Tag Archivio per: claude

La domanda non è più se un modello linguistico possa produrre molte pagine di testo. Quello lo abbiamo già visto. La domanda più interessante, e più scomoda, è un’altra: che cosa succede quando chiediamo a un’AI di leggere i nostri lavori precedenti, capirne i filoni, proporre un nuovo libro e consegnarci un file Word quasi pronto?

Nel video ho fatto proprio questo esperimento con Claude Fable: ho caricato 21 miei libri, ho chiesto al modello di analizzarli e gli ho fatto progettare un nuovo volume. Il risultato è stato sorprendente, ma non nel senso banale del “l’AI scrive al posto tuo”. Il punto è più serio: scrivere un libro con Claude Fable è tecnicamente possibile, ma pubblicarlo senza una revisione umana profonda sarebbe un errore professionale, autoriale e forse anche legale.

La macchina può proporre struttura, capitoli, casi d’uso, appendici, biografia e perfino una copertina. L’autore, però, resta responsabile di intenzione, verifiche, tono, fonti, esempi, diritti e scelta finale. In pratica: l’AI può diventare una redazione assistita, non una delega cieca.

Guarda l’esperimento con Claude Fable

Nel video mostro il percorso completo: dalla cartella con i libri alla proposta editoriale, fino al documento Word di circa 40 pagine e alla copertina generata con avatar.

Che cos’è Claude Fable 5 e perché questo test conta

Claude Fable 5 è il modello avanzato di Anthropic presentato come una versione accessibile della famiglia Mythos, pensata per compiti lunghi, documenti complessi, analisi articolate e lavoro professionale. Nel lancio ufficiale di Claude Fable 5 e Mythos 5, Anthropic descrive Fable 5 come un modello adatto a workflow estesi e document-heavy; nella documentazione per sviluppatori su Fable 5 e Mythos 5 chiarisce anche che alcuni comportamenti e pattern di prompting sono specifici di questi modelli. Qui non basta generare una risposta brillante: bisogna tenere insieme molte informazioni, molte istruzioni e una struttura coerente.

Per questo l’esperimento del libro è interessante. Non si tratta di chiedere “scrivimi un saggio sull’intelligenza artificiale”, cosa che produrrebbe quasi certamente un testo generico. Il test era più duro: leggere un archivio personale, riconoscere ricorrenze editoriali e proporre un tema nuovo ma coerente con il posizionamento dell’autore.

Su questo blog ho già ragionato su skill per Claude e rischi di sicurezza e su che cosa stanno costruendo davvero le persone con Claude. Qui il caso è ancora più delicato, perché tocca identità, stile, competenza e responsabilità autoriale.

Il prompt: non “scrivi un libro”, ma “capisci che autore sono”

Il primo passaggio è stato caricare 21 libri già pubblicati o comunque legati ai miei temi: LinkedIn, comunicazione digitale, uso consapevole della tecnologia, intelligenza artificiale, formazione, lavoro. A Claude Fable ho chiesto di analizzarli, riconoscere i filoni principali e propormi un nuovo libro.

Il modello ha restituito alcune alternative. Una riguardava la ricerca del lavoro, un’altra l’intelligenza artificiale nella Pubblica Amministrazione, in particolare nei piccoli comuni. Ho scelto questa seconda strada perché intercetta un tema reale: enti locali con molte pratiche ripetitive, poco personale, cittadini che chiedono risposte chiare e una forte necessità di formazione.

Non è un caso che sul sito ci siano già risorse su corsi AI per Comuni e sull’intelligenza artificiale nella Pubblica Amministrazione. Fable ha individuato un territorio editoriale plausibile perché aveva materiale sufficiente per vedere continuità e spazio di sviluppo.

Che cosa ha prodotto davvero l’AI

Dopo la scelta del tema, ho alzato il livello della richiesta: volevo un libro con riferimenti, link, studi, casi d’uso, tono coerente, taglio pratico, biografia, copertina e un file Word completo. Il modello ha lavorato per qualche minuto e ha generato un documento strutturato di circa 40 pagine.

Dentro c’erano:

  • un indice coerente con il tema;
  • un’introduzione già leggibile;
  • capitoli dedicati ai casi d’uso;
  • una parte pratica in linea con il taglio formativo richiesto;
  • riferimenti e link da controllare;
  • una bozza di copertina;
  • una biografia autore;
  • una versione espansa con appendici e sezioni aggiuntive.

Il dettaglio più straniante è stato vedere un testo che, almeno in superficie, sembrava scritto “come me”, ma non da me. Questo è il passaggio che molti sottovalutano: l’AI non produce solo contenuto, produce anche una simulazione di familiarità. Ed è proprio lì che bisogna rallentare.

Il vero rischio: scambiare una bozza credibile per un libro finito

Il rischio non è che Claude Fable scriva male. Anzi, il problema è quasi opposto: può scrivere abbastanza bene da farci abbassare la guardia. Un documento ordinato, impaginato e lungo dà una sensazione di compiutezza. Ma un libro non è soltanto un contenitore di capitoli.

