Tag Archivio per: sicurezza AI

ChatGPT in azienda: come proteggere i dati

,

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

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

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

ChatGPT e dati aziendali: cinque domande prima dell’abbonamento

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

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

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

Perché Free e Plus personali non bastano per l’azienda

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

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

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

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

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

Che cosa offre ChatGPT Business per proteggere i dati

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

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

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

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

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

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

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

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

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

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

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

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

Quando serve Enterprise e che cosa significa residenza europea

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Una procedura pratica per usare ChatGPT ogni giorno

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

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

Tre esempi: email, vendite e risorse umane

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

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

Anonimizzare prima di caricare, non dopo

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

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

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

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

Connettori e agenti: verificare anche la destinazione successiva

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

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

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

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

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

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

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

La scelta che consiglierei a un’azienda

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

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

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

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

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

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

Invia un'email

/0 Commenti/da

AIpocalypse: la fine del mondo può attendere

,

L’AIpocalypse è la presunta catastrofe provocata da un’intelligenza artificiale diventata più intelligente, autonoma e pericolosa degli esseri umani. Uno scenario possibile, secondo alcuni ricercatori. Una colossale operazione di marketing, secondo altri. Nel frattempo, mentre discutiamo dell’estinzione dell’umanità, un chatbot ha appena inventato una sentenza, un dipendente gli ha consegnato un documento riservato e un manager ha licenziato qualcuno sulla base di un algoritmo che nessuno sa spiegare.

Skynet, insomma, può aspettare. Abbiamo già abbastanza problemi con Excel.

Benvenuti all’AIpocalypse

La parola AIpocalypse nasce dalla fusione tra “AI” e “apocalisse”. Indica lo scenario in cui l’intelligenza artificiale sfugge al controllo umano, prende decisioni autonome e trasforma la nostra specie in un fastidioso file temporaneo da eliminare.

È un’immagine potentissima: robot assassini, infrastrutture impazzite, armi autonome, algoritmi che cospirano contro di noi. Hollywood ci costruisce film da decenni. La Silicon Valley, più sobriamente, ci costruisce valutazioni miliardarie.

Il meccanismo comunicativo è perfetto:

  • prima ti mostro una tecnologia quasi divina;
  • poi ti avverto che potrebbe sterminarti;
  • infine ti vendo l’abbonamento Premium.

È come se il produttore di un tostapane dichiarasse: “Questo apparecchio potrebbe incendiare il pianeta. Nel frattempo, con il piano Plus, tosta quattro fette contemporaneamente”.

Gli esperti temono davvero la fine dell’umanità?

Sì, alcuni esperti considerano seriamente i rischi catastrofici legati ai sistemi di intelligenza artificiale molto avanzati. Liquidare tutto come fantascienza sarebbe comodo, ma intellettualmente disonesto.

L’International AI Safety Report 2026, coordinato da Yoshua Bengio e realizzato con il contributo di oltre cento esperti, analizza rischi che vanno dall’uso criminale dell’AI alla perdita di controllo sui sistemi più capaci. Il rapporto, però, non annuncia una data per la fine del mondo. Sottolinea quanto siano ancora incerte le traiettorie tecnologiche e quanto sia difficile valutare sistemi che cambiano rapidamente.

Traduzione: non sappiamo se arriverà Terminator. Sappiamo però che lasciare le chiavi del deposito di armi a un algoritmo non è un esperimento particolarmente brillante.

La vera AIpocalypse è molto meno cinematografica

La distruzione del mondo è fotogenica. La lenta delega delle nostre decisioni a sistemi opachi lo è molto meno. Il problema più concreto non è una superintelligenza che decide di ucciderci. È un essere umano che usa male un’intelligenza artificiale oggi e dà la colpa alla macchina domani.

1. L’apocalisse delle allucinazioni

I modelli generativi possono produrre risposte false con una sicurezza da pensionato al bar che ha “un cugino che lavora al ministero”. Inventano riferimenti, dati, norme, citazioni e collegamenti plausibili.

