Tag Archivio per: ai

ChatGPT per aziende e Pubblica Amministrazione: cosa spiegare in una conferenza davvero utile

Una conferenza su ChatGPT per aziende e Pubblica Amministrazione funziona quando non si limita a mostrare “cose sorprendenti”, ma aiuta persone, manager, funzionari e decisori a capire come usare l’intelligenza artificiale generativa in modo pratico, responsabile e sicuro.

Negli ultimi anni ChatGPT, Copilot, Gemini, Claude e gli altri strumenti di AI generativa sono entrati nel lavoro quotidiano con una velocita’ rara. Il problema e’ che molte organizzazioni li hanno conosciuti in modo disordinato: qualcuno li usa per scrivere email, qualcuno per riassumere documenti, qualcuno li evita per paura di sbagliare, qualcuno ci incolla dentro dati riservati senza pensarci troppo.

Per questo una conferenza su ChatGPT per aziende, enti pubblici e Pubblica Amministrazione non dovrebbe essere una passerella tecnologica. Dovrebbe essere un momento di orientamento: poche idee chiare, esempi vicini al lavoro reale, attenzione a dati e privacy, consapevolezza dei limiti e una domanda molto concreta: da dove possiamo partire domani mattina?

Risposta breve: a cosa serve una conferenza su ChatGPT in azienda o nella PA?

Serve a creare un linguaggio comune sull’intelligenza artificiale generativa, mostrare casi d’uso concreti, chiarire rischi e responsabilita’, aiutare le persone a distinguere tra uso utile e uso pericoloso degli strumenti AI. In azienda puo’ accelerare produttivita’, comunicazione e innovazione. Nella Pubblica Amministrazione puo’ migliorare orientamento, efficienza interna e qualita’ dei servizi, ma solo con regole chiare e supervisione umana.

Perche’ oggi ChatGPT interessa aziende e Pubblica Amministrazione

ChatGPT e gli strumenti simili non sono soltanto chatbot. Sono interfacce linguistiche capaci di aiutare le persone a scrivere, sintetizzare, tradurre, riorganizzare informazioni, generare idee, preparare documenti, analizzare testi, creare bozze e simulare conversazioni.

In azienda questo impatta molte funzioni: marketing, vendite, HR, customer care, amministrazione, formazione, comunicazione interna, project management. Nella Pubblica Amministrazione i casi d’uso possono riguardare sportelli informativi, semplificazione del linguaggio, supporto alla redazione di atti, gestione delle FAQ, sintesi di documenti, preparazione di materiali divulgativi e formazione del personale.

Il punto, pero’, non e’ “usare ChatGPT perche’ lo usano tutti”. Il punto e’ capire quando ha senso usarlo, quali dati non inserire, come verificare le risposte, come integrare l’AI nei processi e come evitare che uno strumento potente venga trattato come un oracolo.

Cosa deve contenere una conferenza utile su ChatGPT

Una conferenza efficace dovrebbe tenere insieme tre livelli: comprensione, esempi e governance.

1. Comprensione: che cos’e’ davvero l’AI generativa

Il pubblico deve capire, senza tecnicismi inutili, che ChatGPT non “sa” le cose come una persona. Genera risposte probabili a partire da modelli linguistici, dati di addestramento, istruzioni e contesto. Questo spiega perche’ puo’ essere utilissimo, ma anche perche’ puo’ produrre errori, invenzioni, semplificazioni e risposte molto convincenti ma sbagliate.

2. Esempi: cosa si puo’ fare nel lavoro quotidiano

Gli esempi devono essere vicini al pubblico. Per un’azienda possono riguardare email commerciali, piani editoriali, analisi di feedback clienti, preparazione di riunioni, script per telefonate, descrizioni prodotto, documenti HR o report interni. Per un ente pubblico possono riguardare testi piu’ chiari per i cittadini, risposte a domande frequenti, sintesi di regolamenti, bozze di comunicazioni, materiali per eventi pubblici o supporto alla formazione interna.

3. Governance: cosa non fare e quali regole servono

La parte piu’ importante, spesso, e’ quella meno spettacolare: dati personali, informazioni riservate, controllo delle fonti, responsabilita’ delle decisioni, trasparenza verso utenti e cittadini, qualita’ degli output, supervisione umana. Senza queste basi, ChatGPT rischia di diventare una scorciatoia fragile.

Gianluigi Bonanomi relatore evento AI Allianz conferenza intelligenza artificiale

ChatGPT nella Pubblica Amministrazione: opportunità e cautele

Per la Pubblica Amministrazione l’intelligenza artificiale generativa puo’ essere una leva importante, ma richiede piu’ attenzione rispetto a molti contesti privati. Gli enti pubblici lavorano con dati personali, procedimenti, atti, diritti dei cittadini, obblighi di trasparenza e responsabilita’ amministrativa.

Per questo in una conferenza dedicata alla PA conviene insistere su alcuni messaggi chiave:

  • ChatGPT puo’ aiutare a scrivere meglio, ma non sostituisce la responsabilita’ del funzionario o del dirigente;
  • le risposte dell’AI vanno sempre verificate, soprattutto quando riguardano norme, procedure, bandi, diritti o scadenze;
  • i dati personali e le informazioni riservate non vanno inseriti in strumenti non autorizzati dall’organizzazione;
  • la semplificazione del linguaggio amministrativo e’ uno dei casi d’uso piu’ interessanti e a basso rischio;
  • ogni ente dovrebbe definire policy interne, esempi consentiti, esempi vietati e percorsi di formazione.