Un libro richiede almeno quattro livelli di revisione:

  • revisione sostanziale: la tesi regge? Il libro dice qualcosa di necessario?
  • verifica delle fonti: link, dati, studi e citazioni esistono e sono interpretati correttamente?
  • controllo autoriale: esempi, giudizi e posizioni sono davvero dell’autore?
  • revisione editoriale: ritmo, ripetizioni, tono, promesse e struttura sono all’altezza di una pubblicazione?

Questo vale anche per workflow più brevi. Negli agenti AI in azienda, la tentazione è simile: se un sistema esegue molti passaggi in autonomia, sembra più maturo di quanto sia. Ma automazione non significa assenza di controllo.

Amazon KDP e contenuti generati dall’AI: attenzione alla disclosure

Nel video cito la tentazione di caricare tutto su Amazon KDP. È proprio il gesto da evitare se non c’è stata una revisione seria. Le linee guida ufficiali di Amazon KDP sui contenuti AI richiedono di dichiarare i contenuti generati dall’intelligenza artificiale quando si pubblica o si ripubblica un libro. KDP distingue tra contenuti AI-generated e AI-assisted: la differenza non è cosmetica, perché cambia il tipo di responsabilità editoriale.

C’è anche il tema del diritto d’autore. Il U.S. Copyright Office ha dedicato più report al rapporto tra AI e copyright, sottolineando il ruolo della contribuzione umana nella proteggibilità delle opere. E l’Authors Guild raccomanda agli autori prudenza su originalità, contratti, trasparenza e uso di testo generato da AI.

Tradotto in modo pratico: se usi Claude Fable per scrivere un libro, non devi solo chiederti “è venuto bene?”. Devi chiederti anche:

  • quali parti sono mie e quali sono generate?
  • le fonti sono verificabili?
  • il testo contiene esempi inventati o generalizzazioni eccessive?
  • ho il diritto di usare immagini, copertina, avatar e materiali caricati?
  • sto rispettando le regole della piattaforma su cui pubblico?

Un metodo pratico per usare Fable nella scrittura di un libro

Il modo più sensato di usare un modello come Fable non è chiedergli di sostituire l’autore, ma di lavorare come assistente editoriale molto veloce. Un flusso ragionevole può essere questo.

1. Dai un archivio, non una richiesta generica

Carica testi, appunti, scalette, articoli, trascrizioni, slide e materiali realmente tuoi. Più il modello vede il tuo territorio, meno tende a produrre il solito libro generico sull’AI.

2. Chiedi prima una diagnosi editoriale

Prima della scrittura, fai analizzare i filoni: temi ricorrenti, pubblico, lacune, angoli già coperti, argomenti ancora scoperti. Questa fase è più importante della generazione dei capitoli.

3. Fatti proporre più tesi, non solo titoli

Un buon titolo non basta. Chiedi al modello di spiegare perché quel libro dovrebbe esistere, per chi è utile, quali domande risolve e che cosa aggiunge rispetto ai tuoi contenuti precedenti.

4. Pretendi casi d’uso verificabili

Gli esempi sono la parte più fragile dei testi AI. Possono sembrare concreti e invece essere assemblaggi verosimili. Chiedi casi realistici, ma poi verifica nomi, dati, procedure e riferimenti.

5. Trasforma la bozza in materia prima

Una bozza di 40 pagine non è un libro finito. È una base di lavoro. Va tagliata, riscritta, contraddetta, integrata con esperienza diretta e aggiornata con fonti primarie.

Dove Fable è davvero utile

In questo tipo di lavoro, Claude Fable può essere molto utile per:

  • mappare un archivio di contenuti personali;
  • riconoscere filoni editoriali ricorrenti;
  • generare ipotesi di indice;
  • trasformare trascrizioni e appunti in capitoli;
  • proporre casi d’uso da verificare;
  • preparare appendici, checklist e materiali operativi;
  • creare una prima bozza di quarta di copertina o scheda libro;
  • evidenziare incoerenze tra pubblico, promessa e contenuto.

È lo stesso principio del second brain personale con LLM e Obsidian: l’AI diventa più utile quando lavora su un patrimonio informativo organizzato, non quando deve indovinare tutto partendo da una frase.

Dove invece l’autore deve restare al comando

Ci sono parti che non delego. La tesi centrale, prima di tutto. Se un libro prende posizione su scuola, lavoro, Pubblica Amministrazione o responsabilità dell’AI, quella posizione deve essere scelta da una persona. Anche gli esempi professionali devono essere filtrati: non basta che siano plausibili, devono essere corretti, rispettosi e utili.

Infine c’è la voce. Un modello può imitare strutture, lessico, ritmo e ricorrenze. Ma la voce non è solo stile: è responsabilità. È decidere che cosa lasciare fuori, che cosa non promettere, quando dire “non lo so” e quando fermarsi.

In pratica: il libro si può fare, ma non con il pilota automatico

L’esperimento con Claude Fable mostra una cosa molto concreta: siamo entrati nella fase in cui un modello può produrre un pacchetto editoriale completo, non solo qualche paragrafo. Può leggere 21 libri, proporre una nicchia, scrivere capitoli, espandere sezioni, impaginare un file e generare una copertina.

