Glossario AI/ML

Meccanismo che permette ai modelli di pesare e focalizzarsi selettivamente su parti rilevanti dell'input, fondamentale nell'architettura Transformer.

Architettura di deep learning basata sul meccanismo di attention, fondamento di tutti i moderni LLM e modelli generativi.

Risorse computazionali, servizi cloud, e sistemi tecnici necessari per sviluppare, addestrare, e distribuire modelli di intelligenza artificiale su scala.

Framework di misurazione e indicatori di performance chiave (KPI) per valutare l'efficacia dei sistemi IA, l'impatto aziendale, e il valore organizzativo.

Campo di ricerca focalizzato su garantire che i sistemi di intelligenza artificiale operino in sicurezza e in allineamento con i valori umani.

Metodologie e framework per valutare le performance, affidabilità, sicurezza, e allineamento dei sistemi di IA con i requisiti in ambienti non-deterministici.

Modello di AI pre-addestrato su dati su larga scala che serve come base per adattarsi a molteplici task downstream tramite fine-tuning o prompt-based learning.

Modelli di AI che generano contenuto nuovo (testo, immagini, audio, codice) basandosi su pattern appresi da dati di training e istruzioni degli utenti (prompt).

Modello di linguaggio con miliardi di parametri, addestrato su grandi quantità di testo per comprendere e generare linguaggio naturale.

Valutazione e misurazione di come i modelli di IA si comportano su diversi input, inclusi affidabilità, coerenza, e modalità di fallimento.

Disciplina dell'informatica e dell'IA che studia e sviluppa metodi per permettere ai computer di comprendere, interpretare e generare linguaggio naturale umano.

Metodologia di testing di sicurezza dove team autorizzati simulano attacchi avversariali per identificare vulnerabilità e debolezze nei sistemi.

Processo di segmentazione del testo in unità discrete (token) per l'elaborazione da parte di modelli di linguaggio.

Rappresentazione vettoriale di testo che cattura relazioni semantiche in uno spazio ad alta dimensionalità. Fondamento di RAG e ricerca semantica.

Modello linguistico multimodale di frontier di OpenAI, capace di processare e generare testo e immagini con performance ai massimi livelli su benchmark accademici e task reali.

Famiglia di modelli linguistici open-weights sviluppati da Meta, disponibili in dimensioni da 7B a 405B parametri, con performance frontier competitiva con modelli closed-source.

Modello di machine learning generativo per la creazione di immagini da descrizioni testuali (prompt), basato su diffusion models latenti. Sviluppato da Stability AI nel 2022, combina compressione nello spazio latente con processi di denoising iterativi.

Piattaforma open-source e organizzazione che fornisce modelli NLP pre-addestrati, librerie software, e infrastruttuta per la comunità di machine learning.

Organizzazione di ricerca in AI che sviluppa e distribuisce modelli linguistici di frontier (GPT, Claude) tramite API commerciale, con influenza dominante su landscape contemporaneo.

Output di un modello AI che appare plausibile ma contiene informazioni false, inventate o non supportate dai dati di input.

Esame sistematico del perché i progetti di intelligenza artificiale falliscono, incluse cause, pattern, e lezioni per migliorare i tassi di successo progettuale.

Processo di implementazione e distribuzione di sistemi di intelligenza artificiale all'interno di organizzazioni per la creazione di valore aziendale e l'efficienza operativa.

Prodotto con funzionalità minime sufficienti per attrarre early adopter e validare idea di prodotto con minimo effort.

Grado in cui un prodotto soddisfa una forte domanda di mercato, momento critico per crescita sostenibile di startup.

Realizzazione di un metodo o idea per dimostrarne la fattibilità tecnica e commerciale prima di investimenti maggiori.

Tecnica di prompting che migliora il reasoning degli LLM richiedendo ragionamento step-by-step esplicito.

Processo di adattamento di un modello pre-addestrato a un task o dominio specifico tramite training su dati mirati.

Disciplina di progettazione e ottimizzazione degli input per LLM al fine di ottenere output desiderati.

Tecnica di allineamento che usa feedback umano per addestrare LLM a produrre output utili, sicuri e conformi alle intenzioni degli utenti.

Pattern architetturale che combina retrieval da knowledge base con generazione LLM per risposte fondate su documenti specifici.

Tecniche e strategie di ottimizzazione per migliorare la visibilità dei contenuti in motori di ricerca alimentati da IA e overview generativi.

