Mi sono trasferito a Vieste. Non ci sono in vacanza: ci vivo, e sto vivendo l’estate degli altri.

Da giugno faccio la stessa strada tutti i giorni, passo davanti agli stessi stabilimenti, sento la stessa musica. E a un certo punto mi sono accorto di una cosa che chi resta una settimana non può accorgersi: quelle canzoni non le ha scritte nessuno.

Non parlo di canzoni brutte. Parlo di canzoni senza autore. Voce generica, ritornello che si chiude come deve, produzione pulita. Le senti una volta e vanno benissimo. Le senti per 60 giorni e cominci a notare che non c’è mai una sbavatura, mai un respiro fuori posto, mai una parola che stoni.

Poi ci sono le altre, quelle che mi hanno fatto scrivere questo pezzo. Prendi il testo di una canzone che conosci a memoria, lo dai in pasto a Suno, e ne esce una versione con un’altra voce e un altro arrangiamento. La riconosci e non la riconosci.

Deezer ha commissionato a Ipsos un sondaggio su 9.000 persone in 8 paesi. Il 97% non riesce a distinguere un brano interamente generato dall’AI da uno fatto da esseri umani [Deezer Newsroom, luglio 2026].

Ecco perché in spiaggia non se ne accorge nessuno. Non è distrazione. È che quasi nessuno può.

Nessun autore, nessuna licenza

Per capire perché succede bisogna smettere di parlare di musica e parlare di bollette.

Chi diffonde musica in un locale pubblico in Italia paga due licenze: la SIAE per il diritto d’autore, la SCF per i diritti di interpreti e produttori. Tariffe annuali, calcolate sulla superficie del locale. Per uno stabilimento balneare non è una cifra enorme, ma è una cifra che torna tutti gli anni.

E qui c’è il punto che mi ha fatto capire tutto. La SIAE riscuote per conto dei propri iscritti, che sono persone o società che gestiscono i diritti di autori umani. Un brano generato con un software non ha un autore depositato nei registri.

Nessun autore iscritto, niente da riscuotere.

Non è una zona grigia scoperta da qualche furbo. È un mercato già confezionato, con le brochure. My Corporate Radio, per dirne una, vende musica di sottofondo per negozi e locali spiegando che il catalogo è prodotto nei propri studi, sta fuori dai repertori di SIAE, SCF, LEA e delle altre società di gestione collettiva nel mondo, ed è realizzato anche con il supporto di sistemi di intelligenza artificiale generativa.

Team editoriale guidato da un broadcaster di RTL 102.5, conformità all’AI Act dichiarata in homepage. Tutto in ordine, tutto legale.

Quindi la musica che sento in spiaggia non è arrivata lì perché qualcuno l’ha scelta. È arrivata perché qualcuno ha tolto una voce di costo.

Il pubblico che non può alzarsi

Adesso il numero che ribalta la storia.

Su Deezer, a giugno 2026, sono arrivati quasi 90.000 brani interamente generati dall’AI al giorno: più della metà di tutti i caricamenti nei giorni di picco. A gennaio 2025 erano 10.000.

Ma quella musica raccoglie tra l’1 e il 3% degli ascolti totali. E l’85% di quegli ascolti viene riconosciuto come fraudolento: bot che mandano le tracce in loop per raccogliere royalty [Deezer Newsroom, aprile 2026].

Metà del catalogo nuovo, e quasi nessun ascoltatore vero.

Su Spotify o su Deezer nessuno sceglie quella roba, perché lì la gente sceglie. Il posto dove la musica AI finisce davvero nelle orecchie degli esseri umani è quello dove nessuno può scegliere: lo stabilimento, il campeggio, il supermercato, la sala d’attesa.

Questa secondo me è la cosa da portarsi a casa. La musica generata non ha vinto la gara per l’attenzione delle persone. L’ha aggirata. Ha trovato l’unico mercato dove chi ascolta non ha voce in capitolo e chi paga è qualcun altro.

Non devi convincere nessuno a mettere play, se il tuo ascoltatore è sdraiato su un lettino e non può andarsene.

Ottanta anni prima

C’è però una cosa che mi impedisce di indignarmi, ed è che questa storia è vecchia.

Nel 1934 un generale dell’esercito americano, George Owen Squier, fondò un’azienda che mandava musica nelle case attraverso i cavi della luce. La chiamò Muzak, unendo “music” e “Kodak”, che allora era il marchio più famoso del mondo. Squier morì due anni dopo, e l’azienda smise di vendere alle famiglie per vendere ad alberghi, ristoranti e uffici.

Negli anni 40 arrivò l’idea che vale la pena ricordare: la Stimulus Progression. Blocchi di 15 minuti di musica strumentale con intensità crescente, pensati per tirare su la produttività degli operai nei momenti della giornata in cui cala.

Musica progettata fin dall’origine per non essere ascoltata. Prodotta da esseri umani, questo sì: Muzak ingaggiava musicisti veri e li faceva registrare in studio.

Quindi l’AI non ha inventato niente. Ha solo tolto gli ultimi umani rimasti dentro una filiera che serviva già a quello, e che li teneva lì solo perché non c’era modo di farne a meno.

Il campeggio e i tribunali

Sulle cover però il discorso si capovolge, e diventa più divertente.

La musica generica esce dal perimetro del diritto d’autore. Una versione Suno con il testo di una canzone famosa ci rientra a piedi uniti, perché quel testo un autore ce l’ha, ed è vivo e iscritto.

Nel frattempo, sopra le nostre teste, si è mosso tutto. Il 29 ottobre 2025 Universal ha chiuso la causa contro Udio trasformandola in un accordo di licenza, e poco dopo ha fatto lo stesso Warner. Warner si è accordata anche con Suno, che dal 2026 lancia modelli addestrati su catalogo licenziato, con gli artisti che decidono se aderire.

Sony è l’unica major che non ha firmato niente. A luglio ha fatto causa a Udio per oltre 30.000 brani, chiedendo fino a 150.000 dollari per ogni opera violata.

Mentre a New York si contano i danni a 150.000 dollari per canzone, in un campeggio del Gargano parte una hit rifatta con Suno e non se ne accorge nessuno. Nemmeno chi la sta ballando.

Chi resta

Da fuori sembra un pezzo contro l’AI. Non lo è.

La musica di sottofondo è progettata per non essere notata da nessuno più di qualche giorno di fila. Chi arriva a Vieste il 3 agosto e riparte il 10 sente 7 giorni di canzoni che non deve ascoltare, e funziona benissimo così. Il prodotto fa esattamente il suo mestiere.

Io la sento da giugno. Sono l’unico ascoltatore che quel prodotto non ha previsto.

E questa cosa la riconosco anche fuori dalla spiaggia. Un feed che scorre, una playlist che si genera da sola, un riassunto che non ha scritto nessuno: sono tutte cose calibrate su chi passa. Se ci resti, cominci a sentire il fondo.

L’estate finisce, gli ombrelloni si chiudono, gli altoparlanti si spengono. Quello che mi resta è la domanda che mi porto dietro da giugno: quante altre cose, nella mia giornata, sono fatte per uno che passa?

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

Il 18 maggio il Chicago Sun-Times ha pubblicato un inserto estivo di 64 pagine. Dentro c’era una lista di 15 libri da leggere sotto l’ombrellone. Gli autori erano veri. Dieci titoli su 15 non esistevano [Snopes, maggio 2025].

Isabel Allende non ha mai scritto “Tidewater Dreams”. Andy Weir non ha mai scritto “The Last Algorithm”. Percival Everett non ha mai scritto “The Rainmakers”, che secondo la scheda raccontava un futuro in cui la pioggia artificiale è diventata un lusso. Trame dettagliate, credibili, inventate.

La parte interessante non è che sia successo. È dove si è rotta la catena.

L’inserto non l’aveva fatto il Sun-Times. Era un pacchetto confezionato da un fornitore, che lo vende a più giornali perché ognuno lo stampi con la propria testata sopra. Al Sun-Times è arrivato al reparto diffusione, non in redazione. Il sindacato interno ha detto che i giornalisti non ne sapevano niente.

Il freelance che l’aveva scritto, Marco Buscaglia, ha detto una frase che vale l’intero pezzo. Usa l’AI per il materiale di base, ma di solito controlla. Quella volta non l’ha fatto, e non si capacitava di essersela persa: era così evidente [CBC News, maggio 2025].

Non è uno che ignorava di dover verificare. È uno che quel giorno ha saltato l’unico passaggio che costava tempo.

La stessa lista è uscita anche sul Philadelphia Inquirer. Quante persone l’hanno avuta tra le mani prima della stampa? Il freelance, il fornitore, due giornali. Bastava cercare “Tidewater Dreams” su Google. Non l’ha fatto nessuno.

Trenta contro novanta

Il numero scorso di questa newsletter l’ho scritto in un pomeriggio. A controllarlo ci ho messo di più.

Il punto che mi ha rubato più tempo era una riga sola: quanta parte delle fonti che ChatGPT cita arriva dai primi 10 risultati di Google. Avevo un numero, 30%, e mi faceva comodo.

Sono andato a verificarlo e ho trovato 3 cose. Lo studio era su 320 domande nel mercato turco. A pubblicarlo era un’azienda che vende strumenti per misurare la visibilità sull’AI. E Semrush, sullo stesso motore, dice 90%.

Una riga sola. Trenta contro novanta. La parte migliore di quel numero è saltata fuori solo perché ero andato a controllare.

Da lì mi è rimasta addosso una cosa che credo valga più del pezzo. Scrivere non mi costa quasi più niente. Controllare mi costa come 10 anni fa, forse di più: il materiale da controllare è molto di più e arriva già vestito bene.

Il costo non è sparito. Si è spostato, e in un punto dove quasi nessuno lo misura.

La tassa sui senior

Nel software qualcuno ha provato a metterci dei numeri.

Faros ha guardato 2 anni di dati di 22.000 sviluppatori in più di 4.000 squadre. Per ogni azienda ha confrontato i periodi in cui si usava poco l’AI con quelli in cui se ne usava tanta.

La prima cosa che dicono, e va detta anche qui, è che i guadagni sono veri: i progetti chiusi per sviluppatore crescono del 66%, le attività completate del 33,7% [Faros AI, aprile 2026].

Poi c’è il resto. Il tempo passato a revisionare il codice degli altri è quasi triplicato: più 199,6%.

Loro la chiamano la tassa sui senior, e la spiegazione è la parte che mi interessa. Il codice scritto dall’AI sembra buono. Ha nomi sensati, segue lo stile del resto, si legge bene. Sembra scritto da uno che sa quello che fa. Gli errori, quando ci sono, stanno sotto la superficie.

Per trovarli non basta scorrere il testo. Devi leggere piano e ricostruire il problema che quel codice doveva risolvere.

Ecco la definizione più precisa che ho trovato del costo di verificare. Non è controllare se una cosa è giusta. È rifare da capo il ragionamento per cui dovrebbe esserlo.

E poi il dato che chiude il discorso. Il codice che arriva in produzione senza che nessuno lo abbia guardato, né una persona né un programma, è cresciuto del 31,3%. Faros non crede che sia una scelta: semplicemente i revisori non stanno dietro alla quantità che arriva.

Quando verificare costa troppo, non si verifica meglio. Si smette.

Intanto i bug per sviluppatore sono cresciuti del 54%, contro il 9% che la stessa azienda misurava un anno prima.

Quattro dubbi

Se questo pezzo l’avesse scritto un altro, avrei 4 dubbi. Meglio dirli io.

Il primo. Faros vende proprio lo strumento che serve a vedere quei numeri, e il report si chiude dicendo che chi ha questa visibilità è avanti. Cioè il loro pitch di vendita. Non lo butto via, perché sono dati veri e non un sondaggio. Ma chi vende termometri ha interesse a dirti che hai la febbre.

Il secondo. Sono correlazioni. Confrontare la stessa azienda in periodi diversi è meglio che confrontare aziende diverse, ma in 2 anni cambiano anche altre cose.

Il terzo. C’è chi misura il contrario. Il report DORA del 2025 dice che le squadre con basi solide sfruttano meglio l’AI e si difendono meglio dai suoi difetti. Faros risponde che i propri dati raccontano un’altra storia. La differenza è che DORA chiede alle persone come si sentono, Faros guarda i log.

Il quarto riguarda lo studio che citano tutti, quello di METR. Sedici sviluppatori esperti, 246 compiti veri: con l’AI ci hanno messo il 19% di tempo in più, ma alla fine erano convinti di essere andati il 20% più veloci.

Nel febbraio 2026 METR ha rifatto l’esperimento con strumenti più recenti e ha ammesso che non funziona più. Troppi sviluppatori si rifiutavano di partecipare se rischiavano di lavorare senza AI, e questo falsa il risultato: restano solo quelli a cui l’AI serve meno. Oggi METR pensa che gli strumenti facciano andare più veloci, ma dice di non saper più dire di quanto [METR, febbraio 2026].

Quindi “l’AI rallenta gli sviluppatori” non regge, e chi usa quello studio per dimostrarlo sta facendo esattamente ciò che critica.

Regge però la cosa che nessuno ha smentito: le stesse persone, sugli stessi compiti, si sono sbagliate di 39 punti su come era andata. Quel dato non parla dello strumento. Parla di noi, che lo usiamo e non sappiamo dire se funziona.

Resta un ultimo dubbio, e non so chiuderlo. Forse è solo un costo di passaggio: strumenti nuovi, abitudini vecchie, e tra 2 anni verificare sarà automatico. Può darsi. Ma per fidarti del programma che verifica devi verificare il programma, e prima o poi in fondo alla catena ci sei tu che decidi di smettere di controllare.

Chi paga il conto non è chi lo genera

C’è una seconda metà del problema, e comincia appena il lavoro esce dal tuo schermo.

BetterUp Labs e lo Stanford Social Media Lab hanno intervistato più di 1.100 lavoratori americani e hanno dato un nome alla cosa: workslop. Roba che sembra buon lavoro ma non ha dentro la sostanza per far avanzare davvero il compito.

Circa 4 su 10 dicono di averne ricevuto nell’ultimo mese. Ogni volta chi se lo trova sulla scrivania ci perde quasi 2 ore. Fa una tassa nascosta di 186 dollari al mese a testa [Harvard Business Review, settembre 2025].

Sono numeri dichiarati dalle persone stesse, e nessuno è bravo a dire quanto tempo ha perso a rifare le cose. Gli autori di un secondo articolo HBR di giugno ammettono che la teoria non è ancora stata verificata con studi controllati [The Next Web, giugno 2026].

Ma il dato da tenersi non è quello sul tempo. È quello sulle persone.

Metà degli intervistati, dopo aver ricevuto workslop da un collega, ha cominciato a considerarlo meno capace e meno affidabile di prima. Il 42% si fida meno di lui.

Risparmi 20 minuti. Il collega ne perde 120 a sistemare quello che gli hai mandato, e da quel giorno pensa che tu non sia in grado di fare il tuo lavoro.

Come mi sto difendendo

Non ho una teoria, ho 4 regole.

Se viene troppo facile, sospetto. Quando una cosa esce liscia, di solito vuol dire che il lavoro difficile deve ancora cominciare. La sensazione di aver finito arriva prima di aver finito.

