Ogni volta che sento dire che con ChatGPT scrivere una tesi sarà più facile, mi viene in mente Umberto Eco. Non per nostalgia, ma per una ragione molto concreta: in un’epoca in cui gli strumenti generativi accelerano tutto, il metodo conta ancora di più. Eco lo spiegava già molti anni fa in Come si fa una tesi di laurea: una tesi nasce da un argomento preciso, da fonti riconoscibili, da un progetto ordinato e da un’etica del lavoro intellettuale. Oggi non c’è nulla di più moderno di questa impostazione.Il punto, infatti, non è capire se l’intelligenza artificiale si possa usare durante il percorso universitario. La risposta è ovviamente sì. Il punto vero è come usarla. Se la si considera una scorciatoia per evitare fatica, lettura, selezione delle fonti e costruzione del ragionamento, il rischio è produrre testi apparentemente fluidi ma deboli, generici, spesso poco verificabili. Se invece la si tratta come un supporto, un copilota, allora può diventare uno strumento utile anche in un lavoro di ricerca serio.

Il consiglio di Eco che vale ancora oggi: restringere il campo

La lezione forse più importante di Eco è anche la più trascurata: più si restringe il campo, meglio si lavora. Lui preferiva la tesi monografica a quella panoramica, perché un tema troppo vasto espone lo studente alla dispersione, alle omissioni e a una scarsa padronanza del materiale. È un principio che vale ancora di più oggi, in un ambiente digitale dove l’abbondanza delle informazioni rischia di trasformarsi in caos.

Se uno studente digita una domanda generica dentro un chatbot, quasi sempre otterrà una risposta generica. Se invece parte da una domanda ben delimitata, da un corpus chiaro e da un obiettivo definito, allora anche l’AI può aiutarlo a orientarsi meglio. Ecco perché, se dovessi aggiornare Eco al tempo dell’intelligenza artificiale, direi questo: non usare l’AI per allargare il tema, ma per metterlo a fuoco.

Fonti vere, fonti secondarie, output artificiali

Eco insisteva molto sulla distinzione tra fonti primarie e letteratura critica. È una distinzione basilare, ma oggi va integrata con una nuova precisazione: l’output di un sistema di AI non è una fonte. Non lo è mai. Al massimo è un supporto per orientarsi, un modo per formulare ipotesi, una traccia provvisoria di lavoro. Ma tutto ciò che l’intelligenza artificiale suggerisce deve essere controllato, verificato, rintracciato e confermato altrove.

Questo è il nodo centrale anche per chi studia nelle materie umanistiche. In molti pensano che l’AI serva soprattutto per “scrivere”. In realtà può essere più utile prima della scrittura: nel confronto tra testi, nella classificazione degli argomenti, nell’estrazione di temi ricorrenti, nella sintesi preliminare di documenti lunghi. Ma la selezione critica delle fonti resta umana. E resta umana anche la responsabilità intellettuale di ciò che si decide di mettere in pagina.

Il vero problema non è ChatGPT: è l’assenza di metodo

Da tempo mi occupo di digitale e intelligenza artificiale, e continuo a pensare che la tecnologia, da sola, non sia né la soluzione né il problema. Il problema nasce quando manca il controllo, cioè quando manca la competenza. È una convinzione che accompagna il mio lavoro di divulgazione, formazione e consulenza: molte persone temono il digitale perché non lo governano, e questa sensazione di perdita di controllo produce ansia, resistenza e cattive decisioni.

Lo stesso vale per l’università. Non è ChatGPT a peggiorare una tesi. La peggiora l’uso ingenuo di ChatGPT. Non è l’AI a impoverire il pensiero. Lo impoverisce l’idea che pensare sia facoltativo. Per questo considero la scrittura con strumenti generativi una questione prima di tutto culturale: bisogna saper dialogare con questi sistemi, correggerli, guidarli, contestarli. Ed è esattamente il motivo per cui le competenze umanistiche e comunicative contano sempre di più.

Perché gli studenti umanisti non partono svantaggiati

Su questo punto vale la pena essere molto chiari: chi studia filosofia, lettere, storia, sociologia, pedagogia o comunicazione non è affatto tagliato fuori dalla rivoluzione dell’AI. Anzi. Nel mio lavoro sul prompt engineering sostengo da tempo che fare buone domande, definire bene un obiettivo, guidare la macchina e specificare il formato del risultato siano competenze cruciali. E queste sono competenze che hanno molto a che fare con il linguaggio, con l’interpretazione, con il contesto. In altre parole: hanno molto a che fare con la formazione umanistica.

Quando parlo di prompt engineering, non mi riferisco a una formula magica o a un nuovo mestiere per pochi specialisti. Mi riferisco a una nuova alfabetizzazione. Un po’ come saper usare bene un word processor o un foglio elettronico. Nel giro di poco, questi strumenti saranno integrati ovunque. E allora la differenza non la farà chi usa l’AI, ma chi sa usarla meglio degli altri.

Dalla mia tesi su Internet all’AI di oggi

Per me questo discorso ha anche una dimensione personale. Mi sono laureato in Scienze Politiche con una tesi sulle relazioni online, La vita nel ciberspazio come rappresentazione, in cui provavo a leggere il mondo nascente della comunicazione mediata dal computer attraverso gli strumenti della sociologia e, in particolare, attraverso Erving Goffman. Il punto era semplice: di fronte a un fenomeno nuovo, non bisogna buttare via gli strumenti interpretativi precedenti; bisogna usarli bene.

La tesi di laurea di Gianluigi Bonanomi sulla vita nel ciberspazio come rappresentazioneLa mia tesi di laurea del 2001: La vita nel ciberspazio come rappresentazione.

Rileggendo oggi quella stagione, mi sembra che il metodo sia rimasto lo stesso. Anche l’intelligenza artificiale non va affrontata come una magia improvvisa o come un salto nel buio. È il risultato di un percorso lungo decenni, costruito su internet, e-commerce, smartphone, social network e usi sociali della tecnologia. Vederla così aiuta anche gli studenti: non come oracolo, ma come oggetto storico, culturale e professionale da capire.

Masterclass di Gianluigi Bonanomi sull'intelligenza artificiale
Formazione e divulgazione sull’intelligenza artificiale generativa.

Come usare davvero l’intelligenza artificiale per la tesi

Se dovessi dare un consiglio pratico a uno studente che sta lavorando alla tesi, direi di usare l’AI in cinque momenti precisi:

  • per restringere il campo;
  • per trasformare una curiosità vaga in una domanda di ricerca;
  • per confrontare interpretazioni diverse;
  • per sintetizzare materiali già letti;
  • per migliorare la chiarezza espositiva di una bozza già pensata.

La userei molto meno, invece, per generare pagine da incollare così come sono. Per una ragione semplice: la tesi non è un esercizio di riempimento, ma una prova di consapevolezza. Deve mostrare che lo studente sa costruire un percorso, selezionare le fonti, verificare le affermazioni, argomentare in modo credibile e assumersi la responsabilità di ciò che scrive.

Il plagio, oggi, ha solo cambiato faccia

C’è poi un aspetto etico che non si può eludere. Eco era netto sul plagio e sull’onestà intellettuale. Oggi il problema non scompare: cambia forma. Non significa solo copiare da un libro o da un saggio, ma anche consegnare come proprio un testo prodotto in larga parte da una macchina, senza rielaborazione, senza verifica e senza piena comprensione.

La domanda giusta non è “si può usare l’AI per fare la tesi?”, ma: l’AI ti sta aiutando a ragionare meglio o ti sta semplicemente aiutando a fingere di aver ragionato?

