Il corso “Comunicare attraverso i social media” su Syllabus aiuta i dipendenti pubblici a usare i canali social in modo efficace, consapevole e coerente con la missione della Pubblica Amministrazione. Il percorso dura 3 ore e 15 minuti, è articolato in due livelli e affronta regole, strategia, scelta dei canali, crisi, promozione degli eventi e impiego responsabile dell’intelligenza artificiale.

Non è un corso per trasformare un Comune in un influencer. È un percorso per evitare che la comunicazione istituzionale sia un albo pretorio con i like.

Un corso sui social media nella PA consigliato da chi lo ha seguito

L’idea di questo articolo nasce da una recensione pubblicata su LinkedIn da Salvo Rosta. Il suo giudizio è netto: il corso gli è piaciuto e lo consiglia vivamente agli utenti di Syllabus. Nel post mette in evidenza la varietà dei moduli, dalle normative alla strategia, fino alla gestione delle crisi, agli eventi e all’intelligenza artificiale.

Recensione LinkedIn di Salvo Rosta sul corso social media per la Pubblica Amministrazione
Il post LinkedIn di Salvo Rosta dedicato al corso su Syllabus.

Una recensione di questo tipo vale più di uno slogan. Arriva da una persona che ha seguito il percorso e ne ha riconosciuto utilità e concretezza. Ringrazio Salvo per aver condiviso pubblicamente il suo riscontro.

Che cos’è “Comunicare attraverso i social media” su Syllabus

“Comunicare attraverso i social media” è un programma formativo disponibile sulla piattaforma Syllabus del Dipartimento della Funzione Pubblica. L’obiettivo dichiarato è sviluppare la capacità di utilizzare i social media in modo efficace, consapevole e coerente con la missione della Pubblica Amministrazione.

La durata complessiva indicata è di 3 ore e 15 minuti, oltre al tempo necessario per i test. Anche il Politecnico di Torino, nella propria pagina dedicata all’offerta Syllabus, conferma struttura, durata e finalità del programma.

I due livelli del corso

Livello Obiettivo operativo
Uso consapevole dei social media nella Pubblica Amministrazione Comprendere ruolo, responsabilità, vincoli e rischi dei canali social istituzionali.
Comunicare con efficacia sui social media Passare dalle regole alla pratica: strategia, contenuti, canali, eventi, crisi e nuovi strumenti.

I nuclei tematici messi in evidenza nella recensione comprendono:

  • normativa e responsabilità della comunicazione istituzionale;
  • strategia e coerenza con la missione dell’ente;
  • scelta dei canali e adattamento dei linguaggi;
  • gestione dei commenti, delle criticità e delle crisi;
  • promozione di iniziative, servizi ed eventi;
  • uso dell’intelligenza artificiale nella produzione e nell’organizzazione dei contenuti.

La sequenza è sensata: prima si capisce che cosa può e deve fare una Pubblica Amministrazione sui social, poi si lavora su come farlo bene.

Perché un corso social media per la Pubblica Amministrazione serve davvero

La Legge 7 giugno 2000, n. 150 inquadra le attività di informazione e comunicazione delle amministrazioni pubbliche. I social non sostituiscono siti istituzionali, URP e canali ufficiali. Aggiungono però un punto di contatto diretto, rapido e pubblico con cittadini e stakeholder.

Il problema nasce quando l’ente apre una pagina perché “ormai ce l’hanno tutti” e poi improvvisa. I sintomi sono familiari: comunicati stampa incollati su Facebook, locandine illeggibili sul telefono, risposte affidate all’umore del momento, foto pubblicate senza controlli, emergenze gestite con ritardo.

Le Linee guida AgID per la promozione dei servizi digitali ricordano che comunicazione, marketing e racconto devono favorire la conoscenza e l’utilizzo dei servizi pubblici da parte di cittadini e imprese. È esattamente qui che una formazione specifica fa la differenza: trasforma il social da vetrina autoreferenziale a strumento di servizio.

Che cosa dovrebbe saper fare un comunicatore pubblico sui social

Al termine di un buon percorso, il partecipante dovrebbe essere in grado di:

  1. definire obiettivi e pubblici prima di scegliere la piattaforma;
  2. distinguere informazione istituzionale, comunicazione politica e promozione dei servizi;
  3. costruire un piano editoriale sostenibile anche con risorse limitate;
  4. scrivere contenuti chiari, accessibili e utili;
  5. stabilire procedure di moderazione e risposta;
  6. gestire crisi, errori e ondate di commenti senza improvvisare;
  7. misurare risultati collegati a servizi e comportamenti, non soltanto like;
  8. usare l’AI come supporto, mantenendo controllo umano, riservatezza e verifica delle informazioni.

Una media policy istituzionale chiarisce finalità, contenuti e regole dei canali. La social media policy del Garante per la protezione dei dati personali offre un esempio concreto: stabilisce pertinenza, uso di fonti attendibili, rispetto della riservatezza e gestione dei contenuti non ammessi.

Per approfondire il tema ho pubblicato anche una guida su come scrivere una social media policy e una raccolta di esempi di LinkedIn nella Pubblica Amministrazione.

Il video: sette suggerimenti per usare LinkedIn nella PA

In questo intervento per PA Social mostro come LinkedIn possa diventare uno spazio di comunicazione istituzionale e professionale, non il deposito digitale dei comunicati stampa.

Intelligenza artificiale e comunicazione pubblica: utile, ma con metodo

Inserire l’intelligenza artificiale in un corso sui social media per la PA è ormai necessario. Può aiutare a generare varianti di un testo, semplificare un contenuto, proporre una scaletta, trasformare informazioni in FAQ o adattare un messaggio a canali diversi. Non può decidere da sola che cosa l’ente debba pubblicare.

Servono controlli sulle fonti, sui dati personali, sul tono istituzionale e sui possibili errori. Per questo, nei miei percorsi per gli enti, collego la comunicazione digitale alla formazione sull’uso responsabile dell’AI. Chi vuole approfondire può consultare il mio corso AI per Comuni e la pagina dedicata alla formazione AI per enti pubblici.

A chi è rivolto il corso

Il percorso è particolarmente utile per:

  • dipendenti e funzionari di Comuni, Province, Regioni e amministrazioni centrali;
  • addetti URP, uffici stampa e comunicazione istituzionale;
  • social media manager e digital manager della PA;
  • responsabili di servizi che devono comunicare scadenze, procedure e opportunità;
  • operatori di biblioteche, musei, aziende sanitarie, università ed enti culturali;
  • dirigenti chiamati a definire regole, responsabilità e flussi di approvazione.

Il Vademecum “Pubblica Amministrazione e social media” di Formez PA indica come destinatari proprio le persone che, con ruoli e responsabilità diversi, partecipano al processo di comunicazione degli enti pubblici.

Dal corso Syllabus a un laboratorio personalizzato per l’ente

Syllabus offre una base comune e facilmente accessibile agli utenti della piattaforma. Un Comune o un ente può poi trasformare quella base in un percorso applicato ai propri problemi reali.

Un laboratorio personalizzato può includere:

  • audit dei canali social già attivi;
  • definizione di obiettivi, pubblici e indicatori;
  • revisione o creazione della social media policy;
  • costruzione di un piano editoriale su servizi, scadenze ed eventi;
  • simulazione di una crisi social;
  • esercitazioni di scrittura per Facebook, Instagram, LinkedIn e YouTube;
  • uso guidato dell’AI per ideare, riscrivere e verificare contenuti;
  • procedure di approvazione e coordinamento tra uffici.

È il passaggio dalla conoscenza generale al lavoro quotidiano. Ed è lì che la formazione produce risultati visibili.

Domande frequenti sul corso social media per la PA

Dove si trova il corso?

Il percorso è disponibile sulla piattaforma Syllabus. Accesso e assegnazione dipendono dalle modalità previste dalla piattaforma e dall’amministrazione di appartenenza.

Quanto dura?

La durata indicata è di 3 ore e 15 minuti, oltre al tempo di esecuzione dei test.

Quanti livelli comprende?

Due: “Uso consapevole dei social media nella Pubblica Amministrazione” e “Comunicare con efficacia sui social media”.

È adatto soltanto agli addetti stampa?

No. È utile a chiunque contribuisca ai contenuti, alle risposte ai cittadini, alla promozione dei servizi o alla gestione delle emergenze comunicative.

È possibile organizzare un’edizione su misura?

Sì. Il percorso può essere adattato a dimensione dell’ente, canali utilizzati, competenze iniziali e casi reali, in presenza oppure online.

Fonti

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

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

Inviaci email

ChatGPT sembra la sigla di un elettrodomestico. Claude il collega francese che ti corregge le email. Gemini un segno zodiacale. Grok una parola pronunciata da un marziano. Llama, invece, un animale che potrebbe sputarti addosso.

I nomi dei modelli di intelligenza artificiale non sono scelti a caso. Alcuni descrivono la tecnologia, altri costruiscono un personaggio, altri ancora raccontano l’ambizione dell’azienda che li ha creati. Il nome è già un piccolo manuale di istruzioni: suggerisce come dovremmo immaginare e usare quella AI.

In breve: ChatGPT descrive la tecnologia, Claude umanizza la macchina, Gemini evoca unione e ambizione, Grok promette comprensione profonda, Llama trasforma una sigla tecnica in un animale memorabile.

ChatGPT, Claude, Gemini e Grok non sono tutti “modelli”

Confronto tra le interfacce ufficiali di ChatGPT, Claude, Gemini e Grok

Prima di parlare dei nomi, serve una distinzione. Nel linguaggio quotidiano diciamo “modello” per indicare tutto, ma non è sempre corretto.

GPT è una famiglia di modelli. ChatGPT è il prodotto conversazionale che usa quei modelli. Claude indica sia la famiglia di modelli sia l’assistente di Anthropic. Google usa Gemini per i modelli e per il suo assistente. Anche Grok è sia il nome dell’assistente di xAI sia quello della relativa famiglia di modelli. Llama, invece, identifica soprattutto la famiglia di modelli di Meta.

Nome Origine Messaggio implicito
ChatGPT Chat + Generative Pre-trained Transformer Conversazione e tecnologia
Claude Probabile omaggio a Claude Shannon, non confermato ufficialmente Umanità e autorevolezza
Gemini I gemelli, l’unione dei team Google e il programma spaziale NASA Collaborazione e ambizione
Grok Verbo inventato da Robert A. Heinlein Comprensione profonda
Llama Large Language Model Meta AI Tecnologia resa memorabile
Mistral Il forte vento del Sud della Francia Velocità e identità europea
Copilot Il secondo pilota Collaborazione tra persona e macchina
DeepSeek Letteralmente “ricerca profonda” Esplorazione e ragionamento

Che cosa significa ChatGPT?

Interfaccia ufficiale di ChatGPT con il campo per iniziare una conversazione

ChatGPT è il nome più descrittivo del gruppo. Chat indica l’interfaccia conversazionale. GPT significa Generative Pre-trained Transformer.

  • Generative: il sistema genera nuovi contenuti, invece di limitarsi a classificare o recuperare informazioni.
  • Pre-trained: il modello viene addestrato in anticipo su grandi quantità di dati e poi adattato a compiti e comportamenti specifici.
  • Transformer: è l’architettura presentata nel 2017 nell’articolo scientifico “Attention Is All You Need”.

La sigla GPT era già consolidata nella ricerca di OpenAI, per esempio nel paper su GPT-3. Quando nel novembre 2022 arrivò ChatGPT, bastò aggiungere “Chat” per dire a tutti che quella tecnologia poteva essere usata come una conversazione.

È un nome quasi ingegneristico, non particolarmente caldo. Eppure ha funzionato perché la parola “chat” rende familiare una sigla tecnica. Prima viene il gesto noto, parlare; subito dopo arriva la macchina.

Perché Anthropic ha scelto il nome Claude?

Schermate ufficiali dell'app Claude di Anthropic

Claude è il caso opposto. Non è una sigla, ma un nome proprio. Sembra una persona. Questa scelta abbassa la distanza psicologica: non stai interrogando una macchina, stai chiedendo aiuto a “Claude”. Il marchio diventa più facile da ricordare e più naturale da nominare in una frase.

L’interpretazione più diffusa è che il nome sia un omaggio a Claude Shannon, matematico e padre della teoria dell’informazione. Il collegamento è molto plausibile per un’azienda che lavora sul linguaggio e sull’informazione. Va però aggiunta una cautela importante: Anthropic non ha pubblicato una spiegazione ufficiale e definitiva. Anche il San Francisco Chronicle, ricostruendo la storia del nome, tratta il riferimento a Shannon come una spiegazione probabile, non come una dichiarazione aziendale incontrovertibile.

