Tag Archivio per: chatgpt

Intelligenza artificiale per il Fantacalcio: 25 applicazioni e prompt

,

Di Gianluigi Bonanomi. Guida verificata il 14 ottobre 2026. Gli esempi numerici e i giocatori indicati con nomi di fantasia sono simulazioni didattiche, non consigli sulla giornata in corso.

L’avatar di Gianluigi Bonanomi come fantallenatore con lavagna tattica e computer
AI per il Fantacalcio: usare dati, regole e domande migliori per scegliere con più criterio.

Il Fantacalcio ha una caratteristica meravigliosa: persone che per acquistare una lavatrice confrontano tre recensioni possono discutere per un’ora sull’opportunità di spendere metà del budget per un attaccante. Poi, quando quell’attaccante prende cinque, la responsabilità è del mister. O del calendario. O di un complotto.

Adesso nella stanza dell’asta può entrare un altro personaggio: l’intelligenza artificiale. Le puoi chiedere di leggere un listone, confrontare due acquisti, controllare i crediti rimasti o spiegarti perché stai costruendo una squadra con sei scommesse e nessuna certezza. Se però la interroghi come un oracolo, rischi di ottenere una risposta molto convincente su una realtà che non esiste più.

In questa guida propongo un uso concreto dell’intelligenza artificiale per il Fantacalcio: preparazione dell’asta, assistenza durante i rilanci, formazione, scambi, analisi della stagione e gestione della lega. Con prompt pronti da adattare, conti leggibili e limiti dichiarati. L’obiettivo è migliorare le decisioni, senza vendere il sogno del chatbot che sa già chi farà doppietta domenica.

Cosa trovi nella guida

Che cosa può fare davvero l’AI per il Fantacalcio

Conviene distinguere tre lavori. Il primo è organizzare le informazioni: riassumere il regolamento, pulire una tabella, trovare incongruenze. Il secondo è valutare alternative: confrontare moduli, budget e scambi usando dati disponibili. Il terzo è fare previsioni: stimare un rendimento o una probabilità con un modello statistico.

Un chatbot che scrive bene non diventa automaticamente un modello predittivo sportivo. Per una decisione ripetibile servono dati aggiornati, criteri espliciti e calcoli controllabili. È utile combinare un assistente conversazionale con statistiche e strumenti specializzati; va verificato, caso per caso, che cosa l’assistente possa effettivamente leggere.

Un esempio importante sono gli expected goals, o xG. Nella spiegazione di Hudl, il valore esprime la probabilità stimata che un tiro diventi gol in base alle caratteristiche considerate dal modello. Un tiro da 0,2 xG non è un quinto di gol già guadagnato: è una stima su situazioni comparabili. Userei gli xG come un elemento del ragionamento, insieme a minuti e contesto, senza trasformare una singola partita in una profezia.

Per il quadro più ampio delle applicazioni sportive puoi leggere anche il mio approfondimento sull’intelligenza artificiale nel calcio.

ChatGPT per il Fantacalcio e app dedicate: quale scegliere?

Non esiste un vincitore universale. Se vuoi lavorare sul tuo regolamento e sui tuoi file, un assistente generalista può essere comodo. Se vuoi previsioni già organizzate per il gioco, ha senso esaminare prodotti dedicati. Quella che segue è una ricognizione delle funzioni descritte dai rispettivi fornitori, verificata il 14 ottobre 2026: non una classifica basata su un campionato di test comparativi.

Strumento Uso da valutare Controllo prima di affidarsi
ChatGPT con i tuoi file Organizzare tabelle, leggere regole, discutere scenari, preparare analisi. Quali file può elaborare nel tuo account? Quali dati ha ricevuto davvero? Le formule sono riproducibili?
FantaData Il sito presenta listoni, stime di FantaMedia, supporto asta, formazione e scambi. Come sono valutate le previsioni? Il rendimento pubblicizzato dal fornitore non è una verifica indipendente.
FantaGPT di Fantacalcio-Online Il fornitore descrive un assistente che usa rosa, crediti e regole della lega, con collegamento MCP. Quali dati sono stati importati? Quali autorizzazioni concede il collegamento?
Predixsport La pagina presenta stime di fantavoto, titolarità e confronto delle formazioni. La beta dichiara un perimetro Classic e specifiche regole supportate. Verificare la compatibilità.
Fantaiuto La pagina descrive formazione, confronti, scambi e supporto al budget d’asta. Non confondere il suo indice proprietario con una probabilità o con un fantavoto.

Per consultare le descrizioni originali: funzioni di FantaData, assistente FantaGPT di Fantacalcio-Online, perimetro del Fantacalcio su Predixsport e strumenti di Fantaiuto. Controlla sul sito le condizioni economiche e le funzioni disponibili quando decidi: possono cambiare.

Schermata dimostrativa ufficiale di Fantaiuto con selezione del modulo e indicatori dei giocatori
Schermata dimostrativa pubblicata da Fantaiuto. Illustra l’interfaccia del servizio; i valori mostrati non sono raccomandazioni di questa guida per il prossimo turno.

La schermata aiuta a capire un equivoco: un numero accanto a un giocatore va interpretato. È una media storica? Un indice costruito dall’app? Una probabilità? Sono grandezze diverse. Prima di confrontarle, devi sapere che cosa misurano.

Schermata ufficiale Predixsport con fantavoto atteso, probabilità di titolarità e fattori del modello
Schermata di esempio pubblicata da Predixsport. La pagina distingue fantavoto atteso e probabilità di partire titolare. L’immagine documenta una funzione dichiarata, non dimostra l’accuratezza futura del modello.

Prima del prompt: prepara regolamento, rosa e fonti

Il primo documento da dare all’assistente è il regolamento della tua lega. Fantacalcio.it chiarisce che le regole delle leghe private sono personalizzabili. Dimensione della rosa, bonus, sostituzioni e modificatori cambiano il problema. Una risposta sensata in una lega può essere sbagliata nella tua.

Prepara una cartella o una conversazione di lavoro con quattro elementi: regolamento effettivo, rosa aggiornata, elenco degli svincolati e tabella delle statistiche. Aggiungi il calendario quando serve. Per ruoli e valori consulta il listone di quotazioni e FVM di Fantacalcio.it; per la disponibilità prepartita controlla le probabili formazioni e gli aggiornamenti ufficiali delle squadre. Riporta sempre fonte, stagione e momento del controllo.

Per lavorare su una tabella, preferisco un file esportato legittimamente o dati incollati in colonne. La guida ufficiale di OpenAI alla preparazione dei dati mostra il flusso di caricamento e controllo di un file. Verifica le funzioni effettivamente presenti nel tuo account; se una funzione manca, puoi comunque fornire una piccola tabella nel messaggio.

Campo Perché serve Errore da prevenire
ID, nome, squadra, ruolo Identificare il calciatore e i vincoli. Omonimi, trasferimenti e ruoli di stagioni diverse.
Stagione e data di aggiornamento Capire a quale fotografia si riferisce il dato. Scambiare un file vecchio per un aggiornamento live.
Minuti, presenze, partite a voto Distinguere rendimento e disponibilità. Confrontare campioni molto diversi senza segnalarlo.
Media voto e FantaMedia Separare voto base e punteggio con bonus/malus. Usare colonne simili come se fossero equivalenti.
xG, eventuali xA e loro provider Aggiungere metriche di qualità delle occasioni. Unire definizioni o modelli non omogenei.
Prezzo, crediti residui, slot liberi Valutare acquisti realizzabili. Proporre un affare che rende impossibile completare la rosa.
Stato prepartita e fonte Gestire dubbi e aggiornamenti. Trasformare un’ipotesi di titolarità in una formazione ufficiale.

Chiedi prima un controllo di qualità: righe duplicate, dati mancanti, nomi incoerenti, separatori decimali e denominatori diversi. Uno zero vuol dire zero; una cella vuota può voler dire che il dato non è stato rilevato. Se l’AI riempie i vuoti con l’immaginazione, la tua squadra diventa un romanzo.

Prompt Fantacalcio per ChatGPT: il metodo G.O.L. applicato alla lega

Per impostare il lavoro uso il mio metodo G.O.L. per i prompt di ChatGPT: Guidare, Obiettivo, Limiti. Guida l’assistente indicando il compito; definisci il risultato; metti vincoli e controlli. Questo è un modello da copiare, sostituendo i campi tra parentesi.

GUIDARE
Agisci come assistente di analisi per la mia lega di Fantacalcio.
Prima estrai dai documenti le regole effettive e chiedimi conferma
solo sui punti ambigui che cambiano la decisione.

OBIETTIVO
Aiutami a [preparare l’asta / schierare / valutare uno scambio].
Stagione: [stagione]. Sistema: [Classic o Mantra].
Partecipanti: [numero]. Budget: [crediti].
Rosa e regole: [allegati o tabella].
Data e ora del controllo: [data, ora, fuso orario].

LIMITI
Usa solo i giocatori e i dati forniti o verificati con una fonte.
Non inventare ruoli, prezzi, infortuni, probabilità o notizie.
Se non puoi consultare il web, dichiaralo e usa solo gli allegati.
Separa dati osservati, stime del fornitore e ipotesi dell’analisi.
Per ogni dato variabile riporta fonte e data di aggiornamento.
Controlla vincoli e budget con calcoli espliciti e riproducibili.
Restituisci: proposta, alternativa, motivi, dati mancanti,
rischi e condizioni che farebbero cambiare la scelta.

La richiesta di fonti non garantisce che le fonti siano corrette. Apri i collegamenti e verifica che sostengano quello che l’assistente ha scritto. Anche un prompt ben progettato richiede controllo.

AI per l’asta del Fantacalcio: 10 applicazioni pratiche

1. Trasformare il regolamento in una scheda operativa

Invece di iniziare dai nomi, fai estrarre le condizioni che incidono sulle scelte. Il risultato utile è una scheda verificabile, con il riferimento al punto del documento da cui arriva ogni regola.

Leggi il regolamento allegato. Estrai sistema di gioco, composizione
rosa, budget, bonus/malus, moduli, modificatori, sostituzioni e scadenze.
Indica se una voce è esplicita, ambigua o assente. Cita il paragrafo.
Non completare le lacune usando le regole di altre leghe.

2. Pulire il listone senza perdere calciatori

Una pulizia fatta male può cancellare un omonimo o un giocatore che ha cambiato squadra. Chiedi una copia normalizzata e un registro delle modifiche, mantenendo gli identificativi originali.

Controlla il listone: duplicati, omonimi, ruoli mancanti, numeri
salvati come testo e squadre incoerenti. Non eliminare righe in automatico.
Proponi le correzioni e confronta il numero di righe prima e dopo.

3. Costruire fasce di acquisto motivate

Una graduatoria dal primo all’ultimo nome può dare una precisione ingannevole. Le fasce aiutano a individuare alternative, soprattutto quando una stima è incerta. Definisci prima i criteri: rendimento, disponibilità e costo sono dimensioni diverse.

Usando solo questi dati, costruisci fasce per ruolo. Distingui
rendimento osservato, continuità di impiego e costo. Spiega le soglie
scelte e segnala quando i dati non consentono di separare due giocatori.

4. Preparare tre piani di budget

Esempio inventato: con 500 crediti puoi confrontare tre ripartizioni. Sono scenari da discutere, non percentuali universalmente vincenti. La somma deve rimanere 500, compresa la riserva.

Scenario didattico Portieri Difesa Centrocampo Attacco Riserva
Equilibrato 30 65 145 240 20
Difesa valorizzata 35 100 135 210 20
Attacco prioritario 25 50 120 285 20 
Con 500 crediti costruisci tre piani alternativi per la mia lega.
Per ciascuno verifica la somma, il costo minimo degli slot e le rinunce.
Non proporre prezzi individuali senza una base dati o un’ipotesi dichiarata.

5. Stimare il valore rispetto a un sostituto

Chiediti quanto guadagni rispetto all’alternativa che riusciresti davvero a comprare. In una simulazione, un giocatore stimato a 7,0 e un sostituto a 6,3 hanno un vantaggio di 0,7 punti a presenza confrontabile. Su 20 presenze ipotizzate sono 14 punti. Il conto dipende dalle ipotesi: non è una previsione certificata né un prezzo d’asta automatico.

Confronta ogni obiettivo con un sostituto acquistabile dello stesso
ruolo. Usa lo stesso orizzonte e le stesse ipotesi sulle presenze.
Calcola il vantaggio atteso e mostra come cambia se gioca meno.

6. Simulare un’asta con avversari diversi

Puoi allenarti a reagire a rincari e occasioni mancate. Le strategie degli avversari vanno presentate come scenari ipotetici: l’AI non legge nella testa dei tuoi amici, anche se sul gruppo WhatsApp qualcuno sembra convinto del contrario.

Simula un’asta con 8 partecipanti e 500 crediti. Usa solo il listone
allegato. Crea avversari con strategie dichiarate e inventate.
Dopo ogni acquisto aggiorna budget e slot. Se perdo il mio primo
obiettivo, mostrami due alternative coerenti con il piano.

7. Calcolare il rilancio massimo sostenibile

Qui serve aritmetica. Se restano 137 crediti e devi comprare ancora 8 calciatori compreso quello in asta, con prezzo minimo di 1 credito devi conservarne almeno 7 per gli altri. Il tetto teorico è quindi 137 − 7 = 130. Se vuoi anche 15 crediti di margine aggiuntivo, diventa 115. È un limite di sostenibilità, non una valutazione del giocatore.

Mi restano 137 crediti e 8 acquisti, incluso quello corrente.
Prezzo minimo 1. Voglio 15 crediti di margine oltre ai minimi.
Calcola il tetto teorico e il tetto prudente. Poi verifica i minimi
necessari per ciascun ruolo: non basta contare gli slot complessivi.

8. Aggiornare il piano dopo un acquisto costoso

Quando spendi più del previsto, il piano iniziale va ricalcolato. La risposta utile non è “ottimo colpo”, ma quali obiettivi diventano incompatibili e dove ridurre la spesa.

Ho speso 18 crediti oltre il piano per questo acquisto.
Aggiorna i budget residui senza cambiare retroattivamente le spese.
Proponi due riallocazioni e indica quali alternative diventano necessarie.

9. Leggere il tabellone con una foto e verificare l’OCR

Se il tuo strumento consente di leggere immagini, una fotografia del tabellone può essere un punto di partenza. Va confermata la trascrizione prima di fare conti: un 13 letto come 73 cambia tutta l’asta.

Trascrivi questa foto in una tabella: giocatore, acquirente e prezzo.
Segnala le celle poco leggibili senza indovinarle. Fermati prima
dell’analisi e fammi controllare la trascrizione. Poi riconcilia
la somma degli acquisti con i crediti residui di ogni squadra.

10. Misurare i rincari nella tua asta

Con un listino di riferimento comparabile, puoi confrontare prezzi pagati e stime iniziali. Un rapporto di 1,20 indica, in quel campione e rispetto a quel riferimento, prezzi del 20% superiori. Se il riferimento è debole, anche l’indicatore lo è.

Per ogni ruolo confronta somma dei prezzi pagati e somma dei valori
di riferimento dei medesimi giocatori. Mostra numerosità e rapporto.
Non estendere il risultato ai ruoli senza acquisti né a tutta la lega
se il campione è piccolo. Indica le anomalie del riferimento.

Formazione Fantacalcio con l’AI: 6 casi per scegliere chi schierare

11. Ragionare su un ballottaggio con una panchina reale

Chiedere “meglio A o B?” senza panchina e regole è un problema incompleto. Conta che cosa succede se uno non prende voto, oltre alla probabilità di partire titolare.

Confronta questi due giocatori per la giornata indicata usando
le fonti allegate. Distingui titolarità, probabilità di voto se
disponibile e rendimento condizionato al voto. Considera la riserva
e le regole di sostituzione. Non inventare percentuali mancanti.

Ecco una simulazione semplificata con un solo ballottaggio, riserva sempre disponibile e nessun limite ai cambi rilevante. Se Aurora ha probabilità di voto 0,70 e fantapunteggio medio condizionato al voto 7,5, mentre la riserva vale 6,0, il valore atteso del posto è 0,70 × 7,5 + 0,30 × 6,0 = 7,05. Per Boreale, con probabilità 0,95 e punteggio condizionato 6,8, diventa 0,95 × 6,8 + 0,05 × 6,0 = 6,76. Cambiando riserva o condizioni può cambiare la scelta.

Attenzione: probabilità di voto e probabilità di partire titolare non coincidono. E se il fornitore ha già incluso il rischio di assenza nel suo punteggio atteso, moltiplicarlo di nuovo può contare due volte lo stesso rischio.

Esempio didattico del valore atteso di un posto in formazione con riserva: Aurora 7,05 e Boreale 6,76
Calcolo illustrativo con nomi e dati inventati. La riserva e le regole fanno parte della decisione.

12. Confrontare moduli con il modificatore difesa

Confronta l’intera formazione. In un esempio inventato, un 3-4-3 vale 72 punti attesi; un 4-3-3 vale 71 prima del modificatore. Se il bonus fosse +3 con probabilità 0,50 e zero negli altri casi, il contributo atteso sarebbe 1,5 e il secondo modulo arriverebbe a 72,5. Le probabilità sono ipotesi didattiche: vanno stimate o lasciate come scenari, mai spacciate per dati.

