Il secondo cervello: perché il tuo primo non basta più

,

Il second brain (o secondo cervello) è un sistema di gestione della conoscenza personale che ti permette di delegare la memoria a uno strumento esterno, liberando la mente per il pensiero creativo. In questo articolo scopriamo cos’è, come funziona e perché è ancora più importante nell’era dell’intelligenza artificiale.

Hai presente quella sensazione?

Hai letto qualcosa di interessante. Un articolo, un libro, una frase a caso su LinkedIn. Ti ha colpito. Hai pensato: “questo mi torna utile”.

Tre settimane dopo, non lo trovi più. Non lo ricordi con precisione. E se lo ricordi, non sai dove stava.

Benvenuto nel problema del knowledge worker del 2025.

Il tuo cervello non è un archivio

Partiamo da una premessa scomoda: il cervello umano è una macchina straordinaria, ma è un pessimo disco rigido.

Daniel Kahneman — il padre della psicologia comportamentale applicata all’economia — ha dimostrato che il nostro sistema cognitivo è costruito per sopravvivere, non per ricordare. Siamo bravi a riconoscere i pericoli. Siamo pessimi a recuperare informazioni precise a comando.

Eppure il lavoro intellettuale si basa esattamente su questo: ricordare, connettere, produrre.

E qui entra in gioco il second brain (letteralmente: il secondo cervello). Non è un’app. Non è un metodo. È una filosofia di gestione della conoscenza personale. L’idea è semplice: delegare la memoria a uno strumento esterno, liberando la mente per il pensiero creativo.

Facciamo un esempio concreto

Leggi un saggio di Yuval Harari. Sottolinei un passaggio sul futuro del lavoro. Lo salvi in un sistema organizzato. Tre mesi dopo, stai preparando una presentazione su AI e occupazione. In trenta secondi recuperi quella citazione, la connetti a un’altra nota che avevi preso a un convegno, e costruisci un argomento originale.

Senza il secondo cervello? Quella citazione è perduta. Per sempre.

Chi ha inventato il second brain (e perché vale la pena saperlo)

Il termine è stato codificato da Tiago Forte, un consulente americano che negli anni Dieci ha sistematizzato l’approccio in quello che lui chiama il metodo PARA e la tecnica del progressive summarization.

Il suo libro — Building a Second Brain — è stato pubblicato nel 2022 da Atria Books. Esiste in italiano con il titolo Costruisci il tuo secondo cervello, edito da Roi Edizioni.

Ma l’idea affonda le radici più lontano. Il filosofo e sociologo tedesco Niklas Luhmann aveva costruito negli anni Sessanta un archivio di appunti cartacei — il famoso Zettelkasten (letteralmente: “schedario”) — con cui ha prodotto oltre 70 libri e 400 articoli accademici. La sua regola era ossessiva: ogni idea va separata, catalogata, collegata ad altre idee.

Era il secondo cervello analogico. Ante litteram.

Come funziona il metodo PARA: la struttura del second brain

Il metodo PARA di Forte divide tutto in quattro categorie:

  • Projects (Progetti): tutto ciò su cui stai lavorando adesso, con una scadenza.
  • Areas (Aree): le responsabilità permanenti della tua vita (salute, finanza, carriera).
  • Resources (Risorse): argomenti che ti interessano, indipendentemente dai progetti.
  • Archive (Archivio): tutto ciò che non è più attivo, ma che vuoi conservare.

Sembra banale. Non lo è. La maggior parte delle persone accumula informazioni senza mai decidere a cosa servono. Finisce tutto in una cartella chiamata “varie” che non si apre mai più.

Il punto non è raccogliere. È raccogliere con intenzione.

Gli strumenti per il second brain (e la trappola degli strumenti)

Qui devo fermarmi un secondo. (E lo dico da uno che ha testato tutto il testabile.)

Il mercato degli strumenti per il secondo cervello è esploso. Notion, Obsidian, Roam Research, Logseq, Evernote, Bear. Ognuno ha i suoi fan, le sue logiche, le sue interfacce.

Il rischio è noto: passi più tempo a costruire il sistema che a usarlo. Diventi un architetto di archivi vuoti.

La regola che mi sono dato è questa: lo strumento migliore è quello che usi davvero. Se Notion ti spaventa, un file di testo basta. Se Obsidian ti esalta, usa Obsidian. Ma decidi. E poi smettila di decidere.

Io uso Obsidian per le note personali e Gemini Notebook (ex NotebookLM) di Google per l’analisi di documenti complessi. La combinazione funziona. Ma è la mia. La tua potrebbe essere diversa.

Perché il second brain è ancora più importante nell’era dell’AI

Domanda seria: se ChatGPT sa tutto, perché mi serve un secondo cervello?

Perché ChatGPT non sa niente di te.

Non conosce le tue esperienze, i tuoi clienti, le tue intuizioni maturate in vent’anni di lavoro. Non sa cosa hai imparato sbagliando. Non ha accesso a quel convegno del 2019 in cui qualcuno ha detto una cosa che ti ha cambiato la prospettiva.

Il secondo cervello è il luogo in cui costruisci la tua intelligenza aumentata. Non sostituisce l’AI. La alimenta.

Sempre più strumenti — Gemini Notebook in testa — ti permettono di caricare il tuo archivio personale e interrogarlo come se fosse un assistente. Il risultato non è la risposta generica di un modello addestrato su tutto. È la risposta contestualizzata alle tue note, ai tuoi materiali, alla tua storia professionale.

Questa è la frontiera. E si apre solo se hai qualcosa da darle in pasto.

Da dove cominciare con il second brain: tre passi concreti

Non serve costruire il sistema perfetto prima di partire. Serve iniziare male e migliorare dopo.

  1. Scegli uno strumento — anche il più semplice. Un documento Google, un’app di note, Notion. Qualcosa che già usi.
  2. Cattura le prossime cinque cose che leggi o ascolti e ti sembrano utili. Non rielaborare: copia, incolla, aggiungi una riga con il tuo commento.
  3. Rileggi quelle cinque note tra due settimane e chiediti: come posso usare questo nella mia prossima presentazione, nel mio prossimo articolo, nel mio prossimo progetto?

Il secondo cervello non si costruisce in un weekend. Si costruisce nota per nota, ogni giorno, con la stessa costanza con cui un muratore costruisce un muro.

Ma quando è pronto — anche solo all’inizio — cambia il modo in cui pensi.

La prossima volta che leggi qualcosa e pensi “questo mi tornerà utile”: non sperare nella memoria. Salvalo. Classificalo. Collegalo a qualcosa che già sai.

Il tuo primo cervello ti ringrazierà.

/0 Commenti/da

Eventi aziendali sull’AI: le 10 domande più insolite che mi hanno rivolto

Di Gianluigi Bonanomi

Sono salito su centinaia di palchi. Ho parlato di intelligenza artificiale a manager, imprenditori, commercialisti, avvocati, responsabili HR e una volta – giuro – a una platea composta per metà da veterinari. (Non ho ancora capito perché, ma è andata bene.)

In tutti questi anni ho risposto a migliaia di domande sull’AI. Le solite, quelle prevedibili, le conoscete già: “L’AI ci ruberà il lavoro?”, “ChatGPT è affidabile?”, “Come si usa il prompt?”.

Ma le domande più interessanti sono le altre. Quelle insolite, laterali, a volte spiazzanti. Quelle che arrivano nei coffee break, sussurrate quasi con pudore. O quelle lanciate a fine serata da qualcuno che ha deciso di togliersi il casco della formalità aziendale.

Quelle domande mi dicono molto più sulla cultura digitale di un’organizzazione di qualsiasi questionario di assessment.

Eccone dieci. Con le mie risposte oneste.

1. “Ma l’AI si annoia?”

Domanda arrivata da un dirigente di una grande utility, durante una cena di fine anno a Milano.

No, l’AI non si annoia. Non ha stati emotivi, non ha bisogni, non ha la sindrome della domenica sera. Un Large Language Model (LLM, cioè il motore che sta sotto ChatGPT o Claude) elabora testo in modo statistico: prevede la parola più probabile da scrivere dopo le precedenti. Non “sente” nulla.

La domanda però è intelligente, perché tocca un nodo vero: siamo abituati a proiettare emozioni sulle macchine. Si chiama proiezione antropomorfica, ed è un meccanismo cognitivo ben documentato. La smontare è parte del mio lavoro.

2. “Se le chiedo di mentirmi, lo fa?”

Questa è arrivata da una responsabile marketing, con un sorriso ambiguo che non ho ancora decodificato del tutto.

Dipende. I modelli AI attuali sono addestrati per essere utili, innocui e onesti – il principio si chiama RLHF (Reinforcement Learning from Human Feedback). Ma i confini sono porosi. Se il contesto lo giustifica – un gioco di ruolo, una simulazione, una narrazione creativa – l’AI può produrre contenuti dichiaratamente fittizi.

Il problema non è la menzogna intenzionale. Il problema è l’allucinazione: l’AI che afferma il falso con totale sicurezza, perché il suo obiettivo è produrre testo coerente, non testo vero. È una distinzione che salva molti meeting aziendali dal disastro.

3. “Posso usarla per capire se un mio collaboratore mi mente?”

Pausa. Respiro profondo.

Questa domanda, arrivata da un CEO durante un workshop a porte chiuse, apre un capitolo enorme: quello dell’AI nell’analisi del comportamento umano.