Anthropic continua poi con nomi letterari e musicali per le diverse classi di modello: Haiku, Sonnet e Opus. Il risultato è un universo semantico meno da laboratorio e più da scrivania creativa. Ne avevo già parlato riflettendo sul posizionamento quasi “fighetto” di Claude di Anthropic.

Qui il naming non spiega come funziona il modello. Spiega come l’azienda vorrebbe farcelo percepire: colto, misurato, collaborativo.

Perché Google ha chiamato il suo modello Gemini?

Interfaccia ufficiale di Google Gemini con il campo Chiedi a Gemini

Per Gemini abbiamo una spiegazione ufficiale. In latino gemini significa “gemelli” e rimanda a Castore e Polluce, le due stelle più note della costellazione dei Gemelli.

Secondo il racconto pubblicato da Google, il nome sintetizza soprattutto la collaborazione tra i team di Google Brain e DeepMind, riuniti nel 2023 in Google DeepMind. Due grandi tradizioni di ricerca che lavorano come una coppia.

C’è anche un secondo riferimento: Project Gemini, il programma spaziale della NASA che preparò le missioni Apollo. Il nome, quindi, porta con sé un’idea di incontro, coordinamento e corsa verso una nuova frontiera.

Google ha presentato il modello come nativamente multimodale, capace di lavorare con testo, immagini, audio, video e codice. Anche il rapporto tecnico di Gemini insiste sulla combinazione di modalità diverse. Il nome funziona perché racconta proprio questo: componenti differenti che diventano un unico sistema.

Video ufficiale di Google:

Perché Grok si chiama così?

Interfaccia ufficiale di Grok con il campo per iniziare una conversazione

Prima precisazione, utile anche per Google: si scrive Grok, con una sola “c”. Non “Grock”.

Il verbo to grok fu inventato dallo scrittore Robert A. Heinlein nel romanzo di fantascienza Stranger in a Strange Land, pubblicato nel 1961. Nel tempo è entrato nel lessico inglese, soprattutto informatico, con il senso di capire qualcosa in modo profondo, intuitivo e completo. È questa anche la definizione registrata da Merriam-Webster.

Nel suo annuncio di lancio, xAI presentò Grok come un assistente ispirato alla Guida galattica per gli autostoppisti, capace di rispondere con umorismo e con una vena ribelle. Il nome promette quindi due cose: comprensione profonda e cultura fantascientifica.

È una scelta coerente con Elon Musk. Non un assistente neutro e aziendale, ma un personaggio con un tono riconoscibile. Se ChatGPT descrive una tecnologia e Claude sembra un collega, Grok entra in scena come il protagonista di un romanzo.

Perché Llama si chiama Llama?

Interfaccia ufficiale di Meta AI, il prodotto collegato ai modelli di Meta

Llama è un acronimo: Large Language Model Meta AI. Meta lo esplicitò già nel primo annuncio ufficiale del 2023.

La parte brillante è che l’acronimo forma una parola vera e visiva. Un animale è molto più facile da ricordare di una sequenza di lettere. Consente anche di costruire loghi, immagini, giochi di parole e una comunità riconoscibile.

In questo caso il nome mantiene la precisione tecnica, ma la confeziona in modo pop. È un piccolo capolavoro di memorabilità: chiunque ricorda il lama, quasi nessuno ricorderebbe “LLMMAI”.

Mistral: il vento francese dell’intelligenza artificiale

Interfaccia mostrata nella pagina ufficiale del prodotto Mistral Vibe

Mistral AI è un’azienda francese e il mistral, in italiano maestrale, è il vento forte e freddo che soffia verso il Mediterraneo dal Sud della Francia. Il nome comunica velocità, energia e radicamento geografico.

Sul proprio sito ufficiale, l’azienda non propone una lunga storia del naming. Il riferimento culturale e territoriale è evidente, ma è corretto non trasformarlo in una spiegazione ufficiale mai pubblicata.

È anche un nome che suona bene in molte lingue. Non ha bisogno di traduzione e porta immediatamente l’azienda fuori dal solito immaginario della Silicon Valley. Nel settore AI, dove moltissimi marchi parlano inglese americano, questa identità europea è già un posizionamento.

DeepSeek, Qwen, Copilot e Perplexity: nomi che creano aspettative

Interfaccia ufficiale di DeepSeek con le opzioni DeepThink e Search

DeepSeek unisce “deep” e “seek”: cercare in profondità. È un nome che evoca esplorazione e ragionamento.

Interfaccia ufficiale di Qwen Studio con il campo Chiedi a Qwen

Qwen è il marchio scelto da Alibaba per la propria famiglia di modelli e oggi raccoglie versioni dedicate a testo, codice, immagini e altre modalità. Sul mio sito trovi anche gli articoli dedicati a Qwen.

Pagina ufficiale di Microsoft Copilot con esempi d'uso e accesso a Copilot Chat

Copilot usa una metafora aeronautica. Il pilota resta la persona, l’AI siede accanto e aiuta. È una scelta linguistica strategica perché presenta la macchina come collaboratore, non come sostituto.

Schermate dell'app ufficiale Perplexity pubblicate sull'App Store

Perplexity è una parola inglese che significa perplessità o complessità. È anche il nome di una misura usata per valutare quanto un modello linguistico trovi prevedibile una sequenza di parole. Il richiamo tecnico è evidente, anche se il marchio non va ridotto a quella sola metrica.

I nomi influenzano il modo in cui usiamo l’intelligenza artificiale. “Copilot” ci invita a mantenere il controllo. “Claude” favorisce un rapporto quasi personale. “Grok” promette intuizione. “DeepSeek” suggerisce profondità. Queste sono promesse di marca, non prove di qualità.

Un modello con un nome rassicurante può ancora sbagliare. Uno con un nome tecnico può essere creativo. Per ottenere risultati migliori servono obiettivi chiari, verifica delle fonti e buoni prompt, non simpatia per il logo.

Domande frequenti sui nomi dei modelli AI

Che cosa significa GPT?
GPT significa Generative Pre-trained Transformer: generativo, preaddestrato e basato sull’architettura Transformer.

Claude prende davvero il nome da Claude Shannon?
È l’ipotesi più diffusa e plausibile, ma Anthropic non l’ha confermata ufficialmente in modo definitivo.

Perché Gemini si chiama così?
Il nome richiama i gemelli, la collaborazione tra Google Brain e DeepMind e il programma spaziale Gemini della NASA.

Si scrive Grok o Grock?
La grafia corretta è Grok, con una sola “c”. Il termine nasce nel romanzo di Heinlein Stranger in a Strange Land.

Llama è soltanto il nome di un animale?
No. È l’acronimo di Large Language Model Meta AI. Il fatto che coincida con il nome dell’animale lo rende più memorabile.

Il nome dice quale modello AI è migliore?
No. Il naming comunica identità e posizionamento, ma la qualità va valutata in base al compito, ai dati, ai test e all’affidabilità delle risposte.

Il nome è la prima risposta dell’intelligenza artificiale

Le interfacce ufficiali mostrano come ChatGPT, Claude, Gemini e Grok si presentano agli utenti

Prima ancora di rispondere alla nostra prima domanda, ogni AI ci ha già suggerito come vorrebbe essere percepita. ChatGPT vuole essere uno strumento conversazionale. Claude un interlocutore. Gemini una fusione di capacità. Grok una mente che comprende in profondità. Llama una tecnologia aperta e memorabile.

Poi tocca a noi verificare se mantiene la promessa. Possibilmente senza chiedere direttamente al modello perché si chiama così e prendere la sua risposta per buona. Se vuoi continuare l’esplorazione, trovi qui tutti i miei articoli su tecnologia, comunicazione e intelligenza artificiale.

Fonti autorevoli

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

“All you can think” è la promessa di un buffet cognitivo: un abbonamento per fare domande, studiare, scrivere e sviluppare idee senza pensare al prezzo di ogni risposta. Il futuro dell’AI, però, potrebbe combinare funzioni di base sempre più economiche, abbonamenti con soglie e lavoro avanzato pagato a consumo. I modelli locali e quelli sugli smartphone rendono questo scenario già plausibile.

Immaginate un ristorante all you can eat dove, dopo il terzo piatto, il cameriere vi comunica: «Il riso è incluso. Per il ragionamento sui gamberi serve un pacchetto aggiuntivo». Ecco, quando penso al futuro degli abbonamenti all’intelligenza artificiale, la scena è questa.

Mi piace chiamare questa promessa all you can think. Uso l’espressione come metafora, senza attribuirle un inventore: paghi una quota e ti sembra di avere a disposizione una quantità sterminata di competenze. Un insegnante paziente, un redattore, un traduttore, un interlocutore che non guarda l’orologio.

Ma stiamo davvero comprando conoscenza illimitata? E soprattutto: tra qualche anno pagheremo molto di più, oppure ci sembrerà assurdo aver pagato un abbonamento per farci riscrivere una mail?

All you can think: che cosa compriamo con un piano flat AI?

La parola “conoscenza” è attraente, ma va maneggiata con cura. Un chatbot genera risposte e può consultare strumenti e documenti: l’accesso al servizio non garantisce che ogni affermazione sia vera, aggiornata o adatta al nostro caso. Anche il buffet più ricco richiede di scegliere che cosa mettere nel piatto.

Per leggere correttamente un’offerta conviene distinguere tre cose:

  • Accesso: quali modelli, funzioni e integrazioni posso utilizzare?
  • Capacità: quanto lavoro posso chiedere entro un certo intervallo?
  • Affidabilità: quanto devo verificare prima di usare il risultato?

Il canone fisso riguarda soprattutto le prime due. La terza richiede metodo. Ne ho parlato anche nell’approfondimento su AI e pensiero critico: avere molte risposte a disposizione non ci esonera dal valutarle.

Gli abbonamenti flat stanno scomparendo?

Dire che siano già morti sarebbe una forzatura. La pagina ufficiale dei piani Claude di Anthropic, consultata il 22 settembre 2026, mostra ancora abbonamenti, limiti di utilizzo e meccanismi a consumo. Il piano Pro mensile è indicato a 20 dollari, Max parte da 100 dollari; le imposte applicabili sono escluse.

La stessa pagina descrive per Enterprise una quota per utente più utilizzo alle tariffe API. È un esempio concreto di convivenza fra canone e consumo, non la prova che tutti i fornitori adotteranno lo stesso schema.

Flat non significa illimitato. La prevedibilità della quota può convivere con soglie, disponibilità diverse dei modelli, priorità e crediti aggiuntivi. Prima di confrontare due prezzi mensili, bisogna quindi leggere che cosa comprano davvero.

La mia previsione è che il flat resti una confezione commerciale utile: tranquillizza chi vuole un budget semplice. Dentro quella confezione, però, potrebbero esserci sempre più contatori.

Che cosa sono i token e perché cambiano il conto

I token sono unità con cui i modelli elaborano i contenuti. Nel testo possono corrispondere a parole, pezzi di parole o segni: non esiste un rapporto universale “un token uguale una parola”. In un servizio a consumo possono pesare sia il materiale inviato sia quello generato.

La sezione API del listino Anthropic distingue infatti token di input, output e cache, oltre a servizi come la ricerca web. Riutilizzare contenuti già elaborati può avere un trattamento economico diverso dal processarli nuovamente. Per questo contare soltanto le domande è poco utile.

«Scrivi tre oggetti per una mail» e «analizza questi documenti, cerca altre fonti, confronta le conclusioni e prepara un rapporto» sono entrambe una richiesta. Il lavoro sottostante può essere molto diverso.

La spiegazione di Google Cloud sull’inferenza aiuta a capire il passaggio: usare un modello già addestrato richiede comunque calcolo. Su milioni di richieste servono infrastrutture. Il libro già stampato si lascia rileggere; una nuova risposta generata richiede una nuova elaborazione.

L’AI diventerà più cara? Dipende da quale costo guardiamo

Qui c’è il paradosso più interessante. Secondo lo Stanford AI Index 2025, tra novembre 2022 e ottobre 2024 il costo di inferenza per prestazioni al livello di GPT-3.5 è sceso di oltre 280 volte.

Attenzione al perimetro: è un confronto storico a un determinato livello di capacità. Non significa che tutti gli abbonamenti siano diventati 280 volte più economici, né che il modello più avanzato di domani costerà meno di quello di oggi.

Possiamo spendere meno per unità di lavoro e spendere di più in totale. Ecco un esempio inventato, solo per illustrare il meccanismo: se un’operazione passa da 10 a 2 centesimi, ma le operazioni mensili passano da 100 a 1.000, la spesa sale da 10 a 20 euro. Il prezzo unitario è diminuito dell’80%; il conto è raddoppiato.

