Le parole, senza il gergo intorno.

A

Abbandono

churn

La quota di clienti che smette di comprare in un dato periodo. Nelle aziende ad acquisto ricorrente è l’indicatore che decide il destino più di qualsiasi campagna di acquisizione.

In praticaIl cliente che smette raramente lo comunica. Se ne va in silenzio, e se ne accorge solo chi guarda i comportamenti d’acquisto invece delle disdette.

Addestramento

training

Il processo con cui un modello ricava il proprio comportamento da un insieme di esempi, aggiustando i propri parametri finché l’errore non scende. È la fase costosa, e avviene una volta sola: dopo, il modello viene solo interrogato.

In praticaNessuna PMI addestra un modello da zero. Le operazioni realistiche sono altre due: dargli il contesto giusto al momento della domanda, oppure il fine-tuning su casi ripetitivi.

Agente AI

AI agent

Un sistema che non si limita a rispondere. Riceve un obiettivo, decide da sé quali passi compiere e usa strumenti esterni (leggere una casella di posta, scrivere su un foglio, interrogare un gestionale) finché il compito non è chiuso.

Quello che lo separa da un chatbot non è la bravura, ma il permesso di agire. Ed è per questo che un agente va perimetrato prima di essere acceso.

In praticaUn chatbot vi dice qual è lo stato di un ordine. Un agente lo cerca nel gestionale, scopre che è fermo in dogana, prepara la mail al cliente e la lascia in bozza in attesa che qualcuno la legga.

AI Act

regolamento UE 2024/1689

La prima legge organica al mondo sull’intelligenza artificiale, in vigore dal 1° agosto 2024 con applicazione scaglionata. Non regola la tecnologia in sé: classifica gli usi per livello di rischio, e da quello fa discendere gli obblighi.

Le pratiche vietate e l’obbligo di alfabetizzazione del personale sono operativi da febbraio 2025; gli obblighi sui sistemi ad alto rischio arrivano dopo. Per la larghissima maggioranza delle PMI l’impatto reale è modesto: rispondere a un cliente o compilare un documento non è un uso ad alto rischio. Lo diventa quando un sistema seleziona persone, valuta l’accesso a un servizio essenziale o incide su un diritto.

In praticaLa domanda non è «usiamo l’AI?», ma «in quale punto una decisione automatica tocca una persona?». Se la risposta è nessuno, gli obblighi pesanti non vi riguardano. Se è uno, riguardano quello.

Algoritmo

Una sequenza definita di passi per risolvere un problema. Nel dibattito pubblico la parola ha assunto un significato più sinistro di quello reale: la maggior parte degli algoritmi che governano un’azienda sono regole scritte da qualcuno e leggibili da chiunque.

In pratica«Lo decide l’algoritmo» non è una risposta. Se nessuno in azienda sa spiegare la regola, vuol dire che è stata adottata senza leggerla.

Allucinazione

hallucination

Il caso in cui un modello produce un’affermazione fluente, plausibile e falsa, con la stessa sicurezza con cui ne produce una vera. Un LLM prevede il testo probabile, non quello corretto: l’allucinazione è il prodotto normale di quella meccanica, non un suo malfunzionamento.

Non si elimina. Si contiene, dando al sistema una base di conoscenza da cui attingere (RAG) e mettendo una persona nel punto in cui l’errore costerebbe caro.

In praticaIl rischio non sta nel fatto che il sistema sbagli, ma che sbagli con sicurezza, dentro una risposta a un cliente che nessuno ha riletto.

Allucinazioni AI: cosa sono, esempi e come evitarle →

Ambiente di prova

staging · sandbox

Una copia del sistema dove si prova una modifica prima di applicarla al sistema vero. Costa poco e impedisce la categoria di errori più costosa: quella che si scopre in produzione.

In praticaPer un’automazione che manda messaggi a clienti veri, provare in produzione vuol dire spedire una comunicazione sbagliata a qualcuno in carne e ossa.

Anagrafica

master data

I dati di base che identificano clienti, fornitori e prodotti, e che tutti gli altri sistemi richiamano. Quando l’anagrafica è sporca, ogni analisi costruita sopra eredita lo sporco.

In praticaLo stesso cliente scritto in quattro modi diversi vi lascia un fatturato spezzato in quattro, che nessun rapporto ricompone.

API

application programming interface

La porta di servizio di un programma: il punto in cui un altro programma può chiedergli dati o azioni senza passare dall’interfaccia pensata per gli umani. È ciò che rende possibile l’integrazione.

In pratica«Il gestionale ha le API?» è la prima domanda tecnica da fare a un fornitore, e la risposta decide se un’integrazione costa giorni o mesi.

Apprendimento non supervisionato

unsupervised learning

L’addestramento su dati senza etichette, in cui il sistema cerca da sé strutture ricorrenti: gruppi di clienti simili, comportamenti anomali, schemi nascosti.

In praticaUtile per scoprire, non per decidere. Un raggruppamento va sempre riletto da chi conosce l’azienda, perché la macchina trova regolarità anche dove non significano niente.

Apprendimento per rinforzo

reinforcement learning · RL

L’addestramento per tentativi e ricompense: il sistema prova, riceve un punteggio e corregge la strategia. È il metodo dietro i sistemi di gioco e, in forma modificata, dietro l’allineamento dei modelli linguistici al comportamento desiderato.

Apprendimento supervisionato

supervised learning

L’addestramento su esempi già etichettati: a ogni ingresso è associata la risposta giusta. È il caso più comune nelle applicazioni aziendali e il più affidabile, perché l’obiettivo è definito senza ambiguità.

In praticaServe qualcuno che etichetti. È la parte di lavoro umano che i preventivi dimenticano di prezzare.

Attenzione

attention

Il meccanismo con cui un modello decide, parola per parola, a quali altre parti del testo guardare. È ciò che consente di tenere insieme un riferimento a inizio documento e la frase che lo richiama in fondo.

