Glossario dell'intelligenza artificiale: i termini spiegati

Questo glossario dell'intelligenza artificiale spiega in parole semplici i termini che incontri più spesso quando si parla di AI in azienda: da modello linguistico a token, da RAG ad agente, da allucinazione ad AI Act. I termini sono raggruppati per area e, all'interno di ciascuna, in ordine alfabetico.

Non serve leggerlo tutto di fila: usalo come riferimento quando una parola in una riunione, in un preventivo o in un articolo non ti è chiara.

I concetti di base

Algoritmo

Un algoritmo è una sequenza di istruzioni che un computer segue per risolvere un problema. Nell'intelligenza artificiale moderna gli algoritmi non contengono le risposte scritte a mano: definiscono il modo in cui il sistema impara dai dati.

Apprendimento automatico (machine learning)

L'apprendimento automatico è il ramo dell'AI in cui un sistema impara a svolgere un compito analizzando esempi, invece di seguire regole programmate una per una. Un filtro antispam che migliora vedendo migliaia di email classificate è un esempio classico.

Apprendimento profondo (deep learning)

L'apprendimento profondo è una forma di apprendimento automatico basata su reti neurali con molti strati. È la tecnica alla base del riconoscimento delle immagini, della trascrizione vocale e dei modelli linguistici.

Intelligenza artificiale

L'intelligenza artificiale è l'insieme delle tecniche che permettono a un computer di svolgere compiti che di solito richiedono intelligenza umana, come comprendere il linguaggio, riconoscere immagini, fare previsioni o prendere decisioni.

Intelligenza artificiale generativa

L'AI generativa è la parte dell'intelligenza artificiale che produce contenuti nuovi: testi, immagini, audio, video o codice. Se vuoi capire come funziona, leggi la spiegazione su come funziona l'intelligenza artificiale generativa.

Rete neurale

Una rete neurale è un modello matematico composto da tanti piccoli elementi collegati tra loro, ispirato in modo molto approssimativo al funzionamento dei neuroni. Ogni collegamento ha un peso numerico che viene regolato durante l'addestramento.

Come funzionano i modelli

Questa sezione raccoglie i termini tecnici che compaiono più spesso nelle schede dei prodotti e nei listini dei fornitori. Conoscerli aiuta a confrontare offerte diverse senza farsi confondere dalle sigle.

Non è necessario padroneggiarli tutti: per la maggior parte delle decisioni aziendali bastano token, finestra di contesto e la differenza tra addestramento e inferenza.

Addestramento (training)

L'addestramento è la fase in cui un modello impara, analizzando grandi quantità di dati e regolando i propri parametri. Per i grandi modelli richiede enormi risorse di calcolo e viene svolto dal fornitore, non dall'azienda che usa il modello.

Embedding

Un embedding è la rappresentazione di un testo, o di un'immagine, sotto forma di lunga sequenza di numeri. Testi con significato simile hanno embedding vicini: per questo gli embedding permettono di cercare per significato e non solo per parole esatte.

Fine-tuning

Il fine-tuning è un addestramento aggiuntivo, su dati specifici, di un modello già addestrato, per adattarlo a un compito o a uno stile. Spesso, per far lavorare un modello sui documenti aziendali, è più semplice ed economico usare la tecnica RAG.

Finestra di contesto

La finestra di contesto è la quantità massima di testo che un modello può considerare in una volta: le istruzioni, la conversazione, i documenti allegati e la risposta. Si misura in token.

Inferenza

L'inferenza è l'uso del modello già addestrato per produrre una risposta. Ogni volta che fai una domanda a un assistente AI avviene un'inferenza, ed è questa la parte che si paga a consumo.

Modello linguistico (LLM)

Un modello linguistico di grandi dimensioni, in inglese Large Language Model, è un modello addestrato su enormi quantità di testo per prevedere la parola successiva. Da questa capacità derivano la scrittura, il riassunto, la traduzione e il ragionamento su testi.

Modello multimodale

Un modello multimodale lavora con più tipi di contenuto: per esempio legge testo e immagini, ascolta audio o genera immagini a partire da una descrizione.

Parametri e pesi

I parametri, chiamati anche pesi, sono i valori numerici che il modello impara durante l'addestramento. Quando si parla di modelli "a pesi aperti" si intende che questi valori sono scaricabili e utilizzabili da chiunque, nei limiti della licenza.

Temperatura

La temperatura è un'impostazione che regola quanto le risposte del modello sono varie o prevedibili. Valori bassi danno risposte più stabili, utili per estrarre dati; valori alti danno più varietà, utile per idee creative.

Token

Un token è l'unità di testo con cui lavora un modello: una parola, una parte di parola o un segno di punteggiatura. Costi e limiti dei servizi AI si misurano quasi sempre in token.

