Cos'è, come funziona, che cosa sono modelli, agenti, MCP e automazioni. Con esempi che puoi toccare.
Scegli il tuo livello: puoi cambiarlo in qualsiasi momento dalla barra in alto.
Frecce ← → o scorri col dito · le parole sottolineate aprono il glossario
Una persona scrive tutte le regole: «se l'email contiene "offerta", mettila nello spam». Il programma fa solo quello che è previsto, e sbaglia appena succede qualcosa di nuovo.
Impara dagli esempi. Le mostri migliaia di email già divise in "spam" e "buone" e lei capisce da sola le caratteristiche che le distinguono, anche quelle che nessuno avrebbe pensato di scrivere.
Le AI di cui si parla oggi (ChatGPT, Claude, Gemini, Copilot) sono LLM: Large Language Model, "grandi modelli di linguaggio". Hanno letto un'enorme quantità di testi e da questi hanno imparato come funziona la lingua, e con essa molte conoscenze sul mondo.
Una famiglia di matrioske. Tocca i cerchi: ogni termine è un sottoinsieme del precedente.
Sotto il cofano: il Transformer. Quasi tutti gli LLM usano l'architettura Transformer (2017). Il testo diventa una sequenza di token, ogni token un vettore di numeri. Il meccanismo di attenzione permette a ogni token di "guardare" tutti i precedenti e pesare quanto ognuno è rilevante: in «il gatto che il cane inseguiva era spaventato» è l'attenzione a collegare "era" a "gatto".
Il modello è autoregressivo: produce un token, lo aggiunge all'input, ricalcola, produce il successivo. Tutta la "conoscenza" sta nei pesi delle matrici di attenzione e dei blocchi feed-forward, non in un database consultabile: per questo può ricordare male.
Frase: «Stasera a cena mangio una…»
Per ogni parola possibile il modello calcola una probabilità, poi ne sceglie una. Non sceglie sempre la più probabile: un po' di casualità rende le risposte meno ripetitive.
La temperatura regola questa casualità. Bassa: sceglie quasi sempre la più probabile, risposte precise e ripetibili. Alta: più varietà, ma anche più rischio di stranezze.
Probabilità inventate a scopo illustrativo. Il calcolo della temperatura invece è quello vero.
Come si usa nella pratica. Per riassunti, estrazione di dati, codice e risposte tecniche serve una temperatura bassa. Per brainstorming, titoli e testi creativi va meglio una più alta. Nelle app come ChatGPT o Claude la imposta il servizio; via API la scegli tu.
Stessa domanda, risposte diverse: è normale proprio per questa casualità. Se una risposta non ti convince, rigenerala o riformula la domanda.
La formula. Il modello produce un punteggio (logit) zᵢ per ogni token del vocabolario. La probabilità è il softmax con temperatura T:
p(i) = exp(zᵢ / T) / Σⱼ exp(zⱼ / T)
Con T → 0 si ottiene la scelta "greedy" (sempre il massimo); con T alto la distribuzione si appiattisce. Top-p scarta la coda: tiene solo i token più probabili finché la loro somma raggiunge p, poi rinormalizza. Prova il cursore: le parole barrate escono dal "nucleo". Top-k fa lo stesso tenendo i primi k token.
L'AI non legge lettere né parole intere, ma pezzetti di testo chiamati token. Una parola comune può essere un solo token, una parola lunga o rara viene spezzata in più pezzi. I token sono anche l'unità di misura dei costi: si paga a token letti e scritti.
È la scrivania dell'AI: tutto quello che vede in un dato momento (le istruzioni, la conversazione, i documenti allegati). Ha una dimensione massima, misurata in token. Quando una conversazione diventa lunghissima, le parti più vecchie possono essere riassunte o tagliate.
intelligenza → intell + igenza. Il taglio reale dipende dal modello. L'italiano di solito richiede più token dell'inglese per dire la stessa cosa, perché i modelli sono addestrati soprattutto su testi inglesi.Cosa significa per te.
Tokenizer e costi computazionali. I tokenizer più diffusi usano varianti di Byte-Pair Encoding: partono dai byte e fondono le coppie più frequenti fino a un vocabolario di decine o centinaia di migliaia di token.
