Mese: Ottobre 2026

  • Deepfake e truffe digitali: fermati prima di fidarti

    Deepfake e truffe digitali: fermati prima di fidarti

    Per gran parte della storia, vedere significava credere.

    Una foto era una prova. Una voce al telefono era la persona. Una videochiamata con il tuo responsabile era, ovviamente, il tuo responsabile.

    Quel presupposto non c’è più. Immagini generate, voci clonate e video sintetici costano ormai abbastanza poco da essere usati nelle frodi di tutti i giorni, non solo nelle demo di laboratorio. E chi costruisce truffe se n’è accorto.

    Quindi la paura — “E se non riesco più a distinguere il vero dal falso?” — non è paranoia. È una lettura corretta della situazione.

    Ecco la parte scomoda: probabilmente non vincerai riconoscendo il falso. I trucchi per smascherarlo invecchiano in fretta. Le mani strane, il battito di ciglia innaturale, la voce robotica: ogni nuova generazione di strumenti corregge i difetti della precedente.

    Vinci cambiando la domanda.

    Smetti di chiederti “È vero?”. Chiediti “Cosa mi sta chiedendo di fare?”

    Quasi ogni truffa, vecchia o nuova, finisce con una richiesta:

    • inviare denaro o cambiare le coordinate bancarie;

    4 min di lettura · stima

    Leggi l’articolo →

  • condividere un codice, una password o un documento;
  • cliccare, installare, accedere;
  • tenerlo segreto, e farlo subito.

Il deepfake è solo la confezione. La richiesta è il carico. Ed è sulla richiesta che puoi fermarla, qualunque aspetto abbia la confezione.

I segnali d’allarme sono nei comportamenti, non nelle immagini

Lascia perdere i pixel. Guarda lo schema:

  • Urgenza. “Va fatto entro un’ora.” La pressione serve a non farti pensare.
  • Segretezza. “Per ora non dirlo a nessuno.” Le richieste vere raramente devono scavalcare i colleghi.
  • Cambio di canale. Un messaggio da un numero sconosciuto, un nuovo indirizzo email, “ho il telefono rotto, usa questo”.
  • Cambio di procedura. Un nuovo IBAN, un percorso di approvazione insolito, un pagamento fuori dal flusso normale.
  • Pressione emotiva. Paura, lusinghe, un’emergenza familiare, una figura autorevole “molto delusa”.

Uno di questi segnali è un motivo per rallentare. Due insieme sono un motivo per fermarsi.

La pausa: una routine in tre passi

1. Non agire dentro la stessa conversazione. Qualunque sia la richiesta, non completarla nella chiamata, nella chat o nell’email da cui è arrivata.

2. Verifica attraverso un canale che avevi già. Richiama il numero salvato nella tua rubrica o nell’elenco aziendale — non quello indicato nel messaggio. Scrivi all’indirizzo che hai sempre usato. Se puoi, vai alla scrivania della persona.

3. Chiedi qualcosa che solo la persona vera saprebbe. Non informazioni pubbliche. Un dettaglio recente condiviso, un riferimento interno. Le famiglie possono concordare una parola in codice per le emergenze; i team possono stabilire che i cambi di pagamento non si approvano mai solo per telefono.

Se la richiesta è autentica, la pausa ti costa pochi minuti. Se non lo è, ti salva tutto.

Per le organizzazioni: fare della pausa una regola

Le persone si stancano, si distraggono, subiscono pressioni. I processi no. La difesa più solida è una regola che nessuno può infrangere, nemmeno per l’amministratore delegato:

  • ogni variazione delle coordinate di pagamento verificata tramite un secondo canale preesistente;
  • nessun bonifico urgente autorizzato da una sola persona in una sola telefonata;
  • un modo chiaro, e senza colpevolizzazioni, per dire “credo sia una truffa” e segnalarlo.

Nel lavoro sulla sicurezza verso cui spingono normative come la NIS2, il fattore umano fa parte del perimetro. Una buona procedura trasforma ogni dipendente da bersaglio in punto di controllo.

La fiducia non è morta. Si è spostata.

Prima riponevamo la fiducia in ciò che vedevamo e sentivamo. Ora dobbiamo riporla nel modo in cui verifichiamo. Sembra più freddo, ma non lo è: una parola in codice in famiglia, l’abitudine di richiamare, un team che non ha mai fretta su un pagamento — sono forme di cura.