È una differenza enorme. Ed è una differenza che riguarda il valore stesso dell’università.

Umberto Eco aveva capito tutto, anche oggi

Alla fine, la vera notizia è che Come si fa una tesi di laurea non è un libro del passato. È un libro che oggi possiamo leggere quasi come una guida anti-caos. In un’epoca in cui tutto è disponibile, accessibile, copiabile e riscrivibile in pochi secondi, Eco ci ricorda che fare ricerca significa ancora scegliere, escludere, ordinare, verificare, citare e pensare.

Se dovessi riassumere la questione in una frase, direi questa: al tempo dell’intelligenza artificiale, una buona tesi di laurea si fa ancora come diceva Umberto Eco, ma con una responsabilità in più. Non basta saper scrivere. Bisogna saper guidare gli strumenti senza farsi guidare da loro.

Vuoi approfondire?

Se sei uno studente, un docente o un professionista della formazione e vuoi capire come studiare, scrivere e lavorare meglio con l’intelligenza artificiale senza rinunciare al pensiero critico, sul mio sito trovi corsi, speech e workshop dedicati all’uso consapevole dell’AI generativa.

Scopri i corsi
Guarda il mio speech sul prompt engineering

 

Nei giorni scorsi sono stato ospite del podcast “La Portineria” di VeryFastPeople per parlare di un tema che mi ronza in testa da mesi: l’intelligenza artificiale applicata alla gestione dei condomini.

Ma facciamo un passo indietro. Se fate gli amministratori sapete benissimo che la categoria, di fronte all’innovazione, tende a spaccarsi in due fazioni nette. Da una parte ci sono gli entusiasti, quelli convinti di poter licenziare tutti e governare i palazzi direttamente da una spiaggia, lasciando fare tutto al computer. Dall’altra troviamo i catastrofisti, barricati dietro a montagne di faldoni e convinti che nessun algoritmo potrà mai risolvere le beghe tra i vicini del terzo piano. E sapete una cosa? Hanno torto entrambi.

Come ripeto spesso durante le mie lezioni e negli eventi sull’AI generativa, l’approccio vincente è un altro: il pragmatismo. Non serve innamorarsi ciecamente della tecnologia, ma sfruttarla per faticare meno. Meno tempo sprecato a fare i passacarte, più tempo per curare le relazioni umane e le vere criticità degli stabili che gestite.

Durante l’intervista ho provato a smontare qualche falso mito. L’errore più comune? Partire dallo strumento invece che dal processo. Mettiamo che vi serva un verbale d’assemblea pulito, senza impazzire a sbobinare voci accavallate in una sala riunioni rumorosa. Invece di buttarvi a capofitto su ChatGPT sperando nei miracoli, usate strumenti come Claude o piccoli registratori hardware per separare le tracce audio, e solo dopo chiedete alla macchina: «prendi questi appunti e fammi il verbale».

Oppure prendiamo il caso dei preventivi. Vi arrivano cinque offerte diverse per rifare una facciata. Invece di girare ai condomini dei mattoni illeggibili, date tutto in pasto a Gemini Notebook (ex NotebookLM) di Google. Grazie a una tecnologia chiamata RAG, questo sistema crea una tabella comparativa citando in modo esatto la fonte di ogni singolo numero. Niente allucinazioni: solo dati concreti e verificabili.

A proposito di libri, in trasmissione ho portato un piccolo colpo di scena: ho preso il mio ultimo manuale sull’intelligenza artificiale per gli amministratori e l’ho trasformato in un chatbot. Esatto: ho dato l’intero volume in pasto a un’AI e l’abbiamo interrogata in diretta, chiedendole di fare un preventivo per uno studio che gestisce dieci condomini e di stilare un piano di adozione tecnologica spalmato su due anni. Ha risposto in modo impeccabile, dimostrando che l’algoritmo non è qui per rubarvi il lavoro, ma per diventarne il miglior facilitatore.

Come insegnava Daniel Kahneman in merito ai pensieri lenti e veloci, stiamo delegando una parte del nostro carico cognitivo. Stiamo letteralmente costruendo un “secondo cervello” per la nostra agenzia. E se volete farvi trovare pronti a livello SEO e GEO sul vostro territorio, ricordatevi che l’AI non sa che lavorate in una provincia specifica finché non glielo insegnate. Il segreto è il contesto: più addestrate i modelli sulle vostre specificità locali e sui vostri storici (magari integrandoli in un buon software CRM), più l’intelligenza artificiale lavorerà per voi, e non viceversa.

Ecco dove rivedere la mia intervista a Mario Moroni:

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

Per chi vuole passare dalla panoramica sugli strumenti AI a un percorso operativo in Microsoft 365, e disponibile il corso Microsoft Copilot per aziende e professionisti.

 

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

Per anni il condominio è stato il regno della carta. Fascicoli impolverati. Verbali lunghi come romanzi russi. Email infinite con allegati chiamati “verbale_definitivo_finale_VERO.pdf”. E soprattutto telefonate. Tante telefonate. Sempre alle 19:47, quando stai per sederti a tavola.

Ora però qualcosa sta cambiando davvero.

Un recente articolo del Corriere della Sera racconta come l’intelligenza artificiale stia entrando anche nella gestione condominiale: manutenzione predittiva, analisi dei consumi, automazione delle richieste, riduzione dei guasti e dei costi.

Tradotto: meno caos, meno sprechi e più tempo per fare lavoro umano. Quello vero.

E no, non significa sostituire l’amministratore con un robot stile Terminator (anche perché molti ascensori dei condomìni italiani fanno già abbastanza paura così).

Il vero salto: dai chatbot agli agenti AI

Nel mio articolo “L’intelligenza artificiale per l’amministratore di condominio” spiegavo una differenza fondamentale: quella tra chatbot e agenti AI.

Il chatbot aspetta una domanda. L’agente AI, invece, agisce. Sembra una sfumatura linguistica, in realtà cambia tutto.

Facciamo un esempio concreto. Un condòmino scrive:

“C’è una perdita d’acqua nel garage del piano -2”.

Un sistema tradizionale apre un ticket. Fine.

Un agente AI evoluto può invece:

  • leggere il messaggio
  • capire che il problema è urgente
  • verificare storico e manutenzioni precedenti
  • individuare il fornitore corretto
  • inviare automaticamente la richiesta di intervento
  • notificare l’amministratore
  • aggiornare i residenti interessati

Il tutto in pochi secondi.

L’amministratore non sparisce: cambia ruolo.

Passa dall’essere un gestore operativo sommerso da micro-problemi a un supervisore strategico.

È un po’ quello che è successo ai piloti degli aerei moderni: oggi non controllano ogni vite del velivolo, ma governano sistemi molto più complessi grazie all’automazione. E sinceramente preferisco un comandante che supervisiona bene, piuttosto che uno che compila moduli Excel mentre l’aereo perde quota.

Il condominio come organismo intelligente

La parte interessante è che il condominio sta diventando una sorta di “organismo digitale”.

Sensori IoT, telecamere intelligenti, contatori smart e software gestionali iniziano a dialogare tra loro. L’AI analizza dati continui e individua anomalie prima che diventino emergenze.

Questa è la vera rivoluzione: la manutenzione predittiva.

Non aspetti più il guasto. Lo previeni.

È la differenza tra andare dal dentista per un controllo o aspettare che ti esploda un molare il 14 agosto.

Secondo molte analisi di settore, gran parte dei costi straordinari nasce proprio dalla mancata prevenzione. Intervenire prima significa spendere meno. E litigare meno in assemblea (che forse è il vero miracolo tecnologico).