Capacità di una nazione o organizzazione di controllare e mantenere la proprietà dell'infrastruttura cloud e dei dati, spesso un requisito per operazioni governative e sensibili.

Attributi che permettono a un'organizzazione di superare i propri competitor e generare valore superiore per clienti e stakeholder.

Vantaggi di costo ottenuti da imprese grazie a dimensioni, volumi di produzione o scala operativa maggiori.

Piani e tattiche a lungo termine usati da nazioni e organizzazioni per assicurarsi vantaggio competitivo nei mercati globali e nello sviluppo tecnologico.

Percentuale del totale delle vendite in un settore generata da un'azienda specifica, indicatore chiave di posizione competitiva.

Fenomeno per cui un prodotto o servizio acquisisce valore man mano che più persone lo utilizzano, creando crescita auto-rinforzante.

Pratica di ottimizzazione di siti web e contenuti per posizionarsi più in alto nei risultati dei motori di ricerca, incluso SEO tradizionale e ottimizzazione per motori di ricerca guidati da IA.

Sviluppo sistematico e recruitment di professionisti qualificati a tutti i livelli di carriera per incontrare esigenze organizzative attuali e future.

Dipendenza da un fornitore di prodotti e servizi che impedisce il passaggio ad alternative senza costi sostanziali.

Database ottimizzato per storage e similarity search su dati ad alta dimensionalità come embedding testuali e multimodali.

Ipotetica forma di intelligenza artificiale che eguaglia o supera le capacità cognitive umane in un'ampia gamma di compiti, con capacità di apprendimento, ragionamento e adattamento generalizzate.

Framework di policy, regolamentazioni, e strutture istituzionali che guidano lo sviluppo, distribuzione, e uso dei sistemi di intelligenza artificiale.

Fenomeno per cui le regolamentazioni dell'Unione Europea diventano de facto standard globali grazie al potere di mercato, all'influenza normativa e all'effetto domino sui sistemi regolamentari di altri paesi.

Primo quadro normativo completo al mondo per l'intelligenza artificiale, che stabilisce regole armonizzate per lo sviluppo, l'immissione sul mercato e l'uso dei sistemi di IA nell'Unione Europea.

Aderenza alle leggi, regolamentazioni, e standard fissati da enti governativi e normativi, incluse regolamentazioni specifiche per IA come l'EU AI Act.

Processo di miglioramento delle proprie skill, conoscenze, ed esperienze per avanzare le capacità professionali e raggiungere i goal di carriera.

Cultura organizzativa che valorizza il feedback continuo, costruttivo e bidirezionale come strumento di crescita e miglioramento.

Analisi della relazione tra sviluppo di skill umani e automazione IA, esaminando se le aziende investono in talento junior o sostituiscono con sistemi IA.

Meeting ricorrente tra manager e collaboratore diretto per feedback, sviluppo professionale e allineamento su priorità e obiettivi.

Credenza condivisa che il team sia un ambiente sicuro per il rischio interpersonale, dove si può parlare, fare errori e chiedere aiuto senza timore di conseguenze negative.

Filosofia di leadership in cui l'obiettivo principale del leader è servire il team, mettendo le loro esigenze davanti alle proprie.

Misura in cui un team raggiunge i suoi obiettivi, soddisfa i bisogni dei membri e accresce la propria capacità di lavorare insieme nel tempo. La ricerca di Hackman mostra che dipende soprattutto dalle condizioni strutturali, non dai tratti delle persone.

Ricavo prevedibile che un'azienda si aspetta di ricevere annualmente da abbonamenti o contratti ricorrenti.

Velocità con cui un'azienda spende il proprio capitale prima di generare cash flow positivo, metrica critica per startup.

Costo totale per acquisire un nuovo cliente, includendo spese di marketing, sales e tutti i costi correlati.

Distinzione contabile tra spese in conto capitale (asset long-term) e spese operative (costi ricorrenti day-to-day).

Tasso al quale i clienti cessano di sottoscrivere un servizio, metrica critica per business subscription e retention.

Ricavo totale che un'azienda può aspettarsi da un singolo cliente durante l'intera relazione commerciale.

Earnings Before Interest, Taxes, Depreciation, and Amortization: misura della redditività operativa core di un'azienda.

Ricavo prevedibile che un'azienda si aspetta di ricevere mensilmente da abbonamenti ricorrenti.