Autenticazione a due fattori

2FA · MFA

La verifica dell’identità con due elementi indipendenti: una password e un codice temporaneo. È la singola misura con il miglior rapporto fra protezione ottenuta e fastidio introdotto.

In praticaVa messa per prima sulle caselle di posta, non sui gestionali. La posta è il luogo da cui si reimpostano le password di tutto il resto.

Automazione

Far eseguire a una macchina un passaggio che oggi qualcuno esegue a mano, con lo stesso esito e senza il suo tempo. Non richiede intelligenza artificiale: la maggior parte delle automazioni che restituiscono ore in una PMI sono regole deterministiche, non modelli.

In praticaPrima di chiedersi quale AI serve, conviene chiedersi se il passaggio serve. Automatizzare un passaggio inutile lo rende un passaggio inutile più veloce.

Automazione dei flussi

workflow automation

L’automazione di una sequenza di passaggi che attraversa persone e sistemi diversi, non di una singola azione isolata. È il livello a cui si liberano ore vere.

In praticaIl tempo in una PMI non si perde nei singoli gesti: si perde nei passaggi di mano fra un gesto e l’altro. Si misura lì, nell’attesa fra un compito e il successivo.

Autonomia

livello di autonomia

Quanto un sistema può fare senza chiedere. Va pensata come una scala, non come un interruttore: proporre, preparare, eseguire e avvisare, eseguire in silenzio.

È la decisione di progetto più importante e quasi sempre l’unica presa per abitudine invece che per scelta.

In praticaSi alza un gradino alla volta, dopo che il gradino precedente ha funzionato per settimane. Chi parte dall’ultimo gradino non ha costruito un sistema più avanzato: ha saltato la prova.

Autonomo dal fornitore

self-hosted

Software installato e gestito su infrastruttura propria, spesso a partire da progetti a codice aperto. Toglie il canone e aggiunge la manutenzione: non è gratis, è pagato in ore.

B

Backup

copia di sicurezza

Una copia dei dati conservata separatamente. Il numero che conta non è ogni quanto viene fatta, ma quando è stata verificata l’ultima volta ripristinandola davvero.

In praticaUn backup mai testato vale quanto una speranza, con in più una pianificazione automatica.

Base di conoscenza

knowledge base

L’insieme ordinato di ciò che un’azienda sa già (schede prodotto, listini, condizioni di vendita, regolamenti interni, le risposte date mille volte) messo in una forma che un sistema può interrogare.

È il pezzo che quasi nessuno vuole costruire e senza il quale ogni assistente automatico resta generico.

In praticaEsiste già, ma sparsa: nella testa di due persone, in una cartella condivisa, in dieci anni di email inviate. Il lavoro non è crearla, è raccoglierla.

Bias algoritmico

distorsione

La tendenza sistematica di un modello a favorire o penalizzare certi casi, ereditata dai dati su cui è stato addestrato. Il sistema non ha opinioni. Riproduce in forma statistica la storia che gli è stata data.

Diventa un problema legale, oltre che etico, quando il sistema incide su persone: selezione del personale, accesso al credito, valutazione di una richiesta.

In praticaUn sistema addestrato su come avete deciso finora ripeterà anche gli errori che avete fatto finora, ma più in fretta e su più casi.

C

Catena di pensiero

chain of thought · CoT

La tecnica per cui si chiede al modello di esporre i passaggi intermedi prima della conclusione. Migliora l’affidabilità sui compiti a più passi e rende l’errore individuabile, perché si vede dove il ragionamento ha deviato.

Chatbot

Un’interfaccia che risponde in forma di conversazione. Il termine descrive come si presenta un sistema, non quanto è capace: sotto la stessa finestrella può esserci un albero di risposte fisse scritto dieci anni fa o un modello collegato alla base di conoscenza aziendale.

In praticaLa domanda utile non è «mi serve un chatbot?», ma «a quali domande rispondiamo dieci volte al giorno?». Se non ce ne sono, il chatbot non ha lavoro da fare.

Cloud

nuvola

L’esecuzione di software su server di terzi, pagati a consumo. Elimina l’acquisto di macchine e introduce una dipendenza: la disponibilità del vostro lavoro dipende da un contratto e da una connessione.

Coda

queue

Una lista d’attesa fra due sistemi che lavorano a velocità diverse. Assorbe i picchi e fa in modo che niente vada perso quando l’uno produce più in fretta di quanto l’altro consumi.

Coda lunga

long tail

L’insieme delle ricerche poco frequenti e molto specifiche, che sommate superano quelle generiche. Sono meno contese e portano visitatori che sanno già cosa vogliono.

In pratica«Automazione aziendale» è contesa da tutti. «Come ridurre le mancate presentazioni in un ristorante» la cerca chi ha quel problema e basta.

Coltivazione dei contatti

lead nurturing

La sequenza di contatti utili verso chi non è ancora pronto a comprare, per restare presenti fino al momento in cui lo sarà.

In praticaLa differenza fra coltivare e assillare non sta nella frequenza: sta nel fatto che ogni messaggio contenga qualcosa di utile anche a chi non comprerà mai.

Continuità operativa

disaster recovery

Il piano che stabilisce come si torna a lavorare dopo un guasto grave, e in quanto tempo. Le due domande: quanto tempo possiamo restare fermi, e quanti dati possiamo permetterci di perdere?

Copilota

copilot · assistente

Un sistema che affianca una persona nel suo lavoro invece di sostituirla: propone, completa, riassume, e l’ultima parola resta all’operatore.

In praticaÈ la forma con cui l’AI entra in azienda con meno resistenza, perché non toglie niente a nessuno. Anche il guadagno è più piccolo e più difficile da misurare.

Costo di acquisizione

customer acquisition cost · CAC

Quanto costa in media portare a casa un cliente nuovo, contando tutto: pubblicità, tempo commerciale, strumenti. Va letto sempre insieme al valore nel tempo: da solo non dice niente.

In praticaUn cliente caro non è un problema se resta anni. Un cliente economico che se ne va dopo due mesi è una perdita.

