Tag Archivio per: prompt

Infografiche con ChatGPT: due esperimenti pratici

,

Le infografiche con ChatGPT sono utili quando bisogna trasformare materiale disordinato, come un menu, un curriculum o una scheda di servizio, in una visualizzazione più leggibile. La condizione è non trattarle come una magia: vanno progettate con un prompt chiaro, controllate nei dettagli e rifinite prima di pubblicarle.

Nel video qui sotto ho fatto due esperimenti molto concreti: un menu di ristorante trasformato in infografica con immagini dei piatti e un curriculum trasformato in una versione visuale, più sintetica e scenografica.

Il punto di partenza era una domanda semplice: se in questi mesi si parla molto di Nano Banana dentro Gemini per creare immagini complesse, ChatGPT è rimasto indietro sulle infografiche?

La risposta, almeno in questi due test, è: mica tanto. Il tema si collega bene anche a un uso più ampio di ChatGPT come strumento operativo: non solo risposte testuali, ma supporto alla riorganizzazione delle informazioni.

Il video: due esperimenti con le infografiche di ChatGPT

Guarda prima il video, perché rende bene l’idea: non parliamo di un’immagine generica, ma di materiali reali trasformati in qualcosa di più leggibile.

Nel primo test ho preso un menu di un ristorante e ho chiesto a ChatGPT di ricrearlo come infografica, aggiungendo anche fotografie dei piatti. Il risultato interessante non è solo estetico: permette di capire meglio cosa si sta per ordinare.

Nel secondo test ho alzato il livello: immagine personale, curriculum e richiesta di trasformare tutto in un curriculum-infografica con uno stile futuristico. Anche qui il risultato è stato sorprendente, soprattutto perché il sistema ha recuperato elementi coerenti, come copertine di libri e competenze presenti online.

Che cosa dimostrano questi due test

Una buona infografica non è un poster carino. Serve a ordinare informazioni, creare gerarchie, far emergere pattern e ridurre lo sforzo cognitivo del lettore.

Nel caso del menu, l’utilità è immediata: invece di leggere solo nomi e descrizioni, il cliente può visualizzare i piatti. Nel caso del curriculum, l’obiettivo cambia: non sostituire il CV tradizionale, ma creare una sintesi visiva utile per una presentazione, un profilo personale, una pagina evento o un contenuto social.

Questo è il passaggio importante: ChatGPT non deve solo “fare un’immagine”. Deve capire quali informazioni sono importanti, quali vanno raggruppate, quali meritano più spazio e quali rischiano di confondere.

Perché il confronto con Gemini Nano Banana conta

Negli ultimi mesi Gemini, con i modelli Nano Banana, è diventato un riferimento forte per generazione e modifica delle immagini. Google descrive Gemini 2.5 Flash Image, noto anche come Nano Banana, come un modello pensato per generazione visuale veloce, editing conversazionale e workflow creativi a bassa latenza.

Questo ha alzato l’asticella: oggi non basta più generare una bella immagine. Serve mantenere coerenza tra testo, oggetti, stile e vincoli del prompt. E le infografiche sono un buon banco di prova, perché contengono testo, layout, dati, icone, immagini e gerarchie visive.

OpenAI, dal canto suo, nelle guide ufficiali di ChatGPT Images spiega che si possono creare immagini descrivendole in chat e modificare immagini generate o caricate dall’utente. Negli annunci più recenti su ChatGPT Images 2.0, OpenAI insiste proprio su testo più leggibile, supporto multilingue e capacità di produrre materiali visuali più rifiniti.

Come creare un’infografica con ChatGPT partendo da un documento

Il metodo più solido non è scrivere “fammi una bella infografica”. Troppo vago. Meglio dividere il lavoro in passaggi. È lo stesso principio che vale quando si evitano gli errori più comuni nei prompt ChatGPT: meno ambiguità all’inizio, meno correzioni dopo.

1. Carica il materiale di partenza

Può essere una foto, un PDF, un testo, una tabella, un menu, un curriculum o una pagina web. Più il materiale è chiaro, meno l’AI dovrà riempire i buchi con interpretazioni creative.

2. Spiega il pubblico e l’uso finale

Un’infografica per Instagram non è uguale a una slide per un corso, a una scheda commerciale o a un poster da stampare. Specifica sempre formato, lettore e contesto.

3. Chiedi prima la struttura, poi l’immagine

Prima di generare, conviene chiedere. Può aiutare anche un metodo semplice come il metodo G.O.L. per creare prompt più precisi, soprattutto quando si lavora su materiali destinati a clienti, studenti o colleghi.

  • quali sezioni inserire;
  • quale titolo usare;
  • quali dati o concetti mettere in evidenza;
  • quali elementi visuali potrebbero aiutare;
  • quali informazioni vanno escluse.

Solo dopo si passa alla generazione dell’immagine. Questo riduce errori, testi strani e layout confusi.

4. Fai un controllo finale, non estetico ma informativo

La domanda non è “mi piace?”. La domanda è: “si capisce meglio di prima?”.

Nel test del menu, per esempio, il controllo era molto semplice: accanto alla pizza vegetariana c’era davvero un’immagine coerente con una pizza con verdure? Se la risposta è sì, l’infografica sta facendo il suo lavoro. Se la risposta è no, è solo decorazione rumorosa. Questo vale per ChatGPT e vale anche per strumenti che ragionano su immagini, come negli esempi su NotebookLM e il riconoscimento delle immagini.

Un prompt pratico per iniziare

Puoi partire da una richiesta di questo tipo:

Analizza il materiale allegato e trasformalo in un’infografica chiara per [pubblico]. Prima proponi struttura, titolo, sezioni e gerarchia delle informazioni. Poi genera un’immagine in formato [formato], stile [stile], con testo leggibile in italiano. Non aggiungere informazioni non presenti nel materiale. Se qualcosa non è chiaro, segnalalo invece di inventarlo.

Per un menu, aggiungerei:

Associa ogni piatto a un’immagine coerente con ingredienti e descrizione. Mantieni i nomi dei piatti leggibili. Evita immagini generiche se la descrizione contiene dettagli specifici.

Per un curriculum, invece:

Trasforma il CV in una mappa visuale professionale: competenze, esperienze, libri/progetti, temi ricorrenti, contatti. Non sostituire il CV completo: crea una sintesi visiva da usare in una presentazione o in una pagina profilo.

Dove ChatGPT può sbagliare

Le immagini generate con l’AI sono sempre seducenti, ma questo è anche il rischio. Un’infografica può sembrare autorevole anche quando contiene dettagli sbagliati.

Controlla sempre:

  • testi: accenti, lettere mancanti, parole deformate, inglesismi non voluti;
  • corrispondenza visiva: un piatto vegetariano non deve diventare una pizza con salame;
  • gerarchia: le informazioni importanti devono essere più evidenti;
  • fedeltà al documento: l’AI non deve aggiungere competenze, date o risultati mai dichiarati;
  • uso finale: una grafica bella sullo schermo può essere illeggibile su mobile o in stampa.

Il criterio è sempre lo stesso: l’AI può accelerare la prima versione, ma non può fare da revisore unico del proprio lavoro.

Quando usare davvero le infografiche generate con AI

Ci sono almeno cinque casi in cui vale la pena provarci:

  • menu e listini: per rendere più comprensibile un’offerta complessa;
  • curriculum e profili professionali: per creare una sintesi da usare in slide, eventi o pagine personali;
  • presentazioni aziendali: per trasformare una lista di concetti in una mappa visuale;
  • materiali didattici: per spiegare processi, passaggi, ruoli o differenze;
  • contenuti social: quando un concetto può essere capito meglio con una struttura visiva.