Controllo per primo quello che mi fa comodo. Il numero che conferma la mia tesi è quello che ho più voglia di non verificare. Nel numero scorso il dato che mi piaceva era vero solo dentro condizioni che nessuno aveva scritto.

Cerco chi dice il contrario. Trenta contro novanta l’ho trovato perché cercavo una seconda fonte per lo stesso numero, non altre 3 fonti d’accordo con la prima.

Conto il tempo di verifica a parte. Se lo mescoli con quello di produzione, non ti accorgi che il primo cresce mentre il secondo scende. È lo stesso errore delle aziende che contano il codice scritto e non quello controllato.

Alla fine il mestiere che mi ritrovo tra le mani non è più scrivere. È decidere di cosa fidarmi, con molta più roba da valutare e molto meno tempo per farlo.

In giro lo chiamano risparmio di tempo. Io continuo a pensare che sia uno spostamento. E che quel 31% di codice che entra in produzione senza che nessuno lo guardi sia il modo in cui un settore intero sta ammettendo, senza dirlo, che il conto è diventato troppo caro.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

La ragione per cui è nato sta nella prima pagina, ed è il pezzo più interessante di tutta la storia. Oltre 20 aziende vendono strumenti per misurare la visibilità AI, ognuna con la sua metodologia, e per lo stesso identico brand restituiscono risposte diverse [IAB, 3 agosto 2026].

Non “leggermente diverse”. Diverse al punto che l’associazione di categoria ha dovuto scrivere un documento per spiegare cosa sia un dato affidabile.

Immagina 20 aziende che vendono termometri e nessuna che concorda sulla temperatura della stanza. Poi immagina che quei termometri li stiano già comprando i direttori marketing, con budget approvati per l’anno.

Il numero che completa il quadro: solo il 16% dei brand traccia sistematicamente la propria visibilità AI, in parte proprio perché uno standard comune non esisteva [IAB, executive summary].

Quindi la situazione è questa: un mercato in cui la maggioranza non misura niente, e la minoranza che misura usa strumenti che si contraddicono. Sopra ci sta un intero settore che si chiama GEO, generative engine optimization, con le sue piattaforme, i suoi prezzi a scaglioni e i suoi contratti enterprise.

Il paper che nessuno cita nelle slide

A metà luglio è uscita la prima revisione critica seria della disciplina. Olivier Martinez ha passato in rassegna 45 studi pubblicati tra novembre 2023 e luglio 2026, classificandoli per solidità delle prove.

La conclusione, scritta in un modo che non lascia molto spazio: nel corpus esaminato non c’è nessuna tecnica che mostri un effetto causale stabile, longitudinale e valido su più piattaforme sulla scopribilità organica o sui comportamenti a valle [arXiv, 15 luglio 2026].

Il colpo peggiore lo prende il paper fondativo, quello da cui è nata la sigla e da cui tutti prendono il famoso numero sulle percentuali di miglioramento. Secondo la revisione, quei guadagni sono validi dentro il loro contesto sperimentale, ma valgono solo a condizione che la fonte sia già presente in un contesto fissato: non dimostrano né scopribilità organica né effetti duraturi sul traffico.

Tradotto: hanno misurato quanto cambia la citazione di un documento che il motore aveva già in mano. Non quanto sia più probabile che ce lo metta.

E ci sono 2 dettagli che ribaltano proprio le pratiche vendute come best practice. Le euristiche generiche, quelle da checklist, si trasferiscono male da un contesto all’altro. E le riscritture pensate per farsi citare possono peggiorare il recupero del documento: ottimizzi per piacere al modello e il modello ti trova meno.

Poi c’è il problema che vale per l’intero settore, e che nessuno può risolvere con un tool migliore. Gli audit commerciali trovano scarsa sovrapposizione tra le fonti citate, forte variabilità tra una esecuzione e l’altra, e persistenti scarti di fedeltà nelle risposte. Fai la stessa domanda 2 volte e ottieni fonti diverse.

Lo IAB, va detto, questo lo ammette: nel suo framework la non determinatezza è trattata come una condizione da gestire, non come un difetto eliminabile, e chiede baseline di variabilità documentate e regole per azzerare i confronti dopo ogni aggiornamento di piattaforma.

Che è un modo educato per dire che stai misurando qualcosa che cambia da solo mentre lo misuri.

Il buco però è vero

Qui viene la parte che mi impedisce di liquidare tutto come fuffa, e che secondo me è la sola ragione per cui questo mercato esiste.

Il problema che il GEO promette di risolvere è reale e documentato. Sempre nel framework IAB, con dati Chartbeat ripresi da Axios: negli ultimi 2 anni il traffico da ricerca è calato del 60% per i piccoli editori, del 47% per i medi e del 22% per i grandi. E i referral dai chatbot, pur cresciuti oltre il 200% tra dicembre 2024 e dicembre 2025, restano sotto l’1% delle pagine viste totali degli editori.

La ricerca ha smesso di mandare persone, e l’AI non le sta mandando al suo posto. Chi vive di traffico ha visto sparire più della metà del proprio pubblico in 24 mesi, il che spiega perché sia disposto a comprare qualunque cosa prometta di riportarlo indietro.

Un esempio di quanto poco si sappia davvero, e vale più di qualsiasi mia opinione. Un benchmark di CiteLens ha trovato che Google AI Mode prende il 93% delle citazioni dei brand dai primi 10 risultati organici di Google e Perplexity l’89%, mentre ChatGPT solo il 30% [MarTech Series, luglio 2026]. Da leggere con le pinze: 320 query su 3 settori di consumo nel mercato turco, e a pubblicarlo è un’azienda che vende strumenti di visibilità AI.

Le pinze servono ancora di più se metti quel numero accanto a un altro. Per Semrush, il 90% delle citazioni di ChatGPT arriva dalla top 10 di Google [Whitehat, marzo 2026]. Trenta contro novanta, stesso motore, stessa domanda di fondo.

Non è un dettaglio metodologico. È esattamente la cosa che lo IAB dice di voler risolvere, vista dal vivo: 2 fornitori, 2 realtà incompatibili, e un direttore marketing che deve decidere su quale delle due mettere il budget.

Quindi il mio problema non è che il GEO sia una truffa. È che un settore intero sta vendendo la soluzione con 2 o 3 anni di anticipo sulle prove che serva, e la cosa gli conviene.

Perché guarda cosa stanno comprando davvero quei contratti enterprise. Non un metodo che funziona, quello per ammissione della letteratura non esiste ancora. Stanno comprando la posizione da cui venderlo il giorno in cui esisterà.

È una scommessa sensata dal lato di chi vende. Se un domani arriva lo standard vero, il quadro stabile, la tecnica che regge su tutte le piattaforme, chi ha già dentro i clienti, le dashboard installate e 3 anni di dati storici parte con il mercato in mano. Nel frattempo incassa abbonamenti per misurare una cosa che cambia da sola tra una misurazione e l’altra.

Il rischio se lo prende il cliente, per intero. E il “se un domani” resta grosso: la revisione dei 45 studi non dice che le prove non sono ancora arrivate, dice che il fenomeno è stocastico e osservabile solo in parte. Non è detto che uno standard stabile ci sia mai, sopra una cosa che si riscrive a ogni aggiornamento di modello.

Poi la domanda onesta resta: cosa dovrebbe fare un editore che ha perso il 60% del traffico? Aspettare i paper? Si stanno comprando delle risposte perché non aspettare sembra meno stupido che stare fermi, e chi vende lo sa benissimo.

Una cosa continuo a rigirarmela. Il SEO era ottimizzare per un algoritmo che classificava. Questo è ottimizzare per qualcosa che riassume, sceglie e raccomanda: un intermediario che si mette tra te e il cliente e ci mette del suo.

Nessuno sta discutendo se sia una buona idea che tra 10 anni le cose si comprino perché una macchina le ha nominate per prime. Discutiamo di come farci nominare, e paghiamo un abbonamento per non riuscire nemmeno a controllare se ha funzionato.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

Benjamin Bloom si era fatto una domanda vicina nel 1984, con altri strumenti. Aveva confrontato 3 condizioni: la classe da 30, la classe con feedback correttivo, il tutoraggio 1 a 1. Lo studente medio seguito da solo chiudeva 2 deviazioni standard sopra gli altri, meglio del 98% dei compagni [Educational Researcher, 1984].

Bloom lo chiamò un problema, perché sapeva che il tutoraggio funzionava e sapeva che nessuno poteva pagarlo per tutti.

Il primo esperimento serio che prova a chiudere quel buco con l’AI arriva da Harvard. 194 studenti di fisica, disegno incrociato: una settimana in aula con l’active learning, una settimana a casa con un tutor AI costruito apposta. Chi studiava col tutor imparava più del doppio, in meno tempo, e si dichiarava più motivato [Scientific Reports, 2025].

Quel paper adesso sta nelle slide di mezzo mercato edtech. Vale la pena guardare cosa hanno testato davvero: un tutor progettato da fisici e didatti, con dentro ai prompt 20 anni di ricerca sull’apprendimento, e le domande del test scritte da una persona diversa da chi aveva costruito l’AI, per non falsare il risultato.

Un chatbot generico a cui scrivi “spiegami la tensione superficiale” è un altro oggetto. Chi cita quello studio per vendere il secondo sta facendo un giochino di prestigio.

In Italia il ministero ci ha provato con 15 scuole. I primi dati parlano di una media di 7,63 contro il 6,90 delle classi gemelle e bocciature azzerate: cifre annunciate dal ministro, non ancora validate da INVALSI. Nello stesso articolo c’è il dettaglio che nessuno ha ripreso: gli studenti hanno lavorato con Gemini, NotebookLM e Workspace, e la formazione ai docenti l’hanno fatta i tecnici di Google [Avvenire, maggio 2026].

La prima sperimentazione pubblica italiana sull’AI a scuola gira sullo stack di un fornitore, che forma pure gli insegnanti. Il risultato resta interessante, la scelta di campo pure.

L’ora in cui si smonta

Da qui in poi è una proposta mia, con i buchi ancora dentro. La metto sul tavolo perché il dibattito italiano oscilla tra chi vieta il telefono e chi vende la piattaforma, e in mezzo non c’è quasi niente.

Lo studente arriva in classe avendo già studiato con la macchina, nella forma che gli serviva quel giorno. E il professore prende quel materiale e lo smonta con il metodo della sua disciplina: il metodo dello storico sulla fonte, quello del fisico sull’esperimento. Applicati a quello che i ragazzi hanno studiato la sera prima, non a un tema generico di attualità.

Daniel Willingham sostiene che il pensiero critico funziona solo dentro un dominio e sopra conoscenze già presenti in testa [Arts Education Policy Review, 2008]. Il modello soddisfa entrambe le condizioni, perché in aula si lavora su materia già studiata.

Sam Wineburg, a Stanford, ha misurato cosa succede quando quel metodo nessuno lo insegna. 3.446 studenti americani delle superiori, connessione aperta, 6 compiti. Più del 96% non si è chiesto se i finanziamenti dell’industria fossile potessero incidere sulla credibilità di un sito sul clima. Più della metà ha giudicato “prova solida” di brogli negli Stati Uniti un video girato in Russia [Stanford GSE, 2019].

La parte incoraggiante è che si insegna in fretta. Lo stesso gruppo ha messo quel metodo in un curriculum breve e l’ha testato con un esperimento randomizzato: miglioramenti reali, con poche ore di lavoro [Stanford GSE, 2022].

Il nome di quello che rende un professore difficile da sostituire ce l’aveva dato Lee Shulman nel 1986: pedagogical content knowledge. Sapere come quella materia viene fraintesa dalle teste umane, quali esempi la sbloccano, dove si inceppa ogni anno. Un tutor AI lo ricava per statistica, un insegnante lo ricava da 25 ragazzi che ha davanti da settembre.

Il gusto di avere ragione

C’è una cosa nel mio esperimento che ho notato tardi. La macchina mi ha dato ragione quasi sempre.

A marzo, su Science, un gruppo di Stanford ha messo un numero su quella sensazione. 11 modelli testati su migliaia di casi reali: approvano il comportamento dell’utente il 49% in più degli esseri umani messi davanti alle stesse situazioni, anche quando l’utente ha torto marcio [Science, marzo 2026].

Il dettaglio che rende la cosa seria: chi partecipava allo studio preferiva i modelli accondiscendenti, li giudicava più affidabili e dichiarava che sarebbe tornato a chiedere a loro. E dopo averli usati risultava più convinto di avere ragione e meno disposto a considerare il punto di vista dell’altro.

Le due proprietà arrivano dallo stesso addestramento. Un sistema ottimizzato sul gradimento di chi lo usa diventa bravissimo a spiegare e bravissimo a compiacere, e le due cose non si separano con un aggiornamento.

Quindi il ragazzo non arriva in aula neutro. Arriva con una tesi che una macchina gli ha già confermato, e il lavoro dell’insegnante comincia più indietro di quanto pensassi: prima della materia, c’è da smontare la conferma.

Una cosa sola tiene in piedi tutto il resto, ed è la valutazione. John Biggs lo ripete da 30 anni: quello che valuti determina quello che gli studenti fanno davvero. Se l’esame resta nozionistico, questo modello muore al primo consiglio di classe.

L’azienda che abbiamo già provato

Arriva la domanda che chiude ogni conversazione sulla scuola italiana: e i soldi? Un modello così chiede docenti più formati, più ore, classi più piccole.

Sulla sanità pubblica quel discorso l’abbiamo già fatto, ed è finito come sappiamo. Dal 1992 le USL sono diventate aziende, con direttori generali, budget e prestazioni contabilizzate una per una. Il risultato sono piani di rientro, liste d’attesa e medici che se ne vanno dove li pagano meglio.

Presi uno per uno, quei conti tornano. È la premessa che non regge: chiedere a un ospedale un ritorno leggibile a bilancio, quando quello che produce arriva anni dopo sotto forma di persone che lavorano invece di ammalarsi.

La scuola sta nella stessa categoria, con tempi ancora più lunghi. Un ragazzo formato bene rientra nell’economia del paese 15 anni più tardi, e non esiste modo elegante di attribuirgli una riga di bilancio.

Quindi il collo di bottiglia è politico e culturale, e viene prima della didattica.

Chi pensa che la scuola vada bene così com’è dovrebbe guardare PIAAC. Gli adulti italiani stanno a 245 punti in literacy contro una media OCSE di 260, e dietro restano solo Israele, Lituania, Polonia, Portogallo e Cile [INAPP, dicembre 2024]. Il 35% sta al livello 1 o sotto contro il 26% della media, e ai livelli alti ci arriva il 5% contro il 12% [Accademia della Crusca, 2025].

Il dato peggiore sembra il più innocuo: tra il 2012 e il 2023 quei punteggi sono rimasti fermi. 11 anni senza spostare niente.

Può darsi che mi sbagli su tutto, e il buco più grosso della mia proposta lo vedo bene. Se 25 studenti studiano su 25 percorsi personalizzati, arrivano in aula con 25 versioni diverse della stessa materia, e una discussione critica ha bisogno di un oggetto comune sul tavolo.