La risposta breve è: no, non in modo affidabile. I sistemi di rilevamento delle emozioni basati su AI (analisi del tono vocale, del linguaggio facciale, del testo scritto) hanno tassi di errore significativi e bias documentati. L’American Psychological Association e diversi studi europei mettono in guardia dall’uso di questi strumenti in contesti lavorativi.

La risposta lunga è: anche se potessi, non dovresti. Ci sono questioni legali, etiche e di clima organizzativo che rischiano di fare più danni del collaboratore in questione.

4. “L’AI può fare il mio lavoro meglio di me?”

Questa è la domanda più comune travestita da domanda insolita. Ma il modo in cui viene posta, di solito in silenzio, con gli occhi fissi su di me, la rende sempre potente.

Risposta onesta: dipende da cosa fai.

L’AI eccelle nei compiti ripetitivi, strutturati, basati su pattern: redigere report standard, rispondere a email tipo, analizzare grandi quantità di testo, generare prime bozze di contenuti.

L’AI fatica – e faticherà ancora per un po’ – nei compiti che richiedono giudizio contestuale profondo, responsabilità etica, empatia relazionale, creatività non convenzionale.

Il tuo valore non sta in quello che sai fare in automatico. Sta in quello che sai fare quando le regole non bastano.

5. “Se la uso tanto, divento stupido?”

(Questa me la sono sentita chiedere anche da un professore universitario. E non in modo retorico.)

È una domanda legittima. Il fenomeno si chiama cognitive offloading: la tendenza a delegare il pensiero a strumenti esterni, riducendo lo sforzo cognitivo diretto. Lo facciamo già con il GPS (che ha indebolito il senso dell’orientamento in molti), con i calcolatori, con Google.

L’AI amplifica il fenomeno. Se smetti di scrivere, la tua capacità di scrittura si atrofizza. Se smetti di ragionare criticamente perché ti fidi sempre della risposta dell’AI, il tuo pensiero critico si indebolisce.

La soluzione non è rinunciare agli strumenti. È usarli con consapevolezza. Come diceva McLuhan (e lo cito sempre, anche a costo di sembrare professorale): il medium plasma il messaggio. E anche chi lo usa.

6. “L’AI può aiutarmi a gestire mio figlio adolescente?”

Vera domanda, arrivata durante una pausa caffè in un evento per HR manager.

L’AI può aiutarti a capire meglio certe dinamiche adolescenziali? Sì, se la usi per documentarti, per trovare spunti di comunicazione, per prepararti a conversazioni difficili.

Può sostituire il dialogo diretto? No. E qui il rischio è concreto: alcune app e chatbot si posizionano già come “amici virtuali” per adolescenti. I dati sull’impatto sulla salute mentale giovanile sono ancora parziali, ma i segnali di allerta ci sono.

La tecnologia è uno specchio. Riflette le relazioni che costruiamo – o che non costruiamo.

7. “Perché l’AI scrive meglio di me?”

Non “Come fa l’AI a scrivere bene”. Ma “Perché scrive meglio di me”. Sottotesto: sono inferiore a una macchina?

Prima cosa: l’AI non scrive “meglio”. Scrive in modo statisticamente plausibile. Ha letto miliardi di testi e ne replica i pattern. È bravissima a sembrare competente. Non è la stessa cosa.

Seconda cosa: se un testo generato dall’AI ti sembra migliore del tuo, è un segnale. Non che tu sia inferiore: che forse hai smesso di allenarti. La scrittura è un muscolo. Va allenato, anche nell’era dell’AI. Anzi: soprattutto nell’era dell’AI, perché la capacità di comunicare con precisione e autenticità diventa un differenziale competitivo crescente.

8. “Posso chiedere all’AI di innamorarsi di me?”

Domanda arrivata da un partecipante – con tono half-serious, half-genuino – durante un evento su AI e futuro del lavoro.

Puoi chiederle di simulare un’interazione affettiva. E alcune app sono costruite esattamente per questo (Replika è l’esempio più noto). Il problema è che la simulazione è molto convincente, e il cervello umano non distingue bene tra connessione reale e connessione simulata.

Diversi studi di psicologia clinica segnalano casi di attaccamento para-sociale verso chatbot, con conseguenze sul benessere relazionale. Non è fantascienza: è già cronaca.

L’AI può essere uno specchio. Non può essere una finestra su qualcuno che esiste davvero.

9. “Ma Dio esiste per l’AI?”

(Detto così, secco, da un imprenditore bresciano di 60 anni, al termine di un keynote su AI e processi aziendali. Momento di silenzio in sala.)

L’AI non ha credenze. Non ha una metafisica. Non ha esperienza del sacro.

Ma la domanda tocca qualcosa di profondo: cosa succederebbe se addestraste un modello su tutti i testi teologici della storia umana? Produrrebbe risposte elaborate sul concetto di Dio – coerenti, articolate, citate. Senza credere a nulla.

È la differenza che il filosofo John Searle chiamò “stanza cinese”: un sistema può manipolare simboli in modo perfetto senza capirne il significato. L’AI elabora il concetto di Dio come elabora quello di mortadella. Con la stessa indifferenza ontologica.

10. “Devo avere paura?”

Ultima domanda. La più frequente tra quelle “insolite”, e la più importante.

La risposta che non do mai: “No, non c’è niente di cui preoccuparsi.” Sarebbe rassicurante e disonesta.

La risposta che do sempre: la paura cieca paralizza. La paura consapevole orienta.

Devi conoscere lo strumento per usarlo bene. Devi capire i limiti per non fidarti alla cieca. Devi aggiornare le tue competenze non perché l’AI ti sostituirà domani mattina, ma perché il mercato premia chi sa lavorare con l’AI meglio degli altri.

La domanda giusta non è “devo avere paura?”. È: “cosa faccio la settimana prossima per essere più preparato di oggi?”

Perché queste domande mi piacciono così tanto

Le domande insolite sono sintomi di pensiero vivo. Significano che qualcuno in quella sala non sta solo ascoltando: sta elaborando, mettendo in relazione, cercando un senso.

Sono quelle domande che trasformano un evento aziendale sull’AI da “slide e applausi di circostanza” a qualcosa che rimane.

Se stai organizzando un evento di fine anno, una convention, un kick-off o una giornata formativa e vuoi che l’AI non sia il solito argomento da check-box, ma una conversazione che lascia il segno – parliamone.

Trovi quello che faccio sul palco, il mio approccio e i miei contatti su gianluigibonanomi.com/speaker-ai-eventi-aziendali-fine-anno/.

Le domande strane sono sempre le benvenute.

/0 Commenti/da

Microsoft Copilot: 10 trucchi pratici per usarlo davvero al lavoro

,

Microsoft Copilot è già integrato nei tuoi strumenti di lavoro: Word, Excel, PowerPoint, Outlook, Teams. Ma quanti lo usano davvero in modo efficace? La maggior parte dei professionisti si ferma a qualche bozza di email o a un riassunto rapido, lasciando inutilizzata la parte più potente dello strumento.

In questo articolo trovi 10 trucchi concreti e immediatamente applicabili per trasformare Copilot in un vero assistente di lavoro quotidiano. Se invece vuoi approfondire con un percorso strutturato, puoi consultare il corso Microsoft Copilot per aziende e professionisti.

1. Dai sempre un contesto prima di fare una richiesta

Il problema più comune è chiedere a Copilot cose vaghe: “scrivi un’email” o “riassumi questo documento”. Il risultato è spesso generico e inutile. La soluzione è il contesto: chi sei, a chi ti rivolgi, qual è lo scopo, qual è il tono.

Esempio pratico: invece di “scrivi un’email al cliente”, scrivi “sei un account manager di uno studio di consulenza. Scrivi un’email formale a un cliente che ha richiesto un preventivo per la formazione, rassicurandolo sui tempi di risposta e chiedendo un appuntamento.”

2. Usa Copilot in Teams per non perdere nulla delle riunioni

Copilot in Teams è uno degli usi più immediatamente produttivi. Può generare riepilogo della riunione, elenco delle decisioni prese e action item assegnati ai partecipanti, direttamente al termine del meeting. Attiva la trascrizione prima che inizi la riunione: senza trascrizione, Copilot non può lavorare.

Trucco: alla fine di ogni riunione chiedi a Copilot “Quali decisioni sono state prese e chi è responsabile di cosa?”. Ottieni in 10 secondi quello che richiederebbe 15 minuti di verbale manuale.

3. In Word, parti da una scaletta prima di generare il testo

Molti usano Copilot in Word chiedendo direttamente una bozza completa. Il risultato è spesso generico. Il metodo migliore è diverso: chiedi prima una scaletta strutturata, revisionala, poi chiedi la bozza sezione per sezione.

Esempio: “Genera una scaletta in 6 punti per un report aziendale sull’adozione dell’AI in azienda, destinato al management”. Rivedi la scaletta, poi: “Scrivi la sezione 2 in tono professionale, circa 200 parole”.

4. Excel: chiedi spiegazioni prima delle formule

Copilot in Excel non serve solo a creare formule: serve a capire i dati che hai davanti. Prima di chiedere formule, chiedi un’analisi: “Cosa mi dicono questi dati? Ci sono anomalie o tendenze evidenti?”