Attenzione però: non delegare il cervello alla macchina

Qui però arriva la parte meno glamour.

L’AI non è magica. E soprattutto non è neutrale.

Nel testo che ho scritto sul tema sottolineavo un concetto centrale: il modello corretto è quello “human in the loop”.

Tradotto: l’essere umano deve restare dentro il processo decisionale.

Perché un agente AI può anche sbagliare:

  • classificare male un’emergenza
  • inviare una comunicazione ambigua
  • scegliere il fornitore sbagliato
  • interpretare male una richiesta

E nel mondo reale gli errori costano soldi. Ma soprattutto fiducia.

L’AI Act europeo va proprio in questa direzione: usare l’automazione sì, ma con responsabilità umana.

È un tema che mi sta particolarmente a cuore. Da anni mi occupo di educazione digitale e AI consapevole. Non credo negli approcci apocalittici (“l’AI ci distruggerà tutti”) ma nemmeno nel tecnottimismo ingenuo da televendita anni Novanta.

La tecnologia è una leva. Dipende da come la usi.

Il problema vero non è la tecnologia. È la cultura digitale

Molti amministratori pensano ancora:

“Queste cose non servono al mio studio”.

È lo stesso errore che tante aziende hanno fatto con i social, con il cloud, con LinkedIn o con lo smart working.

Poi improvvisamente il mercato cambia. E recuperare diventa più difficile.

La buona notizia è che oggi creare strumenti AI personalizzati non richiede competenze da programmatore della NASA (o da hacker dei film americani con 14 monitor accesi).

Con piattaforme come ChatGPT, Gemini o Copilot puoi costruire assistenti specializzati anche senza scrivere codice.

La vera competenza del futuro non sarà programmare.

Sarà fare domande intelligenti.

Ovvero: progettare buoni prompt, verificare i risultati, capire limiti e opportunità degli strumenti.

In altre parole: usare il cervello prima della tastiera. Che resta una skill sorprendentemente rara nel 2026.

Non è una rivoluzione futura. È già presente

La cosa più interessante dell’articolo del Corriere è proprio questa: l’AI in condominio non è più teoria.

È già operativa.

Magari in forma embrionale. Magari solo nei contesti più evoluti. Ma il processo è iniziato.

E quando una trasformazione tecnologica entra in un settore storicamente lento come quello condominiale, significa che siamo già oltre la fase hype.

Siamo nella fase concreta.

Quella dove chi sperimenta oggi costruisce vantaggio competitivo domani.

Una risorsa utile per approfondire

Se il tema ti interessa, ti consiglio di scaricare gratuitamente il libro realizzato da VeryFastPeople dedicato al nuovo condominio digitale.

Perché l’AI non risolverà tutte le riunioni infinite di condominio (temo che nemmeno OpenAI abbia questa potenza computazionale).

Ma può sicuramente ridurre caos, inefficienze e sprechi.

E già questo, nel mondo immobiliare italiano, assomiglia parecchio a una rivoluzione.

Dalla gestione delle assemblee ai verbali automatici, fino agli agenti AI: ecco cosa è emerso durante il convegno ANACI Treviso dedicato all’intelligenza artificake che si è tenuto il 15 maggio 2026 presso Infinite Area di Montebelluna (TV).

“L’IA entra in condominio”, una giornata dedicata agli strumenti pratici per amministrare gli immobili del futuro.

Durante l’evento si è parlato di chatbot, automazioni, cybersecurity, verbali automatici, analisi documentale e agenti AI. Il focus non era la fantascienza, ma l’uso concreto dell’intelligenza artificiale nella quotidianità degli studi di amministrazione condominiale.

Tra i relatori anche Gianluigi Bonanomi, giornalista hi-tech, formatore e docente di Net Marketing e AI generativa, che ha mostrato casi reali di applicazione dell’AI nel lavoro degli amministratori.

L’IA entra in condominio: il riassunto dello speech

Quando mi chiedono che lavoro faccio, ogni tanto faccio fatica a rispondere in modo semplice. Mi occupo di digitale da così tanto tempo che, quando ho iniziato, Google non esisteva ancora. Sul serio: Google è nato nel 1998. Io in quegli anni raccontavo già tecnologia, prima come giornalista e poi come formatore.

Ho avuto la fortuna di vedere nascere tutte le grandi rivoluzioni digitali degli ultimi venticinque anni: Internet, l’e-commerce, i social network, gli smartphone, il cloud, il metaverso e oggi l’intelligenza artificiale.

Ed è proprio sull’intelligenza artificiale che oggi c’è più disorientamento.

Con Internet, tutto sommato, abbiamo capito abbastanza in fretta cosa stava succedendo. Prima mandavi lettere, poi le email. Prima distribuivi volantini, poi aprivi un sito web. Prima andavi in negozio, poi arrivava Amazon.

L’intelligenza artificiale invece è diversa. Perché dà la sensazione di essere “umana”.

Il momento simbolico di questa rivoluzione è stato il 30 novembre 2022: il giorno in cui OpenAI ha lanciato ChatGPT. Senza grandi campagne pubblicitarie. Non servivano. Bastava che qualcuno iniziasse a usarlo perché diventasse virale.

Ricordo ancora la prima volta che l’ho provato. In rete girava già una battuta: “È finita, non faremo più i compiti”. Perché gli usi pratici le persone li capiscono subito.

Il punto però non è che l’AI pensa davvero come un essere umano. Funziona in modo molto diverso. ChatGPT, tecnicamente, calcola la probabilità della parola successiva. È un gigantesco sistema statistico.

Eppure, se ci pensi bene, anche noi esseri umani facciamo qualcosa di simile.

Quando dico: “Garibaldi fu…”, quasi tutti rispondono “ferito”. Non perché abbiate analizzato razionalmente tutte le possibilità storiche, ma perché il cervello fa un’associazione probabilistica basata sull’esperienza.

La differenza vera è che noi abbiamo emozioni, un corpo, esperienze fisiche. L’intelligenza artificiale simula emozioni, ma non le prova.

Per questo non dobbiamo avere un approccio apocalittico. L’AI non è un mostro che prenderà il controllo del mondo. È uno strumento.

E come tutti gli strumenti, dipende da come lo usiamo.

Io non credo che l’intelligenza artificiale sostituirà gli amministratori di condominio. Anzi. Credo che possa liberare tempo prezioso da tutte quelle attività ripetitive e burocratiche che oggi vi portano via energie inutilmente.

Pensiamo ai verbali di assemblea. Oggi puoi registrare una riunione e ottenere automaticamente una trascrizione organizzata e strutturata. Questo non elimina il vostro lavoro. Vi permette di dedicarvi alla parte davvero importante: le relazioni, la mediazione, il problem solving.

Perché il vostro mestiere non è compilare moduli. Il vostro mestiere è gestire persone.

Ed è proprio qui che entra in gioco la vera opportunità.

L’AI può aiutarvi a:

  • compilare automaticamente documenti e moduli;
  • confrontare preventivi;
  • tradurre comunicazioni in più lingue;
  • analizzare contratti e sentenze;
  • creare verbali;
  • gestire email;
  • organizzare documentazione;
  • riassumere riunioni;
  • produrre infografiche e video esplicativi.

Oggi esistono strumenti incredibili. Alcuni sono quasi gratuiti.

Uno dei più potenti, secondo me, è Gemini Notebook (ex NotebookLM) di Google. Perché non si limita a “inventare” risposte: lavora sui documenti che caricate voi e vi mostra sempre la fonte esatta da cui prende le informazioni.