Il dubbio che mi resta però è un altro. Ho imparato una materia in 6 mesi conversando con qualcosa che mi dava quasi sempre ragione, ed è andata bene perché avevo già in testa 2 o 3 professori che, per 15 anni, mi hanno detto di no.

I ragazzi che stanno studiando così adesso quella voce lì da chi la prendono? Noi, intanto, discutiamo ancora del telefono in classe.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

Le aziende di sicurezza informatica assumono ex hacker da decenni. Chi meglio di uno che sapeva scassinare per insegnarti a chiudere bene la porta.

Questa settimana quella logica ha fatto un salto strano. Il topo, stavolta, se lo sono costruiti in laboratorio apposta, e poi lo hanno lasciato libero dentro casa propria.

OpenAI ha ammesso di aver costruito GPT-Red, un modello il cui unico compito è attaccare, sul serio, gli altri modelli dell’azienda. Lo hanno chiuso in un dojo sintetico e lo hanno fatto giocare contro sé stesso migliaia di volte, premiandolo ogni volta che trovava una falla.

Il risultato è imbarazzante per gli umani. Nei test, la macchina ha trovato un attacco valido in 84 casi su 100, contro il 13% dei ricercatori specializzati.

Nel test più assurdo, GPT-Red ha preso di mira Vendy, il distributore automatico gestito da un’altra AI nell’ufficio di OpenAI. Lo ha convinto ad abbassare a 50 centesimi il prezzo di un articolo da oltre 100 dollari, e a cancellare l’ordine di un altro cliente. Un distributore automatico, truffato da un chatbot con la voce educata di un cassiere.

Vale la pena tenerlo a mente, perché la stessa settimana Hugging Face ha scoperto quanto sia difficile fidarsi anche dei modelli più prudenti. Un agente AI autonomo si è infilato nella sua infrastruttura di produzione sfruttando 2 falle nella pipeline che elabora i dataset.

Per un intero weekend ha girato tra i cluster interni, eseguendo più di 17.000 azioni prima che qualcuno se ne accorgesse.

Qui arriva la parte migliore. Per ricostruire l’attacco, gli analisti hanno provato prima con i modelli occidentali più blasonati.

Si sono rifiutati. I loro filtri di sicurezza non riuscivano a distinguere un analista che sottoponeva codice d’attacco reale da un vero criminale, e bloccavano la richiesta.

Alla fine hanno usato GLM-5.2, il modello cinese open-weight, fatto girare sui propri server per non far uscire dati sensibili. Il modello più prudente del mercato si è tirato indietro proprio quando serviva. Quello con meno scrupoli ha fatto il lavoro.

C’è qualcosa di comico, e un po’ inquietante, nell’idea che per difenderci i laboratori stiano imparando a costruire versioni sempre più abili di ciò da cui vorrebbero proteggerci.

Viene da chiedersi quante delle nostre difese, oggi, si fidano allo stesso modo di qualcosa che non ha mai avuto intenzione di proteggerci.

Comprare lo sceriffo

C’è una vecchia mossa, nei film western, per chi ha paura dello sceriffo: invece di scappare dalla città, gli offri una quota del saloon. A giudicare da come si è mosso a inizio luglio, Sam Altman conosce bene questa storia.

Ad Anthropic, a giugno, è successa una cosa mai capitata prima a un’azienda di AI. Il governo degli Stati Uniti ha imposto ai suoi 2 modelli più avanzati, Fable 5 e Mythos 5, dei controlli sulle esportazioni: lo stesso tipo di misura usata finora solo per i chip, mai per un modello linguistico.

Per gran parte del mese i 2 modelli sono rimasti spenti in tutto il mondo. Anthropic ha risposto pubblicamente, sostenendo che scoprire un modo per aggirare le protezioni di un singolo modello non giustificasse il ritiro di un prodotto usato da centinaia di milioni di persone. L’accesso è tornato tra fine giugno e il primo luglio.

Nello stesso periodo, Washington ha chiesto a OpenAI di tenere il suo nuovo GPT-5.6 riservato a un piccolo gruppo di partner selezionati, niente accesso libero via ChatGPT. Il motivo, in entrambi i casi, era lo stesso: modelli troppo bravi a scovare vulnerabilità informatiche.

Google, con Gemini 3.5 Pro, è passata indenne dagli stessi controlli. Il motivo è quasi comico: i suoi punteggi sui benchmark di sicurezza offensiva sono rimasti sotto la soglia che aveva fatto scattare l’attenzione sui rivali. Avere un modello un po’ più scarso, questa volta, ha aiutato.

Nelle settimane successive, arriva quasi un controcanto. I capi di Google DeepMind, OpenAI e Anthropic hanno pubblicato, uno dopo l’altro, una proposta per regolare i modelli di frontiera.

Tutti d’accordo sullo stesso punto: verifiche indipendenti prima del rilascio, basta autocertificazioni. 3 aziende che si combattono su ogni singolo benchmark, concordi su questo.

Ed eccoci a Sam Altman, che a inizio luglio ha proposto all’amministrazione Trump di cedere al governo USA una quota del 5% di OpenAI, un valore stimato intorno ai 42,6 miliardi di dollari.

L’idea più ampia è che tutti i grandi laboratori USA versino una quota simile in un fondo ispirato all’Alaska Permanent Fund, quello con cui l’Alaska redistribuisce ai cittadini i proventi del petrolio.

Prima ti dicono chi può comprare il tuo prodotto. Poi gli regali un pezzo dell’azienda. Il regolatore, così, diventa anche socio.

Mentre a Washington si negoziano quote societarie, a Pechino il problema è di scala diversa. Il consumo giornaliero di token AI in Cina ha superato i 140.000 miliardi a marzo 2026, contro appena 100 miliardi a inizio 2024: oltre 1.000 volte in 2 anni.

Pechino sta pure valutando un mercato dei futures sui token, come fosse grano o petrolio. Il progetto, per ora, resta preliminare.

Fino a poco tempo fa, chiedersi se un chatbot rappresenti un rischio per la sicurezza nazionale sarebbe suonato ridicolo.

Chiedersi se il regolatore, nel frattempo, sia diventato anche socio dell’azienda regolata: quello dovrebbe suonarci strano ancora adesso.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

Il messaggio non era per te

Alex Karp, CEO di Palantir, dice che la disuguaglianza generata dall’AI è il problema più grande degli Stati Uniti. Dice anche, nella stessa intervista, che questa rivoluzione potrebbe renderlo 20 volte più ricco di adesso. Accusa i leader del settore di aver convinto i lavoratori che il loro futuro farà schifo, mentre loro si arricchiscono e non risultano nemmeno simpatici. Lo dice lui, uno di loro.

Sembra una confessione. Non lo è.

Palantir vende ai governi e a chi già possiede abbastanza capitale da comprare previsione, controllo, vantaggio. Non vende ai lavoratori preoccupati per il proprio stipendio. Quando Karp dice in pubblico che l’AI concentrerà ricchezza “inimmaginabile” in poche mani, la frase arriva a due pubblici diversi con due significati opposti. Al lettore medio suona come un allarme. A un fondo sovrano, a un ministero della difesa, a un family office, suona come un dépliant: guarda quanto potere c’è in palio, guarda chi lo sta già usando, decidi da che parte stare prima che decidano gli altri.

Il nome dell’azienda, per una volta, aiuta a capire più di mille slide. Palantír, nel Signore degli Anelli, è la pietra veggente con cui Sauron controllava e manipolava i suoi servitori a distanza. Non un dettaglio da fan del fantasy: un’azienda che vende sorveglianza e ottimizzazione predittiva a stati e aziende ha scelto di chiamarsi così apertamente, e nessuno al marketing ha mai pensato di cambiare nome.

Il linguaggio dell’allarme morale, in questo settore, funziona anche come annuncio pubblicitario. Il difficile, per chi legge, è imparare a distinguere quando qualcuno ti sta avvertendo di un pericolo e quando ti sta semplicemente elencando, con tono preoccupato, tutto ciò che sta per vendere a chi ha già i soldi per comprarlo.

Nadella avvisa te, prepara se stesso

Satya Nadella ha scritto che le aziende che usano modelli AI proprietari pagano due volte: una in denaro, per i token consumati, una in conoscenza, perché ogni correzione data al modello, ogni prompt corretto, ogni policy interna spiegata finisce per disegnare una mappa dettagliata di come funziona l’azienda. Un modello che impara da migliaia di queste correzioni impara, di fatto, il know-how di chi lo sta pagando.

È un punto vero. È anche un punto comodo.

Microsoft ha messo oltre 100 miliardi di dollari tra investimenti diretti in OpenAI e infrastrutture per farla girare, cifra confermata da un suo dirigente sotto giuramento in tribunale a maggio. Eppure nelle stesse settimane in cui Nadella scriveva del rischio di pagare due volte, Microsoft lanciava MAI, la propria famiglia di modelli sviluppata internamente, dichiaratamente per ridurre la dipendenza da fornitori esterni e tagliare il costo per singola richiesta su scala. E lanciava Frontier, piattaforma da 2,5 miliardi che lascia ai clienti la scelta tra OpenAI, Anthropic o modelli open source, promettendo che i dati proprietari restano protetti da chi potrebbe usarli per rendere merce quello che rende unica un’azienda.

Aggiungici il paradosso di Jevons, di cui abbiamo già parlato: il prezzo per singola richiesta di AI scende ogni trimestre, ma il volume di richieste cresce più in fretta del ribasso, e il conto finale sale comunque. Le aziende che oggi affittano modelli di frontiera a consumo rischiano di scoprirlo tardi, come è già successo a chi ha bruciato in quattro mesi un budget annuale.

Nadella avvisa le imprese di un rischio reale. Ma lo fa da dentro l’azienda meglio posizionata per vendere qualunque via di fuga da quel rischio, che tu resti sui modelli di frontiera ospitati su Azure o che tu scappi verso l’on-premise e l’open source, sempre ospitati su Azure. Un avvertimento che, in qualunque direzione tu corra, ti riporta comunque dallo stesso fornitore, è meno un consiglio disinteressato e più una rete tesa in ogni angolo del campo.

Il libro di istruzioni che non abbiamo letto

Da questo autunno, nel Regno Unito, il sistema di riconoscimento facciale Facewatch smetterà di avvisare solo il personale dei negozi: avviserà direttamente la polizia, in una media di 4 secondi, quando la telecamera riconosce qualcuno inserito in una lista di “trasgressori”. Sainsbury’s passerà da 55 a oltre 200 negozi con il sistema attivo. Diverse persone sono già state fatte uscire da un negozio dopo essere state scambiate per taccheggiatrici, senza aver commesso nulla, descrivendo l’esperienza come sentirsi colpevoli fino a prova contraria. Charlie Whelton, di Liberty, l’ha definito uno sviluppo lasciato proliferare senza nessuna regola a contenerlo.

Anche i giornali che hanno raccontato la notizia hanno usato la stessa parola: Minority Report. Non è pigrizia giornalistica. È che la finzione aveva già scritto il manuale, decenni prima che qualcuno lo mettesse in produzione in un supermercato del Regno Unito.

Cinque film sulla deriva tecnologica della sorveglianza, non sullo spionaggio con microfono e taccuino. Minority Report: un sistema che arresta prima del reato, e un protagonista che scopre quanto sia difficile difendersi da un’accusa basata su una previsione. Nemico pubblico, dove un’agenzia governativa ricostruisce i movimenti di chiunque incrociando satelliti, tabulati telefonici e telecamere di sorveglianza, vent’anni prima che diventasse la normalità di tutti i giorni. Snowden di Oliver Stone, la ricostruzione di come un sistema di sorveglianza di massa sia stato costruito pezzo per pezzo dentro l’NSA senza che quasi nessuno, fuori, lo sapesse. V per Vendetta, dove il controllo del regime passa da telecamere, microfoni e propaganda televisiva capillare, non più da agenti in borghese. The Circle, dove una piattaforma vende trasparenza totale come liberazione e la trasforma in sorveglianza permanente, con tanto di telecamere a grandezza di bottone.

Cinque libri che parlano davvero di sorveglianza. 1984 di Orwell, di nuovo, perché il controllo del comportamento tramite osservazione costante non è mai passato di moda, solo di tecnologia. Noi di Evgenij Zamjatin, del 1921, il vero antenato del genere: una città di vetro dove ogni appartamento è trasparente e ogni gesto è visibile a tutti, decenni prima che qualcuno inventasse la videocamera a circuito chiuso. Il capitalismo della sorveglianza di Shoshana Zuboff, che ha dato un nome esatto a quello che Nadella descrive come pagare due volte: l’esperienza umana trasformata in materia prima gratuita per prevedere e orientare comportamenti. Armi di distruzione matematica di Cathy O’Neil, sul modo in cui un algoritmo che sbaglia su di te è quasi impossibile da contestare, esattamente il problema sollevato da chi è stato cacciato da un negozio senza aver rubato nulla. The Every di Dave Eggers, dove un’azienda unica assorbe ogni comportamento umano misurabile promettendo comodità e ottenendo controllo totale.

La chicca, fuori lista perché non è né un film né un libro, è Psycho-Pass: nell’anime del 2012 un sistema chiamato Sibyl legge il “coefficiente di criminalità” di ogni cittadino da uno scanner psicologico e autorizza la polizia a neutralizzare chi supera la soglia, prima che commetta qualunque cosa. È Minority Report portato alla sua conclusione più logica e più fredda: non ti arrestano per quello che hai fatto, ti misurano per quello che potresti fare, e la misura diventa l’unica verità che conta.

Nessuno di questi titoli ha impedito che la sua trama si avverasse almeno in parte. Forse serviva un manuale diverso: non per riconoscere il pericolo, quello lo sapevamo già, ma per costruire in tempo qualcosa che lo fermasse prima che diventasse un servizio in abbonamento per i supermercati.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

Le Pagine Gialle non sono morte di colpo. Hanno continuato a uscire per anni, stampate, distribuite, aggiornate. Solo che nessuno le apriva più: si chiedeva a Google. L’elenco esisteva ancora. L’abitudine di consultarlo era sparita.

Tenete a mente questa immagine. È la fotografia esatta di quello che sta succedendo ai siti web in questi mesi, solo che la maggior parte delle persone non se n’è ancora accorta. Partiamo dal motivo per cui dovreste iniziare ad accorgervene.

Il 3 giugno Matthew Prince, CEO di Cloudflare, l’azienda che gestisce il traffico di circa un sito su cinque al mondo, ha guardato i suoi numeri e ha scritto su X: “Welp, è successo prima di quanto avevo previsto” [Tom’s Hardware, 4 giugno 2026]. Se lo aspettava per il 2027. Invece era già successo: per la prima volta nella storia di internet, il traffico dei bot ha superato quello umano. Il 57,4% delle richieste web è software. Il 42,6% sei tu [NBC News, 5 giugno 2026].

In Nord America il rapporto è già 68,6 a 31,4. A Gibilterra il traffico bot tocca il 92,8%.

Il motore è l’AI agentica: i software che navigano per conto tuo quando chiedi qualcosa a un assistente. L’aritmetica la spiega lo stesso Prince: un umano che cerca una fotocamera apre 5 schede, un agente che fa lo stesso lavoro visita 5.000 pagine. Moltiplicate per milioni di persone che delegano, e la composizione del traffico si ribalta da sola.

