Liberare l'intelligenza umana

Quando spiego l'intelligenza artificiale in aula, la prima cosa che faccio è togliere la nebbia. Perché la paura, quasi sempre, nasce dal non capire come funziona davvero questa tecnologia. E la buona notizia è che capirla, almeno nei suoi meccanismi essenziali, è molto più semplice di quanto sembri. Non devi saper programmare. Ti basta seguire il ragionamento che facciamo qui sotto, un passo alla volta.

01Come siamo arrivati all'AI di oggi

Per decenni i ricercatori hanno provato a costruire sistemi che imitassero il ragionamento umano: regole, logica, simboli, grammatiche. Un'idea elegante che però non funzionava abbastanza bene. Il mondo reale è troppo ambiguo per essere chiuso dentro un insieme di regole scritte a mano.

La svolta è arrivata quando si è trovata una scorciatoia. Si è smesso di cercare la comprensione, cioè un motore semantico, e si è puntato sulla previsione, cioè un motore statistico: trovare pattern ricorrenti in enormi quantità di dati. Da qui nascono i sistemi moderni, che non pensano e non capiscono, ma che predicono molto bene.

Lo spiego sempre con un gioco. Prova a completare questa frase:

Il sole sorge a...

Anche senza sapere cos'è il sole o cosa significhi sorgere, se hai letto migliaia di testi sai che la parola più probabile è est. Funziona esattamente così anche l'intelligenza artificiale moderna: non capisce, indovina la continuazione più probabile in base a ciò che ha visto più spesso.

Ed è qui la vera rivoluzione, quella che ribalta tutte le aspettative: l'AI non è intelligente come noi. È efficace in modo diverso. Tenere a mente questa distinzione cambia completamente il modo in cui la usi.

02GPT, reti neurali e tipi di modelli

Avrai sentito parlare di ChatGPT. Ma cosa significa davvero GPT? Sono tre parole, e ognuna dice qualcosa di preciso.

• Generative: genera testo, non si limita a classificarlo.
• Pre-trained: è stato addestrato su enormi quantità di dati prima di arrivare nelle tue mani.
• Transformer: usa un'architettura chiamata Transformer, di cui parlo tra poco.

In pratica GPT è un tipo specifico di intelligenza artificiale che genera risposte basandosi su ciò che ha visto durante l'addestramento.

Le reti neurali, il cervello artificiale

Una rete neurale, detta in modo molto semplice, è un sistema fatto di strati di neuroni artificiali connessi tra loro. Il flusso è questo:

1. Riceve dati in ingresso, ad esempio una frase.
2. I neuroni elaborano questi dati attraverso vari strati.
3. Ogni neurone impara a riconoscere pattern specifici.
4. Produce un risultato, ad esempio la prossima parola più probabile.

Nei miei corsi uso quasi sempre la stessa immagine: pensa a una rete neurale come a un setaccio con migliaia di filtri. Ogni filtro riconosce qualcosa di specifico, una lettera, una parola, un concetto, e insieme costruiscono una comprensione statistica del testo.

Diversi modelli, diverse capacità

Come esistono diversi tipi di motore per le auto, esistono diversi tipi di modelli di intelligenza artificiale, ognuno ottimizzato per compiti diversi. È un confronto che in aula chiarisce subito le idee.

Non esiste un modello migliore in assoluto. Esiste il modello giusto per il compito giusto. Come non useresti un motore diesel per una Formula 1, non metteresti un pesante modello generativo a fare una semplice classificazione.

03Come funziona davvero un LLM

Un Large Language Model prevede la sequenza più probabile di token, basandosi sui pattern statistici appresi durante l'addestramento. Detto in modo brutale, è una macchina del prossimo pezzettino di testo. E va detto chiaramente cosa non è:

• non ha intenzioni;
• non ha coscienza;
• non ha comprensione semantica.

Eppure produce testi, codice e risposte utili. Perché? Perché la previsione statistica, applicata a miliardi di esempi, è straordinariamente efficace nel replicare gli schemi del linguaggio umano. La quantità, a un certo punto, diventa una forma di qualità.

04I Transformer e la finestra di contesto

L'architettura che ha reso possibile tutto questo si chiama Transformer. L'idea chiave è l'attenzione:

• Non lineare: il modello non legge il testo da sinistra a destra come faremmo noi.
• Relazioni: pesa le relazioni tra le diverse parti del testo, anche lontane tra loro.
• Probabilità: costruisce una mappa probabilistica del linguaggio.

È un'architettura potente, ma costosa ed energivora, e non sempre necessaria. Il paper fondamentale del 2017, Attention Is All You Need, ha cambiato per sempre il panorama dell'AI.

Il problema della finestra di contesto

C'è un limite che vale la pena capire bene, perché spiega molti comportamenti strani dell'AI: la finestra di contesto. Ogni modello può ricordare solo una quantità limitata di conversazione.

• GPT-4: circa 8.000 fino a 128.000 token, a seconda della versione.
• Claude: fino a 200.000 token.
• Gemini: fino a 1.000.000 di token.