Il National Institute of Standards and Technology ha sviluppato un profilo specifico del suo AI Risk Management Framework per aiutare organizzazioni e sviluppatori a individuare e mitigare rischi come confabulazioni, violazioni della privacy, bias, disinformazione e uso improprio dei sistemi generativi.

Il NIST non consiglia di spegnere Internet e rifugiarsi in montagna. Suggerisce qualcosa di più rivoluzionario: valutare i rischi prima di mettere un chatbot in produzione.

2. L’apocalisse degli incidenti reali

Secondo lo Stanford AI Index 2025, nel 2024 sono stati segnalati 233 incidenti collegati all’intelligenza artificiale, il 56,4% in più rispetto all’anno precedente.

Attenzione: il dato riguarda incidenti riportati e classificati. Non misura ogni danno provocato dall’AI nel mondo e non dimostra che le macchine stiano preparando un colpo di Stato. Dimostra però che, aumentando l’adozione, aumentano anche errori, abusi e conseguenze indesiderate.

L’OECD AI Incidents Monitor raccoglie proprio questi casi per capire dove e come i rischi si trasformano in danni concreti. La rivolta delle macchine non è ancora iniziata. La raccolta dei ticket di assistenza, invece, sì.

3. L’apocalisse del lavoro

Il Fondo Monetario Internazionale stima che circa il 40% dell’occupazione mondiale sia esposto all’intelligenza artificiale. Nelle economie avanzate la quota arriva intorno al 60%.

“Esposto”, però, non significa automaticamente “eliminato”. Alcuni lavori saranno sostituiti, altri trasformati, altri ancora potenziati. Confondere esposizione e disoccupazione è un ottimo modo per ottenere un titolo terrificante e una pessima analisi.

La domanda corretta non è: “L’AI mi ruberà il lavoro?”. È: “Quale parte del mio lavoro può essere automatizzata, quale deve restare umana e chi incasserà l’aumento di produttività?”.

Perché l’AI potrebbe non licenziarti. Potrebbe limitarsi a rendere il tuo lavoro più veloce, più controllato, più standardizzato e misurato ogni quindici secondi. Una distopia meno spettacolare, ma con molti più fogli di calcolo.

4. L’apocalisse della truffa perfetta

L’intelligenza artificiale generativa abbassa il costo della persuasione criminale. Permette di creare email credibili, voci sintetiche, falsi video, identità artificiali e campagne di phishing in numerose lingue. Non serve una superintelligenza cosciente. Basta un truffatore mediamente intelligente con un buon prompt.

Questo è uno dei motivi per cui parlare di truffe legate a ChatGPT e agli strumenti di AI generativa è più urgente che fantasticare soltanto sulla ribellione dei robot.

5. L’apocalisse della delega

Il rischio più sottovalutato è smettere gradualmente di decidere. Prima chiediamo all’AI di riassumere un documento. Poi di valutarlo. Poi di consigliarci. Infine adottiamo automaticamente la sua risposta perché “ha analizzato tutti i dati”.

A quel punto l’algoritmo non ha conquistato il potere. Glielo abbiamo consegnato noi, insieme alla password del Wi-Fi.

Per questo distinguere tra human-in-the-loop e human-on-the-loop è fondamentale: una persona può approvare ogni decisione oppure limitarsi a sorvegliare un sistema autonomo e intervenire quando qualcosa va storto. Sempre che riesca ad accorgersene in tempo.

L’Europa ha deciso di regolamentare l’apocalisse

L’Unione europea ha scelto un approccio basato sul rischio. L’AI Act europeo distingue tra pratiche vietate, sistemi ad alto rischio, applicazioni con obblighi di trasparenza e utilizzi a rischio minimo.

Non vieta l’intelligenza artificiale. Prova a collegare gli obblighi alla gravità delle conseguenze. Usare un algoritmo per suggerire una playlist non è la stessa cosa che usarlo per selezionare candidati, valutare l’affidabilità creditizia o prendere decisioni in ambito sanitario. Una distinzione apparentemente ovvia. Quindi destinata a essere ignorata in almeno metà delle riunioni aziendali.

