Glossario

Il glossario dell'intelligenza artificiale

I termini dell'AI spiegati in modo chiaro, in italiano, per imprenditori, manager e professionisti. Da agente a token, senza gergo inutile.

Agente AI: Un sistema di AI capace di eseguire compiti in autonomia: pianifica i passaggi, usa strumenti e arriva a un risultato senza istruzioni a ogni passo. Diverso da un semplice assistente che risponde e basta.Gestire un'azienda con gli agenti AI →
AI Act: Il regolamento europeo sull'intelligenza artificiale. Classifica i sistemi per livello di rischio e impone obblighi crescenti, fino agli adempimenti per i sistemi ad alto rischio.AI Act: cosa cambia per le aziende italiane →
AI generativa: L'intelligenza artificiale che crea contenuti nuovi: testo, immagini, audio, video. È la famiglia di modelli dietro a strumenti come ChatGPT, Claude e i generatori di immagini.L'AI creativa converge in un'unica chat →
Allineamento (alignment): L'insieme delle tecniche per far sì che un modello AI si comporti in linea con le intenzioni umane e i valori desiderati, evitando risposte dannose o fuori scopo.
Allucinazione: Quando un modello AI produce un'informazione falsa ma plausibile, presentandola con sicurezza. Il motivo per cui gli output vanno sempre verificati da una persona.
API: L'interfaccia che permette a un software di usare un modello AI a distanza. Le aziende pagano l'AI "a consumo" tramite API, in base ai token elaborati.La guerra dei prezzi delle API AI →
Automazione: L'uso di software, oggi sempre più guidato dall'AI, per svolgere compiti ripetitivi senza intervento umano: smistare email, generare report, gestire flussi di lavoro.I migliori strumenti AI per le PMI →
AI strategy: Piano che decide dove l'AI entra nei processi aziendali, con quali obiettivi e quali metriche di successo. Senza strategia si finisce a comprare licenze a caso.Costruire una strategia AI →
AI governance: Regole interne che stabiliscono chi può usare quali strumenti AI, con quali dati e con quali controlli. Serve a evitare disastri di privacy e di reputazione.AI Act e governance per le aziende →
AI literacy: Competenze minime per capire cosa fa davvero l'AI, dove sbaglia e come usarla in modo consapevole. L'AI Act la rende obbligatoria per chi usa AI sul lavoro.AI literacy: l'obbligo previsto dall'AI Act →
Audit AI: Verifica indipendente che un sistema AI rispetti regole, qualità e impegni dichiarati. L'AI Act lo prevede per i sistemi ad alto rischio.Audit AI e obblighi di compliance →

Benchmark: Un test standardizzato per misurare le capacità di un modello AI (ragionamento, codice, matematica). Utile per confrontare i modelli, ma non sempre rispecchia l'uso reale.Confronto tra i modelli AI per le aziende →
Bias: Una distorsione sistematica nelle risposte di un modello, ereditata dai dati con cui è stato addestrato. Può tradursi in output ingiusti o non rappresentativi.

Chatbot: Un programma che conversa in linguaggio naturale. I chatbot moderni sono basati su modelli linguistici e vanno oltre le risposte preconfezionate dei vecchi assistenti.
Claude: La famiglia di modelli AI di Anthropic, usata per scrittura, analisi e codice. Apprezzata per la qualità di scrittura e per la gestione di contesti lunghi.Le novità di Claude Opus 4.8 →
Contesto (finestra di contesto): La quantità di testo che un modello può "tenere a mente" in una singola interazione. Una finestra più ampia permette di analizzare documenti lunghi senza perdere il filo.
Copilot: Un assistente AI integrato in un programma (editor di codice, suite per ufficio) che suggerisce e completa il lavoro mentre lo fai, restando sotto il controllo dell'utente.
Chain of thought: Tecnica con cui un modello mostra il proprio ragionamento passo per passo prima di dare la risposta finale. Migliora la qualità su problemi logici e matematici.
Citizen developer: Dipendente non-tecnico che costruisce automazioni e mini-applicazioni con strumenti no-code. Una delle figure più importanti per portare l'AI dentro l'azienda senza dipendere dall'IT.
ChatGPT: L'interfaccia AI di OpenAI, la più diffusa al mondo. La maggior parte delle persone incontra l'intelligenza artificiale per la prima volta proprio qui.ChatGPT vs Claude vs Gemini →
Cursor: Editor di codice con AI integrata, popolare tra gli sviluppatori che lavorano fianco a fianco con i modelli per scrivere e revisionare codice.Come usano davvero l'AI gli sviluppatori →