Con un agente questo scenario è facile da immaginare: gli deleghiamo più passaggi, più controlli e più tentativi. Una parte genera valore; un’altra può diventare spreco. Il collega instancabile ha un pregio evidente. Il fatto che possa continuare a consumare risorse mentre noi siamo a pranzo merita almeno un’occhiata al budget.

Per approfondire il quadro dei costi e delle capacità, qui c’è il seminario ufficiale di Stanford HAI con Nestor Maslej dedicato all’AI Index 2025. È in inglese e documenta il contesto storico citato, non costituisce una previsione dei prezzi futuri.

Stanford HAI: “HAI Seminar with Nestor Maslej: Presenting the 2025 AI Index Report”.

L’intelligenza artificiale diventerà una commodity?

Per commodity intendo qui un servizio sempre più standardizzato, sostituibile e confrontabile sul prezzo. La mia ipotesi è che alcune capacità vadano in questa direzione: riformulare un testo semplice, classificare una richiesta, estrarre pochi campi da un documento regolare.

La parola decisiva è “alcune”. Una prestazione simile su un compito non rende due sistemi equivalenti nel loro insieme. Contano qualità, velocità, integrazioni, gestione dei dati e capacità di completare un processo.

Il paper Small Language Models are the Future of Agentic AI, di Peter Belcak e colleghi, sostiene che piccoli modelli possano essere sufficienti e più economici per molti passaggi ripetitivi degli agenti. Gli autori propongono anche sistemi che combinano modelli differenti.

È un position paper disponibile su arXiv: una tesi argomentata da discutere e verificare sul proprio caso d’uso, non la dimostrazione che un modello piccolo sostituisca sempre uno grande.

Se questa direzione si rafforzerà, potremmo pagare sempre meno la singola capacità generica e continuare a pagare l’organizzazione del lavoro attorno a essa. Il valore commerciale si sposterebbe verso dati ben preparati, integrazioni affidabili e risultati verificabili.

Useremo l’AI gratis in locale sul computer?

L’esecuzione locale esiste già. La documentazione ufficiale di Ollama distingue l’uso dei modelli sul proprio dispositivo da quello dei modelli ospitati nel cloud e descrive anche una modalità esclusivamente locale.

Questo può eliminare la tariffa API per ogni elaborazione locale. Rimangono però hardware, energia, memoria, manutenzione e tempo per configurare il sistema. Inoltre, le condizioni della licenza del modello vanno considerate separatamente dal software usato per eseguirlo.

Per un’attività semplice e frequente, con un computer già adatto, l’opzione può essere interessante. Per carichi sporadici o troppo pesanti, acquistare una macchina apposta potrebbe essere meno conveniente del cloud. Il conto va fatto sul lavoro reale.

Anche la riservatezza richiede precisione: un modello eseguito interamente sul dispositivo può evitare l’invio dei prompt a un fornitore esterno. Se l’app attiva ricerche web, connettori o funzioni cloud, il percorso dei dati cambia. “Locale” descrive dove avviene il calcolo; la sicurezza dipende dall’intero sistema.

L’AI sullo smartphone renderà superflui gli abbonamenti?

Un indizio concreto arriva da Apple. Nel comunicato del 9 giugno 2025 sul Foundation Models framework, l’azienda descrive l’accesso degli sviluppatori al modello sul dispositivo, con funzionamento offline e senza costi di inferenza cloud per quelle elaborazioni. L’esempio è un’app che crea quiz dagli appunti.

Questo non rende gratuito l’iPhone, né obbliga lo sviluppatore a regalare l’app. Mostra però come una capacità generativa possa essere incorporata in un prodotto senza vendere separatamente ogni risposta.

Google segue un’altra strada con Gemma 3n, una famiglia di modelli a pesi aperti progettata per dispositivi come telefoni, portatili e tablet. La documentazione descrive tecniche per ridurre le risorse necessarie e adattare l’esecuzione.

La disponibilità di un modello adatto ai dispositivi non significa che ogni smartphone possa eseguire qualsiasi AI, né con la stessa qualità o velocità. Bisogna considerare memoria, batteria, applicazione e compito.

La conseguenza possibile è molto concreta: potremmo smettere di aprire una chat per alcune attività. Un riassunto breve, una classificazione o un aiuto alla scrittura diventerebbero semplicemente funzioni dell’app che stiamo già usando.

Il futuro dell’all you can think: quattro scenari che possono convivere

Quelli che seguono sono scenari interpretativi, non annunci dei fornitori e non previsioni con una scadenza certa.

ScenarioChe cosa potrebbe succedereChe cosa pagheremmo
AI incorporataFunzioni quotidiane dentro smartphone, computer e applicazioniDispositivo o software, con poche tariffe AI visibili
Flat con soglieAbbonamento comodo per l’uso ordinario, extra per lavori intensiviCanone più crediti o capacità aggiuntiva
Agenti a consumoProcessi lunghi che usano modelli e strumenti diversiToken, strumenti e risorse impiegate
Servizi a risultatoOfferte legate a un compito definito e verificabileUn esito concordato, con criteri di accettazione chiari

La combinazione che considero più plausibile è ibrida: una base economica o inclusa, il cloud per i compiti più impegnativi, piccoli modelli per i passaggi ripetitivi. In questo scenario la scelta del modello potrebbe diventare meno visibile all’utente, ma il criterio con cui il sistema decide quando spendere di più diventerebbe cruciale.

Ci sono anche possibili freni: hardware insufficientemente accessibile, qualità locale inadeguata, prezzi del cloud più competitivi del previsto o ecosistemi chiusi. Nessuna di queste traiettorie è inevitabile.

Come prepararsi senza collezionare abbonamenti

Per un professionista o una PMI partirei da cinque domande operative:

  1. Quale attività voglio migliorare? Definire un risultato concreto, come una bozza pronta per la revisione.
  2. Quanto mi costa oggi completarla? Includere tempo, controlli e correzioni.
  3. Qual è il sistema meno costoso che supera una prova di qualità? Confrontare pochi strumenti sugli stessi esempi.
  4. Quanto può spendere un agente? Impostare limiti di budget, passaggi e tentativi dove disponibili.
  5. Posso cambiare fornitore? Conservare documenti, istruzioni e criteri di verifica in formati riutilizzabili.

Misurerei il costo per risultato utilizzabile. Una risposta economica che richiede mezz’ora di riparazioni può costare più di un’elaborazione onerosa ma corretta. Allo stesso modo, usare sempre il sistema più potente può essere un’abitudine costosa senza benefici misurabili.

Domande frequenti su AI flat, token e modelli locali

Un abbonamento AI comprende anche l’uso delle API?

Non va dato per scontato. Occorre verificare l’offerta: il piano dell’applicazione e la fatturazione API possono essere distinti, come mostra la separazione fra piani e API nel listino Claude citato.

L’AI diventerà più cara per tutti?

Non è una conclusione sostenuta dalle fonti. Il costo di alcune capacità può scendere, mentre crescono la quantità di lavoro delegata e la spesa per servizi avanzati.

Un modello locale è sempre la soluzione migliore?

No. Va confrontato con le alternative considerando qualità sul compito, hardware disponibile, gestione dei dati e costo complessivo.

Il buffet resta. Dovremo imparare a ordinare

Io credo che l’all you can think sopravviverà soprattutto come esperienza: la sensazione di poter esplorare un problema senza ostacoli continui. Dietro, invece, potrebbero convivere molti modelli economici.

La prospettiva più interessante è un’abbondanza di capacità di base. Quella più delicata è una distanza crescente fra chi può permettersi sistemi avanzati e chi dispone soltanto delle funzioni incluse. È un rischio da osservare, non un destino già scritto.

Per chi lavora, la competenza utile sarà scegliere quanto calcolo merita un problema e riconoscere quando il risultato è abbastanza buono. Possiamo avere un buffet sterminato e continuare a riempire il piatto a caso. Io comincerei dal capire che cosa vogliamo mangiare.

Fonti: listino ufficiale Anthropic/Claude; Google Cloud sull’inferenza; Stanford AI Index 2025 e relativo seminario; Belcak e colleghi, arXiv:2506.02153; documentazione Ollama; comunicato Apple sul Foundation Models framework; documentazione Google Gemma 3n. Collegamenti distribuiti nei paragrafi pertinenti. Consultazione: 22 settembre 2026. Gli scenari futuri esprimono la mia interpretazione.

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

No: l’intelligenza artificiale non condanna gli insegnanti alla disoccupazione e non trasforma automaticamente gli studenti in una generazione di incapaci. Ma può rendere inutile il docente che si limita a trasferire informazioni e può indebolire lo studente che delega alla macchina ogni fatica cognitiva. Il futuro della scuola dipenderà da come verrà progettato l’uso dell’AI, non dalla semplice presenza di ChatGPT in classe.

Questa è la risposta breve. Quella più scomoda richiede di smontare due profezie molto popolari: «gli insegnanti perderanno il lavoro» e «i ragazzi diventeranno tutti più stupidi».

La survey Spaggiari: l’AI è già nel lavoro degli insegnanti

Una recente indagine intitolata Docenti e intelligenza artificiale: tra opportunità, timori e bisogno di guida, promossa da Spaggiari, La Fabbrica Società Benefit e ANP – Associazione Nazionale Presidi, ha coinvolto 1.294 insegnanti di scuole di ogni ordine e grado.

I dati, presentati il 17 settembre 2026 al Senato e disponibili sia nella pagina ufficiale di Spaggiari sia nella registrazione integrale di Radio Radicale, raccontano una scuola molto meno immobile di quanto si pensi:

  • il 72% dei rispondenti usa l’AI almeno una volta alla settimana;
  • il 22% la usa ogni giorno;
  • il 67% ha imparato da autodidatta;
  • il 47% considera il risparmio di tempo il vantaggio principale;
  • il 34% non la usa ancora direttamente con gli studenti.

Gli impieghi sono molto concreti: ricerca di informazioni, progettazione di attività, preparazione di verifiche, scrittura di verbali, relazioni ed email.

Serve però una cautela metodologica. Il campione è autoselezionato: ha risposto chi ha scelto di partecipare. Non possiamo quindi concludere che il 72% di tutti gli insegnanti italiani usi l’AI ogni settimana. Possiamo dire che, tra quasi 1.300 docenti interessati al tema, l’adozione è già molto avanzata. La differenza non è un cavillo statistico.

L’AI farà perdere il lavoro agli insegnanti?

Se insegnare significasse leggere una dispensa, riassumere un capitolo e preparare dieci domande a risposta multipla, avremmo un problema. Un chatbot svolge già queste attività in pochi secondi, ventiquattr’ore su ventiquattro e senza riunioni di dipartimento.

Ma il lavoro reale di un insegnante comprende anche ciò che un modello linguistico non può assumersi: osservare una classe, riconoscere una difficoltà non dichiarata, costruire fiducia, gestire un conflitto, motivare chi ha smesso di provarci, scegliere quando intervenire e assumersi la responsabilità educativa e valutativa.

L’AI automatizza compiti, non inghiotte automaticamente un’intera professione. Il rischio più realistico è una redistribuzione del lavoro: meno tempo per produrre materiali standard, più tempo per progettare esperienze, dare feedback, verificare fonti e seguire le persone.

Anche l’OECD Digital Education Outlook 2026 parla di strumenti capaci di augmentare l’insegnamento preservando l’autonomia professionale del docente. L’Organizzazione per la cooperazione e lo sviluppo economico insiste sulla co-progettazione con insegnanti e studenti, perché una tecnologia educativa efficace non nasce sostituendo la pedagogia con un pulsante.

La mia provocazione è questa: non sarà l’AI a licenziare gli insegnanti. Potrebbe però mettere in crisi l’insegnante che compete con l’AI sul suo terreno peggiore, la produzione seriale di contenuti. Il docente più prezioso sarà quello che fa ciò che la macchina non sa fare da sola: creare contesto, porre domande migliori, valutare il processo e tenere viva la responsabilità dello studente.

L’AI renderà gli studenti più stupidi?

È possibile usarla esattamente in quel modo. Basta trasformarla in una macchinetta distributrice di compiti finiti: domanda, copia, incolla, consegna. Il risultato può sembrare corretto mentre l’apprendimento è quasi nullo.

Uno studio pubblicato nel 2025 sui Proceedings of the National Academy of Sciences ha sperimentato l’uso di GPT-4 con quasi mille studenti delle scuole superiori impegnati in esercizi di matematica. Durante la pratica, l’AI migliorava la prestazione. Quando però lo strumento veniva tolto, il gruppo che aveva usato il chatbot generalista mostrava un peggioramento rispetto a chi aveva lavorato senza AI. Una versione progettata come tutor, con vincoli e suggerimenti graduali invece delle soluzioni pronte, riduceva il danno.