Il falso può sembrare perfetto. Ma non supera una pausa.

Il tuo primo passo

Oggi concorda una regola di verifica con una persona: una parola in codice con la tua famiglia, oppure l’abitudine di richiamare con il collega che approva i pagamenti insieme a te. Una regola, una persona. È la tua prima linea di difesa.

Torna a Sorprendimi — scegli un’altra paura a cui dare un nome.

4 min di lettura · stima

Leggi l’articolo →

  • Clippy voleva solo aiutarci. Noi volevamo solo liberarci di lui. Perchè?

    Clippy voleva solo aiutarci. Noi volevamo solo liberarci di lui. Perchè?

    La storia dell’assistente più invadente di Microsoft Office racconta qualcosa di sorprendente sul nostro rapporto con l’intelligenza artificiale.
    Una graffetta con gli occhi. Due sopracciglia. Una fiducia incrollabile nella propria capacità di essere utile.

    Clippy comparve in Microsoft Office 97 con un compito sensato: aiutare le persone a usare un software ricco di funzioni, spesso difficili da trovare. Osservava alcune azioni e proponeva assistenza. Era un volto amichevole sulla complessità. Fonte.

    L’intuizione era forte: portare l’aiuto vicino al momento del bisogno, senza costringere l’utente a cercarlo.

    Eppure quella graffetta diventò famosa anche per un’altra ragione: compariva quando avresti preferito continuare a lavorare. Già nel 2001, con Office XP, Microsoft scelse di non mostrarla più automaticamente. Fonte.

    La mia lettura è questa: Clippy chiedeva più attenzione di quanta ne facesse risparmiare.

    Un volto crea un’aspettativa

    Quando un software ha occhi, espressioni e iniziativa, finiamo per attribuirgli una certa comprensione.

    Se interviene, ci aspettiamo che abbia capito qualcosa.

    Se offre aiuto, ci aspettiamo che quell’aiuto sia pertinente.

    Ma quando il suggerimento arriva fuori tempo, dobbiamo fermarci, leggerlo, valutarlo e chiuderlo. L’assistente aggiunge un piccolo compito a quello che stavamo già svolgendo.

    Ripetuto abbastanza volte, quel piccolo compito consuma fiducia.

    La promessa era comprensione. L’esperienza poteva diventare interruzione.

    L’idea è sopravvissuta alla graffetta

    Con Office 2007, l’Assistente di Office venne rimosso. Fonte.

    Clippy raffigurato insieme ad altri personaggi e icone grafiche degli Assistenti di Office.
    Clippy e gli altri personaggi degli Assistenti di Office.

    Il bisogno che cercava di soddisfare, però, è rimasto: trovare una funzione, capire il prossimo passo, superare un’incertezza senza dover studiare tutto il sistema.

    Oggi abbiamo strumenti molto più capaci di interpretare richieste e contesto. Questo rende possibile un’assistenza migliore. Non la garantisce.

    Anche una risposta brillante può arrivare nel momento sbagliato.

    Anche un suggerimento corretto può risultare invadente.

    La capacità di intervenire deve accompagnarsi alla capacità di aspettare.

    Perché riprendere Clippy su HiTechStories?

    Nel progettare un assistente per questo sito, la sua storia diventa una domanda concreta: come possiamo aiutare il lettore rispettando la sua attenzione?

    Un puntatore fermo potrebbe indicare esitazione. Oppure una persona che sta leggendo con interesse.

    Scorrere avanti e indietro potrebbe significare confusione. Oppure il desiderio di confrontare due passaggi.

    Un comportamento osservato è un indizio, non una certezza sull’intenzione.

    Per questo il nostro Clippy dovrà formulare proposte motivate, lasciando al visitatore il controllo.

    «Non sai da dove iniziare? In Start Here puoi conoscere Giuseppe Cordone e scoprire i temi del sito.»

    Oppure:

    «Vuoi capire cosa riceveresti iscrivendoti? Guarda un’edizione di esempio del Digest.»

    Una ragione comprensibile. Una destinazione precisa. La libertà di continuare per la propria strada.

    L’obiettivo del sito è anche conquistare nuovi iscritti. Il modo più credibile per farlo è aiutare le persone a capire se ciò che offriamo merita spazio nella loro giornata.