Ma proprio perché può farlo, il ruolo umano diventa più importante. Non serve più essere veloci a riempire pagine. Serve essere severi nel decidere quali pagine meritano di esistere.

Per questo non pubblicherò quel saggio senza una revisione feroce. L’AI ha fatto un ottimo lavoro come acceleratore. Non le affido, però, il tasto “pubblica”.

FAQ su Claude Fable e scrittura di libri con AI

Claude Fable può scrivere un libro intero?

Sì, può generare una bozza molto estesa e strutturata, soprattutto se riceve materiali, istruzioni e contesto. Questo però non significa che il testo sia automaticamente pronto per la pubblicazione.

Un libro scritto con l’AI si può pubblicare su Amazon KDP?

È possibile pubblicare contenuti che includono testo generato dall’AI, ma Amazon KDP richiede la dichiarazione dei contenuti AI-generated. Inoltre restano a carico dell’autore controllo, diritti, qualità e responsabilità del materiale pubblicato.

Che differenza c’è tra AI-generated e AI-assisted?

In generale, AI-generated indica contenuto creato dall’intelligenza artificiale; AI-assisted indica un lavoro scritto dall’autore con supporto dell’AI per attività come brainstorming, revisione o miglioramento. La distinzione va valutata caso per caso e secondo le regole della piattaforma usata.

Il testo generato da Claude è coperto da copyright?

La questione dipende dalla giurisdizione e dal livello di contributo umano. Le indicazioni del U.S. Copyright Office insistono sul ruolo della creatività umana: un output totalmente generato da macchina è più problematico di un’opera in cui l’autore seleziona, organizza, riscrive e contribuisce in modo sostanziale.

Come usare Claude Fable senza perdere identità autoriale?

Conviene usarlo per analisi, scalette, bozze e revisione, mantenendo umana la tesi, la selezione degli esempi, la verifica delle fonti e la riscrittura finale. L’AI deve accelerare il lavoro, non firmarlo al posto dell’autore.

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

Aggiornato al 18 luglio 2026. Un video TikTok di un minuto presenta cinque skill per Claude che promettono di migliorare scrittura, memoria, progettazione di interfacce, osservazione dei task e ricerca di altre skill. Le ho verificate una per una: sono progetti reali, ma non sono componenti ufficiali di Anthropic e non vanno installati come se fossero semplici prompt. Una skill può contenere istruzioni, script e accessi a strumenti: in pratica è codice operativo che entra nel flusso di lavoro dell’agente.

Il video di @ozzibig, intitolato “5 skill di Claude che il 99% delle persone non conosce”, cita Stop Slop, Claude Mem, UI UX Pro Max, Task Observer e Find Skill. L’elenco è interessante perché mostra cinque direzioni in cui si stanno evolvendo gli assistenti agentici. Il punto, però, non è collezionare estensioni: è capire che cosa fanno davvero, quali dati toccano e quanto ci si può fidare.

Che cosa sono le skill per Claude?

Le Agent Skills sono cartelle organizzate che forniscono a un agente istruzioni, risorse e, in alcuni casi, script eseguibili per svolgere un compito specializzato. Anthropic le descrive come moduli caricabili in modo progressivo: l’agente legge prima una descrizione sintetica e approfondisce la skill quando diventa pertinente. La documentazione ufficiale è disponibile nel manuale di Claude, nell’articolo tecnico “Equipping agents for the real world with Agent Skills” e nel repository pubblico di Anthropic.

Il formato non riguarda soltanto Claude. La specifica aperta Agent Skills punta alla portabilità tra strumenti diversi. È un passaggio importante: non stiamo più parlando di una frase salvata nel cassetto dei prompt, ma di un piccolo pacchetto di competenze riusabile da un agente.

Una distinzione evita molti equivoci:

  • prompt: dice al modello come rispondere in una determinata situazione;
  • skill: organizza istruzioni, file di supporto e talvolta automazioni o comandi;
  • connettore o tool: consente all’agente di leggere o modificare sistemi esterni;
  • agente: decide quali passaggi eseguire e può combinare più skill e strumenti.

Più si scende nell’elenco, più aumenta la capacità di agire. E con la capacità aumenta anche la superficie di rischio.

Le cinque skill del video, a colpo d’occhio

Skill Che cosa fa A chi può servire Dato o permesso delicato Rischio da valutare
Stop Slop Individua e riduce formule stereotipate della prosa generata dall’AI Autori, marketer, formatori, redazioni Testi e documenti sottoposti alla revisione Uniformare troppo la voce o confondere stile con veridicità
Claude Mem Conserva e recupera memoria tra sessioni Sviluppatori e team su progetti lunghi Contesto, attività e cronologia delle sessioni Privacy, retention e contaminazione tra progetti
UI UX Pro Max Propone stili, palette, font e regole per interfacce Designer, sviluppatori front-end, prototipatori Codice del progetto e requisiti di prodotto Design plausibile ma non testato con utenti o tecnologie assistive
Task Observer Osserva correzioni e lacune, poi propone miglioramenti alle skill Utenti avanzati che mantengono molte automazioni Log, errori, feedback e comportamenti ripetuti Trasformare un errore occasionale in una regola permanente
Find Skill Cerca skill in più cataloghi e può facilitarne l’installazione Chi esplora l’ecosistema di agenti Accesso a fonti esterne e installazione di pacchetti Supply chain: trovare più velocemente anche componenti insicuri

1. Stop Slop: ripulire la scrittura AI senza fingere che diventi “umana”

Stop Slop è una skill con licenza MIT che cerca segnali ricorrenti della scrittura artificiale: aperture generiche, contrasti costruiti in serie, enfasi eccessiva, conclusioni gonfie e frasi che sembrano autorevoli senza aggiungere informazione.

