Glossario AI per aziende

Sistema software basato su LLM capace di pianificare, decidere e agire autonomamente verso un obiettivo. Vedi anche: AI Agent.

Regolamento europeo sull'intelligenza artificiale, il primo al mondo. Classifica i sistemi AI per livello di rischio e impone obblighi diversi a seconda della categoria.

Agente AI autonomo che usa strumenti esterni (API, database, email) per raggiungere obiettivi complessi. Si distingue dai chatbot per la capacità di pianificare ed eseguire azioni in sequenza.

Valutazione sistematica della maturità AI di un'azienda: identifica gap, opportunità e priorità di intervento.

Capacità di comprendere, usare e valutare criticamente l'AI. Competenza fondamentale per tutti i ruoli aziendali nell'era dell'automazione intelligente.

Quando un modello AI genera informazioni false con apparente sicurezza. Fenomeno da gestire con RAG, verifica programmatica e supervisione umana.

Application Programming Interface. Interfaccia che permette a sistemi software di comunicare tra loro. Gli AI Agent la usano per accedere a dati e funzionalità esterne.

Automatic Speech Recognition. Tecnologia che converte il parlato in testo. Componente fondamentale dei Voice AI Agent.

Esecuzione automatica di compiti ripetitivi senza intervento umano. L'AI aggiunge capacità decisionale alla semplice automazione basata su regole.

Tecnica di prompting che porta l'LLM a ragionare passo per passo prima di rispondere. Migliora la qualità delle risposte su problemi complessi.

Sistema conversazionale basato su regole predefinite o LLM. A differenza degli AI Agent, non ha la capacità di pianificare azioni complesse o usare strumenti esterni.

Famiglia di modelli LLM sviluppata da Anthropic. Particolarmente apprezzata per il ragionamento complesso e la riduzione delle allucinazioni.

Capacità base degli LLM di generare testo a partire da un input (prompt). La base su cui si costruiscono tutte le applicazioni AI generativa.

Quantità massima di testo (misurata in token) che un LLM può processare in una singola interazione. Determina quanta 'memoria' ha il modello durante una conversazione.

Sottoinsieme del machine learning basato su reti neurali profonde. Alla base dei moderni LLM e dei sistemi di riconoscimento vocale e visivo.

Rappresentazione numerica (vettoriale) di testo o altri dati. Gli embedding permettono all'AI di misurare la similarità semantica tra concetti.

Tecnica in cui si forniscono pochi esempi nel prompt per guidare il comportamento del modello. Utile per task specifici senza dover fare fine-tuning.

Processo di addestramento aggiuntivo di un modello pre-esistente su dati specifici. Adatta l'LLM a un dominio o stile specifico.

Modello AI addestrato su enormi quantità di dati generali, poi adattabile a molti task specifici. GPT-4, Claude e Gemini sono foundation model.

Capacità degli LLM di richiamare funzioni esterne strutturate (API, strumenti) in risposta a un input. Meccanismo fondamentale degli AI Agent.

Regolamento europeo sulla protezione dei dati personali. Le soluzioni AI devono rispettarlo, specialmente quando trattano dati di clienti o dipendenti.

Famiglia di modelli LLM sviluppata da Google DeepMind. Disponibile tramite Google Cloud e integrate nei prodotti Google Workspace.

Generative Pre-trained Transformer. Architettura alla base dei modelli OpenAI (GPT-3.5, GPT-4, GPT-4o). Uno dei modelli LLM più diffusi a livello aziendale.

Vedi Allucinazione.

Architettura in cui un essere umano supervisiona e approva le azioni di un AI Agent prima dell'esecuzione. Ideale per decisioni ad alto impatto.

Il processo di utilizzo di un modello AI già addestrato per generare output. A differenza del training, l'inference è il 'momento d'uso' del modello.

Framework open source per costruire applicazioni con LLM. Semplifica la creazione di catene di prompt, RAG e agenti AI.