Trucco avanzato: se hai un dataset con vendite mensili, chiedi “Quali sono i tre mesi con performance peggiore e a cosa potrebbe essere dovuto?” Ottieni insight che normalmente richiederebbero tempo e competenze avanzate.

5. PowerPoint: genera dalla traccia, non dal niente

Chiedere a Copilot di “creare una presentazione su X” porta quasi sempre a slide banali. Il modo corretto è fornire una traccia o un documento esistente. Se hai già un briefing, un report o un testo, Copilot può costruire la presentazione a partire da quel materiale, mantenendo coerenza con i tuoi contenuti reali.

Usa il comando “Crea una presentazione da questo documento” caricando il file Word che hai preparato. Le slide saranno molto più vicine a quello che ti serve.

6. Outlook: non solo bozze, anche gestione delle priorità

Copilot in Outlook può riassumere thread lunghi e aiutarti a rispondere, ma c’è di più. Puoi usarlo per identificare le email che richiedono una tua azione urgente e distinguerle da quelle informative. Chiedi: “Quali email nella mia casella richiedono una risposta entro oggi?”

Trucco per il tono: quando scrivi una risposta delicata, chiedi a Copilot “Riscrivi questo messaggio in tono più diplomatico, mantenendo il mio punto di vista”. Risparmia tempo e conflitti.

7. Costruisci un prompt template riutilizzabile

Se ogni giorno fai operazioni simili — report, email ricorrenti, briefing settimanali — non riscrivere ogni volta il prompt da zero. Crea un template di prompt salvato in un documento o in OneNote, con i campi variabili tra parentesi quadre.

Esempio di template: “Scrivi un’email professionale a [tipo di destinatario] per [obiettivo]. Il tono deve essere [formale/informale]. Includi [elemento specifico]. Lunghezza: circa [X] righe.”

Compilare un template è molto più veloce che costruire il prompt da zero ogni volta.

8. Verifica sempre gli output, soprattutto sui dati

Copilot può commettere errori, specialmente con numeri, date, citazioni e informazioni specifiche. Non è un problema di volontà: è una caratteristica strutturale dei modelli linguistici, chiamata allucinazione. La regola d’oro è semplice: non pubblicare mai un output di Copilot senza averlo riletto e verificato.

Nei documenti con dati sensibili o implicazioni legali, considera Copilot un primo redattore da revisionare, non un automatismo affidabile senza supervisione.

9. Usa i vincoli per ottenere output utili

Aggiungere vincoli al prompt migliora drasticamente la qualità delle risposte. I vincoli più efficaci sono: lunghezza (“massimo 5 bullet”), formato (“in forma di tabella”), pubblico (“destinato a chi non conosce il settore”), esclusioni (“senza usare termini tecnici”).

Esempio: “Riassumi questo documento in massimo 5 punti chiave, ognuno di massimo due righe, in linguaggio comprensibile per un manager non tecnico, senza usare acronimi.”

10. Non improvvisare: costruisci procedure condivise in team

Il vero salto di produttività non avviene quando tu usi bene Copilot, ma quando tutto il tuo team lo usa in modo coerente. Questo significa definire procedure condivise: quali prompt usare per i report settimanali, come gestire le riunioni in Teams, come strutturare le presentazioni per i clienti.

Un uso individuale e non coordinato di Copilot produce risultati disomogenei. Un uso strutturato — con template, linee guida e pratiche condivise — diventa un vantaggio competitivo reale per l’azienda.

Vuoi approfondire con un percorso strutturato?

Questi 10 trucchi sono un punto di partenza, ma per padroneggiare Microsoft Copilot davvero — con prompt engineering, uso sicuro dei dati aziendali, personalizzazione per reparto e costruzione di procedure operative — serve un percorso più strutturato.

Il corso Microsoft Copilot per aziende e professionisti di Gianluigi Bonanomi è pensato esattamente per questo: team, manager e professionisti che vogliono trasformare Copilot in uno strumento di lavoro concreto e misurabile. Il percorso è disponibile in formato da 1, 2 o 3 giornate, in presenza o online, con esempi adattati al settore e ai processi della tua organizzazione.

Puoi richiedere informazioni direttamente dalla pagina del corso.

/0 Commenti/da

Intelligenza artificiale generativa per neurologi: cinque esempi concreti

Da ormai tre anni partecipo al Digital Neuro Hub, il percorso di formazione sulla Digital Health nato dalla partnership tra SIN, Società Italiana di Neurologia, e Biogen. È un’esperienza che trovo particolarmente interessante perché porta neurologi, esperti di digitale, professionisti della sanità, giuristi, ricercatori e innovatori a lavorare su un tema molto concreto: come cambia la professione del neurologo nell’epoca della trasformazione digitale.

Nel programma 2026, in corso dall’11 al 14 giugno 2026 a Cascina Erbatici, Mezzana Bigli, in provincia di Pavia, il mio contributo è inserito nel modulo “L’intelligenza artificiale al servizio del Neurologo”. In particolare, tengo l’intervento “Umanesimo e tecnologia: le nuove skill del neurologo nell’era dell’AI” e il workshop in due parti “AI generativa e prompt engineering in neurologia”.

Il punto di partenza è semplice: l’intelligenza artificiale generativa per neurologi non va presentata come una bacchetta magica, né come una minaccia che sostituisce il medico. È uno strumento di lavoro. Può aiutare a scrivere, sintetizzare, spiegare, simulare, progettare materiali formativi e ragionare meglio su documenti complessi. Ma richiede metodo, verifica e attenzione alla privacy.

AI generativa e neurologia: dal prompt engineering alla pratica clinica

Nel Digital Neuro Hub si parla di Large Language Model, virtual assistant in healthcare, telemedicina, privacy, medical device, wearable, comunicazione medico-paziente da remoto, analisi della voce con machine learning, startup e NeuroHackathon. È un programma molto concreto, pensato per diffondere nella comunità neurologica una cultura digitale utile e applicabile.

Durante il workshop sul prompt engineering in neurologia lavoro soprattutto su un’idea: per usare bene l’AI generativa bisogna imparare a dare istruzioni migliori. Un prompt efficace non è una frase magica, ma una consegna strutturata: contesto, obiettivo, destinatario, vincoli, formato dell’output e criteri di controllo.

Cinque esempi concreti di AI generativa per neurologi

1. Spiegare meglio diagnosi e percorsi terapeutici

Il primo uso concreto riguarda la comunicazione con pazienti e caregiver. Il neurologo può usare l’AI generativa per trasformare un testo tecnico in una spiegazione più chiara, comprensibile e adatta al destinatario.

“Riscrivi questo testo per un paziente adulto, con linguaggio semplice ma non banale. Mantieni un tono professionale e rassicurante. Aggiungi cinque domande frequenti che il paziente potrebbe fare durante la visita.”

Il medico resta responsabile della verifica finale, ma l’AI può aiutare a rendere più accessibile la comunicazione, soprattutto quando si parla di patologie neurologiche croniche complesse.

2. Sintetizzare articoli scientifici, linee guida e documenti lunghi

La neurologia è una disciplina ad alta densità informativa. Articoli, linee guida, report, studi clinici e documentazione scientifica richiedono tempo e attenzione. L’AI generativa può aiutare a produrre sintesi strutturate, tabelle comparative e liste di punti critici.

“Riassumi questo articolo scientifico in una tabella con: obiettivo dello studio, popolazione, metodo, risultati principali, limiti dichiarati dagli autori e possibili implicazioni per la pratica neurologica. Non aggiungere informazioni non presenti nel testo.”

Questo non sostituisce la lettura critica della fonte, ma può diventare un ottimo primo livello di orientamento.

3. Preparare materiali per corsi, congressi e formazione interna

Un altro caso d’uso molto pratico riguarda la formazione medica. L’AI può aiutare a costruire scalette, slide, quiz, esercizi, casi didattici e simulazioni per specializzandi, colleghi o team multidisciplinari.

“Prepara una scaletta di 45 minuti per una lezione destinata a neurologi sull’uso dell’AI generativa nella comunicazione con pazienti e caregiver. Inserisci obiettivi didattici, tre esercitazioni pratiche e una sezione finale sui limiti e sui rischi.”

È lo stesso approccio che porto nei corsi: meno teoria astratta, più prove pratiche, più esempi vicini al lavoro reale.

4. Simulare conversazioni difficili con pazienti e caregiver

Gli strumenti di AI generativa possono essere usati anche per simulare dialoghi. Per esempio, il neurologo può chiedere al chatbot di impersonare un caregiver preoccupato, un paziente confuso, un collega scettico o un partecipante a un evento formativo.

“Fingi di essere il caregiver di un paziente con una malattia neurologica cronica. Fammi dieci domande realistiche, comprese alcune emotivamente difficili. Dopo ogni mia risposta, dammi un feedback sulla chiarezza, sull’empatia e sulla precisione.”

Questo esercizio è utile perché allena non solo il contenuto, ma anche il tono. E nella relazione medico-paziente il tono conta moltissimo.

5. Progettare assistenti virtuali e strumenti di supporto

Nel programma del Digital Neuro Hub 2026 è previsto anche un workshop sui virtual assistant in healthcare. È un tema centrale: l’AI generativa può contribuire alla progettazione di assistenti capaci di rispondere a domande frequenti, guidare nella preparazione di una visita, aiutare nella raccolta ordinata di informazioni o supportare attività informative non diagnostiche.