Deep learning: Un ramo dell'apprendimento automatico basato su reti neurali profonde. È la tecnologia alla base dei modelli AI moderni.
Dataset: Collezione di esempi usata per addestrare un modello. La qualità del dataset determina in larga parte la qualità del modello finale.
Diffusion model: Famiglia di modelli usata per generare immagini partendo dal rumore visivo. Stable Diffusion e Midjourney sono diffusion model.Generare contenuti visivi con AI →
Data governance: Insieme di regole che decidono come l'azienda raccoglie, conserva, condivide e cancella i dati. Senza data governance qualsiasi progetto AI parte zoppo.Dati, CRM e AI in azienda →
Diritto alla spiegazione: Diritto dell'utente di sapere perché un sistema AI ha deciso così, ad esempio nel caso di prestiti bancari, polizze assicurative o selezione del personale.
DPO: Data Protection Officer, la figura aziendale che vigila sulla privacy e si interfaccia con il Garante. Necessario in molte aziende che usano AI con dati personali.
DeepSeek: Laboratorio AI cinese noto per modelli potenti a costi molto più bassi della concorrenza occidentale. Ha cambiato gli equilibri di prezzo nel 2025 e 2026.DeepSeek e la guerra dei prezzi →

Embedding: La rappresentazione numerica di un testo (o immagine) che cattura il significato. Permette al sistema di trovare contenuti simili e sta alla base della ricerca semantica e del RAG.

Fine-tuning: L'addestramento aggiuntivo di un modello già esistente su dati specifici, per specializzarlo su un dominio o uno stile particolare.
Foundation model: Modello AI di grandi dimensioni, addestrato su quantità enormi di dati generici, da cui si derivano applicazioni specifiche. GPT, Claude e Gemini sono tutti foundation model.Confronto tra i foundation model principali →
Function calling: Capacità del modello di chiamare strumenti esterni (database, API, calcolatrici) durante una risposta. È il meccanismo che rende possibili gli agenti AI.Come funzionano gli agenti AI in azienda →

Gemini: La famiglia di modelli AI di Google, integrata in Search, Workspace e negli strumenti per sviluppatori e marketing.Gemini nel marketing: Google Marketing Live 2026 →
GPT: La famiglia di modelli di OpenAI (alla base di ChatGPT). GPT sta per Generative Pre-trained Transformer, l'architettura che ha reso possibile l'AI generativa di oggi.GPT vs Claude vs Gemini →
Guardrail: I vincoli e i controlli impostati attorno a un modello AI per evitare comportamenti indesiderati: filtri sui contenuti, limiti di azione, regole di sicurezza.
GDPR: Il regolamento europeo che protegge i dati personali. È la base legale di quasi ogni uso aziendale dell'AI che tocchi dati di clienti o dipendenti.Rapporto tra AI Act e GDPR →
Grok: Modello AI di xAI, l'azienda di Elon Musk, integrato nella piattaforma X. Si presenta come meno filtrato rispetto ai concorrenti.

Inferenza: Il momento in cui un modello già addestrato genera una risposta a partire da un input. È la fase che, su grandi volumi, determina i costi d'uso.

LLM (Large Language Model): Un modello linguistico di grandi dimensioni, addestrato su enormi quantità di testo per comprendere e generare linguaggio. È il cuore di ChatGPT, Claude e Gemini.Quale modello scegliere per l'azienda →
Low-code / No-code: Piattaforme che permettono di costruire software con poca o nessuna programmazione. Make, n8n e Zapier ne sono esempi popolari.
Llama: Famiglia di modelli open pubblicata da Meta. Si può scaricare e installare in azienda, utile quando i dati sensibili non devono uscire dai propri server.AI open in azienda con Llama →

MCP (Model Context Protocol): Uno standard che permette ai modelli AI di collegarsi a strumenti e fonti dati esterne in modo uniforme. Rende gli agenti capaci di agire su sistemi reali e di collaborare tra loro.
Multimodale: Un modello che gestisce più tipi di dato insieme: testo, immagini, audio, video. Permette, ad esempio, di descrivere una foto o generare un video con voce sincronizzata.Produrre contenuti multimodali con un agente →
Machine learning: La branca dell'AI in cui un sistema impara dai dati invece di seguire regole scritte a mano. È il motore sotto a quasi tutta l'AI moderna, modelli linguistici compresi.Implementare l'AI in una PMI →
Midjourney: Strumento per generare immagini a partire da prompt testuali. Lo standard per concept art e moodboard, accessibile via Discord o app web.
Mistral: Famiglia di modelli AI europea, basata a Parigi. Alternativa open ai modelli americani, popolare in Italia per ragioni di privacy e localizzazione linguistica.Modelli AI europei per le PMI →

NLP (elaborazione del linguaggio naturale): Il campo dell'AI che si occupa di far comprendere e produrre linguaggio umano alle macchine. Sta dietro a traduzione automatica, riassunti, analisi del sentiment.