Confronta tutti i moduli ammessi usando solo la mia rosa.
Applica le soglie esatte del modificatore. Se mancano le distribuzioni
dei voti, mostra scenari senza inventare probabilità. Distingui
punteggio base, modificatore e rischio legato alle sostituzioni.

13. Ordinare la panchina per copertura

Una panchina piena di giocatori interessanti può lasciare scoperto il ruolo sbagliato. Chiedi la spiegazione dell’ordine e alcuni casi limite, non soltanto una lista.

Ordina la panchina secondo il regolamento allegato.
Mostra che cosa succede se non prendono voto uno, due o tre titolari
nei ruoli critici. Evidenzia i casi in cui rischio di giocare in dieci.

14. Controllare gli incastri nel Mantra

Nel sistema Mantra di Fantacalcio.it contano ruoli, compatibilità dei moduli e meccanismi di sostituzione. Fornisci all’assistente i ruoli del listone corretto e le impostazioni effettive della lega. La verifica finale va fatta nella piattaforma con cui giochi.

Sistema Mantra: usa esclusivamente i ruoli allegati e le regole
della mia lega. Costruisci due formazioni valide. Verifica per ogni
posto la compatibilità del ruolo e mostra gli scenari di sostituzione.
Non convertire ruoli Classic in ruoli Mantra per intuizione.

15. Confrontare i portieri con il calendario

Puoi chiedere una rotazione su più turni, purché calendario e disponibilità siano aggiornati. Separerei il criterio “avversario apparentemente più semplice” da una probabilità numerica di porta inviolata: la seconda richiede una fonte o un modello.

Confronta questi portieri per i prossimi 5 turni sulla base
del calendario allegato. Riporta casa/trasferta, disponibilità e
criteri della scelta. Se mancano stime affidabili sui gol subiti,
offri scenari qualitativi, senza assegnare probabilità arbitrarie.

16. Fare un controllo prima della scadenza

La formazione di venerdì mattina può essere superata venerdì sera. Il controllo deve riportare l’ora dell’ultimo aggiornamento e distinguere fonti ufficiali, notizie e ipotesi. La scadenza è quella della tua lega.

Controlla la mia formazione rispetto alle fonti aggiornate che
ti fornisco. Elenca solo i cambiamenti rilevanti, con fonte e ora.
Se non hai accesso a dati nuovi, dichiaralo. Verifica gli undici,
la panchina, i vincoli e la scadenza prima di suggerire modifiche.

Scambi e asta di riparazione con l’intelligenza artificiale

17. Valutare uno scambio guardando chi giocherà davvero

La somma delle FantaMedie può ingannare. In un esempio inventato, ricevere un giocatore da 7,4 e uno da 6,3 cedendone due da 6,9 e 6,5 sembra conveniente: 13,7 contro 13,4. Ma se il secondo nuovo acquisto resta sempre in panchina, quel confronto non descrive l’effetto sulla formazione.

Confronta la mia migliore formazione e la copertura prima e dopo
lo scambio. Usa lo stesso orizzonte e le stesse ipotesi sulle presenze.
Evidenzia chi entra negli undici e chi sostituisce. Se non possiamo
stimare il rendimento futuro, separa i dati storici dagli scenari.

18. Cercare svincolati adatti a un bisogno preciso

“Trovami una sorpresa” è vago. “Mi serve un difensore disponibile perché ne ho due indisponibili” è già un compito utile. Usa la lista degli svincolati della tua lega: un nome interessante già posseduto da un rivale non risolve il problema.

Da questa lista di svincolati seleziona alternative per coprire
il bisogno descritto. Escludi chi non è acquistabile o supera il budget.
Motiva le proposte con dati disponibili e indica quali verifiche
prepartita o di ruolo mancano.

19. Esaminare un rendimento anomalo senza promettere il rimbalzo

Un giocatore con pochi gol e occasioni di buona qualità merita un approfondimento, non un acquisto automatico. Prima di aspettarti un recupero devi controllare minuti, ruolo, qualità del dato e ampiezza del campione. Lo scarto tra gol e xG è un indizio da interpretare.

Individua nel dataset gli scarti tra gol e xG e mostra minuti
e dimensione del campione. Non dire che un giocatore “deve” segnare.
Per ciascun caso elenca spiegazioni alternative e dati da verificare.

20. Preparare uno scambio comprensibile per entrambe le parti

L’AI può aiutarti a formulare una proposta leggibile, collegando esigenze reali delle due rose. Se deve inventare notizie o sostenere che un rendimento futuro sia certo per convincere l’altro, stai usando male lo strumento.

Partendo da queste due rose, proponi uno scambio consentito dalle
regole che risponda a un bisogno di ciascuna squadra. Scrivi un messaggio
breve con motivazione e rischi. Non nascondere informazioni rilevanti
e non presentare stime come garanzie.

Analizzare la stagione, progettare un agente e gestire la lega

21. Separare qualità della scelta e risultato

Un attaccante rimasto in panchina che segna non dimostra da solo che hai sbagliato. Valuta che cosa sapevi prima della scadenza. Conserva la proposta dell’assistente e confrontala, a fine turno, con una regola di riferimento semplice.

Analizza queste scelte usando solo le informazioni disponibili
prima della consegna. Separa errore nei dati, errore nel ragionamento
ed esito sfavorevole ma plausibile. Confronta la proposta AI con la
mia regola di riferimento, senza usare dati futuri per giustificarla.

22. Scoprire squilibri nella rosa

Una tabella può mostrare troppi acquisti costosi nello stesso ruolo o più riserve che competono per uno slot. Prima di attribuire un punteggio complessivo alla squadra, chiedi un elenco concreto di coperture e dipendenze.

Esamina la composizione della rosa: budget per ruolo, alternative
utilizzabili, concentrazione sulla stessa squadra e ruoli scoperti.
Non assegnare un voto complessivo arbitrario. Indica tre interventi
possibili e che cosa dovrei cedere o sacrificare per realizzarli.

23. Progettare un assistente che prepara un report

Un’automazione utile può leggere le fonti consentite, aggiornare una tabella e preparare un rapporto prima della scadenza. Deve esistere una vera integrazione: scrivere “avvisami venerdì” in una chat non dimostra che un processo sia stato attivato. Verifica esecuzione, orario e consegna.

Progetta un flusso, senza attivarlo: fonti autorizzate, frequenza,
orario Europe/Rome, controlli sui dati e canale del report.
Il report deve includere aggiornamenti, formazione proposta,
alternative e dati mancanti. Prevedi un avviso se una fonte non risponde.
La consegna della formazione resta una mia azione.

Una connessione MCP, quando disponibile e compatibile con il tuo assistente, può mettere a disposizione dati strutturati. Nella descrizione tecnica di FantaGPT, la chiave è associata a una lega e il collegamento descritto non consente di schierare o acquistare. È un esempio utile di differenza tra accesso ai dati e capacità di agire. Non incollare chiavi personali in chat condivise o schermate pubbliche.

24. Rendere il regolamento più chiaro per il presidente di lega

Puoi chiedere all’AI di cercare contraddizioni e formulare esempi, lasciando le decisioni ai partecipanti. È particolarmente utile prima dell’inizio della stagione, quando puoi chiarire una regola senza cambiarla a partita già giocata.

Revisiona questo regolamento senza modificarne le scelte.
Trova contraddizioni, termini ambigui e casi non coperti.
Per ciascuno proponi due formulazioni alternative ed esempi.
Non presentare nessuna modifica come già approvata dalla lega.

25. Creare la cronaca della giornata senza inventare episodi

Report, nomi delle squadre, pagelle ironiche e messaggi per il gruppo possono essere applicazioni divertenti. Usa risultati reali forniti e tieni separata la satira dalle informazioni sportive. È anche un buon esercizio per un laboratorio sull’AI.

Scrivi la cronaca ironica della giornata usando solo questi risultati.
Non inventare gol, infortuni o dichiarazioni. Tono da gruppo di amici,
nessun attacco personale. Chiudi con tre osservazioni sui dati,
distinguendole chiaramente dalle battute.

Un video da guardare con spirito critico e una prova da fare

Il tema è stato affrontato anche da Lorenzo Cantarini nel video “FANTACALCIO E CHATGPT: HO FATTO LA FORMAZIONE CON LA A.I.”, richiamato nell’approfondimento di Fanta.Soccer su AI, aste e formazioni. È uno spunto per discutere l’esperimento: una singola formazione riuscita o sbagliata non basta a valutare un sistema.

Video esterno su YouTube. Se il player non viene caricato, apri il video su YouTube. Il contenuto è un esempio sul tema, non una guida ai nomi da schierare nella stagione corrente.

Per una prova più seria, scegli prima una regola di riferimento: per esempio la tua procedura abituale, scritta chiaramente. Registra poi, prima delle partite, la formazione proposta dall’AI, i dati usati, l’orario e le motivazioni. Confronta i due metodi per più giornate sulle stesse rose e sulle stesse regole, senza correggere a posteriori le proposte. Ti interessano punteggio, frequenza degli errori nei vincoli, copertura dei ruoli e tempo impiegato.

Puoi trasformarlo in un laboratorio: un gruppo lavora con un prompt generico, uno con regolamento e dati puliti, uno con un assistente che deve dichiarare le incertezze. Il confronto non deve decretare il “chatbot più tifoso”, ma mostrare come cambia la qualità del lavoro quando cambia il contesto. È un esercizio che si collega bene ai miei corsi su AI generativa, agenti e prompt engineering.

Gli errori che fanno perdere valore all’AI nel Fantacalcio

  • Chiedere nomi aggiornati senza dati aggiornati. Verifica stagione, squadra, ruolo e disponibilità.
  • Usare una media storica come previsione certa. È una descrizione di ciò che è successo, non una promessa.
  • Chiedere percentuali e accettarle comunque. Senza fonte o modello esplicito, un numero preciso può essere solo decorazione.
  • Sommare quotazioni come se fossero prezzi della tua asta. Servono confronti omogenei e un riferimento alla tua lega.
  • Dimenticare la panchina. Il valore di uno slot dipende anche dalle sostituzioni.
  • Riutilizzare una risposta vecchia. Un consiglio dipende dal momento e dai dati con cui è stato prodotto.
  • Credere che l’AI abbia letto un sito o un file. Fatti indicare cosa ha consultato e controllalo.
  • Valutare il sistema dopo una sola giornata. Registra anche una regola di confronto e gli errori, senza selezionare solo i casi riusciti.

Domande frequenti sull’intelligenza artificiale per il Fantacalcio

Si può usare ChatGPT per fare la formazione del Fantacalcio?

Puoi usarlo come supporto fornendo rosa, regole e dati aggiornati. Chiedi una proposta con alternative, fonti e controlli sui vincoli. Verifica la formazione nella piattaforma della tua lega prima di consegnarla: una risposta plausibile non certifica che gli undici siano validi o disponibili.

Qual è la migliore AI per il Fantacalcio?

Dipende dal compito e dalle regole supportate. Un assistente generalista è flessibile nel lavoro sui tuoi documenti; un servizio dedicato può offrire dati e stime già organizzati. Senza un test comparativo indipendente non è corretto assegnare il titolo di migliore. Controlla aggiornamento, trasparenza, compatibilità e risultati registrati.

Esiste un’AI per il Fantacalcio gratis?

Le condizioni cambiano. Puoi iniziare con tabelle e prompt se le funzioni necessarie sono disponibili nel tuo account. Alcuni servizi presentano prove o funzioni gratuite, altre attività richiedono un pagamento. Verifica sulla pagina ufficiale limiti, durata della prova ed eventuali rinnovi prima di scegliere.

Come si usa l’AI durante l’asta?

Prepara listone e piano prima dell’asta, poi aggiorna acquisti, budget e slot a ogni passaggio. Le richieste più utili riguardano rilancio massimo sostenibile, alternative e conseguenze di una spesa extra. Conferma la trascrizione degli acquisti: un prezzo errato compromette tutti i calcoli successivi.

L’AI funziona anche per il Mantra?

Può aiutarti a confrontare alternative, ma deve avere ruoli e regole Mantra corretti. Non tutti i servizi dedicati supportano questo sistema. Verifica sulla documentazione del prodotto e controlla l’ammissibilità della formazione nella piattaforma della lega.

L’AI può vincere il Fantacalcio al mio posto?

Non può garantire il risultato. Può aiutare a organizzare informazioni e a rendere le scelte più coerenti. L’efficacia concreta va valutata su proposte registrate prima delle partite e confrontate con una procedura di riferimento, senza ignorare costi, tempo e dati mancanti.

Il miglior acquisto può essere una domanda fatta bene

Per iniziare non chiederei “chi farà più gol?”. Prenderei la mia rosa, il regolamento e una scelta concreta: due giocatori da confrontare, un rilancio da valutare, uno scambio che mi lascia perplesso. Chiederei dati, alternative e condizioni che cambiano la risposta.

È una lezione che vale anche fuori dal Fantacalcio: un assistente diventa più utile quando gli diamo un problema definito e informazioni controllabili. Poi domenica il tuo attaccante può comunque colpire il palo al novantesimo. Il prompt, almeno quello, non avrà colpe.

Vuoi portare questo metodo in un corso sull’AI?

Il Fantacalcio è un terreno concreto per imparare a lavorare con dati, prompt, scenari e assistenti. Progetto workshop su AI generativa e agenti per aziende e organizzazioni, adattando esempi e laboratori al pubblico. Contattami per costruire un percorso formativo, oppure usa il modulo qui sotto.

    Qualche dettaglio sul corso (facoltativo)

    Qualche dettaglio sull’evento (facoltativo)

    Bastano poche righe. Se hai già una data o un obiettivo, aggiungili.

    I campi con * sono obbligatori.

    /0 Commenti/da

    Identity-Lock: come mantenere lo stesso volto nelle immagini AI

    ,

    Chiedi all’AI di vestirti da pompiere. Arrivano la giacca, il casco e l’autopompa. Poi guardi meglio: il pompiere è tuo cugino. O almeno sembra una versione di te che nessuno ha mai incontrato.

    È un problema concreto per chi usa immagini generate nella comunicazione: cambiare ambientazione è utile, cambiare involontariamente faccia molto meno. Se un avatar compare nelle copertine del blog, nelle slide e nei caroselli, deve restare riconoscibile. Altrimenti il personal branding diventa il casting di una serie televisiva.

    Una proposta interessante è Identity-Lock: una struttura del prompt che separa l’identità del soggetto dalle trasformazioni richieste. La proverei come metodo di lavoro, senza prendere alla lettera la promessa di “bloccare” qualsiasi volto.

    Che cos’è Identity-Lock e come si costruisce il prompt

    Il punto di partenza è l’articolo di Jason Reeve su lifehackedai. La struttura proposta mette i vincoli sul volto all’inizio, descrive trasformazione e scena e richiama l’identità alla fine. L’autore riferisce esperienze con 125 prompt, ma nella pagina non presenta una valutazione indipendente con metriche sufficienti a dimostrare una garanzia universale.

    Riga Funzione Che cosa scrivere
    1 Identità Indicare la persona nella foto e i tratti da conservare.
    2 Trasformazione Descrivere abiti o stile desiderato.
    3 Scena Definire ambiente, luce e inquadratura.
    4 Richiamo dei vincoli Ribadire la riconoscibilità e il formato richiesto.

    Le quattro righe sono un promemoria organizzativo. Non rappresentano un comando tecnico che impedisce al modello di modificare il viso. Anche scrivere /identitylock in una normale conversazione non attiva automaticamente una funzione speciale: senza uno strumento che interpreti quel comando, resta testo nel prompt.

    Perché “mantieni la mia faccia” è un’istruzione incompleta

    La guida ufficiale di OpenAI al prompting delle immagini mostra proprio un caso di cambio d’abiti con conservazione dell’identità. Suggerisce di specificare gli elementi che devono restare invariati e quelli che possono cambiare. È un’indicazione più concreta di un generico “fammi uguale”.

    Il mio consiglio è costruire una piccola scheda del personaggio: forma del viso, naso, occhi, attaccatura dei capelli, barba ed età apparente. Non occorre trasformarla in un referto: serve a evitare che il modello interpreti “ritratto professionale” come un invito a ringiovanirti di quindici anni.

    La foto di riferimento conta almeno quanto la descrizione. Nel Cookbook di OpenAI sulla fedeltà delle immagini di input, la conservazione dei volti è uno degli impieghi della modalità ad alta fedeltà. Impostazioni e disponibilità dipendono dal modello e dall’ambiente: un parametro dell’API non va confuso con un pulsante disponibile in tutte le interfacce.

    Per un ritratto reale partirei da una fotografia nitida. Per una serie illustrata partirei dall’avatar approvato. Sono obiettivi diversi: un disegno può conservare l’identità grafica di un personaggio senza essere una riproduzione fotografica della persona.

    Tre esempi di prompt Identity-Lock da adattare

    I prompt seguenti sono esempi originali in italiano. Prima carica il riferimento visivo; poi sostituisci le parti che riguardano il tuo soggetto. Le immagini di questo articolo sono illustrazioni generate a partire dal mio avatar: mostrano possibili usi, non un confronto sperimentale sull’efficacia del metodo.