Questo cambia tutto.

Vuol dire poter caricare:

  • regolamenti condominiali;
  • bilanci;
  • contratti;
  • scansioni;
  • verbali;
  • preventivi;
  • planimetrie.

E interrogare l’intero archivio in linguaggio naturale.

Posso chiedere:
“Qual è il colore autorizzato per le tende?”
oppure:
“Quale preventivo include due pulizie settimanali?”

E ottenere la risposta immediata con il riferimento preciso al documento originale.

La vera rivoluzione però non sono più i chatbot.

Siamo già entrati nell’era degli agenti AI.

Un chatbot risponde alle domande. Un agente agisce.

Può cercare informazioni, navigare siti web, compilare moduli, organizzare dati, fare acquisti, prenotazioni, confronti.

Ho visto agenti AI:

  • compilare bandi pubblici;
  • cercare clienti;
  • analizzare immobili;
  • sistemare problemi grafici su siti web;
  • fare spesa online autonomamente.

E siamo solo all’inizio.

Questo non significa che l’essere umano sparirà. Significa che cambierà il valore del lavoro umano.

Le attività meccaniche verranno compresse. Quelle relazionali diventeranno ancora più importanti.

Per questo continuo a ripetere una frase che secondo me sintetizza perfettamente il momento che stiamo vivendo: non è l’intelligenza artificiale che ti ruba il lavoro. È qualcuno che la sa usare meglio di te.

Le slide del mio intervento

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

Uso un’app per trascrivere le riunioni online.

– Non si sente.
– Hai il microfono spento (mimando).
– Ma mi vedete?
– Sfocato.
– Ho esagerato con la sfumatura dello sfondo. E adesso?
– Ti sentiamo ma non ti vediamo più.
– Adesso mi sentite?
– Male, ma purtroppo sì.
– C’è un ritorno audio, voi due che siete nella stessa stanza, fate qualcosa perdio, che già c’ho il mal di testa.
– Chi sta digitando come un fabbro medievale? Spegnete i microfoni.
– Accendete le telecamere.
– Scusate, non posso accendere la telecamera perché sono in smart e mio marito è in mutande.
– Ora mi sentite?
– Scrivi in chat.
– Non posso scrivere in chat, è bloccata.
– Scusate, ero in muto e parlavo da cinque minuti. Devo ripetere tutto daccapo?
– Condividi lo schermo.
– Non ho il tasto condivisione.
– È vicino al tasto del microfono.
– Non ho il tasto del microfono.
– È vicino al tasto della telecamera.
– Non vedo più niente, aiuto, mi è sparito Teams.
– Aspettiamo altri due minuti che arrivino tutti.
– Qualcuno chiama Marco per dirgli che la call è iniziata?
– Marco non c’è, è andato via. Ah ah ah.
– Ma se l’ho visto alla macchinetta del caffè! Aspe’ che provo a chiamarlo sul cell.
[si sente un cellulare squillare]
Marco risponde: “Pronto, scusa, sono in una call, posso richiamarti?”
– Ora mi sentite? Ho cambiato le cuffie.
– Ti sentiamo, ma come fai a essere qui se non ti avevamo invitato alla riunione?
– Non è la riunione delle 16?
– Sono le 10 del mattino, vedi tu.
– Bene, direi che possiamo chiudere qui. Vi mando il link per la prossima call che inizia tra due minuti.

Durata della call: 1 ora e 47 minuti.

Dimmi la verità: quanti token consumi al giorno con l’AI?

Se la risposta è “non lo so”, ecco il primo allarme della nuova puntata dei Garagisti Tech che Gianluca Testa appena pubblicato. Perché nella Silicon Valley ormai non è più una domanda tecnica. È diventata una competizione interna.

E mentre i giganti dell’AI si fanno guerra sui consumi, in Europa entra in vigore il primo regolamento globale sull’intelligenza artificiale. Che fine farà l’Italia in questa partita?

Il Garage si sporca le mani

Il format è sempre lo stesso: tre ospiti, una puntata, una sfida settimanale. Stavolta c’era, con me, Alessandro Curioni (esperto di cybersecurity), oltre ovviamente a Gianluca Testa, l’host che tiene insieme i pezzi come un direttore d’orchestra. L’obiettivo rimane uno: portare a casa tre o quattro bulloni concreti da usare subito. Niente lezioni accademiche, solo spunti operativi.

I sette temi della settimana

1. Tokenmaxxing — La gara a chi brucia più AI

Iniziamo con la follia vera. A Meta, tra gli 85.000 dipendenti, esiste una classifica interna di consumo. Il primo ha bruciato 281 miliardi di token in un mese. Sì, miliardi.

Jensen Huang di Nvidia ha detto una cosa che vi farà venire la pelle d’oca: un ingegnere che guadagna 500.000 dollari l’anno e non consuma token gli fa venire i brividi. Tradotto: se non usi AI in modo massivo, stai cazzeggiando.

La domanda che nessuno pone: dove si contabilizza questo costo? Nelle spese di R&D? Nel budget di prodotto? E soprattutto: i prezzi dell’AI seguiranno la stessa curva dei social network (crollo drammatico dopo il boom)? O rimarranno stratosferici?

Ecco come funziona nella pratica. Un token è l’unità base di computazione. Una parola in inglese ≈ 1-2 token. Una frase intera ≈ 10-20 token. Se un’azienda esegue milioni di prompt al giorno per ottimizzare processi, ricerca, training interno… i numeri esplodono. E il costo con loro.

2. Claude Mythos — Il modello che spaventa la cybersecurity

Qui mi tocca essere franco (anche se potrebbe sembrar di parte): il nuovo modello di Anthropic rappresenta un salto qualitativo non marginale.

Nel contesto della cybersecurity, il salto che Anthropic ha fatto col nuovo Claude è significativo. In alcuni scenari, si avvicina pericolosamente a quello che definiamo come “assaggio di AGI“ — cioè a comportamenti che non sono più prevedibili e controllabili con i metodi tradizionali.

Non è solo una questione di capacità brute (numero di token processati). È la qualità del ragionamento e la capacità di affrontare problemi mai visti prima.

Cosa significa nella pratica? Che gli analisti di cybersecurity devono ricalibrare i loro modelli di difesa. La sicurezza basata su “pattern matching” è già morta (lo era da prima). Ora serve sicurezza predittiva. Cioè: anticipare il pericolo prima ancora che si manifesti.

3. Palantir — +85% di ricavi. L’AI al servizio del potere

Ecco un dato che ti fa sedere.

1,63 miliardi di dollari di ricavi nel primo trimestre 2026. La società di Peter Thiel ha trovato la sua miniera d’oro nei corridoi del potere. Non nella Silicon Valley dei sogni. Nei bunker della difesa, dell’intelligence, del controllo.

L’AI per il controllo è già realtà. Non teoria. Non fantascienza. È il prodotto che vende più di tutti gli altri messi insieme.

È una riflessione che non piace a molti (soprattutto nei circoli startup che ancora credono all’AI come “forza del bene”). Ma è la verità nuda e cruda.

4. AI in Sanità — La corsa più importante

Qui c’è il tema che mi sta più a cuore: OpenAI, Anthropic, Google, Amazon, Perplexity. Tutti muoviamo insieme verso la salute digitale. Strade diverse, stessa direzione.

La sanità è il prossimo grande mercato dell’AI. Diagnosi assistite, previsione di patologie, ottimizzazione dei percorsi terapeutici.