Crittografia

La trasformazione dei dati in una forma illeggibile senza la chiave. Va distinta in due momenti: in transito, mentre viaggiano, e a riposo, mentre sono archiviati. Molti fornitori dichiarano la prima e tacciono sulla seconda.

CRM

customer relationship management

Il registro unico dei rapporti commerciali: chi è ogni contatto, cosa gli è stato detto, cosa deve succedere dopo e quando. Un CRM non produce vendite: rende visibile ciò che oggi vive in teste diverse e in caselle di posta separate.

In praticaIl fallimento tipico non è tecnico. Un CRM che nessuno aggiorna diventa un secondo lavoro e viene abbandonato in tre mesi: se non si riempie da solo con ciò che già accade, non reggerà.

CRM: cos’è, a cosa serve e quando conviene a una PMI →

Cruscotto

dashboard

La schermata che raccoglie gli indicatori in un punto solo. Il suo valore non sta nei grafici, ma nel fatto che qualcuno lo guardi e decida qualcosa.

In praticaUn cruscotto che nessuno apre da tre settimane ha già detto quello che c’era da sapere: quei numeri non servivano a nessuna decisione.

D

Database vettoriale

vector database

Un archivio che indicizza i documenti per significato invece che per parola esatta, usando gli embedding. È l’infrastruttura su cui poggia il RAG quando i documenti diventano molti.

In praticaÈ una risposta a un problema di volume. Introdurlo prima di avere quel volume aggiunge un pezzo da mantenere e non risolve niente.

Dataset

insieme di dati

La raccolta di esempi su cui un modello viene addestrato o valutato. La qualità del dataset determina il comportamento del modello più di qualsiasi scelta tecnica successiva.

In praticaVale anche in piccolo: se costruite un sistema che classifica le richieste dei clienti, la sua qualità dipenderà dagli esempi che gli avete dato, non dalla bravura di chi lo configura.

Dati strutturati per il web

schema markup · JSON-LD

Le annotazioni nascoste in una pagina che dicono ai motori cosa sono i suoi contenuti: un’azienda, una domanda frequente, un articolo, una definizione. Non cambiano ciò che vede l’utente; cambiano ciò che capisce la macchina.

Dato non strutturato

Tutto il resto: email, PDF, contratti, note vocali, la fotografia di una bolla scattata storta in magazzino. È la maggioranza dell’informazione che circola in un’azienda.

La ragione per cui l’AI è diventata rilevante per le imprese è precisamente questa: il non strutturato, che prima richiedeva una persona, ora è in parte lavorabile a macchina.

In praticaQuasi tutto il lavoro amministrativo consiste nel trasformare a mano il non strutturato in strutturato: leggere un PDF e ricopiarlo nel gestionale.

Dato strutturato

Ciò che sta in righe e colonne: una tabella di ordini, un’anagrafica, un estratto conto. È la forma in cui un dato è direttamente interrogabile, sommabile e confrontabile.

Deduplicazione

L’individuazione e la fusione di record che rappresentano la stessa entità scritta in modi diversi. È noioso, non è spettacolare, e nella pratica sblocca più valore di molti progetti di AI.

Deep learning

apprendimento profondo

Il ramo del machine learning basato su reti neurali a molti strati. È la tecnica che ha reso possibili il riconoscimento di immagini, la traduzione automatica di qualità e i modelli linguistici moderni.

In cambio della potenza chiede due cose: quantità di dati e potenza di calcolo. Nessuna delle due si trova dentro una PMI, ed è il motivo per cui questi modelli si affittano invece di costruirli.

Distillazione

distillation

La tecnica con cui un modello grande viene usato per addestrarne uno più piccolo che ne imiti il comportamento su un compito ristretto. Il risultato è più economico e più rapido, entro quel compito.

E

Elaborazione a lotti

batch

La lavorazione di molti elementi tutti insieme a intervalli fissi: ogni notte, ogni ora. Costa meno e semplifica il progetto, al prezzo dell’attesa.

In praticaVa benissimo per la contabilità e malissimo per una richiesta di un cliente. La domanda è sempre: chi sta aspettando questo risultato, e quanto può aspettare?

Embedding

rappresentazione vettoriale

La traduzione di un testo in una sequenza di numeri che ne rappresenta il significato. Serve perché due frasi che dicono la stessa cosa con parole diverse risultino vicine, e quindi trovabili l’una a partire dall’altra.

In praticaÈ il motivo per cui una ricerca ben costruita trova «il documento per la spedizione fuori Europa» anche se nel documento c’è scritto «dichiarazione di libera esportazione».

ERP e gestionale

enterprise resource planning

Il sistema in cui l’azienda registra ciò che accade davvero: ordini, magazzino, produzione, fatture. In molte PMI italiane è il pezzo più vecchio dell’infrastruttura e insieme il più importante, perché contiene la verità contabile.

In praticaVa collegato, non sostituito. Sostituire un gestionale che funziona è un progetto da mesi che produce zero valore nuovo: si paga per tornare al punto di partenza.

ERP: cos’è un gestionale ERP e cosa cambia dal CRM →

ETL

extract, transform, load

La sequenza con cui i dati vengono estratti da un sistema, riportati a un formato comune e caricati in un altro. È l’impianto idraulico di qualsiasi progetto sui dati.

F

Few-shot

apprendimento per esempi

La tecnica di includere nell’istruzione alcuni esempi svolti, così che il modello ricavi il formato atteso invece di doverselo immaginare. È il modo più economico per rendere costante un’uscita.

In praticaTre esempi reali presi dai vostri documenti valgono più di una pagina di istruzioni su come vorreste che fossero.

Fine-tuning

riaddestramento mirato

Il riaddestramento di un modello esistente su dati propri, perché adotti stabilmente un formato, un tono o un compito ripetitivo. Costa, richiede esempi in quantità e va rifatto quando il modello sottostante cambia.

In praticaServe molto meno spesso di quanto si creda. Nella maggioranza dei casi non manca un modello addestrato: mancano le informazioni giuste messe davanti a un modello normale.