Una buona conferenza per comuni, enti locali, aziende sanitarie, scuole, universita’ o altri enti pubblici deve quindi essere pratica, ma anche prudente. Non terrorismo tecnologico, non entusiasmo cieco: buon senso operativo.

AI Act e alfabetizzazione AI: perche’ la formazione conta

Il Regolamento europeo sull’intelligenza artificiale, noto come AI Act, ha introdotto un principio che riguarda direttamente aziende e Pubbliche Amministrazioni: chi sviluppa o utilizza sistemi di AI deve promuovere un adeguato livello di alfabetizzazione sull’intelligenza artificiale tra le persone coinvolte.

In pratica, non basta comprare o autorizzare strumenti AI. Bisogna aiutare le persone a comprenderne funzionamento, limiti, rischi e impatti. La Commissione europea indica che gli obblighi di AI literacy e le pratiche vietate sono entrati in applicazione dal 2 febbraio 2025, mentre altre parti del regolamento seguono una timeline progressiva.

Per questo una conferenza su ChatGPT puo’ diventare anche il primo passo di un percorso piu’ strutturato di formazione AI: una sessione plenaria per creare consapevolezza, seguita da workshop pratici per funzioni aziendali, uffici o gruppi di lavoro.

Format possibili: keynote, speech, workshop

Non tutte le organizzazioni hanno bisogno dello stesso formato. La scelta dipende dal pubblico, dal tempo disponibile e dall’obiettivo.

  • Keynote da 30-45 minuti: ideale per convention, eventi istituzionali, assemblee, kick-off, meeting con molti partecipanti.
  • Speech da 60-90 minuti: adatto quando si vogliono mostrare esempi, fare una demo e lasciare spazio alle domande.
  • Workshop pratico da mezza giornata: utile per team aziendali, uffici pubblici, gruppi di lavoro e manager che devono imparare a usare gli strumenti.
  • Percorso formativo: consigliato quando l’organizzazione vuole passare dalla sensibilizzazione all’adozione consapevole.

Il mio consiglio e’ semplice: se il pubblico e’ molto ampio ed eterogeneo, meglio partire da una conferenza accessibile. Se invece i partecipanti hanno gia’ provato ChatGPT e vogliono usarlo davvero, serve un laboratorio.

Domande da fare prima di organizzare l’intervento

Prima di progettare una conferenza su ChatGPT e AI generativa, conviene rispondere ad alcune domande:

  • Il pubblico e’ composto da manager, dipendenti, funzionari, cittadini, studenti o professionisti?
  • Le persone hanno gia’ usato ChatGPT o partono da zero?
  • L’obiettivo e’ ispirare, formare, rassicurare, introdurre regole o aprire un percorso?
  • Ci sono casi d’uso specifici da mostrare?
  • Esistono gia’ policy interne sull’uso dell’AI?
  • Ci sono vincoli particolari su privacy, dati, compliance o sicurezza?

Le risposte cambiano molto il taglio dell’intervento. Parlare di ChatGPT a una rete commerciale non e’ la stessa cosa che parlarne a un comune, a un’associazione di categoria, a una banca, a una scuola o a un gruppo di dirigenti.

Cosa dovrebbe portare a casa il pubblico

Alla fine di una conferenza ben progettata, le persone dovrebbero uscire con cinque risultati concreti:

  1. capire che cosa sono ChatGPT e l’AI generativa, senza mitizzarli;
  2. riconoscere almeno 5-10 casi d’uso utili per il proprio lavoro;
  3. sapere quali dati non inserire e quali risposte verificare;
  4. distinguere tra uso personale, uso professionale e uso organizzativo dell’AI;
  5. avere voglia di sperimentare, ma dentro un perimetro chiaro.

Questo e’ il vero obiettivo: trasformare la curiosita’ in competenza iniziale. La meraviglia dura pochi minuti; la competenza cambia il modo di lavorare.

Collegamenti utili

Se stai organizzando un evento aziendale, puoi partire dalla pagina dedicata allo speaker AI per eventi aziendali.

Se vuoi un intervento specifico su ChatGPT, vedi anche la proposta di speech su ChatGPT e AI generativa.

Se il tema riguarda obblighi, governance e consapevolezza, leggi la guida sulla formazione AI obbligatoria secondo l’AI Act.

FAQ

Una conferenza su ChatGPT e’ adatta anche a un pubblico non tecnico?

Si. Anzi, spesso e’ il pubblico piu’ importante. L’intervento deve usare esempi chiari, linguaggio accessibile e casi vicini al lavoro quotidiano.

ChatGPT puo’ essere usato nella Pubblica Amministrazione?

Puo’ essere usato solo dentro regole chiare, con attenzione a dati personali, riservatezza, verifica delle risposte e responsabilita’ umana. La formazione serve proprio a distinguere usi utili e usi rischiosi.

Quanto dura una conferenza su ChatGPT per aziende o PA?

