Glossario dell'IA

Il processo in cui un modello di IA apprende schemi da una quantità molto grande di dati di esempio, e che influenza il modo in cui risponderà in seguito.

Esempio: Un modello linguistico viene addestrato su enormi raccolte di testi, così impara come si costruiscono di solito le frasi e quali parole e fatti tendono a comparire insieme.

Spesso confuso con: L'addestramento avviene prima che tu usi il modello; quando chatti, il modello lavora con ciò che ha già imparato più ciò che c'è nella conversazione. Le tue chat diventano dati di addestramento solo se il fornitore le usa in quel modo, cosa che le impostazioni sulla privacy possono permetterti di controllare.

Approfondisci: Cosa l'IA può e non può fare per te

Un sistema di IA che lavora per raggiungere un obiettivo in più passaggi con una certa autonomia, decidendo cosa fare dopo e usando strada facendo strumenti come la ricerca, i file o altre app.

Esempio: Chiedi a un agente di trovare gli orari dei treni per un'altra città per venerdì e di scrivere la bozza di un messaggio al tuo team con due opzioni; l'agente cerca, confronta e scrive la bozza, che poi rivedi tu.

Spesso confuso con: Un assistente di chat risponde a un messaggio alla volta e sei tu a guidarlo; un agente invece svolge una serie di azioni con meno indicazioni da parte tua. Dato che può agire, controlla a cosa gli è consentito accedere e rivedi il suo lavoro prima che qualcosa venga inviato, acquistato o eliminato.

Quando un modello di IA produce un testo sbagliato nei fatti o che non corrisponde al materiale che ha ricevuto.

Esempio: Chiedi tre libri su un argomento: un titolo e un autore sembrano veri, ma quando cerchi nel catalogo di una biblioteca il libro non esiste.

Spesso confuso con: Non puoi riconoscere un'allucinazione dal tono: una risposta sbagliata può sembrare sicura quanto una corretta. È anche diversa dalle informazioni non aggiornate dovute alla data limite delle conoscenze, ma in entrambi i casi serve una verifica su una fonte primaria.

Approfondisci: Come verificare quello che ti dice l'IA, Fai ricerche con l'IA e verifica le citazioni

Fonte: Reduce hallucinations (Anthropic, consultata il 2026-10-10)

Un collegamento che permette a un software di inviare richieste a un modello di IA e ricevere risposte, così gli sviluppatori possono integrare l'IA nelle proprie app e nei propri flussi di lavoro.

Esempio: Lo sviluppatore di un negozio online si collega a un modello tramite un'API, così quando si aggiunge un nuovo articolo compare una prima bozza della descrizione del prodotto, senza che nessuno apra un'app di chat.

Spesso confuso con: Usare un modello tramite un'API è diverso dall'usare l'app di chat del fornitore: le funzioni sono diverse e, con alcuni fornitori, l'uso dell'API viene fatturato separatamente dall'abbonamento all'app. Non ti serve un'API per usare gli strumenti di IA nelle attività di tutti i giorni.

Approfondisci: Prodotti, modelli e piani

Un insieme fisso di compiti di prova usato per misurare e confrontare i modelli di IA; un punteggio indica come è andato un modello in quel test specifico, in condizioni specifiche, non quanto sarà utile per il tuo lavoro.

Esempio: Un modello può ottenere un buon punteggio su una serie di problemi di gare di matematica svolti con impostazioni particolari e scrivere comunque un riassunto mediocre delle note della tua riunione.

Spesso confuso con: Il punteggio di un benchmark non è una classifica generale di utilità. I risultati dipendono dal test, dai prompt e dalle impostazioni usate, quindi i punteggi di fonti diverse possono non coincidere; provare la tua attività su due o tre strumenti è una verifica più diretta per le tue esigenze.

Approfondisci: Migliora la risposta passo dopo passo, Scegli uno strumento e valuta com'è andata

Fonte: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, consultata il 2026-10-10)

La data fino a cui arrivano i dati di addestramento di un modello: il modello potrebbe non sapere nulla di eventi o cambiamenti successivi a quella data.

Esempio: Se chiedi di una regola cambiata il mese scorso, un modello senza ricerca web potrebbe descrivere la vecchia regola come se fosse ancora valida.

Spesso confuso con: La data limite delle conoscenze non è la data di uscita o dell'ultimo aggiornamento del prodotto; di solito è precedente. Quando uno strumento cerca sul web, la sua risposta dipende dalle pagine che ha trovato, quindi in ogni caso controlla date e fonti.

