NotebookLM?

Gemini è un assistente di intelligenza artificiale generalista; NotebookLM è un ambiente di ricerca e rielaborazione basato soprattutto sulle fonti aggiunte dall’utente. Gemini parte dal compito che gli affidiamo. NotebookLM parte dal materiale che decidiamo di mettere nel notebook.

Criterio Gemini NotebookLM
Funzione principale Assistente AI per attività diverse Analisi e trasformazione di fonti selezionate
Punto di partenza Una richiesta, un obiettivo o una conversazione Un insieme di documenti, link, file e altri materiali
Ideale per Scrittura, ideazione, rielaborazione e supporto operativo Studio, confronto, sintesi, briefing e knowledge management
Controllo delle fonti Dipende dal compito e dal contesto fornito Le risposte sono collegate alle fonti del notebook
Integrazione Google Workspace Sì, nativa con Gmail, Docs, Drive, Meet Limitata, non è integrato direttamente in Workspace
Modalità audio Non disponibile in questo formato Sì, genera podcast e sintesi audio

Come funziona Gemini in azienda

Gemini è pensato per lavorare dentro i flussi aziendali quotidiani. Se usi Google Workspace, Gemini è già presente in Gmail, Docs, Drive, Meet e Chat. Puoi usarlo per riassumere un’email, redigere una risposta, elaborare un documento, creare una presentazione o preparare un report partendo da dati dispersi.

La sua forza è la flessibilità: Gemini non ha bisogno di essere “configurato” prima di usarlo. Basta descrivere il compito, fornire il contesto necessario e procedere. Funziona bene anche con testi lunghi, conversazioni complesse e richieste aperte.

Alcune attività dove Gemini dà risultati concreti:

  • Rielaborare comunicati, newsletter o contenuti esistenti
  • Costruire bozze di proposta o presentazione
  • Rispondere a email e messaggi con un tono coerente
  • Sintetizzare note di riunione o trascrizioni
  • Supportare l’analisi di dati con Google Sheets

Video: Come funziona la ricerca approfondita (Deep Research) di Google Gemini

Come creare video con NotebookLM - tutorial di Gianluigi Bonanomi
Google NotebookLM: creazione di contenuti da fonti documentali

Come funziona NotebookLM in azienda

NotebookLM funziona diversamente: ogni progetto parte da un notebook in cui l’utente inserisce le fonti che vuole analizzare. Possono essere PDF, documenti Google, link a pagine web, video YouTube o file audio. Una volta caricate, tutte le risposte di NotebookLM restano ancorate a quelle fonti, con citazioni esplicite.

Questo rende NotebookLM particolarmente utile quando si lavora su materiali specifici dell’azienda: policy interne, report di ricerca, manuali, trascrizioni di interviste, contenuti formativi. Il modello non inventa: risponde solo in base a ciò che è nel notebook.

Alcune attività dove NotebookLM dà risultati concreti:

  • Costruire FAQ da documenti aziendali
  • Confrontare versioni diverse di un documento
  • Creare briefing e sintesi da report lunghi
  • Generare materiale formativo da contenuti esistenti
  • Produrre sintesi audio (podcast) da testi o documenti

Video: Come creare video con NotebookLM

Gemini e NotebookLM: possono lavorare insieme?

Sì, e nei miei corsi per aziende mostro esattamente questo. Il flusso più comune prevede di usare NotebookLM per analizzare e sintetizzare le fonti, e poi Gemini per rielaborare, ampliare e portare il contenuto nella forma finale desiderata.

Ad esempio: un team HR può caricare in NotebookLM tutte le policy aziendali e farsi aiutare a costruire una guida per i nuovi assunti. Poi può passare la bozza a Gemini per adattarla al tono della comunicazione interna, aggiungere esempi concreti o prepararla in formato presentazione.

Altre risorse video su Gemini e NotebookLM

Gemini gestisce il Google Calendar

NotebookLM legge le immagini: tre esempi pratici

Formazione su Gemini e NotebookLM per aziende

Nei miei corsi e workshop aziendali lavoro su entrambi gli strumenti, con esercizi pratici e casi d’uso reali. L’obiettivo non è solo capire come funzionano tecnicamente, ma imparare a integrare Gemini e NotebookLM nei flussi di lavoro quotidiani, in modo che il team guadagni tempo e produca risultati migliori.

Il percorso formativo è personalizzato in base al settore, ai ruoli del team e agli strumenti già in uso. Si parte sempre da attività concrete: niente teoria astratta, solo applicazione diretta.

Se stai valutando un corso su Gemini, su NotebookLM o sull’AI per il tuo team, trovi qui sotto un form per contattarmi.

Hai domande o vuoi organizzare una formazione?

    Il tuo nome (richiesto)

    La tua email (richiesto)

    Oggetto

    Il tuo messaggio

    /0 Commenti/da