L’AI in azienda serve a qualcosa solo se parte da un problema vero
Non vendo “progetti AI”. Guardo come lavorate, trovo dove si perde tempo o si perdono soldi, e uso l’intelligenza artificiale solo dove conviene davvero. Nei casi in cui non conviene, ve lo dico.
Nove servizi, un metodo solo: prima si misura, poi si costruisce
Cosa vi preme cambiare, per primo?
Nessuno si sveglia con il bisogno di “fare AI”. Ci si sveglia con qualcosa che non gira come dovrebbe. Trovate il vostro caso qui sotto: si parte da lì e si arriva al servizio, non il contrario.
Non so nemmeno da dove si comincia
È la situazione più comune, e anche la meno costosa da risolvere: prima si capisce dove guardare.
Il team perde ore in cose ripetitive
Attività che si ripetono uguali, copia e incolla fra sistemi, risposte sempre alle stesse domande.
Ho i dati ma non mi dicono niente
Report che nessuno apre, numeri che non rispondono alle domande che vi fate davvero.
Mi serve costruire qualcosa
Software su misura, oppure un sito che faccia più di quello che fa adesso.
Non mi trova più nessuno
Le ricerche stanno cambiando: c’è chi domanda a Google e chi ormai domanda a ChatGPT.
Non vi riconoscete in nessuno di questi? Scrivetemi lo stesso: metà delle volte quello che conta davvero salta fuori parlando.
Cambia il servizio, non il modo di lavorare
Sono nove pagine diverse ma le regole sono sempre queste tre, e le trovate scritte in ognuna.
Gli strumenti che ho costruito
Non sono prodotti che vi vendo: sono il motivo per cui posso lavorare su analisi che altrove non si fanno. Ogni servizio usa quelli che servono a lui.
Lucentix
Analisi dati potenziata dall’AI, dai numeri agli insight.
Nexavior
Web analytics con AI: capire come si comportano gli utenti.
Otherwaise
AI generativa per scalare processi e produzione.
Pyronyx
AI Agent su misura per sviluppare idee in modo creativo.
Maphira
Scansioni custom per esplorare siti e dati in modo avanzato.
SybilLM
Previsioni SEO solide basate su intuizioni e machine learning.
Li uso tutti i giorni sui miei progetti: quello che vi propongo l’ho già rotto e rimesso insieme.
Insegno l’AI, e allo stesso tempo continuo a studiarla
Mi chiamano a formare professionisti, e nel frattempo sono seduto anch’io fra i banchi. Sono le due cose insieme a fare la differenza.
Da docente
Master in Intelligenza Artificiale per i Processi Aziendali
UNINFORM Group
- Insegno il Modulo 2, “Data Management e Cloud Basics: il carburante dell’AI”: le fondamenta senza cui in azienda l’AI non regge.
- Un percorso da 300 ore d’aula più sei mesi di stage, con un network di oltre 750 aziende.
- Si lavora sugli strumenti veri (ChatGPT, Claude, Copilot, n8n, Make), non su software accademici.
Insegnare a un’aula di professionisti costringe a semplificare senza banalizzare. È lo stesso metodo che porto in azienda.
Da docente
“Intelligenza artificiale: tecnica e creatività nel digital marketing”
Studio Samo
- Luglio 2025, per una delle realtà storiche della formazione digitale in Italia. Un’aula di professionisti, che le basi le ha già.
- Dalle tecniche di prompting (prompt chaining, chain of thought, raffinamento a più passaggi) fino agli script Google Ads scritti col modello e al report di campagna che il modello legge da uno Sheet.
- Con dentro la domanda che in questi corsi non fa quasi nessuno: come si lavora sui dati dei clienti senza consegnarli a un modello, costruendo nomenclature e flussi che li tengono anonimi.
Sei blocchi di esercizi fatti in diretta con l’aula. Davanti a dei professionisti la teoria la verificano mentre gliela racconti, quindi tanto vale provarla subito.
Da allievo
Executive Master “Intelligenza Artificiale e scelte manageriali”
Politecnico di Torino, con Deloitte
- 100 ore sull’integrazione dell’AI nelle strategie aziendali e nel modello di business.
- Machine learning, deep learning e NLP visti dal lato delle decisioni, non del codice.
- Edizione 2026, coordinamento scientifico dei professori Emilio Paolucci ed Elisabetta Raguseo.
Serve a non vendervi l’AI come magia: so anche dove non conviene usarla.
Da allievo
Percorso di carriera Machine Learning Engineer
Data Masters
- Il percorso intero: machine learning classico, reti neurali, deep learning e reinforcement learning, con sotto la matematica e la statistica che li reggono.
- E la parte che in azienda decide tutto: ML-Ops, cioè il momento in cui un modello smette di essere un esperimento e comincia a girare in produzione.
- Livello avanzato, con certificazione finale verificabile.
Serve a dirvi quanto costa davvero una strada prima di consigliarvela: quanti dati vuole, quanto tempo, e quando conviene fermarsi a una regola scritta a mano.
Da allievo
AI Agentic Applications Masterclass
Data Masters
- 18 ore in diretta su come si costruiscono davvero le applicazioni agentiche: LangChain, LangGraph, MCP.
- Tutta la parte di RAG: embedding, vector store, e le tecniche per tenerlo in piedi quando i documenti diventano tanti.
- Più le metriche, che è la domanda che quasi nessuno fa: come si misura se un agente sta facendo il suo lavoro.
È il corso dopo il quale ho smesso di chiamare “agente” qualsiasi automazione con dentro una chiamata a un modello. Sotto c’è un mestiere preciso.
Ambassador
Programma Ambassador
Replit
- Replit è la piattaforma su cui si costruiscono applicazioni descrivendole a un agente AI, direttamente dal browser.
- Essere nel programma significa vedere le funzionalità prima che diventino di uso comune.
Serve a una cosa concreta: quando c’è un dubbio su una strada, la prototipo invece di discuterne.
In mezzo ci sono dieci anni di ottimizzazione su siti e dati di aziende vere. È da lì che arrivano gli esempi, e anche la prudenza.
Come finisce, quando funziona
Nessuno dei due progetti è nato come “progetto AI”. Sono nati da un problema, e gli strumenti sono venuti dopo.
Mezz’ora, e capiamo se serve davvero
Mi raccontate come lavorate e dove sentite che qualcosa non gira. Da lì si capisce quale dei nove servizi vi riguarda — oppure che non ve ne riguarda nessuno, e in quel caso ve lo dico e ci risparmiamo tempo tutti e due.
Rispondo io, non un modulo automatico.