Durante la generazione il modello conserva per ogni token già visto i vettori di attenzione in una KV cache, che cresce linearmente con la lunghezza del contesto e occupa memoria della GPU in aggiunta ai pesi. Il calcolo dell'attenzione standard cresce invece in modo quadratico con la lunghezza. Per questo i contesti molto lunghi costano di più e rallentano, e la qualità di recupero delle informazioni "in mezzo" a un contesto lunghissimo può calare.
Tocca le fasi per leggere cosa succede in ognuna.
Addestramento (pre-training): il modello legge una quantità enorme di testi (libri, siti, codice) per settimane o mesi, su migliaia di processori specializzati. L'esercizio è sempre lo stesso: indovinare la parola successiva e correggersi quando sbaglia. Costa decine o centinaia di milioni e lo fanno poche aziende al mondo.
Alla fine di questa fase il modello "sa" molte cose ma non è ancora un assistente: se gli scrivi una domanda potrebbe continuare con altre domande, perché ha solo imparato a continuare testi.
L'obiettivo è minimizzare la cross-entropy sulla previsione del token successivo. La scala segue le scaling laws: qualità che migliora in modo prevedibile aumentando parametri, dati e calcolo, con un rapporto ottimale tra dimensione del modello e numero di token di addestramento.
Specializzazione (fine-tuning): un "corso extra" su esempi scelti con cura, per insegnare un comportamento: rispondere come un assistente, seguire istruzioni, usare un certo stile, conoscere il linguaggio di un settore (medico, legale, tecnico).
Anche le aziende possono fare fine-tuning di modelli esistenti sui propri esempi. Serve per lo stile e il formato, molto meno per aggiungere informazioni che cambiano spesso: per quelle si usa il RAG (più avanti).
La forma più comune è la Supervised Fine-Tuning (SFT) su coppie istruzione-risposta. Con LoRA si addestrano solo piccole matrici aggiuntive invece di tutti i pesi, riducendo enormemente memoria e costi; QLoRA combina LoRA con un modello base quantizzato.
Educazione (allineamento): persone reali confrontano coppie di risposte e indicano la migliore. Il modello impara a essere utile, onesto, a rifiutare richieste pericolose e a non inventare.
È qui che si decide il "carattere" di un assistente: quanto è prudente, quanto è prolisso, come si comporta nei casi delicati. Per questo modelli con capacità simili possono comportarsi in modo molto diverso.
Tecniche: RLHF (un modello di ricompensa addestrato sulle preferenze umane guida un algoritmo di reinforcement learning), DPO (ottimizza direttamente sulle coppie preferite/scartate), e il reinforcement learning con ricompense verificabili (codice che passa i test, matematica con risultato controllabile), molto usato per i modelli che ragionano.
Inferenza: è l'uso di tutti i giorni. Fai una domanda, il modello già addestrato genera la risposta. Ogni risposta consuma calcolo, per questo i servizi hanno limiti di utilizzo o costi a token.
Il modello non impara dalle tue conversazioni mentre le fa: i pesi restano fermi. Funzioni come la "memoria" delle app salvano note a parte e gliele rimettono davanti.
L'inferenza ha due fasi: il prefill (elabora tutto il prompt in parallelo, veloce per token) e il decode (genera un token alla volta, limitato dalla banda di memoria). Tecniche come batching, KV cache, quantizzazione e speculative decoding servono ad abbassare costi e latenza.
Pesi (parametri): è ciò che il modello ha imparato, salvato come miliardi di numeri dentro un file. La sigla "8B" significa 8 miliardi di parametri. Più parametri di solito significa un modello più capace, ma anche più memoria e più potenza di calcolo per farlo girare.
Quantizzazione: come comprimere una foto in JPEG. Ogni numero viene salvato con meno precisione: il file diventa molto più leggero e la qualità cala poco. È ciò che permette di usare un'AI su un PC di casa.
Prova i pulsanti: guarda quanti modelli entrano in una scheda video da 24 GB.
Memoria per i soli pesi = parametri × bit ÷ 8. Stima indicativa: in pratica serve un po' di più. Barre verdi = entrano in 24 GB (linea tratteggiata).