Traduzione brutale: ottenere una risposta migliore non significa aver imparato di più. La prestazione appartiene al sistema formato da studente più AI; la competenza personale si vede quando lo studente sa ragionare anche senza stampella.

Esiste però anche l’evidenza opposta. Un esperimento controllato pubblicato su Scientific Reports ha confrontato un tutor AI costruito secondo principi pedagogici con una lezione universitaria di active learning in fisica. In quelle condizioni specifiche, gli studenti con il tutor hanno ottenuto maggiori guadagni di apprendimento in meno tempo e hanno dichiarato più coinvolgimento e motivazione.

I due studi non si contraddicono. Dicono la stessa cosa con risultati diversi: la progettazione didattica conta più del marchio del chatbot. Un’AI che regala la soluzione sostituisce lo sforzo. Un’AI che fa domande, offre indizi, adatta la difficoltà e obbliga a spiegare il ragionamento può sostenere lo sforzo.

Il vero pericolo: confondere il compito finito con l’apprendimento

La scuola ha spesso premiato il prodotto finale: il tema, la relazione, la soluzione, la presentazione. L’AI produce prodotti finali con una facilità imbarazzante. Continuare a valutare soltanto quelli significa invitare gli studenti a delegare proprio la parte che vorremmo osservare.

Serve spostare l’attenzione sul processo:

  • far mostrare fonti, passaggi e revisioni;
  • chiedere una difesa orale delle scelte;
  • confrontare una risposta umana e una generata dall’AI;
  • inserire errori plausibili da individuare e correggere;
  • alternare attività con AI, con tutor AI e senza AI;
  • valutare la qualità delle domande, non soltanto quella delle risposte.

L’UNESCO raccomanda un approccio centrato sulla persona, attento a privacy, età, sicurezza, equità e progettazione pedagogica. Le linee guida europee del 2026 affidano esplicitamente agli insegnanti un ruolo centrale nell’uso etico dell’AI, nella comprensione dei dati e nello sviluppo del pensiero critico contro disinformazione e manipolazione.

Altro che mestiere in estinzione. Più gli studenti avranno accesso a macchine capaci di produrre risposte credibili, più serviranno adulti competenti nel far distinguere una risposta elegante da una risposta vera.

Il dato più preoccupante della survey non è quello che sembra

Mi preoccupa meno il fatto che il 72% dei rispondenti usi l’AI e molto di più che il 67% abbia imparato da solo. L’autodidatta può essere brillante, ma non è una strategia di sistema.

Quando gli strumenti entrano nella scuola prima delle regole condivise, ogni docente diventa contemporaneamente sperimentatore, responsabile privacy, verificatore delle fonti, progettista didattico e tecnico informatico. Troppo, anche per il professore più volenteroso.

La formazione utile non può limitarsi a «ecco dieci prompt». Deve insegnare almeno quattro competenze:

  1. progettazione pedagogica: decidere quando l’AI aiuta e quando sottrae apprendimento;
  2. verifica: controllare fonti, errori, omissioni e bias;
  3. protezione dei dati: sapere che cosa non inserire nei chatbot e quali strumenti sono autorizzati;
  4. valutazione autentica: osservare comprensione, processo e capacità di trasferire ciò che si è imparato.

È il taglio che propongo anche nel mio corso sull’intelligenza artificiale per insegnanti: strumenti concreti, certo, ma dentro un metodo che mantenga umano il giudizio e attivo il cervello dello studente.

Una regola semplice per la classe: prima il cervello, poi l’AI, poi di nuovo il cervello

Propongo una sequenza elementare:

  1. Prima: lo studente formula un’ipotesi, prova una soluzione o dichiara ciò che sa.
  2. Durante: usa l’AI per ricevere domande, controesempi, spiegazioni alternative o feedback.
  3. Dopo: ricostruisce il ragionamento senza copiare l’output e spiega che cosa ha cambiato.

Se eliminiamo il primo passaggio, l’AI pensa al posto dello studente. Se eliminiamo il terzo, non sappiamo chi abbia imparato: il ragazzo o il chatbot.

Quindi: insegnanti disoccupati e studenti più stupidi?

No, non è un destino tecnologico. È una possibilità organizzativa.

Avremo studenti cognitivamente più fragili se premieremo la risposta pronta, tollereremo la delega totale e chiameremo «competenza» la capacità di incollare un testo ben scritto. Avremo studenti più forti se useremo l’AI come sparring partner, tutor socratico, simulatore di obiezioni e generatore di feedback.

Avremo insegnanti marginalizzati se li ridurremo a correttori di elaborati prodotti dalle macchine. Avremo insegnanti ancora più importanti se daremo loro formazione, strumenti affidabili, tempo e autonomia per progettare l’apprendimento.

La tecnologia non ha ancora emesso la sentenza. La scuola sta scrivendo il verdetto, una lezione alla volta.

Fonti

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

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

Inviaci email

Claude ha certamente un posizionamento da intelligenza artificiale colta, professionale e moralmente consapevole. Ma definirla semplicemente snob sarebbe ingiusto: dietro la comunicazione sofisticata di Anthropic ci sono scelte tecniche, commerciali ed etiche reali, insieme a contraddizioni altrettanto reali.

Claude non ti risponde. Ti accoglie.

Non sembra un chatbot incontrato in metropolitana alle sette del mattino. Ha più l’aria di qualcuno che ha letto Hannah Arendt, beve caffè monorigine e, prima di darti un consiglio, vuole assicurarsi che siano state considerate tutte le implicazioni etiche.

Da qui la domanda, volutamente provocatoria: Claude di Anthropic è un’intelligenza artificiale fighetta?

Con “fighetta” non intendo dire inutile, debole o incompetente. Al contrario. Intendo un prodotto che comunica una certa superiorità culturale: più riflessivo, più rispettoso, più elegante, più attento alla privacy e meno disposto a sporcarsi le mani rispetto ai concorrenti.

Perché Claude viene percepita come l’AI elegante

ChatGPT è diventato un prodotto popolare. Lo usa lo studente, il pensionato, il manager, il candidato che deve sistemare il curriculum e quello che gli chiede i numeri del Superenalotto.

Claude, invece, ha conquistato inizialmente soprattutto sviluppatori, professionisti, ricercatori e utenti che lavorano con documenti complessi. Non è una semplice impressione. Secondo il rapporto 2025 State of Generative AI in the Enterprise di Menlo Ventures, Anthropic avrebbe raggiunto una posizione di leadership nella spesa aziendale per modelli linguistici nel campione analizzato. È un dato prodotto da una società di venture capital, quindi non va trattato come un censimento universale, ma indica un posizionamento enterprise molto forte. Anche la Developer Survey 2025 di Stack Overflow segnalava una diffusione rilevante dei modelli Claude Sonnet fra gli sviluppatori.

Il pubblico di riferimento influenza inevitabilmente il carattere percepito del prodotto.

Claude non è stato presentato come l’amico che sa fare tutto. Anthropic lo ha definito fin dall’inizio un assistente “helpful, honest and harmless”, cioè utile, onesto e non dannoso. Una formula che sembra più il programma elettorale di un filosofo morale che lo slogan di un software. La presentazione ufficiale di Claude insisteva proprio su affidabilità, prevedibilità e possibilità di controllarne tono e comportamento.

Anche il nome contribuisce. ChatGPT sembra il codice di un elettrodomestico. Gemini richiama costellazioni e missioni spaziali. Claude porta il nome di una persona, presumibilmente con un riferimento a Claude Shannon, padre della teoria dell’informazione. Già questo ti fa sentire in difetto se lo usi soltanto per riscrivere una mail.

Anthropic vende un prodotto o una visione morale?

Anthropic si presenta come una società di ricerca e sicurezza dell’intelligenza artificiale. Il suo elemento più riconoscibile è la Constitutional AI, un metodo con cui il modello viene addestrato a valutare e correggere le proprie risposte sulla base di un insieme esplicito di principi.

Nel paper originale sulla Constitutional AI, i ricercatori di Anthropic descrivono un processo nel quale il modello genera risposte, le critica alla luce di una “costituzione”, le riscrive e successivamente impara dalle preferenze prodotte da un altro sistema di AI.

È un approccio interessante perché rende almeno parzialmente visibili i criteri normativi usati per orientare il chatbot. Ma attenzione: Claude non possiede una coscienza morale e non “crede” nei diritti umani. Risponde secondo schemi appresi e criteri stabiliti durante l’addestramento.

La Costituzione di Claude resta inoltre il risultato di scelte umane. La stessa Anthropic riconosce che decidere quali principi inserire attribuisce agli sviluppatori un potere enorme. Nel 2023 l’azienda ha coinvolto circa mille cittadini statunitensi in un esperimento di Collective Constitutional AI. Il progetto ha evidenziato differenze tra i valori scelti internamente e quelli indicati dal campione pubblico, soprattutto su imparzialità, accessibilità e formulazione positiva delle regole.

È un segnale di apertura, ma mille americani non rappresentano l’umanità.

Un altro studio sulle opinioni globali rappresentate nei modelli linguistici, pubblicato da ricercatori di Anthropic, ha rilevato che le risposte tendevano ad avvicinarsi maggiormente alle opinioni diffuse negli Stati Uniti e in alcune popolazioni europee e sudamericane. Persino un’AI costituzionale, quindi, può incorporare una geografia culturale dei valori.

La costituzione non elimina il problema. Lo rende più visibile. Ed è già qualcosa.

Una comunicazione che profuma di biblioteca

Nel febbraio 2026 Anthropic ha pubblicato un manifesto intitolato Claude is a space to think. La promessa è che le conversazioni con Claude resteranno prive di pubblicità e di inserimenti commerciali non richiesti.

La motivazione è interessante: quando parliamo con un assistente AI condividiamo problemi lavorativi, dubbi personali, documenti e informazioni che difficilmente inseriremmo in un motore di ricerca. Secondo Anthropic, introdurre annunci in questo spazio potrebbe creare un conflitto tra l’interesse dell’utente e quello dell’inserzionista.

Fin qui, applausi.

Poi arriva la frase che definisce perfettamente il posizionamento: Claude deve essere uno spazio pulito nel quale pensare e lavorare. Non una piazza, non un supermercato, non un social network. Piuttosto un taccuino ben rilegato, possibilmente appoggiato su una scrivania di legno chiaro.

Questa è comunicazione. Ed è comunicazione molto ben costruita.

Anthropic vuole che Claude venga associato a concentrazione, profondità, lavoro intellettuale e assenza di distrazioni. È il contrario del modello basato su engagement, pubblicità e permanenza sulla piattaforma.

Il rischio è che questo linguaggio produca un effetto collaterale: far sembrare Claude l’AI di chi si considera più consapevole degli altri.

Quello che usa ChatGPT chiede una ricetta. Quello che usa Claude “esplora le implicazioni sistemiche dell’alimentazione contemporanea”. Sto scherzando, ma non troppo.

Claude rispetta davvero di più la privacy?

Qui occorre separare la percezione dai contratti.

Per le offerte aziendali Anthropic dichiara che prompt, documenti e risultati non vengono utilizzati per addestrare i modelli per impostazione predefinita. È un elemento importante per imprese, professionisti e organizzazioni che trattano informazioni riservate.

Per gli account personali la situazione è diversa. La Privacy Policy di Anthropic prevede che input e output possano essere utilizzati per migliorare i modelli, salvo disattivazione nelle impostazioni. Esistono inoltre eccezioni per conversazioni segnalate dai sistemi di sicurezza o inviate esplicitamente come feedback.

Il Privacy Center di Claude spiega che, quando un utente autorizza l’uso delle conversazioni, queste vengono scollegate dall’identificativo dell’account e sottoposte a processi destinati a filtrare o oscurare i dati sensibili.

Privacy di Claude: affermazioni e realtà

Affermazione Valutazione
Claude non usa mai le conversazioni per l’addestramento Falso per gli account consumer
Gli utenti personali possono opporsi Sì, attraverso le impostazioni
I dati aziendali vengono usati per addestrare Claude Non per impostazione predefinita
Anthropic non raccoglie dati tecnici e di utilizzo Falso
Claude garantisce privacy assoluta No, nessun servizio cloud può prometterla

Bisogna inoltre evitare di confondere due questioni differenti: la protezione delle conversazioni inserite dall’utente e la presenza di dati personali nel materiale originariamente usato per addestrare i modelli.