Il formato piu’ comune va da 45 a 90 minuti. Per imparare a usare davvero gli strumenti, pero’, conviene prevedere anche un workshop pratico.

Meglio parlare di ChatGPT o di intelligenza artificiale generativa in generale?

Dipende dall’obiettivo. ChatGPT e’ il nome piu’ riconoscibile, ma spesso e’ utile confrontarlo con Copilot, Gemini, Claude e altri strumenti per aiutare il pubblico a orientarsi meglio.

Una conferenza puo’ valere come formazione AI Act?

Puo’ essere un primo passo di alfabetizzazione AI, soprattutto se documentata e progettata con attenzione. Per coprire meglio le esigenze organizzative, e’ preferibile affiancarla a moduli pratici, policy interne e materiali di supporto.

Richiedi una conferenza su ChatGPT e AI generativa

/0 Commenti/da

Dal prompt al contesto: cinque paper scientifici che stanno cambiando il prompt engineering nel 2026

,

Il prompt engineering è morto? Nemmeno per idea. Semmai, è diventato adulto. Se fino a pochi mesi fa ci riempivamo la bocca con formattazioni stravaganti e trucchetti per “ingannare” i grandi modelli linguistici (impazzivo quando con il prompt DAN si faceva diventare un chatbot diabolico!), la ricerca scientifica recente sta tracciando una rotta completamente diversa: il passaggio definitivo dal prompt statico al context design. I modelli del 2026 sono più potenti, non telepatici. Richiedono un approccio strutturato, quasi ingegneristico.

Ho selezionato cinque studi scientifici recenti che smontano alcuni miti e offrono spunti pragmatici immediati, perfetti da portare in aula o in azienda per ottimizzare i flussi di lavoro.

1. La transizione verso l’architettura dei sistemi

  • Studio: Context Engineering: From Prompts to Corporate Multi-Agent Architecture

  • Autore: Vera V. Vishnyakova (Marzo 2026)

  • Il succo: Questo paper analizza l’evoluzione dei framework dei grandi vendor (da Google ad Anthropic) e formalizza il concetto di context engineering. Non si scrive più un singolo prompt isolato: si progetta l’intero contesto informativo che l’agente IA deve analizzare prima di rispondere. Lo studio definisce i cinque criteri chiave per valutare la qualità del contesto aziendale, spostando il focus dal “saper parlare alla macchina” al saper orchestrare un’architettura multi-agente.

2. Più contesto non significa sempre più precisione

  • Studio: Navigating the Prompt Space: Improving LLM Classification of Social Science Texts Through Prompt Engineering

  • Autori: Ricercatori d’area sociale e computazionale (Marzo 2026)

  • Il succo: Un’analisi empirica fondamentale per chi fa formazione. Gli autori hanno testato variazioni sistematiche di descrizioni, istruzioni e contesti few-shot. Il risultato? Un aumento minimo del contesto iniziale garantisce il salto di qualità maggiore nelle risposte dell’IA. Superata una certa soglia, aggiungere ulteriori dettagli produce solo miglioramenti marginali o, peggio, sovraccarica il modello riducendo l’accuratezza. Less is more, anche nel 2026.

3. L’impatto economico del “few-shot” a pagamento

  • Studio: Prompt engineering for large language models in test case generation

  • Autori: Team di QA e software engineer (Maggio 2026)

  • Il succo: Sebbene focalizzato sulla generazione di scenari di test, questo paper mette a confronto diretto l’efficacia di zero-shot, few-shot, role prompting e chain-of-thought. La vera lezione magistrale riguarda il bilanciamento costi-benefici: con i modelli avanzati che si pagano un tanto al milione di token, inserire troppi esempi nei prompt few-shot diventa economicamente insostenibile. Il paper dimostra che il beneficio marginale crolla drasticamente dopo i primi tre o cinque esempi.

4. Il prompt adattivo per creare contenuti validi

  • Studio: Prompt Engineering for Scale Development in Generative Psychometrics

  • Autori: Lara Lee Russell-Lasalandra, Hudson Golino (Marzo 2026)

  • Il succo: Una simulazione che esplora come le strategie di prompt engineering influenzino la qualità dei dati generati dall’IA. Il dato più interessante per i non tecnici è la netta superiorità del prompting adattivo rispetto a quello statico. Le strategie adattive riducono drasticamente la ridondanza semantica (i classici cliché della macchina) e mantengono una qualità altissima dell’output, soprattutto quando accoppiate con i modelli di ultimissima generazione.

5. Prove sul campo: l’efficacia nei settori verticali

  • Studio: Smarter AI Through Prompt Engineering: Insights and Case Studies from Data Science Application

  • Autori: Snehasish Paul, Rohit Kumar, Laxman Das (Gennaio 2026)

  • Il succo: Se in aula vi chiedono “ma serve davvero?”, questo è il paper da citare. Attraverso casi di studio in settori verticali (servizi finanziari, healthcare, business intelligence), i ricercatori dimostrano che l’uso di tecniche di prompting strutturato aumenta le performance operative dei modelli dal 6% fino a oltre il 30%. Evidenzia inoltre l’efficacia dei framework di ragionamento chain-of-thought e degli ottimizzatori automatici.