Immaginiamo una responsabile marketing che debba rivedere quindici schede prodotto. La skill può segnalare espressioni come “nel panorama in continua evoluzione” o una sequenza di paragrafi tutti costruiti nello stesso modo. La persona decide che cosa tagliare, verifica i dati e reinserisce esempi reali. Qui la skill funziona bene come editor di primo livello, non come certificatore di autenticità.

Altri casi concreti:

  • un consulente confronta una proposta commerciale con le proprie linee editoriali;
  • un insegnante fa individuare agli studenti le formule vaghe in una relazione;
  • una redazione usa il controllo prima della revisione umana, senza affidargli la decisione finale;
  • un ufficio HR elimina il linguaggio magniloquente da un annuncio di lavoro.

Il limite è semplice: un testo meno stereotipato non diventa automaticamente corretto, originale o scritto da una persona. Stop Slop non sostituisce fact-checking, competenza editoriale e controllo delle fonti. E usarlo per “battere i detector” sarebbe una promessa impropria: i detector di testo AI sono notoriamente fallibili e lo stile non prova l’origine di un contenuto.

2. Claude Mem: una memoria utile, quindi anche delicata

Claude Mem, distribuito con licenza Apache 2.0, aggiunge memoria persistente alle sessioni di lavoro. Registra osservazioni, le comprime e permette di recuperare il contesto rilevante in un secondo momento. L’obiettivo è evitare la scena che conoscono tutti: riaprire un progetto e dover spiegare da capo architettura, decisioni e problemi già risolti.

Per uno sviluppatore può significare ricordare che l’applicazione usa un certo schema dati, che una libreria è stata scartata per incompatibilità e che una determinata cartella non va modificata. Per un team di comunicazione potrebbe voler dire conservare terminologia approvata, pubblico, vincoli legali e decisioni prese durante le revisioni.

La memoria, però, è utile proprio perché trattiene informazioni. Prima di adottarla occorre chiedersi:

  • dove vengono archiviati i dati e per quanto tempo;
  • quali conversazioni, file e comandi vengono catturati;
  • come si cancellano o esportano i ricordi;
  • se progetti e clienti diversi restano davvero separati;
  • che cosa succede a credenziali, dati personali e segreti comparsi per errore.

La ricerca sui Generative Agents ha mostrato quanto memoria, riflessione e pianificazione possano rendere più coerente il comportamento di un agente. In un contesto aziendale, però, coerenza non significa automaticamente conformità: servono minimizzazione dei dati, separazione degli ambienti e una politica di conservazione.

Se ti interessa il tema della memoria personale e professionale, ho approfondito un approccio diverso nell’articolo su come creare un second brain con LLM, wiki e Obsidian.

3. UI UX Pro Max: molte opzioni non equivalgono a buon design

UI UX Pro Max è un progetto MIT che raccoglie conoscenza strutturata per progettare interfacce. Al momento della verifica il repository dichiara 84 stili, 161 regole di reasoning, 192 categorie di prodotto e palette, 34 modelli di landing page e 74 coppie tipografiche. Sono numeri dichiarati dal maintainer e descrivono il contenuto del progetto, non una valutazione indipendente della qualità dei risultati.

In pratica può aiutare una piccola impresa a trasformare un brief vago — “vorrei un sito moderno” — in decisioni più concrete: gerarchia, palette, tipografia, componenti, spaziature e stati di interazione. Un prototipatore può chiederle una dashboard per un amministratore di condominio; uno sviluppatore può usarla per controllare coerenza e responsive design; una startup può generare tre direzioni visive prima del confronto con il designer.

Il rischio è produrre un’interfaccia molto credibile in una schermata e poco usabile nella realtà. La skill non conosce automaticamente gli utenti, il loro contesto, le metriche di conversione o le esigenze di chi utilizza uno screen reader. Deve quindi entrare in un processo che includa test, analytics e Web Content Accessibility Guidelines.

Un esempio: il sistema propone testo grigio chiaro, animazioni e menu nascosti perché coerenti con uno stile minimal. Il designer verifica contrasto, navigazione da tastiera e comprensione dei comandi. La skill accelera l’esplorazione; la responsabilità sul prodotto resta umana.

4. Task Observer: l’agente che osserva come migliorare l’agente

Nel repository One Skill to Rule Them All la skill si chiama task-observer. Osserva correzioni, errori e schemi ricorrenti, poi formula raccomandazioni per creare o aggiornare altre skill. Un dettaglio importante: secondo la documentazione non modifica direttamente le skill, ma propone cambiamenti che devono essere approvati.