La ricerca ha dimostrato che i modelli linguistici possono, in determinate condizioni, memorizzare e restituire sequenze presenti nei dati di addestramento. Nel paper peer-reviewed Extracting Training Data from Large Language Models, presentato a USENIX Security 2021, i ricercatori riuscirono a estrarre da GPT-2 frammenti testuali contenenti anche nomi, email e numeri di telefono. Lo studio non riguardava Claude, ma dimostra perché la privacy nei modelli linguistici non possa essere ridotta a uno slogan aziendale.

Anthropic appare più esplicita di altri concorrenti su principi e controlli. Questo non trasforma Claude in una cassaforte. Se un documento non dovrebbe uscire dall’azienda, non basta scegliere il chatbot con l’aria più educata.

Anthropic ha davvero rotto con il Pentagono per motivi etici?

Questa vicenda è il principale argomento di chi considera Anthropic la società moralmente più coerente del settore. Ma va raccontata con precisione.

Anthropic non è un’azienda pacifista. Claude era già utilizzato negli apparati statunitensi per intelligence, pianificazione operativa, simulazioni e operazioni informatiche. La società aveva inoltre ottenuto un accordo con un valore massimo di 200 milioni di dollari.

Lo scontro nacque quando il Pentagono chiese di poter usare il modello per tutti gli impieghi consentiti dalla legge. Anthropic rifiutò di eliminare due limiti:

  • impiego per la sorveglianza interna di massa;
  • impiego in armi completamente autonome capaci di selezionare e colpire bersagli senza controllo umano.

Nella dichiarazione del 26 febbraio 2026, Dario Amodei sostenne che gli attuali modelli non fossero abbastanza affidabili per decisioni autonome di vita o di morte e che l’AI potesse trasformare dati legalmente acquistabili in sistemi di sorveglianza incompatibili con i valori democratici.

Il Pentagono replicò di non voler realizzare nessuno dei due scenari, ma pretese la possibilità di utilizzare Claude per qualsiasi finalità legale. Secondo Reuters, il rifiuto mise a rischio il contratto e portò alla minaccia di classificare Anthropic come rischio per la catena di approvvigionamento.

La designazione arrivò nel marzo 2026. Anthropic la contestò in tribunale, sostenendo che fosse una ritorsione. Un’ordinanza della Corte distrettuale della California ritenne plausibile che alcuni provvedimenti governativi eccedessero quanto necessario per proteggere la sicurezza nazionale e fossero motivati anche dalle critiche pubbliche dell’azienda. La controversia proseguì su più fronti giudiziari. Il quadro legale, quindi, era ben più complesso del titolo “Anthropic rompe con il Pentagono”. La dichiarazione successiva di Amodei ribadiva infatti la volontà di continuare a collaborare con le forze armate, mantenendo soltanto quelle due eccezioni.

La lettura equilibrata è questa: Anthropic non rifiutò il settore militare. Accettò però un costo economico e politico pur di non rinunciare a due limiti dichiarati pubblicamente.

È una scelta etica? Sì, almeno in parte.

È anche una scelta strategica di posizionamento? Quasi certamente.

Le due cose possono convivere. Un’azienda può difendere sinceramente un principio e contemporaneamente trasformarlo in reputazione, differenziazione e valore commerciale.

Etica autentica o sofisticato marketing?

La tentazione è dividere il mondo in santi e ipocriti.

Da una parte Anthropic, che parla di sicurezza, diritti e controllo. Dall’altra le aziende che inseguono crescita, pubblicità e diffusione di massa.

La realtà è meno cinematografica.

Anthropic è una società sostenuta da colossi come Amazon e Google. Vende abbonamenti, API e contratti enterprise. Compete per fatturato, talenti, potenza di calcolo e quote di mercato. Non è un’organizzazione umanitaria.

Anche l’etica può diventare un vantaggio competitivo.

La Constitutional AI differenzia tecnicamente il prodotto. La promessa di assenza di pubblicità lo differenzia economicamente. Lo scontro con il Pentagono lo differenzia politicamente. La comunicazione sobria lo differenzia culturalmente.

Questo non rende false le sue scelte. Impone però di valutarle attraverso comportamenti verificabili, non soltanto attraverso manifesti ben scritti.

Un buon criterio potrebbe essere questo:

  1. L’azienda pubblica principi verificabili?
  2. Accetta conseguenze economiche per difenderli?
  3. Applica gli stessi principi quando diventano scomodi?
  4. Offre agli utenti controlli comprensibili?
  5. Consente verifiche indipendenti sui propri modelli?
  6. Ammette limiti, errori e conflitti di interesse?

Anthropic ottiene risultati interessanti sui primi punti. Sugli ultimi, come tutto il settore, ha ancora parecchia strada da percorrere.

Anche il tono di Claude influenza la nostra fiducia

Quando giudichiamo un chatbot non valutiamo soltanto l’accuratezza. Ne interpretiamo tono, prudenza, empatia e sicurezza.

Un preprint del 2026 su antropomorfismo e fiducia, basato su oltre duemila interazioni uomo-LLM, ha rilevato che calore comunicativo, competenza percepita ed empatia cognitiva influenzano fiducia, utilità percepita e vicinanza relazionale. Il lavoro non riguarda specificamente Claude e, trattandosi di un preprint, i risultati vanno considerati provvisori. Offre però una chiave di lettura utile.

Claude tende a esprimersi in modo composto, collaborativo e prudente. Questa personalità può comunicare maggiore affidabilità. Può anche sembrare paternalistica, evasiva o eccessivamente diplomatica.

  • Per un utente è cautela.
  • Per un altro è censura.
  • Per qualcuno è eleganza.
  • Per qualcun altro è puzza sotto il naso.

Non esiste, al momento, una solida ricerca scientifica che dimostri che Claude sia percepito dal pubblico come “snob”. Questa è un’interpretazione culturale del marchio, non un dato sperimentale.

Quindi Claude è davvero un’intelligenza artificiale fighetta?

Un po’ sì.

Lo è nella comunicazione, nel lessico e nell’immaginario costruito attorno al prodotto. Claude si presenta come l’assistente che non vuole venderti nulla, non vuole farti perdere tempo, legge documenti lunghi, riflette prima di rispondere e possiede perfino una Costituzione.

È l’AI che non ti invita a “scatenare la creatività”. Preferisce aiutarti a “pensare con maggiore chiarezza”.

Ma ridurla a un vezzo per intellettuali sarebbe un errore. Claude è diventato uno strumento importante per programmatori e imprese, e Anthropic ha trasformato alcuni principi in limiti tecnici, contrattuali e commerciali. Nel confronto con il Pentagono ha accettato conseguenze concrete, pur senza rinnegare la collaborazione militare.

Sulla privacy, invece, il quadro è meno eccezionale di quanto suggerisca la reputazione. Le differenze tra account consumer ed enterprise sono decisive, le conversazioni personali possono essere utilizzate per l’addestramento se non si interviene sulle impostazioni e nessun modello cloud è immune dai problemi generali legati ai dati.

La mia conclusione?

Claude è un’intelligenza artificiale fighetta, ma non nel senso di un prodotto tutto posa e niente sostanza. È una fighetta con il badge enterprise, una Costituzione nello zaino e le scarpe antinfortunistiche.

A volte il suo tono può infastidire. A volte la comunicazione di Anthropic sembra suggerire: “Noi non siamo come gli altri”.

Però, in un mercato nel quale molte aziende parlano di principi finché non compare un contratto importante, averne almeno due che resistono davanti a 200 milioni di dollari non è proprio irrilevante.

Resta una domanda da fare a tutte le aziende dell’AI, Anthropic compresa: quanto valgono i vostri principi quando smettono di essere una campagna di comunicazione e iniziano a costare davvero?

Per sperimentare Claude e gli altri assistenti in modo più consapevole, puoi partire anche dalla mia raccolta di prompt per l’intelligenza artificiale generativa, ricordando che nessun prompt sostituisce la verifica delle fonti e la responsabilità umana.

FAQ su Claude, Anthropic, privacy ed etica

Claude e Anthropic sono la stessa cosa?

No. Anthropic è la società che sviluppa Claude. Claude è il nome della famiglia di modelli e dell’assistente di intelligenza artificiale.

Claude è più sicuro di ChatGPT?

Non è possibile dare una risposta assoluta. Anthropic utilizza tecniche specifiche come la Constitutional AI e pubblica numerosi documenti sulla sicurezza. La sicurezza effettiva dipende però dal modello, dal tipo di utilizzo, dalle configurazioni e dai criteri adottati per misurarla.

Claude usa le conversazioni per addestrare i modelli?

Per gli account consumer Anthropic può utilizzare input e output, salvo disattivazione nelle impostazioni. Per i servizi commerciali e aziendali i dati non vengono usati per l’addestramento per impostazione predefinita.

Anthropic ha interrotto il contratto con il Pentagono?

La vicenda è più complessa. Anthropic ha rifiutato di eliminare due limitazioni relative a sorveglianza interna di massa e armi completamente autonome. Il governo statunitense ha quindi adottato provvedimenti contro l’azienda, successivamente contestati in tribunale.

Claude è l’intelligenza artificiale degli snob?

È una definizione ironica, non una categoria scientifica. La comunicazione di Anthropic punta su riflessione, sicurezza, lavoro professionale e assenza di pubblicità. Questo posizionamento può far percepire Claude come un prodotto più colto, elitario o sofisticato rispetto ad altri chatbot.

La Constitutional AI rende Claude moralmente neutrale?

No. La Constitutional AI rende più espliciti alcuni principi usati nell’addestramento, ma quei principi sono comunque selezionati, interpretati e applicati da persone e organizzazioni inserite in uno specifico contesto culturale.

Fonti

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

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

Inviaci email

Usare dati aziendali con l’intelligenza artificiale può essere utile e sostenibile, ma richiede strumenti autorizzati, informazioni selezionate e regole precise. Il rischio cambia in base a ciò che carichiamo, alle condizioni del servizio e alle operazioni che permettiamo all’AI di svolgere. Pagare un abbonamento non basta a mettere al sicuro un documento.

Immaginiamo questa scena: un dipendente deve riassumere un contratto di trenta pagine. Lo carica nel chatbot, scrive “evidenzia le clausole critiche” e ottiene una risposta in pochi secondi.

Ottimo risparmio di tempo. Ma prima del caricamento mancavano alcune domande: quel servizio è autorizzato dall’azienda? Nel contratto ci sono dati personali? Ci sono vincoli di riservatezza? Chi conserverà il file e per quanto tempo?

Il pulsante “allega” è facilissimo da usare. Le decisioni che dovrebbero precederlo meritano qualche attenzione in più.

Quali dati aziendali possiamo inserire nell’AI?

Propongo un semaforo operativo. È uno schema orientativo per decidere come comportarsi, non una classificazione prevista dalla legge. La valutazione effettiva dipende dal contesto.

Tipo di informazione Esempi Indicazione operativa
Pubblica e non personale Schede prodotto, brochure, descrizioni di servizi Generalmente adatta agli strumenti autorizzati, verificando diritti d’uso e risultati
Interna Procedure, istruzioni di lavoro, bozze organizzative Verificare riservatezza, necessità e ambiente utilizzato
Riservata o personale Contratti, elenchi clienti, retribuzioni, valutazioni del personale Richiedere una valutazione specifica e protezioni adeguate
Particolarmente critica Credenziali, segreti industriali, dati sanitari, fascicoli delicati Escluderla dai chatbot generici; eventuali usi richiedono procedure e ambienti dedicati

Attenzione anche alla parola “pubblico”: un documento disponibile online può contenere dati personali. La pubblicazione non autorizza automaticamente qualsiasi riutilizzo. I principi di liceità, finalità e minimizzazione restano centrali nel Regolamento generale sulla protezione dei dati, consultabile sul sito del Garante.

ChatGPT usa i dati aziendali per addestrarsi?

Occorre distinguere il servizio e il tipo di account.

Nella documentazione sui dati aziendali, OpenAI dichiara che gli input e gli output di ChatGPT Business, Enterprise e della piattaforma API non sono utilizzati per addestrare i modelli per impostazione predefinita.

Per i servizi destinati ai singoli utenti, le condizioni sono differenti: OpenAI spiega quali contenuti possono essere utilizzati per migliorare i modelli e come intervenire nelle impostazioni nella pagina How your data is used to improve model performance.

Quindi la frase “uso ChatGPT” dice troppo poco per valutare il rischio. Servono almeno il piano, l’account effettivamente utilizzato, le impostazioni e le funzionalità attive.

L’esclusione dall’addestramento, inoltre, non equivale all’assenza di conservazione. È una garanzia importante, ma bisogna verificare anche tempi di conservazione, accessi e condizioni contrattuali.

Copilot è sicuro perché è già dentro Microsoft 365?