Dalla teoria alla cattedra: il mio corso sul prompt engineering

Tutta questa letteratura scientifica non serve a nulla se resta chiusa nei laboratori di ricerca. È per questo che ho strutturato il mio corso sul prompt engineering partendo da un approccio umanista e pragmatico: l’obiettivo non è imparare a memoria i comandi, ma capire come pensano i modelli per governarli senza subire i loro cliché. In aula, smontiamo i tecnicismi inutili per concentrarci sul context design. Impariamo a dosare gli esempi per non sprecare token, a strutturare catene di pensiero logiche e a creare assistenti virtuali capaci di integrarsi davvero nei flussi di lavoro di professionisti e imprese. Poca teoria accademica, tanta sperimentazione sul campo.

Scrivimi per organizzare un corso sull’intelligenza artificiale generativa o sul prompt engineering

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

Inviaci email

/0 Commenti/da

Corso Gemini Notebook (ex NotebookLM) per aziende e professionisti

Gemini Notebook (ex NotebookLM) è uno degli strumenti più interessanti dell’ecosistema Google per chi lavora con documenti, fonti, report, manuali, appunti, video, slide, normative, procedure interne e materiali di studio. A differenza dei chatbot generici, Gemini Notebook parte dalle fonti caricate dall’utente e permette di fare domande, ottenere sintesi, generare materiali di supporto e costruire percorsi di lavoro più ordinati.

Questo corso Gemini Notebook per aziende e professionisti aiuta team, manager, consulenti, formatori, docenti, studi professionali e reparti operativi a usare Gemini Notebook in modo concreto: dalla sintesi di documenti alla preparazione di briefing, dall’analisi di fonti multiple alla creazione di FAQ, quiz, mappe mentali, audio overview, video overview, infografiche e slide deck.

Il corso è tenuto da Gianluigi Bonanomi, formatore, speaker e autore specializzato in intelligenza artificiale generativa, prompt engineering e comunicazione digitale. Il percorso può essere organizzato in azienda, online o in presenza, con esempi adattati ai ruoli, ai documenti e ai processi di lavoro dei partecipanti.

Gemini Notebook, ChatGPT, Gemini e Copilot: cosa cambia

Gemini Notebook non sostituisce ChatGPT, Gemini o Microsoft Copilot: risponde a un’esigenza diversa. ChatGPT è utile per generare, rielaborare e ragionare su molti tipi di compiti. Copilot è integrato nell’ambiente Microsoft 365. Gemini è l’assistente AI di Google. Gemini Notebook, invece, è pensato soprattutto per lavorare su un insieme di fonti selezionate: documenti, pagine web, file, video, appunti, materiali didattici o archivi di progetto.

Nel corso si chiarisce quando conviene usare Gemini Notebook e quando è meglio usare altri strumenti di AI generativa. Questa distinzione è decisiva per evitare un errore comune: usare lo stesso chatbot per tutto. Gemini Notebook dà il meglio quando serve interrogare fonti, confrontare documenti, preparare materiali di studio, trasformare contenuti complessi in output più accessibili e costruire una piccola base di conoscenza su un tema, un cliente, un progetto o un processo.

Perché fare un corso su Gemini Notebook

Molti professionisti hanno già provato Gemini Notebook caricando un PDF o un link, ma si fermano alle funzioni più evidenti: riassunto, domande e qualche contenuto generato. In questo modo lo strumento resta sottoutilizzato. Un corso pratico serve a costruire un metodo: scegliere bene le fonti, organizzare i notebook, formulare domande efficaci, verificare le citazioni, generare output utili e integrare Gemini Notebook nei flussi di lavoro reali.

  • Capire cosa può fare Gemini Notebook nei diversi contesti professionali.
  • Imparare a costruire notebook ordinati, utili e riutilizzabili.
  • Usare Gemini Notebook per sintesi, confronto, studio e analisi di documenti complessi.
  • Generare materiali derivati: briefing, FAQ, quiz, mappe mentali, podcast, video, infografiche e slide.
  • Integrare Gemini Notebook con ChatGPT, Gemini, Copilot e strumenti di produttività già usati in azienda.
  • Usare Gemini Notebook in modo sicuro, rispettando dati sensibili, policy interne, copyright e privacy.

A chi è rivolto

Il corso è pensato per aziende, studi professionali, associazioni, enti di formazione, scuole, università, biblioteche, ordini professionali e team che lavorano spesso con documenti, conoscenza e contenuti complessi. È adatto anche a manager e imprenditori che vogliono capire come usare l’AI per rendere più accessibili informazioni aziendali, materiali interni e documentazione operativa.

  • Manager, imprenditori e responsabili di funzione.
  • Team marketing, comunicazione, commerciale e customer care.
  • HR, formazione, amministrazione e segreterie organizzative.
  • Consulenti, formatori, docenti, ricercatori e studi professionali.
  • Team che gestiscono manuali, procedure, report, normative, contratti o knowledge base.
  • Persone che usano già ChatGPT o Copilot e vogliono capire quando Gemini Notebook è più adatto.

Cosa si impara

Uso sicuro di Gemini Notebook in azienda

La prima competenza è saper decidere quali fonti inserire e quali informazioni evitare. Durante il corso si lavora su dati sensibili, permessi, documenti interni, copyright, fonti riservate, citazioni, allucinazioni, errori e controllo umano. Gemini Notebook può rendere più veloce l’analisi di documenti, ma non elimina la responsabilità di verificare le risposte e proteggere le informazioni.