“Progetta la struttura di un assistente virtuale per pazienti neurologici. Definisci cosa può fare, cosa non deve fare, quali messaggi di sicurezza deve mostrare e quando deve invitare l’utente a contattare il medico.”

Qui il tema non è solo tecnologico. È anche organizzativo, etico e legale. Un assistente virtuale sanitario deve essere progettato con limiti chiari, supervisione professionale e attenzione alla protezione dei dati.

Le tre regole: privacy, verifica, responsabilità

Quando si parla di ChatGPT per neurologi o, più in generale, di AI generativa in sanità, ripeto sempre tre parole: privacy, verifica, responsabilità.

Privacy significa non inserire dati personali o sanitari identificabili in strumenti non adeguati. Verifica significa controllare sempre le risposte dell’AI, perché i modelli possono sbagliare, semplificare troppo o generare informazioni inesatte. Responsabilità significa ricordare che la decisione clinica resta sempre al medico.

Vuoi organizzare un corso sull’AI generativa per medici, neurologi o professionisti della sanità? Scrivimi: posso progettare un percorso pratico su ChatGPT, prompt engineering, comunicazione medico-paziente, assistenti virtuali e uso consapevole dell’intelligenza artificiale in ambito sanitario.

/0 Commenti/da

LinkedIn e AI: il pulsante che dovresti controllare subito

Hai trenta secondi liberi?

Vai su LinkedIn. Clicca sulla tua foto profilo. Entra in Impostazioni e privacy, poi in Privacy dei dati e infine in Come LinkedIn usa i tuoi dati.

Troverai una voce chiamata “Dati per il miglioramento dell’AI generativa”.

Se è attiva, LinkedIn può utilizzare alcuni dei tuoi dati e contenuti pubblici per contribuire allo sviluppo e al miglioramento dei propri sistemi di intelligenza artificiale.

Puoi disattivarla con un semplice clic.

Perché dovresti farlo? Per una ragione molto semplice: la maggior parte delle persone non sa nemmeno che questa impostazione esiste. Non si tratta di allarmismo. Non significa che LinkedIn stia facendo qualcosa di illegale o nascosto. L’opzione è documentata e modificabile. Il punto è un altro: la consapevolezza.

Ogni giorno condividiamo post, commenti, articoli, esperienze professionali e informazioni sul nostro lavoro. Sono dati che raccontano chi siamo, come ragioniamo, quali competenze possediamo e quali problemi risolviamo.

L’intelligenza artificiale si nutre di dati. E quando un servizio ci offre la possibilità di scegliere se contribuire o meno all’addestramento e al miglioramento dei modelli, vale la pena sapere che quella scelta esiste.

La vera domanda non è se lasciare attiva o disattivare l’opzione. La vera domanda è: quante altre impostazioni simili abbiamo accettato senza leggerle?

Negli ultimi mesi l’AI generativa è entrata nelle aziende con una velocità impressionante. ChatGPT, Copilot, Gemini, Claude e decine di altri strumenti sono diventati parte della quotidianità lavorativa.

Molti dipendenti li utilizzano convinti che siano semplicemente una versione più evoluta di Google. Non è così.

Domani parleremo proprio di questo: perché alcuni strumenti di AI che sembrano innocui possono rappresentare un rischio per la privacy aziendale, quali informazioni vengono realmente condivise e che cosa il datore di lavoro può vedere o monitorare quando utilizzi determinate piattaforme.

Nel frattempo, controlla quella impostazione su LinkedIn. Trenta secondi. Un clic. E una maggiore consapevolezza digitale.

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 lavoro in Italia 2026, i dati del report ADP People at Work: un lavoratore italiano su 5 non usa l’intelligenza artificiale

,

Metà dei lavoratori nel mondo usa l’intelligenza artificiale più volte a settimana. Uno su cinque la usa quasi ogni giorno. In Italia i numeri sono leggermente più bassi, ma la direzione è chiara: l’AI è diventata uno strumento di lavoro, non una prospettiva futura. Lo dice il report ADP Research People at Work 2026, condotto su quasi 39.000 lavoratori in 36 mercati, di cui 1.095 in Italia.

Questi dati arrivano il 10 giugno 2026 da Milano e raccontano un’adozione ancora disomogenea, con alcune contraddizioni interessanti: chi usa di più l’AI si sente meno produttivo, ma anche meno stressato e più coinvolto nel proprio lavoro. Vale la pena capire perché.

Quanti lavoratori usano l’AI in Italia nel 2026

Partiamo dai numeri italiani. Secondo il report ADP People at Work 2026:

  • Il 12% dei lavoratori italiani dichiara di usare l’intelligenza artificiale quasi ogni giorno.
  • Il 26% la usa più volte a settimana.
  • Il 22% non l’ha mai usata.

Rispetto alla media europea, l’Italia è sostanzialmente in linea, ma rimane indietro rispetto ad altri Paesi. La Spagna registra il 15% di utilizzo quotidiano e il 31% settimanale; la Germania il 14% giornaliero e il 29% settimanale. Piccole differenze in percentuale, ma significative nel segnalare una maturità digitale ancora da costruire nel contesto italiano.

L’atteggiamento degli italiani verso l’AI: prudenti, non ostili

Il dato più interessante non è quanto si usa l’AI, ma come la si percepisce. In Italia solo il 10% dei lavoratori è fortemente convinto che l’intelligenza artificiale avrà un impatto positivo sulle proprie responsabilità lavorative nel prossimo anno. È un dato in crescita rispetto all’8% dell’anno precedente, ma lontano dalla media globale del 17%.

Il 6% dei lavoratori italiani teme che il proprio lavoro possa essere sostituito dall’AI. Un ulteriore 7% dichiara semplicemente di non sapere come l’AI cambierà il suo ruolo.

Questo non è rifiuto: è prudenza. Una prudenza che ha senso, ma che rischia di trasformarsi in immobilismo se non viene accompagnata da formazione e da chiarezza sugli usi reali degli strumenti di intelligenza artificiale.

Chi usa di più l’AI: i knowledge worker e i giovani

Il report distingue tre categorie di lavoratori in base al tipo di mansione:

  • I knowledge worker (professionisti con autonomia creativa e cognitiva) sono i più convinti dell’impatto positivo dell’AI: il 16% è fortemente d’accordo.
  • Gli skilled task worker (chi usa competenze specifiche per risolvere problemi ricorrenti) si fermano all’8%.
  • Chi svolge mansioni ripetitive scende al 6%: paradossalmente, sono proprio quelli che potrebbero beneficiare di più dell’automazione, ma anche quelli con più motivi per preoccuparsi della sostituzione.

Per fascia d’età, il divario è netto: circa il 20% dei lavoratori tra i 18 e i 26 anni usa l’AI quasi ogni giorno. È la generazione che ha trovato ChatGPT già presente quando ha iniziato a lavorare, e lo tratta come un collega di squadra.

Il paradosso della produttività: usare l’AI e sentirsi meno produttivi

Questo è il dato che trovo più interessante dell’intero report.

A livello globale, gli utenti che usano l’AI quotidianamente hanno una probabilità quattro volte superiore di percepirsi meno produttivi rispetto a chi non la usa. Come è possibile?

La spiegazione è nella natura del lavoro che rimane. L’AI si occupa delle attività ripetitive e meccaniche: le email standard, la sintesi di documenti, la formattazione di report, i testi di base. Quello che rimane sul tavolo del lavoratore sono i problemi complessi, le decisioni difficili, i progetti strategici che richiedono giudizio e relazioni umane. Queste attività sono intrinsecamente più difficili da misurare e da “spuntare” in una lista. Risultato: hai fatto di più, ma ti sembra di aver fatto meno.

Come spiega Elena Falconi, HR Director Southern Europe di ADP: “L’adozione da sola non garantisce una maggiore produttività percepita: i lavoratori devono sviluppare competenze e familiarità con questi strumenti, comprendendo come integrarli nelle proprie attività.”

La conseguenza pratica è che le aziende devono rivedere i criteri con cui misurano la produttività. Se continui a contare quante email hai scritto, l’AI ti farà sembrare pigro. Se invece misuri la qualità delle decisioni prese, la complessità dei problemi risolti, il valore generato per il cliente, il quadro cambia completamente.

AI e benessere lavorativo: meno stress, più coinvolgimento

Sul fronte del benessere, i dati sono chiari e positivi. Chi usa l’AI ogni giorno:

  • Dichiara livelli di stress negativo all’11%, contro il 23% dei non utilizzatori: circa la metà.
  • Si sente più parte di un team e riferisce dinamiche di squadra più solide.
  • Percepisce una maggiore sicurezza del proprio posto di lavoro.

Questo è un dato che contraddice la narrazione più diffusa sull’AI come fonte di ansia lavorativa. Chi la usa davvero, ogni giorno, tende a viverla come un alleato, non come una minaccia. L’ansia, semmai, è più alta in chi non la usa e la osserva da fuori.

La Chief Economist di ADP, Dr. Nela Richardson, lo sintetizza bene: “I nostri dati mostrano che gli utenti più frequenti riportano maggiore engagement e minore stress, ma anche una minore percezione di produttività. Le aziende che supportano i lavoratori nella transizione possono favorire un ambiente in cui l’AI venga percepita come un alleato e non come una minaccia.”