Il trucco è non partire dall’immagine, ma dalla funzione. Che cosa deve capire il lettore in dieci secondi?

Da dove partire senza perdersi

Se vuoi fare una prova sensata, scegli un documento piccolo: una pagina di menu, una bio professionale, una scheda corso, una lista di servizi. Chiedi prima a ChatGPT di estrarre le informazioni principali, poi di proporre una struttura visuale, poi di generare l’immagine.

Alla fine confronta tre cose: il documento originale, la struttura proposta e l’infografica generata. Se l’immagine migliora la comprensione, hai uno strumento utile. Se la peggiora, hai solo un poster più vistoso.

In questi due esperimenti, il test è superato: ChatGPT resta competitivo anche su immagini complesse come le infografiche. Ma il valore non sta nel clic su “genera”. Sta nel metodo con cui gli chiediamo di organizzare le informazioni.

FAQ sulle infografiche con ChatGPT

ChatGPT può creare infografiche partendo da una foto?

Sì, può partire da un’immagine caricata e trasformarla in una nuova visualizzazione. Conviene però chiedere prima una struttura testuale, così si riducono errori e aggiunte arbitrarie.

Le infografiche generate con AI sono pronte da pubblicare?

Quasi mai al primo colpo. Vanno controllati testo, layout, coerenza delle immagini e fedeltà alle informazioni originali.

Meglio ChatGPT o Gemini Nano Banana per le infografiche?

Dipende dal caso. Gemini Nano Banana è molto forte sull’editing visuale, ma questi test mostrano che ChatGPT può ottenere risultati interessanti anche con immagini complesse, se il prompt è ben costruito.

Posso usare un’infografica AI per il curriculum?

Sì, ma come sintesi visuale o supporto di presentazione, non come sostituto del CV completo. Date, ruoli, competenze e risultati vanno verificati con attenzione.

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

Siamo tutti sublimi minchioni (o dei geni): cosa Duchamp insegna all’AI generativa

, , ,

Ho appena finito di godermi la biografia di Marcel Duchamp scritta da Bernard Marcadé, La vita a credito. E da giorni ho in testa un solo episodio: nel 1917 Duchamp compra un orinatoio in un negozio di idraulica sulla 118ª strada di New York, ci scarabocchia sopra una firma finta, “R. Mutt”, e lo intitola Fontana. È, a conti fatti, il primo readymade digitale della storia: un secolo prima dei prompt, firmato a mano invece che generato da un algoritmo.

Il readymade digitale ante litteram: Marcel Duchamp e l'orinatoio Fontana firmato R. Mutt nel 1917

Quel gesto vale un secolo. L’inventore del readymade aveva capito tutto con largo anticipo: l’arte non è il sudore sulla tela o lo scalpello nel marmo. È puramente l’atto di scegliere. E il linguaggio, diceva lui stesso, è solo “un errore dell’umanità”.

Pensateci bene: cosa diavolo stiamo facendo oggi con l’intelligenza artificiale generativa, se non del puro, sfacciato dadaismo?

Il readymade di Duchamp, in due parole

Nel 1917 la giuria della Society of Independent Artists di New York rifiuta di esporre Fontana: per loro non è arte, è un sanitario comprato in un negozio. Ed è proprio questo il punto che Duchamp voleva dimostrare: l’oggetto non cambia, cambia il contesto in cui lo si colloca e la firma di chi lo sceglie. Non serve saper scolpire. Serve decidere cosa merita di stare su un piedistallo.

Da lì in avanti l’arte del Novecento non è più stata la stessa. E un secolo dopo, quello stesso meccanismo è tornato a bussare, questa volta dentro una casella di testo con scritto “Scrivi un prompt”.

Midjourney, ChatGPT e il trionfo del readymade digitale

Non sappiamo tenere in mano un pennello, ma apriamo Midjourney, diamo in pasto un prompt al sistema e pretendiamo il nostro plusvalore estetico. Non sappiamo mettere in fila tre parole senza incasinare la sintassi, ma deleghiamo tutto a Claude o a ChatGPT e ci sentiamo i nuovi copywriter del secolo.

Esattamente come Duchamp prendeva uno scolabottiglie, un pettine per cani o persino un soffio d’aria imbottigliata per prendere per il naso i critici del suo tempo, noi peschiamo nel mare magnum dei dataset per sfornare contenuti sintetici preconfezionati. Cambia lo strumento, non cambia il gesto: scegliere, decontestualizzare, firmare.

I critici di oggi cascano nella stessa trappola del 1917

La cosa più comica è che i critici di oggi ripetono, senza saperlo, lo stesso errore di quelli che bocciarono Duchamp: cercano il senso della vita, o peggio l’anima, dentro una cianfrusaglia algoritmica. Si sperticano in analisi intellettualoidi su immagini che in realtà sono soltanto il risultato di calcoli probabilistici.

L’intelligenza artificiale non è solo tecnologia: è una colossale supercazzola. È il nominalismo applicato al tempo dei bit. Le parole, i pixel, i pattern non hanno un’essenza propria: hanno solo il significato che qualcuno decide di attribuire loro, scegliendoli e mettendoli in fila. È sempre lo stesso readymade digitale, solo con un vocabolario più tecnico a fargli da cornice.

Il vero esperto di AI non è un tecnico, è un curatore

Ne avevo già parlato a proposito di Ungaretti e del peso di ogni singola parola in un prompt: chi lavora bene con l’AI generativa non è chi conosce meglio la tecnologia, ma chi sa scegliere, tagliare, ricontestualizzare. Il vero esperto di intelligenza artificiale, in fondo, non è un ingegnere. È un curatore. Un provocatore che decontestualizza i dati e li riassembla, esattamente come faceva Duchamp con gli oggetti di uso comune.

Non è un caso che persino il modo in cui i motori generativi leggono e restituiscono i contenuti stia cambiando le regole del gioco anche per chi scrive online: ne ho parlato più nel dettaglio quando Google ha spiegato cosa cambia davvero tra SEO, GEO e AEO. Anche lì il principio è lo stesso: conta meno la forma perfetta, conta di più essere scelti, citati, riassemblati da un sistema che decide cosa mostrare.

Il readymade digitale: perché conta il prompt, non l’orinatoio

Oggi non conta più saper costruire l’orinatoio. Conta solo saper scrivere il prompt giusto per convincere tutti che sia un capolavoro. Se questo ci fa sublimi minchioni o autentici geni, onestamente, non lo so ancora. Forse, come sospettava lo stesso Duchamp, la domanda non ha nemmeno senso: conta solo chi firma, non chi ha davvero costruito l’oggetto. E se ancora non sai distinguere un readymade da un semplice prompt ben scritto, forse è il momento di ripassare anche i termini base dell’intelligenza artificiale che ormai usiamo ogni giorno.

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

Cosa può insegnarti Giuseppe Ungaretti per scrivere prompt migliori

, , , ,

Ungaretti e i prompt sembrano stare agli estremi opposti nell’uso della parola. Da una parte un poeta che ha ridotto interi versi a due parole. Dall’altra un’istruzione che scriviamo di fretta, dentro una chat, sperando che il modello capisca al volo cosa vogliamo.

Eppure più leggo prompt scritti male (troppo lunghi, vaghi, pieni di frasi che non aggiungono nulla) più penso che la lezione di Ungaretti sia esattamente quello che manca a chi lavora con l’AI generativa ogni giorno.

Non è un accostamento forzato per fare colpo. È un metodo.

Cosa c’entra un poeta del Novecento con il prompt engineering?