Usare l'AI nel lavoro quotidiano

Assistente AI (chatbot)

Un assistente AI è un'applicazione con cui dialoghi in linguaggio naturale per ottenere risposte, testi, riassunti o analisi. ChatGPT, Claude, Gemini e Copilot sono gli esempi più noti.

Few-shot prompting

Il few-shot prompting è la tecnica di inserire nel prompt alcuni esempi del risultato desiderato, così che il modello ne imiti tono e struttura.

Prompt

Il prompt è la richiesta che scrivi al modello, comprese le istruzioni, il contesto e il materiale allegato. Dalla sua qualità dipende gran parte del risultato: trovi il metodo nella guida su come scrivere un prompt efficace.

Prompt di sistema

Il prompt di sistema è un insieme di istruzioni di base, definite da chi configura l'applicazione, che il modello riceve prima dei messaggi dell'utente. Stabilisce ruolo, tono e limiti dell'assistente.

RAG (Retrieval-Augmented Generation)

La RAG è una tecnica che fa rispondere il modello sulla base di documenti specifici: il sistema cerca prima i passaggi rilevanti in un archivio e poi li passa al modello insieme alla domanda. È il modo più comune per usare l'AI con i documenti aziendali, come spiegato nella guida dedicata alla RAG per i documenti aziendali.

Riconoscimento vocale

Il riconoscimento vocale è la trascrizione automatica del parlato in testo. Combinato con un modello linguistico permette di ottenere verbali e riassunti delle riunioni.

Agenti, automazioni e integrazioni

Quando l'AI esce dalla finestra di chat ed entra nei processi aziendali compare un nuovo vocabolario. Sono termini che riguardano il modo in cui il modello si collega agli altri programmi.

Qui la distinzione più importante è tra un sistema che risponde e un sistema che agisce, perché cambia il tipo di controllo necessario.

Agente AI

Un agente AI è un sistema che riceve un obiettivo e compie da solo una serie di azioni per raggiungerlo, usando strumenti come ricerca, file e applicazioni. Trovi una spiegazione completa nell'articolo su che cos'è un agente AI.

API

Un'API è un'interfaccia che permette a un programma di comunicare con un altro. I modelli AI si usano via API quando vengono integrati in un'applicazione o in un'automazione, invece che tramite la chat.

Automazione dei flussi di lavoro

L'automazione dei flussi di lavoro collega applicazioni diverse perché svolgano una sequenza di passaggi senza intervento manuale. Piattaforme come n8n permettono di inserire l'AI nei punti in cui serve interpretare testo o documenti.

Model Context Protocol (MCP)

Il Model Context Protocol è uno standard aperto, presentato a fine 2024, che definisce un modo comune per collegare modelli AI a dati e strumenti esterni. Con MCP lo stesso connettore può essere usato da assistenti e agenti diversi.

Modello aperto (open weights)

Un modello aperto è un modello di cui sono disponibili i pesi, che si possono scaricare e usare sui propri server. Llama e Mistral sono esempi noti. Aperto non significa sempre open source in senso pieno: conta la licenza.

Rischi, regole e sicurezza

AI Act

L'AI Act è il regolamento europeo sull'intelligenza artificiale, in vigore dal 1° agosto 2024. Classifica i sistemi in base al rischio e si applica a scaglioni: divieti e obbligo di alfabetizzazione dal 2 febbraio 2025, obblighi per i modelli per finalità generali dal 2 agosto 2025. Per le scadenze successive conviene verificare il calendario aggiornato.

Alfabetizzazione in materia di AI

L'alfabetizzazione in materia di AI è l'insieme di competenze che permette di usare i sistemi di intelligenza artificiale in modo consapevole, conoscendone opportunità e rischi. L'articolo 4 dell'AI Act chiede a chi fornisce o utilizza sistemi AI di adottare misure per svilupparla nel proprio personale.

Allucinazione

Un'allucinazione è un'informazione falsa prodotta da un modello con apparente sicurezza, come una fonte inesistente o un numero inventato. Per capire perché succede leggi l'articolo sulle allucinazioni dell'intelligenza artificiale.

Bias

Il bias è una distorsione sistematica nei risultati di un modello, spesso ereditata dai dati di addestramento. Può portare a risposte o decisioni che penalizzano in modo ingiusto determinati gruppi.

Human in the loop

Con "human in the loop" si indica un processo in cui una persona controlla o approva il lavoro dell'AI prima che produca effetti, per esempio rileggendo una risposta prima dell'invio.

Prompt injection

La prompt injection è un attacco in cui un testo letto dal modello, come una pagina web o un'email, contiene istruzioni nascoste che cercano di fargli fare qualcosa di non autorizzato. È uno dei rischi principali per gli agenti AI.

Responsabile del trattamento

Nel GDPR, il responsabile del trattamento è il soggetto che tratta dati personali per conto di un'azienda. Un fornitore di servizi AI che elabora i dati dei tuoi clienti rientra spesso in questa figura, e l'articolo 28 richiede un contratto che ne regoli gli obblighi.