Cosa significa tutto questo per aziende e professionisti in Italia

Provo a tradurre questi dati in indicazioni pratiche per chi lavora o gestisce persone in Italia nel 2026.

Per i lavoratori: usare l’AI non è più un vantaggio competitivo opzionale. Chi non la usa non sta “preservando le proprie competenze”: sta semplicemente rallentando. Il punto non è sostituire il proprio cervello con un chatbot, ma imparare a delegare le attività a basso valore aggiunto per concentrarsi su quelle che contano davvero.

Per i manager e le HR: il 22% di lavoratori italiani che non ha mai usato l’AI è un dato che richiede attenzione, non giudizio. Serve formazione concreta, non generica. Serve mostrare esempi reali di utilizzo nel contesto specifico del lavoro delle persone. E serve rivedere i KPI: misurare la produttività con gli stessi criteri del passato, in un contesto dove l’AI gestisce le attività ripetitive, porta a conclusioni distorte.

Per le aziende: il gap tra Italia e Spagna o Germania non è un problema di cultura digitale irrecuperabile. È un gap di esposizione, formazione e fiducia. Le aziende che investono in percorsi strutturati di AI literacy adesso si troveranno in vantaggio nei prossimi 12-24 mesi, quando l’adozione si accelererà ulteriormente.

Il contesto del report ADP People at Work 2026

Il report ADP Research People at Work 2026 è basato su un campione di quasi 39.000 lavoratori intervistati in 36 mercati nel mondo, con 1.095 intervistati in Italia. È uno dei più ampi studi globali sul rapporto tra lavoratori e tecnologia, con un focus specifico sull’intelligenza artificiale nell’edizione 2026. I dati italiani sono stati presentati a Milano il 10 giugno 2026.

Come posso aiutarti

Mi occupo di formazione su ChatGPT, AI generativa e uso consapevole dell’intelligenza artificiale per aziende, professionisti, HR, manager e team. Se stai cercando un percorso pratico per portare l’AI nel lavoro quotidiano della tua organizzazione, puoi partire da questi punti:

  • Il mio corso sull’AI generativa per chi vuole capire cosa sono davvero questi strumenti e come usarli bene.
  • La pagina dedicata alle conferenze e corsi per aziende e associazioni.
  • La sezione Scrivimi se vuoi organizzare un intervento su misura per il tuo team o evento.

I dati ADP 2026 confermano quello che vedo ogni giorno in aula e nelle aziende: l’AI è già qui, l’adozione è disomogenea, e la differenza tra chi la usa bene e chi la subisce si gioca sulla formazione e sulla consapevolezza. Non sulla tecnologia in sé.

FAQ sull’uso dell’AI nel lavoro in Italia

Quanti lavoratori italiani usano l’AI ogni giorno nel 2026?

Secondo il report ADP People at Work 2026, il 12% dei lavoratori italiani dichiara di usare l’intelligenza artificiale quasi ogni giorno, mentre il 26% la usa più volte a settimana.

L’AI aumenta davvero la produttività?

I dati mostrano un paradosso: chi usa l’AI quotidianamente tende a percepirsi meno produttivo, non più. La ragione è che l’AI gestisce le attività ripetitive, lasciando al lavoratore quelle complesse e difficili da misurare. Le aziende devono aggiornare i propri criteri di misurazione della produttività.

I lavoratori che usano l’AI sono più stressati?

Al contrario. Il report ADP indica che solo l’11% degli utilizzatori quotidiani di AI dichiara di vivere stress negativo, contro il 23% di chi non la usa. Chi usa regolarmente l’AI si sente anche più sicuro del proprio posto di lavoro.

Chi usa di più l’AI tra i lavoratori italiani?

I giovani tra i 18 e i 26 anni (circa il 20% dichiara utilizzo quasi quotidiano) e i knowledge worker (chi ha autonomia creativa nel proprio lavoro) sono i profili con il tasso di adozione più alto.

Come si confronta l’Italia con gli altri Paesi europei nell’uso dell’AI?

L’Italia è in linea con la media europea ma leggermente indietro rispetto a Spagna (15% di utilizzo quotidiano) e Germania (14%). Il gap più evidente riguarda la fiducia nell’impatto positivo dell’AI: solo il 10% degli italiani è fortemente convinto di un impatto positivo, contro il 17% della media globale.

/0 Commenti/da

Simulatore LLM: scrivi l’inizio di una frase e scopri come l’AI sceglie la parola successiva

,

Quando durante i miei corsi sull’intelligenza artificiale generativa spiego come funziona un LLM, cioe un Large Language Model, a un certo punto arriva sempre la stessa domanda: “Ma quindi ChatGPT pensa?”.

Risposta breve: no, almeno non nel senso umano del termine.

Risposta un po’ piu utile: un modello linguistico genera testo calcolando, passo dopo passo, quali pezzi di testo sono piu probabili dopo quelli gia scritti. Non sceglie una parola perche “ha capito” come noi. La sceglie perche, in base all’addestramento e al contesto, quella continuazione ha una certa probabilita.

Detta cosi sembra una faccenda da matematici con il camice. Per questo ho preparato un piccolo simulatore didattico: scrivi l’inizio di una frase e il sistema ti mostra alcune possibili parole successive, con la relativa percentuale di probabilita.

Non e un vero ChatGPT. E, volutamente, molto piu semplice. Ma serve a visualizzare il meccanismo chiave: un LLM non scrive tutto il testo in un colpo solo. Predice il prossimo token, poi il prossimo, poi il prossimo ancora. Come quando in autostrada segui i cartelli, solo che qui i cartelli sono statistici.

Prova il simulatore

Qui sotto puoi inserire l’inizio di una frase. Il simulatore propone diverse parole successive e mostra una probabilita per ciascuna. Piu alta e la percentuale, piu quella parola e “attesa” in quel contesto.

Nota importante: questo e un simulatore divulgativo. Le probabilita sono generate da un piccolo modello dimostrativo scritto in JavaScript, non da un LLM reale. Serve per capire il principio, non per replicare ChatGPT.

Simulatore: qual e la prossima parola?

Scrivi l’inizio di una frase. Il simulatore calcola alcune possibili continuazioni e mostra una distribuzione di probabilita.

Bassa: scelta piu prevedibile. Alta: piu varieta, anche con qualche sorpresa.
Parole candidate Contesto: lavoro/AI
     

    Che cosa sta succedendo nel simulatore

    Il simulatore fa tre cose:

    1. Legge l’inizio della frase.
    2. Cerca alcuni indizi nel testo: per esempio parole legate ad aziende, formazione, dati, scrittura o intelligenza artificiale.
    3. Assegna un punteggio ad alcune possibili parole successive e le trasforma in percentuali.

    Il risultato e una distribuzione di probabilita. Questo concetto e fondamentale: un LLM non ha una sola risposta “giusta” gia pronta in memoria. Ha molte possibili continuazioni, ciascuna con un peso diverso.

    Se scrivo:

    L’intelligenza artificiale puo aiutare le aziende a

    una continuazione come “automatizzare” o “analizzare” ha piu senso di “friggere”. Non perche il modello abbia buon gusto, ma perche nel suo addestramento ha visto moltissime frasi in cui AI, aziende, processi, dati e automazione stanno vicini.

    Poi entra in gioco un altro parametro: la creativita, che nei modelli reali viene spesso avvicinata al concetto di “temperatura”. Con una temperatura bassa il sistema sceglie parole piu prevedibili. Con una temperatura alta lascia piu spazio a opzioni meno probabili.

    Come funziona davvero un LLM

    Un LLM, semplificando, e un modello addestrato su enormi quantita di testo. Durante l’addestramento impara relazioni statistiche tra parole, frasi, concetti, stili e contesti. Quando gli scriviamo un prompt, il modello non consulta un dizionario magico delle risposte. Calcola una sequenza.

    Il processo, molto semplificato, e questo:

    1. Il testo viene diviso in token, cioe pezzi di parole o parole intere.
    2. Il modello analizza il contesto gia presente.
    3. Produce una lista di possibili token successivi.
    4. A ogni token assegna una probabilita.
    5. Viene scelto un token.
    6. Il token scelto viene aggiunto al testo.
    7. Il processo ricomincia.

    Ecco perche, quando usiamo ChatGPT, Claude, Gemini, Copilot o altri chatbot, vediamo il testo comparire poco alla volta. Il modello sta costruendo la risposta un passo dopo l’altro.

    Token: perche non parliamo solo di parole

    Nel simulatore parlo di “parole successive” perche e piu intuitivo. In realta gli LLM lavorano con i token. Un token puo essere una parola, una parte di parola, uno spazio, un segno di punteggiatura o un frammento.

    Per esempio, una parola lunga puo essere spezzata in piu token. Una frase breve puo contenere piu token di quanto immaginiamo. Questo dettaglio tecnico ha effetti pratici: i modelli hanno una finestra di contesto, cioe una quantita massima di token che riescono a considerare in una conversazione o in un documento.

    Tradotto in linguaggio da aula: se butti dentro troppa roba, il modello non diventa automaticamente piu intelligente. A volte diventa solo piu confuso.

    Perche a volte l’AI sbaglia

    Capire la previsione della parola successiva aiuta anche a capire gli errori dell’intelligenza artificiale generativa.