Finestra di contesto

context window

La quantità massima di testo che un modello riesce a tenere davanti a sé in una sola volta: la domanda, i documenti allegati, la conversazione fin lì. Oltre quel limite non c’è un errore, c’è una dimenticanza silenziosa.

In praticaÈ la ragione per cui un assistente che ha funzionato benissimo per venti scambi comincia a contraddirsi al quarantesimo.

Flusso di lavoro

workflow

La sequenza reale dei passaggi con cui una cosa entra in azienda, viene lavorata e ne esce: chi la riceve, chi decide, chi esegue, chi controlla.

In praticaQuasi nessuno l’ha scritto. Automatizzare prima di averlo scritto significa mettere velocità dentro il disordine, e il disordine veloce è peggio di quello lento: fa danni prima che qualcuno se ne accorga.

Workflow: significato, esempi e automazione in azienda →

Fonte unica di verità

single source of truth

Il principio per cui ogni informazione ha un solo luogo ufficiale, e tutti gli altri lo leggono invece di tenerne una copia. È l’unica difesa strutturale contro il disallineamento.

In praticaIl sintomo che manca: due persone in riunione con due numeri diversi sulla stessa cosa, ed entrambi presi da un sistema aziendale.

G

GDPR

regolamento UE 2016/679

La disciplina europea sulla protezione dei dati personali. Vale per ogni sistema che tratti dati riferibili a una persona identificabile, quindi anche per un sistema di AI: che l’elaborazione sia automatica non riduce gli obblighi, semmai ne aggiunge sulla trasparenza.

In praticaI due punti che nella pratica contano di più: dove finiscono fisicamente i dati che mandate a un fornitore di AI, e se quel fornitore può usarli per addestrare i propri modelli. Sono due domande contrattuali, non due opinioni.

Guardrail

vincolo di sicurezza

I limiti scritti dentro un sistema automatico: cosa non può dire, cosa non può fare, oltre quale soglia deve fermarsi e chiamare una persona. Non sono un’aggiunta successiva: sono parte del progetto quanto la funzione principale.

In praticaLa domanda che li mette alla prova: cosa succede se il sistema riceve una richiesta assurda? Se la risposta è «non ci abbiamo pensato», non c’è un guardrail.

I

Idempotenza

La proprietà per cui eseguire due volte la stessa operazione produce lo stesso risultato di eseguirla una volta sola. Sembra un dettaglio da manuale; è ciò che impedisce di mandare due volte la stessa fattura quando un sistema riprova.

In praticaÈ la differenza fra un’automazione che riparte da sola dopo un guasto e una che, ripartendo, fa il danno due volte.

Inferenza

inference

L’uso di un modello già addestrato per ottenere una risposta. È ciò che succede ogni volta che il sistema lavora, ed è la voce di costo ricorrente: l’addestramento si paga una volta, l’inferenza ogni giorno.

Inserimento dati

data entry

La ricopiatura manuale di informazioni da un supporto a un altro. È l’attività più ripetitiva, meno visibile e più facilmente eliminabile che esista in un’azienda.

In praticaNon compare in nessun conto economico come voce di costo, ed è per questo che sopravvive per anni: nessuno l’ha mai sommato.

Integrazione

Il collegamento fra due sistemi perché un dato inserito una volta compaia ovunque serva, senza essere ricopiato. È il lavoro meno spettacolare e quello che restituisce più ore.

In praticaOgni ricopiatura manuale è due costi in uno: il tempo di chi la fa e l’errore di chi prima o poi la sbaglia. Il secondo si scopre sempre più tardi del primo.

Intelligenza artificiale

AI · artificial intelligence

Il campo che costruisce sistemi capaci di compiti che associamo all’intelligenza umana: riconoscere, classificare, prevedere, generare, decidere. È un’etichetta ampia, e questo è il primo motivo per cui le conversazioni commerciali su «l’AI» girano a vuoto.

Sotto la stessa parola stanno cose molto diverse per costo, rischio e affidabilità: un classificatore che smista email e un modello che scrive testi non si somigliano quasi in niente.

In praticaQuando un fornitore dice «usiamo l’AI» non ha detto nulla di verificabile. La domanda utile è quale compito, su quali dati, con quale margine d’errore accettato.

Intelligenza artificiale generativa

AI generativa · GenAI

La famiglia di sistemi che produce contenuto nuovo (testo, immagini, codice, traduzioni) invece di limitarsi a classificare o prevedere. È la parte di AI che dal 2023 ha reso il tema visibile fuori dagli uffici tecnici, ed è solo una parte.

In praticaMolti problemi operativi non hanno bisogno di generare niente: hanno bisogno di leggere, ordinare e instradare. Compiti più noiosi, più affidabili e spesso più redditizi.

J

Jailbreak

aggiramento dei limiti

La formulazione costruita apposta per far uscire un modello dalle regole che gli sono state date. Il rischio aziendale riguarda poco il contenuto imbarazzante, e molto l’assistente che, sollecitato bene, rivela come sono fatti i vostri processi o cosa c’è nella sua base di conoscenza.

In praticaUn assistente pubblico non deve avere accesso a niente che non siate disposti a pubblicare.

JSON

Il formato in cui due sistemi si scambiano dati strutturati: coppie nome-valore, leggibili anche da un umano. È la lingua franca delle integrazioni moderne.

K

KPI

key performance indicator · indicatore chiave

La misura scelta per sapere se una cosa sta andando come deve. Un KPI è utile solo se qualcuno può agire su di esso: se nessuno può cambiarlo, non è un indicatore, è una notizia.

In praticaMeglio tre indicatori guardati ogni settimana che venti su un cruscotto che nessuno apre.

KPI: cosa sono, esempi e come sceglierli in azienda →

L

Latenza

Il tempo che passa fra la richiesta e la risposta di un sistema. Su un processo notturno non conta niente; davanti a un cliente che sta aspettando conta più della qualità della risposta.