Framework specializzato per RAG e connessione tra LLM e sorgenti dati aziendali (documenti, database, API).

Large Language Model. Modello AI addestrato su enormi quantità di testo capace di comprendere e generare linguaggio naturale. La base di ChatGPT, Claude, Gemini e degli AI Agent.

Model Context Protocol. Standard aperto per connettere gli LLM a strumenti e sorgenti dati esterne. Semplifica la costruzione di AI Agent con accesso a sistemi aziendali.

Sottoinsieme dell'AI in cui i sistemi apprendono dai dati senza essere esplicitamente programmati per ogni caso.

Capacità di un AI Agent di ricordare informazioni tra sessioni diverse, tipicamente tramite database vettoriali.

Famiglia di modelli LLM open source sviluppata dall'azienda europea Mistral AI. Popolare per il rapporto performance/costo.

Approccio che non dipende da un singolo fornitore di modelli AI. Permette di scegliere il modello migliore per ogni use case e di cambiarlo nel tempo.

Architettura con più AI Agent specializzati che collaborano. Un agente 'manager' delega subtask ad agenti 'worker' specializzati.

Modello AI capace di elaborare diversi tipi di input: testo, immagini, audio, video. GPT-4o e Gemini Ultra sono esempi di modelli multimodali.

Piattaforma open source di automazione dei workflow. Permette di collegare app e servizi senza codice, integrabile con LLM e AI Agent.

Natural Language Processing. Branca dell'AI che si occupa della comprensione e generazione del linguaggio umano. Gli LLM ne sono l'applicazione più avanzata.

Natural Language Understanding. Capacità di un sistema AI di comprendere il significato e l'intento dietro un testo o un'espressione vocale.

Il sistema che coordina LLM, strumenti e agenti in un flusso di lavoro complesso. In un AI Agent, l'orchestratore gestisce lo stato e le decisioni.

Azienda AI che ha sviluppato i modelli GPT e ChatGPT. Uno dei principali fornitori di API per applicazioni AI aziendali.

L'input testuale fornito a un LLM per ottenere una risposta. La qualità del prompt influenza direttamente la qualità dell'output.

L'arte e la scienza di scrivere prompt efficaci per ottenere output di qualità dagli LLM. Competenza critica per chi usa l'AI in contesti aziendali.

Retrieval Augmented Generation. Tecnica che combina ricerca su database con generazione LLM. L'agente recupera informazioni pertinenti prima di rispondere, riducendo le allucinazioni.

Return on Investment. Il ritorno economico di un investimento. Per le iniziative AI, si misura in ore risparmiate, riduzione costi e aumento ricavi.

Robotic Process Automation. Automazione di task ripetitivi basata su regole rigide. A differenza degli AI Agent, non gestisce variazioni o eccezioni.

Le istruzioni di sistema fornite all'LLM prima di ogni conversazione. Definisce il comportamento, il tono e le regole dell'AI Agent.

Parametro degli LLM che controlla la 'creatività' dell'output. Valori bassi → risposte più deterministiche; valori alti → risposte più creative e variabili.

L'unità di testo che gli LLM processano. Circa 4 caratteri o 0.75 parole in italiano. I costi API e i limiti di context window si misurano in token.

Capacità di un LLM di chiamare strumenti esterni (API, funzioni, database) per eseguire azioni concrete nel mondo. Fondamentale per gli AI Agent.

Text-to-Speech. Tecnologia che converte testo in parlato. Componente chiave dei Voice AI Agent per rispondere vocalmente agli utenti.

Rappresentazione numerica di dati (testo, immagini) in uno spazio multidimensionale. La base degli embedding e dei database vettoriali usati nel RAG.

Agente AI vocale capace di gestire conversazioni telefoniche in linguaggio naturale. Combina ASR, LLM e TTS per automatizzare il customer care H24/7.

Capacità di un LLM di svolgere un task senza esempi nel prompt. Dimostra la generalizzazione appresa durante il training.