Un token è circa tre quarti di una parola. Quindi 8.000 token sono circa 6.000 parole. Cosa succede quando la finestra si riempie? Il modello dimentica le parti iniziali della conversazione. È come parlare con qualcuno che ha una memoria a breve termine limitata: dopo un po' non ricorda più da dove eravate partiti. Quando un'AI sembra perdere il filo, di solito è proprio questo che sta succedendo.

05Oltre i Transformer: gli SSM

Negli ultimi anni stanno emergendo alternative interessanti, in particolare gli SSM, i State Space Models. Rispetto ai Transformer classici offrono alcuni vantaggi:

• Velocità: sono più leggeri ed efficienti dal punto di vista computazionale.
• Scalabilità: gestiscono meglio sequenze di testo molto lunghe.
• Continuità: tengono meglio il filo nei testi lunghi e nella continuità narrativa.

Gli State Space Models rappresentano un'evoluzione recente e promettente: consumano meno risorse e affrontano meglio i testi lunghi. Sono particolarmente interessanti dove conta l'efficienza energetica, anche se la tecnologia è ancora in fase di sviluppo. Vale la pena tenerli d'occhio, perché il futuro dell'AI non sarà fatto di un'unica architettura.

06Epanortosi e allucinazioni: riconoscere il testo AI

Non sono un marketer. Sono un architetto di strategie. Non vendo prodotti. Costruisco esperienze.

Un tipico post generato dall'AI

Lo riconosci subito che è AI, vero? Questa è l'epanortosi enfatica: una figura retorica che i modelli usano in modo sistematico, perché generano il testo token per token e si correggono in corsa per enfatizzare il concetto.

Cos'è l'epanortosi enfatica

L'epanortosi è quando ti correggi subito dopo un'affermazione per renderla più forte: Questo prodotto è buono, anzi eccellente. La introducono parole come anzi, o meglio, piuttosto, no mi correggo. Esiste da secoli nella retorica. Il problema è che l'AI ne abusa.

Perché l'AI ne abusa

1. Generazione token per token: il modello formula un'idea iniziale e, mentre la scrive, capisce che può renderla più forte, quindi aggiunge subito una correzione enfatica.
2. Training su testi drammatici: è addestrato su miliardi di testi presi da internet, post di LinkedIn, tweet, copywriting persuasivo, dove l'epanortosi è legata ai contenuti che generano più reazioni.
3. Algoritmi dei social: l'epanortosi funziona perché è drammatica, sembra profonda e si diffonde facilmente. Il modello ha imparato che questo tipo di linguaggio paga.

Allucinazioni: quando l'AI inventa con sicurezza

L'altra cosa da saper riconoscere sono le allucinazioni, cioè quando il modello genera informazioni plausibili ma false, e lo fa con grande sicurezza. Ecco le forme più comuni:

• Citazioni inventate: come disse Einstein nel 1947, che Einstein non ha mai detto.
• Statistiche false: il 73% degli italiani, un dato che non esiste.
• Riferimenti bibliografici fasulli: libri o articoli mai scritti.
• Codice che compila ma non fa quello che dovrebbe.
• Pattern ripetitivi del tipo non è solo X, è Y, usati più volte.
• False dicotomie: non faccio A, faccio B, come se fossero per forza alternative.

Come riconoscere e usare meglio il testo AI

Quello che insegno è semplice: imparare a usarla con consapevolezza, invece di affidarsi al suo pilota automatico. In pratica:

• Cerca l'epanortosi ripetuta: anzi, o meglio, piuttosto usati troppo spesso.
• Diffida del linguaggio grandioso senza sostanza, tipo costruttore di futuro o architetto del cambiamento.
• Verifica sempre le informazioni di fatto: date, nomi, numeri, citazioni.
• Chiedi le fonti in modo esplicito: Cita le tue fonti oppure Se non lo sai, dimmelo.
• Usa sistemi RAG per ancorare le risposte a documenti verificati.

07AI online e AI offline

Arriviamo a uno dei punti più importanti, soprattutto per le piccole imprese e i professionisti: dove gira l'AI che usi. La differenza tra AI nel cloud e AI in locale non è un dettaglio tecnico, è una scelta strategica.

È una scelta di posizionamento, oltre che tecnica, e oggi non è più riservata solo alle grandi aziende. Anche una realtà piccola può decidere quanto dei propri dati lasciare uscire e quanto tenere in casa.

08Automazione, agenti e dati

Ti dico una cosa che spiazza spesso chi parte entusiasta: l'AI da sola è poco utile. Il valore non nasce nella chat, nasce quando l'AI entra in un sistema. L'obiettivo non è fare conversazione, è far lavorare i dati.

Un agente AI fa proprio questo: accede a strumenti reali, come email, calendario, database, prende decisioni e agisce in autonomia. La chat diventa solo l'interfaccia, la punta dell'iceberg. Per costruire sistemi AI che servono davvero servono quattro ingredienti:

• dati strutturati;
• processi chiari;
• automazioni;
• integrazione con gli strumenti reali che usi ogni giorno.