    Un LLM puo produrre una frase fluida, elegante e sbagliata. Questo succede perche la probabilita linguistica non coincide sempre con la verita. Una frase puo “suonare bene” anche se contiene un dato inventato, una fonte inesistente o un ragionamento debole.

    Ecco perche nei miei corsi insisto sempre su tre verbi:

    • chiedere bene;
    • verificare meglio;
    • usare con criterio.

    Il prompt engineering non e l’arte di trovare la formula segreta. E il metodo per dare contesto, obiettivo, vincoli, esempi e criteri di controllo. Poi serve comunque la testa dell’utente. Spiace, ma quella non e ancora disponibile in abbonamento.

    A cosa serve questo progetto

    Questo simulatore nasce per rendere visibile un meccanismo che di solito resta nascosto. Quando una tecnologia sembra magia, la usiamo peggio: o la sopravvalutiamo, o la demonizziamo. In entrambi i casi capiamo poco.

    Visualizzare le probabilita aiuta a fare tre passi:

    1. Capire che un chatbot non “sa” nel modo in cui sa una persona.
    2. Capire perche lo stesso prompt puo generare risposte leggermente diverse.
    3. Capire perche contesto, istruzioni e verifica sono decisivi.

    Il pubblico ideale e molto ampio: aziende, scuole, universita, formatori, professionisti, comunicatori, giornalisti, manager e chiunque voglia capire l’AI generativa senza perdersi subito nelle formule.

    Un esempio pratico per aziende e professionisti

    In azienda la domanda non dovrebbe essere: “Possiamo usare ChatGPT per tutto?”.

    La domanda migliore e: “Quali attivita hanno abbastanza testo, regole, esempi e controllo umano da poter essere aiutate da un LLM?”.

    Un modello linguistico puo essere utile per:

    • riassumere documenti;
    • preparare bozze di email, post, comunicati e report;
    • trasformare testi tecnici in versioni piu accessibili;
    • creare scalette, FAQ, checklist e materiali formativi;
    • analizzare feedback, note, trascrizioni e contenuti non strutturati;
    • simulare domande, obiezioni o scenari.

    Ma non dovrebbe essere usato alla cieca per decisioni delicate, dati sensibili, diagnosi, consulenze legali, valutazioni finanziarie o contenuti che richiedono fonti verificate.

    Il punto non e sostituire le competenze. Il punto e aumentare la qualita del lavoro dove il modello puo davvero aiutare, lasciando all’essere umano controllo, responsabilita e giudizio.

    Perche il prompt cambia il risultato

    Se nel simulatore scrivi una frase generica, le probabilita restano piu distribuite. Se invece inserisci parole come “azienda”, “report”, “corso”, “studenti” o “articolo”, alcune continuazioni diventano piu probabili.

    Succede qualcosa di simile anche con gli LLM reali. Un prompt vago produce una risposta generica. Un prompt con contesto, ruolo, pubblico, obiettivo, formato e vincoli permette al modello di muoversi in uno spazio piu preciso.

    Esempio debole:

    Scrivi un testo sull’AI.

    Esempio migliore:

    Scrivi un’introduzione divulgativa di 1.500 battute per un pubblico di manager non tecnici. Spiega che gli LLM generano testo prevedendo il token successivo, usa un esempio pratico e chiudi con un invito alla verifica delle fonti.

    Non e questione di “parlare bene alla macchina”. E questione di progettare bene la richiesta.

    Limiti del simulatore

    Questo progetto non pretende di spiegare tutta l’architettura dei transformer, l’attenzione, gli embedding, il fine-tuning, il reinforcement learning from human feedback o le tecniche usate nei modelli piu recenti.

    Fa una cosa sola: mostrare in modo interattivo che la generazione del testo e una scelta probabilistica progressiva.

    Per una prima comprensione e gia molto. Perche appena si capisce questo, molte stranezze dell’AI diventano meno strane:

    • perche due risposte allo stesso prompt possono essere diverse;
    • perche una risposta puo essere fluida ma falsa;
    • perche il contesto migliora la qualita;
    • perche la verifica resta indispensabile;
    • perche “fammi tutto tu” e quasi sempre un pessimo prompt.

    Conclusione: meno magia, piu metodo

    Gli LLM sono strumenti potentissimi, ma funzionano meglio quando smettiamo di considerarli oracoli. Non leggono nella mente, non hanno intenzioni, non verificano automaticamente la realta. Generano testo in base al contesto e alle probabilita.

    Questo non li rende meno utili. Anzi: li rende piu utilizzabili.

    Quando capiamo il meccanismo, possiamo fare domande migliori, progettare flussi di lavoro piu sensati, controllare gli output e scegliere quando l’AI e davvero adatta al compito.

    Il simulatore serve proprio a questo: aprire il cofano, senza dover diventare ingegneri. Perche l’intelligenza artificiale generativa non va adorata e non va temuta. Va capita, provata e governata.

    FAQ

    Questo simulatore usa davvero un LLM?

    No. Usa un piccolo modello dimostrativo in JavaScript. Serve per spiegare il principio della previsione probabilistica della parola successiva, non per replicare un modello come ChatGPT.

    Gli LLM prevedono parole o token?

    Tecnicamente prevedono token. Un token puo essere una parola, una parte di parola, un segno di punteggiatura o un altro frammento di testo. Nell’articolo uso spesso “parola” per rendere il concetto piu comprensibile.

    Perche le percentuali cambiano quando modifico la frase?

    Perche cambia il contesto. Nel simulatore alcune parole attivano scenari diversi, come azienda, formazione, dati o scrittura. Nei modelli reali il meccanismo e molto piu complesso, ma l’idea di base e simile: il contesto influenza le probabilita.

    Che cosa significa temperatura?

    La temperatura e un parametro che influenza la varieta dell’output. Valori bassi rendono il testo piu prevedibile; valori alti aumentano la possibilita di scelte meno probabili.

    Perche un LLM puo inventare informazioni?

    Perche genera testo probabile, non necessariamente vero. Per questo le risposte vanno verificate, soprattutto quando riguardano dati, fonti, norme, salute, finanza o decisioni importanti.

     

    /0 Commenti/da

    Formazione AI obbligatoria in azienda: cosa chiede l’AI Act e come prepararsi

    , , ,

    Dal 2 febbraio 2025 l’AI Act ha reso applicabile un obbligo che molte aziende stanno ancora sottovalutando: chi fornisce o utilizza sistemi di intelligenza artificiale deve fare in modo che le persone coinvolte abbiano un livello sufficiente di alfabetizzazione sull’AI. In pratica, la formazione sull’intelligenza artificiale non è più soltanto una buona idea: diventa un requisito organizzativo da governare.

    Il tema è stato rilanciato anche da una guida pubblicata da Agenda Digitale. Qui provo a tradurlo in una guida operativa per imprese, HR, manager, studi professionali e responsabili formazione: che cosa chiede davvero l’AI Act, chi deve essere formato, quali contenuti inserire in un corso e quali evidenze conviene conservare.

    Risposta breve: la formazione AI è obbligatoria?

    Sì, ma va capita bene. L’articolo 4 dell’AI Act non dice semplicemente “fate un corso uguale per tutti”. Dice che provider e deployer di sistemi di AI devono adottare misure per garantire un livello sufficiente di AI literacy, cioè alfabetizzazione in materia di intelligenza artificiale, al personale e alle persone che usano sistemi AI per conto loro.

    Questo significa che un’azienda che usa ChatGPT, Microsoft Copilot, Gemini, Claude, strumenti di selezione del personale, chatbot, software di scoring, sistemi predittivi o tool generativi deve chiedersi: le persone che li usano capiscono abbastanza bene opportunità, limiti, rischi e regole di base?

    Che cosa dice l’articolo 4 dell’AI Act

    La fonte primaria è il Regolamento UE 2024/1689, cioè l’AI Act. La Commissione europea spiega che gli obblighi di alfabetizzazione AI sono entrati in applicazione dal 2 febbraio 2025, insieme alle regole sulle pratiche vietate (ma le norme di vigilanza, applicazione e sanzioni saranno pienamente operative solo a partire dal 3 agosto 2026). La pagina ufficiale della Commissione sull’AI Act conferma anche l’approccio basato sul rischio: non tutti gli usi dell’AI sono uguali e non tutti richiedono lo stesso livello di controllo.

    La Commissione, nel suo repository sulle pratiche di AI literacy, chiarisce il punto: l’articolo 4 richiede a fornitori e utilizzatori di sistemi AI di assicurare un livello sufficiente di alfabetizzazione AI al personale e a chi opera per loro conto. Lo stesso repository raccoglie esempi di pratiche, ma avverte che copiarle non dà automaticamente una presunzione di conformità.

    Chi deve fare formazione AI in azienda

    La domanda non dovrebbe essere: “A chi facciamo il corso?”. La domanda giusta è: “Chi usa, decide, compra, configura o supervisiona sistemi AI?”. Da qui nasce la mappa dei destinatari.

    • Direzione e manager: devono capire impatti, responsabilità, governance, rischi e opportunità.
    • HR: usa o valuta strumenti per recruiting, valutazione, formazione, engagement e people analytics.
    • Marketing e comunicazione: produce testi, immagini, video, campagne, report e contenuti con AI generativa.
    • Commerciale e customer care: usa assistenti, chatbot, CRM arricchiti, trascrizioni, sintesi e suggerimenti automatici.
    • IT, digital e data team: integra strumenti, valuta fornitori, gestisce sicurezza, accessi e dati.
    • Legal, compliance e privacy: presidia contratti, basi giuridiche, documentazione, informative e policy interne.
    • Tutti i dipendenti che usano strumenti generalisti: per esempio ChatGPT, Copilot, Gemini o altri assistenti AI nel lavoro quotidiano.