Può essere utile quando un team ripete ogni settimana la stessa correzione. Per esempio:

  • un report usa sempre il formato di data sbagliato;
  • le bozze citano una fonte secondaria quando è disponibile il paper originale;
  • un agente dimentica il controllo degli accenti prima di pubblicare in italiano;
  • un flusso di sviluppo esegue test generici ma trascura un caso limite ricorrente.

La skill può trasformare il feedback in una proposta stabile: “aggiungiamo questo controllo alla procedura”. È una forma di miglioramento operativo interessante, ma va governata. Una correzione fatta per un cliente non deve diventare una regola universale; un’eccezione non deve contaminare tutti i progetti; i log non devono raccogliere più dati del necessario.

Il README dichiara oltre 900 miglioramenti su 50 skill in sei mesi. È un dato del maintainer, non il risultato di uno studio indipendente: utile per capire il caso d’uso, non per misurare l’efficacia generale.

5. Find Skill: il motore di ricerca che rende decisiva la sicurezza

Find Skill cerca skill in più fonti e dichiara un indice di oltre 4.800 risorse provenienti da 14 cataloghi, con supporto per Claude Code, Codex, OpenCode e Cursor. Anche questi numeri descrivono lo stato dichiarato dal progetto alla data della verifica e possono cambiare.

Il vantaggio è evidente. Un analista può cercare una procedura per lavorare con fogli di calcolo; un formatore una skill per costruire una presentazione; uno sviluppatore un controllo di sicurezza. Invece di partire da zero, riusa una soluzione esistente.

Ma il discovery non è una certificazione. Se una skill può essere installata con pochi comandi, diminuisce anche l’attrito che normalmente ci spinge a ispezionarla. È lo stesso problema della supply chain software: un componente di terze parti può contenere dipendenze vulnerabili, istruzioni malevole o accessi eccessivi. Il catalogo skills.sh e il relativo progetto open source di Vercel Labs sono altre risorse utili per la scoperta, ma anche in quel caso ogni pacchetto va valutato singolarmente.

Una skill non è un prompt innocuo: quali rischi introduce?

Un agente può leggere documenti, eseguire script, usare la rete e modificare file. Una skill male progettata può quindi amplificare un errore o una manipolazione. L’OWASP Top 10 per applicazioni LLM richiama rischi come prompt injection, gestione insicura degli output, eccessiva autonomia e vulnerabilità della supply chain.

Il paper “More than you’ve asked for: A Comprehensive Analysis of Novel Prompt Injection Threats to Application-Integrated Large Language Models” mostra il problema delle indirect prompt injection: istruzioni ostili possono nascondersi nei contenuti che il modello legge, non soltanto nel prompt scritto dall’utente. Un agente che consulta pagine web o documenti può quindi incontrare testo progettato per deviarne il comportamento.

Anche la qualità del codice generato richiede verifica. Gli studi “Asleep at the Keyboard?” e “Do Users Write More Insecure Code with AI Assistants?” non valutano queste cinque skill specifiche, ma documentano un principio più generale: l’assistenza AI può produrre o favorire codice insicuro, e la fiducia dell’utente non è una garanzia di correttezza.

I rischi principali sono cinque:

  1. permessi eccessivi: una skill di scrittura non dovrebbe avere accesso indiscriminato alla rete o a tutto il disco;
  2. esfiltrazione di dati: testi, log o credenziali potrebbero uscire dall’ambiente previsto;
  3. istruzioni nascoste: file o pagine consultati dall’agente possono tentare di modificarne il comportamento;
  4. dipendenze compromesse: il repository visibile può richiamare componenti esterni non controllati;
  5. automazione dell’errore: una procedura sbagliata diventa più veloce, coerente e difficile da notare.

Per questo il modello di supervisione conta. Nell’approfondimento su human-in-the-loop e human-on-the-loop negli agenti AI spiego quando chiedere un’approvazione prima dell’azione e quando è sufficiente monitorare un sistema reversibile entro soglie definite.

Come verificare una skill prima di installarla

Io adotterei questa procedura in sette passaggi. Non garantisce rischio zero, ma rende l’adozione tracciabile e molto meno impulsiva.

  1. Verifica identità e provenienza. Controlla autore, cronologia del repository, release, issue aperte, licenza e manutenzione recente. Il numero di stelle non è una certificazione.
  2. Leggi tutto il pacchetto. Non fermarti al README: esamina integralmente SKILL.md, script, dipendenze, hook e file di configurazione.
  3. Esegui una scansione statica. Un progetto dedicato è NVIDIA SkillSpector. Nel mio flusso una skill esterna non viene installata se la scansione non restituisce SAFE.
  4. Mappa permessi e dati. Scrivi quali cartelle può leggere, quali comandi esegue, se usa la rete, dove conserva i log e come tratta i segreti.
  5. Prova in isolamento. Usa un ambiente temporaneo, dati fittizi, credenziali senza privilegi e nessun accesso ai sistemi di produzione.
  6. Osserva il comportamento. Controlla file creati, richieste di rete, processi e output. Prova anche input anomali e documenti contenenti istruzioni ostili.
  7. Approva, limita e versiona. Installa una versione precisa, concedi il minimo indispensabile e prevedi aggiornamento, rollback e rimozione.