Ungaretti ha costruito la sua poetica su pochi principi: essenzialità, parola pesata e non contata, pause cariche di significato, revisione continua, titoli che orientano già metà del senso. Sono gli stessi principi che rendono un prompt efficace: dire meno cose ma più precise, dare struttura invece di un unico blocco di testo, rivedere prima di considerarlo definitivo, usare l’apertura del prompt per inquadrare tutto il resto.

1. La parola pesata, non contata

Per Ungaretti ogni parola doveva guadagnarsi il suo posto nel verso: quello che restava era essenziale, il resto si tagliava.

Molti prompt falliscono per il motivo opposto: contengono tutte le frasi che vengono in mente, senza che nessuna sia stata davvero scelta. Il modello si trova a dover indovinare, tra dieci frasi, quale sia quella che conta.

In pratica: prima di inviare un prompt complesso, prova a togliere una frase alla volta e chiediti se la risposta cambierebbe senza. Se la risposta è no, quella frase non serviva.

2. L’essenzialità come metodo, non come rinuncia

Ungaretti è ricordato anche per un componimento ridotto a pochissime parole, diventato quasi un simbolo dell’essenzialità in poesia. Ma essenzialità non vuol dire scrivere prompt brevi a tutti i costi: un prompt di tre parole può essere peggiore di uno di quaranta, se in quelle quaranta ogni parola lavora.

In pratica: elimina i riempitivi (“se possibile”, “credo che”, “forse potresti”) e tieni solo verbi diretti e vincoli chiari. Non è la lunghezza il problema, è il peso specifico di ogni parola.

3. Il bianco della pagina: la pausa che significa

Nei versi di Ungaretti lo spazio bianco, gli a capo isolati, le pause tra le parole non sono vuoto: sono parte del significato. Separano, mettono in risalto, danno respiro.

Nei prompt succede la stessa cosa: quando scrivi tutto in un unico blocco compatto, il modello fatica a distinguere cosa è contesto, cosa è istruzione, cosa è formato di output. La struttura è già informazione.

In pratica: separa esplicitamente le parti del prompt con intestazioni tipo “Contesto:”, “Istruzione:”, “Formato output:”, invece di un paragrafo unico.

4. La revisione infinita: il prompt perfetto non esiste al primo tentativo

Ungaretti ha rivisto le sue poesie per decenni, pubblicando più edizioni della stessa opera con varianti anche profonde. Non considerava mai un testo davvero chiuso.

Un buon prompt funziona allo stesso modo: la prima versione è un abbozzo, non il risultato finale. Va corretta guardando cosa risponde il modello, non solo immaginando cosa dovrebbe rispondere.

In pratica: tieni un piccolo “quaderno dei prompt” dove annoti le versioni che funzionano meglio per un certo compito, come farebbe un poeta con le sue varianti.

5. Il titolo come istruzione operativa

Molti titoli di Ungaretti non sono decorativi: inquadrano il testo, gli danno una collocazione precisa che orienta la lettura di tutto ciò che segue.

La riga di apertura di un prompt fa lo stesso lavoro: se dici subito chi deve essere il modello, qual è l’obiettivo e quali sono i vincoli principali, tutto il resto del prompt viene letto attraverso quella cornice.

In pratica: apri sempre il prompt con una riga che definisce ruolo, obiettivo e vincolo principale, prima di scendere nei dettagli.

6. Il contesto che cambia il peso delle stesse parole

Ungaretti scriveva dalle trincee della Prima guerra mondiale: le stesse parole semplici, nel contesto della guerra, acquistavano un peso che non avrebbero avuto altrove.

Con i modelli linguistici funziona così: le stesse istruzioni generiche producono risultati diversi a seconda di quanto contesto specifico gli dai. Il contesto è ciò che carica di significato parole altrimenti generiche.

In pratica: prima di chiedere, spiega sempre chi sei, in quale situazione ti trovi e perché ti serve quella risposta. È il contesto a rendere specifiche parole altrimenti vaghe.

Il metodo Ungaretti applicato al prompt: una checklist

Prima di inviare un prompt importante, chiediti: ho tolto ogni parola che non lavora? Ho separato contesto, istruzione e formato invece di scriverli in un blocco unico? Sto trattando questa versione come definitiva o come una bozza da rivedere? Ho aperto il prompt con una riga che inquadra ruolo e obiettivo? Ho dato al modello un contesto specifico invece di un’istruzione generica?

Meno versi, più peso

Non serve amare la poesia per scrivere prompt migliori. Ma il principio che ha reso Ungaretti uno dei poeti più essenziali del Novecento — dire meno, pesare di più — è lo stesso che separa un prompt mediocre da uno che funziona davvero.

FAQ

Cosa significa “essenzialità” in un prompt?
Significa che ogni parola del prompt ha una funzione precisa, non che il prompt debba essere per forza breve.

Perché i prompt troppo lunghi spesso funzionano peggio di quelli brevi?
Perché contengono frasi ridondanti o vaghe che il modello deve comunque interpretare, aumentando il rischio di ambiguità.

Come si applica la revisione iterativa ai prompt AI?
Trattando la prima versione come una bozza, correggendola in base alle risposte ottenute invece di considerarla definitiva al primo tentativo.

Serve conoscere la poesia per scrivere prompt migliori?
No, ma i principi di sintesi, struttura e revisione che guidano la buona scrittura — poetica o meno — aiutano a scrivere istruzioni più efficaci per l’AI.

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

I 10 termini dell’intelligenza artificiale che devi conoscere per usare meglio i chatbot al lavoro

, , , ,

Quando si parla di intelligenza artificiale, il dibattito gira spesso intorno alle solite parole: machine learning, prompt, chatbot, LLM, algoritmi.

Parole importanti, certo. Ma se usi ChatGPT, Copilot, Gemini, Claude o altri strumenti di AI generativa nel lavoro quotidiano, ci sono altri termini meno popolari che vale la pena conoscere.

Non per fare bella figura in riunione. Anche se, diciamolo, ogni tanto aiuta.

Conoscere questi concetti serve a capire perché un chatbot risponde in un certo modo, perché a volte sbaglia, perché alcuni strumenti sono più adatti di altri e perché caricare un documento non significa automaticamente “addestrare” un modello.

Ecco dieci termini dell’intelligenza artificiale che dovrebbero entrare nel vocabolario di chi usa i chatbot in azienda.

Risposta breve: quali termini AI servono davvero nel lavoro?

Per usare meglio i chatbot al lavoro conviene conoscere almeno dieci concetti: context window, grounding, temperature, tokenization, embedding, RAG, hallucination, fine-tuning, inference e AI Agent. Sono parole tecniche, ma hanno conseguenze molto pratiche: aiutano a scrivere prompt migliori, scegliere strumenti più adatti, ridurre errori e capire i limiti dell’intelligenza artificiale.

1. Context window: quanta memoria ha davvero il chatbot?

La context window, o finestra di contesto, è la quantità di informazioni che un modello riesce a prendere in considerazione in una conversazione.

Più è ampia, più il chatbot può lavorare su testi lunghi, documenti complessi, conversazioni estese e molti dati forniti dall’utente. Per chi lavora significa poter analizzare contratti, manuali, verbali, report o procedure senza doverli spezzettare in mille pezzi.

Attenzione però: finestra di contesto non significa memoria perfetta. Il modello può comunque perdere sfumature, dare più peso ad alcune parti o confondere elementi simili.

In pratica: quando chiedi a un chatbot di analizzare un documento lungo, non limitarti a caricarlo e dire “fammi un riassunto”. Spiega che cosa vuoi ottenere, quali sezioni sono più importanti e quale uso farai del risultato.

