Funziona nella demo, costa in produzione
Il prototipo impressiona. I token sono invisibili. Gli errori sono rari. Poi arriva la produzione, e la fattura cambia carattere. Klarna lo ha imparato a caro prezzo nel 2025.
Articoli
Dove l'IA non serve a niente, e dove il mercato dice il contrario
Spesso basta una regex, una regola di business o un ordinamento. Un panorama dei casi in cui il mercato vi vende ciò di cui non avete bisogno.
Build / Buy / API: la decisione che nessuno pone correttamente
Tre strategie con profili di rischio, costo e sovranità radicalmente diversi. La prospettiva della sovranità cambia spesso la decisione.
Le 3 domande da porre prima di aggiungere IA ovunque
Non ogni decisione di deployment IA merita un progetto di 6 mesi. Tre domande filtrano i casi d'uso rilevanti in meno di 30 minuti.
Il vero costo di un progetto IA: quello che il preventivo non mostra
Il preventivo di integrazione mostra solo la superficie. Sotto: costi di token, infrastruttura, preparazione dei dati, manutenzione dei prompt, revisione umana. Il TCO reale è spesso da 3 a 5 volte il budget iniziale.
La giungla delle offerte IA: leggere un pitch senza farsi ingannare
La maggior parte delle offerte IA sono wrapper API con un logo ChatGPT. Una guida per leggere un pitch IA senza farsi impressionare dalla demo.
I vostri dati e segreti industriali nell'IA: cosa parte, cosa resta
Quando usate un'API IA, dove vanno i vostri dati? Cosa dice il GDPR? Cosa cambia il Regolamento sull'IA.
Il ciclo del hype: la stessa curva per ogni tecnologia
L'IA segue lo stesso ciclo dei dotcom, della stampa 3D e della blockchain. La curva di Gartner è predittiva. Sapere dove ci si trova su di essa è la prima competenza di un dirigente di fronte a una tecnologia emergente.
Allucinazione e falsa fiducia: non un bug, una proprietà da gestire
Un LLM afferma una verità e un'invenzione con la stessa fiducia. Non è un difetto che la prossima versione correggerà. È una conseguenza strutturale del funzionamento per predizione.
Oltre i LLM: l'IA che usate già senza saperlo
Visione artificiale, sistemi di raccomandazione, rilevamento frodi, manutenzione predittiva: l'IA non è iniziata con ChatGPT. Funziona da anni nell'infrastruttura che usate ogni giorno.
Open source vs. proprietario: controllo, dipendenza e il vero compromesso
Llama vs. GPT, Mistral vs. Claude, open weights vs. API: la distinzione non è ideologica, è strategica. Capire cosa si controlla davvero in ogni caso.
Il 'ragionamento' dei modelli: cosa fa, cosa non fa
o1, o3, DeepSeek-R1, Gemini Thinking: una nuova generazione di modelli vende la propria capacità di 'pensare'. I benchmark migliorano davvero. Ma chiamarlo ragionamento è scegliere una parola che vende più di quanto descriva.
Eseguire l'IA nella propria infrastruttura: on-premise, OSS, GPU e APU
Non serve un datacenter per eseguire un LLM locale. Un server con una GPU consumer o anche un Mac M-series può ospitare modelli da 7 a 70 miliardi di parametri.
Un LLM senza una sola equazione
Token, contesto, temperatura, allucinazione by design: capire come funziona un grande modello linguistico senza un solo simbolo matematico. Per decidere cosa affidargli e cosa no.
L'IA non è nata nel 2022: dagli algoritmi al machine learning
ChatGPT ha messo l'IA sulla mappa nel novembre 2022. Ma le fondamenta hanno 70 anni. Capire la genealogia significa capire perché un modello ha bisogno di una base per imparare.
Nell'IA c'è 'intelligenza'. Soprattutto, c'è l'artificiale.
Vi vendono intelligenza. Quello che noleggiate è una macchina che prevede la parola successiva. Questo malinteso fondamentale distorce ogni vostra decisione sull'IA.