Nel caso di una skill di memoria aggiungerei un controllo su retention e separazione dei clienti. Per una skill che genera codice, test di sicurezza e code review. Per una skill di ricerca e installazione, l’approvazione umana prima di aggiungere qualsiasi nuovo pacchetto.

Quale delle cinque scegliere? Cinque scenari pratici

Scenario 1: libero professionista che scrive contenuti

Stop Slop può diventare l’ultimo controllo prima della revisione manuale. Non serve Claude Mem se si trattano clienti diversi senza una strategia chiara di separazione. La priorità è proteggere bozze, dati e tono personale.

Scenario 2: team software su un prodotto complesso

Claude Mem può ridurre la perdita di contesto e Task Observer può rilevare correzioni ricorrenti. Ma entrambi lavorano su informazioni sensibili: vanno testati su un repository non critico, con segreti esclusi e supervisione degli aggiornamenti proposti.

Scenario 3: agenzia che produce molti prototipi

UI UX Pro Max può accelerare moodboard, design system iniziali e alternative di landing page. Il passaggio successivo deve includere designer, verifica WCAG, test con utenti e dati reali. Non si pubblica soltanto perché la prima schermata “sembra fatta bene”.

Scenario 4: formatore che prepara materiali

Find Skill può scoprire pacchetti per documenti, fogli e slide. La procedura corretta è cercare, selezionare due candidati, leggerli e scansionarli; non installare automaticamente il primo risultato davanti a una classe o su un computer aziendale.

Scenario 5: impresa con processi regolati

Nessuna delle cinque skill dovrebbe entrare direttamente in produzione. Prima servono responsabile del processo, classificazione dei dati, ambiente di prova, log, soglie di autonomia e un piano di risposta agli incidenti. L’utilità potenziale non elimina gli obblighi organizzativi.

Tre video per vedere Claude al lavoro

Le skill acquistano senso quando vengono collegate a un’attività concreta. In questi miei video mostro come Claude passa dalla conversazione al lavoro su documenti e procedure:

Per approfondire puoi leggere anche i tre esempi d’uso di Claude Cowork, la guida su Claude Cowork e la compilazione dei moduli e la pagina del mio corso su Claude per aziende e professionisti.

La vera competenza non è accumulare skill

Il video intercetta una tendenza reale: gli assistenti stanno diventando ambienti componibili. Possiamo aggiungere memoria, procedure editoriali, capacità di progettazione e persino meccanismi che osservano come lavoriamo. È un salto utile, ma cambia anche il modo in cui dobbiamo valutare questi strumenti.

La domanda meno interessante è “quante skill hai installato?”. Quelle importanti sono: chi le ha scritte, che cosa possono fare, quali dati vedono, come vengono aggiornate e chi approva un’azione irreversibile.

Una buona skill riduce lavoro ripetitivo e rende esplicito un metodo. Una cattiva skill rende più efficiente un rischio. La differenza non la fa il nome accattivante del repository, ma la qualità della verifica prima dell’installazione e della supervisione durante l’uso.

Domande frequenti

Le cinque skill del video sono ufficiali di Anthropic?

No. Stop Slop, Claude Mem, UI UX Pro Max, Task Observer e Find Skill sono progetti di terze parti. Anthropic mantiene documentazione, specifiche e un proprio repository pubblico di skill, ma la presenza su GitHub non equivale a un’approvazione ufficiale.

Qual è la migliore skill per Claude?

Dipende dal problema. Stop Slop è orientata alla revisione stilistica, Claude Mem alla continuità tra sessioni, UI UX Pro Max al design, Task Observer al miglioramento delle procedure e Find Skill alla scoperta. La scelta deve considerare valore, dati trattati, permessi e reversibilità.

Una skill per Claude può essere pericolosa?

Sì. Se include script, usa la rete, legge file o installa altri pacchetti, può introdurre rischi di prompt injection, esfiltrazione, dipendenze compromesse o modifiche indesiderate. Va ispezionata e provata in isolamento prima dell’uso reale.

Che cos’è SkillSpector?

SkillSpector è uno strumento open source di NVIDIA per l’analisi statica delle skill degli agenti. Aiuta a individuare pattern sospetti prima dell’installazione, ma non sostituisce la lettura del codice, la limitazione dei permessi e i test in sandbox.

Claude Mem è adatto a documenti riservati?

Non va deciso in astratto. Prima occorre verificare archiviazione, retention, accessi, cancellazione, separazione dei progetti e policy aziendali. Per documenti riservati è prudente iniziare con dati fittizi e coinvolgere chi gestisce privacy e sicurezza.

Le skill sostituiscono la supervisione umana?

No. Rendono un agente più specializzato, ma non garantiscono correttezza. Per azioni ad alto impatto, dati sensibili o modifiche difficili da annullare è opportuno mantenere un’approvazione umana esplicita e log verificabili.