Nella pratica. Quando scarichi un modello per usarlo in locale trovi più versioni dello stesso modello con sigle come Q8_0, Q5_K_M, Q4_K_M: indicano quanti bit per numero (circa) e il metodo di compressione. Il formato più diffuso per l'uso domestico si chiama GGUF. Regola pratica: un modello più grande a 4 bit spesso risponde meglio di un modello più piccolo a 16 bit, a parità di memoria occupata.
La "ricetta" è pubblica: scarichi i pesi e li usi sul tuo computer, anche senza internet. Esempi: Llama, Mistral, Qwen, DeepSeek, Gemma. Si chiamano anche open-weight.
La ricetta è segreta: li usi solo tramite l'app, il sito o le API del produttore. Esempi: ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google). Di solito sono i più capaci.
A volte l'AI inventa cose false con molta sicurezza: date, citazioni, link, leggi, nomi. Come uno studente che non sa la risposta ma tira a indovinare con convinzione. Ricontrolla sempre ciò che conta.
Perché succede e come difendersi. Il modello genera testo plausibile, non consulta un archivio: quando l'informazione è rara o assente, la "ricostruisce". Riduci il rischio così:
"Aperto" ha gradi diversi. Pesi scaricabili non significa open source in senso pieno: spesso dati e codice di addestramento non sono pubblici, e le licenze possono porre limiti d'uso (per esempio commerciale o sopra una certa soglia di utenti). Leggi sempre la licenza del modello.
Le allucinazioni si misurano con benchmark dedicati e si riducono con RAG, con l'addestramento a riconoscere l'incertezza e con verifiche automatiche dell'output, ma non spariscono: l'architettura generativa resta probabilistica.
Capiscono e producono testo, immagini, voce e a volte video. Puoi fotografare una bolletta e chiedere di spiegartela, o parlarci a voce.
Prima di rispondere "pensano" passo per passo, come sulla brutta copia. Sono più lenti, ma sbagliano molto meno su matematica, logica, programmazione e problemi a più passaggi.
Versioni ridotte pensate per girare su telefoni e portatili, senza inviare dati in rete. Meno capaci, ma veloci e privati.
Non scrivono testo: trasformano il significato di una frase in "coordinate", come un GPS dei concetti. Frasi con significato simile finiscono vicine, anche se usano parole diverse. Servono per le ricerche intelligenti.
Quale usare? Per una domanda veloce o un testo da sistemare basta un modello normale. Per un problema complicato (un calcolo, un piano, un bug nel codice) attiva la modalità di ragionamento: impiega più tempo ma è più affidabile. La ricerca "per significato" degli embedding è quella che fa trovare "contratto di locazione" cercando "affitto casa".
Veloce, istintivo. Riconosci un volto in un istante, capisci al volo se un'email è urgente.
Lento, ragionato. Fai una moltiplicazione difficile. Gli LLM che "ragionano" lavorano così.
Lo psicologo Daniel Kahneman ha descritto questi due modi di pensare. Un modello System One non scrive testo: sceglie la casella giusta tra risposte già previste e dice quanto è sicuro. È la differenza tra un tema libero e un modulo da spuntare.
Jev di TypeSafe (settembre 2026) è il primo di questo tipo. Non può dare risposte fuori dalle opzioni previste, ma può comunque scegliere quella sbagliata, e non spiega il "perché". Esistono alternative gratuite da usare sul proprio computer (Laya, Kev, Von, Rizzo Flow e altre).
A cosa serve davvero. Smistare migliaia di email o ticket, controllare se un testo viola delle regole, decidere quale strumento deve usare un agente, assegnare un punteggio a recensioni. Ovunque servano tante decisioni veloci con risposte note in anticipo. Il valore della "sicurezza" dichiarata è che puoi fissare una soglia: sopra il 90% agisce da solo, sotto passa il caso a una persona.
Jev espone tre tipi di domanda: choice (una categoria), score (un punteggio) e noul (probabilità sì/no). Genera tutte le risposte in un unico passaggio parallelo invece che token per token, con probabilità calibrate (un 80% è corretto circa l'80% delle volte). Il produttore indica un addestramento dedicato chiamato RLCD.