Approfondisci: Cosa l'IA può e non può fare per te, Fai ricerche con l'IA e verifica le citazioni

Fonte: How up-to-date is Claude's training data? (Anthropic, consultata il 2026-10-10)

Una lista di numeri che rappresenta un frammento di testo, così un software può misurare quanto due frammenti sono correlati in base alla vicinanza dei loro numeri.

Esempio: Un'app di note può usare gli embedding per trovare una nota intitolata «spese riparazione auto» quando cerchi «quanto è costato sistemare il veicolo», anche se le parole sono diverse.

Spesso confuso con: Un embedding non è un riassunto né una risposta da leggere: è una rappresentazione interna usata dietro le quinte per la ricerca, il raggruppamento e la generazione aumentata dal recupero.

Fonte: Vector embeddings (OpenAI, consultata il 2026-10-10)

Un addestramento aggiuntivo di un modello esistente su un insieme più piccolo di esempi etichettati, perché si comporti in un modo preciso, ad esempio seguendo lo stile dell'azienda.

Esempio: Un team di assistenza fa il fine-tuning di un modello su domande passate dei clienti abbinate a risposte approvate, così le nuove risposte seguono lo stesso tono e formato.

Spesso confuso con: Il fine-tuning modifica il modello stesso e richiede dati preparati e una configurazione tecnica. Inserire istruzioni o esempi nel prompt, o collegare documenti tramite la generazione aumentata dal recupero, lascia il modello invariato ed è di solito l'opzione più semplice per le attività di tutti i giorni.

Fonte: About supervised fine-tuning for Gemini models (Google Cloud, consultata il 2026-10-10)

Tutto il testo che un modello può considerare in una volta quando scrive una risposta, compresi i tuoi messaggi, il materiale che hai aggiunto e la risposta stessa.

Esempio: In una chat molto lunga, lo strumento può perdere di vista dettagli che hai dato all'inizio, se quelle parti non entrano più nella sua finestra di contesto.

Spesso confuso con: La finestra di contesto non è una memoria a lungo termine: copre ciò che il modello ha davanti in questo momento, mentre una funzione di memoria separata, nei prodotti che ce l'hanno, conserva appunti tra una chat e l'altra. La sua dimensione si misura in token, non in parole o pagine.

Approfondisci: Dai il contesto giusto

Fonte: Context windows (Anthropic, consultata il 2026-10-10)

Un metodo in cui un sistema trova prima i brani pertinenti in un insieme scelto di documenti e li passa al modello, in modo che la risposta si basi su quel contenuto.

Esempio: Il bot di assistenza di un'azienda cerca nel manuale del personale la sezione sulle ferie, poi scrive la risposta partendo da quella sezione e può mostrare quale sezione ha usato.

Spesso confuso con: La generazione aumentata dal recupero non riaddestra il modello: ogni volta aggiunge alla richiesta il testo recuperato, ed è questo che la distingue dal fine-tuning. La risposta può comunque essere sbagliata se viene trovato il brano sbagliato o se viene letto male, quindi apri il brano su cui si è basata.

Fonte: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, consultata il 2026-10-10)

IA che crea nuovi contenuti, come testo, immagini, audio o codice, sulla base di schemi appresi da un numero molto elevato di esempi.

Esempio: Chiedi cinque possibili titoli per un cartellone scolastico sul riciclo e lo strumento ne scrive cinque nuovi per te.

Spesso confuso con: Un motore di ricerca ti indirizza verso pagine che esistono già, mentre l'IA generativa scrive testo nuovo che può sembrare giusto ed essere comunque sbagliato. Se lo strumento non fa anche ricerche sul web, non sta cercando nulla.

Approfondisci: Cosa l'IA può e non può fare per te

IA rilasciata a condizioni che permettono a chiunque di usarla, studiarla, modificarla e condividerla per qualsiasi scopo, insieme al codice di addestramento, ai pesi addestrati e a informazioni sufficienti sui dati di addestramento perché una persona esperta possa costruire un sistema simile.

Esempio: Un gruppo di ricerca rilascia un modello con i suoi pesi, il codice di addestramento completo e una descrizione dettagliata della provenienza dei dati di addestramento, a condizioni che consentono qualsiasi uso, così altri team possono esaminarlo e addestrare di nuovo una propria versione.

Spesso confuso con: IA open source e pesi aperti sono etichette diverse. Un modello di cui puoi scaricare i pesi, ma di cui non sono condivisi il codice di addestramento o le informazioni sui dati, o la cui licenza limita il modo in cui puoi usarlo, è a pesi aperti ma non è IA open source secondo la definizione della Open Source Initiative. Leggi la licenza invece di fidarti dell'etichetta.

