I termini dell'AI spiegati in modo chiaro, senza tecnicismi. Una guida di riferimento per chi vuole capire — e usare — l'intelligenza artificiale in azienda.
Sistema di intelligenza artificiale che non si limita a rispondere ma esegue compiti: legge dati, prende decisioni secondo regole e compie azioni su più strumenti, completando un processo dall'inizio alla fine.
Il regolamento europeo sull'intelligenza artificiale, primo quadro normativo organico al mondo. Classifica i sistemi di AI per livello di rischio e introduce obblighi di trasparenza e di competenza (AI literacy) per le aziende.
Categoria di intelligenza artificiale capace di creare contenuti nuovi — testi, immagini, video, audio, codice — invece di limitarsi a classificare o prevedere.
Quando un modello di AI genera un'informazione plausibile ma errata, presentandola con sicurezza. È il motivo per cui ogni output va sempre verificato da una persona.
Interfaccia di programmazione: il canale tecnico che permette a un software di usare un modello di AI o di collegarsi ad altri strumenti. È la base delle integrazioni e delle automazioni.
L'uso di software e AI per far eseguire a una macchina attività ripetitive prima svolte manualmente, riducendo tempi ed errori.
Persona digitale generata dall'AI, capace di parlare e presentare contenuti come un presentatore reale. Si controlla tramite testo e permette di produrre video scalabili e multilingua.
Programma che dialoga con gli utenti in linguaggio naturale, usato per customer care, lead generation e supporto. A differenza di un agente AI, conversa ma di norma non esegue processi complessi.
Branca dell'AI che permette ai sistemi di interpretare immagini e video: riconoscere oggetti, persone, testo o difetti.
L'insieme di dati con cui un modello di AI viene addestrato o su cui lavora. La qualità del dataset determina in larga parte la qualità dei risultati.
Sottoinsieme del machine learning basato su reti neurali a più livelli. È la tecnologia dietro la maggior parte delle AI moderne, inclusa quella generativa.
Contenuto audio o video falso ma realistico, creato con l'AI per far dire o fare a una persona qualcosa che non ha mai detto o fatto. Da qui l'importanza della trasparenza nell'uso degli avatar.
Processo di ulteriore addestramento di un modello già esistente su dati specifici, per specializzarlo su un dominio, un tono o uno stile particolare.
L'insieme di pratiche per far sì che un brand venga citato e raccomandato dagli assistenti AI come ChatGPT, Gemini e Perplexity — così come la SEO lavora sui motori di ricerca tradizionali.
Grande modello linguistico: un modello di AI addestrato su enormi quantità di testo, capace di comprendere e generare linguaggio. È il cuore degli assistenti conversazionali.
Apprendimento automatico: l'approccio con cui un sistema impara da esempi e dati invece di seguire istruzioni scritte a mano. È la base dell'AI moderna.
L'istruzione, in linguaggio naturale, con cui si chiede a un'AI generativa di produrre un risultato. La sua qualità incide direttamente sull'output.
La competenza di scrivere prompt efficaci: fornire contesto, esempi e vincoli chiari per ottenere dall'AI risultati utili, accurati e ripetibili.
Tecnica che collega un modello di AI a una base di conoscenza esterna — documenti, manuali aziendali — così che le risposte si basino su informazioni reali e aggiornate.
L'unità minima di testo con cui lavora un modello linguistico (una parola o parte di essa). Il consumo di token determina anche il costo d'uso di molti strumenti di AI.
Tecnica che ricrea una voce specifica con l'AI, usata per voice-over e doppiaggio. Va impiegata solo con il consenso esplicito della persona.
Conoscere i termini è il primo passo. Il secondo è usare l'AI nel lavoro di ogni giorno: scopri i percorsi di formazione e i servizi di MAIKER HUB.