Glossario dell'intelligenza artificiale per chi guida un'azienda

Per un'azienda significa automatizzare lavoro fatto di testo: rispondere a domande, riassumere documenti, scrivere bozze, estrarre dati. Con un LLM installato in sede, questo avviene senza mandare dati all'esterno.

I dati riservati restano in azienda, la conformità al GDPR è più semplice da dimostrare e i costi non dipendono da quante domande si fanno. Funziona anche senza internet.

Costi prevedibili (si paga l'hardware, non ogni richiesta), funzionamento offline e controllo totale su dati e aggiornamenti.

Nessun abbonamento obbligatorio e nessun vincolo con un fornitore: il modello resta all'azienda e si può sostituire quando ne esce uno migliore.

Scrivere bene le richieste (o farle preparare dal sistema in automatico) è uno dei modi più economici per migliorare la qualità delle risposte, prima ancora di cambiare modello.

Con i servizi AI in cloud si paga in base ai token elaborati, quindi il costo cresce con l'uso. Con un'AI on-premise il costo è l'hardware: più la si usa, più conviene.

Determina se l'AI può analizzare un contratto o un capitolato intero in un colpo solo. I modelli recenti arrivano a centinaia di migliaia di token.

In azienda una risposta sbagliata costa: per questo i sistemi seri fanno rispondere l'AI sui documenti reali (con il RAG) e mostrano sempre la fonte, così chi legge può verificare.

Per un'azienda l'hardware va dimensionato sull'inferenza: quanti utenti fanno domande insieme e quanto velocemente devono ricevere risposta.

Manuali, procedure, contratti e listini diventano interrogabili in italiano. Aggiungere un documento nuovo basta per aggiornare le risposte, senza costi di addestramento.

È ciò che permette di trovare il documento giusto anche quando chi cerca usa parole diverse da quelle scritte nel documento.

È il "motore di ricerca interno" di un sistema RAG: installato sui server aziendali, tiene indicizzati anche migliaia di documenti senza portarli all'esterno.

Commerciali, controller e responsabili di produzione ottengono i dati in autonomia, in minuti invece che in ore, e il reparto IT smette di preparare report ripetitivi.

Automatizza processi interi, non solo singole risposte: per esempio preparare un preordine o smistare le richieste in arrivo, lasciando a una persona la conferma finale.

Serve quando il modello deve usare il gergo tecnico dell'azienda o rispondere sempre in un certo formato. Spesso non è il primo passo: per molti casi basta il RAG.

Rende il fine-tuning accessibile alle PMI: basta l'hardware già usato per l'AI quotidiana, i dati di addestramento non escono dall'azienda e l'adapter si aggiorna senza rifare tutto.

È la voce principale del costo hardware. Per molte PMI basta una singola GPU da 24GB; servono schede più grandi solo con molti utenti o modelli molto grandi.

Consente di far girare modelli più capaci su GPU meno costose. Per la maggior parte degli usi aziendali la differenza di qualità è trascurabile.

Risposte più rapide e meno hardware a parità di qualità: modelli come Gemma 4 26B o Qwen3 30B-A3B girano bene su una sola GPU.

Abbassa la barriera d'ingresso: provare un'AI locale richiede minuti, non settimane. Per molti utenti insieme in produzione si passa di solito a vLLM.

Permette di servire decine o centinaia di utenti con lo stesso hardware, e le applicazioni già scritte per OpenAI si collegano cambiando solo l'indirizzo.

La maggior parte delle aziende è deployer: deve sostenere l'alfabetizzazione AI del personale, rispettare gli obblighi di trasparenza e, per i sistemi ad alto rischio, garantire supervisione umana e conservazione dei log. Se però appone il proprio nome su un sistema ad alto rischio o lo modifica in modo sostanziale, diventa fornitore (art. 25).

Va coinvolto tempestivamente (art. 38), non a progetto concluso. Conviene: le scelte che il DPO valuta all'inizio, come dove vengono elaborati i dati e per quanto si conservano i log, costano poco se decise subito e molto se vanno corrette dopo.

Fatta all'inizio del progetto orienta le scelte tecniche, per esempio dove elaborare i dati o quali dati escludere. È anche uno dei primi documenti che un'autorità di controllo può chiedere di vedere.

Chi rientra deve farla prima di mettere in uso il sistema, e può riusare le parti in comune con la DPIA. Per i sistemi ad alto rischio dell'allegato III l'obbligo si applica dal 2 dicembre 2027, dopo il rinvio deciso con il Digital Omnibus.