    Clippy ci lascia una lezione ancora utile: un assistente conquista spazio quando ti fa risparmiare attenzione.

    La prossima volta che un software ti propone qualcosa, chiediti: mi sta aiutando a proseguire, oppure mi sta chiedendo di occuparmi anche di lui?

    3 min di lettura · stima

    Leggi l’articolo →

  • Se l’IA scrive il curriculum e un’altra lo seleziona, al colloquio chi ci va?

    Se l’IA scrive il curriculum e un’altra lo seleziona, al colloquio chi ci va?

    Nino ascolta una conversazione su curriculum, algoritmi e nuove opportunità. Poi fa la domanda che nessuno aveva messo nell’agenda.

    «Scusa, ma se l’IA scrive il mio curriculum e un’altra IA lo seleziona… al colloquio devo andarci io o possono vedersela tra loro?»

    Si ride. Poi arriva il sospetto: forse Nino ha individuato il punto in cui l’efficienza rischia di diventare una conversazione senza persone.

    Due assistenti. Una persona da conoscere.

    Da una parte, un candidato può usare l’IA per rendere più chiaro il curriculum, collegare le esperienze ai requisiti e prepararsi alle domande. Dall’altra, chi assume dispone di strumenti che aiutano a cercare profili, organizzare informazioni e valutare corrispondenze.

    Non è soltanto uno scenario immaginario. LinkedIn descrive funzioni di ricerca assistita e agenti per il recruiting; documenta anche strumenti di supporto alla candidatura e al curriculum. Questo non significa che ogni selezione sia automatizzata, né che un algoritmo decida da solo chi assumere. Significa che l’IA può intervenire su entrambi i lati del tavolo.

    Fin qui, nessuno scandalo. Un curriculum scritto male può nascondere un ottimo professionista. Una ricerca dispersiva può impedire a un recruiter di incontrarlo. Migliorare quei passaggi ha senso.

    Il problema comincia quando la qualità della confezione diventa più importante di ciò che contiene.

    Un candidato porta la propria esperienza concreta al colloquio

    Il curriculum perfetto può essere una pessima notizia

    Immagina una candidatura impeccabile: tutte le parole giuste, nessuna esitazione, ogni esperienza allineata all’annuncio. È il ritratto di una persona competente oppure la dimostrazione che qualcuno sa ottimizzare un testo?

    Dal solo documento, distinguere le due cose può essere difficile. Lo era anche prima dell’IA. Ora diventa ancora più importante cercare prove che il testo, da solo, non offre.

    Un progetto raccontato con precisione. Una scelta difficile e le alternative scartate. Un errore riconosciuto. Un risultato spiegato senza appropriarsi del lavoro di un’intera squadra.

    Sono dettagli meno levigati di una formula perfetta. Ma permettono una conversazione più utile.

    Tradurre l’esperienza non significa inventarla

    Per un professionista esperto, l’IA può essere un ottimo editor. Può aiutare a spiegare un percorso complesso a chi non conosce il settore. Può rendere leggibile un’esperienza costruita tra clienti, infrastrutture, vincoli e decisioni difficili.

    La distinzione è semplice: chiarire un risultato che hai ottenuto oppure attribuirti un risultato che non hai ottenuto. Nel primo caso migliori la comunicazione. Nel secondo costruisci un debito che il lavoro reale ti presenterà.

    Se il curriculum promette una competenza, devi poterla discutere. Se cita un numero, devi saperne spiegare il contesto. Se descrive una responsabilità, devi riconoscere dove finiva la tua e cominciava quella degli altri.

    E chi seleziona che cosa sta cercando?

    La domanda vale anche dall’altra parte. Se un’azienda chiede all’IA di trovare il candidato ideale, deve prima chiarire che cosa rende una persona adatta a quel lavoro.

    Quali risultati dovrà produrre? Quali competenze servono subito? Quali si possono imparare? Quale esperienza trasferibile potrebbe sfuggire a una lettura troppo letterale dei requisiti?

    Per esempio, un candidato potrebbe non aver usato il tuo CRM, ma aver gestito per anni vendite complesse con interlocutori tecnici e decisori diversi. Quanto conta la familiarità con il software rispetto alla capacità di orientarsi in quella complessità? La risposta dipende dal ruolo. Va decisa, non lasciata implicita.