Fonte: The Open Source AI Definition – 1.0 (Open Source Initiative, consultata il 2026-10-10)

Le opzioni di un prodotto di IA che controllano cosa succede ai tuoi dati, ad esempio se le tue chat possono essere usate per migliorare i modelli del fornitore e se la cronologia delle chat viene conservata.

Esempio: Prima di usare uno strumento di chat per lavoro, apri le sue impostazioni, trovi l'opzione sull'uso delle tue chat per migliorare i modelli e scegli quella adatta alla tua situazione e alle regole della tua organizzazione.

Spesso confuso con: Le impostazioni sulla privacy variano in base a prodotto, piano e tipo di account, e possono cambiare, quindi controlla di persona quelle attuali invece di dare per scontato un valore predefinito. Disattivare il miglioramento dei modelli non significa per forza che non venga conservato nulla, quindi evita comunque di incollare dati sensibili, personali, aziendali o di altre persone.

Approfondisci: Scegli uno strumento e valuta com'è andata, Scomponi un'attività d'ufficio

Fonte: Data controls in ChatGPT (OpenAI, consultata il 2026-10-10)

Sistemi informatici che svolgono attività che di solito si associano al pensiero umano, come capire il linguaggio, riconoscere immagini o fare previsioni.

Esempio: Un'app di foto che raggruppa le immagini in base ai volti che contengono usa l'IA, e lo stesso vale per uno strumento di chat che scrive la bozza di un'email partendo dai tuoi appunti.

Spesso confuso con: L'IA è l'intero campo, non un singolo prodotto. L'IA generativa è la parte che crea nuovi testi, immagini o audio; molti altri sistemi di IA si limitano a smistare, ordinare o prevedere, come un filtro antispam.

Approfondisci: Cosa l'IA può e non può fare per te

Un tipo di modello di IA addestrato su una quantità molto grande di testo per prevedere quale parola, o parte di parola, è probabile che venga dopo; questo gli permette di rispondere a domande, scrivere e riassumere.

Esempio: Quando scrivi «Spiega la fotosintesi a un bambino di 10 anni», il modello linguistico di grandi dimensioni dietro l'app di chat scrive la risposta un pezzetto alla volta, scegliendo ogni pezzo in base a ciò che è probabile venga dopo.

Spesso confuso con: Un modello linguistico di grandi dimensioni è il motore, non l'app. L'app di chat che apri è un prodotto di IA che usa uno o più modelli e aggiunge funzioni intorno a essi, come il caricamento di file, la ricerca o le chat salvate.

Approfondisci: Cosa l'IA può e non può fare per te, Prodotti, modelli e piani

In grado di lavorare con più di un tipo di input o output, come testo, immagini, audio o video.

Esempio: Fotografi una lista della spesa scritta a mano e chiedi allo strumento di trasformarla in un elenco in formato testo, raggruppato per tipo di alimento.

Spesso confuso con: Multimodale non significa che ogni tipo di input funzioni in ogni prodotto o piano: uno strumento può leggere immagini ma non audio, o creare immagini ma non video. Controlla cosa accetta il tuo strumento e verifica la sua descrizione di un'immagine con la stessa attenzione di qualsiasi altro output.

Un modello i cui pesi addestrati, cioè i numeri che ha appreso durante l'addestramento, sono pubblicati in modo che chiunque possa scaricarlo, eseguirlo e adattarlo in autonomia, nei termini della sua licenza.

Esempio: Uno sviluppatore scarica un modello a pesi aperti e lo esegue sul proprio computer, così i documenti restano su quella macchina, ma deve comunque rispettare la licenza che accompagna il modello.

Spesso confuso con: Pesi aperti non significa IA open source. La licenza può limitare l'uso commerciale o determinati scopi, e i dati e il codice di addestramento potrebbero non essere rilasciati affatto; l'IA open source, come la definisce la Open Source Initiative, richiede le libertà di usare, studiare, modificare e condividere, oltre a informazioni sui dati, codice e pesi.

Fonte: Gemma 4 model overview (Google, consultata il 2026-10-10)

Il livello di accesso che hai a un prodotto di IA, come la versione gratuita o un abbonamento a pagamento, che influisce sulle funzioni disponibili.

Esempio: Due compagni di classe usano la stessa app di chat, ma uno ha la versione gratuita e l'altro paga ogni mese, quindi possono trovarsi con funzioni, limiti di utilizzo o modelli disponibili diversi.