    La formazione deve essere proporzionata. Chi usa ChatGPT per riscrivere email non ha bisogno dello stesso percorso di chi introduce un sistema AI in selezione del personale. Ma entrambi devono sapere cosa possono fare, cosa non devono fare e quando serve l’intervento umano.

    Che cosa deve contenere un corso AI Act per aziende

    Un buon corso sulla formazione AI obbligatoria per aziende non dovrebbe limitarsi a leggere la norma. Deve trasformare l’obbligo in competenza operativa. Io lo strutturerei in sette moduli.

    1. Che cos’è davvero l’intelligenza artificiale

    Serve una base comune: AI, machine learning, AI generativa, modelli linguistici, chatbot, sistemi predittivi, automazione. Senza questa base, ogni discussione su rischi e regole resta astratta.

    2. Come funziona l’AI generativa

    Le persone devono capire perché ChatGPT e strumenti simili possono essere utilissimi ma anche sbagliare. Vanno spiegati concetti come probabilità, allucinazioni, prompt, contesto, dati di input, output non verificati e dipendenza dallo strumento.

    3. Rischi pratici per l’azienda

    Dati riservati caricati in strumenti non autorizzati, violazioni privacy, copyright, bias, discriminazioni, decisioni automatizzate, errori in documenti destinati ai clienti, contenuti falsi, deepfake, perdita di controllo sui processi. La formazione deve partire da casi realistici.

    4. AI Act: rischi vietati, alto rischio e trasparenza

    Non tutti devono diventare giuristi, ma tutti devono sapere che l’AI Act distingue tra pratiche vietate, sistemi ad alto rischio, obblighi di trasparenza e usi a rischio minimo o limitato. Per HR, credito, istruzione, sanità, sicurezza e servizi essenziali il livello di attenzione sale.

    5. Policy aziendale sull’uso dell’AI

    La formazione funziona se è collegata a regole interne chiare: quali strumenti sono autorizzati, quali dati non vanno inseriti, chi approva nuovi tool, come si verifica un output, quando dichiarare l’uso dell’AI e come gestire fornitori e account personali.

    6. Prompting e uso consapevole

    Una parte pratica è indispensabile. Non basta dire “state attenti”: bisogna mostrare come scrivere richieste migliori, come chiedere fonti, come far emergere limiti, come controllare un output e come usare l’AI come assistente, non come oracolo.

    7. Evidenze e documentazione

    In ottica compliance conviene conservare programma del corso, materiali, registro presenze, attestati, test di apprendimento, policy condivise e aggiornamenti periodici. Non perché “la carta salva”, ma perché dimostra che l’azienda ha preso sul serio l’obbligo di alfabetizzazione AI.

    Checklist pratica per HR e compliance

    1. Mappare gli strumenti AI già usati in azienda, inclusi quelli “ombra” usati dai dipendenti.
    2. Classificare gli usi per area: marketing, HR, vendite, IT, amministrazione, legale, customer care.
    3. Individuare ruoli e persone esposte all’uso di AI.
    4. Definire un livello base di AI literacy per tutti.
    5. Preparare moduli avanzati per chi usa AI in processi sensibili.
    6. Scrivere o aggiornare una policy interna sull’uso dell’intelligenza artificiale.
    7. Registrare presenze, materiali, attestati e aggiornamenti.
    8. Ripetere la formazione quando cambiano strumenti, processi o regole.

    Formazione AI obbligatoria: corso online, in presenza o blended?

    Dipende dalla maturità dell’azienda. Per una PMI può funzionare un corso introduttivo di 2 o 3 ore, seguito da una policy sintetica e da esempi pratici. Per aziende più strutturate conviene un percorso blended: modulo base per tutti, workshop per funzioni specifiche e sessione manageriale su rischi, governance e decisioni.

    Se l’obiettivo è costruire competenza reale, il formato migliore non è solo “lezione frontale”. Funzionano bene demo live, casi aziendali, esercitazioni su prompt, analisi di errori, checklist e piccoli test finali.

    AI literacy non significa diventare tecnici

    Uno degli errori più comuni è immaginare la formazione AI come un corso per informatici. Non è così. L’AI literacy richiesta dall’AI Act riguarda la capacità di usare o supervisionare sistemi AI con sufficiente consapevolezza del contesto, dei rischi, dei limiti e degli effetti sulle persone.

    Per questo un corso efficace deve parlare la lingua del lavoro quotidiano: email, documenti, clienti, colloqui, report, presentazioni, decisioni, dati personali, procedure interne. L’obiettivo non è creare esperti di reti neurali, ma persone capaci di non usare l’AI in modo ingenuo.

    Come posso aiutarti

    Mi occupo di formazione su ChatGPT, AI generativa e uso consapevole dell’intelligenza artificiale per aziende, professionisti, enti e associazioni. Posso progettare un percorso di formazione AI per la tua azienda partendo da strumenti, ruoli, rischi e obiettivi concreti.

    Per un percorso operativo puoi partire dal mio corso ChatGPT per aziende e professionisti, dal corso Microsoft Copilot per aziende o da una sessione introduttiva sotto forma di keynote sull’AI generativa.

    Se vuoi organizzare un corso sulla formazione AI obbligatoria per l’AI Act, scrivimi: ti aiuto a costruire un intervento utile, comprensibile e documentabile.

    FAQ sulla formazione AI obbligatoria

    Da quando si applica l’obbligo di AI literacy?

    Secondo la Commissione europea, gli obblighi di alfabetizzazione AI previsti dall’AI Act sono applicabili dal 2 febbraio 2025.

    Tutte le aziende devono fare formazione AI?

    Se un’azienda usa sistemi di intelligenza artificiale, deve preoccuparsi del livello di AI literacy delle persone coinvolte. La profondità della formazione dipende da strumenti, ruoli, contesto e rischi.

    Basta un corso online registrato?

    Può essere una parte del percorso, ma spesso non basta. L’azienda dovrebbe verificare che i contenuti siano pertinenti agli usi reali, che le persone abbiano compreso i rischi e che esistano regole interne applicabili.

    Serve un attestato?

    L’attestato è utile come evidenza, ma non sostituisce la sostanza della formazione. Conviene conservare anche programma, materiali, presenze, test e policy aziendale.

    La formazione deve essere aggiornata?

    Sì. Strumenti, rischi e indicazioni regolatorie cambiano rapidamente. Un aggiornamento periodico è una scelta prudente, soprattutto per reparti che usano AI in processi sensibili.

    /0 Commenti/da

    Speech AI per eventi natalizi aziendali e convention di fine anno

    , ,

    Alla festa di Natale aziendale si ritrovano colleghi che fanno lavori diversi, clienti, partner e persone che magari hanno già sentito parlare fin troppo di ChatGPT. Per coinvolgerli serve un intervento che parli la loro lingua: esempi riconoscibili, qualche sorpresa e un po’ di ironia.

    Propongo speech AI per eventi natalizi aziendali, cene di Natale e convention di fine anno: un’occasione per chiudere l’anno con curiosità, sorrisi e idee da portare nel lavoro. Il contenuto e il ritmo si adattano al pubblico, al settore e al programma della serata.

    Richiedi disponibilità e proposta per il tuo evento. Indicami data, luogo, numero di partecipanti e tipo di occasione.

    Uno speech sull’AI per la festa di Natale aziendale

    Posso accompagnare una platea senza competenze tecniche alla scoperta dell’intelligenza artificiale generativa, partendo da domande concrete: che cosa può fare per noi? Perché a volte inventa le risposte? Come riconosciamo un risultato utile? Quanto lavoro dobbiamo ancora metterci noi?

    Per chi organizza una cena di Natale aziendale, propongo di collocare l’intervento in un momento dedicato, prima del servizio e con l’attenzione della sala. Per una convention, il taglio può diventare più manageriale, con esempi legati alle attività dell’azienda e alle sfide dell’anno successivo.

    Tre formati per eventi natalizi e incontri di fine anno

    Le durate sono indicative. Definiamo insieme il formato in base alla scaletta, al pubblico e agli obiettivi.

    AI tra stupore e ironia: 15–20 minuti

    Un intervento breve per l’apertura della festa o prima della cena: esempi curiosi, errori dei chatbot e situazioni in cui riconoscersi. L’obiettivo è accendere una conversazione sull’AI con un linguaggio accessibile e un tono brillante.

    Il lavoro nell’era dei colleghi artificiali: 25–35 minuti

    Uno speech per dipendenti, clienti e partner. Mostro come usare l’AI per scrivere, cercare idee e affrontare attività quotidiane, insieme ai limiti da conoscere. Il pubblico può partire da zero; gli esempi si scelgono sul settore e sulle persone presenti.

    Dall’anno appena concluso alle prossime sfide: 40–50 minuti

    Un keynote per la convention aziendale di fine anno, con spazio per domande e confronto. Si può parlare di comunicazione, competenze, produttività e cambiamento, collegando gli strumenti alle esigenze dell’organizzazione.