    1. Cambiare abito: il mio avatar diventa pompiere

    Qui chiedo un cambiamento ben circoscritto. Mantengo lo stile del disegno e lascio il capo scoperto, così i capelli restano visibili e posso controllare meglio il risultato.

    1. Usa l’avatar allegato come riferimento del personaggio: conserva forma del viso, occhi, naso, sorriso, capelli e barba.
2. Cambia l’abbigliamento: giacca da pompiere blu con bande gialle riflettenti; mantieni lo stile illustrato originale.
3. Ambientalo davanti a una caserma con un’autopompa; tiene il casco in mano, volto ben visibile, luce diurna.
4. Deve essere riconoscibile come lo stesso avatar, senza ringiovanirlo o ridisegnarne i tratti; immagine orizzontale 16:9.
    Avatar di Gianluigi Bonanomi vestito da pompiere, con il casco in mano e il volto scoperto.
    Un cambio di abito e ambientazione a partire dall’avatar di riferimento. Illustrazione generata con AI, non fotografia di un evento reale.

    Il controllo utile riguarda il volto, non soltanto la qualità della giacca. Se il naso cambia, correggo quel tratto: “Ripristina il naso del riferimento; conserva abiti e sfondo del risultato”. Una correzione localizzata è più chiara di “rifai tutto meglio”.

    2. Un ritratto professionale senza un lifting digitale

    Per questo esempio serve una foto reale. Il risultato può essere destinato a un sito o a una presentazione, ma va controllato prima di usarlo come immagine professionale.

    1. La persona è quella nella fotografia allegata: conserva lineamenti, proporzioni del viso, capelli, pelle ed età apparente.
2. Sostituisci soltanto l’abbigliamento con una giacca blu e una camicia chiara.
3. Mantieni posa, espressione e inquadratura della foto; lascia invariato anche lo sfondo.
4. Non abbellire o ringiovanire il volto: deve restare la stessa persona; produci un singolo ritratto verticale.

    Ho deliberatamente limitato le modifiche. Per cambiare anche luce e sfondo, farei un passaggio successivo sull’immagine approvata, verificando di nuovo il volto. Non è una garanzia tecnica: è una procedura che rende gli errori più facili da individuare.

    3. Una serie di immagini per un corso o un carosello

    In una serie, la coerenza si gioca sull’intero personaggio. Il mio avatar può essere davanti a una lavagna, a un computer o a uno smartphone: voglio che il lettore riconosca sempre il medesimo protagonista.

    1. Riprendi il personaggio dell’avatar allegato: conserva volto, capelli, barba, età apparente e proporzioni.
2. Mantieni il completo nero, la camicia azzurra, la cravatta rossa e lo stile del disegno.
3. Mostralo mentre conduce un workshop davanti a uno schermo con la scritta “Stesso volto, nuove scene”; formato 16:9.
4. Rispetta l’identità grafica dell’avatar: modifica soltanto posa e ambientazione richieste, senza reinventare il personaggio.
    Avatar di Gianluigi Bonanomi durante un workshop davanti a uno schermo con la scritta Stesso volto, nuove scene.
    Lo stesso riferimento grafico applicato a una scena didattica. La riconoscibilità va verificata anche quando l’immagine è esteticamente riuscita.

    Per la scena successiva riutilizzerei il riferimento approvato. Eviterei di passare soltanto il risultato precedente per decine di trasformazioni: ogni eventuale scostamento diventerebbe il punto di partenza del passaggio seguente.

    Che cosa dimostra la ricerca, e che cosa rimane un’ipotesi

    La spiegazione dell’articolo originale richiama l’effetto “Lost in the Middle”. Lo studio di Nelson F. Liu e colleghi, pubblicato nel 2024 su Transactions of the Association for Computational Linguistics, osserva difficoltà nell’uso di informazioni poste al centro di contesti lunghi. I compiti studiati riguardano domande su documenti e recupero di coppie chiave-valore.

    Quel risultato non dimostra che quattro righe impediscano la deriva dei volti nei generatori di immagini. Trasferire la spiegazione a questo caso è un’ipotesi, non una conclusione verificata dallo studio. Mettere in evidenza i vincoli può essere una buona pratica; attribuirle un’efficacia universale richiede altri esperimenti.

    La conservazione dell’identità è anche un problema di progettazione dei modelli. Il paper InstantID: Zero-shot Identity-Preserving Generation in Seconds, di Qixun Wang e colleghi, propone un sistema che integra informazioni sul volto e punti di riferimento facciali nella generazione. È un approccio tecnico, diverso dal riordinare il testo di un prompt.

    La conseguenza pratica è semplice: se la somiglianza resta insufficiente, potrebbe servire cambiare strumento o modalità di modifica. Insistere con “identico, identico, identico” non trasforma automaticamente un vincolo linguistico in un vincolo geometrico.

    Il prompt va adattato allo strumento

    In Midjourney bisogna distinguere le istruzioni scritte dalle funzioni per i riferimenti visivi. La documentazione ufficiale dell’Edit Model descrive l’uso di immagini di riferimento e la sostituzione delle precedenti funzioni Omni Reference e Character Reference nell’ambiente supportato. Prima di copiare parametri da un tutorial, controlla la versione che stai usando.

    Un’altra scorciatoia da ridimensionare è il seed: la guida ufficiale di Midjourney sui seed precisa che non servono a salvare un personaggio o un aspetto attraverso prompt differenti. Possono aiutare negli esperimenti, ma non sono la carta d’identità digitale del soggetto.

    Un laboratorio di 20 minuti per capire se il metodo ti aiuta

    Proporrei questo esercizio in aula. Il tempo e il numero di immagini sono una scelta didattica, non uno standard scientifico.

    1. Scegli il riferimento: una tua foto o un avatar autorizzato, sempre lo stesso.
    2. Definisci cinque criteri: forma del viso, occhi, naso, capelli e barba o bocca. Aggiungi la riconoscibilità complessiva.
    3. Prepara due prompt: uno generico e uno strutturato in quattro righe. Mantieni identiche trasformazione e scena.
    4. Genera tre risultati per ciascuno: usa lo stesso modello e le stesse impostazioni disponibili. Conserva anche le immagini meno riuscite.
    5. Confronta senza etichette: mescola i risultati e assegna a ogni criterio 0, 1 o 2 punti. Poi scopri quale prompt ha prodotto ciascuna immagine.

    Una scala possibile è: 0, tratto alterato; 1, somiglianza parziale; 2, tratto coerente con il riferimento. Il voto è soggettivo e sei immagini non bastano per generalizzare. Servono però a capire se, nel tuo caso, la struttura riduce gli scarti e il tempo necessario alle correzioni.

    Dal volto al metodo di lavoro

    Per i fondamenti dei modelli linguistici, segnalo la lezione Intro to Large Language Models di Andrej Karpathy. È una lezione del 2023, in inglese: aiuta a capire il contesto tecnico, ma non è una dimostrazione di Identity-Lock.

    La parte che porterei nel lavoro quotidiano è questa: scegliere un riferimento, dichiarare le modifiche consentite, preservare i tratti importanti e controllare il risultato. Puoi applicarla alle copertine, ai materiali didattici e alla comunicazione del tuo team. Nella mia raccolta di risorse ed esercizi per il corso ChatGPT trovi altri punti di partenza per lavorare con l’AI.

    Identity-Lock può essere un buon nome per ricordare la procedura. Il controllo finale resta nostro. Se l’immagine è bellissima ma la persona è diventata un’altra, il prompt non ha svolto il compito.

    Vuoi usare le immagini AI nella comunicazione della tua azienda?

    Nei miei corsi di AI generativa lavoriamo su prompt, riferimenti visivi e criteri di controllo, con esercizi legati ai materiali che il team deve produrre. Scrivimi attraverso il modulo nella pagina contatti per progettare un laboratorio su misura.

    /0 Commenti/da

    Perché i chatbot non dicono «non lo so»? Addestramento, studi e rimedi

    ,

    Chiedi a un chatbot un dato che non conosce davvero. Invece di fermarsi, spesso costruisce una risposta plausibile, la rifinisce con tono sicuro e te la consegna come se avesse appena consultato un’enciclopedia. È un problema che chi usa ChatGPT, Gemini, Claude o Copilot incontra prima o poi. Ma la premessa va corretta: i chatbot a volte dicono «non lo so». Il punto è che non riconoscono sempre in modo affidabile quando dovrebbero dirlo.

    La spiegazione non è che l’intelligenza artificiale “mente” con intenzione. Dipende da come vengono addestrati i modelli, da come stimano la propria incertezza e da quali risposte i sistemi di valutazione tendono a premiare.

    Un chatbot genera la risposta più probabile, non consulta un archivio di fatti verificati

    Un modello linguistico di grandi dimensioni (LLM) viene pre-addestrato, in sintesi, a prevedere quale token abbia più probabilità di venire dopo una sequenza di testo. Impara regolarità linguistiche e associazioni dai dati di addestramento, che possono contenere informazioni corrette, errori, contraddizioni e contenuti ormai superati. Questa capacità produce risposte fluenti, ma la probabilità che una frase suoni coerente non coincide con la probabilità che sia vera.

    Nel rapporto tecnico di GPT-4, OpenAI descrive proprio questa differenza: il pre-addestramento insegna a prevedere la continuazione del testo; il post-addestramento, incluso il reinforcement learning from human feedback (RLHF), orienta il modello a seguire meglio le istruzioni e a comportarsi da assistente. Non significa però che il chatbot acquisisca un rilevatore infallibile della verità o un accesso diretto a una banca dati completa e aggiornata.

    Cosa succede durante l’addestramento

    Dopo il pre-addestramento, una fase di fine-tuning supervisionato può mostrare al modello esempi di conversazioni desiderabili. In seguito, valutatori umani possono confrontare più risposte e indicare quali preferiscono; un modello di ricompensa e tecniche di ottimizzazione come RLHF aiutano a rendere più probabili le risposte giudicate migliori. I dettagli cambiano tra fornitori e modelli, e spesso non sono pubblici: non esiste una ricetta unica per tutti i chatbot.

    Qui nasce un compromesso delicato. Una risposta dettagliata, diretta e ben scritta può apparire più utile di un rifiuto o di una dichiarazione d’incertezza. Ma una risposta cauta può essere la scelta giusta se mancano dati. Nel post che presentava ChatGPT, OpenAI indicava esplicitamente tre difficoltà: durante l’RLHF non c’è sempre una fonte di verità con cui confrontare la risposta; addestrare il modello a essere più prudente può indurlo a rifiutare anche domande a cui saprebbe rispondere; e l’esempio scritto da un dimostratore umano può non riflettere ciò che il modello stesso conosce.

    In più, un modello non possiede necessariamente una stima ben calibrata della propria competenza. Può avere appreso un fatto ma non sapere di saperlo, oppure produrre una risposta sicura senza basi sufficienti. Il tono è parte della generazione linguistica, non un certificato di accuratezza.

    Cosa dicono gli studi sulle risposte sbagliate e sull’incertezza

    Nel 2022, Stephanie Lin, Jacob Hilton e Owain Evans hanno presentato TruthfulQA, un benchmark di 817 domande in 38 categorie, progettato per far emergere risposte che ripetono convinzioni errate diffuse. Nei modelli testati allora, il migliore era veritiero nel 58% delle risposte, contro il 94% ottenuto dalle persone. Sono risultati di modelli di quel periodo, non una classifica degli assistenti disponibili oggi; mostrano però perché imitare il testo umano non basta per distinguere un fatto da un luogo comune falso.

    La difficoltà di stimare l’incertezza è stata studiata anche da Zhengbao Jiang e colleghi in una ricerca pubblicata su Transactions of the Association for Computational Linguistics. Esaminando T5, BART e GPT-2 in compiti di domanda e risposta, gli autori hanno rilevato che le probabilità dei modelli non erano ben calibrate rispetto alla correttezza. In altre parole, una maggiore sicurezza numerica non corrispondeva in modo affidabile a una maggiore probabilità di avere ragione.

    Un lavoro di Anthropic del 2022, “Language models (mostly) know what they know”, ha mostrato che alcuni modelli possono stimare se una risposta proposta sia corretta e che è possibile addestrarli a stimare la probabilità di “sapere” la risposta. Gli autori hanno però rilevato difficoltà di calibrazione quando la stima viene trasferita a compiti nuovi. Quindi la metacognizione artificiale è possibile, ma non si attiva come un interruttore universale.

    Nel 2024, un articolo pubblicato agli atti dell’Association for Computational Linguistics ha studiato come identificare le lacune di conoscenza e astenersi dal rispondere. Gli approcci di collaborazione tra modelli hanno migliorato, in alcuni esperimenti, l’accuratezza dell’astensione fino al 19,3% rispetto alla baseline più forte. È una prova che si può insegnare ai sistemi a fermarsi meglio, ma anche che l’autovalutazione del singolo modello non sempre basta.

    Un’analisi pubblicata su Nature nel 2026 aggiunge un punto sugli incentivi: se un benchmark premia soprattutto le risposte corrette e penalizza l’astensione, i modelli e i team che li sviluppano ricevono una spinta a indovinare. In uno studio con quattro modelli di frontiera, gli autori mostrano come cambiano le risposte quando la valutazione riconosce il valore del «non lo so». La metrica scelta può dunque influenzare il comportamento che si cerca di migliorare.

    Come ottenere risposte più oneste: cinque rimedi pratici

    1. Imposta una regola di astensione. Scrivi: «Se non hai elementi sufficienti, dichiaralo. Non completare i vuoti con ipotesi presentate come fatti».
    2. Fornisci le fonti e delimita il perimetro. Per un documento o una procedura, allega il testo e chiedi di rispondere solo sulla base di quel materiale, indicando il passaggio che sostiene ogni affermazione. Chiedi esplicitamente di segnalare ciò che non è presente nei documenti.
    3. Separa fatti, inferenze e informazioni mancanti. Chiedi tre sezioni distinte: “documentato”, “dedotto” e “non verificabile con i dati disponibili”. Questa struttura rende più visibili i salti logici.
    4. Per i fatti aggiornati, attiva ricerca e fonti primarie. Specifica una data di riferimento e chiedi link a leggi, documentazione ufficiale, paper o pagine istituzionali. Un modello senza ricerca web non può verificare un cambiamento recente solo perché gli viene chiesto di farlo.
    5. Controlla le affermazioni importanti fuori dalla chat. Un secondo modello può aiutare a individuare incongruenze, ma può condividere gli stessi errori. Per decisioni professionali o dati rilevanti, verifica la fonte originale o usa uno strumento deterministico, e chiedi una revisione umana quando il rischio lo giustifica.

    Prompt da riutilizzare:

    Rispondi usando solo le informazioni supportate dalle fonti che ti fornisco o che puoi verificare. Per ogni affermazione fattuale importante indica la fonte e il passaggio rilevante. Distingui i fatti dalle inferenze. Se i dati non bastano, scrivi chiaramente «non lo so con le informazioni disponibili» e indica quale elemento servirebbe per rispondere. Non inventare citazioni o riferimenti.

    La frase «dimmi quanto sei sicuro» può aiutare a capire dove il chatbot avverte un dubbio, ma non va presa come una misura oggettiva: gli studi sulla calibrazione mostrano che le stime di confidenza possono essere inaffidabili, soprattutto in domini o compiti diversi da quelli su cui sono state valutate.

    Per chi progetta un assistente: misurare anche quando si ferma

    Un sistema affidabile non dovrebbe essere valutato soltanto sul numero di risposte corrette. Serve misurare anche quante volte risponde quando le prove sono insufficienti, quante volte si astiene a torto e quanto rischio rimane tra le risposte che ha scelto di dare. In letteratura questo compromesso viene spesso descritto come selezione tra copertura e rischio: rispondere a meno domande può abbassare gli errori, ma l’astensione deve essere mirata e utile.

    In un assistente aziendale, si può restringere la risposta alle fonti approvate, collegare il sistema a documenti aggiornati, mostrare i riferimenti, impostare soglie di escalation e passare a una persona i casi incerti o ad alto impatto. Il lavoro ACL sulla collaborazione tra modelli e il recente studio su Nature indicano entrambi che astensione ed evidenze vanno progettate e valutate, non affidate a una formula magica nel prompt.

    Un video utile per approfondire

    Adam Kalai dell’Institute for Advanced Study spiega perché l’addestramento e i criteri di valutazione possono incoraggiare i modelli a indovinare invece di astenersi.

    Domande frequenti

    I chatbot mentono quando inventano una risposta?

    Di norma non nel senso umano di mentire con un’intenzione consapevole. Generano testo plausibile senza garantire che ogni affermazione sia verificata. Per questo si parla di allucinazione o confabulazione.

    Chiedere «dimmi se non lo sai» risolve il problema?

    Può ridurre alcune risposte inventate, soprattutto se si forniscono fonti e si chiarisce quando astenersi. Non garantisce però che il modello riconosca tutti i propri limiti: le istruzioni migliorano il comportamento, non trasformano la stima di sicurezza in una verifica infallibile.

    Qual è il modo più sicuro di usare un chatbot per una ricerca?

    Usalo per orientarti, organizzare domande e confrontare ipotesi; chiedi evidenze verificabili; controlla i riferimenti nelle fonti originali. Per informazioni recenti usa ricerca web e indica la data. Per decisioni ad alto impatto, non delegare il controllo finale al chatbot.