Spesso confuso con: Un piano non è un modello né un prodotto; è il livello di account a cui ti iscrivi. Con alcuni fornitori, l'abbonamento all'app e l'uso dell'API per sviluppatori vengono fatturati separatamente.

Approfondisci: Prodotti, modelli e piani, Scegli uno strumento e valuta com'è andata

Fonte: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, consultata il 2026-10-10)

L'app, il sito web o la funzione che usi concretamente, come un assistente di chat o un aiuto per la scrittura, che dietro le quinte usa uno o più modelli di IA.

Esempio: Un'app per prendere appunti aggiunge un pulsante «Riassumi questa pagina»: il pulsante e l'app sono il prodotto, e dietro c'è un modello che scrive il riassunto.

Spesso confuso con: Il prodotto non è né il modello né il piano. Un prodotto può offrire diversi modelli o versioni di modello, e quello che puoi farci dipende dal prodotto, dal tuo piano e a volte dalla tua area geografica, non solo dal modello al suo interno.

Approfondisci: Prodotti, modelli e piani, Scegli uno strumento e valuta com'è andata

L'istruzione, la domanda o il materiale che dai a uno strumento di IA per dirgli cosa vuoi.

Esempio: «Riscrivi questo paragrafo per un lettore di 12 anni in meno di 80 parole» è un prompt, e lo è anche un'email incollata seguita da «Elenca le tre cose che devo fare».

Spesso confuso con: Un prompt non ha bisogno di parole chiave speciali o trucchi. Basta un linguaggio semplice: indica l'attività, dai un po' di contesto e di' in che forma vuoi la risposta.

Approfondisci: Fare la prima domanda, Parti da un obiettivo chiaro

Un modo di lavorare in cui un modello compie passaggi aggiuntivi per scomporre un problema prima di dare la risposta finale, spesso usato per matematica, logica, pianificazione o codice.

Esempio: Se chiedi a un modello in modalità ragionamento di pianificare un orario di studio settimanale tenendo conto di due esami e di un lavoro part-time, può metterci di più ed esaminare i vincoli prima di mostrare il programma finale.

Spesso confuso con: Il ragionamento non equivale ad avere ragione: i passaggi possono sembrare sensati e contenere comunque un errore, quindi controlla il risultato. Di solito è più lento e può consumare una parte maggiore della tua quota di utilizzo, quindi per una riscrittura veloce o un riassunto potrebbe non servire.

Una piccola unità di testo che un modello legge e scrive, e che può essere un singolo carattere, una parte di parola, una parola intera o un segno di punteggiatura.

Esempio: Una parola breve e comune spesso è un singolo token, mentre una parola lunga o insolita può essere divisa in più token.

Spesso confuso con: Un token non equivale a una parola, quindi limiti e prezzi espressi in token non si convertono esattamente in parole o pagine. Modelli diversi dividono il testo in modi diversi, quindi lo stesso testo può corrispondere a un numero diverso di token.

Approfondisci: Dai il contesto giusto

Fonte: Understanding and counting tokens (OpenAI, consultata il 2026-10-10)

La capacità di un modello di IA di richiamare funzioni o servizi esterni, come una ricerca web, una calcolatrice o un calendario, e di usarne i risultati nella risposta.

Esempio: Se chiedi gli orari di apertura di un museo della tua zona, uno strumento con ricerca web può consultare una pagina aggiornata, mentre un modello senza strumenti può rispondere solo in base a ciò che ha imparato durante l'addestramento.

Spesso confuso con: L'uso di strumenti è una singola capacità; un agente è un sistema che può usare molti strumenti in molti passaggi. Un modello senza strumenti non può controllare il web o il tuo calendario, anche se dalla sua risposta sembra che l'abbia fatto.

Approfondisci: Cosa l'IA può e non può fare per te

Fonte: Tool use with Claude (Anthropic, consultata il 2026-10-10)

Il modello di IA specifico, identificato da un nome e di solito da un numero di versione, che genera le risposte all'interno di un prodotto.

Esempio: Un'app di chat può farti scegliere da un breve elenco di nomi di modelli con numeri; se fai a ciascuno la stessa domanda, puoi ottenere risposte diverse per lunghezza, stile e accuratezza.

Spesso confuso con: La versione del modello è il motore; il prodotto è l'app che lo circonda, e il piano decide quali versioni puoi scegliere. Un numero più recente non garantisce risultati migliori per la tua attività, quindi fai una prova con la tua attività prima di cambiare.

Approfondisci: Prodotti, modelli e piani