Chi guadagna dalla paura dell’AIpocalypse?

La paura non è soltanto una reazione. È anche un mercato. Guadagnano visibilità gli esperti che fanno previsioni estreme. Guadagnano attenzione i media che trasformano ogni nuova funzione in una minaccia per la civiltà. Guadagnano potere le aziende tecnologiche che descrivono i propri modelli come entità quasi sovrumane.

Se sostieni di aver costruito un chatbot utile, il mercato ti assegna un certo valore. Se sostieni di aver creato qualcosa che potrebbe sostituire l’umanità, improvvisamente sembri Prometeo con un round di finanziamento.

Esiste quindi un paradosso: le stesse aziende che chiedono di non sottovalutare i loro sistemi hanno interesse a presentarli come straordinariamente potenti. L’allarme può essere sincero e contemporaneamente molto conveniente.

Il problema non è se l’AI diventerà cattiva

L’intelligenza artificiale non deve odiare gli esseri umani per danneggiarli. Non deve avere coscienza, ambizioni o un piano segreto. Può fare danni perché:

  • riceve un obiettivo formulato male;
  • opera con dati incompleti o distorti;
  • viene collegata a strumenti che non dovrebbe controllare;
  • è usata da persone incompetenti o malintenzionate;
  • prende decisioni troppo velocemente perché qualcuno possa fermarla;
  • viene considerata affidabile soltanto perché parla bene.

Un’automobile senza freni non è malvagia. Ma non per questo la guideresti in discesa.

Come sopravvivere all’AIpocalypse senza costruire un bunker

  1. Classificare gli usi per livello di rischio. Scrivere una bozza di post non equivale a valutare un paziente o un candidato.
  2. Mantenere una responsabilità umana identificabile. “Lo ha detto l’algoritmo” non è una procedura di governance.
  3. Verificare gli output importanti. Fonti, numeri, norme e citazioni devono essere controllati.
  4. Proteggere dati personali e informazioni riservate. Un chatbot non è automaticamente un archivio aziendale autorizzato.
  5. Limitare l’autonomia degli agenti. Più strumenti e permessi possiede un sistema, più rigorosi devono essere controlli e registri.
  6. Formare le persone. Il rischio maggiore non è un dipendente che non usa l’AI. È un dipendente che la usa senza capirne i limiti.
  7. Preparare procedure di arresto e gestione degli incidenti. Anche il progetto più “intelligente” deve avere un pulsante per spegnerlo.

Quindi l’AI ci sterminerà?

Non lo sappiamo. Chi risponde con certezza sta probabilmente vendendo qualcosa: un software, un corso, una regolamentazione, una newsletter oppure se stesso.

I rischi catastrofici meritano ricerca, test indipendenti e cooperazione internazionale. Ma concentrarsi soltanto sulla possibile estinzione futura può diventare un modo elegante per ignorare i danni presenti.

La vera AIpocalypse potrebbe non iniziare con un robot che sfonda la porta. Potrebbe iniziare con una notifica:

“La decisione è stata presa automaticamente. Non è possibile parlare con un operatore umano”.

E forse sarà questo l’aspetto più irritante della fine del mondo: per contestarla dovremo aprire un ticket.

La fine del mondo può attendere. La responsabilità no

Io non credo né nell’entusiasmo cieco né nel catastrofismo da palcoscenico. L’intelligenza artificiale è una tecnologia potente, imperfetta e inserita dentro organizzazioni umane altrettanto imperfette.

La questione non è scegliere tra “l’AI ci salverà” e “l’AI ci distruggerà”. La questione è decidere chi la controlla, con quali obiettivi, usando quali dati e assumendosi quali responsabilità.

Nel frattempo, possiamo anche prepararci all’AIpocalypse. Ma prima controlliamo che il chatbot non abbia inviato a tutti il file con gli stipendi.

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

5 skill per Claude: cosa fanno davvero e quali rischi evitare

, , ,

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

/0 Commenti/da