Microsoft documenta protezioni aziendali per Copilot e Copilot Chat, compreso il mancato utilizzo di prompt, risposte e dati recuperati tramite Microsoft Graph per addestrare i modelli di base.

La stessa documentazione Microsoft sulla protezione dei dati aziendali precisa però che i controlli disponibili dipendono dall’abbonamento e che ricerca web e agenti richiedono attenzione alle rispettive condizioni.

La conseguenza pratica è semplice: occorre verificare l’intero percorso dell’informazione.

Un assistente che consulta un documento interno, effettua una ricerca sul web e richiama un servizio esterno coinvolge passaggi diversi. Le garanzie del prodotto principale non vanno estese automaticamente a ogni integrazione.

Togliere i nomi rende anonimo un documento?

Non necessariamente. Ecco un esempio inventato:

“Il responsabile dell’unico stabilimento di Sulbiate, assunto a marzo, ha chiesto un’aspettativa per una specifica patologia.”

Il nome non compare. Tuttavia, per chi conosce l’organizzazione, la persona potrebbe essere riconoscibile.

Sostituire “Mario Rossi” con “Dipendente A” può ridurre l’esposizione, ma non garantisce l’anonimato. Se una persona resta identificabile, il dato continua a richiedere protezione.

Il Comitato europeo per la protezione dei dati, nel parere sui modelli di AI, sottolinea la necessità di valutare l’anonimato caso per caso.

Per le esercitazioni suggerisco dati interamente fittizi. Per il lavoro reale, invece, conviene selezionare soltanto i campi indispensabili, eliminando anche gli indizi identificativi non necessari.

GDPR e AI Act: quali obblighi considerare?

Quando vengono trattati dati personali, l’uso dell’AI deve rispettare il GDPR. Occorre verificare, tra le altre cose:

  • finalità e base giuridica del trattamento;
  • informazioni da fornire agli interessati;
  • ruoli e accordi con i fornitori;
  • misure di sicurezza e tempi di conservazione;
  • eventuali trasferimenti di dati fuori dallo Spazio economico europeo.

La valutazione d’impatto sulla protezione dei dati, o DPIA, è richiesta quando il trattamento può presentare un rischio elevato per le persone: non è automaticamente obbligatoria per qualsiasi uso di un chatbot. Il riferimento è l’articolo 35 del GDPR.

Sul versante dell’AI Act, l’alfabetizzazione sull’intelligenza artificiale è oggetto dell’articolo 4. Le domande e risposte della Commissione europea aiutano a capire come affrontarla nel contesto dell’organizzazione.

Per me la ricaduta formativa è molto concreta: chi usa l’AI deve sapere quali informazioni può caricare, come verificare le risposte e quando coinvolgere un responsabile. Saper scrivere un prompt efficace è solo una parte della competenza.

Sette regole operative da mettere nella policy aziendale

Queste sono le regole organizzative che suggerisco come base, da adattare con IT, responsabili di funzione e referente privacy.

1. Indicare strumenti e account autorizzati

La policy dovrebbe nominare prodotti, piani e modalità di accesso consentite. “È permesso usare l’AI” lascia troppe decisioni al singolo dipendente.

2. Definire quali dati sono ammessi

Servono esempi riconoscibili: preventivi, curriculum, verbali, progetti, dati dei clienti. Per ciascuna categoria bisogna chiarire condizioni, limiti e responsabile a cui rivolgersi.

3. Caricare solo ciò che serve

Se l’obiettivo è migliorare la formulazione di una clausola, valutiamo se basti quella clausola. Allegare l’intero contratto dovrebbe essere una scelta motivata.

4. Controllare collegamenti e autorizzazioni

Prima di collegare posta, archivi o CRM, definiamo quali fonti l’assistente può consultare e quali azioni può eseguire.

Nel mio approfondimento su agenti AI e second brain mostro perché il contesto documentale è utile. Proprio questa utilità rende essenziale governare gli accessi.

5. Separare preparazione e azioni delicate

Suggerisco di richiedere un’approvazione umana prima di inviare comunicazioni sensibili, pubblicare documenti o modificare informazioni importanti nei sistemi aziendali.

6. Assegnare la verifica a una persona

“Controllare il risultato” è un’indicazione incompleta. Meglio precisare chi verifica importi, scadenze, riferimenti normativi, destinatari e fedeltà ai documenti originali.

7. Prevedere cosa fare in caso di errore

La procedura dovrebbe indicare a chi segnalare un caricamento improprio e quali informazioni conservare per ricostruirlo. Cancellare la conversazione non dimostra, da solo, che il problema sia risolto.

Tre esempi pratici: commerciale, HR e Comune

I seguenti sono scenari didattici, non casi di cronaca.

Commerciale. Per migliorare la struttura di un’offerta, si può iniziare da un modello privo di nominativi, prezzi riservati e condizioni negoziali. I dati reali vengono inseriti successivamente nell’ambiente autorizzato.

Risorse umane. Per creare una scaletta di colloquio, spesso bastano mansione, competenze e obiettivi. Non occorre partire dall’intero archivio dei curriculum.

Comune. Per preparare una checklist relativa a un bando, si può partire dal testo pubblico. L’analisi delle domande dei cittadini, con allegati e dati personali, richiede una valutazione distinta.

La domanda utile, in tutti e tre i casi, è: quali informazioni sono davvero necessarie per ottenere questo risultato?

Un prompt non sostituisce le protezioni tecniche

Scrivere “questi dati sono riservati, non divulgarli” non modifica il contratto del fornitore, le impostazioni di conservazione o i permessi degli strumenti collegati.

Un prompt può aiutare a circoscrivere il compito. Non può diventare una cassaforte.

Prima di caricare un documento, consiglio quindi un controllo essenziale:

Sono autorizzato a far trattare questi dati da questo fornitore, per questa finalità?

Se la risposta è incerta, il passo successivo è chiarirla con chi governa il servizio.

Per costruire un percorso pratico sull’uso dell’AI in azienda o nella pubblica amministrazione, puoi contattarmi per una formazione dedicata: possiamo partire dalle attività quotidiane e trasformarle in esercitazioni, criteri di verifica e regole comprensibili.

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

AI e pensiero critico devono crescere insieme: delegare un’attività richiede di saper valutare il risultato, riconoscere gli errori e decidere quando fermarsi. Lo studio IBM CHRO 2026 offre uno spunto concreto per ripensare la formazione aziendale. Ma la sua lettura richiede la stessa attenzione che chiediamo a chi usa un chatbot: controllare fonti, definizioni e confronti.

Il mio consiglio alle aziende è semplice: inserire la verifica degli output tra le attività da insegnare, organizzare e riconoscere. Il pulsante “genera” è facile da trovare. Chi può premere “fermi tutti” dovrebbe essere altrettanto chiaro.

Che cosa misura lo studio IBM CHRO 2026

Il comunicato IBM del 21 settembre 2026 presenta due indagini condotte con Oxford Economics tra aprile e giugno 2026: 1.500 CHRO e dirigenti equivalenti, in 21 aree geografiche e 23 settori; 8.800 dipendenti a tempo pieno, in 28 Paesi. CHRO significa Chief Human Resources Officer, ossia responsabile delle risorse umane.

Si tratta di un’indagine aziendale basata su risposte e valutazioni, non di un esperimento che misura la perdita di capacità cognitive. Non la leggerei neppure come una fotografia specifica delle PMI italiane.

71%, 29% e 38%: attenzione a che cosa confrontiamo

Il comunicato accosta il 71% dei CHRO, che dà priorità alla supervisione, validazione e possibilità di disattendere gli output dell’AI, al 29% dei dipendenti, che considera importante il giudizio.

Nella pagina del report IBM “Designing the Thinking Organization”, però, il confronto sulla capacità di supervisionare, validare o disattendere gli output è 71% contro 38%. Per pensiero critico e definizione del problema, i valori sono 57% e 49%.

Le etichette contano. Il 29% non va sostituito al 38% come se fosse la stessa misura. I testi pubblici consultati non consentono di ricostruire integralmente il questionario: mantengo quindi separati i confronti. Sarebbe scorretto concludere che “il 71% dei lavoratori non sa ragionare”: una priorità dichiarata non è un test di competenza.

Responsabilità, fiducia e competenze: gli altri dati

Queste percentuali sono confermate dal comunicato IBM citato sopra:

Indicatore Dato
Dipendenti preoccupati dall’erosione delle competenze 60%
Dipendenti che riferiscono di ricevere la colpa degli errori dell’AI 43%
CHRO che dubitano della sicurezza percepita nel contestare l’AI 41%
CHRO che segnalano responsabilità poco chiare 36%
Organizzazioni che escludono il CHRO dalla definizione della strategia AI 46%
CHRO con difficoltà di coordinamento nella C-suite 73%
Valutazioni delle capacità HR: alfabetizzazione AI, misurazione, gestione del cambiamento 13%, 16%, 20%

Il report collega inoltre l’integrazione del giudizio nel lavoro alla fiducia: il 62% dei CHRO segnala una crescita dove questa integrazione esiste; dove manca, il 57% segnala un calo. Sono gruppi e direzioni differenti: non sono due percentuali da sottrarre per calcolare un “effetto”.

Il mio punto di attenzione è organizzativo: chiedere a una persona di controllare un risultato, senza darle tempo e autorità per respingerlo, rischia di trasformare la supervisione in una firma automatica. Una procedura utile deve spiegare chi verifica, con quali fonti e che cosa succede se il risultato non supera il controllo.

AI e pensiero critico: che cosa dice la ricerca scientifica

Un riferimento pertinente è il lavoro di Hao-Ping Lee e colleghi, pubblicato negli atti di CHI 2025 e disponibile su Microsoft Research: “The Impact of Generative AI on Critical Thinking”. Gli autori hanno raccolto risposte da 319 lavoratori della conoscenza e 936 esempi d’uso.

Una maggiore fiducia nell’AI risulta associata a minore pensiero critico dichiarato; una maggiore fiducia nelle proprie capacità, al contrario, a maggiore esercizio critico. Il lavoro descrive anche uno spostamento dell’impegno verso la verifica delle informazioni, l’integrazione delle risposte e la supervisione del compito.

Associazione non significa causalità. Anche qui parliamo di autovalutazioni: il paper non dimostra che usare un chatbot provochi inevitabilmente un deterioramento cognitivo. Per sostenere una conclusione del genere servirebbero misure delle capacità nel tempo e un disegno capace di distinguere l’effetto dell’AI da altri fattori.

Il Future of Jobs Report 2025 del World Economic Forum aggiunge una prospettiva sulle priorità dei datori di lavoro: sette aziende su dieci considerano essenziale il pensiero analitico. È un’indagine diversa, che non valida le percentuali IBM; aiuta però a collocare le competenze di valutazione nel quadro più ampio del lavoro.

Come riconoscere gli errori dell’AI nel lavoro quotidiano

Propongo di tradurre “pensiero critico” in comportamenti osservabili. “Usare buon senso” è un’indicazione troppo vaga per progettare una lezione o verificare un processo.

Attività Errore da cercare Verifica umana
Preparare un preventivo Condizioni tratte da una proposta superata Confrontare importi e scadenze con l’ultimo accordo
Riassumere una riunione Ipotesi trasformate in decisioni Distinguere proposte, decisioni e attività assegnate
Analizzare vendite Percentuali corrette su periodi non confrontabili Controllare denominatori, intervalli e dati mancanti
Scrivere un articolo Una fonte esistente che non sostiene la frase Aprire il documento e verificare il passaggio pertinente
Preparare una bozza HR Requisiti aggiunti senza evidenza Confrontare ogni requisito con il brief approvato

Sono esempi didattici, non casi misurati dallo studio. Nel mio approfondimento su agenti AI e second brain ho affrontato proprio il problema del preventivo: recuperare informazioni serve solo se si individua la versione pertinente e si mantiene una verifica del risultato.

Una procedura in cinque passi per le aziende

Come riferimento generale, il National Institute of Standards and Technology propone l’AI Risk Management Framework, un quadro volontario per integrare l’affidabilità nella progettazione, nell’uso e nella valutazione dei sistemi. La procedura seguente è una mia proposta operativa, non una checklist ufficiale del NIST.

  1. Definire la decisione. Prima di aprire il chatbot, scrivere quale problema si vuole risolvere e con quali criteri si accetterà il risultato.
  2. Assegnare la responsabilità. Indicare chi prepara, chi verifica e chi autorizza l’azione finale. Il verificatore deve poter chiedere modifiche.
  3. Rendere disponibili le prove. Affiancare all’output documenti originali, versioni e dati utilizzati. Un link da solo non basta.
  4. Prevedere lo stop. Stabilire quando sospendere l’attività: fonti assenti, risultati incoerenti, informazioni insufficienti o conseguenze che richiedono una valutazione specialistica.
  5. Misurare anche la qualità. Registrare errori trovati, correzioni e tempo complessivo, compreso quello della revisione. Il solo numero di testi prodotti racconta poco.