Ma quale è il rischio? Che il modello medico occidentale (ancora troppo incentrato su dati storici, su casistiche localizzate) si scontri con sistemi AI addestrati su dataset globali senza contesti locali. Un algoritmo che funziona per la cardiologia in Silicon Valley potrebbe essere inadeguato per un paziente in Calabria.

5. Meta-Manus: il deal bloccato da Pechino

La Cina ha fermato l’integrazione di Manus in Meta. Non permessi. Fine della storia.

È la guerra tecnologica USA-Cina che si combatte ormai anche sul fronte degli agenti intelligenti. Chi controlla gli agent AI controlla il flusso di informazioni e decisioni del domani.

6. EU AI Act — Dal 2 agosto 2026 è legge

Questa è la notizia che vi dovrebbe tenere svegli di notte (se siete in azienda, ovviamente).

Il primo regolamento globale sull’AI entra in vigore. Sanzioni fino a 35 milioni di euro o il 7% del fatturato globale, a seconda di quale sia maggiore.

Le aziende italiane sono pronte? Spoiler: la maggior parte non sa nemmeno da dove vengono i dati che usa. Non sa tracciare il lineage dei propri modelli. Non ha governance on AI.

Questo non è un problema “fra tre anni”. È un problema adesso.

7. Polymarket — Quando la verità diventa una scommessa

400 milioni di dollari al giorno scommessi su guerre, elezioni, catastrofi naturali. La piattaforma su blockchain che ha “previsto” l’esito delle elezioni USA prima dei media tradizionali.

Strumento di informazione onesto oppure il più grande clickbait finanziario della storia?

Ecco il bullone della puntata: i mercati predittivi non sostituiscono l’analisi. Ma dove i soldi veri incontrano le previsioni, il segnale è spesso più onesto del consenso mediatico. Perché puoi mentire in TV. Non puoi mentire quando rischi denaro vero.

Guarda la puntata completa

Tutta la conversazione completa — gli approfondimenti, le battute, i momenti di scontro costruttivo tra noi tre — è su YouTube:

Cosa puoi fare adesso

  • Se lavori in azienda con un team tech: guarda il pezzo su AI Act e poi convoca il vostro DPO. Non rimandare.
  • Se usi Claude o altra AI quotidianamente: inizia a monitorare il tuo consumo di token. È il primo segnale di come stai usando lo strumento.
  • Se lavori in sanità, sicurezza o difesa: il pezzo su Palantir e Claude Mythos ti riguarda. Davvero.

Ti è piaciuto? Dimmi nei commenti: quale argomento ti ha sorpreso di più? Pensi che l’Italia sia pronta per l’AI Act? Hai già testato gli agenti intelligenti?

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

C’è una scena che si ripete continuamente nelle aziende italiane.

Qualcuno apre ChatGPT, incolla un documento, fa una domanda e ottiene una risposta brillante in pochi secondi. Magia? Non proprio. Dietro c’è qualcosa di molto più interessante: la trasformazione delle informazioni pubbliche in conoscenza operativa.

Ed è esattamente da qui che parte Il nuovo petrolio (online). OSINT e intelligenza artificiale: a caccia di dati pubblici nell’era dei chatbot, libro che ho scritto con Gianluca Boccacci, ethical hacker e presidente dei CyberActors. Nel testo si trova anche la prefazione di Francesco Ceraso, Head of Security Cyber Intelligence di Eni S.p.A.

Il punto centrale del volume è semplice, ma spesso sottovalutato: oggi il vero valore non sta solo nei dati. Sta nella capacità di raccoglierli, interpretarli, collegarli e usarli strategicamente.

Che cos’è davvero l’OSINT

OSINT significa Open Source Intelligence, cioè intelligence da fonti aperte. Non è hacking. Non è cyber-spionaggio cinematografico. E non significa nemmeno “cercare su Google”.

Il libro, che ho deciso di realizzare anche come supporto dei miei corsi per lo IAI, chiarisce bene un aspetto fondamentale: l’OSINT è un processo sistematico di raccolta, organizzazione e analisi delle informazioni pubbliche.

Le fonti possono essere:

  • siti web aziendali
  • social network
  • documenti pubblici
  • registri online
  • articoli di giornale
  • report finanziari
  • forum
  • repository tecnici
  • immagini satellitari
  • database aperti

La differenza la fa il metodo.

Perché il problema contemporaneo non è trovare informazioni. È orientarsi nel rumore.

L’intelligenza artificiale cambia completamente il gioco

Uno dei passaggi più interessanti del libro riguarda il rapporto tra OSINT e AI generativa.

Fino a pochi anni fa, raccogliere e correlare informazioni richiedeva tempo, competenze tecniche e una notevole capacità analitica. Oggi i modelli linguistici possono:

  • sintetizzare migliaia di documenti
  • individuare pattern
  • confrontare dati
  • trovare incongruenze
  • estrarre insight
  • costruire timeline
  • analizzare sentiment online

In pratica, l’intelligenza artificiale rende interrogabile il caos digitale.

Il testo insiste molto su questo punto: l’AI non sostituisce il ragionamento umano, ma amplifica enormemente la capacità di lavorare sulle informazioni.

Ed è qui che il libro evita sia l’entusiasmo ingenuo sia il catastrofismo da fantascienza.

Il vero rischio? La superficialità digitale

C’è un aspetto che emerge chiaramente leggendo il volume: molte vulnerabilità non derivano da attacchi sofisticati, ma da leggerezze quotidiane.

Un PDF con metadati dimenticati.
Un badge visibile in una foto.
Un post LinkedIn troppo dettagliato.
Una presentazione caricata online senza attenzione.
Un annuncio di lavoro che rivela strategie aziendali.

Singolarmente sembrano dettagli irrilevanti. Insieme costruiscono mappe informative potentissime.

Il libro mostra bene come l’OSINT sia ormai centrale non solo nella cybersecurity, ma anche nel marketing, nella ricerca accademica, nella business intelligence e nella gestione della reputazione.

Dalle aziende alle università: l’OSINT è ovunque

Uno degli aspetti più riusciti del testo è l’approccio pragmatico.

Non si limita alla teoria. Mostra applicazioni concrete:

  • monitoraggio dei competitor
  • analisi del sentiment
  • valutazione di nuovi mercati
  • verifica delle fonti
  • ricerca accademica
  • intelligence economica
  • contrasto alla disinformazione

Interessante anche la parte dedicata al Retrieval-Augmented Generation (RAG), cioè i sistemi che permettono ai chatbot di interrogare documenti aziendali, PDF e knowledge base interne per ridurre le allucinazioni dell’AI.

Tradotto: non più chatbot che “inventano”, ma strumenti che ragionano sui documenti reali dell’organizzazione.

È un passaggio cruciale per capire dove sta andando davvero l’intelligenza artificiale nelle aziende.

Il libro affronta anche i lati scomodi

Ed è forse la parte più interessante.

Perché il volume non vende una visione utopica dell’AI. Affronta temi delicati:

  • privacy
  • identità digitali false
  • limiti legali dell’OSINT
  • disinformazione
  • deepfake
  • rischi etici
  • allucinazioni dei modelli linguistici

La prefazione di Francesco Ceraso, tra l’altro membro del Comitato Scientifico Clusit, è particolarmente efficace nel mostrare quanto il confine tra attività lecita e rischio legale possa diventare sottile in alcuni contesti investigativi digitali.

È un approccio maturo, raro in un panorama dove spesso si oscilla tra marketing tecnologico e allarmismo.

Perché questo libro arriva nel momento giusto

Negli ultimi mesi l’AI generativa è uscita dai laboratori ed è entrata nella quotidianità di aziende, professionisti e studenti.