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

Sai qual è la parte del lavoro che odi di più? Non è la difficoltà dei progetti. Non sono le scadenze impossibili. È quella cosa lì: i moduli. I PDF da compilare. I dati fiscali da ricopiare per la trecentosettantaduesima volta. Il DURC. L’autocertificazione. Il modulo della camera di commercio.

E ogni volta la stessa liturgia: apri il PDF, cerchi la partita IVA nel cassetto mentale (o peggio, in un foglietto), copi, incolli, salvi, rinomina, allega.

Se ci fai caso, stai sprecando tempo prezioso per fare qualcosa che non richiede intelligenza. Solo pazienza. E attenzione. Due risorse umane che meriterebbero ben altro utilizzo.


Claude Cowork e il concetto di “skill”: insegnaglielo una volta, usalo per sempre

Ho testato una soluzione concreta con Claude Cowork (la versione desktop di Claude, pensata per automatizzare compiti da ufficio) e il risultato mi ha colpito.

Il meccanismo si chiama skill: in pratica, è un pacchetto di istruzioni permanenti che insegni a Claude una volta sola. Una sorta di memoria procedurale. Gli dici: “Questi sono i miei dati anagrafici e fiscali. Memorizzali. Usali ogni volta che te lo chiedo.”

Da quel momento in poi, Claude sa chi sei. Conosce il tuo nome, il tuo cognome, la tua partita IVA, il tuo codice fiscale, l’indirizzo della sede legale. Tutto. Senza che tu debba ripetere nulla.

Facciamo un esempio concreto.

Ho caricato un modulo DURC (il Documento Unico di Regolarità Contributiva, per chi non lo conosce: è il documento che certifica che sei in regola con i contributi previdenziali e assistenziali — e che ti chiedono praticamente ovunque quando lavori con enti pubblici o grandi aziende).

Ho scritto una sola parola: «compilamelo».


Quello che è successo dopo mi ha fatto capire che siamo a un punto di svolta

Claude ha analizzato la struttura del PDF. Ha identificato i campi. Ha capito cosa andava dove. Ha inserito i dati corretti nelle caselle giuste. E mi ha restituito il file completo, pronto da salvare.

Un prompt. Una parola. Zero ricopiature.

Ora: non ti sto dicendo che l’AI ha risolto il problema della burocrazia italiana (quello richiederebbe ben altro — forse un miracolo, o almeno una riforma costituzionale). Ti sto dicendo che ha risolto il tuo problema con la burocrazia.

La differenza è sostanziale.


Perché questo cambia le cose (davvero, non per iperbole)

Pensa a quante volte, in un mese, compili moduli con gli stessi identici dati:

  • Richieste di preventivo
  • Autocertificazioni
  • Moduli di registrazione per eventi o piattaforme
  • Documenti per i clienti
  • Contratti con campi precompilati

Ogni volta perdi qualche minuto. Qualche volta perdi anche la pazienza. E nel lungo periodo, perdi ore. Ore che potresti dedicare a lavoro vero, a pensiero strategico, a conversazioni che contano.

L’automazione dei task ripetitivi (cioè: delegare a una macchina le cose meccaniche) non è fantascienza. È già qui. E non richiede competenze da sviluppatore: richiede solo la volontà di smettere di fare le cose “come si è sempre fatto”.


Come iniziare: tre passi pratici

Se vuoi replicare quello che ho fatto, ecco il flusso:

  1. Crea una skill con i tuoi dati fiscali. Scrivi una volta sola, in modo strutturato, tutti i tuoi dati anagrafici e fiscali. Assegnala a Claude come istruzione permanente. Da quel momento, Claude li conosce.
  2. Carica il PDF del modulo che devi compilare. Non serve fare nulla di speciale: trascinalo nella conversazione.
  3. Scrivi l’istruzione. Anche solo “compilamelo” funziona. Se vuoi più controllo, puoi specificare: “Compila il modulo con i miei dati. Lascia vuoti i campi che non conosci e segnalami quali sono.”

Il risultato è il file pronto. Da salvare, da firmare se necessario, da inviare. Fine.


Una riflessione finale (e una provocazione)

Quando ho visto Claude completare il DURC in pochi secondi, ho avuto una strana sensazione. Non era soddisfazione per la tecnologia. Era fastidio per me stesso: perché ci ho messo così tanto ad automatizzare questa cosa?

La risposta onesta è: perché non ci avevo pensato. Avevo accettato la seccatura come inevitabile.

E qui sta il vero salto cognitivo che l’AI ci chiede di fare. Non è “imparare a usare uno strumento”. È cambiare il modo in cui guardiamo ai task. Chiedersi, ogni volta: “Questa cosa la devo fare io? O posso delegarla?”

Il DURC, evidentemente, non richiedeva la mia presenza.


Guarda il video completo per vedere la demo in tempo reale:

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

L’AI può aiutare in tanti ambiti, per esempio quello del personal branding e della comunicazione digitale. Per esempio su LinkedIn. Mi sono chiesto: un chatbot può aiutare i professionisti a ottimizzare il profilo LinkedIn? La risposta è (ovviamente): sì! In questa pagina vedrai come usare il chatbot Claude.

Il download del profilo LinkedIn

Sapevi che si può scaricare l’intero profilo LinkedIn in un file PDF? Nell’immagine seguente ecco come fare (Risorse/Salva come PDF).