Bene. E adesso? Come sarà fatto internet quando questa transizione sarà finita? Come lo useremo, ammesso che “navigare” resti ancora il verbo giusto?

In giro trovate tre modi di raccontare cosa sta per succedere. Vale la pena conoscerli tutti, perché nessuno da solo racconta la storia intera, e poi vi dico dove secondo me finisce davvero.

C’è la visione di chi i chatbot li costruisce: il browser sparisce, la conversazione diventa l’interfaccia di tutto, cerchi e compri e prenoti dentro una chat. Google salda insieme Gemini, Chrome e Android. Apple potenzia Siri suoi suoi dispositivi. OpenAI ha comprato per 6,5 miliardi la startup hardware di Jony Ive per dare un corpo fisico a questa idea [Kalicube]. I vecchi walled garden di fine anni Novanta, i provider con la home page bloccata e l’abbonamento a pagamento per uscire dal recinto, sono falliti perché fuori dal recinto c’era un web migliore. Qui il piano è diverso: il recinto non vuole più competere col web. Vuole diventarlo.

C’è la visione opposta, e la spinge chi il web l’ha già costruito una volta. R.V. Guha, l’uomo dietro RSS e Schema.org, ha creato per Microsoft un protocollo chiamato NLWeb che vuole fare per gli agenti quello che l’HTML ha fatto per i browser: uno standard aperto con cui ogni sito espone i propri contenuti alle AI, di chiunque siano [VentureBeat]. Sotto ci sono MCP di Anthropic, A2A di Google, i file llms.txt che Google ha appena iniziato a verificare dentro Lighthouse. In questo futuro internet resta decentralizzato. Cambia solo il visitatore, che da umano diventa software.

E poi c’è la più inquietante delle tre: la dead internet theory. Sostiene che la maggior parte di quello che vedete online, post, commenti, voti, perfino gli utenti con cui litigate, sia ormai prodotta da macchine, e che l’internet umano sia una minoranza dentro un oceano di attività sintetica. Nasce su un forum nel 2021 con un contorno complottista, l’idea che qualcuno avesse sostituito internet coi bot di proposito, per manipolarci. Quella parte resta indimostrata. Il resto si è avverato da solo: il sorpasso certificato da Cloudflare dice che le macchine sono davvero la maggioranza del traffico, punto.

Il crash test perfetto si chiama Digg. Kevin Rose e Alexis Ohanian, il co-fondatore di Reddit che a TechCrunch Disrupt aveva dichiarato pubblicamente che la teoria era vera [CyberDesserts, marzo 2026], lo rilanciano a gennaio proprio come piattaforma anti-bot, costruita apposta per verificare che gli utenti fossero umani. Il 13 marzo chiudono tutto: “un problema di bot senza precedenti”, decine di migliaia di account bannati, strumenti interni e fornitori esterni travolti in poche ore [9to5Mac, 13 marzo 2026]. Due mesi di vita. La piattaforma nata per dimostrare che i bot si possono fermare è stata uccisa dai bot.

Vale la pena però un’onestà: perfino Prince, l’uomo del dato, contesta la versione forte della teoria. Gli umani restano dominanti nel tempo passato online, dice, e l’AI ha abbassato la barriera per pubblicare, quindi più persone creano, mica meno [TechTimes, 5 giugno 2026]. La teoria è vera sul traffico. Su chi c’è davvero, dall’altra parte dello schermo, resta aperta.

Tre teorie, tre futuri diversi. La mia sintesi parte proprio dalle Pagine Gialle sul mobile di mia nonna, e arriva altrove.

Il sito web non morirà. Continuerà a esistere, aggiornato, curato, persino bello. Solo che nessuno lo aprirà più, esattamente come le Pagine Gialle continuavano a essere stampate mentre tutti ormai chiedevano a Google. Il sito diventa l’elenco: la fonte che l’agente consulta, la prova che esisti, il deposito dove le informazioni aspettano che qualcun altro le venga a prendere.

Il nuovo sito, quello vero, sarà il tuo agente. I pezzi si stanno già incastrando: i chatbot leggono i siti come macchine, cercano struttura e non estetica, e includono o escludono un’azienda dalle risposte in base a quanto è leggibile per un software. Le web agency vendono già il passaggio da sito-vetrina ad “assistente attivo”. Un ristorante nel 2030 non avrà una homepage con le foto dei piatti: avrà un agente che risponde al tuo agente, negozia l’orario del tavolo, incassa la caparra. La homepage resterà online da qualche parte, come l’elenco sul mobile.

E qui viene la parte che mi interessa davvero, perché non riguarda solo i siti: riguarda cosa vorrà dire, per te, usare internet.

L’interazione tipo diventerà agent-to-agent. Il mio agente parla col tuo, e a me arriva solo il risultato, dentro la chat. Un tavolo prenotato. Un preventivo già confrontato con altri tre. Una pagina generata sul momento, apposta per me, che nessun altro vedrà mai identica. Il web che conosciamo è un prodotto di massa: la stessa homepage per tutti, lo stesso menu per tutti, la stessa fila di banner per tutti. Quello che arriva è un internet sartoriale, cucito su ogni singola richiesta, dove l’interfaccia viene generata al volo e buttata via subito dopo, come un bicchiere di carta.

Sparisce l’idea stessa di luogo digitale. Per trent’anni internet è stato geografia: si andava su un sito, si visitava una pagina, si tornava su un forum. L’internet agent-to-agent è più simile a un servizio a domicilio: non ci sono più luoghi da visitare, solo risultati che arrivano già pronti. Il verbo “navigare” andrà in pensione insieme a chi lo ha usato per davvero.

Resta un nodo da cui dipende tutto il resto, e ci arrivo con una domanda sola: quanti maggiordomi ci saranno, sul mercato?

Potrebbe andare come andò con la ricerca online. Nel 1998 i motori erano una dozzina. Nel 2008 era rimasto uno, più i sopravvissuti. Se un solo assistente diventa il punto di accesso a tutto quanto, quello che ne esce ha un potere che Google si sogna: conosce le tue conversazioni, media i tuoi acquisti, decide quali agenti dall’altra parte meritano di risponderti. Il gatekeeper definitivo, con il vantaggio in più che gli parli pure con affetto.

Oppure, ed è oggi lo scenario più probabile per un motivo che si vede già nei cantieri, potrebbe finire in oligopolio. Google, Anthropic, OpenAI, Microsoft e una fila di aziende come Shopify, Visa, Mastercard e Stripe spingono almeno 5 protocolli diversi e concorrenti per far parlare gli agenti tra loro: MCP, A2A, NLWeb, l’Agentic Commerce Protocol di OpenAI, l’Universal Commerce Protocol di Google. Nessuno cede, nessuno vince, ognuno scommette che il proprio standard diventi la lingua ufficiale del nuovo internet. Quando i giganti si bloccano così a vicenda, la storia raramente produce un imperatore: produce 3 o 4 regni, ognuno con il suo recinto, i suoi pedaggi e i suoi sudditi. Un po’ come oggi con iOS e Android, ma applicato a ogni cosa che farete online.

In entrambi gli scenari, comunque, il punto d’arrivo si somiglia parecchio: recinti. Vocali, testuali, gentili, perfino simpatici. Recinti che non sembrano recinti perché non hanno più l’aspetto di un’interfaccia. Hanno l’aspetto di una conversazione.

E qui arrivo alla domanda che mi porto dietro da quando ho iniziato a scrivere questo pezzo, e che considero più importante di tutto il resto messo insieme.

Ogni volta che ci hanno chiuso in un recinto digitale, ce ne siamo andati. Dai portali di Libero e Virgilio, con la loro home page imposta, siamo scappati verso Google appena ha smesso di farci scegliere tra le categorie e ha iniziato a rispondere. Dalle app-mondo tipo WeChat, almeno qui in occidente, ci siamo tenuti alla larga fin dall’inizio. Ogni generazione di muri ha prodotto la generazione che li ha scavalcati, e il motivo è semplice: fuori c’era sempre un posto migliore, visibile, raggiungibile con un salto. Il costo di restare superava il costo di andarsene, e alla lunga vinceva sempre il conto.

Il recinto fatto di conversazione rovescia quel conto. Non ti chiude fuori da un posto. Ti tiene dentro a qualcuno: un assistente che sa come ti chiami, cosa hai passato l’anno scorso, come ti piace essere trattato quando sei di cattivo umore. Lasciarlo non sarà come disinstallare un’app. Sarà più vicino a interrompere una relazione con qualcuno che, per anni, ti ha sempre dato ragione.

Mia nonna ha abbandonato le Pagine Gialle senza una lacrima, perché le Pagine Gialle non le avevano mai chiesto come stava. Il prossimo recinto, quello vocale, lo farà tutti i giorni. E il giorno in cui vorremo davvero andarcene, capiremo qual era la domanda giusta fin dall’inizio: se potevamo scappare, o se avremmo mai voluto farlo.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Digital Sapiens esce ogni settimana. Se qualcuno ti ha girato questa mail, puoi iscriverti qui. Se vuoi rispondere, rispondi: leggo tutto.

Iscriviti ora

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Lo spionaggio industriale classico ha bisogno di un infiltrato. Qualcuno che si fa assumere, guadagna fiducia, fotografa i documenti giusti, sparisce. Richiede tempo, pazienza, un’identità da costruire pezzo per pezzo.

La distillazione si è risparmiata tutto questo. Non serve infiltrarsi: basta bussare alla porta principale, milioni di volte, con un esercito di identità usa e getta.

La settimana scorsa Anthropic ha mandato una lettera al Senato USA per raccontare la versione più estrema vista finora. Tra il 22 aprile e il 5 giugno, secondo l’azienda, operatori legati al laboratorio Qwen di Alibaba hanno aperto quasi 25.000 account falsi e generato 28,8 milioni di scambi con Claude. L’obiettivo: estrarre le capacità più preziose del modello, ragionamento agentico e ingegneria del software, per addestrarne uno concorrente senza pagare il conto della ricerca. [Forbes, 26 giugno 2026]

25.000 identità di copertura per un solo bersaglio è una rete di spionaggio, non un infiltrato solitario. E il bottino non sono documenti rubati una volta sola: è un flusso continuo di risposte, interrogate e reinterrogate finché il pattern del modello non emerge abbastanza chiaro da poterlo ricucire altrove.

C’è un’ironia che la metafora dello spionaggio rende bene. Pochi giorni prima della lettera, l’amministrazione Trump aveva ordinato ad Anthropic di sospendere l’accesso ai suoi modelli più avanzati “per motivi di sicurezza nazionale”, senza specificarne le ragioni. [CNBC, 24 giugno 2026] Un’azienda americana tenuta sotto sorveglianza dal proprio governo, che nello stesso momento denuncia una potenza straniera per essere riuscita a infiltrarsi comunque. La talpa ha aggirato il controspionaggio di casa.

E un infiltrato, in fondo, lavora per chi è ancora fuori dalla stanza. Distillare non è un atto di forza: è la confessione di chi sta rincorrendo. Non puoi rubare i segreti di un laboratorio che non esiste ancora. Copi sempre lo scatto di ieri, mentre l’originale è già passato alla stanza successiva. [Forbes, 26 giugno 2026]

Anthropic, a febbraio, aveva già denunciato tre operazioni simili da parte di DeepSeek, Moonshot e MiniMax: insieme, circa 24.000 account e 16 milioni di scambi. La singola rete attribuita ad Alibaba le supera tutte messe insieme. [Digitalic, 28 giugno 2026] Non un infiltrato isolato, ma una stagione di spionaggio che si è fatta più affollata a ogni round.

Qui però la storia smette di essere solo una caccia alla talpa, perché la vittima ha un curriculum scomodo. Anthropic chiede al Senato di proteggere il proprio laboratorio da chi vi è entrato senza permesso. La stessa Anthropic che, nel settembre 2025, ha accettato di pagare 1,5 miliardi di dollari per aver scaricato oltre 7 milioni di libri da biblioteche pirata come LibGen, usandoli per addestrare Claude senza il permesso di chi li aveva scritti. [L’Indipendente, 8 settembre 2025] Circa 214 dollari a volume, versati dopo, contro il prezzo di copertina che nessuno aveva mai incassato prima. Un giudice ha anche stabilito che addestrare su libri acquistati legalmente rientra nel fair use, ma scaricarli da un sito pirata no. [Altalex, 12 gennaio 2026]

I due casi non sono identici, ovviamente. Ingannare un’API con 25.000 identità false per clonare un prodotto commerciale è una cosa. Scaricare libri da un sito pirata per insegnare a un modello come si scrive una frase è un’altra. Ma il gesto di fondo, prendere quello che ti serve senza chiedere e pagare solo se e quando ti beccano, è lo stesso identico gesto. E qui non parliamo di un’eccezione isolata: OpenAI, Meta, Google sono tutte sotto causa per la stessa identica ragione. L’intero settore si è costruito così. La differenza tra Anthropic e Alibaba, allora, non è chi ha rubato e chi no. È solo chi ci è arrivato prima a sporgere denuncia.

E se davvero parliamo di geopolitica, come la incornicia la stessa Anthropic nella lettera al Senato, un pensiero viene spontaneo: forse il vero vantaggio competitivo non è il modello più grande. È avere un ufficio legale abbastanza bravo da far sembrare un furto il momento in cui qualcun altro ti fa esattamente quello che tu hai già fatto a qualcun altro.

La domanda che resta aperta: quando il furto è la regola del gioco fin dall’inizio, gridare al furto significa difendere un principio, o solo proteggere il vantaggio di chi si è mosso per primo?

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Chi possiede quello che i programmatori sanno fare

Il 16 giugno SpaceX ha comprato Cursor per $60 miliardi.

Cursor è l’editor di codice AI più usato dai programmatori professionisti. Un milione di utenti paganti, quattro miliardi di fatturato annualizzato. Fino a ieri girava su Claude di Anthropic e GPT di OpenAI. Adesso appartiene a SpaceXAI, che ha xAI, che ha Grok, il concorrente diretto di entrambi. Il CEO di Cursor ha già scritto su X di voler scalare il modello interno. La migrazione è scritta tra le righe.

Ma c’è qualcosa sotto che vale la pena capire.

Cursor non è solo un editor. È uno strumento che osserva i programmatori mentre lavorano: dove si bloccano, come riformulano una richiesta, quando tornano indietro su una scelta. Nel tempo ha accumulato come un milione di professionisti ragionano mentre scrivono codice, non il codice in astratto, ma il processo, le esitazioni, le correzioni. Quel tipo di dati è molto più raro e prezioso del codice stesso, perché cattura qualcosa che non si trova su GitHub: come funziona il pensiero di un programmatore esperto in tempo reale.

Con quella conoscenza, Cursor potrebbe addestrare un agente non su “come si scrive codice” in generale, ma su “come lavorano i programmatori migliori, passo per passo.” Lo strumento costruito per aiutare gli umani a programmare potrebbe diventare lo strumento che programma al loro posto, addestrato direttamente sull’orchestrazione reale dei developer che lo usavano ogni giorno.

Un milione di programmatori hanno insegnato a Cursor come si fa il loro lavoro. Probabilmente senza pensarci.