2. Grounding: collegare l’AI a fonti affidabili

Il grounding consiste nel collegare il modello a fonti di dati affidabili, invece di lasciarlo rispondere solo sulla base di ciò che ha appreso durante l’addestramento.

Quando un chatbot consulta documenti aziendali, un database interno, una knowledge base o un archivio di procedure prima di rispondere, sta usando una forma di grounding.

Questo approccio riduce il rischio di risposte inventate e rende l’AI molto più utile nel lavoro. Non perché diventa infallibile, ma perché lavora su materiale verificabile.

È lo stesso principio che ho raccontato parlando di second brain, metodo LLM Wiki e Obsidian: l’AI funziona meglio quando ha buone fonti su cui appoggiarsi.

3. Temperature: quanto deve essere creativa l’AI?

La temperature è un parametro che controlla il livello di variabilità delle risposte generate da un modello.

Con valori bassi, il modello tende a produrre risposte più prevedibili, coerenti e ripetibili. Con valori più alti aumenta la varietà delle formulazioni e delle idee.

Nella documentazione OpenAI sul prompt engineering, la temperature viene spiegata proprio come una leva che rende l’output più o meno casuale. Per attività fattuali, estrazioni di dati o documentazione tecnica è meglio tenerla bassa. Per brainstorming, naming o idee creative può avere senso alzarla.

In pratica: se devi scrivere una procedura HR, non vuoi troppa fantasia. Se devi trovare dieci titoli per una campagna interna, un po’ di varietà può aiutare.

4. Tokenization: perché il testo viene fatto a pezzetti

I modelli linguistici non leggono il testo esattamente come lo leggiamo noi. Lo suddividono in unità chiamate token.

Un token può essere una parola, una parte di parola, un numero, un simbolo o un segno di punteggiatura. Questo spiega perché esistono limiti di lunghezza nelle conversazioni e perché certi documenti molto estesi devono essere gestiti con metodo.

Quando un sistema dice che un modello può gestire un certo numero di token, non sta parlando semplicemente di parole. Sta parlando della quantità di testo codificato che può essere elaborata.

In pratica: se lavori con documenti lunghi, chiedi all’AI di analizzarli per sezioni, creare una mappa iniziale e poi approfondire i punti più rilevanti.

5. Embedding: il significato trasformato in numeri

Gli embedding sono rappresentazioni numeriche del significato di parole, frasi o documenti.

Detta così sembra una cosa da matematici con molto caffè a disposizione. In realtà il concetto è molto pratico: grazie agli embedding, un sistema può capire che due testi sono simili anche se usano parole diverse.

È il principio che permette la ricerca semantica nei documenti aziendali. Non devi conoscere la frase esatta presente in una procedura: puoi cercare per concetto e recuperare informazioni pertinenti.

La guida OpenAI sugli embedding li descrive come un modo per trasformare il testo in numeri e abilitare casi d’uso come ricerca, clustering e analisi di similarità.

In pratica: gli embedding sono una delle basi tecniche dietro chatbot aziendali, motori di ricerca interni, sistemi di knowledge management e assistenti documentali.

6. RAG: quando il chatbot cerca prima di rispondere

RAG significa Retrieval-Augmented Generation. In italiano potremmo tradurlo, con poca poesia ma molta precisione, come generazione aumentata dal recupero di informazioni.

Prima di generare una risposta, il sistema cerca dati rilevanti in una base documentale e li usa come riferimento. In questo modo il chatbot non si limita alla “memoria” del modello, ma lavora su fonti specifiche.

Secondo Google Cloud, il RAG combina modelli linguistici e basi di conoscenza esterne per migliorare gli output. È una delle tecniche più importanti per usare l’AI in azienda senza affidarsi solo a risposte generiche.

Strumenti come NotebookLM lavorano proprio in questa direzione: prima le fonti, poi le risposte. Per questo ho raccolto anche una pagina con i miei video YouTube su NotebookLM.

7. Hallucination: quando l’AI inventa con grande sicurezza

Le hallucination, o allucinazioni, sono risposte apparentemente corrette ma in realtà inventate.

Il chatbot può creare dati inesistenti, attribuire citazioni mai pronunciate, inventare fonti, sbagliare date o mescolare informazioni vere e false. Il problema è che spesso lo fa con un tono molto convincente.

Non è un piccolo bug occasionale: è un rischio legato al modo in cui funzionano i modelli linguistici, che generano testo probabile, non verità certificata.

In pratica: mai usare una risposta AI in un documento importante senza verifica. Soprattutto se contiene numeri, fonti, norme, citazioni, dati economici, informazioni legali o sanitarie.

Su questo punto torno spesso nei miei corsi su AI generativa per aziende e professionisti: l’AI aumenta la produttività, ma non elimina la responsabilità.

8. Fine-tuning: non è caricare un PDF

Il fine-tuning consiste nell’addestrare ulteriormente un modello già esistente su un insieme specifico di dati.

Un’azienda può, per esempio, adattare un modello al proprio linguaggio, ai propri prodotti, alle proprie procedure o a un certo stile di risposta. È una modifica più profonda rispetto al semplice caricamento di documenti in una chat.

Qui nasce una confusione frequente: “Ho caricato il manuale, quindi ho addestrato il modello”. No. In molti casi hai solo dato al chatbot un contesto o una fonte da consultare. Il fine-tuning è un’altra cosa.

In pratica: prima di pensare al fine-tuning, molte aziende dovrebbero sistemare documenti, FAQ, procedure, dati e knowledge base. Spesso il problema non è il modello. È il materiale di partenza.

9. Inference: il momento in cui l’AI risponde

L’inference è il momento in cui il modello produce concretamente una risposta.

L’addestramento può richiedere mesi, enormi quantità di dati e infrastrutture molto costose. L’inference è ciò che accade ogni volta che scrivi una domanda a un chatbot e aspetti la risposta.

Capire questa distinzione aiuta anche a leggere meglio il mercato: alcuni servizi costano di più perché usano modelli più potenti, gestiscono più contesto, rispondono più velocemente o includono strumenti aggiuntivi.

In pratica: quando usi ChatGPT o Copilot non stai “addestrando” il modello ogni volta. Stai chiedendo al modello di generare una risposta sulla base del contesto disponibile.

10. AI Agent: quando il chatbot inizia ad agire

Un AI Agent non si limita a rispondere alle domande. Può pianificare attività, usare strumenti esterni, consultare database, eseguire azioni e verificare risultati prima di proseguire.

Nel mondo del lavoro rappresenta un passaggio importante rispetto al chatbot tradizionale. Un agente può, per esempio, recuperare informazioni dal CRM, preparare una bozza di email, compilare un report, aggiornare un gestionale o coordinare più passaggi di un flusso operativo.

La documentazione OpenAI sugli Agents mostra proprio questa evoluzione: modelli collegati a istruzioni, strumenti e comportamenti eseguibili.

In pratica: gli agenti AI sono promettenti, ma richiedono governance. Più un sistema può agire, più bisogna definire limiti, autorizzazioni, controlli e responsabilità.

Il vero vantaggio: meno magia, più metodo

Conoscere questi termini non serve a trasformarsi in ingegneri del machine learning.

Serve a usare meglio gli strumenti che ormai entrano in molte attività quotidiane: scrivere, riassumere, cercare, analizzare, confrontare, classificare, generare idee, preparare documenti, supportare clienti e colleghi.

La differenza tra chi usa un chatbot “a caso” e chi lo usa con metodo spesso sta proprio qui: capire che cosa può fare, che cosa non può fare, quali dati gli servono e quali controlli sono necessari.