Organizzazione delle fonti e dei notebook

Gemini Notebook funziona bene quando le fonti sono scelte e organizzate con criterio. Il corso mostra come creare notebook per progetto, cliente, reparto, materia, corso o processo; come caricare materiali diversi; come distinguere fonti principali e secondarie; come mantenere ordine nel tempo; come evitare notebook troppo generici che producono risposte confuse.

Domande efficaci e prompt per Gemini Notebook

Anche se Gemini Notebook lavora sulle fonti, le domande contano. Nel corso si imparano prompt per ottenere sintesi, confronti, tabelle, piani d’azione, domande di verifica, glossari, briefing e materiali per pubblici diversi. Il prompt engineering viene trattato in modo pratico: non formule magiche, ma richieste chiare con obiettivo, contesto, formato, vincoli e criteri di controllo.

Analisi documentale e ricerca basata su fonti

Gemini Notebook è particolarmente utile per leggere e interrogare documenti lunghi o numerosi. Durante il corso si lavora su scenari come:

  • Riassumere report, white paper, contratti, dispense, ricerche e manuali.
  • Estrarre concetti chiave, rischi, definizioni, passaggi operativi e decisioni.
  • Confrontare più documenti e trovare convergenze, differenze o contraddizioni.
  • Preparare briefing per riunioni, corsi, presentazioni o decisioni manageriali.
  • Trasformare materiale tecnico in spiegazioni comprensibili per pubblici non specialistici.
  • Creare domande, quiz e schede di ripasso per formazione interna e studio.

Output generativi: audio, video, mappe, quiz, slide e infografiche

Gemini Notebook non serve solo a fare domande. Può trasformare le fonti in formati diversi: audio overview, video overview, mappe mentali, FAQ, quiz, guide allo studio, infografiche e slide deck. Nel corso si vede quando questi output sono utili, come personalizzarli, come valutarne la qualità e come riutilizzarli in formazione, comunicazione interna, onboarding, aggiornamento professionale e gestione della conoscenza.

Programma in due varianti

Il corso può essere progettato in due formati: una giornata da 6 ore oppure due giornate da 6 ore, per un totale di 12 ore. La scelta dipende dal livello di partenza, dal numero di partecipanti, dal grado di personalizzazione richiesto e dalla possibilità di lavorare su casi reali dell’azienda.

Variante 1: corso Gemini Notebook in una giornata

Durata: 1 giornata, 6 ore.

Obiettivo: imparare a usare Gemini Notebook in modo pratico e sicuro per analizzare fonti, sintetizzare documenti e generare materiali utili al lavoro quotidiano.

  • Introduzione a Gemini Notebook e al ruolo delle fonti nell’AI generativa.
  • Differenze tra Gemini Notebook, ChatGPT, Gemini, Copilot e strumenti RAG.
  • Creazione di un notebook: fonti, documenti, link, file, video, audio e appunti.
  • Uso sicuro: dati sensibili, privacy, copyright, citazioni, errori e verifiche.
  • Prompt essenziali per sintesi, confronto, estrazione di informazioni e briefing.
  • Generazione di output: FAQ, guide, quiz, mappe mentali, audio overview e materiali di supporto.
  • Esercitazioni pratiche su casi vicini al lavoro dei partecipanti.
  • Checklist finale: 10 usi immediati di Gemini Notebook da portare nel lavoro quotidiano.

Variante 2: corso Gemini Notebook in due giornate

Durata: 2 giornate, 12 ore.

Obiettivo: consolidare l’uso di Gemini Notebook, lavorare su casi d’uso aziendali e costruire un metodo riutilizzabile per analisi documentale, formazione, comunicazione interna e knowledge management.

Prima giornata: fondamenti, fonti e uso operativo

  • Introduzione a Gemini Notebook e al lavoro con fonti selezionate.
  • Quando usare Gemini Notebook e quando usare ChatGPT, Gemini o Copilot.
  • Creazione e organizzazione di notebook per progetto, reparto, cliente o tema.
  • Caricamento e gestione delle fonti: PDF, siti web, Google Docs, Google Slides, file Word, PowerPoint, CSV, audio, video YouTube, immagini e altri materiali.
  • Domande efficaci: sintesi, spiegazioni, confronto tra documenti, estrazione di concetti e tabelle.
  • Verifica delle risposte, uso delle citazioni e controllo degli output.
  • Esercitazioni guidate su documenti forniti dal docente o dall’azienda.
  • Prima costruzione di una libreria di prompt per ricerca, studio, analisi e briefing.

Seconda giornata: casi d’uso, workflow e output avanzati

  • Gemini Notebook per riunioni, formazione interna, onboarding, ricerca e comunicazione.
  • Creazione di FAQ, briefing, guide allo studio, quiz, mappe mentali e glossari.
  • Audio overview, video overview, infografiche e slide deck: quando usarli e come valutarli.
  • Workflow con Gemini Notebook + ChatGPT, Gemini, Copilot, Google Drive o Microsoft 365.
  • Laboratorio su casi reali dei partecipanti: documenti, procedure, report, materiali formativi o knowledge base.
  • Costruzione di template di prompt, procedure ripetibili e criteri di qualità degli output.
  • Linee guida interne per un uso sicuro e responsabile.
  • Piano operativo: cosa sperimentare nei successivi 30, 60 e 90 giorni.