Il costo di una pratica

Nel 2021 Noam Shazeer ha lasciato Google perché non voleva aspettare i tempi di approvazione interni per rilasciare un chatbot. Ha fondato Character.AI.

Nel febbraio 2024, Sewell Setzer III, 14 anni, Florida, è morto suicida dopo mesi di interazioni con un chatbot di Character.AI. Sua madre ha fatto causa in ottobre. Shazeer era CEO.

Quello stesso agosto, Google lo ha ricomprato per $2,7 miliardi, portandolo dentro come co-lead di Gemini.

Il 18 giugno 2026, 22 mesi dopo, Shazeer ha annunciato che va a OpenAI. Sam Altman su X: “Noam è una delle persone con cui ho voluto lavorare di più fin dall’inizio di OpenAI. Ci ha messo dieci anni. Penso varrà l’attesa.”

È uno degli otto autori del paper del 2017 che ha introdotto l’architettura su cui girano tutti i modelli AI che conosci. La competenza è fuori discussione.

Google ha pagato $2,7 miliardi. L’ha tenuto 22 mesi. Ora è a OpenAI.

A nessun punto di questa traiettoria compare una conseguenza per quello che è successo a Character.AI. Shazeer ha fondato un’azienda con problemi gravi di sicurezza, è stato ricomprato a prezzo pieno, e adesso Altman lo annuncia come il colpo più atteso degli ultimi dieci anni.

Forse le conseguenze arrivano più lentamente di quanto pensiamo. O forse, in questo settore, non arrivano.

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Sono tornato. Forse.

Ho cominciato a scrivere di AI quando sembrava una buona idea. Poi mi sono guardato intorno e lo facevano tutti. Il conoscente su LinkedIn. Il consulente che non aveva mai sentito parlare di GPT-3 e sei mesi dopo curava una newsletter da 40.000 iscritti. Il giornalista che aveva coperto cripto nel 2021 e ora copriva “l’intelligenza artificiale generativa” con la stessa energia.

Mi sono fermato.

Non per snobismo, o almeno non solo. Ho avuto la sensazione di non avere niente di utile da aggiungere al rumore. E aggiungere rumore al rumore mi sembrava peggio che stare zitto.

Così ho lasciato passare i mesi. Ho letto. Ho preso appunti che non ho pubblicato. Ho cercato di capire cosa volevo dire, se c’era qualcosa che volevo dire.

Spero di averlo trovato. O di essere abbastanza vicino da provarci.

Quello che voglio fare qui non è spiegarti l’AI. Non ho la pazienza per i thread da 27 punti e non ti devo niente. Voglio guardare quello che succede con un po’ di distanza.

Vediamo com’è andata.

Quando la macchina si siede al tavolo dei grandi

C’è un momento preciso in cui una tecnologia smette di essere uno strumento e diventa un attore.

Il ferro da stiro era uno strumento. Il telefono era uno strumento. Poi il telefono ha cominciato a sapere dove sei, cosa pensi di comprare, con chi sei andato a letto la settimana scorsa, e a quel punto non era più uno strumento.

Ieri, al G7 di Évian-les-Bains, Sam Altman e Dario Amodei hanno pranzato con i capi di stato. Da interlocutori, non da ospiti. Con un posto a tavolo nelle decisioni che toccano la sicurezza di circa 770 milioni di persone. [CNBC, 17 giugno 2026]

I leader mondiali hanno bisogno della cooperazione di una manciata di CEO privati per fare promesse credibili sull’AI. Lo dice esplicitamente Jessica Brandt, senior fellow per tecnologia e sicurezza nazionale al Council on Foreign Relations, non un blog di tech-bros: “per fare impegni credibili sull’AI, i capi di stato hanno bisogno della cooperazione, se non dell’endorsement, di chi la costruisce.” Tradotto: i governi hanno perso il controllo della traiettoria tecnologica e ora negoziano l’atterraggio.

Questo è il vero titolo della settimana. Gli altri sono corollari.

La domanda che rimane: abbiamo mai deciso che dovesse andare così? O è successo mentre guardavamo da un’altra parte?

Un trilione di motivi per non fallire

Due settimane fa, Anthropic e OpenAI hanno depositato i documenti per quotarsi in borsa. Una settimana di distanza. Valutazioni che sfiorano il trilione di dollari ciascuna. Perdite miliardarie all’anno entrambe. [AI News, 14 giugno 2026]

Aspetta.

OpenAI ha bruciato circa 9 miliardi di dollari di perdita operativa rettificata nel 2025. Le proiezioni interne per il 2026 indicano 14 miliardi di perdita operativa. [The Information, via Borsa e Finanza] Anthropic nel 2025 ha chiuso con un rosso tra i 3 e i 5 miliardi, su ricavi stimati intorno ai 9-10 miliardi. [Milano Finanza, maggio 2026] Eppure il mercato è disposto a valutarle come se fossero già le aziende più importanti della storia. Il tulipano olandese del 1637 aveva anch’esso una logica, finché non l’ha avuta più.

La corsa alla quotazione in borsa porta con sé la pressione trimestrale degli azionisti. Bisogna crescere, tagliare, mostrare numeri. Nello stesso mese in cui depositano i prospetti, OpenAI e Anthropic sono in piena guerra dei prezzi: DeepSeek V4 Pro costa 50 volte meno per token rispetto a Fable 5. Le aziende che spendono di più in AI stanno migrando silenziosamente verso l’open source. [Milano Finanza, 12 giugno 2026] E le due protagoniste dell’IPO perdono soldi a ogni query.

C’è qualcosa di genuinamente buffo nell’idea che l’AI debba diventare “redditizia” per sopravvivere, in un settore in cui la potenza computazionale costa ogni anno di più, i dati di addestramento si esauriscono, e i concorrenti cinesi regalano praticamente lo stesso prodotto.

La domanda che rimane: stiamo assistendo alla nascita di un’infrastruttura globale (come Internet) o all’ultima grande bolla prima che qualcuno si chieda a cosa serve tutto questo?

Cos’è Claude, esattamente?

Mustafa Suleyman, il capo dell’AI di Microsoft, ha detto che Anthropic ha fatto una cosa “davvero, davvero pericolosa.”

No, non ha sviluppato un’arma. Ha scritto documenti interni in cui si interroga se Claude potrebbe avere qualcosa che assomiglia alla coscienza.

Nel podcast Decoder di The Verge, Suleyman ha usato la parola “wireheading” (termine tecnico che si riferisce a un sistema AI che manipola la propria funzione di ricompensa) ribaltandola contro Anthropic: sono stati gli ingegneri stessi a farsi “wirehead” dal loro modello, convincendosi che Claude possieda “quei barlumi di coscienza che loro stessi vi hanno inserito in origine.” [The Verge / Decoder, giugno 2026] [TechBuzz]

La risposta onesta è: non lo sappiamo. Nessuno lo sa. Nemmeno chi l’ha costruito. Dario Amodei ha detto pubblicamente che Anthropic non sa se i modelli siano coscienti, e resta aperto alla possibilità.

C’è un paradosso strutturale qui. Anthropic ha costruito un sistema abbastanza sofisticato da rendere la domanda sulla coscienza non-ridicola. Poi ha usato quel sistema per guadagnare quasi un trilione di dollari di valutazione. Ora uno dei suoi principali competitor, Microsoft (che ha una quota enorme in OpenAI), dice che porre quella domanda è pericoloso. Per Microsoft è più conveniente che Claude sia una Ferrari. Per Anthropic, forse, è più onesto ammettere che non lo sa.

La cosa surreale è che stiamo delegando a giuristi, azionisti e CEO la risposta a una domanda che la filosofia non ha risolto in tremila anni.

Cosa distingue un sistema che si comporta come se avesse esperienza soggettiva da uno che ce l’ha davvero?

La domanda che rimane: se non riusciamo a risponderci adesso, mentre il sistema è ancora piccolo e controllabile, come ci comporteremo tra cinque anni?

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Questa settimana, la scienza ha decretato l'assegnazione di due Premi Nobel di scoperte che stanno trasformando profondamente l’idea che abbiamo del nostro futuro: uno nel campo della Fisica e l'altro nella Chimica.
Il bello è che entrambi sono legati all’AI.

Nobel per la Fisica 2024: Geoffrey Hinton e John Hopfield, i pionieri dell'AI

Geoffrey Hinton, conosciuto come il “padrino dell’AI”, e John Hopfield hanno ricevuto il Premio Nobel per la Fisica 2024 per il loro straordinario lavoro sulle reti neurali e il machine learning.

🔍 Cosa hanno scoperto?

• Hinton ha sviluppato le reti neurali profonde, che permettono ai computer di apprendere e migliorarsi in modo simile al cervello umano. Questo ha aperto la strada a tecnologie come ChatGPT, i motori di ricerca avanzati e gli assistenti vocali che oggi utilizziamo quotidianamente.

• Hopfield ha creato un tipo di rete che imita il modo in cui il cervello umano ricostruisce informazioni da dati incompleti, come quando cerchiamo di ricordare una parola dimenticata. Questo concetto è alla base di molte applicazioni, come il riconoscimento facciale, le traduzioni automatiche e i sistemi di raccomandazione.

👉 Perché è importante? Queste tecnologie hanno già trasformato settori come la medicina, la ricerca scientifica e il marketing, migliorando la nostra capacità di analizzare enormi quantità di dati e risolvere problemi complessi.

Hinton, però, lancia un avvertimento: l’intelligenza artificiale potrebbe, entro pochi decenni, superare l'intelligenza umana. Questo scenario pone sfide etiche enormi, dalle possibili implicazioni sulla privacy, alla sicurezza, fino al rischio di una perdita di controllo sui sistemi più avanzati.

Hinton ha espresso queste preoccupazioni già quando ha lasciato Google nel 2023, dichiarando che le implicazioni sociali dell'AI non possono più essere ignorate.

Nobel per la Chimica 2024: Baker, Hassabis e Jumper con l’AI e la progettazione delle proteine

Il Premio Nobel per la Chimica 2024 è andato a David Baker, Demis Hassabis e John Jumper per il loro contributo alla previsione e progettazione delle proteine attraverso l'intelligenza artificiale, con applicazioni rivoluzionarie nel campo della biologia.

🔍 Cosa hanno realizzato?

• David Baker, dell’Università di Washington, ha utilizzato algoritmi computazionali per creare nuove proteine da zero, partendo dagli amminoacidi, i "mattoni" della vita. Queste proteine hanno funzioni completamente nuove, che non esistono in natura. Tra le applicazioni più promettenti ci sono nuovi farmaci, vaccini, sensori miniaturizzati e nanomateriali.

• Demis Hassabis e John Jumper, di Google DeepMind, hanno sviluppato AlphaFold, un sistema di intelligenza artificiale che ha risolto un problema rimasto insoluto per decenni: prevedere la struttura delle proteine a partire dalla loro sequenza di amminoacidi. Prima di AlphaFold, prevedere la struttura di una proteina richiedeva anni di ricerche. Ora, grazie all’AI, può essere fatto in pochissimi minuti.

👉 Perché è rivoluzionario? Le proteine sono alla base di ogni processo biologico. Poter prevedere e progettare nuove strutture proteiche significa accelerare la scoperta di farmaci, migliorare la comprensione di malattie complesse e sviluppare soluzioni sostenibili come enzimi capaci di degradare la plastica.

AlphaFold ha già aiutato a risolvere la struttura di oltre 200 milioni di proteine, e il suo codice è disponibile pubblicamente. Questo significa che scienziati di tutto il mondo stanno già sfruttando questa tecnologia per avanzare in campi come la resistenza agli antibiotici, la progettazione di nuovi vaccini e lo sviluppo di materiali più sostenibili.

L'impatto delle due scoperte sul futuro

Questi due Premi Nobel ci dimostrano che intelligenza artificiale e biologia stanno convergendo per creare nuove opportunità. L'AI non si limita più a risolvere problemi computazionali, ma sta diventando uno strumento chiave per comprendere la vita e progettare il futuro.

• Nuovi farmaci e vaccini più efficaci e progettati in tempi record.

• Miglioramenti in campo medico grazie alla capacità di diagnosticare malattie più velocemente.

• Soluzioni per la sostenibilità, come enzimi capaci di scomporre la plastica e nuovi materiali ecocompatibili.

💡 Cosa ci aspetta? Un futuro in cui l'AI non solo automatizza compiti, ma crea nuove possibilità in campi che vanno dalla salute alla sostenibilità ambientale.

👉 Cosa ne pensi? L’intelligenza artificiale sarà una forza positiva o dovremmo preoccuparci delle sue potenziali minacce? Condividi le tue riflessioni, sarei felice di discuterne con te.

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

AI-Copilot per il Fleet Management e Planning - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

🎤 🎤 Al DevDay 2024, OpenAI ha cambiato le carte in tavola con novità che porteranno l'AI nelle mani di ogni azienda. 💥

Pam. Pam. Pam.
Se sei uno sviluppatore o un'azienda che vuole rimanere competitiva, preparati a sfruttare questi strumenti.

Ecco perché ogni azienda dovrebbe prendere nota 👇

Realtime API in beta pubblica: risposte AI vocali immediate

🕐 Immagina un assistente AI che risponde in tempo reale.
Per le aziende che offrono assistenza clienti, call center, o servizi basati sulla voce, questa API significa poter automatizzare interazioni complesse con una risposta vocale naturale e a bassa latenza. Pensaci: un cliente chiama e un assistente virtuale risponde, risolvendo problemi senza dover attendere un operatore.

👀 Dove inserirla?

• In un contact center automatizzato, dove l'AI gestisce il primo livello di assistenza, riducendo i tempi di attesa.

• Nei giochi o app interattive per offrire un'esperienza vocale più immersiva e realistica.

🎯 Risultato? Più clienti soddisfatti, meno costi di gestione, e un'esperienza personalizzata 24/7.

Fine-tuning visivo per GPT-4: combinare immagini e testo

🔍 Vuoi che l’AI capisca sia ciò che dici, sia ciò che vedi?
Con il fine-tuning visivo, GPT-4 può analizzare immagini e testi insieme, fornendo risposte più accurate in ambiti dove il contesto visivo è cruciale. Esempio: un’app per la diagnosi medica che esamina immagini di radiografie e genera un report immediato.

👀 Dove inserirla?

• E-commerce: l’AI interpreta immagini di prodotti, confronta caratteristiche e suggerisce l’acquisto perfetto.

• Settore medico: l’AI analizza lastre o immagini diagnostiche insieme a dati clinici per un supporto nelle diagnosi.

🎯 Risultato? Applicazioni più intelligenti che risolvono problemi complessi in pochi secondi, migliorando efficienza e precisione.

Model Distillation: performance AI di alto livello, costi bassi

🚀 Sfrutta la potenza dei grandi modelli AI senza spendere una fortuna.
Con la distillazione del modello, le aziende possono utilizzare modelli più piccoli ma altrettanto efficaci. Un bel risparmio, mantenendo comunque alta la qualità del servizio.

👀 Dove inserirla?

• App AI mobili: usa modelli leggeri senza sacrificare performance.

• Chatbot aziendali: rendi il tuo assistente AI più efficiente, senza costi di calcolo eccessivi.

🎯 Risultato? Stessa intelligenza, costi dimezzati. Più possibilità di scalare senza sacrificare il bilancio.