In praticaUna risposta perfetta che arriva in trenta secondi vale meno di una buona che arriva in tre.

Lead

contatto commerciale

Un contatto che ha manifestato interesse ma non ha ancora comprato: una richiesta dal sito, un messaggio su WhatsApp, un biglietto da visita preso in fiera. È il momento più fragile dell’intero ciclo commerciale, e quasi sempre il meno presidiato.

In praticaUn lead non si perde per un no. Si perde per il silenzio: nessuno risponde abbastanza in fretta e, quando qualcuno lo fa, ha già comprato altrove.

Lead: cosa significa, caldi, freddi e qualificati →

Limite di frequenza

rate limit

Il tetto di richieste che un servizio accetta in un intervallo di tempo. Superarlo non genera un errore evidente: genera richieste rifiutate che, se nessuno le registra, diventano lavoro sparito.

LLM

large language model · modello linguistico di grandi dimensioni

Il motore che sta sotto agli strumenti di AI conversazionale. Addestrato su enormi quantità di testo, prevede la continuazione più probabile di ciò che ha davanti.

Da questa meccanica derivano insieme la sua utilità e il suo difetto strutturale: prevede il probabile, non verifica il vero. Vedi allucinazione.

In praticaVa trattato come un collaboratore molto rapido, molto colto e senza alcun accesso ai vostri dati, finché non glieli date voi in modo controllato.

LLM: cos’è un large language model e come funziona →

llms.txt

Un file di testo alla radice di un sito che descrive in forma ordinata cosa il sito contiene, pensato per essere letto dai modelli linguistici invece che dai motori di ricerca tradizionali.

In praticaÈ l’equivalente del robots.txt per un’epoca in cui una quota crescente di persone chiede a un assistente invece di cercare.

M

Machine learning

apprendimento automatico · ML

L’approccio in cui il comportamento di un sistema non viene scritto a mano regola per regola, ma ricavato da esempi passati. È la famiglia più ampia, dentro cui sta anche l’AI generativa.

In praticaRichiede storico. Se l’azienda non ha registrato gli esiti passati non c’è niente da cui imparare, ed è questo, non il costo, il vero motivo per cui certi progetti non partono.

Mancata presentazione

no-show

L’appuntamento o la prenotazione che non si presenta e non disdice. Costa due volte: il posto resta vuoto e nessun altro ha potuto prenderlo.

In praticaA pesare non è l’assenza in sé, ma il fatto che si scopre troppo tardi per rivendere quel posto.

No show: significato, quanto costa e come si riduce →

Metadato

Un dato che descrive un altro dato: quando è stato creato un documento, da chi, a quale pratica appartiene. È ciò che rende un archivio cercabile invece che soltanto pieno.

Metrica di vanità

vanity metric

Un numero che cresce, fa piacere e non guida alcuna decisione: visite, impressioni, contatti totali. Si riconosce da una domanda sola: se questo numero raddoppiasse domani, cosa faremmo di diverso?

In praticaSe la risposta è «niente», non è un indicatore da riportare.

Middleware

strato intermedio

Il software che sta fra due sistemi e li fa parlare, traducendo formati e regole. Esiste perché nessuno dei due è stato progettato pensando all’altro.

Migrazione

Il trasferimento di dati e processi da un sistema a un altro. È la categoria di progetto che sfora più spesso, per una ragione ricorrente: il lavoro vero non è spostare i dati, è scoprire in quanti modi diversi erano stati inseriti.

Minimizzazione

Il principio per cui si trattano solo i dati necessari a quella finalità, e non uno di più. È il rimedio più efficace che esista, perché il dato che non avete non può esservi sottratto.

In praticaVale in pieno per l’AI: mandare a un modello esterno l’intero documento quando bastavano tre campi è il modo più comune di creare un problema che non c’era.

Misura di partenza

baseline

Il valore di un indicatore prima di intervenire. Senza, non esiste modo onesto di dire se qualcosa ha funzionato.

In praticaÈ l’unico passo che non si può recuperare dopo. Chi non misura prima non potrà dimostrare niente dopo, nemmeno a sé stesso.

Modello

model

Il prodotto dell’addestramento: un oggetto matematico che, dato un ingresso, produce un’uscita. «Modello» indica la cosa specifica che state usando, con una versione, un costo e un comportamento propri.

Modelli diversi dello stesso fornitore si comportano in modo diverso sullo stesso compito, e un aggiornamento può cambiare l’esito di un flusso che funzionava.

In praticaUn sistema che va in produzione dichiara quale modello usa e in quale versione. Se non lo dichiara, il giorno in cui il comportamento cambia nessuno saprà perché.

Monitoraggio

monitoring

La sorveglianza continua di un sistema in funzione, con un avviso quando qualcosa esce dai valori attesi. La domanda che definisce il livello: chi viene avvisato, e quanto tempo passa prima che se ne accorga?

In praticaIl fallimento tipico non è il sistema che si rompe, ma quello che si rompe e continua a sembrare acceso.

Multimodale

multimodal

Un modello che elabora più tipi di ingresso: testo, immagini, audio, documenti. È la proprietà che rende trattabile la fotografia storta di una bolla, senza passare da un riconoscimento separato.

In praticaÈ il salto che rende l’automazione documentale realistica per aziende che ricevono carta, foto e PDF scansionati invece di file ordinati.

N

No-code e low-code

Strumenti che permettono di costruire automazioni collegando blocchi su uno schermo invece di scrivere codice. Abbassano la soglia d’ingresso; non abbassano la necessità di sapere cosa si sta costruendo.

In praticaIl rischio tipico è il flusso costruito da una persona sola, mai documentato, che smette di funzionare quando quella persona cambia ruolo. La fragilità non sta nello strumento, ma nel fatto che nessuno sa più cosa fa.

Normalizzazione

La riconduzione di dati eterogenei a un formato comune: date, unità di misura, denominazioni sociali, valute. È il presupposto di qualsiasi confronto.