Il prompt per ottimizzare il profilo LinkedIn

Una volta scaricato il profilo LinkedIn in formato PDF, occorre caricarlo su Claude (l’unico chatbot che analizza anche le immagini all’interno del PDF).

Ecco il prompt da utilizzare:

Analizza il profilo LinkedIn allegato ed esegui la seguente analisi.

Valuta il sommario/titolo professionale per verificare l’uso di parole chiave e chiarezza del ruolo.

Esamina la sezione “Informazioni” per verificarne l’impatto e l’uso di parole chiave.

Controlla le esperienze professionali per descrizioni concise e risultati concreti.

Verifica la pertinenza delle competenze e delle referenze.

Analizza la sezione “Attività” per la qualità dei contenuti.

Assicurati che la sezione “Istruzione” e certificazioni siano complete e aggiornate.

Suggerisci miglioramenti aggiungendo nuove competenze e parole chiave (ottimizzate in ottica LinkedIn SEO).

Consiglia modifiche strutturali per un profilo chiaro e attraente.

Fornisci un piano passo-passo per ottimizzare la sintesi e attrarre clienti/recruiter.

Il risultato è certamente degno di nota:

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

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

Inviaci email

Dal marzo 2024 Claude, LLM di Anthropic dei fratelli Amodei, è accessibile in Italia nella versione gratis. In questo video spiego cos’è, cosa fa, chi l’ha fondato, perché si chiama così e cosa lo differenzia da ChatGPT:

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

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

Inviaci email

Poe.com non è un sito dedicato al mitico Edgar Allan dei racconti dell’orrore, bensì è un acronimo che sta per:

  • Platform (for)
  • Open
  • Exploration

Si tratta di un servizio sviluppato da Quora e lanciato nel dicembre 2022.

Questa piattaforma permette agli utenti di porre domande e ottenere risposte da una serie di LLM (modelli di linguaggio di grandi dimensioni), il più celebre dei quali è certamente ChatGPT. Oltre al chatbot di sviluppato da OpenAI, è possibile provarne altri. In particolare Claude-instant e Claude+ di Anthropic eccellono nei compiti di scrittura creativa e forniscono risposte approfondite, mentre Sage e ChatGPT sono fenomenali in lingue diverse dall’inglese (ovviamente compreso l’italiano) e in compiti legati alla programmazione. GPT-4 eccelle nella scrittura creativa, nella risoluzione dei problemi e nel seguire le istruzioni.

Lato privacy, le conversazioni con i chatbot su Poe sono private e condivise solo a discrezione dell’utente. La versione Premium di Poe.com costa 19 euro al mese e consente di accedere a tutti i modelli. Per esempio, tra quelli disponibili si trovano diverse voci relative a ChatGPT, in particolare ChatGPT-16k e GPT-4-32k. Chi paga ha diritto inoltre a 600 messaggi GPT-4 e 1.000 messaggi Claude-2-100k al mese.

 

Ultima chicca: gli utenti possono creare i propri bot tramite il sito web di Poe o l’app iOS.


Ora vale la pena esplorare 3 funzionalità chiave della piattaforma.

1. Modelli più potenti con input più ampi

Poe.com ha recentemente lanciato nuovi modelli più potenti con finestre di contesto più ampie. Tra questi, spiccano Claude Instant e Claude 2 di Anthropic, con prompt da 100k token, vale a dire circa 75.000 parole (attualmente il limite in ChatGPT è di 4000 token).

Ho fatto un test. Ho preso l’intero testo di un mio vecchio libro sulle bufale che, come vedi, contiene oltre 23.000 parole:

In effetti Claude 2 è riuscito a leggere il testo e ha riassumerlo in bullet point:

2. Caricamento e analisi dei file

Questa funzionalità, disponibile sia su Web che da mobile, permette a chiunque di aggiungere un file a un messaggio su Poe. Il file viene elaborato per estrarne il testo e mostrare il contenuto direttamente al modello come parte della conversazione.
Per esempio ho usato Sage per caricare un PDF (sul Oculus Go e sicurezza) e chiedergli di indicarmi i cinque punti salienti. Ma funziona con tutti i modelli.

3. Analisi URL

L’analisi degli URL, indirizzi di siti Web, funziona in modo simile al caricamento dei file. Basta aggiungere l’indirizzo ai messaggi su Poe. Per esempio ho chiesto a ChatGPT:

Analizza il contenuto del sito https://www.gianluigibonanomi.com/ e proponi un piano editoriale di un mese per promuoverlo. Indica in una tabella canale social (tra LinkedIn, Facebook, Instagram e YouTube), obiettivo del contenuto, esempio del contenuto

Poi ha proposto i contenuti giorno per giorno. Per esempio:

Giorno 10
Canale social: Instagram
Obiettivo del contenuto: Condividere un post sulla gamification
Esempio del contenuto: Condividere una foto che rappresenta la gamification e parlare del progetto Link&Lead, la prima piattaforma di gamification per trasformare i dipendenti e venditori in brand ambassador e social seller.

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

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

Inviaci email