    La risposta migliore a volte è fermarsi

    Un assistente utile non è quello che riempie ogni silenzio. È quello che sa distinguere una risposta sostenuta dai dati da un’ipotesi ben confezionata, e che rende visibile la differenza. Fino a quando questa capacità non sarà abbastanza affidabile, la regola pratica resta semplice: chiedi prove, fornisci contesto e verifica ciò che conta.

    Se stai progettando un corso, un assistente AI o un percorso di formazione su questi temi, raccontami il tuo progetto.

      Qualche dettaglio sul corso (facoltativo)

      Qualche dettaglio sull’evento (facoltativo)

      Bastano poche righe. Se hai già una data o un obiettivo, aggiungili.

      I campi con * sono obbligatori.

      /0 Commenti/da

      Buongiornissimo AI: come ho creato un carosello automatico con ChatGPT

      C’è chi al mattino manda fiori, glitter e tazzine di caffè. Io ho pensato di aggiungere tre notizie sull’intelligenza artificiale. Il nome della rubrica era praticamente scritto: Buongiornissimo AI. Sottotitolo: Tre notizie prima del caffè.

      L’idea è costruire un appuntamento quotidiano per Instagram, Facebook e LinkedIn: tre notizie recenti, spiegate in italiano, con un commento leggermente ironico e il mio avatar come protagonista. Una piccola redazione del mattino, con una tazzina al posto della riunione di coordinamento.

      La parte interessante è il percorso: dalla richiesta detta a voce alla definizione di un processo che comprende ricerca, verifica, scrittura, immagini, collegamenti ai social e programmazione. Ecco come l’ho impostato, comprese le correzioni fatte durante il lavoro.

      1. Sono partito dal risultato, detto a voce

      La prima richiesta era questa: ogni mattina alle sette trovare le tre migliori notizie delle ultime ventiquattro ore, soprattutto dagli Stati Uniti, e raccontarle con tre immagini con protagonista il mio avatar.

      Inizialmente pensavo a un reel. Avevo indicato pubblico, frequenza, contenuti, personaggio e destinazioni. Avevo anche chiesto proposte per il titolo della rubrica, suggerendo “Buongiornissimo AI”.

      Tra le alternative c’erano “Caffè corretto AI”, “AI, sveglia!” e “La notte porta algoritmi”. Ho confermato la prima idea. La sua ironia si abbina bene al tono che cerco anche nella mia rubrica Tecnorisate: tecnologia spiegata con un sorriso, senza rinunciare al senso critico.

      2. Ho cambiato il formato: dal reel al carosello

      A un certo punto ho corretto la richiesta: «Una variante non per fare il reel, ma per un carosello». Questo passaggio cambia il lavoro da svolgere. Il prodotto finale diventa una sequenza di immagini con testo leggibile, invece di un video da montare, sonorizzare e sottotitolare.

      Il formato approvato comprende quattro immagini in 4:5: una copertina e tre schede, una per notizia. La copertina rende riconoscibile la rubrica; le schede sviluppano i contenuti.

      La sequenza desiderata è semplice: che cosa è successo, perché conta e una breve osservazione ironica. Se la battuta occupa tutto lo spazio e la notizia scompare, abbiamo preparato una cartolina, non una rassegna.

      3. Ho chiesto ricerca online e verifica delle notizie

      La ricerca delle notizie è un passaggio distinto dalla loro riscrittura. Nel brief ho chiesto novità delle ultime ventiquattro ore, con attenzione particolare agli Stati Uniti e ai temi che seguo: AI generativa, chatbot, agenti, applicazioni concrete, lavoro e comunicazione.

      Il criterio editoriale prevede almeno cinque risorse autorevoli complessive: annunci originali, documentazione, studi e testate affidabili. Quando possibile, un annuncio aziendale va confrontato con una fonte indipendente.

      Ho inserito una regola fondamentale: distinguere la data dell’articolo dalla data dell’evento. Una notizia vecchia ripresa oggi resta una notizia vecchia. E se non emergono tre aggiornamenti solidi, il processo deve segnalarlo e preparare meno schede. Il numero tre è un formato editoriale, non una licenza per inventare.

      4. Ho dato all’avatar un’identità visiva precisa

      La richiesta per la grafica era molto concreta: il mio avatar che beve un caffè, con i simboli di ChatGPT, Gemini, Claude e altri strumenti visibili dentro la tazzina. Un’immagine volutamente illustrativa, che rende riconoscibile la rubrica.

      Il riferimento deve essere il mio avatar originale. L’obiettivo è conservare volto, abbigliamento e identità, cambiando la scena in funzione della notizia. La documentazione di OpenAI sulla generazione di immagini descrive sia la creazione sia la modifica di immagini: nel mio progetto, il riferimento visivo e gli esempi approvati servono a guidare questa continuità.

      Ho guardato le immagini una alla volta e, dopo aver approvato tutte e tre, ho indicato che lo stile doveva restare quello. Questa approvazione va tradotta in un riferimento stabile accessibile anche alle esecuzioni future: palette, composizione, carattere dell’avatar, posizione dei titoli e livello di dettaglio.

      Nel video seguente mostro un test collegato: come creo varianti del mio avatar con ChatGPT. È il contesto visivo da cui nasce anche questa rubrica.

      5. Ho chiesto di verificare i collegamenti ai tre social

      Sapevo di aver collegato Instagram e LinkedIn, mentre non ero sicuro di Facebook. Ho quindi chiesto una verifica tramite Composio. Nella conversazione il collegamento Facebook è passato attraverso un’autorizzazione aggiuntiva, che ho completato.

      Il ruolo di Composio è mettere a disposizione strumenti per agire sulle applicazioni collegate, come spiega la sua documentazione sul funzionamento delle sessioni e degli strumenti. La documentazione sull’autenticazione chiarisce il ruolo delle connessioni agli account. Per il mio flusso, occorre verificare anche quale profilo o Pagina verrà usato e quali operazioni sono effettivamente autorizzate.

      Le destinazioni previste sono Instagram @gbonanomi, il mio profilo LinkedIn e la Pagina Facebook “Gianluigi Bonanomi Formatore sulla Comunicazione Digitale”. Un account collegato è un prerequisito; la prova del risultato resta la pubblicazione riuscita, con il relativo link.

      Anche il formato va precisato: su Instagram voglio un carosello; su Facebook un post con più foto; su LinkedIn un post con più immagini. Microsoft documenta il formato MultiImage di LinkedIn. Un documento PDF è un’opzione diversa e non fa parte del formato confermato per questa prova.

      6. Ho approvato un esempio prima della ricorrenza

      Prima di chiedere la programmazione, ho voluto vedere il primo carosello. Ho approvato le immagini una alla volta e autorizzato la pubblicazione sui tre canali. Il registro del 12 ottobre conserva gli esiti separati: Instagram e Facebook risultano pubblicati e verificati; per LinkedIn la creazione è riuscita, mentre la lettura successiva ha restituito un errore di accesso. Quel limite non va confuso con una pubblicazione fallita e non giustifica un secondo invio.

      Questo test serve a valutare l’intero percorso: qualità della selezione, sintesi dei testi, riconoscibilità dell’avatar, leggibilità e resa sui social. La sola presenza di immagini convincenti non dimostra che tutti i passaggi successivi funzionino.

      Copertina Buongiornissimo AI con avatar e caffè.
      Scheda 1 del primo carosello Buongiornissimo AI del 12 ottobre 2026.
      Scheda 2 del primo carosello Buongiornissimo AI del 12 ottobre 2026.
      Scheda 3 del primo carosello Buongiornissimo AI del 12 ottobre 2026.

      7. Come impostare la programmazione quotidiana delle 7

      La richiesta finale è stata di aggiungere “Buongiornissimo AI” alle azioni già presenti, senza interrompere le altre. Il numero delle azioni disponibili va controllato nel pannello aggiornato; il conteggio riportato durante una conversazione non sostituisce quella verifica.

      La documentazione sulle attività programmate di ChatGPT distingue l’orario o l’evento che avvia il lavoro dal prompt che descrive cosa eseguire. Specifica inoltre che le attività compatibili possono usare skill e plugin. Nel mio caso occorre rendere disponibili ricerca, riferimento dell’avatar e strumenti di pubblicazione anche durante l’esecuzione programmata.

      I passaggi da completare sono questi:

      1. Salvare il brief editoriale e gli esempi visivi approvati.
      2. Verificare che i collegamenti ai tre canali siano utilizzabili dal contesto programmato.
      3. Misurare la durata di una prova completa, dalla ricerca alla pubblicazione.
      4. Impostare una ricorrenza quotidiana nel fuso Europe/Rome, con preparazione anticipata se l’obiettivo è l’uscita alle 7.
      5. Salvare nell’azione il prompt completo, le destinazioni e l’autorizzazione alla pubblicazione automatica.
      6. Controllare che l’azione risulti attiva e verificare le prime esecuzioni, con esito separato per ogni piattaforma.

      L’azione quotidiana è stata creata e attivata, con avvio della ricerca e produzione alle 7, nel fuso Europe/Rome, dal 13 ottobre 2026. I post vengono pubblicati al termine della preparazione. Avviare il lavoro alle 7 non garantisce un’uscita esattamente alle 7: ricerca e generazione richiedono tempo. Per una maggiore puntualità occorre misurare i tempi e anticipare la preparazione.

      Il prompt operativo per Buongiornissimo AI

      Ogni giorno prepara “Buongiornissimo AI”, sottotitolo “Tre notizie prima del caffè”, per Gianluigi Bonanomi.

Obiettivo: avviare ricerca e produzione ogni mattina alle 7:00, fuso Europe/Rome, su Instagram @gbonanomi, sul profilo LinkedIn di Gianluigi Bonanomi e sulla sua Pagina Facebook verificata. Pubblica al termine della preparazione.

Cerca online tre notizie distinte sull’AI delle ultime 24 ore rispetto alla ricerca, soprattutto dagli Stati Uniti. Consulta almeno cinque risorse autorevoli complessive. Verifica date, nomi, numeri e disponibilità; separa annunci, indiscrezioni e fatti. Evita ripetizioni usando lo storico accessibile. Se non trovi tre notizie solide, riduci il numero delle schede e segnala il motivo.

Per ogni notizia prepara un titolo di massimo otto parole, una spiegazione breve, una frase sulla sua utilità e un commento ironico riconoscibile come tale. Italiano naturale, nessuna emoji, nessun trattino lungo.

Crea quattro immagini separate: copertina più tre notizie, in 4:5 (1080 × 1350). Usa l’avatar originale e gli esempi visivi salvati. Mantieni lo stesso stile. La copertina deve rendere riconoscibili nome e data della rubrica. Se il riferimento non è accessibile, segnala il blocco senza inventare un avatar sostitutivo.

Prepara una didascalia per Instagram e Facebook e una versione adatta a LinkedIn. Riporta le fonti con link e associazione alle notizie nella didascalia o in un commento accessibile, secondo le possibilità del canale.

Verifica accuratezza, refusi, avatar, leggibilità, ordine e disponibilità dei file. Pubblica automaticamente sui tre canali autorizzati: carosello Instagram, post con più foto Facebook, post con più immagini LinkedIn.

Controlla separatamente l’esito di ogni pubblicazione e restituisci i link. Non ripubblicare sui canali già riusciti se uno fallisce. In caso di risultato incerto, controlla prima di riprovare. Conserva materiali, notizie e identificativi per evitare duplicati. Non dichiarare riuscite operazioni prive di conferma.

      Le skill danno continuità al lavoro

      In questo progetto le funzioni da coordinare sono cinque: ricerca delle notizie, verifica editoriale, scrittura, generazione delle immagini e pubblicazione. La ricorrenza stabilisce quando attivarle.

      Una skill può raccogliere regole riutilizzabili: tono, criteri di selezione, struttura delle schede e controlli. In questa configurazione l’azione richiama Library per recuperare avatar, esempio approvato e registro; Composio per usare i canali collegati; la generazione immagini per produrre le nuove schede. Le istruzioni della rubrica sono salvate nel prompt dell’azione, senza attribuire alla prova una skill dedicata che non è stata creata.

      La cosa che volevo ottenere era questa: trasformare un’idea detta a voce in un appuntamento editoriale con regole chiare e uno stile riconoscibile. Il caffè può essere disegnato dall’AI. Le notizie, prima di servirle, vanno controllate.

      Vuoi progettare un’automazione per i tuoi contenuti?

      Nei miei corsi lavoriamo su casi concreti come questo: definiamo obiettivi, fonti, stile e controlli, poi mettiamo alla prova il processo. Se vuoi capire come applicarlo alla tua attività, scrivimi.

        Il tuo nome (richiesto)

        La tua email (richiesto)

        Oggetto

        Il tuo messaggio

        /0 Commenti/da

        ChatGPT sostituisce i grafici? Il mio test da 60 euro su Fiverr

        Pagavo 60 euro su Fiverr per farmi realizzare delle varianti del mio avatar. A un certo punto ho provato ad affidare la stessa operazione a ChatGPT. Il risultato mi ha soddisfatto: per quella specifica esigenza ho ottenuto rapidamente ciò che cercavo, senza commissionare un’altra lavorazione.

        Da qui nasce il mio video “ChatGPT sta già sostituendo i grafici?”. Vi mostro il test e parto da una domanda che sento continuamente durante i miei corsi: l’intelligenza artificiale ci ruberà il lavoro? Non sono convinto che lo ruberà a tutti. Ma liquidare il problema con “la creatività umana è insostituibile” mi sembra altrettanto sbrigativo.

        Guarda il video: il mio test con ChatGPT al posto di Fiverr

        Prima di ragionare su professioni e scenari, guardate che cosa è successo in questo caso concreto. Nel video mostro l’operazione sul mio avatar e spiego perché ho smesso di acquistare quella specifica prestazione su Fiverr.

        Puoi anche guardare il video direttamente su YouTube. Tenete a mente una distinzione: ottenere una variante di un’immagine già definita e progettare un’identità visiva sono lavori con obiettivi e responsabilità diversi.

        Da 60 euro a un abbonamento: il risparmio va capito

        Nel mio caso, il confronto era tra una lavorazione da 60 euro e un abbonamento che, nel racconto del test, considero nell’ordine dei 20 euro al mese. È un confronto riferito alla mia esperienza, non un listino aggiornato di ChatGPT né una promessa di ottenere qualsiasi lavoro grafico a quel prezzo.

        Se una singola prestazione evitata vale più del costo mensile dello strumento, il vantaggio economico può essere immediato. Per valutare davvero il risparmio, però, bisogna considerare anche il tempo per dare istruzioni, selezionare le proposte e correggere eventuali difetti. Un risultato che giudico adatto alle mie slide non è automaticamente un file pronto per ogni impiego professionale.

        E la formula “perfetto in un secondo”? Rende bene lo stupore, ma non è un benchmark. La formulazione che preferisco è questa: un risultato rapidamente utilizzabile per la mia esigenza. Velocità e qualità vanno valutate sull’intero processo, non soltanto sul momento in cui compare l’immagine.

        AI e lavoro: distinguere le mansioni dalle professioni

        Un mestiere è composto da molte attività. Un grafico può discutere il brief, studiare il pubblico, progettare un sistema visivo, produrre varianti, verificare la coerenza e gestire revisioni. Automatizzare una di queste attività cambia il mestiere; non dimostra, da solo, che l’intera professione sia scomparsa.

        Il rapporto 2025 dell’Organizzazione internazionale del lavoro (ILO), realizzato con NASK, stima che un lavoratore su quattro nel mondo sia in un’occupazione con qualche grado di esposizione all’AI generativa. Gli autori indicano la trasformazione del lavoro come esito più probabile, perché molte occupazioni comprendono attività che richiedono ancora un contributo umano. Esposizione non significa posti già persi.

        Non sarebbe corretto, però, trasformare questa distinzione in una rassicurazione universale. Se una parte consistente dei ricavi di un professionista arriva da prestazioni che i clienti iniziano a svolgere da soli, la perdita di incarichi può essere reale anche se il nome della professione continua a esistere. Nel mio piccolo, ho smesso di acquistare un servizio: per chi lo vendeva, quella domanda è venuta meno.

        Lo studio di Ole Teutloff e colleghi sulla domanda di freelance, pubblicato nel Journal of Economic Behavior & Organization, osserva su una piattaforma online un calo della domanda per alcune competenze sostituibili, come scrittura e traduzione, rispetto alla tendenza controfattuale. È un risultato circoscritto a quel mercato e a quelle attività: non misura tutti i grafici e non consente di generalizzare il mio test a un intero settore. Mostra però perché il problema degli incarichi va preso sul serio.

        Il valore del grafico: decidere che cosa deve comunicare un’immagine

        Continuo a vedere valore nel professionista che sa capire un problema di comunicazione, scegliere una direzione, motivarla e portarla fino alla consegna. Per esempio: a chi deve parlare quell’avatar? In quale contesto verrà usato? Deve trasmettere autorevolezza, ironia o vicinanza? Quali elementi devono restare riconoscibili nelle diverse versioni?

        Sono le domande che propongo di mettere al centro del servizio. L’AI può aiutare anche a esplorare idee e soluzioni, ma qualcuno deve stabilire criteri, valutare il risultato e assumersi la responsabilità della scelta. Vendere questa capacità richiede di renderla visibile al cliente, non soltanto di dichiararsi creativi.