    Automatizzare una ricerca senza chiarire i criteri può rendere più veloce una selezione poco ragionata. La velocità non corregge una domanda sbagliata.

    Il colloquio deve aggiungere qualcosa al curriculum

    Se l’incontro serve soltanto a ripetere le frasi del documento, Nino ha un buon argomento: le due macchine potrebbero davvero continuare la conversazione.

    Il colloquio acquista valore quando mette alla prova il ragionamento. Un caso realistico. Informazioni incomplete. Un vincolo che cambia. La possibilità di fare domande prima di rispondere.

    L’obiettivo è capire come la persona usa ciò che sa. Anche quando usa strumenti IA, se il lavoro li prevede. Dichiarare in anticipo quali strumenti sono ammessi rende la prova più chiara per entrambi.

    Qui l’esperienza può diventare visibile: nel problema che riconosci, nel rischio che segnali, nella risposta che scegli di non dare prima di aver capito meglio.

    Alla fine, Nino deve andarci

    L’IA può aiutarti a ottenere attenzione. La conversazione serve a capire se quell’attenzione ha trovato la persona giusta. Da entrambe le parti.

    Perché anche il candidato sta valutando qualcosa: la chiarezza del ruolo, la qualità delle domande, la disponibilità dell’azienda a vedere oltre la candidatura perfetta.

    Nino ci pensa. Poi aggiunge:

    «Va bene, al colloquio ci vado io. Ma almeno ditemi se cercate una persona capace o un curriculum che vi dia ragione.»

    Nella tua esperienza, quale domanda fa emergere una competenza che un curriculum perfetto riesce a nascondere?

    Continua a farti domande utili

    Nel Digest di HiTechStories trovi prospettive e strumenti per restare rilevante, pensare in autonomia e usare l’IA senza delegarle il tuo giudizio. Scopri il Digest.

    Fonti e nota editoriale

    Fonti di prodotto: LinkedIn: agenti IA per candidati e recruiter; AI-Assisted Search & Projects; aggiornamenti LinkedIn Hiring, Q2 2025. Consultate il 21 ottobre 2026.

    Le domande di Nino sono un espediente narrativo. Gli esempi sono ipotetici: non descrivono un caso aziendale verificato e non implicano che tutti i sistemi di selezione funzionino allo stesso modo.

    4 min di lettura · stima

    Leggi l’articolo →

  • Memorie

    Il prossimo collo di bottiglia dell’IA potrebbe non essere il calcolo. Potrebbe essere la memoria.

    Per anni abbiamo guardato a CPU e GPU.

    Ora il punto si sta spostando.

    L’IA ha fame di memoria.

    Non solo più capacità.

    Più banda.
    Più velocità.
    Più storage.
    Più dati disponibili vicino al calcolo.

    Ed è qui che cambia tutto.

    HBM, DRAM, LPDDR, NAND, enterprise SSD stanno smettendo di essere semplici componenti.

    Stanno diventando infrastruttura strategica.

    TrendForce parla apertamente di un nuovo memory supercycle guidato dall’IA e stima un mercato mondiale delle memorie da 551,6 miliardi di dollari nel 2026 e 842,7 miliardi nel 2027.

    Fonte:
    https://www.trendforce.com/presscenter/news/20260122-12893.html

    Ma il dato che trovo ancora più forte è un altro.

    Secondo TrendForce, DRAM e NAND potrebbero assorbire circa il 47% del CapEx dei principali cloud provider nel 2026 e il 68% nel 2027.

    Fonte:
    https://www.trendforce.com/presscenter/news/20260825-13198.html

    Tradotto:

    la competizione per la memoria è appena iniziata.

    E non resterà confinata nei data center.

    Arriverà direttamente sui prodotti che compriamo e utilizziamo.

    Sul professionale

    Server IA, workstation, edge, sistemi industriali e infrastrutture digitali dovranno essere progettati sempre meno intorno alla sola potenza di calcolo.

    La nuova equazione sarà:

    compute + memory + storage + networking + power

    Se uno di questi elementi manca, tutto il sistema perde valore.

    E i produttori stanno già riallocando capacità verso HBM, server DRAM ed enterprise SSD.

    Fonte:
    https://www.trendforce.com/presscenter/news/20260331-12995.html

    Sul consumer

    Qui la tensione è ancora più interessante.

    Smartphone e PC chiedono più memoria per far girare IA localmente.