POST /v1/systemone
{ "state": "Il cliente scrive per la seconda volta: rimborso fallito...",
"questions": {
"reparto": { "type": "choice", "options": ["billing","technical","sales"] },
"urgenza": { "type": "score", "min": 0, "max": 100 } } }
Le alternative open-source seguono vie diverse: encoder piccoli tipo ModernBERT con una "testa" decisionale (Laya, Von), modelli Qwen adattati con LoRA (Kev, Nimble) o lettura diretta delle probabilità da LLM esistenti (SemIf, Rizzo Flow). L'idea non è del tutto nuova: i classificatori zero-shot fanno qualcosa di simile da anni.
Dati dichiarati da TypeSafe sul proprio test (4 scenari aziendali), riportati da DataCamp a settembre 2026. Non ancora verificati da terzi.
Come leggerlo. Jev non è "più intelligente": è circa al livello di un modello di fascia media, ma costa e impiega una frazione minima. Conviene quando le decisioni sono tante e ripetitive; per un singolo problema difficile un LLM di punta resta più preciso.
Attenzione ai dettagli del test. La "precisione" è l'accordo con le risposte di riferimento prodotte da altri modelli di punta, non un giudizio umano. I test sono stati scritti dal produttore stesso, che lo dichiara. E il prezzo potrebbe essere sovvenzionato in questa fase iniziale.
L'AI non conosce i tuoi documenti (il regolamento del condominio, i manuali dell'auto, le procedure dell'ufficio). Con il RAG glieli fa "consultare" al momento della domanda.
Per farle sapere cose nuove, private o che cambiano spesso. Aggiorni i documenti e la risposta cambia subito.
Un corso di specializzazione: cambia come si comporta (stile, formato, linguaggio tecnico). Non è adatto a fatti che cambiano.
Lo usi già senza saperlo. Quando alleghi un PDF a una chat, crei un "progetto" con dei documenti o colleghi Google Drive, il servizio fa una forma di RAG. Funziona bene se i documenti sono chiari e ben strutturati; male con scansioni illeggibili, tabelle complesse o documenti contraddittori.
Lo stesso tipo di modello può girare sui server di un'azienda o sul tuo computer. Il confronto, punto per punto:
Programmi per usare modelli in locale: Ollama, LM Studio. Interfaccia tipo ChatGPT per modelli locali: Open WebUI.
Privacy nel cloud: dipende dal contratto. I piani gratuiti e consumer possono usare le conversazioni per migliorare i modelli, salvo che tu lo disattivi nelle impostazioni. I piani aziendali e le API di solito escludono l'addestramento sui tuoi dati. Prima di incollare dati di lavoro o personali, controlla queste impostazioni.
Un chatbot parla e basta. Un agente ha anche le "mani": può cercare su internet, leggere file, mandare email, compilare tabelle, cliccare su un sito.
Non gli fai una domanda: gli dai un obiettivo. Lui decide i passaggi e gira in un ciclo finché non ha finito.
Multi-agente: una squadra di agenti (uno cerca, uno scrive, uno controlla). Memoria: ciò che ricorda tra una conversazione e l'altra. Skills: manuali di istruzioni per compiti specifici.
Quanto fidarsi. Gli agenti sono bravi in compiti ben definiti e reversibili (cercare, confrontare, preparare una bozza). Per azioni irreversibili (pagare, inviare, cancellare) un buon agente ti chiede conferma: è una funzione, non un difetto. Più è lungo il compito, più aumenta la probabilità che un errore a metà strada si propaghi.
Come funziona tecnicamente. Al modello si passa l'elenco degli strumenti con nome, descrizione e schema JSON dei parametri. Il modello risponde con una "chiamata" strutturata, il programma la esegue e rimette il risultato nel contesto (tool use / function calling, schema detto ReAct: ragiona → agisce → osserva).
{ "name": "cerca_treni",
"description": "Cerca treni tra due città in una data",
"input_schema": { "type": "object",
"properties": { "da": {"type":"string"}, "a": {"type":"string"}, "data": {"type":"string"} },
"required": ["da","a","data"] } }
Buone pratiche: limite massimo di iterazioni e di spesa, permessi minimi, esecuzione in ambienti isolati (container, VM), log di ogni azione e conferma umana per le azioni con effetti esterni.
Prima ogni collegamento tra un'AI e un programma era fatto su misura. MCP è uno standard comune, come la porta USB-C: ogni programma offre una "presa" (server MCP), ogni AI compatibile ci si collega (client MCP).
Assistenti e programmi che supportano MCP (elenco indicativo, il supporto evolve rapidamente).