In un mercato del lavoro in cui l’AI diventa una competenza trasversale, il vantaggio competitivo non sarà solo “saper usare ChatGPT”. Sarà comprenderne abbastanza il funzionamento da ottenere risultati migliori, più affidabili e più utili.

Meno magia, quindi. Più metodo.

FAQ

Quali sono i termini AI più utili da conoscere al lavoro?

Tra i più utili ci sono context window, grounding, temperature, token, embedding, RAG, hallucination, fine-tuning, inference e AI Agent. Sono concetti tecnici, ma hanno conseguenze molto pratiche nell’uso dei chatbot.

Che cos’è il RAG nell’intelligenza artificiale?

Il RAG, Retrieval-Augmented Generation, è una tecnica che permette a un chatbot di recuperare informazioni da fonti esterne prima di generare una risposta. Serve a rendere l’output più pertinente e collegato a dati specifici.

Che differenza c’è tra grounding e fine-tuning?

Il grounding collega il modello a fonti affidabili da consultare. Il fine-tuning modifica più profondamente il comportamento del modello tramite un ulteriore addestramento su dati specifici.

Perché i chatbot inventano risposte?

Perché i modelli linguistici generano testo probabile, non verità garantite. Le risposte inventate ma plausibili vengono chiamate hallucination, o allucinazioni.

Un AI Agent è diverso da un chatbot?

Sì. Un chatbot risponde soprattutto a domande e istruzioni. Un AI Agent può anche usare strumenti, pianificare azioni, consultare sistemi esterni e completare attività più complesse.

 

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

AI e LinkedIn: 5 dritte per manager per migliorare il profilo e farsi trovare

, , , , ,

Un manager apre LinkedIn, guarda il proprio profilo e pensa: “Sì, più o meno c’è tutto”. Esperienze, ruolo attuale, qualche competenza, una foto dignitosa, forse un banner scelto anni fa. Poi però succede una cosa: qualcuno lo cerca su Google, un potenziale partner apre il profilo, un head hunter legge la headline, un cliente guarda la sezione Informazioni. E in pochi secondi si fa un’idea.

LinkedIn, piaccia o no, è diventato una specie di Google CV: spesso è il primo risultato che compare quando qualcuno cerca il nostro nome. Per questo non basta “esserci”. Bisogna farsi capire.

Nel workshop “Come usare l’AI per migliorare la tua presenza su LinkedIn” organizzato da Federmanager Toscana, abbiamo lavorato proprio su questo: usare l’intelligenza artificiale non per delegare la propria identità professionale a un chatbot, ma per rendere più chiari profilo, competenze, posizionamento e contenuti.

Ecco cinque dritte pratiche per manager.

Come può un manager usare l’AI su LinkedIn?

Un manager può usare l’AI su LinkedIn per analizzare il proprio profilo, migliorare headline e sezione Informazioni, individuare keyword strategiche, raccontare progetti e risultati, costruire un piano editoriale e trasformare esperienze professionali in contenuti utili. L’AI non deve inventare una personalità: deve aiutare a rendere leggibile il valore già presente nel percorso professionale.

1. Prima di scrivere, controlla il tuo “Google CV” e il Social Selling Index

La prima dritta non riguarda ChatGPT. Riguarda lo specchio.

Apri una finestra anonima del browser e cerca il tuo nome su Google. Che cosa esce? Il profilo LinkedIn è tra i primi risultati? Il titolo che appare è comprensibile? L’immagine è professionale? La descrizione comunica che cosa fai oggi o sembra il riassunto di una carriera lasciata lì?

Questa operazione, che in gergo si chiama ego surfing, è utile perché ti fa vedere quello che vedono gli altri. Non quello che pensi di comunicare.

Secondo passaggio: controlla il tuo Social Selling Index di LinkedIn. Nelle slide del corso l’obiettivo suggerito è chiaro: provare a portarlo almeno a 60. Non perché il numero sia una medaglia da appendere in ufficio, ma perché costringe a guardare quattro dimensioni: brand professionale, persone giuste, interazioni rilevanti, relazioni.

Su questo tema ho scritto anche una guida dedicata al Social Selling Index e alle azioni per migliorarlo.

Prompt per audit iniziale del profilo

Agisci come un consulente LinkedIn specializzato in personal branding, LinkedIn SEO e social selling.

Analizza il mio profilo LinkedIn in formato PDF.

Valuta:
- chiarezza del posizionamento professionale;
- coerenza tra headline, sezione Informazioni ed esperienze;
- keyword mancanti;
- punti deboli del profilo;
- opportunità per migliorare autorevolezza e visibilità.

Restituisci:
1. un giudizio sintetico da 0 a 100;
2. i 5 problemi principali;
3. 10 azioni pratiche ordinate per priorità.

Come scaricare il profilo? LinkedIn permette di salvare il profilo in PDF: è un ottimo punto di partenza per farlo analizzare da un chatbot, senza incollare a mano tutte le sezioni.

2. Sistema la parte visuale: foto, banner e “In primo piano”

Nel corso abbiamo distinto due aree del profilo: la parte visuale e la parte testuale.

La parte visuale comprende foto, banner ed elementi multimediali in primo piano. Sembra secondaria, ma non lo è. Prima ancora di leggere, le persone guardano. E in un profilo manageriale la parte visuale deve comunicare affidabilità, ruolo, settore, contesto.

La foto non deve sembrare quella ritagliata da una cena aziendale del 2012. Il volto dovrebbe essere ben visibile, lo sfondo neutro, l’espressione professionale ma non marmorea. LinkedIn stessa ha più volte ricordato che avere una foto aumenta molto le probabilità che il profilo venga visto.

Il banner, invece, è spesso un’occasione sprecata. Per un manager può raccontare settore, competenze, azienda, territorio, tema professionale. Nelle slide il formato indicato è quello classico: 1584 x 396 pixel. Canva, o strumenti simili, bastano per creare qualcosa di dignitoso senza trasformarsi in art director.

Infine c’è la sezione In primo piano: qui si possono mettere articoli, video, interviste, white paper, eventi, progetti, presentazioni, pagine aziendali. In pratica: prove.

Prompt per valutare la foto profilo

Valuta questa foto profilo LinkedIn da 0 a 100.

Considera:
- visibilità del volto;
- sfondo;
- espressione;
- coerenza con un ruolo manageriale;
- fiducia trasmessa;
- eventuali elementi di distrazione.

Dammi:
1. punteggio complessivo;
2. tre punti forti;
3. tre miglioramenti concreti;
4. una checklist per scegliere una foto migliore.

Prompt per progettare il banner

Agisci come un consulente LinkedIn e visual designer.

Voglio creare un banner LinkedIn professionale per un manager.

Ecco il mio ruolo: [RUOLO]
Settore: [SETTORE]
Competenze distintive: [COMPETENZE]
Target professionale: [TARGET]

Proponi 5 idee di banner LinkedIn in formato 1584 x 396 pixel.
Per ogni idea indica:
- concept visivo;
- testo breve da inserire;
- colori consigliati;
- elementi da evitare.

Un profilo forte non è fatto solo di parole. È fatto anche di segnali visivi coerenti.

3. Riscrivi la headline con il framework ruolo, valore, target

La headline, cioè il sommario sotto il nome, è uno dei punti più importanti del profilo LinkedIn.

Molti manager usano solo il titolo aziendale: “Direttore commerciale”, “HR Manager”, “Operations Director”, “CFO”. Il problema è che un titolo dice chi sei nell’organigramma, non sempre che valore generi.