    Ma si trovano a competere con i data center per la stessa capacità produttiva.

    TrendForce stima che nel 2026 la DRAM media degli smartphone possa salire a circa 8,5 GB, mentre anche lo storage medio dovrebbe crescere.

    Fonti:
    https://www.trendforce.com/presscenter/news/20260514-13044.html

    https://www.trendforce.com/presscenter/news/20260323-12983.html

    Ed ecco il paradosso.

    Abbiamo bisogno di più memoria proprio mentre la memoria diventa più costosa e più difficile da ottenere.

    Gartner stima che la pressione sui costi di DRAM e SSD possa tradursi nel 2026 in:

    +17% sul prezzo medio dei PC

    +13% sul prezzo medio degli smartphone

    con una riduzione delle spedizioni pari a:

    −10,4% PC

    −8,4% smartphone

    Fonte:
    https://www.gartner.com/en/newsroom/press-releases/2026-02-26-gartner-says-surging-memory-costs-will-reduce-global-pc-and-smartphone-shipments-in-2026

    Quindi no.

    I 37 miliardi di euro di investimenti previsti nei data center italiani non raccontano soltanto una crescita infrastrutturale.

    Raccontano qualcosa di più grande.

    La memoria sta cambiando ruolo nell’elettronica.

    Ieri era un componente.

    Domani potrebbe essere uno dei fattori che decidono:

    quali prodotti verranno costruiti,

    quanto costeranno,

    quanta IA potrà girare in locale,

    e quali workload finiranno necessariamente nel cloud.

    Ma il punto più importante, secondo me, è ancora un altro.

    Probabilmente si è aperto un trend che non si esaurirà in pochi anni.

    Perché la domanda di memoria non crescerà solo per effetto dell’aumento della potenza dell’IA.

    Crescerà perché l’IA stessa continuerà a generare nuovi bisogni di memoria.

    Oggi abbiamo la rappresentazione semantica: embedding, vector database, context store, knowledge base.

    Domani potremmo avere bisogni molto più forti legati alla certificazione delle fonti, alla provenienza dei dati, alla tracciabilità di ciò che un modello ha utilizzato, alla memoria persistente degli agenti, alla conservazione delle decisioni e delle interazioni.

    E poi chissà cos’altro.

    Ogni nuova capacità dell’IA rischia di trasformarsi in un nuovo strato di dati da conservare, indicizzare, verificare e rendere immediatamente disponibile.

    Per questo il tema non è semplicemente:

    “avremo bisogno di più memoria?”

    La domanda vera è:

    quanto velocemente riusciremo a produrne abbastanza per sostenere ciò che l’IA ci chiederà di fare?

    #ArtificialIntelligence #AI #Memory #DataCenter #Semiconductors #HBM #DRAM #NAND #CloudComputing #EdgeAI #Smartphone #PC #DigitalInfrastructure #Technology #Innovation

  • 3 min di lettura · stima L’Arte della Vendita ICT: Conquistare la Fiducia del CIO Partendo da un Hook di 3 Secondi

    Nel settore ICT e nel B2B ad alto valore, c’è un dogma ben radicato: “Le vendite complesse si chiudono con le relazioni, il valore e la fiducia reciproca.”

    È assolutamente vero. Ma c’è una verità scomoda che spesso i venditori e gli account manager tendono a dimenticare: non potrai mai costruire alcuna relazione profonda se fallisci nel conquistare i primi 3 secondi di attenzione del tuo interlocutore.

    Che si tratti di un’email di prospecting, di un pitch a un CIO/CTO o dei primi 30 secondi di una call, il cervello del Decision Maker applica inconsciamente quella che possiamo definire la “Regola del Primo Miglio”: ascoltare e approfondire, oppure bollare come “l’ennesimo venditore” e tirare dritto.

    1. La Soglia dell’Attenzione nei Processi B2B/ICT

    Un Direttore IT o un CEO riceve ogni giorno decine di proposte per soluzioni Cloud, Cybersecurity, ERP o intelligenza artificiale. La sua attenzione è una risorsa scarsissima e sovraffollata.

    Prima che tu possa presentare la tua architettura, i casi studio o l’analisi dei costi/benefici, la mente del cliente compie una micro-decisione immediata:

    • “Questa persona capisce le mie priorità ed è rilevante adesso?” -> Rallenta e ascolta.
  • “È il solito pitch generico su quanto è bella la loro piattaforma?” -> Chiude la porta (o la tab) e passa oltre.
  • Nessun cliente compra un progetto ICT complesso senza aver prima deciso di dedicargli attenzione e spazio mentale.