Metodo didattico

Il taglio è pratico: poche definizioni astratte, molte demo, esercizi guidati e casi d’uso vicini al lavoro dei partecipanti. Come negli altri corsi di Gianluigi, l’obiettivo non è stupire con l’AI, ma far tornare le persone al lavoro con strumenti, criteri e procedure immediatamente applicabili.

  • Demo live su Gemini Notebook.
  • Esercitazioni individuali e di gruppo.
  • Template di prompt e checklist operative.
  • Discussione di rischi, limiti e scenari di uso scorretto.
  • Possibile personalizzazione sui processi, sui reparti e sui documenti aziendali.

Prerequisiti

Non servono competenze tecniche. È sufficiente saper usare un browser e avere familiarità con gli strumenti digitali del lavoro quotidiano. Per le esercitazioni pratiche è consigliato che i partecipanti dispongano di un account Google abilitato all’uso di Gemini Notebook, oppure che l’azienda definisca in anticipo quali account e materiali saranno disponibili durante il corso.

Per lavorare su casi aziendali reali è utile preparare prima alcuni documenti non riservati: report pubblici, procedure, brochure, pagine web, materiali formativi, manuali, presentazioni o documenti già autorizzati per l’uso in aula.

Output per l’azienda

  • Maggiore consapevolezza su opportunità, rischi e limiti di Gemini Notebook.
  • Un metodo pratico per creare e gestire notebook basati su fonti affidabili.
  • Prompt e template riutilizzabili per sintesi, confronto, briefing, quiz e materiali formativi.
  • Prime linee guida per uso sicuro, verifica delle risposte e gestione dei dati.
  • Casi d’uso prioritari per reparti, ruoli e processi.
  • Un piano di sperimentazione per evitare un uso casuale e poco misurabile dello strumento.

Collegamenti utili

Per costruire un percorso più ampio sull’AI generativa, il corso Gemini Notebook può essere affiancato al corso ChatGPT per aziende e professionisti, al corso Microsoft Copilot per aziende e professionisti, al corso di prompt engineering o a un keynote sull’AI generativa per aziende.

Per approfondire lo strumento, si possono consultare anche le pagine ufficiali di Google su Gemini Notebook, sulla guida introduttiva a Gemini Notebook, sulle fonti supportate, sugli Audio Overview e sui Video Overview.

FAQ sul corso Gemini Notebook

Il corso è adatto anche a chi non ha mai usato Gemini Notebook?

Sì. La variante da 6 ore parte dalle basi e porta rapidamente a esempi pratici su caricamento delle fonti, domande, sintesi, confronto tra documenti e creazione di materiali di supporto.

Serve un account Google?

Sì, per le esercitazioni è consigliato avere un account Google abilitato all’uso di Gemini Notebook. In contesti aziendali o scolastici è opportuno verificare prima le policy interne e le impostazioni dell’account Workspace.

Gemini Notebook è meglio di ChatGPT?

Non è una questione di meglio o peggio. Gemini Notebook è più adatto quando bisogna lavorare su fonti specifiche e controllabili. ChatGPT è più flessibile per scrittura, generazione, brainstorming e attività trasversali. Nel corso si impara a scegliere lo strumento giusto per il compito giusto.

Il corso tratta privacy e uso sicuro?

Sì. Uso sicuro, dati sensibili, copyright, permessi, qualità delle fonti, citazioni, verifica degli output e responsabilità umana sono parte centrale del programma.

Si può personalizzare il corso sui documenti aziendali?

Sì. Il corso può essere adattato ai documenti, ai processi e ai ruoli dell’organizzazione. È possibile lavorare su materiali non riservati o su esempi costruiti a partire da casi simili a quelli reali.

Gemini Notebook può essere usato per formazione interna?

Sì. È uno degli scenari più interessanti: da manuali, dispense, procedure e materiali di onboarding si possono generare guide, FAQ, quiz, mappe mentali, briefing, audio e altri materiali utili per studiare e ripassare.

Gemini Notebook cita le fonti?

Gemini Notebook lavora sulle fonti inserite nel notebook e può mostrare riferimenti e citazioni collegate ai passaggi usati nelle risposte. Questo aiuta il controllo, ma non sostituisce la verifica umana, soprattutto su contenuti legali, medici, finanziari, tecnici o riservati.

Il corso può essere svolto online?

Sì. Il corso può essere erogato online, in presenza o in modalità mista. Per i laboratori online è utile definire prima account, materiali, durata delle esercitazioni e livello di interazione desiderato.

Richiedi il corso

Vuoi organizzare un corso Gemini Notebook per la tua azienda o per un gruppo di professionisti? Scrivi indicando numero di partecipanti, livello di partenza, formato preferito e obiettivi: una giornata da 6 ore oppure due giornate, per 12 ore complessive, con laboratorio e personalizzazione.

Contatta Gianluigi Bonanomi per progettare il corso Gemini Notebook più adatto alla tua organizzazione.

/0 Commenti/da

LinkedIn e AI: il pulsante che dovresti controllare subito

Hai trenta secondi liberi?