Un esercizio per allenare il giudizio umano

In un percorso di formazione sull’AI generativa inserirei una prova di venti minuti. Il docente prepara un breve report e un fascicolo di fonti, introducendo intenzionalmente tre problemi: una percentuale con denominatore sbagliato, una fonte che non sostiene la conclusione e un’ipotesi presentata come certezza.

I partecipanti devono trovare i problemi, spiegare come li hanno verificati e decidere se approvare, correggere o sospendere il report. Prima formulano una valutazione autonoma; poi possono usare l’AI per cercare obiezioni. Vince chi motiva meglio, non chi consegna prima.

Il debriefing dovrebbe includere una domanda: “Quale errore avresti lasciato passare se avessi avuto soltanto trenta secondi?”. La risposta aiuta a progettare tempi realistici di controllo.

Domande frequenti su AI, competenze e pensiero critico

Che cosa significa supervisionare un output dell’AI?

Significa confrontarlo con fonti e criteri pertinenti, verificarne i limiti e decidere se utilizzarlo, modificarlo o respingerlo. Rileggere un testo senza controllarne le affermazioni è una revisione incompleta.

Lo studio IBM dimostra che l’AI riduce le competenze?

No: le rilevazioni riportano percezioni e valutazioni. Per misurare una perdita effettiva servono prove delle capacità, confronti nel tempo e analisi delle possibili cause.

Come formare i dipendenti a contestare l’AI?

Propongo esercitazioni con errori intenzionali, accesso alle fonti, criteri espliciti e discussione delle decisioni. La formazione va accompagnata dal tempo necessario per verificare e da un percorso chiaro per segnalare i dubbi.

Fonti e criterio di lettura

I collegamenti alle cinque risorse principali sono distribuiti nei paragrafi: comunicato IBM, report IBM Institute for Business Value, studio CHI 2025, World Economic Forum e NIST. Le prime due documentano la notizia; le altre offrono ricerca e riferimenti di contesto. Gli esempi e la procedura sono mie proposte didattiche. Verifica effettuata il 21 settembre 2026.

Per progettare un laboratorio aziendale su AI e pensiero critico, contattami: possiamo partire dai vostri documenti e definire insieme che cosa significhi, concretamente, un risultato affidabile.

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

Risposta breve: no, entro il 2036 non avremo tutti un robot domestico umanoide in casa. È invece molto realistico aspettarsi abitazioni con più robot specializzati, capaci di pulire, sorvegliare, trasportare piccoli oggetti e assistere anziani o persone con disabilità. Una minoranza potrà acquistare o noleggiare un robot mobile con braccia. Il maggiordomo generalista che cucina, riordina, piega il bucato e gestisce ogni imprevisto resterà probabilmente un prodotto costoso e imperfetto.

La distinzione conta. Un robot aspirapolvere è già un robot domestico. Un umanoide che capisce la casa, manipola oggetti diversi e lavora senza supervisione è un problema enormemente più difficile. Nei video sembrano separati da pochi aggiornamenti software. Nella realtà, in mezzo ci sono scale, bambini, animali, calzini, bicchieri fragili, privacy e responsabilità.

Che cosa intendiamo per robot domestico?

Con “robot domestico” si possono indicare almeno tre categorie molto diverse:

  • robot specializzati, come aspirapolvere, tagliaerba, lavavetri e sistemi per la sorveglianza;
  • robot mobili con braccia, progettati per pochi compiti concreti, per esempio raccogliere vestiti o riordinare una stanza;
  • robot umanoidi generalisti, capaci in teoria di muoversi negli spazi pensati per le persone e usare gli stessi oggetti che usiamo noi.

Dire “avremo tutti un robot” senza specificare quale equivale a chiedere se tutti avranno un computer mettendo nella stessa categoria una calcolatrice e un data center.

Dove siamo nel 2026: molti video, pochi umanoidi al lavoro

I numeri ridimensionano l’entusiasmo. Secondo i dati dell’International Federation of Robotics anticipati da Reuters il 21 settembre 2026, nel 2025 sono stati venduti nel mondo circa 7.000 robot umanoidi per usi industriali e professionali. Molti sono finiti in centri di ricerca o aziende che li usano per raccogliere dati e addestrare modelli, non per svolgere lavoro produttivo. Nel 2024 erano stati venduti circa 199.000 robot di servizio professionali, soprattutto per trasporto, ospitalità e pulizia.

Settemila unità sono un segnale di mercato, non un’invasione. Anche le fabbriche automobilistiche, che hanno ambienti più controllati di un appartamento, stanno sperimentando spesso con pochi robot per impianto.

Questo è un buon antidoto alla AI FOMO: una dimostrazione spettacolare non equivale a un prodotto affidabile, economico e pronto a lavorare otto ore al giorno.

Che cosa dice la ricerca scientifica sui robot in casa

Una casa è un ambiente ostile per un robot

Per noi una cucina è familiare. Per una macchina è un ambiente non strutturato che cambia continuamente. Una tazza può essere nel lavello, sul tavolo o dietro una confezione. Una maglietta è deformabile. Una porta può essere socchiusa. Il pavimento può essere bagnato. Ogni oggetto richiede percezione, pianificazione, presa, controllo della forza e capacità di recuperare dagli errori.

Una rassegna del 2025 pubblicata su IEEE/CAA Journal of Automatica Sinica identifica quattro problemi centrali per i robot di servizio: localizzazione, navigazione, manipolazione e autonomia di lungo periodo. Gli autori sottolineano che l’ambiente domestico aperto, dinamico e non strutturato limita ancora l’impiego su larga scala.

Il benchmark Stanford elenca mille lavori domestici

Il progetto BEHAVIOR-1K della Stanford University raccoglie 1.000 attività domestiche realistiche, costruite a partire da sondaggi su ciò che le persone vorrebbero delegare. Le attività sono simulate in 50 ambienti interattivi con oltre 10.000 oggetti. Il dato interessante non è soltanto il numero: dimostra quanto sia lunga la coda dei casi possibili. Pulire una macchia e piegare un asciugamano richiedono competenze fisiche diverse.

I modelli visione-linguaggio-azione stanno accelerando

Nel 2025 Google DeepMind ha presentato Gemini Robotics, un modello capace di collegare immagini, istruzioni linguistiche e azioni. Nelle prove mostrate riconosce oggetti, reagisce ai cambiamenti e svolge compiti delicati, come piegare origami o inserire uno snack in un sacchetto. DeepMind dichiara per Gemini Robotics-ER un tasso di successo da due a tre volte superiore a Gemini 2.0 in alcune valutazioni end-to-end.

È un progresso importante, ma il confronto è relativo a un modello precedente, non al tasso di affidabilità richiesto in una casa. Se un robot riesce nove volte su dieci, il video può essere ottimo. Se la decima volta lascia cadere una pentola accanto a un bambino, il prodotto non è ancora pronto.

Ogni casa richiede apprendimento continuo

Un lavoro accettato alla conferenza IEEE ICRA 2024 ha testato per due mesi un’architettura di apprendimento continuo su un robot mobile incaricato di recuperare oggetti. La ricerca di Ayub, Nehaniv e Dautenhahn mostra che il robot può adattarsi ai cambiamenti usando pochi esempi forniti dalle persone. Mostra anche il limite: il risultato riguarda un compito circoscritto in laboratorio, non un assistente universale.

Tre esempi concreti di robot domestici

1X NEO: il maggiordomo umanoide da 20.000 dollari

1X ha annunciato NEO come robot umanoide per la casa. Il prezzo Early Access è di 20.000 dollari, con un futuro abbonamento da 499 dollari al mese. L’azienda promette consegne iniziali negli Stati Uniti nel 2026 ed espansione in altri mercati dal 2027. NEO dovrebbe piegare il bucato, sistemare scaffali, recuperare oggetti e gestire semplici attività. Quando non conosce un compito, il proprietario può prenotare l’intervento remoto di un esperto 1X che lo guida.

Quest’ultimo dettaglio è decisivo: il robot può apparire autonomo, ma parte dell’intelligenza può ancora essere umana e remota. Funziona, ma apre domande evidenti su costo, latenza e presenza di telecamere dentro casa.

Isaac 1: ruote, due braccia e compiti più circoscritti

Weave Robotics propone Isaac 1, un robot mobile su ruote pensato per raccogliere vestiti, gestire ceste, piegare il bucato, rifare il letto e riordinare oggetti. Costa 7.999 dollari oppure 449 dollari al mese. Le prime consegne sono indicate per l’autunno 2026 in California. Il funzionamento è autonomo per i flussi dichiarati, con assistenza in teleoperazione quando necessaria.

La scelta delle ruote non è un ripiego. Riduce costi, consumo energetico e rischio di caduta. Per molte case, il robot utile potrebbe assomigliare più a un mobile semovente con due braccia che a C-3PO.

Il test indipendente del Wall Street Journal

Le dimostrazioni ufficiali mostrano il meglio. Un test del Wall Street Journal su NEO è utile perché evidenzia anche lentezza, limiti operativi e ruolo dell’assistenza remota. È il confronto corretto tra promessa e uso quotidiano.

Quanto potrebbe costare un robot domestico entro il 2036?

Le stime finanziarie vanno trattate come scenari, non come orari ferroviari. Morgan Stanley Research prevede un’adozione relativamente lenta fino alla metà degli anni Trenta e un’accelerazione successiva. La stessa analisi stima per il 2050 circa 80 milioni di umanoidi nelle case, contro una quota molto maggiore destinata a usi industriali e commerciali. Negli Stati Uniti ipotizza un umanoide soltanto nel 10% delle abitazioni nel 2050.

Questa è la mia stima ragionata per il 2036, costruita sui prezzi già annunciati e sul probabile calo dei componenti. Non è una previsione scientifica:

Tipo di robot nel 2036 Possibile costo Diffusione plausibile
Robot specializzato evoluto 500-3.000 euro Comune nelle case con reddito medio e alto
Robot mobile con braccia e compiti limitati 5.000-15.000 euro oppure 200-500 euro al mese Minoranza di famiglie e servizi assistenziali
Umanoide generalista realmente affidabile 20.000-60.000 euro, manutenzione esclusa Prodotto premium, non di massa

Il prezzo di acquisto non sarà l’unico costo. Serviranno assistenza, ricambi, batterie, assicurazione, connessione, aggiornamenti software e forse un abbonamento per l’elaborazione in cloud o la teleoperazione. Il modello economico potrebbe assomigliare più a un’automobile con servizi digitali che a un elettrodomestico.

I cinque ostacoli che i video promozionali mostrano poco

  1. Affidabilità. Una casa non tollera facilmente errori fisici, soprattutto vicino a persone fragili.
  2. Velocità. Un compito riuscito in dieci minuti può essere tecnicamente notevole e praticamente inutile se una persona lo svolge in trenta secondi.
  3. Autonomia energetica. Motori, sensori e calcolo consumano energia. Ricaricare spesso riduce il valore del servizio.
  4. Privacy e sicurezza informatica. Un robot vede stanze, oggetti, abitudini e persone. La ricerca sulla fiducia nei robot domestici studia interfacce che rendano visibili raccolta dati e possibilità di intervento. Non basta una pagina di condizioni lunga trenta schermate.
  5. Responsabilità. Chi risponde se il robot rompe un oggetto, ferisce qualcuno o viene usato da remoto in modo improprio? In Europa entrano in gioco sicurezza del prodotto, protezione dei dati e, a seconda delle funzioni, il Regolamento europeo sull’intelligenza artificiale.

Per questo il controllo umano resterà centrale. Ho spiegato la differenza tra human-in-the-loop e human-on-the-loop parlando di agenti software. Con un robot fisico la distinzione diventa ancora più concreta: chi controlla, quando può intervenire e come si ferma la macchina?

Quanti italiani potrebbero averne uno nel 2036?

Non esiste oggi una base abbastanza solida per una percentuale precisa. La mia stima per l’Italia distingue tre scenari:

  • scenario prudente: meno dell’1% delle famiglie possiede un robot mobile manipolatore o umanoide; i robot specializzati continuano a moltiplicarsi;
  • scenario centrale: tra l’1% e il 5% delle famiglie usa un robot con braccia, acquistato o in abbonamento, soprattutto per assistenza e gestione della casa;
  • scenario molto ottimistico: tra il 5% e il 15%, possibile soltanto con prezzi sotto i 10.000 euro, affidabilità elevata, assistenza capillare e regole chiare.