    2. Come Superare la Barriera dei “Primo Impatto” nell’ICT

    Per evitare che il tuo valore tecnico e consulenziale vada sprecato, occorre progettare l’ingaggio iniziale con la stessa precisione con cui si progetta un’architettura software:

    1. Il Prodotto Eroico / Il Pain Point Centrale (Point of Focus): Non affogare il cliente con la lista di tutte le feature o i moduli del software. Risalta subito il problema primario o il beneficio chiave che risolve la sua vera priorità di business (es. riduzione dei tempi di fermo macchina, compliance GDPR automatizzata, ottimizzazione dei costi cloud).
    2. Messaggio Chiaro e Privo di Fuffa Tecnologica: Nei primi istanti il cervello del cliente scansiona, non analizza. Se usi troppi acronimi oscuri o supercazzole di marketing, lo perdi. Il messaggio fondamentale deve essere chiaro, sintetico e comprensibile all’istante.
    3. Inquadrare il Rischio o la Trasformazione (Luce d’Impatto): L’attenzione B2B si accende dove c’è un contrasto netto tra lo “stato attuale” (inefficiente o a rischio) e lo “stato futuro” (efficiente e sicuro). Metti in luce l’impatto di business prima di parlare della tecnologia usata per ottenerlo.

    3. Dall’Attenzione Lampo alla Vendita Consulenziale Profonda

    Intercettare l’attenzione è l’innesco; è la relazione profonda che chiude i contratti a 6 cifre e garantisce la retention.

    Una volta superato il blocco iniziale:

    Conclusione

    Nel mercato ICT non serve scegliere tra vendita d’impatto e vendita consulenziale: sono l’una la premessa dell’altra.

    Senza la capacità di cogliere quell’istante di attenzione e differenziarti subito dal rumore di fondo, la tua competenza tecnica rimarrà inascoltata. Ma senza la capacità di costruire un rapporto umano autentico, non trasformerai mai quell’attenzione in un progetto di successo.

    3 min di lettura · stima

  • Mi Assumi? Sai pure come surfo

    Da piccolo appesi alla bacheca della classe una foto con mio nonno Giuseppe.

    La adoravo.

    Ero orgoglioso di lui e volevo che tutti la vedessero.

    Poi un giorno la trovai scarabocchiata.

    Mi sentii violato.

    Eppure ero stato io a esporla.

    Per anni non ho collegato quell’episodio al tema della privacy.

    Oggi sì.

    Perché il problema non era che qualcuno avesse visto quella foto.

    Volevo che la vedesse.

    Il problema era che qualcuno si era preso il diritto di farne qualcosa che io non avevo previsto.

    Sui social accade qualcosa di simile.

    Metto online il mio nome.

    La mia azienda.

    Il mio ruolo.

    Le mie esperienze.

    Lo faccio volontariamente.

    Per essere trovato. Per creare relazioni. Per avere opportunità.

    Poi scopro che quelle informazioni possono diventare materia prima per enormi sistemi commerciali.

    E fin qui, forse, potevo anche aspettarmelo.

    Ma poi arriva il passaggio successivo.

    La piattaforma non conosce soltanto quello che dichiaro.

    Conosce quello che faccio.

    Quanto la uso.

    Quanto cerco.

    Quanti profili visito.

    Quanto interagisco.

    Quanto sono “efficace” secondo le metriche della piattaforma.

    E oggi quelle informazioni possono perfino rientrare nei cruscotti acquistati dalle aziende per misurare l’utilizzo del social da parte dei propri dipendenti.

    Nel caso di LinkedIn Sales Navigator, per esempio, gli amministratori aziendali possono accedere a metriche individuali e di team, report sull’utilizzo e al Social Selling Index. Alcuni report possono includere giorni di attività, numero di ricerche, numero di profili visualizzati e altre attività sulla piattaforma.

    E qui, per me, succede qualcosa di ancora più interessante.

    Il mio comportamento sul social diventa un KPI aziendale.

    Non sto più soltanto usando una piattaforma.

    La piattaforma sta misurando come la uso.

    E qualcuno può pagare per ricevere quella misura.