Nomi degli strumenti a titolo di esempio: ogni server MCP definisce i propri.
Come è fatta la "presa".
Un server può offrire tre cose: strumenti (azioni, es. crea un evento), risorse (dati da leggere, es. un file) e prompt (modelli di richiesta pronti). Esistono server locali, che girano sul tuo PC e vedono i tuoi file, e remoti, a cui ti colleghi con un login.
MCP usa messaggi JSON-RPC 2.0. I trasporti standard sono stdio (server avviato come processo locale) e Streamable HTTP per i server remoti, che usano OAuth per l'autorizzazione. Una chiamata a uno strumento:
{ "jsonrpc": "2.0", "id": 7, "method": "tools/call",
"params": { "name": "calendar_create_event",
"arguments": { "title": "Cena da Marco", "start": "2026-10-16T20:00" } } }
Rischi specifici: descrizioni degli strumenti manipolate (tool poisoning), server di terze parti non verificati, token con permessi troppo ampi. Contromisure: server da fonti affidabili, permessi minimi, conferma sulle azioni di scrittura, separazione tra server che leggono dati non fidati e server che possono inviare dati all'esterno.
Il percorso lo disegni tu, trascinando mattoncini (nodi) con il mouse. È sempre lo stesso, quindi è prevedibile e facile da controllare. L'AI è uno dei mattoncini, usata per un compito preciso (leggere, classificare, riassumere).
Il percorso lo decide l'AI di volta in volta. Gestisce casi imprevisti, ma è meno prevedibile e costa di più.
LangChain/LangGraph, LlamaIndex, CrewAI, Semantic Kernel e gli SDK dei produttori: "kit di montaggio" per programmatori che costruiscono app basate sull'AI. Coordinano modelli, strumenti, memoria e documenti. Si usano scrivendo codice.
Quale scegliere. Se il processo è sempre uguale (fatture, report settimanali, notifiche), un'automazione a blocchi è più affidabile ed economica. L'agente conviene quando i casi sono troppo vari per disegnarli tutti. Spesso la soluzione migliore è mista: un flusso fisso con un nodo "agente" solo dove serve flessibilità. n8n si può installare sul proprio server; Make e Zapier sono solo cloud.
Assistente personale open-source che installi sul tuo computer o su un server. Gli scrivi da WhatsApp, Telegram o altre chat come a un collega, e agisce davvero: gestisce file, email, calendario, navigazione web. Si collega a modelli cloud o locali e si estende con le "skills".
Claude Code, Codex, Cursor, GitHub Copilot: leggono un intero progetto, scrivono e modificano codice, eseguono i test e correggono gli errori.
L'AI "vede" lo schermo tramite screenshot e usa mouse e tastiera come una persona. Utile con programmi che non hanno altri collegamenti; più lento e fragile delle integrazioni dirette.
Un esempio realistico. «Ogni mattina alle 8 mandami su Telegram gli impegni di oggi, il meteo e le email importanti arrivate di notte». Un assistente così lo fa da solo ogni giorno. Il rischio: quelle email possono contenere testo scritto per ingannarlo (prompt injection), e lui ha in mano il tuo account.
Modello di sicurezza consigliato. Container o VM dedicata, account e token separati da quelli personali principali, permessi in sola lettura dove possibile, allowlist dei comandi eseguibili, nessun accesso diretto a credenziali bancarie, revisione del codice delle skills e log delle azioni. Tratta l'assistente come un collaboratore esterno con accesso limitato, non come te stesso.
ChatGPT, Claude, Gemini o Copilot hanno versioni gratuite. Inizia da cose concrete: spiegami questa bolletta, riscrivi questa email in modo più gentile, prepara una lista della spesa per 4 persone.
Di' chi sei, cosa vuoi, per chi e in che formato. «Spiegami il mutuo a tasso variabile come a un ragazzo di 16 anni, in 5 punti» funziona molto meglio di «mutuo variabile?».
Non è un motore di ricerca: è una conversazione. Se la risposta non va bene, dillo: «più breve», «con un esempio», «non ho capito il punto 2».
Usarla meglio.
Ogni termine ha una definizione breve, una spiegazione dettagliata con esempio e il collegamento alla slide dove se ne parla. È sempre raggiungibile dal pulsante 📖 Glossario in alto.