O

OCR

optical character recognition · riconoscimento ottico

La lettura automatica del testo dentro un’immagine o un PDF scansionato. Tecnologia vecchia di decenni, resa molto più affidabile dai modelli recenti, soprattutto sui documenti storti, sbiaditi o compilati a mano.

In praticaÈ il primo gradino della lavorazione documentale: senza, ogni bolla fotografata resta un’immagine che solo un occhio umano può leggere.

OCR: cos’è, come legge un PDF e quando serve davvero →

Omnicanale

omnichannel

La gestione di tutti i canali (telefono, email, WhatsApp, social, sito) come un unico dialogo, con una storia sola per ogni cliente.

In praticaIl segno che manca: il cliente deve rispiegare da capo la sua situazione a seconda del canale da cui scrive.

On-premise

in sede

L’esecuzione su macchine dentro l’azienda. Costa di più in gestione e resta la risposta giusta quando i dati non possono uscire dalla rete aziendale.

Orchestrazione

Il livello che decide quale sistema interviene, in che ordine, con quali dati e, soprattutto, cosa succede quando un passaggio fallisce. È la differenza fra una serie di automazioni e un’infrastruttura.

In praticaLa domanda che separa le due cose: quando un pezzo si rompe alle due di notte, il sistema se ne accorge e lo dice a qualcuno, o ve ne accorgete dal cliente che si lamenta?

Ottimizzazione per gli assistenti

AEO · answer engine optimization

L’adattamento dei contenuti perché siano citabili da un assistente conversazionale, non solo posizionabili in un elenco di risultati. Premia la struttura chiara, le affermazioni verificabili e le fonti dichiarate.

In praticaÈ la ragione per cui una fonte citata per esteso vale più di una frase a effetto: la prima è ripetibile da una macchina, la seconda no.

Overfitting

sovradattamento

Il difetto di un modello che ha imparato a memoria gli esempi di addestramento invece della regola generale: eccellente sui casi visti, inaffidabile su quelli nuovi.

In praticaÈ l’equivalente statistico del collaboratore che sa fare benissimo le pratiche già viste e si blocca sulla prima diversa.

P

Parametri

parameters · pesi

I valori interni che un modello aggiusta durante l’addestramento e che ne codificano il comportamento. Il loro numero, che nei modelli grandi si conta in miliardi, viene usato come misura di potenza.

È una misura grezza: più parametri significa più capacità potenziale, non necessariamente risultati migliori sul vostro compito, e sempre più costo.

Pipeline commerciale

imbuto di vendita

L’insieme delle trattative aperte, ordinate per stadio. Serve a rispondere a una domanda che quasi nessuna PMI sa rispondere con un numero: quanto lavoro c’è davanti, e quanto ne cadrà per strada.

Privilegio minimo

least privilege

Il principio per cui ogni utente e ogni sistema ricevono solo i permessi che servono al loro compito. Vale per le persone e, sempre di più, per gli agenti automatici.

In praticaUn’automazione che legge la posta non deve poter cancellare. Un’automazione che prepara un pagamento non deve poterlo eseguire.

Prompt

istruzione

L’istruzione data a un modello. In un sistema costruito come si deve non lo riscrive l’utente ogni volta: è parte del sistema, scritto una volta, collaudato, versionato e modificabile senza toccare il resto.

In praticaSe la qualità della risposta dipende da come ha scritto la richiesta l’impiegato di turno, non avete un sistema: avete uno strumento, e un risultato diverso per ogni persona.

Prompt di sistema

system prompt

L’istruzione di fondo che definisce ruolo, limiti e tono di un assistente, applicata a ogni conversazione prima di qualsiasi domanda dell’utente. È il punto in cui si scrivono le regole aziendali: cosa può dire, cosa deve rifiutare, quando deve passare la mano a una persona.

In praticaÈ il documento più importante di un assistente automatico, e quasi sempre l’unico che nessuno ha mai letto per intero.

Prompt engineering

La pratica di formulare istruzioni che producano stabilmente il risultato voluto. Il termine suona più nobile di quello che è: in gran parte consiste nell’essere espliciti su ciò che si dava per scontato.

Prompt injection

iniezione di istruzioni

L’attacco in cui un’istruzione ostile viene nascosta dentro un contenuto che il sistema leggerà (il corpo di una email, un PDF, una pagina web) per fargli compiere azioni che nessuno gli ha chiesto. È la vulnerabilità caratteristica dei sistemi che leggono materiale proveniente dall’esterno.

In praticaÈ la ragione tecnica per cui un sistema che legge la posta in arrivo non deve avere anche il potere di inviare, cancellare o pagare senza approvazione.

Punteggio dei contatti

lead scoring

L’attribuzione di una priorità a ogni contatto sulla base di segnali osservabili: settore, dimensione, provenienza, comportamento. Serve a mandare il tempo commerciale, che è la risorsa più scarsa, dove ha più probabilità di produrre.

In praticaNon serve a scartare i contatti bassi. Serve a decidere l’ordine con cui si chiama, che è una decisione presa comunque, oggi a intuito.

Punto di contatto

touchpoint

Ogni momento in cui un cliente incontra l’azienda: il sito, una telefonata, un preventivo, una fattura, un messaggio dopo la vendita.

In praticaL’esperienza percepita coincide con il peggiore dei punti di contatto, non con la loro media. Conviene cercare quello, invece di migliorare quelli che già funzionano.

Q

Qualità del dato

data quality

Quanto i dati sono completi, corretti, aggiornati e coerenti. È il vincolo che decide il destino di ogni progetto di analisi o automazione, e viene quasi sempre valutato dopo averlo cominciato.

In praticaNessun modello corregge un dato sbagliato in ingresso. Lo propaga, più in fretta e con più sicurezza.

Quantizzazione

quantization

La riduzione della precisione numerica di un modello per farlo entrare in meno memoria e girare su hardware modesto, accettando una piccola perdita di qualità.