        Il rischio riguarda anche attività meno ripetitive di quanto immaginiamo. Nello studio sperimentale di Fabrizio Dell’Acqua e colleghi, nella versione del 2023, i consulenti con GPT-4 miglioravano velocità e qualità su compiti compatibili con le capacità del sistema, ma su un compito esterno a quella frontiera producevano meno spesso una soluzione corretta. La ricerca riguarda quel modello e quei compiti: la lezione utile è imparare a valutare dove l’assistenza funziona e dove serve un controllo più attento.

        La creatività umana non è una polizza contro l’automazione

        Dire che la “vera creatività” resterà sempre esclusivamente umana può essere una posizione filosofica. Non la userei come garanzia economica. Un cliente può scegliere un risultato che considera utile e originale senza dover risolvere prima il dibattito sulla coscienza delle macchine.

        La ricerca di Anil R. Doshi e Oliver P. Hauser, pubblicata su Science Advances nel 2024, aiuta a complicare il quadro: in un esperimento sulla scrittura di racconti, accedere a idee generate dall’AI migliorava le valutazioni di creatività, qualità e piacevolezza, soprattutto per gli autori inizialmente meno creativi. Al tempo stesso, i racconti assistiti risultavano più simili fra loro. Non è uno studio sul graphic design, ma suggerisce un’opportunità e un rischio: ottenere proposte migliori e finire tutti nella stessa zona delle idee.

        Per questo consiglio di usare l’AI anche come interlocutore creativo, continuando a cercare riferimenti, esperienze e scelte riconoscibili. La capacità di selezionare e modificare le proposte diventa parte del lavoro. Ho affrontato un cambiamento simile nell’articolo su come l’AI sta rivoluzionando le presentazioni: produrre più facilmente i materiali rende ancora più utile progettare bene il messaggio.

        Harari, il senso del lavoro e le scelte che restano nostre

        Il riferimento a Yuval Noah Harari invita ad allargare lo sguardo. Nelle FAQ pubblicate sul suo sito ufficiale, lo storico descrive sia scenari di esclusione dal lavoro sia scenari nei quali la tecnologia libera le persone da attività faticose e consente di sviluppare il proprio potenziale. Sottolinea che l’esito dipende dalle scelte umane, non da un destino tecnologico già scritto.

        La mia lettura è che il tempo risparmiato possa essere reinvestito nella progettazione, nella relazione con il cliente e nella qualità delle decisioni. Non attribuisco a Harari la formula “automatizzare l’esecuzione per concentrarsi sul senso” come se fosse una sua citazione: è il modo in cui io traduco questa riflessione nel lavoro quotidiano.

        E non avviene automaticamente. Un’azienda può usare il tempo guadagnato per formare le persone, migliorare il servizio oppure chiedere più produzione a parità di risorse. L’AI apre possibilità; la scelta organizzativa decide come distribuirne i benefici.

        Parti da una tua attività e guarda il test

        L’esperimento che suggerisco è semplice: scegliete una prestazione circoscritta, definite prima che cosa rende il risultato accettabile e confrontate il processo abituale con quello assistito dall’AI. Misurate tempo complessivo, qualità, correzioni e costo. Poi chiedetevi quali parti richiedano ancora la vostra competenza e come valorizzarle.

        Guardate il mio test nel video “ChatGPT sta già sostituendo i grafici?” e provate a riportarlo al vostro lavoro. Quale prestazione potrebbe smettere di essere acquistata? Quale competenza, invece, potreste offrire meglio grazie al tempo guadagnato?

        Guarda il video su YouTube e valuta il risultato del test.

        Vuoi sperimentare l’AI nel lavoro del tuo team?

        Nei miei corsi per aziende, professionisti ed enti partiamo da attività concrete, definiamo criteri di qualità e proviamo a capire dove l’AI può aiutare. Se vuoi organizzare un laboratorio su questi temi, scrivimi indicando il pubblico e le attività sulle quali vorresti lavorare.

          Il tuo nome (richiesto)

          La tua email (richiesto)

          Oggetto

          Il tuo messaggio

          /0 Commenti/da

          ChatGPT in azienda: come proteggere i dati

          ,

          Immaginiamo una scena molto concreta: un dipendente carica in ChatGPT un contratto con un cliente, un altro incolla il verbale di una riunione, un terzo chiede di analizzare un foglio con stipendi e nominativi. Tutti stanno cercando di lavorare meglio. Ma chi ha deciso quali dati possono uscire dall’azienda, attraverso quale account e con quali garanzie?

          Quando mi chiedono quale abbonamento renda sicuro ChatGPT in azienda, parto da qui. Per l’uso quotidiano di informazioni riservate, gli account personali Free e Plus non sono la soluzione organizzativa che consiglierei. Business offre protezioni e gestione aziendale; Enterprise aggiunge controlli più articolati. La residenza europea richiede però una verifica separata. E nessun piano autorizza a caricare qualsiasi documento senza valutare il caso d’uso.

          Condizioni e documentazione verificate l’8 ottobre 2026. Le funzionalità possono cambiare e dipendono da disponibilità, contratto e configurazione dell’area di lavoro.

          ChatGPT e dati aziendali: cinque domande prima dell’abbonamento

          “I dati sono protetti” è una frase troppo generica per prendere una decisione. Io la tradurrei in cinque domande:

          1. Addestramento: prompt, allegati e risposte possono essere usati per migliorare i modelli?
          2. Accesso: chi può entrare nell’account, condividere documenti o collegare altri servizi?
          3. Conservazione: quali copie restano, per quanto tempo e come si eliminano?
          4. Localizzazione: dove sono archiviati i contenuti e dove vengono elaborati?
          5. Responsabilità: chi ha approvato questo trattamento e verificato contratto, finalità e rischi?

          Sono domande diverse. Spegnere l’addestramento risponde alla prima. Non risolve automaticamente le altre quattro.

          Perché Free e Plus personali non bastano per l’azienda

          Prima una precisazione: non sarebbe corretto scrivere che ChatGPT gratuito è sempre vietato in ufficio, o che ogni uso di Plus viola il GDPR. Preparare una scaletta con informazioni pubbliche è diverso dal caricare il database dei clienti. La mia raccomandazione riguarda la gestione sistematica di dati aziendali riservati e personali.

          Nelle regole ufficiali sull’uso dei dati per migliorare i modelli, OpenAI distingue servizi individuali e servizi aziendali. Per quelli individuali è possibile disattivare “Improve the model for everyone”, in italiano “Migliora il modello per tutti”, da Impostazioni e Controlli dei dati. Dopo la rinuncia, le nuove conversazioni non vengono usate per migliorare i modelli. La documentazione segnala anche un’eccezione: inviando volontariamente feedback su una risposta, la conversazione associata può essere utilizzata per l’addestramento.

          È un controllo utile. Pagare Plus, però, non trasforma un account personale in un’area di lavoro aziendale gestita. Lo stesso ragionamento vale per Pro personale: capacità e limiti di utilizzo non equivalgono a una diversa governance dell’azienda.

          Se l’organizzazione affida tutto alle impostazioni del singolo, deve anche affidarsi alla sua memoria: selezionare l’account giusto, non attivare condivisioni inappropriate, non collegare app non autorizzate, gestire l’uscita dall’azienda. Il costo nascosto è questa frammentazione. Avevo già affrontato il problema nel mio decalogo sul Bring Your Own AI.

          Per sperimentazioni con dati pubblici o davvero anonimizzati, un piano personale può avere senso se la policy lo consente. Per contratti riservati, dati HR e documenti dei clienti, proporrei un ambiente aziendale approvato e una procedura documentata.

          Che cosa offre ChatGPT Business per proteggere i dati

          Secondo le FAQ ufficiali di ChatGPT Business, il piano offre un’area di lavoro condivisa per il team, fatturazione centralizzata e controlli amministrativi. Si applicano i termini aziendali e gli impegni di privacy enterprise. L’area di lavoro richiede almeno due licenze a pagamento.

          La documentazione OpenAI sulla sicurezza dei dati aziendali descrive, per Business:

          • Esclusione dall’addestramento per impostazione predefinita dei dati dell’organizzazione.
          • Cifratura dei dati a riposo con AES-256 e in transito con TLS 1.2 o superiore.
          • Ruoli Member, Admin e Owner, per distinguere utenti e amministratori.
          • Autenticazione a più fattori e SAML SSO, cioè accesso tramite il sistema di identità dell’organizzazione.
          • Controlli sui GPT di terze parti e statistiche di base sull’utilizzo.

          La guida alla privacy e alla condivisione in Business chiarisce inoltre che gli altri membri non vedono automaticamente tutte le chat di un collega. Un ambiente collaborativo non significa che ogni conversazione sia visibile a tutto l’ufficio.

          Per una PMI, Business è quindi una base da valutare seriamente per l’adozione quotidiana, purché i dati e i processi siano compatibili con le condizioni del servizio. Va configurato: nominare amministratori, gestire gli accessi, scegliere gli strumenti consentiti e spiegare alle persone come usarli.

          La cifratura, da sola, non impedisce a un utente autorizzato di condividere il documento sbagliato. Inoltre, cifratura a riposo e in transito non significa che il fornitore non possa elaborare il contenuto per erogare il servizio.

          Business conserva i dati in Europa? La novità e l’eccezione americana

          Qui serve leggere la documentazione più recente. Nella pagina dove vengono conservati i contenuti di ChatGPT Business, OpenAI dichiara che la scelta della regione è in distribuzione graduale e non è ancora disponibile per tutti.

          La regione selezionabile durante l’acquisto riguarda l’archiviazione principale dei contenuti a riposo. Non determina dove viene eseguita l’inferenza, cioè l’elaborazione che produce le risposte.

          Soprattutto, OpenAI precisa che, scegliendo una regione fuori dagli Stati Uniti, una copia di ogni prompt e risposta viene comunque conservata temporaneamente negli Stati Uniti per sicurezza, monitoraggio degli abusi e applicazione delle regole.

          La pagina non indica una durata numerica di quella conservazione. È una domanda da chiarire con il fornitore prima di approvare dati delicati.

          Quindi, se nel tuo acquisto è offerta una regione europea, non leggere quella scelta come una promessa che tutto resti esclusivamente in Europa. E non dare per scontato che un’area Business già esistente sia configurata nella regione desiderata.

          Quando serve Enterprise e che cosa significa residenza europea

          Enterprise va valutato quando servono una gestione più articolata delle identità e dei permessi, controlli di conformità e requisiti contrattuali specifici. La guida ufficiale per amministratori Enterprise comprende SCIM per gestire gli utenti, ruoli e gruppi, strumenti di audit e integrazione con sistemi di controllo, restrizioni di rete e opzioni come Enterprise Key Management, dove disponibili.

          Gli impegni di privacy enterprise prevedono inoltre controlli amministrativi sulla conservazione. Prima dell’acquisto, chiederei quali dati e funzionalità rientrano concretamente nei controlli concordati.

          La documentazione sulla residenza dei dati e dell’inferenza distingue due opzioni per clienti Enterprise idonei:

          • Data residency: contenuti coperti conservati a riposo nella regione configurata.
          • Inference residency: elaborazione GPU dei contenuti coperti nella stessa regione, se abilitata.

          La regione “Europe” comprende Spazio economico europeo e Svizzera. Non significa Italia né esclusivamente i 27 Paesi dell’UE.

          Anche con entrambe le opzioni, alcune elaborazioni CPU, come estrazione del testo e instradamento, possono avvenire fuori regione; integrazioni esterne e categorie di metadati hanno regole separate. Occorre verificare anche le funzionalità escluse.

          Se il requisito è archiviazione e inferenza GPU europee, valuterei Enterprise con entrambe le opzioni confermate. Se il requisito vieta qualsiasi trattamento fuori dall’UE, non presenterei questa configurazione come sufficiente senza una verifica specifica del perimetro contrattuale e tecnico.

          Free, Plus, Business ed Enterprise: una tabella per decidere

          Questa è una sintesi operativa della documentazione collegata sopra, non una certificazione di conformità del singolo utilizzo.

          PianoAddestramentoGestione aziendaleLocalizzazioneLa mia indicazione
          Free personaleControllabile tramite impostazioni personaliNon equivale a un workspace aziendaleNon assumere garanzie europeeSperimentazioni autorizzate con dati pubblici o anonimizzati
          Plus e Pro personaliControllabile tramite impostazioni personaliNon sostituisce BusinessIl pagamento non dimostra residenza europeaNon li sceglierei per governare dati riservati del team
          BusinessEscluso per defaultWorkspace, amministrazione, ruoli, SSOScelta della regione in rollout; copie di sicurezza negli USABase da valutare per PMI e processi compatibili
          EnterpriseEscluso per defaultControlli più articolatiStorage e inferenza regionali per clienti idonei, con esclusioniRequisiti più stringenti, da configurare e verificare

          GDPR: l’abbonamento aiuta, la responsabilità resta all’azienda

          Il GDPR, nel testo messo a disposizione dal Garante per la protezione dei dati personali, richiede finalità e basi giuridiche appropriate, minimizzazione, sicurezza e responsabilizzazione. Sono pertinenti gli articoli 5 e 6, il contratto con il responsabile del trattamento previsto dall’articolo 28, le misure dell’articolo 32 e, quando ricorrono i presupposti, la valutazione d’impatto dell’articolo 35.

          Il GDPR non impone in generale che ogni dato sia sempre conservato nell’UE: i trasferimenti verso Paesi terzi richiedono il rispetto delle condizioni del Capo V. E conservare un dato in Europa non rende lecito un utilizzo privo di una base giuridica.

          OpenAI pubblica un Data Processing Addendum, l’accordo sul trattamento dei dati. Va verificato e formalizzato secondo il percorso applicabile al proprio contratto. Consiglierei di far controllare al referente privacy o al DPO, se nominato, finalità, categorie di dati, subfornitori e trasferimenti effettivi del flusso.

          Ricordiamoci anche dei segreti aziendali: un progetto industriale o un listino riservato può richiedere protezione pur senza contenere dati personali. La policy deve coprire entrambi.

          Una procedura pratica per usare ChatGPT ogni giorno

          Queste sono le regole operative che proporrei a un’azienda prima di distribuire gli accessi.

          1. Scegliere tre attività iniziali. Per esempio riscrivere email, sintetizzare procedure e preparare presentazioni. Definire quali documenti servono davvero.
          2. Classificare i dati. Pubblici, interni, riservati e ad alta criticità. Per ogni categoria indicare strumenti ammessi, persone autorizzate e approvazioni richieste.
          3. Usare l’area aziendale. Ogni persona deve riconoscere il workspace corretto prima di incollare o allegare qualcosa. Evitare account condivisi e credenziali passate tra colleghi.
          4. Gestire gli accessi. Configurare MFA o SSO secondo la policy, ridurre gli amministratori al necessario, verificare cosa succede quando un dipendente cambia ruolo o lascia l’azienda.
          5. Ridurre i dati prima dell’invio. Eliminare informazioni inutili, commenti, revisioni, fogli nascosti e metadati. Controllare il file effettivo che si sta caricando.
          6. Limitare collegamenti e condivisioni. Consentire solo app e GPT approvati, con accessi coerenti con il compito.
          7. Definire conservazione e cancellazione. Stabilire chi gestisce chat, allegati, progetti e memorie, verificando i controlli disponibili nel piano.
          8. Provare il flusso con documenti sintetici. Controllare permessi, risultati e possibili errori prima di passare ai dati reali.
          9. Formare e verificare. Far esercitare le persone sui casi del loro reparto, compreso il riconoscimento delle informazioni da non inviare.
          10. Prevedere un canale per gli incidenti. Se viene caricato il file sbagliato, serve un referente e una procedura; il dipendente deve sapere come segnalarlo subito.

          Tre esempi: email, vendite e risorse umane

          AttivitàPreparazione consigliataErrore da evitare
          Riscrivere un’email a un clientePassare il testo necessario, sostituendo identificativi e dettagli superfluiIncollare tutta la catena con recapiti e allegati non pertinenti
          Analizzare l’andamento commercialeUsare dati aggregati o un estratto approvato nel workspace autorizzatoCaricare l’intero CRM per ottenere un semplice grafico
          Preparare una procedura HRDescrivere il processo con un caso fittizioUsare fascicoli sanitari o disciplinari senza una valutazione specifica

          Per dati sanitari, credenziali, chiavi API, informazioni disciplinari o progetti strategici, la mia regola iniziale sarebbe: non caricarli nel flusso ordinario. Un eventuale impiego richiede un progetto dedicato e l’approvazione delle funzioni competenti.

          Anonimizzare prima di caricare, non dopo

          Chiedere a ChatGPT di anonimizzare il documento originale comporta già l’invio del documento. Per evitare quella trasmissione, la preparazione deve avvenire prima, con strumenti e procedure approvati dall’azienda.

          Sostituire “Maria Rossi” con “Dipendente 17” non basta se ruolo, ufficio e vicenda permettono comunque di riconoscerla. Il GDPR distingue la pseudonimizzazione dai dati resi effettivamente anonimi: la prima resta nel suo ambito di applicazione.

          Un esercizio utile arriva dal video ufficiale di OpenAI Academy su privacy e informazioni da non condividere: partire da una bolletta e individuare quali dettagli servono per la domanda. Lo proporrei in aula con una fattura fittizia, prima di passare ai documenti dell’azienda.