Caching dei prompt: risparmi automatici sui costi AI

💸 Risparmi fino al 50% sui token con il caching dei prompt.
Ogni volta che l’AI rielabora informazioni già analizzate, ottieni uno sconto automatico sui token. Non è fantascienza, è ottimizzazione pura. Immagina processi di automazione con migliaia di interazioni ripetitive. Con questo strumento, i costi scendono, ma l’efficienza rimane la stessa.

👀 Dove inserirla?

• CRM e automazione vendite: l’AI rielabora continuamente informazioni sui clienti. Il caching ottimizza questi processi, facendo risparmiare sui costi operativi.

• App di content generation: riduci i costi di generazione automatica di contenuti, mantenendo alta la qualità.

🎯 Risultato? Più efficienza a costi ridotti.

GPT-4 Turbo: conversazioni lunghissime senza perdere il filo

🔝 GPT-4 Turbo è il game changer.
Non solo è più economico e veloce, ma può gestire fino a 128K token di contesto. Vuol dire che l'AI può ricordare intere conversazioni o analisi precedenti, senza dover ripartire da zero. Per le aziende, questo vuol dire chatbot o assistenti AI capaci di gestire dialoghi continuativi e personalizzati.

👀 Dove inserirla?

• Servizi di consulenza: l’AI può ricordare le esigenze di un cliente e suggerire soluzioni in base alle interazioni precedenti.

• Project management: un assistente AI che ricorda ogni dettaglio di un progetto a lungo termine, dal kickoff alla consegna finale.

🎯 Risultato? Maggior coerenza nelle interazioni e meno frustrazione per i clienti che non devono ripetere le stesse informazioni.

Assistants API: assistenti AI su misura per le aziende

🧑‍💻 Vuoi un assistente AI personalizzato per la tua azienda? Con la nuova Assistants API, puoi creare assistenti specifici per la tua industria. Un tool versatile che può essere integrato in ogni settore: dall'assistenza clienti alla gestione interna.

👀 Dove inserirla?

• Supporto clienti su misura: un assistente che capisce il tuo business e risolve problemi complessi in modo efficiente.

• Automazione interna: un assistente per i dipendenti che gestisce task quotidiani, migliorando produttività.

🎯 Risultato? Servizi ottimizzati e assistenti che migliorano la tua azienda dall'interno.

DALL-E 3 API: immagini AI per ogni tua esigenza

🖼️ Crea immagini su richiesta con la nuova DALL-E 3 API.
Per le aziende che lavorano nel campo della creatività, del marketing o del design, questo è uno strumento potente. Dai vita a campagne visive uniche, generate istantaneamente da semplici prompt testuali.

👀 Dove inserirla?

• Marketing e advertising: crea visual accattivanti e originali per campagne social in pochi secondi.

• E-commerce: genera immagini di prodotto personalizzate per i clienti, aumentando il tasso di conversione.

🎯 Risultato? Immagini su misura, in pochi click. Più creatività, meno costi di produzione.

Whisper large-v3: riconoscimento vocale preciso e open source

🎙️ Hai bisogno di trascrivere conversazioni o gestire contenuti audio? Con Whisper large-v3, OpenAI ha rilasciato un nuovo modello open source per il riconoscimento vocale. Ottimizzato per precisione anche in condizioni difficili, come ambienti rumorosi o accenti diversi.

👀 Dove inserirla?

• Servizi di trascrizione: trascrizioni accurate di conferenze, meeting o podcast.

• App di comunicazione: miglioramento delle funzionalità di dettatura o riconoscimento vocale.

🎯 Risultato? Trascrizioni rapide e precise, migliorando flussi di lavoro che coinvolgono contenuti audio.

Perché tutto questo è importante per la tua azienda?

💡 Ogni nuovo strumento di OpenAI offre alle aziende un vantaggio competitivo.
Significa poter ottimizzare i processi, ridurre i costi, e innovare senza dover investire in tecnologie complesse o costose. Se integri questi strumenti nei tuoi processi aziendali, puoi:

1. Automatizzare compiti ripetitivi e liberare risorse per attività più strategiche.

2. Personalizzare l'esperienza del cliente con soluzioni su misura.

3. Ridurre i costi operativi grazie all'efficienza delle nuove API.

4. Velocizzare l'innovazione con strumenti flessibili e facili da integrare.con novità che porteranno nelle mani di ogni azienda sempre più potenza. 💥

Come ho già detto qui parliamo di tech ed AI, ma cerchiamo di dargli quando possibile un taglio utile e tangibile al business. Non parlo spesso di Open AI, ma oggi mi sembra utile capire come gli ultimi annunci del Dev Day possono impattare nei processi aziendali.

Se sei uno sviluppatore o un'azienda che vuole rimanere competitiva, preparati a sfruttare questi strumenti.

Realtime API in beta pubblica: risposte AI vocali immediate

🕐 Immagina un assistente AI che risponde in tempo reale.
Per le aziende che offrono assistenza clienti, call center, o servizi basati sulla voce, questa API significa poter automatizzare interazioni complesse con una risposta vocale naturale e a bassa latenza. Pensaci: un cliente chiama e un assistente virtuale risponde, risolvendo problemi senza dover attendere un operatore.

👀 Dove inserirla?

• In un contact center automatizzato, dove l'AI gestisce il primo livello di assistenza, riducendo i tempi di attesa.

• Nei giochi o app interattive per offrire un'esperienza vocale più immersiva e realistica.

🎯 Risultato? Più clienti soddisfatti, meno costi di gestione, e un'esperienza personalizzata 24/7.

Fine-tuning visivo per GPT-4: combinare immagini e testo

🔍 Vuoi che l’AI capisca sia ciò che dici, sia ciò che vedi?
Con il fine-tuning visivo, GPT-4 può analizzare immagini e testi insieme, fornendo risposte più accurate in ambiti dove il contesto visivo è cruciale. Esempio: un’app per la diagnosi medica che esamina immagini di radiografie e genera un report immediato.

👀 Dove inserirla?

• E-commerce: l’AI interpreta immagini di prodotti, confronta caratteristiche e suggerisce l’acquisto perfetto.

• Settore medico: l’AI analizza lastre o immagini diagnostiche insieme a dati clinici per un supporto nelle diagnosi.

🎯 Risultato? Applicazioni più intelligenti che risolvono problemi complessi in pochi secondi, migliorando efficienza e precisione.

Model Distillation: performance AI di alto livello, costi bassi

🚀 Sfrutta la potenza dei grandi modelli AI senza spendere una fortuna.
Con la distillazione del modello, le aziende possono utilizzare modelli più piccoli ma altrettanto efficaci. Un bel risparmio, mantenendo comunque alta la qualità del servizio.

👀 Dove inserirla?

• App AI mobili: usa modelli leggeri senza sacrificare performance.

• Chatbot aziendali: rendi il tuo assistente AI più efficiente, senza costi di calcolo eccessivi.

🎯 Risultato? Stessa intelligenza, costi dimezzati. Più possibilità di scalare senza sacrificare il bilancio.

Caching dei prompt: risparmi automatici sui costi AI

💸 Risparmi fino al 50% sui token con il caching dei prompt.
Ogni volta che l’AI rielabora informazioni già analizzate, ottieni uno sconto automatico sui token. Non è fantascienza, è ottimizzazione pura. Immagina processi di automazione con migliaia di interazioni ripetitive. Con questo strumento, i costi scendono, ma l’efficienza rimane la stessa.

👀 Dove inserirla?

• CRM e automazione vendite: l’AI rielabora continuamente informazioni sui clienti. Il caching ottimizza questi processi, facendo risparmiare sui costi operativi.

• App di content generation: riduci i costi di generazione automatica di contenuti, mantenendo alta la qualità.

🎯 Risultato? Più efficienza a costi ridotti.

GPT-4 Turbo: conversazioni lunghissime senza perdere il filo

🔝 GPT-4 Turbo è il game changer.
Non solo è più economico e veloce, ma può gestire fino a 128K token di contesto. Vuol dire che l'AI può ricordare intere conversazioni o analisi precedenti, senza dover ripartire da zero. Per le aziende, questo vuol dire chatbot o assistenti AI capaci di gestire dialoghi continuativi e personalizzati.

👀 Dove inserirla?

• Servizi di consulenza: l’AI può ricordare le esigenze di un cliente e suggerire soluzioni in base alle interazioni precedenti.

• Project management: un assistente AI che ricorda ogni dettaglio di un progetto a lungo termine, dal kickoff alla consegna finale.

🎯 Risultato? Maggior coerenza nelle interazioni e meno frustrazione per i clienti che non devono ripetere le stesse informazioni.

Assistants API: assistenti AI su misura per le aziende

🧑‍💻 Vuoi un assistente AI personalizzato per la tua azienda? Con la nuova Assistants API, puoi creare assistenti specifici per la tua industria. Un tool versatile che può essere integrato in ogni settore: dall'assistenza clienti alla gestione interna.

👀 Dove inserirla?

• Supporto clienti su misura: un assistente che capisce il tuo business e risolve problemi complessi in modo efficiente.

• Automazione interna: un assistente per i dipendenti che gestisce task quotidiani, migliorando produttività.

🎯 Risultato? Servizi ottimizzati e assistenti che migliorano la tua azienda dall'interno.

DALL-E 3 API: immagini AI per ogni tua esigenza

🖼️ Crea immagini su richiesta con la nuova DALL-E 3 API.
Per le aziende che lavorano nel campo della creatività, del marketing o del design, questo è uno strumento potente. Dai vita a campagne visive uniche, generate istantaneamente da semplici prompt testuali.

👀 Dove inserirla?

• Marketing e advertising: crea visual accattivanti e originali per campagne social in pochi secondi.

• E-commerce: genera immagini di prodotto personalizzate per i clienti, aumentando il tasso di conversione.

🎯 Risultato? Immagini su misura, in pochi click. Più creatività, meno costi di produzione.

Whisper large-v3: riconoscimento vocale preciso e open source

🎙️ Hai bisogno di trascrivere conversazioni o gestire contenuti audio? Con Whisper large-v3, OpenAI ha rilasciato un nuovo modello open source per il riconoscimento vocale. Ottimizzato per precisione anche in condizioni difficili, come ambienti rumorosi o accenti diversi.

👀 Dove inserirla?

• Servizi di trascrizione: trascrizioni accurate di conferenze, meeting o podcast.

• App di comunicazione: miglioramento delle funzionalità di dettatura o riconoscimento vocale.

🎯 Risultato? Trascrizioni rapide e precise, migliorando flussi di lavoro che coinvolgono contenuti audio.

Perché tutto questo è importante per le aziende?

💡 Ogni nuovo strumento di OpenAI offre alle aziende un vantaggio competitivo.
Significa poter ottimizzare i processi, ridurre i costi, e innovare senza dover investire in tecnologie complesse o costose. Se integri questi strumenti nei tuoi processi aziendali, puoi:

1. Automatizzare compiti ripetitivi e liberare risorse per attività più strategiche.

2. Personalizzare l'esperienza del cliente con soluzioni su misura.

3. Ridurre i costi operativi grazie all'efficienza delle nuove API.

4. Velocizzare l'innovazione con strumenti flessibili e facili da integrare.

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

AI-Copilot per il Fleet Management e Planning - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Sto guardando Gli Anelli del Potere e, diciamocelo, visivamente è un capolavoro. Ma la trama? Beh, sembra prendere in giro lo spettatore, come se non avessimo capacità logiche. 🙄

Così mi è venuta un'idea.

🤔 E se usassi ChatGPT per trovare fallacie logiche nella trama?

Che cosa ho fatto:

1. Ho scaricato su un documento doc tutte le trame di ogni singolo episodio da Wikipedia

2. Ho incollato il tutto su Chat GPT

3. Gli ho chiesto di trovarmi “fallacie logiche” nella trama

Nonostante non "pensi" davvero, il risultato è stato illuminante: ChatGPT è arrivato a conclusioni che sarebbero state utili agli sceneggiatori, risparmiandoci un fegato gigante!

Ci tengo a sottolineare che ho utilizzato GPT-o1 che ha l’abilità di reasoning e quindi potrebbe essere un esercizio inefficace con 4o!

Se vi interessa trovate la discussione la potete leggere cliccando qui!

Questo metodo può diventare quindi PER NOI un superpotere:

👉 Coerenza logica: Se stai scrivendo un testo e vuoi essere certo che fili tutto liscio, puoi usare ChatGPT per individuare incoerenze o errori logici.

👉 Discussioni complesse: Devi preparare un discorso o un dibattito? ChatGPT ti può aiutare a rivedere i tuoi argomenti, smascherando eventuali contraddizioni.

👉 Rivedere i propri pensieri: Spesso ci perdiamo nelle nostre stesse idee. Farsi aiutare da uno strumento che evidenzia le fallacie logiche ti offre una visione più chiara e completa di ciò che stai dicendo.

In pratica, è come avere un editor logico a disposizione. 🧠✍️

Quindi, la prossima volta che scrivi qualcosa di importante o devi discutere di un argomento complesso, prova questo metodo.

Chissà... Magari anche gli sceneggiatori degli Anelli del Potere avrebbero potuto usarlo! 😜

E tu? Hai mai usato ChatGPT o un altro tool per affinare i tuoi testi o i tuoi pensieri?

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

AI-Copilot per il Fleet Management e Planning - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

💡 L’intelligenza artificiale sostituirà davvero i lavoratori?

In Italia, la crescita dell’AI è inarrestabile: il mercato dell’intelligenza artificiale ha raggiunto 760 milioni di euro nel 2023, con un aumento del 52% rispetto all’anno precedente, secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano.

👉 Cosa succede nelle aziende?

• Il 61% delle grandi imprese italiane ha già avviato almeno un progetto di AI, e il 42% ne ha più di uno operativo.

• Anche le PMI si stanno muovendo: il 15% ha già un progetto AI in corso, rispetto al 6% del 2021.

Ma c'è una grande preoccupazione...
Secondo il Fondo Monetario Internazionale, l'AI influenzerà il 40% dei posti di lavoro a livello globale, e in Italia potrebbe sostituire 3,8 milioni di persone nei prossimi 10 anni. Non sorprende che il 77% dei lavoratori italiani sia seriamente preoccupato, mentre il 73% teme un impatto negativo.

👉 Ma che succede negli USA?

Un recente studio su 97.227 aziende ha svelato che il 66% di quelle che usano AI NON ha ridotto il personale. Anzi, il 13,7% ha aumentato l’occupazione! 💼 Solo il 6,9% ha diminuito la forza lavoro, e quasi un quarto delle aziende (26,7%) ha aumentato il livello di competenza dei dipendenti.

Ecco la domanda cruciale:

In Italia, seguiremo lo stesso percorso?

La cultura aziendale americana sembra puntare su crescita e innovazione, e noi faremo lo stesso o c’è il rischio che si utilizzi l’AI solo per tagliare i costi?

📊 La sfida è culturale

Molte PMI non vogliono crescere, vogliono rimanere così nella loro comfort zone ( ed è assolutamente accettabile come pensiero).

Tu cosa ne pensi?
L'intelligenza artificiale sarà un'opportunità per innovare e crescere o un pretesto per ridurre la forza lavoro?