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

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

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

Puoi disattivarla con un semplice clic.

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

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

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

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

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

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

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

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

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

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

Inviaci email

/0 Commenti/da

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

,

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

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

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

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

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

Prova il simulatore

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

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

Simulatore: qual e la prossima parola?

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

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

    Che cosa sta succedendo nel simulatore

    Il simulatore fa tre cose:

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

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

    Se scrivo:

    L’intelligenza artificiale puo aiutare le aziende a

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

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

    Come funziona davvero un LLM

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

    Il processo, molto semplificato, e questo:

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

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

    Token: perche non parliamo solo di parole

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

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

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

    Perche a volte l’AI sbaglia

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

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

    Ecco perche nei miei corsi insisto sempre su tre verbi:

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

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

    A cosa serve questo progetto

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

    Visualizzare le probabilita aiuta a fare tre passi:

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

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

    Un esempio pratico per aziende e professionisti

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

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

    Un modello linguistico puo essere utile per:

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

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

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

    Perche il prompt cambia il risultato

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

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

    Esempio debole:

    Scrivi un testo sull’AI.

    Esempio migliore:

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

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

    Limiti del simulatore

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

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

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

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

    Conclusione: meno magia, piu metodo

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

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

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

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

    FAQ

    Questo simulatore usa davvero un LLM?

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

    Gli LLM prevedono parole o token?

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

    Perche le percentuali cambiano quando modifico la frase?

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

    Che cosa significa temperatura?

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

    Perche un LLM puo inventare informazioni?

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

     

    /0 Commenti/da

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

    ,

    Non ho fondato Freeda, eppure lo dice Primaonline.

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

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

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

    Come nasce un errore del genere?

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

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

    Perché vale la pena correggere?

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

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

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

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

    Una lezione che uso già in aula

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

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

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

    /0 Commenti/da

    10 esempi di uso dell’AI per i distributori di materiale elettrico (speech di Piombino del 5 giugno 2026)

    ,

    Il 5 giugno 2026, a Piombino, ho tenuto uno speech per il Consorzio Delta Electric su un tema concreto: come i distributori di materiale elettrico possono usare l’intelligenza artificiale oggi, non domani.

    Non era un convegno sul futuro. Era un incontro operativo, con commerciali, responsabili acquisti e titolari che ogni giorno gestiscono codici prodotto, listini, ordini urgenti e richieste tecniche. Persone che non hanno tempo per sperimentare, ma che rischiano di perdere terreno rispetto a chi già usa questi strumenti.

    In questo articolo riprendo i 10 esempi pratici che ho presentato durante lo speech, con qualche approfondimento per chi non era in sala.

    1. Risposta rapida alle richieste tecniche dei clienti

    Un installatore chiama e chiede la differenza tra due interruttori differenziali, le normative applicabili, la compatibilità con un impianto specifico. Il commerciale deve rispondere in pochi minuti. L’AI generativa — come ChatGPT o Claude — può sintetizzare le schede tecniche, confrontare caratteristiche e produrre una risposta chiara e professionale in pochi secondi. Il commerciale controlla, personalizza e invia. Il tempo si dimezza.

    2. Generazione di offerte e preventivi

    Preparare un preventivo completo richiede tempo: selezionare i prodotti giusti, descriverli correttamente, calcolare sconti e scrivere note tecniche. Con l’AI si può automatizzare la parte testuale: a partire da una lista di codici prodotto, l’AI genera la descrizione commerciale e le note tecniche, lasciando al commerciale solo la verifica e la personalizzazione. Un lavoro da 40 minuti diventa un lavoro da 10.

    3. Analisi e sintesi dei cataloghi prodotto

    I cataloghi dei grandi brand come ABB, Schneider Electric o Legrand hanno migliaia di pagine. L’AI può essere addestrata o alimentata con questi documenti per rispondere a domande specifiche: “Qual è il grado di protezione IP di questo prodotto?”, “Questo quadro è compatibile con la norma CEI 17-13?”. Il risultato è una ricerca tecnica più rapida e meno soggetta a errori.

    4. Supporto alla formazione dei nuovi commerciali

    Formare un nuovo commerciale nel settore elettrico richiede mesi. L’AI può accelerare questo processo creando simulazioni di conversazioni con clienti, quiz tecnici sui prodotti, schede di apprendimento personalizzate. Non sostituisce il tutor umano, ma riduce i tempi di onboarding e consolida le conoscenze in modo interattivo.

    5. Creazione di contenuti per il sito web e i social

    Molti distributori hanno un sito web aggiornato raramente e nessuna presenza social significativa. L’AI può generare articoli tecnici, schede prodotto ottimizzate per la SEO, post LinkedIn e newsletter in modo rapido. Non serve un copywriter dedicato: bastano le indicazioni giuste e un processo di revisione.

    6. Analisi dei dati di vendita e previsione della domanda

    Con strumenti come Excel con Copilot o piattaforme di Business Intelligence con AI integrata, i dati storici di vendita diventano preziosi: si possono identificare trend stagionali, prodotti in crescita, clienti inattivi da riattivare. Analisi che prima richiedevano un esperto di dati oggi sono alla portata di qualsiasi responsabile commerciale.