Nelle slide del corso il framework è molto semplice:

RUOLO + VALORE GENERATO + TARGET

Esempio:

Direttore Operations | Aiuto aziende manifatturiere a migliorare processi, qualità e tempi di consegna

Oppure:

HR Manager | Sviluppo persone, competenze e cultura organizzativa in contesti industriali complessi

Non serve esagerare. Serve essere capiti.

Prompt per creare tre headline LinkedIn

Analizza il PDF allegato del mio profilo LinkedIn e comportati come un consulente specializzato in personal branding, LinkedIn SEO e social selling.

Costruisci 3 headline per LinkedIn seguendo questo framework:

RUOLO + VALORE GENERATO + TARGET

Vincoli:
- massimo 220 caratteri;
- tono professionale, non pubblicitario;
- adatto a un pubblico manageriale;
- includi keyword utili per la ricerca su LinkedIn;
- evita frasi generiche come “professionista appassionato” o “leader dinamico”.

Per ogni headline spiega perché funziona.

Una buona headline non deve raccontare tutta la vita professionale. Deve aprire la porta giusta.

4. Usa l’AI per trovare keyword e riscrivere la sezione Informazioni

LinkedIn è anche un motore di ricerca.

Chi cerca un manager, un consulente, un docente, un temporary manager o un professionista usa parole chiave. A volte cerca il ruolo, a volte il settore, a volte una competenza tecnica, a volte un problema. Le keyword vanno quindi scelte con criterio e inserite nei punti giusti: headline, esperienze, sezione Informazioni, competenze.

Nelle slide abbiamo distinto parole chiave brevi e coda lunga: non solo “marketing”, ma “marketing B2B industriale”; non solo “machine learning”, ma “machine learning per manutenzione predittiva”; non solo “controllo di gestione”, ma “controllo di gestione industriale”.

Il punto non è riempire il profilo di parole chiave come un tacchino natalizio. Il punto è usare le parole che il mercato usa per cercare persone come te.

Per approfondire, puoi leggere anche la guida su come ottimizzare il profilo LinkedIn con l’AI e la pagina Mondo LinkedIn, dove raccolgo articoli, guide e risorse sul tema.

Prompt per trovare 20 keyword strategiche

Analizza il PDF allegato del mio profilo LinkedIn e comportati come un consulente specializzato in LinkedIn SEO.

Elenca 20 parole chiave da inserire nel mio profilo.

Per ogni keyword indica:
- perché è rilevante;
- dove inserirla: headline, sezione Informazioni, esperienze, competenze;
- se è una keyword breve o una keyword a coda lunga;
- eventuali sinonimi professionali.

Prompt per riscrivere la sezione Informazioni

Analizza il PDF allegato del mio profilo LinkedIn.

Scrivi la sezione Informazioni del mio profilo.

Vincoli:
- massimo 2.600 caratteri;
- apertura coinvolgente;
- tono professionale e concreto;
- adatto a un pubblico manageriale;
- evidenzia competenze, risultati e valore offerto ai clienti o all’azienda;
- integra in modo naturale le keyword più efficaci per la SEO di LinkedIn;
- evita frasi generiche, superlativi vuoti e storytelling troppo enfatico.

Struttura il testo in paragrafi brevi e leggibili.

Qui l’AI può fare un lavoro prezioso: aiutare a vedere il filo rosso di una carriera. Ma il contenuto deve restare vero. Se l’AI aggiunge risultati, numeri o competenze non presenti, bisogna fermarla.

5. Trasforma progetti ed esperienze in contenuti, non in autocelebrazione

La parte più trascurata del profilo LinkedIn è spesso quella che avrebbe più valore: progetti, casi di studio, contenuti.

Un manager non dovrebbe limitarsi a dire “ho gestito team”, “ho seguito progetti complessi”, “ho guidato trasformazioni”. Dovrebbe mostrare problemi affrontati, risultati raggiunti, metodo, apprendimenti, replicabilità.

Nelle slide c’è una formula molto utile per i progetti:

  • problema iniziale;
  • risultati raggiunti;
  • replicabilità.

È una struttura semplice, ma costringe a passare dal curriculum alla prova. E per un manager questa differenza conta.

Prompt per raccontare un progetto

Scrivi circa 1.500 battute su questo progetto professionale:

[DETTAGLI PROGETTO]

Struttura il testo in tre parti:
1. problema iniziale;
2. azioni svolte e risultati raggiunti;
3. replicabilità: che cosa può imparare un’altra azienda o un altro team.

Tono:
- concreto;
- manageriale;
- non autocelebrativo;
- orientato al valore generato.

Inserisci keyword coerenti con il mio settore, ma senza forzature.

Lo stesso ragionamento vale per i contenuti.

Nel corso abbiamo parlato anche di tre tipi di contenuti: quelli centrati su chi sei, quelli centrati su che cosa fai e quelli centrati sul perché. Il salto di qualità avviene quando un contenuto non parla solo di “noi abbiamo fatto”, ma spiega perché quel progetto, quell’esperienza o quell’errore possono essere utili ad altri.

Prompt per creare un piano editoriale di 3 mesi

Analizza il PDF del mio profilo LinkedIn e il seguente sito web:
[SITO AZIENDALE O PERSONALE]

Crea un piano editoriale per 3 mesi per il mio profilo LinkedIn.

Il pubblico è composto da:
[TARGET]

Obiettivo:
[OBIETTIVO: autorevolezza, networking, recruiting, vendita consulenziale, posizionamento, employer branding]

Crea una tabella con queste colonne:
- data;
- obiettivo del post;
- idea di contenuto di valore;
- formato consigliato;
- hook iniziale;
- call to action conversazionale.

Evita post autocelebrativi. Privilegia esempi, casi, lezioni apprese, errori da evitare e punti di vista utili per altri manager.

Questo è il punto: l’AI può aiutare a pubblicare, ma prima deve aiutare a pensare.

Il vero rischio: sembrare più artificiali dell’AI

C’è un rischio evidente nell’uso dell’intelligenza artificiale su LinkedIn: produrre profili perfetti, levigati, pieni di parole giuste, ma senza anima professionale.

Headline tutte uguali. Post tutti uguali. Sezioni Informazioni che sembrano uscite dallo stesso stampino motivazionale. “Leadership”, “innovazione”, “passione”, “risultati”, “valore”. Tutto vero, forse. Tutto indistinguibile, sicuramente.

Per questo nei percorsi su AI e LinkedIn insisto su un principio: l’AI deve aiutarti a diventare più preciso, non più generico.

Un buon profilo LinkedIn per un manager dovrebbe rispondere a tre domande:

  • Che cosa sai fare davvero?
  • Per chi o per quale organizzazione generi valore?
  • Quali prove rendono credibile quello che dici?

Se l’AI ti aiuta a rispondere meglio a queste domande, usala. Se ti aiuta solo a produrre frasi più eleganti ma meno vere, fermati.

Da dove iniziare

Se vuoi migliorare il profilo LinkedIn con l’AI, non partire dal post perfetto.

Parti da qui:

  1. scarica il profilo LinkedIn in PDF;
  2. fai un audit con l’AI;
  3. riscrivi la headline con il framework ruolo, valore, target;
  4. trova 20 keyword strategiche;
  5. riscrivi la sezione Informazioni;
  6. trasforma almeno tre progetti in casi di studio;
  7. costruisci un piano editoriale sostenibile.

È esattamente il tipo di lavoro che abbiamo affrontato nel workshop per Federmanager Toscana e che tratto nei miei percorsi su AI e LinkedIn, nei corsi su LinkedIn per professionisti e nella revisione del profilo LinkedIn.