In praticaÈ ciò che rende possibile eseguire un modello dentro l’azienda invece che su server altrui, quando la riservatezza pesa più della qualità assoluta.

R

RAG

retrieval-augmented generation · generazione aumentata dal recupero

La tecnica per cui il sistema, prima di rispondere, cerca nei documenti dell’azienda i passaggi pertinenti e poi formula la risposta usando quelli. Riduce le allucinazioni, permette di citare la fonte e rende la conoscenza aggiornabile senza riaddestrare nulla.

In praticaNon serve sempre. Quando i documenti sono pochi e stabili, metterli direttamente davanti al modello è più semplice, più economico e altrettanto efficace. Il RAG si giustifica quando il volume supera la finestra di contesto.

Registro eventi

log · logging

La traccia scritta di ciò che un sistema ha fatto: quando, su cosa, con quale esito. È l’unica cosa che rende un guasto ricostruibile invece che opinabile.

In praticaUn sistema senza registro non è più semplice, solo più difficile da riparare, e la differenza si paga tutta insieme il primo giorno in cui qualcosa va storto.

Residenza dei dati

data residency

Il luogo fisico in cui i dati sono conservati ed elaborati. Conta per gli obblighi di trasferimento e, in pratica, per la risposta che darete a un cliente che ve lo chiede.

Responsabile del trattamento

data processor

Chi tratta dati personali per conto del titolare, entro le sue istruzioni: il fornitore del gestionale, l’hosting, il servizio di posta. Il rapporto va regolato per iscritto, ai sensi dell’art. 28 GDPR.

REST

La convenzione più diffusa per costruire API sul web. Non è una tecnologia, è un accordo su come chiedere e come rispondere, ed è il motivo per cui sistemi scritti da aziende diverse riescono a parlarsi.

Rete neurale

neural network

Una struttura di calcolo ispirata molto alla lontana ai neuroni: strati di unità collegate, ognuna con un peso che si aggiusta durante l’addestramento finché il sistema non produce l’uscita attesa.

Il termine evoca il cervello e crea un’aspettativa sbagliata: non c’è comprensione, c’è ottimizzazione statistica su larga scala.

Riattivazione

win-back

Il ricontatto sistematico di chi ha comprato in passato e non compra più. È il bacino commerciale meno costoso che un’azienda possiede, perché quelle persone vi conoscono già.

In praticaServe solo l’elenco di chi si è raffreddato. Quasi nessuna PMI ce l’ha, perché nessun sistema si è mai accorto del silenzio.

Ritentativo

retry

La ripetizione automatica di un’operazione fallita, di solito con attese crescenti. Serve perché la maggior parte dei guasti sono temporanei: una rete lenta, un servizio momentaneamente occupato.

In praticaUn ritentativo senza idempotenza non protegge niente. Moltiplica gli errori.

RPA

robotic process automation

L’automazione che imita i gesti di un utente sullo schermo: apre finestre, copia campi, preme bottoni. Nasce per parlare con i sistemi che non hanno API.

Funziona ed è fragile: basta che un’interfaccia cambi posizione a un pulsante perché si rompa in silenzio.

In praticaÈ l’ultima risorsa, non la prima. Se esiste un’API, si usa quella: costa meno mantenerla e non si rompe a ogni aggiornamento del fornitore.

S

SaaS

software as a service

Software venduto come abbonamento e ospitato dal fornitore: si paga l’uso, non il possesso. Vantaggio: nessuna infrastruttura da gestire. Svantaggio: il canone non finisce mai e i dati stanno a casa d’altri.

In praticaLa domanda da fare prima di firmare: se fra due anni volessimo andarcene, i nostri dati escono in un formato utilizzabile? Se la risposta è incerta, il prezzo reale non è il canone.

Scalabilità

La capacità di reggere un aumento di carico senza riprogettare tutto. È una virtù reale e una scusa frequente: progettare per volumi che non avete costa oggi per un problema che potreste non avere mai.

Scatola nera

black box

Un sistema di cui si osservano ingressi e uscite ma non il ragionamento interno. Deriva da come sono fatti i modelli profondi, non da una scelta di chi li adotta, e si governa con i controlli intorno invece di risolverla.

In praticaIl rimedio pratico non passa dall’aprire la scatola, ma dal registrare cosa è entrato e cosa è uscito, così che un errore resti almeno ricostruibile.

SEO

ottimizzazione per i motori di ricerca

L’insieme delle scelte che rendono un sito comprensibile ai motori di ricerca e utile a chi cerca. La parte tecnica è una condizione minima: sopra quella, ciò che conta è rispondere a una domanda meglio di chi è già posizionato.

Serie storica

time series

Una successione di misure nel tempo. Serve a distinguere una variazione vera da una fluttuazione normale, che è la confusione più costosa nelle decisioni aziendali.

In praticaUn mese storto non è una tendenza. Senza lo storico, però, non c’è modo di saperlo, e si finisce per correggere ciò che non era rotto.

Sistema legacy

sistema preesistente

Un sistema vecchio, spesso scomodo, che però regge lavoro reale e contiene anni di storia aziendale. Il termine viene usato come insulto tecnico; in una PMI è quasi sempre l’unico punto in cui i dati sono completi.

In praticaChi propone di sostituirlo come primo intervento sta vendendo una migrazione, non una soluzione. Va collegato per primo, sostituito semmai per ultimo.

Sistema multi-agente

multi-agent system

Un’architettura in cui più agenti specializzati si dividono un lavoro e si passano il risultato. Aumenta la capacità teorica e moltiplica i punti in cui qualcosa può rompersi senza che nessuno se ne accorga.

In praticaQuasi mai il primo passo giusto. Un agente solo, che fa una cosa e la fa bene, risolve la larghissima maggioranza dei casi reali di una PMI a un decimo della complessità.

SLA

service level agreement · livello di servizio

L’impegno scritto su tempi di risposta, disponibilità e rimedi. Senza SLA, «assistenza inclusa» significa quello che il fornitore deciderà che significhi il giorno in cui vi servirà.