“Tutti” rimane irrealistico anche nello scenario più favorevole. Il vero salto potrebbe avvenire prima nei servizi per anziani, nelle residenze assistite, negli alberghi e nelle imprese di pulizia. Sono contesti in cui il costo si distribuisce su più utenti e i compiti possono essere standardizzati.

La mia conclusione: sì ai robot in casa, no al maggiordomo universale per tutti

Entro dieci anni molti di noi parleranno con oggetti capaci di vedere, comprendere istruzioni e agire. Le abitazioni più tecnologiche avranno una piccola squadra di macchine specializzate. Alcune famiglie proveranno robot mobili dotati di braccia. Pochissime avranno un umanoide davvero generalista.

Il passaggio più probabile non sarà dal nulla a un maggiordomo robotico. Sarà una progressione: aspirapolvere più intelligente, dispositivi coordinati, bracci mobili, assistenza remota, nuovi compiti scaricabili. In altre parole, il robot domestico arriverà a pezzi prima di arrivare tutto intero.

La parte più interessante riguarda l’intelligenza che orchestra questi dispositivi. È la versione fisica di ciò che sta già accadendo con agenti AI e second brain: memoria, contesto, pianificazione e strumenti trasformano un comando in una sequenza di azioni. Con una differenza: se un agente software sbaglia una tabella, possiamo correggerla. Se un robot sbaglia presa, raccogliamo i cocci.

Domande frequenti

Un robot domestico può già pulire e riordinare tutta la casa?

No. I prodotti attuali svolgono bene compiti specializzati. I modelli più avanzati promettono raccolta del bucato e riordino, ma hanno ancora limiti di velocità, autonomia e affidabilità e possono ricorrere all’assistenza remota.

Quanto costa oggi un robot umanoide per la casa?

Nel 2026 1X propone NEO in Early Access a 20.000 dollari o, in futuro, a 499 dollari al mese. Isaac 1, non umanoide e su ruote, è annunciato a 7.999 dollari o 449 dollari al mese. Prezzi, disponibilità e funzioni possono cambiare.

Il robot registrerà quello che succede in casa?

Per lavorare deve usare sensori, telecamere e microfoni. Le domande da porre sono dove vengono elaborati i dati, per quanto tempo vengono conservati, chi può accedervi e quando interviene un operatore remoto.

Entro il 2036 avremo davvero tutti un robot?

Probabilmente avremo molti più robot domestici specializzati. Un robot generalista in ogni casa è incompatibile con i dati attuali su prezzo, affidabilità e ritmo di adozione.

Fonti

Per questa analisi ho consultato i dati 2025 dell’International Federation of Robotics riportati da Reuters il 21 settembre 2026; il benchmark BEHAVIOR-1K della Stanford University; la rassegna 2025 di Zhang e colleghi su IEEE/CAA Journal of Automatica Sinica; il lavoro di Ayub, Nehaniv e Dautenhahn accettato a IEEE ICRA 2024; la documentazione tecnica di Google DeepMind su Gemini Robotics; l’analisi di mercato 2025 di Morgan Stanley; la documentazione ufficiale di 1X NEO e Weave Robotics Isaac 1; lo studio ACM del 2025 su privacy e fiducia nei robot domestici; il quadro normativo della Commissione europea.

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

Un corso AI per giornalisti e comunicatori aziendali dovrebbe insegnare a lavorare su fonti, testi e destinatari, mantenendo il controllo su accuratezza e responsabilità. È un’esigenza che riguarda anche gli uffici HR e chi si occupa di comunicazione interna: dagli annunci di lavoro alle newsletter, dalle interviste ai dipendenti ai materiali per accogliere i nuovi colleghi.

Prendiamo un annuncio: «Azienda leader cerca persona dinamica da inserire in un ambiente stimolante». Potrebbe riguardare una multinazionale, una municipalizzata o il negozio sotto casa. Se chiediamo all’intelligenza artificiale di renderlo “più coinvolgente”, rischiamo di ottenere lo stesso annuncio con tre aggettivi in più.

Io partirei da altre domande: quale lavoro farà questa persona? Che cosa troverà davvero? Quali informazioni le servono per decidere se candidarsi?

Questa riflessione si collega al corso che terrò il 25 novembre 2026 per Confservizi Lombardia, dedicato al ruolo della comunicazione nel trovare e trattenere talenti. Parto da quell’appuntamento per ragionare anche su come usare l’AI in modo utile e verificabile.

Il corso Confservizi Lombardia: comunicazione, nuovi strumenti e talenti

Il titolo ufficiale è Il ruolo della comunicazione per trovare e trattenere talenti: nuovi strumenti e linguaggi. L’incontro rientra nel percorso #labuonacomunicazione ed è rivolto a giornalisti, comunicatori aziendali, uffici HR e persone interessate alla comunicazione interna.

Quando 25 novembre 2026, dalle 9:30 alle 13:30
Dove In presenza, Confservizi Lombardia, Strada 4, Palazzo Q7, Rozzano (MI)
Relatore Gianluigi Bonanomi, giornalista e formatore
Introduzione Paola Busto, responsabile comunicazione Confservizi Lombardia
Crediti Il programma indica 4 crediti formativi per i giornalisti iscritti all’Albo
Iscrizioni Entro il 23 novembre 2026; posti disponibili fino a esaurimento

Il programma ufficiale mette al centro attrattività dell’organizzazione, ricerca di personale, strumenti digitali e tecniche di comunicazione. Non elenca esplicitamente moduli sull’intelligenza artificiale: le applicazioni AI che propongo qui sono un approfondimento del tema.

La pagina segnala la gratuità per le associate e invita i non associati a scrivere a comunicazione@confservizilombardia.it. Poiché il PDF definisce il corso riservato agli associati, chi non è associato deve verificare con l’organizzazione le condizioni di accesso.

Che cosa dovrebbe insegnare un corso AI per giornalisti e comunicatori aziendali

Per me il risultato della formazione deve essere osservabile: un comunicato più preciso, una procedura più comprensibile, un annuncio con meno formule vuote. Organizzerei il lavoro intorno a cinque competenze:

  1. Definire il compito: destinatario, obiettivo e risultato atteso.
  2. Selezionare le fonti: documenti approvati, versioni aggiornate e informazioni utilizzabili.
  3. Scrivere istruzioni: specificare tono, formato, limiti e gestione delle informazioni mancanti.
  4. Controllare l’output: verificare numeri, nomi, citazioni, omissioni e ambiguità.
  5. Misurare il risultato: includere nel tempo di lavoro anche revisioni e correzioni.

Le linee guida pubblicate da Associated Press nel 2023 offrono un riferimento concreto: il materiale prodotto dall’AI va considerato non verificato e sottoposto a giudizio editoriale. La responsabilità dell’accuratezza resta ai giornalisti. È un criterio che suggerisco di adottare anche nella comunicazione aziendale.

AI ed employer branding: prima le prove, poi gli aggettivi

Con employer branding intendiamo il lavoro sull’identità e sulla reputazione dell’organizzazione come luogo di lavoro. Il mio consiglio è partire dalle prove: percorsi di crescita documentati, attività quotidiane, condizioni reali, esperienze dei colleghi.

Immaginiamo, come esercizio, un’azienda di servizi pubblici che cerchi tecnici. Possiamo fornire all’AI una scheda approvata della posizione e chiederle di individuare le informazioni mancanti prima di riscrivere l’annuncio.

Analizza questa scheda di posizione dal punto di vista di un candidato. Individua informazioni mancanti su attività, sede, turni, requisiti, formazione e condizioni offerte. Non completare i vuoti con supposizioni. Distingui i requisiti indispensabili da quelli preferenziali solo se la fonte lo consente. Infine prepara una bozza di annuncio usando esclusivamente i fatti disponibili.

La parte più utile potrebbe essere proprio l’elenco delle domande a cui l’azienda non ha ancora risposto. Prima di promettere un “percorso di crescita”, qualcuno deve saper spiegare in che cosa consiste.

Per approfondire il canale LinkedIn, sul sito trovi anche il mio videocorso LinkedIn gratuito: una risorsa complementare per lavorare sulla presenza professionale online.

Comunicazione interna e HR: tre esercizi pratici con l’AI

Quelli che seguono sono esempi didattici, non casi aziendali con risultati misurati.

1. Trasformare una procedura in istruzioni comprensibili

Partirei da una procedura approvata e chiederei una comunicazione breve, una FAQ e una checklist. Il controllo decisivo riguarda ciò che potrebbe sparire nella semplificazione: eccezioni, scadenze, responsabilità.

Usa esclusivamente il documento allegato. Prepara una comunicazione per i dipendenti con: che cosa cambia, chi è coinvolto, da quando e che cosa deve fare. Conserva tutte le eccezioni rilevanti. Per ogni indicazione riporta il paragrafo di origine. Elenca separatamente le informazioni che non trovi.

2. Preparare un’intervista autentica a un collega

Per raccontare un mestiere possiamo usare l’AI per preparare le domande: quale problema affronti più spesso? Che cosa hai imparato nel primo mese? Quale aspetto del lavoro sorprende chi arriva?

Le risposte devono venire dalla persona intervistata. Chiedere al chatbot di inventare una testimonianza “realistica” significa costruire una voce aziendale che nessuno ha mai espresso. In fase di revisione, terrei separate citazioni testuali e parafrasi, tornando sempre alla registrazione o agli appunti originali.

3. Rendere più utile l’onboarding

Un esercizio possibile è trasformare materiali approvati in una guida per la prima settimana: persone da contattare, strumenti da attivare, procedure da conoscere e domande frequenti.

Per il prototipo userei materiali fittizi o autorizzati. Prima di mettere a disposizione un assistente interno, definirei accessi, responsabili degli aggiornamenti e modalità di passaggio a una persona quando manca una risposta. Un assistente molto sicuro di sé, ma fermo al regolamento di tre anni fa, non è un buon benvenuto.

Quanto può aiutare l’AI? Leggere bene i risultati della ricerca

Lo studio Generative AI at Work, di Erik Brynjolfsson, Danielle Li e Lindsey Raymond, nella versione del novembre 2024, analizza l’introduzione di un assistente AI tra 5.172 addetti all’assistenza clienti. Gli autori riportano un incremento medio del 15% nella produttività, misurata come problemi risolti per ora, con differenze tra lavoratori.

È un risultato interessante, ma riguarda un contesto specifico. Non dimostra che una redazione scriverà il 15% meglio o che una newsletter ridurrà il turnover. Per un ufficio comunicazione proporrei una prova su compiti comparabili: tempo complessivo, errori, revisioni necessarie e comprensione da parte dei destinatari.

Anche la revisione va progettata. Nielsen Norman Group, nell’approfondimento sulle allucinazioni dei sistemi AI, descrive il problema di risposte plausibili ma non corrette. Nella pratica, chiedere al modello «Sei sicuro?» non sostituisce il confronto con una fonte.

Attrarre e trattenere persone: che cosa misurerei

Se l’obiettivo è migliorare la comunicazione con candidati e dipendenti, misurerei risultati più vicini alle loro decisioni:

  • Quante candidature soddisfano i requisiti effettivi della posizione?
  • Quali domande ricorrenti segnalano informazioni assenti nell’annuncio?
  • Dopo una comunicazione interna, le persone sanno che cosa devono fare?
  • Quante risposte dell’assistente richiedono una correzione?
  • Il tempo risparmiato nella bozza rimane un risparmio dopo la revisione?

Terrei distinto il contributo della comunicazione dalle altre ragioni che portano una persona a restare o andare via. Una newsletter scritta benissimo non ripara da sola un problema di organizzazione del lavoro. L’AI può aiutarci a formulare meglio le promesse; dobbiamo poi assicurarci di poterle mantenere.

Domande frequenti

La formazione AI sulla comunicazione serve anche agli uffici HR?

Sì, può essere progettata su annunci, onboarding, FAQ e comunicazioni al personale. Suggerisco esercitazioni su documenti fittizi o autorizzati, con criteri espliciti per controllare i risultati.

Il corso Confservizi è dedicato esclusivamente all’AI?

No: il programma pubblicato riguarda comunicazione, attrattività dell’organizzazione e strumenti digitali per la ricerca di personale. Non presenta l’evento come un corso esclusivamente sull’AI.

Come si partecipa all’incontro del 25 novembre?

Il riferimento per iscrizioni, disponibilità e condizioni aggiornate è la pagina del corso Confservizi Lombardia. Se lavori nella comunicazione o nelle risorse umane, sarà un’occasione per ragionare su come raccontare l’organizzazione con informazioni utili a chi deve scegliere di entrarci e a chi ci lavora già.

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