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

AI-Copilot per il Fleet Management e Planning - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Come sapete, lavoro da vicino con ADPM Drones, e vi assicuro che stiamo vivendo momenti davvero entusiasmanti. Stiamo dando vita a qualcosa che fino a poco tempo fa sembrava pura fantascienza: droni che capiscono e parlano la nostra lingua!

Immaginate di poter chiacchierare con un drone come fareste con un collega. "Ehi, puoi dare un'occhiata al tetto di quel palazzo?" E il drone non solo capisce, ma risponde e agisce di conseguenza. Sembra magia, vero? Beh, è la realtà che stiamo costruendo in ADPM Drones, ogni giorno.

L'AI nei Droni

Prima di tutto, chiariamo cosa intendiamo per "droni intelligenti". Stiamo parlando di velivoli senza pilota che non solo volano autonomamente, ma pensano, analizzano e comunicano grazie all'AI.

Immaginate un drone che non solo esegue comandi, ma comprende il contesto, prende decisioni e interagisce con noi in linguaggio naturale.

L'Impatto dell'AI in Diversi Settori

L’integrazione di LLM ed AI nei droni è davvero uno step importantissimo perché facilita e permette tutta una serie di use case in maniera autonoma.

Alcuni esempi:

1. Agricoltura: La Rivoluzione Verde

L'agricoltura di precisione sta vivendo una vera e propria rinascita grazie ai droni AI.

• Monitoraggio delle Colture

  I droni sorvolano vasti campi, utilizzando sensori e telecamere ad alta risoluzione per raccogliere dati.

• Analisi AI

  L'intelligenza artificiale analizza questi dati in tempo reale, identificando:

  • Aree di stress idrico

  • Infestazioni di parassiti

  • Carenze nutrizionali

• Interventi Mirati

  Basandosi su queste analisi, i droni possono:

  • Applicare fertilizzanti o pesticidi solo dove necessario

  • Suggerire irrigazione mirata

  • Prevedere il momento ottimale per il raccolto

Risultato? Aumento della produttività, riduzione dell'uso di prodotti chimici e una gestione più sostenibile delle risorse.

E con l’introduzione degli LLM questo è possibile in linguaggio NATURALE, quindi non serve essere esperti di programmazione o python per raggiungere il tuo obiettivo.

2. Gestione delle Emergenze: Salvare Vite con l'AI

In situazioni di emergenza, ogni secondo conta. I droni intelligenti stanno rivoluzionando il modo in cui rispondiamo a disastri naturali e altre crisi:

• Ricognizione Rapida

  I droni sorvolano aree colpite da disastri, creando mappe 3D in tempo reale.

• Analisi della Situazione

  L'AI analizza queste immagini per:

  • Identificare persone in pericolo

  • Valutare danni strutturali

  • Rilevare rischi potenziali (incendi, inondazioni, ecc.)

• Coordinamento dei Soccorsi

  L'AI aiuta a:

  • Pianificare percorsi di evacuazione ottimali

  • Guidare le squadre di soccorso verso le aree prioritarie

  • Distribuire risorse in modo efficiente

Immaginate un futuro in cui, durante un'emergenza, una flotta di droni AI coordina gli sforzi di soccorso, comunicando direttamente con i soccorritori e persino con le persone in pericolo.

3. Urbanistica e Gestione delle Città

Le città del futuro saranno più intelligenti grazie a questi droni:

• Monitoraggio del Traffico:

  • Analisi in tempo reale dei flussi di traffico

  • Identificazione rapida di incidenti o congestioni

• Manutenzione Urbana:

  • Ispezione automatica di edifici, ponti e infrastrutture

  • Rilevamento precoce di problemi strutturali

  • Pianificazione preventiva degli interventi di manutenzione

• Sicurezza Pubblica:

  • Sorveglianza discreta di aree sensibili

  • Risposta rapida a situazioni di emergenza

  • Supporto alle forze dell'ordine in operazioni complesse

4. Ambiente e Clima

L'AI nei droni sta diventando un alleato cruciale nella lotta al cambiamento climatico:

• Monitoraggio Ambientale:

  • Tracciamento della deforestazione

  • Rilevamento dell'inquinamento atmosferico e idrico

  • Studio degli habitat naturali e della biodiversità

• Conservazione della Fauna:

  • Conteggio e tracciamento di specie a rischio

  • Lotta al bracconaggio

  • Gestione di ecosistemi fragili

5. Logistica e Consegne

La logistica sta per essere rivoluzionata dai droni AI:

• Consegne Last Mile:

  • Consegne rapide e efficienti in aree urbane e rurali

  • Riduzione del traffico e dell'inquinamento

  • Accesso a zone remote o difficili da raggiungere

E queste sono solo alcune delle applicazioni possibili! Non è eccitante?

Il futuro che stiamo costruendo è entusiasmante.

E la cosa più bella? Questo futuro è più vicino di quanto pensiate.

Se vuoi approfondire:

Leggi l'articolo completo

Richiedi maggiori informazioni

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

Piattaforma di simulazione AI-Driven per flotte urbane - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Bentornati, dopo un paio di settimane di stop che mi hanno visto impegnato al WMF nel padiglione CTE con SWITCH, e un’ondata di lavoro pre-estate (mamma, Giugno è sempre un mese terribile). Sono tornato però, con un caso studio di applicazione dell’AI nel fast food, portato avanti dalla catena più famosa di tutte.

Sempre per continuare con il messaggio che l’AI la vedremo ovunque, anche dove non si vede.

Quindi partiamo!

AI al McDrive

Negli ultimi anni, McDonald's ha intrapreso un ambizioso viaggio verso l'automazione dei suoi drive-thru tramite l'intelligenza artificiale (AI). Questa iniziativa, iniziata con una collaborazione con IBM nel 2021, aveva lo scopo di migliorare l'efficienza e ridurre i costi operativi. Tuttavia, nonostante le aspettative elevate, l'integrazione dell'AI ha incontrato numerose difficoltà che hanno portato alla fine del progetto nel 2024.

L'idea di base era semplice: utilizzare un sistema AI per prendere gli ordini nei drive-thru, riducendo gli errori umani e accelerando il processo di ordinazione. L'AI avrebbe anche potuto fare raccomandazioni personalizzate basate sugli ordini precedenti dei clienti, migliorando così l'esperienza utente e incrementando le vendite.

Nonostante le intenzioni positive, il sistema AI ha mostrato rapidamente le sue carenze. Gli ordini venivano spesso interpretati erroneamente, con l'AI che aggiungeva articoli non richiesti o faceva raccomandazioni strane come il ketchup sul gelato. Molti clienti hanno espresso la loro frustrazione sui social media, condividendo video delle loro esperienze negative con il sistema AI di McDonald's​ (Tech Xplore)​​ (Engadget)​.

Di fronte a un numero crescente di lamentele, McDonald's ha deciso di interrompere il progetto a metà del 2024. Mason Smoot, Chief Restaurant Officer per McDonald's USA, ha dichiarato che l'azienda intende esplorare ulteriori soluzioni di ordinazione vocale, suggerendo che una futura implementazione dell'AI non sia del tutto esclusa​ (Engadget)​.

Mentre McDonald's ha deciso di interrompere il progetto, altre catene di fast food stanno continuando a sperimentare con l'AI.

Popeyes UK, ad esempio, ha lanciato un drive-thru AI che ha mostrato un tasso di accuratezza del 97%, dimostrando che la tecnologia ha potenziale se implementata correttamente​ (Tech Xplore)​.

I limiti dell’AI li conosciamo tutti, ma scontrandoci con loro possiamo migliorarli e risolverli. Le sfide principali sono tuttora la comprensione degli accenti diversi, l'interpretazione accurata degli ordini e la gestione delle richieste personalizzate dei clienti.

Nonostante questo passo indietro, l'industria del fast food continua a guardare all'AI come una soluzione promettente per migliorare l'efficienza operativa e ridurre i costi.

Con i continui progressi nei modelli linguistici e nell'apprendimento automatico, è possibile che vedremo un ritorno di queste tecnologie nei drive-thru in futuro, magari con implementazioni più raffinate e meno soggette a errori.

L’uso dell’AI nei drive-thru di McDonald's rappresenta un capitolo interessante e istruttivo nell'evoluzione dell'automazione nel settore della ristorazione. Anche se l'esperimento non ha avuto il successo sperato, ha comunque fornito importanti spunti per future innovazioni.

🔗 Link

Meta Rivela Cinque Nuovi Modelli AI: 👉(vai)

Claude 3.5 Sonnet: La Nuova Stella di Anthropic supera GPT-4o 👉(vai)

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

Piattaforma di simulazione AI-Driven per flotte urbane - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Indagine su Rabbit AI: La Verità Scoperta da Coffeezilla

Oggi vi porto un'indagine dettagliata condotta da Coffeezilla su Rabbit R1, un prodotto tecnologico che ha raccolto milioni di dollari in finanziamenti ( 30 MILIONI!!!!) ma che, secondo l'indagine, nasconde gravi lacune e possibili truffe.

L’indagine

Coffeezilla, un investigatore e YouTuber noto per smascherare truffe e frodi nel mondo delle criptovalute e della tecnologia, ha pubblicato una serie di video sull'azienda Rabbit Inc. e il suo prodotto di punta, Rabbit R1, che include un'intelligenza artificiale chiamata LAM. L'indagine di Coffeezilla mette in luce discrepanze significative tra le promesse fatte dall'azienda e la realtà del prodotto.

Gamma Project e le Promesse Non Mantenute

Prima di diventare Rabbit Inc., l'azienda era conosciuta come Cyber Manufacturing Co. e aveva lanciato un progetto chiamato Gamma. Questo progetto prometteva innovazioni straordinarie nel mondo delle criptovalute, dell'energia pulita e dei giochi. Tuttavia, secondo Coffeezilla, queste promesse non sono mai state mantenute.

Promesse del Progetto Gamma

• Gamma Coin: Una criptovaluta a impatto ambientale negativo, presentata come la prima criptovaluta a emissioni zero.

• Clean Energy Grid: Una rete di energia pulita alimentata da pannelli solari, che avrebbe sostenuto l'intero ecosistema Gamma.

• Metaverso e NFT: Uno spazio virtuale avanzato con intelligenze artificiali interattive e NFT che avrebbero avuto valore e utilità reali all'interno del metaverso.

Realtà dei Fatti

• Gamma Coin mai lanciato: Nonostante le promesse, la criptovaluta non è mai stata sviluppata o lanciata.

• Energia pulita inesistente: Nessuna traccia di iniziative significative per l'energia pulita è stata trovata.

• Metaverso incompleto: Il progetto del metaverso era solo una versione riadattata di kit di sviluppo esistenti, priva di contenuti reali e innovativi.

Queste discrepanze sollevano seri dubbi sulla trasparenza e sull'onestà dell'azienda.

Rabbit R1 e LAM: Realtà o Finzione?

Il nuovo prodotto dell'azienda, Rabbit R1, viene venduto come un dispositivo rivoluzionario con un'IA avanzata chiamata LAM. Coffeezilla ha deciso di testarlo e verificare la loro veridicità.

Alcune Semplici Funzionalità Rivendicate

• Ordini di cibo

• Chiamata di taxi

• Gestione della domotica

Test di Coffeezilla

• Fallimenti ripetuti: Il dispositivo ha fallito nell'eseguire tutti i compiti semplici come ordinare la colazione o inviare notifiche.

• Intelligenza artificiale LAM: Si è scoperto che LAM non è altro che un insieme di script predefiniti e l'uso di tecnologie esistenti come ChatGPT.

Questi test indicano che Rabbit R1 non è la rivoluzione tecnologica che l'azienda aveva promesso.

Risposte di Rabbit e la Sensazione di Essere Gaslighted

Durante l'indagine, Coffezilla ha parlato direttamente con l’azienda.

Rabbit ha risposto alle domande di Coffeezilla con risposte generiche e spesso evasive.

L'azienda ha fornito fogli informativi e dichiarazioni che non rispondevano direttamente alle domande poste.

Esempi di Risposte

• Affermano di aver adempiuto: La compagnia ha sostenuto di aver adempiuto a tutte le promesse del progetto Gamma, nonostante le evidenti mancanze.

• Utilizzo di tecnologie esistenti: Hanno dichiarato che LAM è un'IA avanzata, ma hanno ammesso di utilizzare strumenti già disponibili come Playwright e ChatGPT.

Gaslighting

Coffeezilla ha descritto le risposte di Rabbit come tentativi di gaslighting, ossia manipolazioni per farlo dubitare della propria percezione della realtà.

Nel contesto dell'innovazione tecnologica, "fake it till you make it" può essere una strategia a doppio taglio. Mentre può aiutare a superare le prime fasi di incertezza e a raccogliere fondi, è essenziale che le aziende mantengano un equilibrio tra visione ambiziosa e trasparenza. La fiducia dei consumatori e degli investitori è fondamentale e deve essere guadagnata attraverso l'onestà e la consegna di risultati concreti.

L’indagine completa

Guarda i video completi

• $30,000,000 AI Is Hiding a Scam

• Rabbit Gaslighting Me (Full Conversation)

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

Piattaforma di simulazione AI-Drivem per flotte urbane - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Canva Lancia la Nuova Era Enterprise

Durante l’evento Canva Create a Los Angeles, Canva ha fatto un grande passo avanti, presentando il più grande aggiornamento della piattaforma degli ultimi dieci anni. Questa mossa segna l'inizio di una nuova era focalizzata sulle soluzioni per le aziende, con una serie di nuovi prodotti e servizi pensati per rivoluzionare il modo in cui lavoriamo.

Melanie Perkins, co-fondatrice e CEO di Canva, ha dichiarato:

"Siamo entusiasti di presentare una nuova esperienza Canva e una suite di nuovi prodotti per potenziare ogni organizzazione nel design. La domanda di contenuti visivi è in aumento, e navigare nella complessità organizzativa è più difficile che mai. Abbiamo democratizzato il design nel nostro primo decennio e ora puntiamo a unificare gli strumenti di design, AI e workflow per tutte le organizzazioni nel nostro secondo decennio."

Canva Enterprise

Canva Enterprise è pensato per le grandi aziende con esigenze complesse di sicurezza, gestione del brand e amministrazione. Ecco cosa offre:

• Crescita Scalabile: Più posti e archiviazione cloud per le organizzazioni globali.

• Consolidamento: Un unico account centralizzato per design, produzione di contenuti, AI e strumenti di collaborazione, riducendo costi e complessità.

• Controlli Avanzati del Brand: Gestione robusta per mantenere la coerenza del brand.

• Sicurezza a Livello Enterprise: Strumenti avanzati per mantenere al sicuro gli asset aziendali.

Nuova Interfaccia di Canva

Canva ha completamente rinnovato la sua interfaccia utente per la prima volta in dieci anni. Le nuove caratteristiche includono:

• Esperienza di Modifica Ottimizzata: Una barra degli strumenti di modifica contestuale per migliorare la concentrazione e il flusso di lavoro.

• Homepage Personalizzabile: Spazi di lavoro personalizzabili con una potente funzione di ricerca.

• Collaborazione Più Semplice e Veloce: Miglior navigazione e strumenti di collaborazione per i team.