Qui entrano in gioco tre famiglie di soluzioni: la workflow automation, gli agenti AI e i sistemi RAG, cioè AI che lavora sui tuoi documenti.

Come la vedo io, e come la vediamo in Binatomy

Binatomy nasce proprio da questa visione: non vendere chat, ma costruire strumenti e sistemi. Oggi usiamo l'AI tramite API cloud, perché è lo standard attuale, sarebbe ipocrita far finta di no. Ma l'obiettivo è chiaro: portare l'intelligenza artificiale sempre più vicino alle aziende, fino a renderla locale, controllabile e sostenibile. Per questo lavoriamo su quattro fronti:

• sviluppiamo applicazioni che integrano l'AI nei processi reali;
• lavoriamo sui dati e sulla knowledge base delle aziende;
• costruiamo una community di sperimentazione;
• creiamo contenuti e percorsi di formazione accessibili, perché capire viene prima di adottare.

09Dalla teoria alla tua AI

Il punto di arrivo di tutto questo percorso è un'idea che mi piace chiamare la tua AI. Prima ancora di essere un prodotto, è un metodo in tre passi:

1. prendi la tua knowledge base;
2. prendi i tuoi dati;
3. prendi i processi della tua azienda.

E con questi crei un agente che conosce il tuo dominio, dialoga con i tuoi dati, può fungere da CRM o gestionale intelligente e, col tempo, diventare uno specialista verticale del tuo settore. Qualche esempio concreto:

• una palestra costruisce il suo personal trainer AI;
• uno studio professionale ha un assistente normativo;
• un'azienda crea un operatore interno AI;
• un brand offre un'interfaccia intelligente ai propri clienti.

L'evoluzione naturale? Ospitarlo su un tuo dispositivo o server, così da avere fisicamente la tua AI, sotto il tuo controllo. Non un servizio che noleggi, ma uno strumento che possiedi.

10Una nuova economia sta nascendo

L'intelligenza artificiale sta ridefinendo il mercato del lavoro e sta creando ruoli che fino a pochi anni fa non esistevano. Stanno emergendo figure come:

• specialisti ETL, cioè di estrazione e preparazione dei dati;
• automation designer, che progettano flussi automatici;
• sviluppatori assistiti dall'AI;
• designer che lavorano con componenti intelligenti, su Figma e sui design system;
• architetti di processi.

In questo ecosistema emergerà chi sarà capace di progettare sistemi complessi, non chi saprà solo scrivere un buon prompt. La competenza non sparisce, si sposta verso l'alto.

11L'intelligenza resta umana

L'AI accelera, e lo fa in modo impressionante. Ma ci sono tre cose che non delega a nessuno:

• il giudizio resta umano;
• la responsabilità resta umana;
• l'etica resta umana.

Il senso di tutto questo non è sostituire le persone, ma liberarle.

Liberarle dal lavoro ripetitivo, dal caos informativo, dalla gestione manuale dei dati. È per questo che il titolo di questo articolo parla di liberare l'intelligenza umana, non di sostituirla. L'AI è una leva: il fulcro restiamo noi.

12Risorse e glossario

Letture consigliate

• La scorciatoia, Nello Cristianini.
• Machina Sapiens, Nello Cristianini.
• Sovrumano, Nello Cristianini.
• Superintelligenza, Nick Bostrom.
• La differenza fondamentale, Luciano Floridi.

Strumenti da cui partire

• n8n: piattaforma open source per l'automazione dei workflow, anche self-hosted.
• Ollama: per far girare modelli LLM in locale, sul tuo computer.
• LangChain: framework per costruire applicazioni AI basate sui tuoi documenti.
• ChromaDB e Qdrant: database vettoriali per la ricerca semantica e i sistemi RAG.

Piccolo glossario

Le parole che tornano più spesso, spiegate in una riga:

• GPT: Generative Pre-trained Transformer, un modello che genera testo a partire dai pattern appresi.
• LLM: Large Language Model, modello di linguaggio addestrato su miliardi di parole (GPT-4, Claude, Mistral).
• RAG: Retrieval-Augmented Generation, tecnica che fa consultare al modello documenti verificati prima di rispondere, riducendo le allucinazioni.
• Transformer: architettura di rete neurale basata sull'attention, alla base dei modelli linguistici moderni.
• Token: l'unità minima di testo che il modello elabora, una parola, parte di parola o carattere.
• Temperature: parametro che regola la creatività; valori bassi (0.1 a 0.3) danno risposte precise, valori alti (0.7 a 1.0) risposte più varie.
• Context window: la quantità massima di testo che il modello vede contemporaneamente.
• Embedding: la rappresentazione numerica del significato di una parola o frase.
• Fine-tuning: la specializzazione di un modello già addestrato sui dati del tuo dominio.
• API: l'interfaccia che permette a software diversi di parlarsi, e ai programmi di interrogare i modelli AI.
• Allucinazione: quando il modello genera con sicurezza informazioni plausibili ma false.
• Prompt: l'istruzione o la domanda che dai al modello; la sua qualità influenza direttamente la risposta.