    Idee per uno speech AI di Natale

    Il titolo e i contenuti si costruiscono sul contesto. Alcune proposte:

    • Stupidità artificiale e intelligenza umana: gli errori dei chatbot come occasione per ragionare sul nostro senso critico.
    • Il collega artificiale è invitato alla festa? Un viaggio fra assistenti AI, attività quotidiane e nuove abitudini di lavoro.
    • Che cosa ci portiamo nel nuovo anno: idee pratiche sull’AI da sperimentare, insieme ai rischi da tenere presenti.

    Posso inserire un quiz, una breve dimostrazione o domande dal pubblico, se il formato e le condizioni tecniche lo consentono. L’ironia nasce dalle situazioni e dalle tecnologie; eventuali riferimenti all’azienda si concordano nel briefing.

    Personalizzazione per HR, marketing e organizzatori di eventi

    Prima dell’evento definiamo il messaggio che vuoi lasciare alle persone, il livello di familiarità con l’AI e il tono della serata. Per HR e comunicazione interna il focus può essere sulle competenze e sulla collaborazione. Per una rete commerciale, su esempi di vendita e relazione con i clienti. Per una platea mista, su situazioni che tutti possano comprendere.

    Per personalizzare il contenuto bastano una descrizione del settore, alcune attività tipiche e materiali condivisibili. Gli esempi possono essere preparati con dati fittizi o pubblici, senza esporre informazioni riservate durante una dimostrazione.

    Gianluigi Bonanomi sul palco: video e interventi documentati

    Sono formatore, autore e docente di comunicazione digitale e AI. Per valutare il mio stile, puoi guardare questo intervento sui prompt pubblicato dalla Fondazione Pensiero Solido.

    Tra gli interventi documentati trovi il Digital Talk su ChatGPT per STEP FuturAbility District, lo speech sull’AI generativa alla Convention Confartigianato Imprese 2024 e la moderazione di Play Hybrid per Ergon nel 2021. Fotografie e altri materiali sono nell’archivio di conferenze, speech e moderazioni.

    Sono esempi di contesti professionali diversi, utili per valutare esperienza e taglio degli interventi. Per conoscere l’offerta completa consulta temi e formati delle mie conferenze e degli speech.

    Requisiti tecnici e organizzazione

    Per un intervento in presenza concordiamo microfono, schermo o proiettore e collegamento del computer. Le dimostrazioni live richiedono una connessione adeguata; se manca, possiamo usare esempi preparati. Per eventi online o ibridi definiamo anche piattaforma, condivisione dello schermo e gestione delle domande.

    Nel briefing chiariremo durata, posizione nella scaletta, pubblico, eventuale registrazione e utilizzo successivo dei materiali. Per incontri a Milano, in Brianza o in altre città italiane, indicami la sede: la logistica entra nella proposta.

    Domande frequenti sugli speech per eventi natalizi aziendali

    Lo speech è adatto anche a chi non usa ChatGPT?

    Sì. Posso partire dalle basi, usando esempi comprensibili anche a chi non ha esperienza con l’AI. Il livello si concorda in base al pubblico.

    Puoi intervenire durante una cena di Natale aziendale?

    Sì, prevedendo un momento dedicato nella scaletta. Un intervento prima della cena permette di seguire esempi, ascoltare e partecipare con maggiore attenzione.

    Quanto dura lo speech?

    Per questa proposta i formati indicativi sono 15–20, 25–35 e 40–50 minuti. Possiamo adattare la durata e riservare uno spazio alle domande in base al programma.

    Si può personalizzare per la nostra azienda?

    Sì. Concordiamo argomenti, esempi, tono e messaggio finale. Possiamo partire da attività del settore, obiettivi dell’evento e situazioni quotidiane dei partecipanti.

    Quanto costa uno speaker per l’evento natalizio?

    Il preventivo dipende da durata, preparazione, personalizzazione, sede, trasferta e modalità. Per una proposta indicami data, luogo, pubblico e obiettivo dell’evento.

    Puoi anche moderare un momento di confronto?

    Sì. Possiamo prevedere domande dal pubblico, una conversazione con il management o la moderazione di un panel, definendo prima ruoli e tempi.

    Come verifico la disponibilità per dicembre?

    Scrivimi la data o le alternative possibili. La disponibilità viene verificata sulla richiesta; potremo poi concordare contenuti, tempi e condizioni.

    Organizziamo il tuo evento natalizio aziendale

    Raccontami che cosa stai preparando: una festa di Natale per i dipendenti, una cena con clienti e partner oppure una convention di fine anno. Indicami data, luogo, pubblico previsto, durata desiderata e obiettivo. Se qualcosa è ancora da definire, scrivilo.

    Richiedi disponibilità e preventivo per uno speech AI. Nel modulo scegli la richiesta relativa agli eventi e aggiungi i dettagli della serata.

    /0 Commenti/da

    Sono stato vittima di un’allucinazione dell’AI! (Prima Comunicazione e il caso Freeda)

    ,

    Non ho fondato Freeda, eppure lo dice Primaonline.

    Un articolo del 3 giugno 2026 mi attribuisce la co-fondazione di una media company con cui non ho mai avuto nulla a che fare. Un errore piccolo, certo. Ma i piccoli errori, se non corretti, diventano fatti.

    Martedì mattina. Caffè. Newsletter. Routine. A un certo punto mi arriva la segnalazione di un amico: “Ciao Gianluigi, hai fondato Freeda?” (Risposta breve: no. Risposta lunga: quello che stai per leggere.)L’articolo in questione è firmato da Roberto Borghi su Primaonline.it, datato 3 giugno 2026. Parla della liquidazione giudiziale di Freeda – una vicenda reale, con numeri reali, che merita attenzione. Il problema è un dettaglio nella sezione “La storia di Freeda”: l’articolo afferma che la società fu fondata nel 2016 da Andrea Scotti Calderini e Gianluigi Bonanomi.

    Il primo nome è corretto. Il secondo – il mio – non lo è. Non ho mai fondato Freeda. Non ne sono stato co-fondatore, investitore, advisor, né dipendente. Non ho mai avuto alcun ruolo operativo, strategico o finanziario in quella società.

    Come nasce un errore del genere?

    Prima ipotesi: confusione tra omonimie. Esiste un altro Gianluigi Bonanomi nel mondo della comunicazione digitale? Possibile in teoria, difficile in pratica (che io sappia il mio omonimo più noto fa il dentista!), e comunque non giustificherebbe l’attribuzione senza verifica.

    Seconda ipotesi, più probabile e più interessante: l’errore l’ha generato un’AI. Molte redazioni usano strumenti di intelligenza artificiale per ricostruire la storia di un’azienda, integrare contesti o completare profili biografici. L’AI, se non adeguatamente supervisionata, tende a comporre pattern plausibili, non necessariamente veri. Il mio nome è associato al mondo dei media digitali, alla comunicazione, alle startup e in passato sono finito più volte su quella testata (per esempio qui: Fastweb Digital Academy lancia ‘AI e Bambini’: il corso per genitori ed educatori). Un modello linguistico, trovandosi a dover completare la frase “Freeda fu fondata da Andrea Scotti Calderini e…”, potrebbe aver pescato il mio nome da quel contesto di prossimità semantica. È esattamente il tipo di allucinazione che descrivo nei miei corsi da anni. (Ironia della storia: ci sono cascato anch’io. Nel senso che ci è cascato un articolo che mi riguarda.)

    Perché vale la pena correggere?

    Qualcuno potrebbe dirmi: “Dai, è solo un errore in un articolo. Nessuno se ne accorge.” Sbagliato. E per due motivi precisi.

    Il primo è pratico: Google indicizza. Un’associazione tra il mio nome e una società in liquidazione giudiziale – con procedura del Tribunale di Milano, numero 365/2025 – non è un dettaglio neutro.

    Il secondo è di principio: l’informazione errata, se non corretta, si moltiplica. Viene ripresa da altri articoli, entra nel training data di altri modelli AI, circola su LinkedIn con il velocità del copia-incolla. I giornalisti lo sanno, o dovrebbero saperlo.

    AGGIORNAMENTO DEL 10 GIUGNO 2026: il mio invito è a correggere l’articolo rimuovendo il mio nome dalla sezione “La storia di Freeda” è stato prontamente accolto dalla redazione di Prima Comunicazione, che ringrazio per la pronta collaborazione.

    Una lezione che uso già in aula

    In ogni corso sull’uso dell’AI in ambito editoriale e professionale, dedico almeno trenta minuti al tema della verifica delle fonti nell’era dei modelli generativi. Il punto non è che l’AI è pericolosa. Il punto è che l’AI è fiduciosa. Non esprime dubbi, non segnala incertezze, non dice “forse”. Scrive in modo assertivo anche quando sbaglia. È la sua caratteristica strutturale, non un difetto correggibile con un aggiornamento. L’unico antidoto è il giornalismo umano: la verifica, la fonte primaria, la telefonata a chi conosce la storia.

    Oggi quella telefonata non c’è stata. Pazienza. Siamo ancora in tempo per la correzione. E io ho almeno guadagnato un esempio in più per i miei corsi.

    P.S. – Se sei un giornalista e vuoi verificare qualcosa che mi riguarda, il numero di telefono è sul sito. Sono disponibile. Preferisco sempre una chiamata a una rettifica.

    /0 Commenti/da