In praticaLa riga che conta non è il tempo di risposta, ma cosa succede se non viene rispettato.

SLM

small language model · modello linguistico compatto

Un modello linguistico di dimensioni ridotte, eseguibile su hardware modesto e talvolta dentro l’azienda. Meno capace in assoluto, spesso sufficiente su compiti stretti e ripetitivi.

In praticaÈ la risposta tecnica a un vincolo di riservatezza: quando i dati non possono uscire dalla rete aziendale, un modello compatto in casa batte un modello potente fuori.

Spiegabilità

explainability · XAI

La capacità di ricostruire perché un sistema ha prodotto una certa uscita. Su alcune famiglie di modelli è semplice; sui modelli profondi è parziale e ricostruita a posteriori.

In praticaServe al momento della contestazione, non della costruzione. Il giorno in cui un cliente chiede perché la sua pratica è stata trattata così, o c’è una traccia o c’è un problema.

Supervisione umana

human in the loop

L’architettura in cui il sistema prepara, propone e istruisce la pratica, ma una persona approva prima che l’azione produca effetti fuori dall’azienda. Non nasce da diffidenza verso la macchina, ma dall’esigenza di tenere la responsabilità dove la legge e il buon senso la mettono.

In praticaLa regola pratica: tutto ciò che tocca il nome di un cliente, del denaro o una comunicazione in uscita passa da un’approvazione. Tutto il resto può correre da solo.

Human in the loop: significato, tre livelli e AI Act →

T

Tasso di conversione

conversion rate

La quota di contatti che compie il passo successivo: da visita a richiesta, da richiesta a preventivo, da preventivo a ordine. Va misurato passo per passo, perché un tasso complessivo nasconde proprio il punto in cui si perde.

Temperatura

temperature

Il parametro che regola quanto un modello si allontana dalla continuazione più probabile. Bassa: risposte prevedibili e ripetibili. Alta: risposte più varie e meno controllabili.

In praticaPer un testo commerciale un po’ di varietà aiuta. Per estrarre un numero da una fattura serve il valore più basso possibile: l’ultima cosa che volete è creatività sull’imponibile.

Tempo di attività

uptime

La percentuale di tempo in cui un servizio è effettivamente disponibile. Va letta insieme a cosa succede nella percentuale restante: un’interruzione notturna e una in orario di lavoro non pesano uguale.

Tempo di prima risposta

first response time

I minuti che passano fra l’arrivo di una richiesta e la prima risposta umana o automatica. È l’indicatore commerciale con il rapporto più alto fra impatto e costo di misurazione.

In praticaQuasi nessuna azienda lo misura, e quasi tutte pensano di essere veloci. La distanza fra la percezione e il dato, quando finalmente si guarda, è regolarmente di ore.

Tempo reale

real time

La lavorazione nell’istante in cui l’evento accade, di solito innescata da un webhook. Costa di più in complessità e si giustifica solo dove l’attesa ha un prezzo.

Ticket

richiesta di assistenza

La singola richiesta tracciata dall’apertura alla chiusura. Quello che conta non è la numerazione, ma il fatto che nessuna richiesta possa sparire perché qualcuno era in ferie.

Titolare del trattamento

data controller

Chi decide finalità e mezzi del trattamento dei dati personali, e ne risponde. Nel rapporto fra un’azienda e un fornitore di software, il titolare è quasi sempre l’azienda.

In praticaÈ la ragione per cui la responsabilità non si esternalizza comprando uno strumento: si sposta il lavoro, non l’obbligo.

Token

L’unità con cui un modello misura il testo: pezzi di parola, più corti di una parola e più lunghi di una lettera. Conta perché è l’unità con cui si paga e con cui si misura la finestra di contesto.

In praticaL’italiano consuma più token dell’inglese per dire la stessa cosa. Sui volumi di una PMI la differenza è irrilevante; su un sistema che lavora migliaia di documenti al mese, no.

Tokenizzazione

La divisione di un testo in token prima che il modello lo elabori. È il motivo per cui i modelli sbagliano compiti apparentemente banali come contare le lettere di una parola: non vedono lettere, vedono pezzi.

Traccia di controllo

audit trail

Il registro immodificabile di chi ha fatto cosa e quando. È ciò che permette di ricostruire una decisione a distanza di mesi, davanti a un cliente o a un controllo.

In praticaIn un sistema con parti automatiche è la differenza fra «lo ha deciso il sistema» e una spiegazione.

Transformer

L’architettura introdotta nel 2017 su cui poggiano quasi tutti i modelli linguistici moderni. La sua idea centrale, il meccanismo di attenzione, permette al modello di pesare quali parti del testo contano per prevedere la successiva.

Trigger

innesco

L’evento che fa partire un flusso automatico: una email che arriva, un modulo compilato, una riga che cambia stato nel gestionale, un’ora del giorno.

In praticaScegliere il trigger giusto è metà del progetto. Un promemoria agganciato al momento sbagliato smette di funzionare da promemoria e diventa un disturbo, che le persone imparano a ignorare.

U

Uso di strumenti

function calling · tool use

Il meccanismo con cui un modello, invece di rispondere a parole, chiama una funzione vera: consultare un listino, creare una riga, mandare una richiesta a un altro sistema. È ciò che trasforma un modello linguistico in un agente.

In praticaÈ il punto in cui il rischio cambia natura. Finché il modello parla, l’errore peggiore è una frase sbagliata; da qui in poi l’errore diventa un’azione.

V

Valore del cliente nel tempo

lifetime value · LTV

Quanto un cliente vale complessivamente per la durata del rapporto, non su un singolo ordine. È il numero che rende sensato spendere per acquisirlo.

W

Webhook

Il meccanismo con cui un sistema avvisa un altro nell’istante in cui succede qualcosa, invece di essere interrogato di continuo. La differenza è fra ricevere una telefonata e controllare il telefono ogni due minuti.

In praticaÈ ciò che decide se una richiesta viene lavorata in dieci secondi o alla prossima esecuzione notturna.