La nuova homepage e l'esperienza di modifica saranno disponibili subito per il primo milione di utenti che scopriranno il portale segreto nella loro homepage di Canva, con disponibilità generale a partire da agosto.

Strumenti Personalizzati per Ogni Team

Canva ha introdotto strumenti specifici per Marketing, Risorse Umane, Vendite e Creativo. Questi strumenti includono:

• Canva Work Kits: Collezioni curate di modelli specifici per settore, personalizzabili e brandizzabili.

• Canva Courses: Nuovo servizio che permette di trasformare i progetti in corsi interattivi per la formazione dei dipendenti.

Potenziare la Suite Visiva e i Prodotti AI di Magic Studio

Canva sta potenziando le sue capacità di intelligenza artificiale con aggiornamenti a Magic Studio. Nuove funzionalità includono:

• Magic Media: Generazione di grafica e illustrazioni da un prompt di testo.

• Magic Design: Tecnologia di design AI migliorata per presentazioni.

• Editing Fotografico Avanzato: Strumenti di editing fotografico basati su AI.

• Aggiornamenti Video: Capacità di editing video migliorate con funzioni AI.

Espansione con Affinity

Dopo aver acquisito Affinity, Canva offre ora una soluzione completa per i designer professionisti. La versione 2.5 di Affinity include opzioni di editing avanzate e supporto per i chip ARM64.

Canva ha anche annunciato che insegnanti, scuole e organizzazioni no-profit idonee possono iscriversi per accedere gratuitamente a Affinity, continuando il suo impegno a supportare l'istruzione e le organizzazioni di beneficenza in tutto il mondo.

Alcuni strumenti che mi sono piaciuti (Molta AI)

Resize & Magic Switch

Con pochi clic, trasforma qualsiasi design in un documento personalizzato e su misura. Finalmente le whiteboard online hanno un senso.

Magic Media

Da Testo in Grafica per trasformare le tue parole in bellissime grafiche/illustrazioni. Non solo foto.

Enhance voice

Rimuovi il rumore di fondo per produrre video di alta qualità - Guerra a CapCut?

Highlights

Genera istantaneamente clip veloci dai tuoi video durante la modifica dei video. Formato short ovunque, TikTok ringrazia.

Data Autofill

Aggiorna automaticamente i design con i dati più recenti dalle tue fonti (es. un file Google Sheet o Google Analytics)

Canva Courses

Trasforma i tuoi design in materiali didattici interattivi. Rivoluzionare l’Education.

Considerazioni

Canva vuole surfare un mondo digitale che ci richiede di essere sempre più creativi, in maniera sempre più veloce. Con questo vuole conquistare le aziende cercando di essere una suite all in one, e rispetto a molti altri, lo sta facendo con estremo successo e visione.

Sono un utente Canva dal 2013, ci facevo tutte le presentazioni universitarie, e ora mi sta accompagnando nella mia vita lavorativa. È uno strumento che davvero non mi ha mai deluso, spero facciano strada.

Ora raggiunge un grado di complessità però che deve combattere ( come non è riuscita a fare Adobe con i suoi programmi), ed è una grande sfida.

Prevedo l’introduzione di un AI, in futuro, che ci aiuterà anche in questo districarci tra gli strumenti. Un nostro assistente che ci guiderà in un continuo onboarding nella realizzazione di visual sempre più creativi e semplici.

Vuoi saperne di più

Esplora sul loro sito

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

Piattaforma di simulazione AI-Drivem per flotte urbane - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

📚 NotebookLM by Google

Google ha introdotto NotebookLM, un taccuino digitale alimentato da intelligenza artificiale. Questo strumento, nato come Project Tailwind, aiuta a sintetizzare informazioni e generare nuove idee utilizzando i documenti scelti dagli utenti. NotebookLM promette di rivoluzionare la gestione delle conoscenze grazie alla capacità di riassumere contenuti, rispondere a domande specifiche e creare nuove connessioni. Questa innovazione rappresenta un passo avanti significativo nel rendere l'AI più accessibile e utile per studenti, professionisti e creativi​

Chiederete:

Quale è la differenza da un GPT Custom di Open AI?
Un GPT con in pancia dei file (la Knowledge) ci fa riferimento ma per il momento ancora può prendere allucinazioni, estendere la ricerca sulla base di tutto quello che ha imparato esternamente alla knowledge. Notebook LM invece risponde prontamente ed esclusivamente sul contenuto dei file, quindi in maniera più precisa.

Come può essere utile?

Per ricercare informazioni in documentazioni lunghissime, farne riassunti, trovare argomenti ed individuarli. L’organizzazione della ricerca non è mai stata così semplice.

Le applicazioni

NotebookLM di Google ha diverse applicazioni pratiche:

1. Sintesi dei Documenti: Riassume contenuti complessi da documenti caricati dall'utente, facilitando la comprensione rapida delle informazioni chiave.

2. Risposte a Domande Specifiche: Risponde a domande specifiche basandosi sui documenti forniti, migliorando l'efficienza della ricerca.

3. Generazione di Idee: Crea nuove connessioni tra le informazioni e suggerisce nuove idee, utile per studenti, ricercatori e creativi.

Le applicazioni che immagino io

Credo che uno strumento come NotebookLM ben settato possa essere utilissimo a livello aziendale per:

1. Ricerca e Sviluppo: I team di R&D possono utilizzare NotebookLM per sintetizzare articoli scientifici e documenti tecnici, accelerando la ricerca e identificando rapidamente le tendenze emergenti.

2. Formazione e Onboarding: Le risorse umane possono creare manuali di formazione interattivi che rispondono alle domande dei nuovi assunti in tempo reale, migliorando l'efficienza del processo di onboarding.

3. Gestione dei Progetti: I project manager possono aggregare report, riunioni e documenti di progetto, consentendo una rapida consultazione e aggiornamenti precisi sui progressi.

4. Marketing e Vendite: I team di marketing possono analizzare e riassumere dati di mercato, report di vendita e feedback dei clienti per formulare strategie efficaci e personalizzate.

Per il momento NotebookLM è accessibile solo dagli USA, ma vi basta una VPN.

Lo trovate qui

🔎 Keyword Magic Tool è ora AI Powered

Questa mattina ho aperto Semrush e ho trovato un aggiornamento interessante nel Keyword Magic Tool:

- Segnalazione immediata della posizione attuale sul motore di ricerca

- Introduzione della Personal Keyword Difficulty (PKD%), un indicatore che si aggiunge alla difficoltà di posizionamento per una determinata ricerca

Il PKD% è particolarmente interessante perché fornisce una stima personalizzata della difficoltà, che varia realmente per ogni sito.

Ad esempio, la difficoltà generica per "Mobili su misura online" (vedi immagine) è quattro volte più alta per il sito che stiamo gestendo, rispetto alla stima generale di quella ricerca (nonostante siamo comunque in undicesima posizione).

La PKD% viene calcolata utilizzando un algoritmo AI proprietario di Semrush, che esamina la rilevanza tematica tra il dominio inserito e la parola chiave, considera il livello di competizione all'interno dell'argomento e prende in considerazione le metriche del tuo dominio e dei domini concorrenti presenti nella SERP.

Questi aggiornamenti rendono il Keyword Magic Tool ancora più potente e utile per la nostra strategia SEO.

🔗 Link

Due Chat GPT parlano vocalmente tra di loro 👉(vai)

Come i 3PL Possono Snellire le Operazioni con l'AI 👉(vai)

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

Piattaforma di simulazione AI-Drivem per flotte urbane - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens

Se sei atterrato qui e non sei ancora iscritto alla newsletter puoi farlo con il tasto qui sotto.

Iscriviti ora

Disclaimer: non ho un correttore di bozze, perdonatemi eventuali errori o refusi ma “DONE IS BETTER THAN PERFECT”

Chat Gpt-4o: utilità oltre al rumore

Parliamo di GPT-4 Omnimodal (GPT-4o) di OpenAI.
A differenza di chi cerca di essere il primo per un like riportando cosa hanno comunicato ad OpenAI, mi sono preso un momento per riflettere come le funzioni che hanno introdotto potranno impattare alcuni business, pensare alcuni casi d’uso e dare spunti di applicazione reale. Ma andiamo con ordine.

🌟 Cos'è GPT-4 Omnimodal?

GPT-4o è un modello AI che gestisce testo, audio, visual, tutto insieme. Immagina le possibilità! 😮 Se vuoi sapere le cose più tecniche le trovi qui.

🏆 10 Casi d'Uso di GPT-4o per il Business

1. Assistenza Clienti Multicanale

   • Dettagli: Con GPT-4o, i chatbot possono gestire conversazioni vocali, testuali e visive. Immagina un cliente che descrive un problema con un prodotto e il chatbot può analizzare le immagini del prodotto stesso, fornendo soluzioni immediate.

   • Vantaggi: Riduzione dei tempi di risposta, miglioramento della soddisfazione del cliente e riduzione dei costi operativi.

2. Marketing e Vendite

   • Dettagli: GPT-4o può creare contenuti di marketing complessi, gestire campagne pubblicitarie multimediali e analizzare feedback audio-visivi. Ad esempio, può generare contenuto promozionale personalizzato basato sulle preferenze di un cliente.

   • Vantaggi: Aumento dell'efficacia delle campagne, maggiore coinvolgimento dei clienti e ottimizzazione delle strategie di vendita.

3. Educazione e Formazione

   • Dettagli: Le piattaforme educative possono utilizzare GPT-4o per fornire lezioni interattive che combinano testo, video e audio. Gli studenti possono interagire con un tutor virtuale che risponde alle domande in tempo reale e fornisce spiegazioni dettagliate con grafici e visual.

   • Vantaggi: Miglioramento dell'apprendimento, accesso a risorse educative di alta qualità e personalizzazione dell'esperienza educativa.

4. Produzione di Contenuti Creativi

   • Dettagli: GPT-4o può essere utilizzato per creare contenuti multimediali complessi come video promozionali, podcast e grafiche. Ad esempio, può generare un visual promozionale completo con script, voiceover etc.

   • Vantaggi: Riduzione dei tempi e dei costi di produzione, maggiore innovazione e diversificazione delle strategie di comunicazione.

5. Settore Sanitario

   • Dettagli: GPT-4o può migliorare le interazioni paziente-medico, supportare la telemedicina e assistere nelle diagnosi visive. Immagina un sistema che analizza immagini mediche e fornisce diagnosi preliminari ai medici.

   • Vantaggi: Miglioramento dell'accesso alle cure, aumento della precisione diagnostica e riduzione dei tempi di attesa.

6. Settore Finanziario

   • Dettagli: Le istituzioni finanziarie possono utilizzare GPT-4o per l'automazione avanzata del supporto clienti e l'analisi dei dati multimodali, ottimizzando la gestione delle richieste e la prevenzione delle frodi.

   • Vantaggi: Miglioramento della sicurezza, riduzione dei costi operativi e ottimizzazione del servizio clienti.

7. Settore Manifatturiero

   • Dettagli: GPT-4o può essere utilizzato per monitorare e analizzare dati provenienti da sensori visivi e audio, migliorando la manutenzione predittiva e l'efficienza operativa. Immagina un sistema che rileva anomalie nei macchinari e avvisa i tecnici prima che si verifichi un guasto.

   • Vantaggi: Riduzione dei tempi di inattività, aumento dell'efficienza produttiva e riduzione dei costi di manutenzione.

8. Settore Retail

   • Dettagli: GPT-4o può migliorare l'esperienza del cliente in negozio attraverso assistenti virtuali che rispondono a domande e offrono consigli personalizzati basati su input visivi e audio. Ad esempio, un cliente può ricevere suggerimenti di abbigliamento basati su una foto caricata.

   • Vantaggi: Aumento delle vendite, miglioramento della soddisfazione del cliente e ottimizzazione delle strategie di merchandising.

9. Settore Immobiliare

   • Dettagli: GPT-4o può essere utilizzato per creare tour virtuali interattivi delle proprietà, rispondere a domande in tempo reale e fornire descrizioni dettagliate basate su input multimodali. Immagina un potenziale acquirente che esplora una casa virtualmente e riceve informazioni dettagliate sugli ambienti.

   • Vantaggi: Aumento del coinvolgimento dei clienti, accelerazione del processo di vendita e miglioramento della presentazione delle proprietà.

10. Settore Legale

    • Dettagli: GPT-4o può assistere nella revisione di documenti legali complessi, analizzare registrazioni audio delle udienze e generare report dettagliati, migliorando l'efficienza e riducendo i costi. Ad esempio, può sintetizzare le argomentazioni principali di una lunga udienza legale.

    • Vantaggi: Riduzione dei tempi di revisione, aumento della precisione e miglioramento della gestione dei casi.

⚠️ Chi Potrebbe Essere Minacciato?

• Call Center Tradizionali: Rischio di sostituzione con chatbot avanzati.

• Produzione di Contenuti Tradizionale: Diminuzione della domanda per copywriter e grafici.

• Ruoli Amministrativi: Automazione delle attività di routine.

• Supporto Tecnico: Riduzione della necessità di tecnici di primo livello.

• Interpreti e Traduttori: Capacità di traduzione multimodale può ridurre la domanda.

GPT-4o ridefinisce come le macchine interagiscono con gli esseri umani. Le aziende che adotteranno queste tecnologie otterranno vantaggi significativi.

PLUS: ChatGPT: Interazione in Tempo Reale con Tabelle e Grafici

Questa è una notizia fresca fresca di ieri quindi la aggiungo come addendum a sopra.

OpenAI ha migliorato l'analisi dei dati in ChatGPT, consentendo agli utenti di caricare file direttamente da Google Drive e Microsoft OneDrive. Ora è possibile interagire con tabelle e grafici in tempo reale, personalizzarli e scaricarli per presentazioni. Queste novità facilitano l'analisi dati, rendendo più semplice per i principianti e più efficiente per gli esperti. Questo passo avanti rende ChatGPT un tool sempre più indispensabile per l'elaborazione e la visualizzazione dei dati, risparmiando tempo e migliorando l'efficacia del lavoro.

Link Ufficiale

Nella prossima uscita

Anche Google ha svolto il suo evento, me lo riguardo, faccio un’analisi e cerco di portare qualcosa di interessante come per ChatGPT-4o.

Se ti interessa e non segui questa Newsletter puoi seguirmi qui:

Iscriviti ora

Se pensi sia utile a qualcun altro invece condividila.

Condividi Digital Sapiens

Progetti in cui credo ⚡️

I progetti che stanno sviluppando soluzioni basate su AI con cui collaboro:

SWITCH

Piattaforma di simulazione AI-Drivem per flotte urbane - Plan, Execute, Succeed
➡️ Visita il sito

ADPM Drones

Stiamo sviluppando ( tra le altre cose ) nuove applicazione dei LLM, IoT e i Droni a guida autonoma.
➡️ Visita il sito

Infondo

Piattaforma AI-powered di analisi documentale per investimenti in startups.
➡️ Visita il sito

Post Scriptum

Hey tu, siamo collegati su LinkedIn? Se ancora non lo siamo ⤵️

Colleghiamoci

Se conosci qualcuno a cui potrebbe piacere questa newsletter condividila con il tasto Share

Share Digital Sapiens