Ma molte organizzazioni stanno ancora usando questi strumenti in modo superficiale:

  • senza cultura del dato
  • senza governance
  • senza verificare le fonti
  • senza comprendere i rischi informativi

Ed è qui che l’OSINT diventa strategico.

Perché insegna una competenza fondamentale dell’era AI: trasformare dati dispersi in conoscenza utile.

Non basta più “fare una domanda a ChatGPT”. Serve capire:

  • quali informazioni usare
  • da dove arrivano
  • quanto sono affidabili
  • come contestualizzarle
  • come verificare eventuali errori

In altre parole: il vero vantaggio competitivo non sarà avere accesso all’AI. Sarà saperla usare con metodo e spirito critico.

Il nuovo petrolio (online) prova a fare proprio questo: spiegare come orientarsi nel nuovo ecosistema informativo dove OSINT, chatbot e intelligenza artificiale stanno ridefinendo il concetto stesso di conoscenza digitale.

 

Me lo chiedono spesso, durante i corsi e le conferenze sull’intelligenza artificiale. Mentre ancora si chiacchiera alla fine della sessione, qualcuno si avvicina e mi fa la domanda vera: “Ma tutta questa roba tecnica – i token, gli embedding, il fine-tuning – devo davvero capirla?”. La risposta breve è: no, non devi diventare un ingegnere. Ma sì, capire cosa c’è sotto ti cambia il modo di usare questi strumenti. Ti rende più efficace, più consapevole.

Ho selezionato i 10 concetti che tornano sempre nelle mie formazioni sull’AI generativa: quelli che generano più confusione, ma anche più soddisfazione quando si capiscono davvero.

1. Token e Tokenizzazione: il segreto che ChatGPT non dice al primo incontro

Quando scrivi un prompt, il modello non legge parole. Legge token: frammenti di testo che possono essere parole intere, parti di parola, o persino singoli caratteri. La parola “Intelligenza” potrebbe diventare tre o quattro token diversi.

Perché conta? Perché i modelli hanno un limite di token per conversazione (il cosiddetto context window), e perché il costo delle API si calcola in token. Ma soprattutto perché capire la tokenizzazione aiuta a costruire prompt migliori: parole rare, termini tecnici o nomi stranieri vengono “sminuzzati” in più token, e questo può influenzare la qualità della risposta.

In pratica: più il tuo linguaggio è preciso e comune, meglio il modello ti capisce.

2. Attention Mechanism e Transformer: cosa fa davvero la macchina quando “pensa”

L’architettura Transformer è la base di quasi tutti i modelli linguistici moderni – da GPT a Gemini, da Claude a Mistral. Il suo cuore è il meccanismo di attention (attenzione): la capacità del modello di valutare quali parole di un testo sono più rilevanti rispetto alle altre, in modo dinamico e contestuale.

Quando scrivi “ho lasciato le chiavi sulla tavola”, il modello capisce che tavola indica un tavolo e non una tavola tecnica, perché interpreta il contesto dato da “chiavi” e “lasciato”. Non applica regole grammaticali rigide: valuta le probabilità basandosi su schemi appresi durante l’addestramento.

È questo che rende i transformer così potenti – e così diversi dai sistemi basati su regole che li hanno preceduti.

3. Fine-Tuning e Transfer Learning: trasferire intelligenza da un dominio all’altro

Un modello base come GPT-5 è stato addestrato su enormi quantità di testo generico. Ma se un’azienda vuole un assistente specializzato nel diritto del lavoro, o un medico vuole un modello che parli il linguaggio della clinica, si fa il fine-tuning: si “aggiusta” il modello pre-addestrato su dati specifici del dominio.

Il Transfer Learning è il principio più ampio: si prende l’intelligenza acquisita in un contesto (milioni di pagine web) e la si trasferisce in un altro (contratti, cartelle cliniche, normative fiscali). È quello che rende possibile creare modelli specializzati senza partire da zero – il che richiederebbe risorse computazionali e finanziarie fuori dalla portata di chiunque.

Nelle mie formazioni, questo è il concetto che più interessa ai team IT: quando conviene fare fine-tuning, e quando è meglio usare un approccio diverso come il RAG (lo vediamo al punto 8).

4. Hallucination: quando la macchina mente con molta fiducia

Le allucinazioni sono forse il problema più noto dell’AI generativa – e il più frainteso. Il modello non “mente” nel senso umano del termine: non ha intenzione di ingannarti. Semplicemente, genera la sequenza di token statisticamente più probabile, anche quando quella sequenza corrisponde a informazioni false.

Il risultato sono risposte plausibili ma errate: citazioni di articoli che non esistono, date storiche sbagliate, nomi di persone inventati. Il modello le propone con lo stesso tono sicuro con cui ti direbbe il nome della capitale della Francia.

Questo è il motivo per cui non si usa l’AI come fonte primaria senza verifica. Ed è anche il motivo per cui capire le allucinazioni non serve a smettere di usare l’AI: serve a usarla nel modo giusto.

5. Temperature: la fisica del non-determinismo

Hai mai notato che lo stesso prompt, fatto più volte, produce risposte diverse? Non è un bug. È la temperature (temperatura): un parametro che regola quanto il modello è “creativo” o “deterministico” nelle sue scelte.

Temperature alta (vicino a 2): il modello sceglie token meno probabili, produce risposte più varie, creative, imprevedibili. Temperature bassa (vicino a 0): il modello sceglie quasi sempre il token più probabile, produce risposte più prevedibili, precise, ripetibili.

Nelle applicazioni professionali – analisi legali, revisioni contabili, assistenza medica – si preferisce temperatura bassa. Nelle applicazioni creative – brainstorming, scrittura, ideazione – si lavora con temperatura più alta. Scegliere consapevolmente questo parametro può fare una differenza enorme nei risultati.

6. Embedding: la geometria dei significati

Gli embedding sono rappresentazioni numeriche del significato. Ogni parola, frase o documento viene trasformato in un vettore – un punto nello spazio matematico – in modo che concetti semanticamente vicini siano anche geometricamente vicini.

L’esempio classico: nello spazio degli embedding, “re” – “uomo” + “donna” = “regina”. Non è magia: è geometria dei significati. È questo che permette ai motori di ricerca semantici di capire che “auto” e “automobile” sono sinonimi, o che una domanda su “come si cura il raffreddore” è pertinente rispetto a un documento che parla di “rimedi per i sintomi influenzali”.

Gli embedding sono alla base di molte applicazioni pratiche dell’AI nelle aziende: ricerca documentale, classificazione automatica, sistemi di raccomandazione.

7. Chain of Thought Prompting: insegnare alla macchina a ragionare passo per passo

I modelli linguistici fanno errori nei ragionamenti complessi se gli si chiede direttamente la risposta finale. Ma se li si invita a “pensare ad alta voce” – a esplicitare i passaggi intermedi – le performance migliorano significativamente.

Questa tecnica si chiama Chain of Thought (CoT): invece di chiedere “Quanto fa 347 × 28?”, si chiede “Risolvi passo per passo: prima calcola le centinaia, poi le decine, poi le unità”. Il risultato è molto più accurato.

Applicato al mondo professionale: nei prompt per analisi complesse, revisioni di documenti o valutazioni strategiche, chiedere al modello di esplicitare il ragionamento riduce gli errori e rende il processo verificabile. È uno dei consigli pratici che porto sempre nelle mie sessioni di formazione sul prompt engineering.