          OpenAI Academy: quali informazioni evitare di condividere e quando verificare le risposte.

          Connettori e agenti: verificare anche la destinazione successiva

          Collegare ChatGPT alla posta, a Drive o al CRM aggiunge un altro passaggio al flusso. La documentazione sui controlli di plugin e servizi connessi spiega che contano i permessi dell’account autorizzato e che il servizio esterno applica le proprie condizioni di conservazione, trattamento e residenza.

          Per questo partirei con un servizio alla volta e con sole operazioni di lettura. Prima di consentire invii, scritture o pubblicazioni, farei verificare destinatari, ambito dei permessi e possibilità di recuperare da un errore. Un agente autorizzato a leggere l’intera casella e spedire email ha esigenze diverse da un chatbot che corregge una bozza.

          Anche la cancellazione va controllata per posizione: la guida alla sicurezza di ChatGPT Work chiarisce che eliminare una conversazione, un file salvato, una memoria e una connessione sono azioni separate. Non presumere che la cancellazione della chat elimini ogni copia del lavoro.

          Se serve un’applicazione su misura: le API hanno regole proprie

          Le API di OpenAI possono essere una strada per costruire un assistente interno con controlli definiti dal progetto. La documentazione ufficiale sui controlli dei dati API prevede residenza regionale e opzioni come Zero Data Retention per clienti, endpoint e funzionalità idonei.

          Non basta però scrivere “API” nel preventivo: vanno verificati configurazione regionale, conservazione, compatibilità delle funzioni e log dell’applicazione sviluppata. Zero Data Retention nelle API non è una proprietà generale di ChatGPT Business o Enterprise.

          Se l’organizzazione richiede che un certo documento non esca mai dal proprio perimetro, valuterei con l’IT anche un’architettura interna. Bisogna verificare l’intero flusso, compresi telemetria, backup e servizi esterni eventualmente usati.

          La scelta che consiglierei a un’azienda

          Per iniziare con attività ordinarie e informazioni compatibili con le condizioni del servizio, valuterei Business insieme a una policy concreta. Per requisiti più stringenti di identità, audit, conservazione e localizzazione, valuterei Enterprise con configurazione e contratto verificati.

          Prima di firmare chiederei una risposta scritta su quattro punti: dati coperti, copie ed eccezioni, luoghi di archiviazione ed elaborazione, tempi di conservazione. E farei approvare tre casi d’uso reali, non soltanto il nome del prodotto.

          La prova finale la farei con un dipendente: “Devi sintetizzare questo documento. Quale account apri? Quali parti rimuovi? Puoi collegare il CRM? Chi controlla la risposta?”. Se non sa rispondere, manca ancora un pezzo dell’adozione.

          Nel mio corso ChatGPT per aziende e professionisti lavoro anche su queste decisioni: partire dai processi, preparare i documenti e costruire abitudini che permettano di usare l’AI senza improvvisare sui dati.

          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.

          Invia un'email

          /0 Commenti/da

          textGrain di ChatGPT: la firma invisibile nei testi. Anche Claude fa qualcosa di simile

          Gianluigi Bonanomi osserva la filigrana statistica dei testi di ChatGPT e Claude

          Immaginate di chiedere a ChatGPT una newsletter, copiarla sul sito e premere “Pubblica”. Tra quelle parole potrebbe esserci un segnale che il lettore non vede: una traccia statistica dell’intervento dell’intelligenza artificiale. Il nome scelto da OpenAI è textGrain. La parola “firma” è una metafora: qui parliamo di un watermark, una filigrana statistica.

          OpenAI lo ha presentato il 5 ottobre 2026 nell’annuncio sulle regole europee di provenienza dei testi. Ha previsto un’introduzione progressiva nelle settimane successive per gli output idonei di ChatGPT e Codex nell’Unione europea, su tutti i piani. Per alcuni modelli via API, invece, il watermark è disponibile su adesione volontaria a livello globale e rimane disattivato per impostazione predefinita. Quindi sarebbe prematuro affermare che qualsiasi risposta di ChatGPT sia già marcata.

          Come funziona textGrain, spiegato senza un dottorato

          Un modello linguistico costruisce il testo scegliendo progressivamente i token, parole o parti di parole. Il rapporto tecnico di textGrain descrive un sistema che collega queste scelte a una casualità derivata da una chiave segreta, calibrando la forza del segnale e la varietà della generazione.

          Facciamo un esempio inventato, soltanto per capire il principio. Per descrivere un servizio, il modello potrebbe scrivere “semplice da usare” oppure “facile da utilizzare”. Il sistema interviene sul meccanismo di selezione tra possibilità plausibili. Ripetuto lungo un brano, quel processo lascia uno schema che un rilevatore, conoscendo la chiave e la configurazione, può cercare. Nessuna singola parola è il timbro “scritto da ChatGPT”. È la sequenza a fornire evidenza statistica.

          La documentazione di OpenAI sulla provenienza dei contenuti precisa che textGrain non inserisce caratteri nascosti, spazi invisibili o punteggiatura speciale. Il segnale sta nella formulazione stessa. Cercare un carattere misterioso nel testo porta quindi fuori strada.

          Anche Claude usa un watermark: che cosa cambia

          Anthropic ha spiegato il proprio approccio il 14 agosto 2026, nell’articolo How Claude’s text watermark works. Utilizza una variante di SynthID-Text, sviluppato da Google DeepMind. Anche qui la traccia nasce nel processo di scelta delle parole, senza aggiungere caratteri nascosti. Secondo i test interni dichiarati da Anthropic, non produce effetti pratici su qualità, creatività e leggibilità.

          La differenza operativa emerge dalla guida aggiornata di Claude: per i modelli supportati Anthropic applica la marcatura a livello globale, comprese le API e le diverse applicazioni. Il supporto varia tra modelli; quelli precedenti sono oggetto di estensione progressiva. Non è corretto dire che ogni versione storica di Claude abbia sempre avuto questa funzione.

          Aspetto OpenAI Anthropic
          Tecnologia textGrain Variante di SynthID-Text
          Ambito iniziale Output idonei di ChatGPT e Codex nell’UE; API su adesione Output dei modelli supportati nel mondo
          Verifica del testo Accesso iniziale riservato a ricercatori e organizzazioni esperte approvati API di rilevamento in anteprima privata per organizzazioni idonee

          La ricerca scientifica precede questi annunci. Lo studio Scalable watermarking for identifying large language model outputs, pubblicato su Nature nel 2024 da Sumanth Dathathri e colleghi, presenta SynthID-Text. Un esperimento su circa 20 milioni di risposte di Gemini non ha trovato differenze statisticamente significative nel feedback degli utenti fra le risposte marcate e quelle senza watermark. È un risultato sulla tecnica studiata, non una certificazione automatica di tutti i sistemi successivi.

          Un video per capire la marcatura dei contenuti

          Questo video ufficiale di Google DeepMind presenta SynthID e la sua applicazione ai contenuti multimediali. È utile per capire l’idea generale della provenienza; il funzionamento del watermark testuale è descritto nei paragrafi precedenti.

          Perché si parte dall’Europa: il ruolo dell’AI Act

          “Fatto in Europa” va inteso soprattutto in senso normativo. OpenAI e Anthropic collegano questa scelta all’AI Act dell’Unione europea. L’articolo 50, paragrafo 2 richiede ai fornitori di sistemi che generano contenuti sintetici di rendere gli output marcati in un formato leggibile dalle macchine e rilevabili come artificialmente generati o manipolati. Considera i limiti tecnici e prevede eccezioni per l’editing ordinario o modifiche non sostanziali.

          La legge non prescrive il nome “textGrain”: quella è la soluzione scelta da OpenAI. Le linee guida della Commissione europea sulla trasparenza spiegano l’obiettivo: aiutare le persone a orientarsi tra contenuti e interazioni artificiali, riducendo rischi di manipolazione, disinformazione e inganno. Una finalità condivisibile, che richiede però strumenti interpretati correttamente.

          Il watermark dimostra che qualcuno ha “barato”?

          Qui cominciano le implicazioni più interessanti. Una traccia di provenienza può essere utile, ma bisogna chiedersi esattamente che cosa dimostri. OpenAI precisa nella propria documentazione che il segnale non identifica utente, organizzazione o prompt, non misura il contributo umano e non stabilisce proprietà, responsabilità legale o verità del contenuto.

          Immaginiamo una professionista che prepari un’analisi, chieda all’AI una revisione e poi verifichi fonti e argomentazioni. Classificare quel lavoro semplicemente come “testo dell’AI” cancellerebbe la parte più importante: le decisioni e la responsabilità della persona. Anthropic avverte che il proprio watermark non distingue la scrittura dalla revisione pesante; questo limite è decisivo per interpretarne il risultato.

          In un corso, in un’azienda o in una redazione, io userei questi segnali come elementi da approfondire. Per valutare un lavoro chiederei anche bozze, fonti, ragionamento e capacità di difendere le proprie scelte. Affidare un’accusa al responso di uno strumento sarebbe una pessima scorciatoia.

          Quanto è affidabile? I numeri vanno letti con attenzione

          Il lavoro su SynthID-Text pubblicato su Nature chiarisce che il watermarking non è una soluzione completa al rilevamento dei testi artificiali. È uno strumento da affiancare ad altri elementi. Anche la lunghezza del testo e la possibilità di scegliere formulazioni alternative incidono sulla rilevabilità: poche parole offrono poca evidenza statistica.

          Un falso positivo segnala una filigrana assente; un falso negativo manca quella presente. Un basso tasso di falsi positivi nei test non equivale alla certezza che un singolo verdetto sia corretto: l’interpretazione dipende anche dal contesto e dalla frequenza dei testi marcati. Inoltre, assenza di segnale e paternità umana sono due cose diverse.

          Si può rimuovere textGrain da un testo?

          La risposta pratica dipende da che cosa intendiamo per “rimuovere”. Poiché il segnale è nella scelta delle parole, incollare senza formattazione, cambiare font o passare da un editor all’altro conservando il testo non lo cancella. Un pulitore di caratteri Unicode non ha un watermark nascosto da eliminare.

          Modificare profondamente il contenuto può invece indebolirne la rilevabilità. In un test pubblicato da OpenAI su brani inglesi da 400 token, sostituire con sinonimi il 10% delle parole ha ridotto il rilevamento da circa il 92% al 66%; sostituirne il 25% lo ha portato al 17%. Sono risultati sperimentali, non percentuali magiche da applicare a ogni testo.

          Anthropic riconosce che una riscrittura completa può eliminare il proprio segnale. Avverte però anche che una traduzione generata da Claude porta un watermark nuovo, perché le parole della traduzione sono scelte dal modello. Passare un testo da un chatbot all’altro, quindi, non offre una garanzia di “pulizia”.

          Al 7 ottobre 2026, le pagine ufficiali consultate non documentano una disattivazione personale di textGrain in ChatGPT nell’UE. L’opzione delle API riguarda la generazione futura, senza ripulire i testi precedenti.

          Se l’obiettivo è ottenere un testo davvero proprio, suggerisco un percorso editoriale: ricostruire l’argomento dagli appunti, scegliere una tesi, aggiungere esempi verificabili e riscrivere con la propria voce. Il risultato va giudicato per ciò che comunica. Senza accesso al rilevatore pertinente, non possiamo certificare che una revisione abbia eliminato il segnale.

          Chi pubblica un blog deve dichiarare sempre l’uso dell’AI?

          L’articolo 50 distingue la marcatura tecnica del fornitore dalla trasparenza richiesta a chi pubblica. Il paragrafo 4 riguarda, tra l’altro, testi generati o manipolati dall’AI pubblicati per informare il pubblico su questioni di interesse pubblico. Prevede un’eccezione quando il contenuto passa attraverso revisione umana o controllo editoriale e una persona fisica o giuridica assume la responsabilità editoriale della pubblicazione. Non significa che ogni email o qualsiasi testo assistito dall’AI richieda automaticamente la stessa etichetta.

          Le FAQ ufficiali della Commissione europea chiariscono che la revisione deve riguardare la sostanza: verifica dei fatti, attendibilità delle fonti, giudizio professionale. Una semplice correzione ortografica non basta. E la sparizione del watermark non risolve gli eventuali obblighi di trasparenza legati all’uso del contenuto.

          La domanda utile è: chi si assume la responsabilità delle parole?

          La mia lettura è questa: la provenienza può aiutare a capire come nasce un testo, ma la qualità richiede ancora un giudizio editoriale. Un articolo con una filigrana può essere accurato e utile. Un articolo senza filigrana può essere pieno di sciocchezze.

          Per chi usa l’AI nella comunicazione, consiglierei di conservare materiali di partenza e versioni, verificare le affermazioni e chiarire chi approva la pubblicazione. È il tipo di lavoro che propongo anche nei miei corsi sull’intelligenza artificiale e sulla comunicazione digitale.

          Prima di cercare un solvente per la firma invisibile, facciamoci una domanda molto visibile: sono disposto a rispondere di quello che sto pubblicando?

          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

          ChatGPT vocale come Jarvis: Gmail, skill e preventivi spiegati passo passo

          ,

          Posso usare ChatGPT come Jarvis? Nel video qui sotto faccio una prova concreta: a voce gli chiedo di preparare una mail al commercialista, impostare i dati di un preventivo e allegare i file alla bozza in Gmail. Ti spiego anche come replicare il flusso con l’app Gmail collegata e una skill che guida la preparazione del documento. La mail resta in bozza: controllo umano prima dell’invio.

          Che cosa succede nel video: ChatGPT vocale prepara mail e preventivo

          La scena parte con una domanda: posso chiamare ChatGPT “Jarvis”? Poi passo a un caso pratico. Detto a voce, chiedo di scrivere al commercialista per un corso destinato al Comune di Caltanissetta. Fornisco durata, otto ore; compenso, 1.000 euro; data, 2 ottobre 2026. Aggiungo che il Comune ha parlato di esenzione IVA e chiedo al commercialista di controllare il trattamento fiscale.

          ChatGPT prepara la mail come bozza in Gmail, usa la carta intestata per comporre il preventivo e allega due versioni, Word modificabile e PDF. Non invia nulla. Io posso riaprire la bozza, controllare testo e allegati, correggere e decidere se inviarla.

          “Plugin Gmail” è un modo comune per parlarne; nell’interfaccia attuale puoi trovare app collegate e plugin che le includono. L’app Gmail collega ChatGPT al servizio esterno e abilita le azioni supportate; il plugin può riunire l’app e una o più skill. Le voci e la disponibilità cambiano secondo piano, account, area geografica, dispositivo e impostazioni del workspace. La guida OpenAI alle app collegate spiega permessi e azioni, mentre la pagina su plugin in ChatGPT chiarisce come possano combinare app e skill.

          Come collegare Gmail a ChatGPT

          1. Apri ChatGPT e vai in Impostazioni → Plugin (in alcune versioni la sezione può chiamarsi App). Cerca Gmail o un plugin che includa Gmail.
          2. Seleziona Installa o Connetti, se richiesto. Accedi all’account Google che contiene la casella da usare. Se hai più caselle, controlla con attenzione che sia quella giusta.
          3. Leggi i permessi richiesti da ChatGPT e la schermata di autorizzazione Google, poi concedi solo l’accesso che vuoi effettivamente usare. In un account di lavoro l’amministratore potrebbe dover abilitare l’app o approvare gli ambiti richiesti. Puoi tornare in Impostazioni per rivedere o scollegare l’account. La procedura ufficiale è descritta in Collegare e gestire gli account delle app.
          4. Apri una chat vocale in modalità Live, se disponibile. Su web, premi l’icona voce nella barra del prompt e consenti l’uso del microfono; da mobile, premi l’icona voce. Per richiamare un’app, puoi usare @ oppure il menu + se compaiono nella tua interfaccia, o semplicemente chiedere a ChatGPT di usare Gmail durante la conversazione.
          5. Quando ChatGPT propone un’azione, controlla la richiesta e approvala sullo schermo se necessario. In Voice l’approvazione parlata non sostituisce i controlli a schermo. Le app e le azioni utilizzabili in Live dipendono dall’account e dalle autorizzazioni, come spiega la guida ufficiale a ChatGPT Voice.

          Una richiesta ben dettata specifica destinatario, oggetto, scopo, dati del corso e che cosa deve restare in bozza. Per esempio: “Usa l’app Gmail collegata all’account di lavoro. Prepara, senza inviare, una bozza al mio commercialista con oggetto ‘Verifica fattura e preventivo – corso Comune di Caltanissetta’. Indica corso di otto ore il 2 ottobre 2026, compenso di 1.000 euro. Scrivi che il Comune segnala una possibile esenzione IVA e chiedi al commercialista di verificarla. Crea un preventivo con la mia carta intestata, esportalo in Word e PDF, allega entrambi alla bozza e fermati per la mia revisione. Prima di procedere, dimmi se ti manca qualche dato.”

          La skill per preparare e controllare il preventivo

          La skill non è un permesso per entrare in Gmail: è una procedura riutilizzabile che indica a ChatGPT come svolgere un compito con più coerenza. L’app collegata gestisce l’accesso e le azioni supportate; la skill contiene istruzioni, controlli e formato del risultato. Le Skills in ChatGPT, se disponibili per il tuo piano e workspace, si possono creare dalla sezione Skills del Plugin Directory o caricare come file. OpenAI indica che la disponibilità varia in base al prodotto e alla configurazione dell’area di lavoro.