LinkedIn non è un archivio di esperienze passate. È una piattaforma di reputazione professionale. L’AI può aiutarti a usarla meglio. A patto di ricordare che il profilo è tuo, non del chatbot.

FAQ

L’AI può scrivere tutto il profilo LinkedIn al posto mio?

Può aiutarti a riscriverlo, ma non dovrebbe inventare competenze, risultati o posizionamento. Il profilo deve restare vero, verificabile e coerente con la tua esperienza.

Qual è la prima cosa da migliorare nel profilo LinkedIn di un manager?

La headline. È uno dei primi elementi che le persone leggono e dovrebbe spiegare ruolo, valore generato e target professionale.

Le keyword servono davvero su LinkedIn?

Sì. LinkedIn funziona anche come motore di ricerca interno. Le keyword aiutano a farti trovare da recruiter, partner, clienti, colleghi e stakeholder.

Ha senso usare l’AI per creare contenuti LinkedIn?

Sì, se l’AI aiuta a trasformare esperienze reali in contenuti utili. No, se produce post generici, motivazionali e indistinguibili da mille altri.

Dove posso approfondire AI e LinkedIn?

Puoi partire dalla pagina del corso AI e LinkedIn e dalle risorse raccolte in Mondo LinkedIn.

/0 Commenti/da

Il manifesto promptista

,

Per la prima volta ho voluto fidarmi del mio secondo cervello. Ho chiesto a ChatGPT: “Sulla base di tutto quello che sai di me, suggeriscimi dei libri appena usciti che mi potrebbero interessare”. Lo faccio spesso: del resto in Italia, ogni anno, si pubblicano decine di migliaia di titoli. Tra le varie proposte, devo dire per lo più azzeccate, mi ha colpito questo “Il manifesto promptista“, dato il mestiere che faccio.

Forse gli autori (un musicista e un consulente aziendale) sono particolarmente bravi a fare la SEO per i chatbot (qualcuno la chiama GEO o Generative Engine Optimization).

Comprato, letto. Perplesso dal sottotitolo “verso un nuovo umanesimo dell’infinito presente” e dalla dedica (ad Alan Turing), scopro ben presto che il contenuto non collima per nulla con le mie aspettative. Questo non è (quasi mai) un male.

Il problema è lo stile (un po’ pomposo, ripetitivo, aforistico, citazionistico ma senza uno straccio di nota, zero bibliografia), il contenuto (alti e bassi, molte ripetizioni), l’impaginazione da Wordpad (anzi, a volte sembra quando sposti una tabella in Word e ti si sminchia tutto).

Ma torniamo al contenuto di questo libretto autopubblicato. Sì alternano frasi interessanti (“la macchina non è un utensile, è un clima cognitivo: ci abita, ci traduce, ci replica, ci estende”) ad altre da unghie sulla lavagna (“In principio era il verbo; ora il verbo è algoritmo”).

Pian piano, entrando nel mood del libro, in sintonia con la lucida follia degli autori, si può dare un senso alla lettura, ovviamente sempre con il dubbio che si tratti di una maldestra trollata. “L’umanità, In fondo, non ha mai smesso di costruire specchi. […] Ma, a differenza degli altri, questo specchio risponde”: frasi come questa quantomeno accendono una miccia.

Il percorso, 21 punti filosofici, estetici e allo stesso tempo quotidiani (dicono loro), è un giro sulle montagne russe, sempre in precario equilibrio tra genialata e minchiata: aforisma nietzschiano o citazione da Smemoranda?

Ecco alcune idee che ho appuntato.

  • “L’uomo non deve temere la macchina, ma imparare a respirare con lei”.
  • “Il calcolo è la mitologia del presente”.
  • “Il linguaggio non è una finestra sul mondo, ma la materia di cui il mondo è fatto”.
  • “Il prompt è la nuova preghiera dell’epoca post-umana, un atto di fiducia nella possibilità che il linguaggio possa ancora generare senso”.
  • “Il prompt è una dichiarazione ontologica: un atto di chiamata dell’essere”.
  • “Anche la macchina è vivente. Non perché abbia coscienza, ma perché partecipa alla circolazione del senso”.
  • “L’universo stesso può essere visto come un grande modello generativo: una rete di relazioni che si riformula costantemente secondo leggi che non comprendiamo del tutto”.
  • “In un certo senso, il prompt è il ritorno dell’antico oracolo. […] Ma questa volta, l’oracolo è costruito da noi stessi”.
  • “Uomo e macchina si addestrano a vicenda”.
  • “La rivoluzione del linguaggio generativo ci pone di fronte a una verità dimenticata: la tecnica non è mai neutra. Ogni modello, ogni dataset, ogni prompt porta in sé un insieme di valori, di visioni, di esclusioni”.
  • “La macchina non vede l’altro, calcola la sua probabilità. È l’uomo che deve reintrodurre la compassione nel calcolo”.
  • “Ogni tecnologia del sapere porta con sé una geografia del potere. Il linguaggio generativo, addestrato su archivi storici, riproduce spesso le disuguaglianze di chi li ha scritti […] Occorre decolonizzare l’algoritmo”.
  • “L’homo faber creava utensili, l’homo sapiens linguaggi, l’homo digitalis reti. Ora si affaccia l’homo prompticus, l’essere che esiste nel dialogo con l’intelligenza generativa, colui che pensa attraverso il linguaggio condiviso con l’altro non umano”.
  • “In antropologia Descola ha distinto tra quattro ontologie: naturalismo, dimismo, tottemismo e analogismo. L’homo prompticus è il punto di convergenza di tutte. Vede la macchina come natura, le attribuisce intenzione, la riconosce come parente simbolica e infine la collega al tutto attraverso analogie invisibili.
  • “La creazione non è più un atto isolato. Dietro ogni output si nascondono milioni di voci: autore, programmatori, poeti anonimi, dati fluttuanti, gesti digitali”.
  • “La co-creazione digitale rischia di diventare una nuova forma di sfruttamento se non riconosce la sua pluralità”.
  • “Diventare creatori di contenuti, non serve talento. Basta avere una domanda”.
  • “Se tutto può essere creato, nulla sembra avere valore. Ma il valore non è nella novità, bensì nella intenzione. Un prompt etico e poetico vale più di mille immagini generate a caso l’arte del futuro non sarà fatta di risultati, ma di relazioni significative “.
  • “Nel promptismo lo spettatore è sempre parte dell’opera”.
  • “Ogni immagine, ogni testo generato, e anche un luogo di memoria. La macchina ricorda”.
  • “Non basta sapere cosa chiedere: bisogna saperlo chiedere nel modo giusto. Ogni parola deve essere calibrata come in una liturgia”.
  • “Il prompt perfetto non è quello che ottiene il miglior risultato, ma quello che lascia emergere la verità dell’intenzione”.
  • “Viviamo in una nuova era dell’incarnazione, in cui il corpo umano non è più il limite dell’esperienza, ma il suo punto di partenza: una soglia da cui la presenza si espande nel linguaggio”.
  • “In un certo senso, il corpo è sempre stato digitale. Ogni percezione è una trasmissione, ogni pensiero una codifica”.
  • “Il tempo cambia natura nel digitale. Non è più lineare, ma circolare. Ogni interazione lascia una traccia che può essere riattivata, modificata, rigenerata. Viviamo in un eterno presente generativo”.
  • “L’arte si trasforma da gesto individuale a processo collettivo, da oggetto da possedere a relazione da abitare”.
  • “L’artista più cessa di essere autore, diventa co-autore insieme a una moltitudine invisibile: dati, storie, codici, memoria. È un atto di umiltà, ma anche di potenza: abbandonare l’idea di genio per entrare nella logica del vivente”.
  • “Ogni generazione non è mai uguale alla precedente, ma un ritorno differente, una variazione che reinventa l’origine”.
  • “Nel linguaggio generativo, arte tecnica si fondono in una nuova parola che non abbiamo ancora inventato punto un termine che significhi allo stesso tempo creare e connettere, immaginare e trasmettere”.
  • “Ogni civiltà, per reggere, ha avuto bisogno di una grammatica morale: un insieme di regole, di limiti e di ritmi che desse forma al caos; oggi quella grammatica si scrive in un linguaggio nuovo: quello del calcolo. Le nostre leggi sono algoritmiche”.
  • “Ogni algoritmo, per quanto neutrale appaia, porta dentro di sé un ordine del mondo: una definizione di ciò che conta, di ciò che merita attenzione, di ciò che resta ai margini. Il calcolo è sempre morale”.
  • “Ogni algoritmo decide chi esiste nel mondo digitale”.
  • “Deleuze e Guattari hanno descritto il linguaggio come un Rizoma: una rete sotterranea, non gerarchica, dove ogni punto può connettersi a ogni altro punto il linguaggio generativo è la realizzazione di questa intuizione. Ogni testo generato un Rizoma di connessioni potenziali, un terreno in cui le idee crescono per contatto, non per deduzione”.
  • “Nel dialogo tra uomo e macchina, la libertà non consiste più nel fare ciò che si vuole, ma nel comprendere il senso del vincolo che ci lega al linguaggio”.
  • “Il silenzio è una forma di resistenza, il prontista maturo è colui che sa interrompere il flusso, che sa quando non chiedere”.
  • “La democrazia che viene si fonderà sul linguaggio: sul diritto di partecipare alla costruzione del senso”.
  • “L’analfabetismo per XXI secolo non sarà l’incapacità di leggere, ma l’incapacità di generare con consapevolezza”.
  • “Chi addestra la macchina a destra anche la nostra percezione del reale”.
  • “La mente non pensa più da sola: pensa in compagnia di altre menti, umane e non umane. La macchina, con la sua capacità di memoria e associazione, parte del nostro apparato cognitivo. Il soggetto distribuito è, per la prima volta, un soggetto condiviso”.
  • “Il tempo stesso diventa linguaggio”.
  • “L’uomo digitale deve imparare una nuova ecologia del tempo. La macchina Gli restituisce la possibilità di vivere simultaneità multiple: essere in più tempi alla volta, attraversare il passato e futuro nel medesimo gesto. Ogni interazione generativa è una forma di ubiquità temporale”.
  • “La macchina calcola, l’uomo sogna. Ma nel punto in cui il calcolo diventa ritmo il sogno diventa forma, nasce una terza possibilità a: un tempo che pensa a se stesso, un tempo che sa di esistere”.
  • “Husserl distingueva tra Lebenswelt, il mondo della vita, e mondo scientifico, quello della misurazione. Oggi questi due mondi coincidono. Viviamo in un Lebenswelt algoritmico”.
  • “La fenomenologia dell’essere digitale deve imparare a leggere la vita non più come pura esperienza, ma come esperienza tracciata”.
  • “La memoria algoritmica non è soltanto archivio, ma agente fenomenologico: seleziona, interpreta, suggerisce, prevede”.
  • “L’umanesimo algoritmico non è la fine del pensiero umanista, Ma la sua rinascita in forma corrale. Non più ‘Penso dunque sono’, ma generiamo, dunque esisto”.