8. RAG – Retrieval Augmented Generation: quando la macchina va a cercare (e non allucina)

Il RAG è la soluzione più elegante al problema delle allucinazioni per applicazioni aziendali. Invece di chiedere al modello di “ricordare” informazioni apprese durante il training (che potrebbero essere obsolete o errate), si costruisce un sistema che recupera i documenti pertinenti da una base di conoscenza verificata, e li fornisce al modello come contesto prima della risposta.

In pratica: vuoi un chatbot che risponda solo in base ai tuoi manuali interni, ai tuoi contratti, alle tue policy aziendali? Non fai fine-tuning. Fai RAG. Il modello legge i tuoi documenti in tempo reale e risponde basandosi su quelli.

Il RAG è oggi la tecnologia più richiesta nelle implementazioni enterprise di AI. L’ho visto applicare con grande efficacia in aziende di tutti i tipi, dalla manifattura ai servizi professionali. Per esempio, Gemini Notebook (ex NotebookLM) è considerato un ottimo strumento RAG.

9. Bias in AI Generativa: le discriminazioni che insegniamo senza volerlo

I modelli imparano dai dati. E i dati umani contengono bias: stereotipi di genere, pregiudizi culturali, squilibri di rappresentazione. Il risultato è che un modello addestrato su testi scritti prevalentemente da uomini occidentali tende a riprodurre e amplificare quella prospettiva.

I bias nell’AI non sono un problema teorico o futuristico: si manifestano oggi, nei sistemi di selezione del personale che favoriscono certi profili, nei traduttori automatici che assegnano generi grammaticali basandosi su stereotipi, nei motori di ricerca che mostrano certi volti per certe query.

Capire i bias non significa rinunciare all’AI. Significa scegliere strumenti più equi, progettare sistemi più consapevoli, e sapere quando i risultati di un modello vanno verificati con un occhio critico. È il tema che, nelle mie conferenze, genera sempre il dibattito più ricco.

10. Scaling Laws e il Cinese della Stanza: perché i modelli grandi sono più intelligenti (forse)

Le Scaling Laws descrivono una relazione empirica sorprendente: aumentando le dimensioni del modello (numero di parametri), la quantità di dati di training e la potenza computazionale, le performance migliorano in modo prevedibile e consistente. Questo ha guidato la corsa ai modelli sempre più grandi degli ultimi anni.

Ma qui entra in scena il Cinese della Stanza di John Searle: un celebre esperimento mentale che mette in discussione se questi sistemi “capiscano” davvero, o se stiano solo manipolando simboli secondo regole, senza alcuna comprensione reale. Una persona chiusa in una stanza con un manuale per rispondere in cinese sembra capire il cinese – ma non lo capisce affatto.

La questione non è risolta. E forse non lo sarà a breve. Ma è la domanda più importante che possiamo porci mentre questi sistemi diventano sempre più pervasivi: cosa significa davvero “intelligenza”?

Conoscere questi concetti non ti trasforma in uno scienziato. Ti trasforma in una persona che capisce cosa sta usando.

Non serve una laurea in informatica per usare bene l’AI generativa. Serve quella forma di curiosità consapevole che ti fa chiedere: come funziona davvero? Perché risponde così? Cosa non mi sta dicendo?

Nei miei corsi e conferenze sull’intelligenza artificiale – che tengo per aziende, scuole, associazioni di categoria e professionisti in tutta Italia – parto sempre da questi fondamentali. Perché chi capisce i meccanismi di base usa l’AI in modo più efficace, più critico, e con meno paura.

Se vuoi portare questa formazione nella tua organizzazione, scrivimi o contattami su WhatsApp al 339.6325418.

Domande frequenti sull’AI generativa e i suoi concetti chiave

Cosa sono i token nell’AI generativa?

I token sono le unità base con cui i modelli linguistici elaborano il testo. Non corrispondono necessariamente alle parole: una parola lunga o rara può essere suddivisa in più token. La tokenizzazione influenza la qualità delle risposte e il costo delle API.

Cos’è un’allucinazione nell’intelligenza artificiale?

Un’allucinazione è una risposta generata dal modello che appare plausibile ma contiene informazioni false. Il modello non “mente” intenzionalmente: produce la sequenza di token statisticamente più probabile, anche se errata. Per questo è essenziale verificare sempre le informazioni critiche.

Cosa significa RAG nell’AI?

RAG sta per Retrieval Augmented Generation. È una tecnica che combina la generazione linguistica con il recupero di documenti da una base di conoscenza verificata. Riduce le allucinazioni e permette di creare assistenti AI basati su documenti specifici dell’azienda o del dominio.

Cos’è la temperature nei modelli linguistici?

La temperature è un parametro che controlla la variabilità delle risposte. Con temperature alta le risposte sono più creative e imprevedibili; con temperature bassa sono più precise e deterministiche. Scegliere il valore giusto dipende dall’applicazione: creatività o precisione.

Dove posso seguire una formazione sull’AI generativa in Lombardia?

Tengo corsi e conferenze sull’intelligenza artificiale generativa per aziende, scuole e professionisti a Milano, Bergamo, Brescia e in tutta Italia. Per organizzare un evento formativo, è possibile contattarmi tramite il sito o WhatsApp al 339.6325418.

Ogni anno ricevo decine di richieste da responsabili HR, direttori marketing, organizzatori di eventi aziendali e responsabili della formazione con la stessa domanda: “Possiamo organizzare uno speech sull’intelligenza artificiale per i nostri dipendenti o per il nostro evento aziendale?” La risposta è sempre sì — ma il come fa tutta la differenza. In questo articolo racconto cosa serve per organizzare uno speech sull’AI in azienda che funzioni davvero, basandomi sulla mia esperienza diretta in centinaia di interventi per imprese di ogni dimensione.

Perché le aziende italiane organizzano speech sull’intelligenza artificiale

Il motivo principale non è la moda del momento. Le aziende che investono in uno speech sull’AI per i propri dipendenti o clienti lo fanno per ragioni molto concrete:
  • Ridurre la resistenza al cambiamento. Molti lavoratori guardano con diffidenza o paura all’AI. Un intervento ben costruito aiuta a trasformare l’ansia in curiosità e la curiosità in competenza.
  • Allineare il team su un linguaggio comune. Quando in azienda c’è chi usa ChatGPT ogni giorno e chi non sa cosa sia, la comunicazione interna soffre. Uno speech crea una base condivisa.
  • Aprire convention e giornate di formazione con un tema attuale. L’AI è il miglior argomento per tenere alta l’attenzione sin dall’inizio di un evento.
  • Rispondere a una domanda dei clienti o dei soci. Associazioni di categoria, ordini professionali, cooperative: i loro iscritti chiedono di capire l’AI. Lo speech è la risposta più efficace a quella domanda.

Quali tipologie di aziende richiedono uno speech sull’AI

Nel corso degli anni ho tenuto interventi sull’intelligenza artificiale per aziende e organizzazioni di ogni tipo. Ogni contesto ha le sue specifiche:

Grandi aziende e multinazionali

Le grandi imprese spesso cercano uno speech di apertura per convention nazionali o giornate di training. Il pubblico è numeroso (anche 500–1000 persone) e molto eterogeneo per ruolo e competenza digitale. La chiave è trovare un livello di comunicazione che coinvolga sia il manager esperto che il neoassunto. Ho tenuto interventi per aziende come Fastweb su temi legati a ChatGPT e AI generativa applicata al business.

PMI e imprese familiari

Le piccole e medie imprese italiane hanno una necessità molto concreta: capire se e come l’AI può aiutarle a fare di più con meno. Il tono del mio intervento in questi contesti è molto pratico, con esempi diretti dal mondo delle PMI: automazione dei preventivi, gestione delle email, creazione di contenuti marketing, analisi dei dati.