          Per costruire una skill “Prepara preventivo” dal menu Plugin → Skills → Crea o caricando il relativo pacchetto, puoi partire da queste istruzioni e adattarle al tuo flusso:

          Scopo: prepara una bozza di preventivo professionale usando esclusivamente i dati forniti dall’utente e i modelli autorizzati.
          Prima di creare il file: raccogli cliente/ente e destinatario, titolo e descrizione dell’attività, data, durata, compenso, scadenze e validità dell’offerta. Chiedi i campi mancanti; non inventare dati.
          Documento: usa il modello di carta intestata indicato dall’utente; mantieni valuta, importi e diciture esattamente come confermati; prepara un DOCX modificabile e una copia PDF.
          Controllo: confronta nome del cliente, date, ore e importi tra i due file; verifica leggibilità e impaginazione. Evidenzia i campi ancora da confermare.
          Fisco: non decidere autonomamente aliquote, esenzioni o inquadramenti. Segnala il dubbio e chiedi conferma al professionista incaricato.
          Consegna: mostra il riepilogo, allega i file solo alla bozza email richiesta e non inviare mai senza una conferma finale esplicita.

          Le skill in ChatGPT sono attualmente soggette a requisiti di piano e workspace: per esempio, OpenAI le dichiara disponibili agli utenti idonei Business, Enterprise, Healthcare ed Edu, con possibili differenze fra ChatGPT e Codex. Se non vedi la scheda Skills, puoi comunque incollare queste istruzioni nella conversazione o conservarle come checklist riutilizzabile; non dare per scontato che ogni account abbia la stessa funzione.

          Il controllo prima dell’invio

          • Destinatario e casella: controlla indirizzo, account Gmail selezionato e nome dell’ente.
          • Dati del documento: verifica data assoluta, durata, oggetto e importo in entrambe le versioni.
          • IVA: nel video chiedo al commercialista di verificare la possibile esenzione. Non assumere che ChatGPT possa stabilire il trattamento fiscale corretto.
          • Allegati: apri il DOCX e il PDF; controlla carta intestata, impaginazione, contenuto e coerenza.
          • Invio: assicurati che il messaggio sia ancora una bozza. La preparazione e l’invio sono passaggi diversi.

          Nel video la data viene interpretata in modo relativo (“domani”): è un promemoria per pronunciare date complete. La voce accelera l’inserimento dei dati, ma non rende infallibile la dettatura né trasforma un documento ben impaginato in un documento corretto. Anche OpenAI invita a verificare le informazioni importanti nella guida Does ChatGPT tell the truth?.

          Quando colleghi Gmail, ChatGPT accede alle informazioni necessarie alle richieste supportate secondo i permessi dell’account e le impostazioni dell’area di lavoro. La FAQ OpenAI sui controlli dei dati delle app Google descrive accesso, memoria e controlli disponibili; la Guida Account Google sulle autorizzazioni delle app di terze parti spiega come rivedere o revocare l’accesso concesso.

          Jarvis è arrivato?

          Un pezzetto sì. Nel mio esperimento posso parlare, specificare il lavoro, chiedere una bozza Gmail e ottenere un preventivo con due allegati. Il paragone con Tony Stark e il suo assistente personale è una metafora divertente per raccontare il dialogo vocale; nel lavoro quotidiano servono però istruzioni precise, permessi limitati e una persona che controlli il risultato.

          Se vuoi approfondire l’uso di ChatGPT nel lavoro, trovi il mio corso su ChatGPT per aziende e professionisti. Per organizzare un percorso o un evento, puoi anche contattarmi qui. Nel frattempo, guarda il video incorporato sopra: il punto pratico è tutto in quella bozza che aspetta ancora la revisione.

          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

          /0 Commenti/da

          Il Papa chiede ai preti di non usare ChatGPT nelle omelie. Perché no?

          ,

          ChatGPT non ha un’anima. D’accordo. Ma un’omelia può avere un’anima e riuscire comunque ad addormentare mezza chiesa.

          Lo dico con rispetto per chi deve trovare ogni settimana parole capaci di parlare a persone diverse, con problemi diversi, davanti a un testo che molti hanno già ascoltato decine di volte. È un compito difficile. Proprio per questo, quando leggo l’invito del Papa a evitare l’intelligenza artificiale nella preparazione delle omelie, mi viene una provocazione: io un corso su ChatGPT in seminario lo farei.

          Un corso serio, però. Con esercizi, verifiche e una regola iniziale: il sacerdote deve arrivare alla tastiera con qualcosa da dire.

          Che cosa ha detto davvero Leone XIV

          Partiamo dalla fonte, perché anche le notizie sul Papa meritano qualcosa di meglio del copia e incolla. Il 19 febbraio 2026, incontrando il clero della diocesi di Roma, Leone XIV ha invitato a «resistere alla tentazione di preparare le omelie con l’intelligenza artificiale».

          Nel passaggio non nomina ChatGPT: parla dell’AI in generale. E non è una dichiarazione appena pronunciata, anche se può tornare a circolare come notizia.

          Il suo ragionamento ha due parti. Bisogna continuare a esercitare l’intelligenza; inoltre, l’omelia è condivisione della fede, radicata nell’esperienza del sacerdote e nella conoscenza della comunità. Una macchina non può offrire quella testimonianza.

          È un’obiezione sostanziale. Sarebbe scorretto ridurla a una paura della tecnologia. La mia proposta resta una posizione personale sull’uso dello strumento, non una rilettura del discorso come se il Papa avesse autorizzato le omelie assistite dall’AI.

          Da un Papa laureato in matematica mi aspetto una distinzione in più

          C’è un dettaglio che rende questa posizione ancora più interessante: Leone XIV si è laureato in matematica alla Villanova University nel 1977. Lo conferma anche l’università che gli ha conferito il Bachelor of Science. E ha dedicato la sua prima enciclica, Magnifica humanitas, datata 15 maggio 2026, alla custodia della persona umana nel tempo dell’intelligenza artificiale.

          Insomma, l’AI occupa un posto importante nella sua riflessione pubblica. Una laurea in matematica, naturalmente, non rende automaticamente esperti di modelli linguistici. Però da un Pontefice con una formazione scientifica e un’attenzione così esplicita al tema mi aspetto una distinzione più precisa tra gli usi dello strumento.

          Santo Padre, proprio perché prende sul serio l’intelligenza artificiale, perché fermarsi a un invito così ampio a evitarla nella preparazione delle omelie? Chiedere a ChatGPT di produrre una predica da leggere senza pensarci e usarlo per mettere alla prova una riflessione personale sono due pratiche profondamente diverse. Un’indicazione ai sacerdoti dovrebbe aiutarli a riconoscere questa differenza.

          La stessa enciclica offre un appiglio per discuterne: ai paragrafi 97 e 98 Leone XIV precisa di voler proporre un discernimento morale e sociale, senza offrire una trattazione tecnica, e riconosce i limiti delle conoscenze sul funzionamento dell’AI. Più avanti, al paragrafo 100, ne riconosce il possibile valore come aiuto, accompagnato dalla necessità di vigilanza.

          Ecco perché proporrei di portare quel discernimento anche nel laboratorio della scrittura: insegnare a usare il chatbot mantenendo il controllo del contenuto, verificando ciò che suggerisce e assumendosi la responsabilità di ogni parola pronunciata.

          Qui il video ufficiale di Vatican News sulla firma della prima enciclica di Leone XIV:

          La creatività può ricevere una mano dall’AI?

          Qui possiamo uscire dalle impressioni e guardare agli studi.

          Nel 2024 Anil R. Doshi e Oliver P. Hauser hanno pubblicato su Science Advances uno studio sperimentale sulla scrittura di racconti brevi. I testi degli autori che potevano ricevere idee dall’AI sono stati giudicati più creativi, meglio scritti e più piacevoli, con benefici particolarmente evidenti per chi partiva da risultati inferiori nella misura di creatività utilizzata.

          C’è però un rovescio della medaglia: i racconti assistiti dall’AI erano più simili tra loro. Migliora il singolo risultato, ma si rischia di restringere la varietà complessiva.

          Tradotto nella mia provocazione: possiamo immaginare omelie più curate, ma anche cento parroci che raccontano la stessa storiella sul ponte, sulla luce e sul viaggio. L’algoritmo cambia parrocchia, il repertorio rimane quello.

          Un altro lavoro, di Byung Cheol Lee e Jaeyeon Chung, pubblicato nel 2024 su Nature Human Behaviour, ha studiato l’uso di ChatGPT in cinque esperimenti su problemi creativi. Le idee ottenute con il supporto del chatbot sono risultate più creative rispetto alle condizioni senza tecnologia o con una ricerca su Google. Il vantaggio riguardava soprattutto novità incrementali, più che innovazioni radicali.

          È interessante per chi cerca una nuova immagine per spiegare un concetto conosciuto. Resta un limite decisivo: questi esperimenti non dimostrano che l’AI migliori la qualità spirituale di un’omelia, la correttezza teologica o il rapporto con i fedeli. Studiano altri compiti. L’applicazione alla predicazione è una mia ipotesi da mettere alla prova.

          Scrivere più velocemente può liberare tempo per ascoltare

          Un sacerdote potrebbe avere un’intuizione valida e fare fatica a darle una struttura. Potrebbe conoscere bene il tema e usare frasi che gli ascoltatori faticano a seguire. Potrebbe ripetere tre volte la stessa idea senza accorgersene.

          In questi casi vedo un possibile spazio di lavoro per l’AI.

          Shakked Noy e Whitney Zhang, in uno studio pubblicato su Science nel 2023, hanno coinvolto 453 professionisti in compiti di scrittura. L’accesso a ChatGPT ha ridotto in media il tempo impiegato del 40% e aumentato del 18% la qualità valutata dei testi.

          Attenzione: non significa che un parroco risparmierà automaticamente il 40% del tempo o farà una predica migliore del 18%. Sarebbe una trasposizione arbitraria. Significa che, in determinati compiti di scrittura, il supporto può produrre benefici misurabili.

          La mia proposta è destinare l’eventuale tempo recuperato alla preparazione sostanziale: studio, preghiera, ascolto. Se una revisione più rapida permette di dedicare più attenzione a una persona, mi sembra un uso sensato della tecnologia. Se serve soltanto a sfornare più parole, il vantaggio diventa molto meno interessante.

          ChatGPT per le omelie: come costruire un secondo cervello

          Quando parlo di secondo cervello penso a un archivio organizzato di letture, appunti, commenti verificati e riflessioni personali. ChatGPT può aiutare a interrogare quei materiali e a lavorarci sopra. Il solo fatto di aprire una chat non crea automaticamente un archivio attendibile.

          Immagino un sacerdote che abbia già meditato il brano e scritto il messaggio centrale. A quel punto potrebbe chiedere al chatbot di proporre tre strutture, individuare passaggi astratti, suggerire immagini da valutare o indicare dove il testo rischia di diventare moralistico.

          Il lavoro parte dalla sua riflessione. La macchina offre alternative. Lui sceglie, corregge, scarta e riscrive.

          Un esempio ipotetico: un’omelia sul perdono. Il sacerdote potrebbe chiedere immagini legate a un’amicizia interrotta, a una conversazione familiare o a un conflitto quotidiano. Poi dovrebbe verificare che quelle immagini rispettino il senso del brano e non facciano passare il perdono per una cancellazione automatica delle responsabilità.

          La competenza conta soprattutto qui: nel riconoscere un’analogia seducente che porta nella direzione sbagliata.

          Un prompt da provare, dopo aver pensato

          Come mostro anche nella mia raccolta di esempi di prompt engineering, dare contesto, obiettivi e limiti rende più preciso il lavoro richiesto al chatbot. Per un sacerdote proporrei questo esercizio:

          Aiutami a revisionare la preparazione di un’omelia. Ti fornisco il brano biblico, un commento verificato, i miei appunti e un mio testo precedente come riferimento di stile.

          Il messaggio che voglio trasmettere è: [messaggio]. L’assemblea è composta da: [descrizione generale].

          Prima di proporre modifiche, fammi tre domande per chiarire ciò che voglio dire. Poi suggerisci tre scalette diverse e tre immagini quotidiane, spiegando anche i limiti di ogni analogia.

          Lavora soltanto sui materiali forniti. Non inventare citazioni, testimonianze, episodi personali o spiegazioni teologiche. Segnala ciò che richiede una verifica. Individua cliché, ripetizioni e frasi difficili da comprendere all’ascolto. Aspetta la mia scelta prima di riscrivere un passaggio.

          È una traccia operativa, non una garanzia di correttezza. Il sacerdote deve controllare i riferimenti sui testi originali e rileggere tutto ad alta voce. E dovrebbe usare descrizioni generali della comunità, evitando di caricare confidenze o vicende riconoscibili dei parrocchiani.

          Un’immagine efficace conta anche per la Chiesa

          Nell’esortazione apostolica Evangelii gaudium, ai paragrafi 157 e 158, Francesco insiste sull’utilità delle immagini e su un linguaggio comprensibile agli ascoltatori. Riporta anche una formula essenziale per una buona omelia: «un’idea, un sentimento, un’immagine».

          Non è un’approvazione preventiva di ChatGPT. È un richiamo alla cura della comunicazione che, secondo me, merita di entrare nella discussione. Un’immagine ben scelta può aiutare a capire; dieci metafore infilate a forza possono trasformare un’omelia in una presentazione motivazionale.

          Accattivante, dunque, dovrebbe significare capace di suscitare attenzione e comprensione. La fede non si misura con il tasso di coinvolgimento.

          Anche la nota vaticana Antiqua et nova, pubblicata nel gennaio 2025, offre un criterio pertinente: l’AI deve assistere il giudizio umano e restare complementare all’intelligenza della persona. È un principio generale, non un’autorizzazione specifica per preparare omelie.

          Io farei un laboratorio in seminario

          Da formatore proporrei un esercizio molto concreto. Ogni partecipante prepara prima una riflessione autonoma. Poi usa l’AI per ricevere obiezioni, alternative e suggerimenti di revisione. Infine confronta le due versioni con un docente e con alcuni ascoltatori.

          Valuterei chiarezza, fedeltà al testo, originalità, riconoscibilità della voce e tempo effettivamente impiegato, compresi i controlli. Chiederei anche che cosa è stato perso nella riscrittura. Un testo più fluido potrebbe aver cancellato proprio la frase più personale.

          Questo sarebbe un modo per verificare sul campo la mia tesi, invece di trattarla come una verità già dimostrata.

          Il richiamo del Papa merita di essere preso sul serio. Proprio per questo vorrei insegnare a riconoscere quando lo strumento aiuta a pensare e quando rende troppo facile smettere.

          ChatGPT può suggerire una metafora. Il sacerdote deve sapere perché usarla, a chi rivolgerla e che cosa vuole testimoniare attraverso quelle parole.

          In seminario, io ci porterei il chatbot. E all’esame chiederei al futuro prete di spiegarmi quali suggerimenti ha scartato. Lì si vede se il primo cervello è ancora al lavoro.

          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.

          Invia un'email

          /0 Commenti/da

          Come risparmiare sulla spesa con ChatGPT: 15 idee pratiche, dagli scontrini agli agenti AI

          Il carrello sembra quello della settimana scorsa. Il conto, invece, ha deciso di fare carriera. Quando aumentano bollette, carburanti e alimenti, il problema arriva presto sul tavolo della cucina: che cosa possiamo cambiare nella spesa, senza trasformare ogni acquisto in una tesi di economia?

          La cronaca offre un punto di partenza preciso. Il 30 settembre 2026 ANSA ha raccontato l’allargamento del caro prezzi, tra energia e alimentari freschi. Nelle stime preliminari dell’Istituto nazionale di statistica per settembre, l’inflazione italiana sale al 4,2% su base annua. I beni energetici aumentano del 22,3%, gli alimentari non lavorati del 5,5%. Il cosiddetto carrello della spesa, che comprende alimentari e prodotti per la casa e la persona, cresce dell’1,7%.

          Dietro l’energia ci sono anche le tensioni internazionali. Nelle proiezioni di settembre 2026 della Banca centrale europea, il conflitto in Medio Oriente e lo shock energetico occupano un posto centrale. La BCE descrive una trasmissione graduale dei rincari energetici alle altre componenti dei prezzi. È un quadro complesso: attribuire ogni aumento al supermercato a una singola guerra sarebbe una scorciatoia.

          Spendere di più e comprare di meno: attenzione alla differenza

          Quando si parla di “calo della spesa”, bisogna capire che cosa cala. Secondo i dati Istat sul commercio al dettaglio di luglio 2026, rispetto a luglio 2025 le vendite alimentari aumentano dello 0,3% in valore e diminuiscono dell’1% in volume. La fotografia è questa: più euro incassati, meno quantità vendute. Il dato aggregato non racconta le scelte di ogni famiglia e, da solo, non dimostra quale fattore abbia causato ciascuna rinuncia.

          ChatGPT non può abbassare l’inflazione. Possiamo però usarlo per organizzare acquisti, confrontare informazioni e individuare sprechi nel nostro budget. Qui propongo quindici esperimenti da fare con lo smartphone, con istruzioni da copiare e risultati da controllare.