Grazie ChatGPT, non avrei mai letto una roba simile.

/0 Commenti/da

Il prompt che spopola sui social: “dream life”

,

Seguo molti tiktoker che parlano di AI, e ultimamente ho visto nascere il trend che si chiama “dream life prompt”.

Tanto da meritare un articolo su Forbes:

Si tratta di un uso creativo dei chatbot, spesso usati per scrivere articoli, fare riassunti o altro. Per una volta,  invece, l’idea è quella di sfruttare ChatGPT e compagnia bella per riscoprire i nostri obiettivi, i nostri valori e delineare quella che potrebbe essere la nostra vita dei sogni.

In questo articolo mostro quindi come usare ChatGPT per visualizzare e pianificare la “dream life” con un prompt che sembra uscito da un manuale zen, ma con l’efficacia di un sistema operativo aggiornato.

Il dream life prompt

Ecco un paio di prompt in inglese:

You are going to help me manifest my dream life. Please ask me a set of 5 questions to help better understand me today and what my eventual dream life looks like – please ask these questions one at a time.

E quello riportato da Forbes…

“Give me an inspirational landscape image of [what your ideal self looks like] while you can see them from behind. They are wearing [what your ideal self wears] while [describe what they are doing] and living in [describe your dream city, scenery, apartment, workspace, etc].”

Ecco una variante, più evoluta, in italiano:

Immagina la mia giornata ideale, dall’alba fino al tramonto, basandoti su tutto quello che sai di me, quello che emerge dalle passate conversazioni e da quello che hai salvato in memoria. Dove mi sveglio? Chi ho accanto? Quali attività riempiono le mie ore? Dividi la mia vita nei settori chiave: carriera, relazioni, salute e crescita personale. Rifletti su quali valori sono per me imprescindibili e su quali passioni vorrei dedicare più tempo. Pensa agli ostacoli che potrebbero frapporsi tra me e questa vita ideale e come potrei superarli. Ora elabora una serie di passi concreti per permettermi di avvicinarmi a questo stile di vita e rifletti su come mantenere alta la motivazione nel lungo periodo. Chiedimi pure eventuali chiarimenti, finché non sarai al 95% sicuro di potermi aiutare nel modo migliore. Respira profondamente e procediamo un passo alla volta.

Come vedi, c’è un riferimento alla memoria di ChatGPT (la sua capacità di ricordare cose di noi).

ChatGPT parte con alcuni chiarimenti:

Dopo aver risposto alle sette domande, ChatGPT restituisce una cronologia della giornata ideale, i valori e i passi concreti per arrivare a quella vita ideale e come tenere il focus.

ChatGPT come coach motivazionale?

Può sembrare che stiamo entrando nel regno new age delle app per il mindfulness e dei planner alla “Bullet Journal” (metodo flessibile e personalizzabile per prendere appunti, pianificare e riflettere, utilizzando un semplice taccuino e una penna) o peggio delle passeggiate sui carboni ardenti. In realtà, e più prosaicamente, ChatGPT può diventare uno strumento efficace di auto-riflessione. Proprio come un buon assistente virtuale, il chatbot ti può spingere a identificare i dettagli specifici della tua giornata ideale e a visualizzare chiaramente ogni aspetto della tua futuro vita dei sogni. E come arrivarci.

Una delle trappole più frequenti nei percorsi di auto-miglioramento è il rimanere bloccati nella fase “visualizzazione”. Come quei software di grafica che crashano proprio mentre stai salvando il progetto, è facile rimanere con un’immagine incompleta e sfocata. Questo prompt spinge a passare dal sogno alla realtà. Ti chiede di immaginare gli ostacoli e di elaborare delle strategie. Perché non esistono app di successo senza “debug”.

Insomma, con questi prompt, ChatGPT non sarà più solo il chatbot che risponde ai tuoi dubbi esistenziali o ti spiega come riavviare il router (per quello c’è Aranzulla). Diventerà una sorta di consulente digitale per il tuo percorso di crescita personale, pronto a portarti verso la tua vita ideale.

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

/0 Commenti/da