Associazioni di categoria e Confartigianato

Ho tenuto decine di speech per Confartigianato e associazioni simili in tutta Italia. Il pubblico — artigiani, commercianti, piccoli imprenditori — non ha bisogno di teoria: ha bisogno di capire cosa può fare domani mattina con gli strumenti AI già disponibili, gratuitamente o a basso costo.

Ordini professionali e decani di settore

Avvocati, commercialisti, medici, ingegneri: ogni ordine professionale ha oggi la necessità di informare i propri iscritti su come l’AI sta trasformando la professione. Il taglio è sempre etico e pratico insieme: cosa cambia nel lavoro, quali rischi evitare, come restare aggiornati.

Università e istituti di formazione

Gli studenti universitari e i giovani professionisti sono il pubblico più reattivo. Con loro gli speech diventano quasi dei workshop: domande continue, voglia di sperimentare, apertura al cambiamento. Un’opportunità straordinaria per creare consapevolezza prima che entrino nel mercato del lavoro.

Come strutturare uno speech sull’AI per un evento aziendale

Ogni speech che tengo è costruito insieme al committente, ma segue sempre una struttura di base che garantisce efficacia comunicativa:

1. Il contesto: dove siamo con l’AI oggi

Prima di parlare di strumenti o strategie, è fondamentale dare al pubblico una mappa chiara della situazione attuale. Cosa sono i modelli linguistici, cosa ha cambiato l’arrivo di ChatGPT, dove siamo nel percorso di adozione dell’AI nelle imprese italiane. Pochi minuti, ma indispensabili per evitare che metà del pubblico parta da premesse sbagliate.

2. Il cuore: cosa cambia per voi, concretamente

Questa è la parte più importante — e quella su cui mi concentro di più nella fase di preparazione. Cosa cambia per un’azienda di questo settore, con questo tipo di clienti, con questi processi interni? Gli esempi devono essere riconoscibili: il pubblico deve dire “ah, questo è esattamente il mio problema” o “questo lo posso fare anche io”.

3. Le opportunità: cosa potete fare da domani

Ogni speech sull’AI deve chiudersi con qualcosa di azionabile. Non con una lista infinita di strumenti da testare, ma con due o tre azioni concrete che i partecipanti possono intraprendere nei giorni successivi. Questa parte trasforma uno speech inspirazionale in un investimento con ritorno misurabile.

4. Le domande: il momento più prezioso

La sessione di Q&A dopo uno speech sull’AI è quasi sempre la parte che il pubblico ricorda di più. Le domande che emergono sono concrete, urgenti, spesso molto specifiche. Mi preparo sempre a rispondere su un’ampia gamma di temi, dal GDPR all’impatto sul lavoro, dalla sicurezza informatica agli strumenti pratici.

Quanto dura uno speech sull’AI per aziende: i formati disponibili

La durata ideale dipende dall’obiettivo e dal contesto:
  • 30 minuti (keynote di apertura): Perfetto per accendere l’attenzione a inizio evento. Va dritto al punto, una tesi forte, tre esempi concreti, un messaggio finale memorabile.
  • 60–90 minuti (speech + Q&A): Il formato più richiesto per convention e giornate di formazione. Include una parte espositiva più ricca e una sessione di domande strutturata.
  • Mezza giornata (workshop interattivo): Per team che vogliono non solo capire l’AI ma iniziare a usarla. Include esercitazioni pratiche con ChatGPT e altri strumenti, lavoro su casi reali dell’azienda.
  • Giornata intera (corso aziendale): Per imprese che vogliono formare in modo sistematico un gruppo di persone. Struttura più simile a un corso che a uno speech, con materiali, esercizi e verifica finale.

Come personalizzare lo speech per il vostro settore

La domanda più frequente che ricevo dagli organizzatori aziendali è: “Puoi adattare l’intervento al nostro settore specifico?” La risposta è sì, ed è proprio questo che distingue un buon speech da uno generico. Per personalizzare un intervento ho bisogno di alcune informazioni:
  • Qual è il settore e il core business dell’azienda?
  • Chi è il pubblico (ruoli, livello di seniority, familiarità con il digitale)?
  • C’è già qualche strumento AI in uso in azienda?
  • Quale messaggio volete che i partecipanti portino a casa?
  • C’è qualcosa che volete evitare di trattare (argomenti sensibili, accordi sindacali in corso, ecc.)?
Con queste informazioni posso costruire un intervento che parli davvero alla vostra azienda — non uno speech standard con il logo cambiato.

Quanto costa uno speech sull’intelligenza artificiale per aziende

Il costo di uno speech aziendale sull’AI varia in base a diversi fattori: durata dell’intervento, distanza geografica dalla sede, livello di personalizzazione richiesto, numero di partecipanti, eventuale materiale da produrre (slide, dispensa, video). Non pubblico tariffe fisse perché ogni evento è diverso. Quello che garantisco è un preventivo chiaro e dettagliato dopo una prima call conoscitiva gratuita, in cui capisco le vostre esigenze e vi spiego esattamente cosa potete aspettarvi. Quello che posso dire con certezza è che un buon speech sull’AI — che riduce la resistenza al cambiamento, apre nuove prospettive e lascia al pubblico qualcosa di concreto — ha un ritorno sull’investimento molto superiore a quello di un corso generico di “digitale” o di una presentazione PowerPoint interna.

Cosa chiedere prima di confermare uno speech AI per la vostra azienda

Se state valutando più professionisti per il vostro evento, ecco le domande che vi consiglio di fare a tutti i candidati:
  • Hai già tenuto speech per aziende del nostro settore? Puoi mostrarmelo?
  • Come personalizzi l’intervento in base al pubblico specifico?
  • Sei disponibile per un briefing prima dell’evento?
  • Cosa succede se il pubblico fa domande fuori tema?
  • Puoi fornire un breve abstract e una bio per la comunicazione dell’evento?
  • Gestisci le slide autonomamente o hai bisogno di supporto tecnico in loco?
Un professionista serio risponde a tutte queste domande con esempi concreti e senza esitazione.

I risultati che le aziende riportano dopo uno speech sull’AI

Negli anni ho ricevuto decine di feedback da chi ha organizzato i miei speech. Quello che torna più spesso:
  • “I nostri colleghi hanno smesso di avere paura e hanno cominciato a fare domande.”
  • “Nei giorni successivi molti hanno iniziato a usare Copilot — cosa che prima non avevano mai fatto.”
  • “Abbiamo ricevuto più engagement di qualsiasi altro intervento della convention.”
  • “Ci ha dato gli spunti per avviare un progetto interno sull’AI che avevamo sempre rimandato.”
Un buon speech non è un monologo. È il catalizzatore di un cambiamento che era già pronto a partire.

Come richiedere uno speech sull’AI per la tua azienda

Se stai organizzando un evento aziendale e stai cercando uno speaker esperto di intelligenza artificiale, il primo passo è una chiacchierata informale: mi racconti il vostro evento, il pubblico, le aspettative. Insieme capiremo se e come posso aiutarvi. Puoi visitare la pagina dedicata ai miei speech sull’AI per vedere esempi di interventi passati, oppure contattarmi direttamente per raccontarmi il vostro progetto. Rispondo personalmente a ogni richiesta, di solito entro 24 ore.

Tra i percorsi possibili per portare l AI generativa nei processi di lavoro c e anche la formazione Microsoft Copilot aziendale, pensata per usare Copilot in Word, Excel, PowerPoint, Outlook e Teams.