          Per orientarsi nella lettura degli indicatori: il video Istatalk sull’inflazione, collegato dalla pagina ufficiale Istat. È un approfondimento sulla lettura dei dati, non una dimostrazione di ChatGPT.

          Prima di cominciare: una foto e una richiesta precisa

          Nella documentazione ufficiale sugli input visivi, OpenAI spiega che un’immagine va accompagnata dalla richiesta: che cosa deve osservare l’AI e quale risultato vogliamo? Uno scontrino caricato senza istruzioni è solo uno scontrino caricato.

          Uso la logica del mio metodo G.O.L.: guidare, obiettivo, limiti. Per esempio: “Aiutami a organizzare la spesa; estrai questi prodotti; non inventare le righe illeggibili”. Fotografa il documento su un piano, con luce uniforme, controlla il risultato e oscura i dati personali non necessari. Per prezzi attuali e coupon serve una ricerca web, quando disponibile, oppure una fonte che fornisci tu.

          Le quindici immagini seguenti sono illustrazioni originali: le interfacce e gli importi rappresentati sono esempi visivi, non schermate reali di ChatGPT, offerte disponibili o risultati di un test di risparmio.

          1. Dallo scontrino alla lista della spesa per reparto

          Gianluigi Bonanomi mostra uno scontrino e una lista della spesa divisa per reparto sullo smartphone
          Fotografa lo scontrino e ricava una lista ordinata per reparto.

          Uno scontrino precedente può diventare la base per la prossima lista. Chiedi a ChatGPT di estrarre i prodotti, tradurre le abbreviazioni comprensibili e dividerli tra ortofrutta, latticini, dispensa e cura della casa. Poi togli ciò che hai già e aggiungi ciò che manca.

          Il passaggio decisivo è l’ultimo: un acquisto passato non è automaticamente un bisogno futuro. La lista serve a rendere esplicite le scelte, non a ricomprare ogni settimana gli stessi prodotti. Se una riga è indecifrabile, deve restare da verificare.

          Leggi questo scontrino. Estrai i prodotti e organizza una lista per reparto. Segnala le righe dubbie. Poi chiedimi che cosa ho già a casa prima di creare la lista definitiva.

          2. Confrontare gli scontrini senza farsi ingannare dal totale

          L’avatar fotografa scontrini sul tavolo per confrontare gli acquisti
          Per trovare un risparmio confronta prodotti, quantità e prezzi, non soltanto i totali.

          Raccogli alcuni scontrini di settimane diverse. Chiedi una tabella con negozio, data, prodotto, quantità, prezzo e sconto. Quando il formato non compare sullo scontrino, aggiungi la foto della confezione. Il confronto deve riguardare prodotti uguali o equivalenti, con differenze dichiarate.

          Un conto di 39 euro non è più conveniente di uno di 42 se contiene meno prodotti. Puoi invece individuare acquisti ricorrenti e confrontare il prezzo al chilo o al litro. Un singolo scontrino dà un punto di partenza, non dimostra un risparmio.

          Confronta questi scontrini. Abbina solo prodotti confrontabili. Calcola il prezzo unitario quando quantità e formato sono noti. Distingui promozioni e prezzi ordinari. Non dedurre la convenienza dal totale.

          3. Cercare coupon che servono davvero

          L’avatar mostra coupon digitali sul telefono mentre sceglie un prodotto al supermercato
          Parti dai prodotti necessari, poi verifica i coupon e le condizioni.

          La ricerca dei coupon dovrebbe partire dalla lista, non dalla curiosità per uno sconto. Chiedi a ChatGPT di cercare promozioni sui prodotti che hai deciso di comprare e di riportare il link originale. Controlla nell’app dell’insegna o sul sito indicato scadenza, formato, negozi aderenti, carta fedeltà e spesa minima.

          Un codice trovato online non è automaticamente valido alla cassa. E uno sconto che ti spinge a spendere dieci euro in più per risparmiarne due merita almeno un secondo pensiero. Se ChatGPT non può verificare una condizione, deve scriverlo.

          Cerca coupon per questi prodotti nella mia zona. Riporta fonte, validità, formato, spesa minima e condizioni. Se non riesci a verificarli, segnala “non verificato”. Non aggiungere prodotti per raggiungere una soglia.

          4. Abbinare cibo e vino entro il budget

          L’avatar confronta una bottiglia di vino con un suggerimento di abbinamento sullo smartphone
          Fissa prima la spesa massima e chiedi un abbinamento per il piatto previsto.

          Se hai già previsto una bottiglia per una cena, puoi chiedere un orientamento partendo dal menu. Specifica ingredienti, condimenti, preferenze e tetto di spesa. Per una bottiglia precisa, fornisci le etichette e i prezzi che trovi sullo scaffale, oppure chiedi una ricerca con disponibilità verificata.

          L’utilità è scegliere tra alternative dentro il budget. Non serve trasformare un abbinamento in un acquisto aggiuntivo. Anche usare una bottiglia che possiedi già è una possibilità da mettere sul tavolo.

          Per questo menu confronta queste bottiglie, con i prezzi allegati. Budget massimo 12 euro. Spiega l’abbinamento e valuta prima i vini che ho già. Non inventare prezzi o disponibilità.

          5. Fare la spesa partendo dal frigorifero

          L’avatar usa lo smartphone davanti a frigorifero e dispensa aperti
          Fotografa ciò che hai già e chiedi ricette con pochi ingredienti mancanti.

          Prima del supermercato, apri frigo e dispensa. Scatta foto nelle quali gli alimenti siano riconoscibili e aggiungi quantità, scadenze e contenuto dei contenitori chiusi. ChatGPT può proporti un menu e una lista limitata ai veri ingredienti mancanti.

          La foto non rivela quanto riso resta in un barattolo opaco né quando hai aperto una confezione. Conferma l’inventario prima di usare le ricette. Prova una sfida: cinque cene, con non più di cinque prodotti nuovi da acquistare.

          Questi sono frigo e dispensa. Elenca ciò che riconosci e chiedimi conferma dei dubbi. Poi proponi cinque cene usando le scorte, con al massimo cinque ingredienti nuovi da comprare.

          6. Pianificare il menu con un tetto di spesa

          L’avatar mostra un menu settimanale e un budget sul telefono
          Trasforma il budget in quantità e ingredienti verificabili.

          “Fammi risparmiare” è una richiesta vaga. “Pianifica sette cene per quattro persone entro il budget che ti indico” è già più utile. Aggiungi gusti, tempi di preparazione e scorte. Chiedi di riutilizzare gli stessi ingredienti in ricette diverse e di consolidare le quantità nella lista.

          Il totale dipende da prezzi reali: una tabella ordinata con numeri inventati rimane una tabella con numeri inventati. Usa volantini, etichette o il carrello del negozio. Se mancano dati, chiedi un preventivo provvisorio e una lista dei prezzi da controllare.

          Pianifica sette cene per quattro persone. Budget: 90 euro. Usa queste scorte e questi prezzi. Somma quantità e costi, lascia un margine per imprevisti e segnala le stime da verificare.

          7. Organizzare i pasti in base alle scadenze

          L’avatar mostra confezioni alimentari e un piano dei pasti ordinato per priorità
          Trascrivi le indicazioni delle confezioni e programma gli alimenti da usare prima.

          Puoi fotografare le etichette e chiedere un calendario dei pasti. Aggiungi quando hai aperto le confezioni e come le hai conservate: sono informazioni che l’immagine, da sola, non contiene.

          La spiegazione dell’Autorità europea per la sicurezza alimentare distingue le due indicazioni: “da consumarsi entro” riguarda la sicurezza, “da consumarsi preferibilmente entro” la qualità. Per la prima, aspetto e odore gradevoli non autorizzano il consumo dopo la data. ChatGPT può aiutare con il calendario; una fotografia non certifica che un alimento sia sicuro.

          Trascrivi le date e le indicazioni di queste etichette, facendomele confermare. Organizza i pasti dando priorità agli alimenti da usare prima. Non inventare scadenze o giudizi di sicurezza dalla foto.

          8. Rendere una ricetta meno costosa

          L’avatar cucina e confronta ingredienti alternativi per una ricetta economica
          Chiedi alternative indicando che cosa vuoi preservare del piatto.

          Allega la ricetta e il costo degli ingredienti. Chiedi tre versioni: una con sostituzioni minime, una più economica e una basata soprattutto sulle scorte. Specifica se vuoi preservare sapore, consistenza, velocità o un ingrediente particolare.

          Le sostituzioni vanno motivate. Cambiare un ingrediente caratterizzante può dare un buon piatto diverso, ma non una copia perfetta dell’originale. Fai confrontare il costo per porzione e considera la quantità che utilizzi, distinguendola dal prezzo dell’intera confezione.

          Proponi tre versioni meno costose di questa ricetta. Usa i prezzi allegati, calcola il costo per porzione e spiega come cambiano gusto e consistenza. Rispetta queste preferenze e questi ingredienti da escludere.

          9. Leggere i volantini con una domanda precisa

          L’avatar fotografa un volantino e confronta le offerte con la lista della spesa
          Seleziona le offerte che corrispondono alla lista e controlla le condizioni.

          Su DoveConviene puoi consultare volantini e promozioni dei negozi della tua zona. È un complemento utile: il servizio presenta le offerte, ChatGPT può aiutarti a leggerle rispetto alla tua lista. Allega le pagine pertinenti e indica punto vendita e periodo di validità.

          Chiedi di includere eventuali limiti di quantità e tessere richieste. Se confronti più negozi, fai considerare anche spostamento e tempo. Attraversare la città per uno sconto molto piccolo non è automaticamente una buona operazione.

          Confronta questi volantini con la mia lista. Seleziona solo gli acquisti necessari e mostra prezzo unitario, validità e condizioni. Calcola il risparmio solo sui prodotti confrontabili e sottrai questi costi di spostamento.

          10. Scegliere la confezione usando il prezzo unitario

          L’avatar confronta confezioni di pasta di dimensioni diverse e il prezzo al chilo
          Confronta €/kg, €/litro o costo per utilizzo, secondo il prodotto.

          Fotografa prezzo e quantità di due confezioni. Chiedi il calcolo del costo unitario e controllalo. Per un detersivo, oltre ai litri, considera dosaggio e numero di lavaggi dichiarati: due prodotti con concentrazioni diverse non sono confrontabili soltanto dal volume.

          Esempio puramente aritmetico: 500 grammi a 1,40 euro equivalgono a 2,80 euro al chilo; 750 grammi a 1,95 euro equivalgono a 2,60 euro al chilo. Il secondo formato costa meno per unità, ma la scelta dipende anche da quanto utilizzerai davvero.

          Calcola il costo unitario di queste confezioni. Mostra formula e risultato. Poi chiedimi il consumo abituale e valuta se il formato maggiore è utile o rischia di lasciarmi prodotto inutilizzato.

          11. Dare un secondo menu agli avanzi

          L’avatar fotografa avanzi mentre un tablet mostra idee per riutilizzarli
          Parti dalle quantità rimaste e limita gli ingredienti da aggiungere.

          Dopo cena puoi descrivere ciò che resta e chiedere tre proposte per il giorno seguente. Comunica quantità, ingredienti e conservazione. L’obiettivo è trovare una preparazione realistica con poche aggiunte, non una ricetta che richiede una seconda spesa.

          Come complemento puoi valutare Too Good To Go: la sua app permette di prenotare eccedenze alimentari, come le Surprise Bag, e ritirarle negli orari indicati. Dopo il ritiro, puoi fornire a ChatGPT il contenuto effettivo per organizzare i pasti. Controlla prima quantità utilizzabili, esigenze alimentari e costo del tragitto.

          Questi sono gli avanzi, le quantità e le informazioni sulla conservazione. Se mancano dati rilevanti chiedimeli. Proponi tre preparazioni con al massimo due ingredienti nuovi. Non dichiarare sicuro un alimento dalla foto.

          Per vedere un esempio concreto del servizio: il video della TGR Lombardia su Too Good To Go, pubblicato nell’aprile 2025. È un servizio sull’app, non un tutorial di ChatGPT.

          12. Confrontare il piatto pronto con la preparazione in casa

          L’avatar confronta un piatto pronto con una preparazione casalinga e valuta costi e tempi
          Metti a confronto porzioni, costo degli ingredienti e tempo necessario.

          “Fatto in casa costa meno” non deve diventare una risposta automatica. Per il tuo caso chiedi un confronto con porzioni equivalenti, costo degli ingredienti utilizzati, energia stimata e tempo. Distingui il costo della ricetta dall’esborso per comprare tutte le confezioni.

          Per l’energia servono consumo in kWh e tariffa. Se non li conosci, ChatGPT può mostrare scenari con ipotesi dichiarate. Anche il tempo ha un peso nella scelta: una soluzione economica che non riesci a preparare durante la settimana resta sulla carta.

          Confronta questo piatto pronto con la ricetta casalinga per porzioni equivalenti. Usa i prezzi forniti. Se mancano consumi energetici, mostra ipotesi esplicite. Separa costo consumato, spesa iniziale e tempo.

          13. Recuperare budget dagli abbonamenti poco utilizzati

          L’avatar controlla gli abbonamenti ricorrenti sul telefono e sul computer
          Allarga l’analisi al budget familiare e valuta le spese ricorrenti.

          Qui usciamo dal supermercato, ma restiamo nel portafoglio. Elenca gli abbonamenti con costo effettivo, rinnovo e frequenza d’uso. Chiedi un riepilogo annuale e il costo per utilizzo, poi decidi quali mantenere. Aggiungi impegni contrattuali e servizi che consideri essenziali.

          Non lasciare che l’AI cancelli qualcosa soltanto perché lo usi poco: potrebbe avere un valore che i numeri non descrivono. Il confronto serve a rendere consapevole la decisione e a capire se esistono spese da ridurre prima di tagliare il budget dei pasti.

          Analizza questi abbonamenti e il loro utilizzo. Calcola costo annuale e costo per utilizzo. Evidenzia quelli da valutare, rispettando le mie priorità. Segnala vincoli mancanti e non procedere a disdette.

          14. Fermare l’acquisto impulsivo prima della cassa

          L’avatar riflette sull’acquisto di cuffie mentre consulta domande sullo smartphone
          Chiedi domande critiche prima di cercare una giustificazione all’acquisto.

          Quando un prodotto ti tenta, prova a usare ChatGPT come interlocutore critico. Deve chiederti quale problema risolve, se possiedi già un’alternativa e quali costi aggiuntivi comporta. È un esercizio, non un metodo con risparmi garantiti.

          Se decidi comunque di comprare, un comparatore come Trovaprezzi.it può integrare la ricerca delle offerte online. Confronta il modello esatto e il costo complessivo con spedizione. Un prezzo più basso per un prodotto che non ti serve rimane una spesa.

          Vorrei comprare questo prodotto. Non darmi subito ragione. Fammi cinque domande su necessità, alternative già disponibili, utilizzo e costi aggiuntivi. Poi confrontiamo comprare, aspettare e rinunciare.

          15. Far preparare la spesa online a un agente ChatGPT

          L’avatar supervisiona un agente ChatGPT che organizza un carrello della spesa online
          L’agente prepara il carrello; tu controlli prodotti, consegna e totale prima dell’acquisto.

          Fin qui abbiamo chiesto consigli e confronti. Un agente con accesso al browser può anche provare a lavorare sul sito del negozio: cercare i prodotti, scegliere i formati e predisporre il carrello. La documentazione ufficiale sul browser di ChatGPT Work descrive la possibilità di operare sui siti, ma precisa che disponibilità e accesso dipendono dalla configurazione e che alcuni siti possono bloccare l’automazione. Non è una promessa di compatibilità con ogni supermercato.

          La delega va circoscritta: negozio, lista, budget, sostituzioni consentite, quantità e consegna. L’autonomia riguarda la preparazione; la documentazione prevede la tua conferma prima del pagamento. Se l’accesso non riesce, puoi comunque usare l’elenco preparato per completare manualmente il carrello.

          Se la funzione è disponibile, prepara un carrello su questo sito con la lista allegata. Budget massimo 80 euro, consegna inclusa. Chiedimi prima di sostituire prodotti. Mostra articoli, quantità, condizioni e totale. Fermati prima del pagamento.

          Come capire se stai risparmiando davvero

          Per una settimana prova soltanto due attività: inventario prima della spesa e confronto dei prodotti ricorrenti. Annota prezzo, quantità, acquisti non previsti e alimenti rimasti inutilizzati. Poi ripeti il controllo. Se cambia il menu o il numero di persone, segnalo: non avrebbe senso attribuire all’AI un risparmio ottenuto comprando meno cibo per altri motivi.

          Per ogni scelta confrontabile puoi usare questo schema: costo dell’alternativa che avresti realmente acquistato, meno costo della scelta effettuata, meno spese aggiuntive. Tieni separati gli acquisti evitati e non conteggiare due volte lo stesso sconto. Se usi servizi a pagamento, considera anche quel costo.

          Il consiglio che darei a chi vuole iniziare è molto concreto: fotografa la dispensa, carica due scontrini e chiedi una lista migliore per la prossima spesa. Puoi misurare il risultato al supermercato e a casa. Per una volta, l’AI può essere utile anche senza scrivere una poesia sulle zucchine.

          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