Prompt: L'istruzione che si dà a un modello AI. La qualità e la struttura del prompt incidono moltissimo sulla qualità della risposta.Prompt strutturati per la finanza →
Prompt engineering: La pratica di scrivere e affinare i prompt per ottenere risultati migliori e ripetibili: definire ruolo, contesto, dati e formato dell'output.
POC (Proof of Concept): Test rapido in scala ridotta per verificare se un'idea AI funziona prima di investire seriamente. Tipicamente dura quattro o otto settimane.Dal POC al rollout in azienda →
Pilot project: Progetto AI in scala ridotta, usato come prova reale prima di estenderlo a tutta l'azienda. Sta nel mezzo tra il POC e il rollout completo.Dal pilot al rollout AI →
Privacy by design: Approccio in cui la protezione dei dati è progettata dentro al sistema fin dall'inizio, non aggiunta a fine sviluppo. È un principio del GDPR, applicabile anche ai progetti AI.
Perplexity: Motore di risposta basato su AI, alternativa a Google per chi cerca risposte sintetiche corredate di fonti. È uno dei riferimenti principali per l'AEO.Perplexity nella ricerca con AI →
Piattaforme di automazione: Strumenti come Make, n8n e Zapier che collegano app e servizi tra loro. Sono il modo più rapido per portare l'AI dentro un processo aziendale senza scrivere codice.Automazioni AI per founder solo →

RAG (Retrieval-Augmented Generation): Una tecnica che collega un modello a una base di conoscenza: prima recupera i documenti pertinenti, poi genera la risposta basandosi su quelli. Riduce le allucinazioni e tiene l'AI ancorata ai tuoi dati.
Rete neurale: Un modello di calcolo ispirato al cervello, fatto di nodi collegati che apprendono dai dati. È il mattone su cui sono costruiti i sistemi di AI moderni.
RPA (Robotic Process Automation): L'automazione di compiti digitali ripetitivi tramite "robot software" che imitano le azioni umane sui programmi. Sempre più spesso combinata con l'AI.
Reasoning model: Modello che ragiona prima di rispondere, mostrando i passaggi intermedi. Più lento di un modello classico ma più affidabile su matematica, codice e analisi complesse.Claude Opus 4.8 e i modelli di ragionamento →
ROI dell'AI: Ritorno economico misurabile di un progetto di intelligenza artificiale. Si calcola mettendo a confronto il valore generato con il costo totale, fra licenze, ore di lavoro e formazione.Calcolare il ROI dell'AI in PMI →
Red teaming: Pratica di attaccare di proposito un sistema AI per scoprirne falle, bias e usi pericolosi prima che lo facciano altri. È diventato standard per i modelli più grandi.

Subagente: Un agente AI specializzato che lavora sotto il coordinamento di un agente principale. Più subagenti in parallelo permettono di gestire compiti grandi e complessi.I Dynamic Workflows e i subagenti →
Sistema ad alto rischio: Categoria dell'AI Act che riguarda gli AI usati in selezione del personale, credito, sanità o istruzione. Comporta obblighi stretti di documentazione, sorveglianza umana e controllo qualità.Gli obblighi per i sistemi AI ad alto rischio →
Sandbox normativo: Ambiente protetto, autorizzato dalle istituzioni, in cui le aziende possono testare sistemi AI innovativi senza incorrere subito in sanzioni. L'Italia ne sta predisponendo uno per l'AI.
Stable Diffusion: Modello open per generare immagini, base di moltissimi strumenti commerciali. Si può anche far girare sul proprio computer, senza inviare dati a terzi.

Token: L'unità minima di testo che un modello elabora (più o meno una parola o parte di essa). Il costo d'uso dell'AI si misura in token di input e di output.Quanto costa l'AI: il prezzo per token →
Transformer: L'architettura di rete neurale, introdotta nel 2017, che ha reso possibili i modelli linguistici moderni grazie al meccanismo di "attenzione".
Tokenizzazione: Il processo che spezza il testo in unità minime (token) prima di darlo in pasto al modello. Da come si tokenizza una lingua dipende quanto costa e quanto scorre la generazione.
Training: La fase in cui il modello impara dai dati, prima di essere pubblicato. Costa milioni di euro e richiede settimane di calcolo su flotte di GPU.
Trasparenza algoritmica: Obbligo di spiegare in modo comprensibile come un sistema AI prende decisioni che impattano le persone. Centrale sia nell'AI Act sia nel GDPR.Obblighi di trasparenza dell'AI Act →

Use case: Caso d'uso concreto in cui l'AI risolve un problema misurabile, come classificare ticket di supporto o riassumere riunioni. È il punto di partenza di ogni progetto serio.Use case AI per le PMI italiane →

Visione artificiale (Computer Vision): Il campo dell'AI che permette alle macchine di interpretare le immagini: riconoscere oggetti, leggere documenti, controllare la qualità in produzione.
Vector database: Archivio specializzato per cercare informazioni per significato, non per parole esatte. È l'infrastruttura che sta sotto alla RAG.

Workflow: Sequenza ordinata di passaggi che porta da un input a un risultato di lavoro. Gli agenti AI sostituiscono o accelerano interi workflow aziendali.Automatizzare i workflow con gli agenti AI →

Vuoi capire come applicare questi concetti nella tua azienda? Parti dalla guida su come implementare l'AI in una PMI italiana o esplora l'archivio degli articoli.