    7. Gestione delle email e delle comunicazioni

    Un responsabile commerciale riceve decine di email al giorno: richieste, reclami, aggiornamenti da fornitori. L’AI può classificare le email per priorità, suggerire risposte tipo per le comunicazioni standard, e aiutare a redarre email commerciali efficaci. Il risparmio di tempo è reale e misurabile.

    8. Ottimizzazione della gestione del magazzino

    L’AI applicata ai dati di magazzino permette di prevedere i picchi di domanda (stagionalità, cantieri in corso, bandi pubblici) e ottimizzare le scorte. Meno capitale immobilizzato in prodotti che non ruotano, meno rotture di stock su ciò che si vende di più. Alcuni software ERP già integrano queste funzioni con l’AI.

    9. Supporto nelle gare d’appalto e nei capitolati

    Leggere, interpretare e rispondere a un capitolato tecnico è un’attività lunga e tecnica. L’AI può analizzare il documento, estrarre i requisiti chiave, confrontarli con il catalogo disponibile e suggerire la selezione di prodotti più adatta. Non elimina il lavoro dell’esperto, ma lo rende molto più veloce.

    10. Assistente virtuale per il post-vendita

    Un chatbot intelligente, addestrato sui prodotti e sulle FAQ aziendali, può rispondere alle domande dei clienti 24 ore su 24: stato degli ordini, disponibilità di ricambi, istruzioni di installazione. Non serve una struttura di supporto dedicata: un piccolo investimento tecnologico può migliorare significativamente l’esperienza del cliente.

    Cosa ho detto a Piombino: la sintesi

    Durante lo speech ho sottolineato un concetto che considero fondamentale: l’AI non è un tema da convegno, è uno strumento operativo. I distributori di materiale elettrico che aspettano di capire “come evolverà” prima di agire rischiano di perdere mesi preziosi rispetto ai concorrenti che già sperimentano.

    Non serve una trasformazione digitale completa. Bastano tre o quattro processi ottimizzati — la risposta tecnica ai clienti, la preparazione delle offerte, la formazione interna — per guadagnare ore ogni settimana e offrire un servizio percepibilmente migliore.

    Se vuoi approfondire questi temi per la tua azienda, puoi leggere anche il mio articolo sulle conferenze sull’intelligenza artificiale o scoprire come organizzo workshop pratici in azienda.

    Vuoi portare questo speech nella tua azienda o al tuo evento?

    Organizzo conferenze e workshop sull’intelligenza artificiale per aziende, associazioni di categoria e convegni di settore. Se stai cercando un relatore concreto, che parli con esempi reali e adatti al tuo pubblico, scrivimi.

      Il tuo nome (richiesto)

      La tua email (richiesto)

      Oggetto

      Il tuo messaggio

      /0 Commenti/da

      Come fare una tesi di laurea con l’AI: Umberto Eco oggi

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

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

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

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

      Fonti vere, fonti secondarie, output artificiali

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

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

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

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

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

      Perché gli studenti umanisti non partono svantaggiati

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

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

      Dalla mia tesi su Internet all’AI di oggi

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

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

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

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

      Come usare davvero l’intelligenza artificiale per la tesi

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

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

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

      Il plagio, oggi, ha solo cambiato faccia

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

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

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

      Umberto Eco aveva capito tutto, anche oggi

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

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

      Vuoi approfondire?

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

      Scopri i corsi
      Guarda il mio speech sul prompt engineering

       

      /0 Commenti/da

      ChatGPT, Gemini Notebook (ex NotebookLM), Copilot: qual è l’AI giusta per l’amministratore di condomio? [La mia intervista al podcast La Portineria di VeryFastPeople]

      , ,

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

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

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

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

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

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

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

      Ecco dove rivedere la mia intervista a Mario Moroni:

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

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

      Inviaci email

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

      /0 Commenti/da

      L’intelligenza artificiale entra in condominio [la Guida del Corriere della Sera]

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

      Ora però qualcosa sta cambiando davvero.

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

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

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

      Il vero salto: dai chatbot agli agenti AI

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

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

      Facciamo un esempio concreto. Un condòmino scrive:

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

      Un sistema tradizionale apre un ticket. Fine.

      Un agente AI evoluto può invece:

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

      Il tutto in pochi secondi.

      L’amministratore non sparisce: cambia ruolo.

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

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

      Il condominio come organismo intelligente

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

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

      Questa è la vera rivoluzione: la manutenzione predittiva.

      Non aspetti più il guasto. Lo previeni.

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

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

      Attenzione però: non delegare il cervello alla macchina

      Qui però arriva la parte meno glamour.

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

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

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

      Perché un agente AI può anche sbagliare:

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

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

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

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

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

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

      Molti amministratori pensano ancora:

      “Queste cose non servono al mio studio”.

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

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

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

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

      La vera competenza del futuro non sarà programmare.

      Sarà fare domande intelligenti.

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

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

      Non è una rivoluzione futura. È già presente

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

      È già operativa.

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

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

      Siamo nella fase concreta.

      Quella dove chi sperimenta oggi costruisce vantaggio competitivo domani.

      Una risorsa utile per approfondire

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

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

      Ma può sicuramente ridurre caos, inefficienze e sprechi.

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

      /0 Commenti/da