Ratio finanziario che misura la redditività come percentuale del fatturato, indicatore chiave di efficienza operativa.

Metrica finanziaria che misura il guadagno o la perdita generata su un investimento rispetto all'ammontare investito.

Valutazione comprensiva di tutti i costi diretti e indiretti associati a un asset durante il suo intero ciclo di vita.

Ricavi e costi associati a una singola unità del modello di business, fondamentale per valutare scalabilità e profitability.

Attività professionali svolte in stato di concentrazione priva di distrazioni che spingono le capacità cognitive al limite, creano valore e sono difficili da replicare.

Strumento di gestione del tempo che aiuta a prioritizzare le attività distinguendo tra urgenza e importanza.

Stato mentale di completa immersione in un'attività, caratterizzato da focus intenso, perdita della percezione del tempo, e piacere intrinseco nell'esecuzione del task.

Metodologia di produttività personale che libera la mente da task tracking trasferendo tutti gli impegni in un sistema esterno affidabile.

Credenza che le proprie abilità e intelligenza possano essere sviluppate attraverso dedizione, sforzo e apprendimento, in contrasto con mindset fisso che le vede come tratti innati.

Tecnica di gestione del tempo che utilizza intervalli di lavoro focalizzato di 25 minuti alternati a brevi pause.

Principio statistico che afferma che circa l'80% degli effetti deriva dal 20% delle cause, applicabile a molteplici domini.

Approccio iterativo e incrementale allo sviluppo software che privilegia la collaborazione, l'adattabilità e la consegna continua di valore.

Esame sistematico del codice sorgente da parte di colleghi per identificare bug, migliorare la qualità e condividere conoscenza.

Processo di miglioramento della qualità, struttura, e presentazione del contenuto per soddisfare le esigenze di utenti, motori di ricerca, e sistemi IA.

Standard di processo cross-industry per progetti di data mining e data science, strutturato in sei fasi iterative.

Metodologia orientata ai processi che combina pratiche Agile e DevOps per migliorare la qualità e ridurre i tempi di ciclo dell'analisi dati.

Metodologia iterativa per la risoluzione creativa di problemi centrata sull'utente, che combina empatia, ideazione e sperimentazione rapida.

Insieme di pratiche culturali, processi e strumenti che integrano sviluppo software e operations IT per velocizzare delivery e migliorare affidabilità.

Filosofia giapponese di miglioramento continuo attraverso piccoli cambiamenti incrementali coinvolgendo tutte le persone dell'organizzazione.

Metodo lean per gestire e migliorare il lavoro attraverso visualizzazione del flusso, limitazione del work-in-progress e ottimizzazione continua.

Metrica misurabile utilizzata per valutare il successo di un'organizzazione, team, o progetto nel raggiungere obiettivi specifici.

Metodologia per migliorare l'efficienza produttiva attraverso l'eliminazione sistematica degli sprechi e l'ottimizzazione continua dei processi.

Framework di goal-setting collaborativo che allinea organizzazioni attraverso obiettivi ambiziosi e risultati chiave misurabili.

Tecnica di sviluppo agile dove due programmatori lavorano insieme a una postazione, uno scrivendo codice (driver) e l'altro revisionando (navigator).

Processi e pratiche per garantire che i sistemi di IA soddisfino standard di qualità, metriche di performance, e requisiti di affidabilità.

Processo di ristrutturazione del codice esistente per migliorare design e leggibilità senza modificare il comportamento esterno.

Cerimonia agile in cui il team riflette sul processo di lavoro appena concluso per identificare miglioramenti concreti e actionable.

Framework agile per gestire lo sviluppo di prodotti complessi attraverso cicli iterativi chiamati sprint, ruoli definiti e cerimonie strutturate.

Criterio per definire obiettivi che siano Specifici, Misurabili, Achievable, Rilevanti e Temporizzati.

Costo implicito del rework futuro necessario quando si sceglie una soluzione rapida ma limitata invece di un approccio più robusto.

Approccio di sviluppo software dove i test sono scritti prima del codice di produzione, seguendo il ciclo Red-Green-Refactor.

Approccio sequenziale allo sviluppo software dove ogni fase deve essere completata prima di iniziare la successiva.

Sistemi tecnici, protocolli, e standard che supportano la distribuzione di contenuti web e servizi, inclusi metadati SEO e configurazione di crawling per IA.