    Attenzione: questo può avere perfettamente senso.

    Se un’azienda acquista Sales Navigator vuole sapere se lo strumento viene utilizzato, se produce risultati, se l’investimento ha senso.

    Legittimo.

    Ma guardiamolo dall’altra parte.

    Io entro in un social professionale per costruire relazioni.

    E mi ritrovo dentro un sistema nel quale il modo in cui costruisco quelle relazioni può diventare una variabile con cui vengo misurato.

    È un salto enorme.

    Prima ero un utente.

    Poi sono diventato un dato.

    Poi un comportamento.

    Adesso posso diventare anche un KPI.

    E no, non mi basta sentir dire:

    “Ma hai accettato le condizioni.”

    Certo.

    Probabilmente ho cliccato “Accetto”.

    Come tutti.

    Ma una liberatoria di cinquanta pagine non risolve la questione più interessante:

    avevo realmente capito il patto?

    Quando entro in un social professionale penso:

    io porto identità, contenuti, relazioni e attenzione;

    la piattaforma mi offre visibilità e opportunità.

    Ma il vero scambio potrebbe essere molto più ampio.

    Io porto anche:

    le mie ricerche,

    le mie visite,

    i miei comportamenti,

    le mie connessioni,

    la frequenza con cui uso il sistema.

    E questi dati possono essere trasformati in analisi, score e indicatori.

    Se mi dici:

    “Il 60% dei manager utilizza la piattaforma in questo modo”,

    stai facendo statistica.

    Se invece dici:

    “Giuseppe ha questo punteggio, ha effettuato questo numero di ricerche, ha visualizzato questo numero di profili ed è attivo per questo numero di giorni”,

    la questione cambia.

    Perché una cosa è studiare una popolazione.

    Un’altra è misurare una persona.

    Forse abbiamo quindi sbagliato domanda.

    Non dovremmo più chiederci soltanto:

    “I miei dati sono pubblici?”

    Dovremmo chiederci:

    “Che cosa può essere costruito su di me partendo da quei dati?”

    E ancora:

    “Chi potrà comprarlo?”

    E infine:

    “Potrà essere usato anche per valutarmi?”

    Quella foto di mio nonno era sulla bacheca della classe.

    Volevo che tutti la vedessero.

    Non avevo però rinunciato a ogni aspettativa su ciò che gli altri avrebbero potuto farne.

    Online succede qualcosa di molto simile.

    Ho scelto di essere visibile.

    Non sono sicuro di aver scelto di essere osservato.

    E ancora meno sono sicuro di aver scelto di essere misurato.

  • Sei un utente dell’IA Consumatore o Amplificatore Cognitivo?

    Sei un utente dell’IA Consumatore o Amplificatore Cognitivo?

    Nessuno dice che mentre il costo unitario dell’intelligenza scende, la quantità di intelligenza che siamo disposti a comprare può aumentare molto più velocemente.

    OpenAI lo sta vedendo direttamente.

    Sarah Friar, CFO di OpenAI, racconta che quando l’azienda lanciò il piano da $200 al mese, la reazione fu quasi unanime:

    “People thought we’d lost our minds.”

    Oggi, invece, secondo Friar, una parte degli utenti non solo accetta prezzi più elevati: sta passando da una logica di subscription per seat a una logica di consumption. In altre parole: se l’IA genera abbastanza valore, voglio poter acquistare ancora più capacità. Yahoo Finance UK

    Ed è qui che, secondo me, succede qualcosa di molto più importante di una semplice guerra dei prezzi.

    OpenAI ha appena posizionato GPT-6.1 Sol vicino alle capacità di Astra per alcuni carichi di lavoro professionali, ma con prezzi standard di input e output pari a circa un quinto di quelli di Astra. L’input cached costa $0,10 per milione di token. OpenAI

    La conseguenza potrebbe sembrare paradossale:

    IA più economica = meno soldi da spendere sull’IA

    Potrebbe essere esattamente il contrario.

    Quando il costo di una capability crolla, iniziamo a usarla per attività che prima non sarebbero state economicamente sensate.

    Più documenti analizzati. Più codice. Più agenti. Più automazioni. Più tentativi. Più decisioni assistite.

    A me succede ogni giorno di usarla per cose che prima pensavo fossero troppo complesse o troppo costose.

    L’IA smette lentamente di essere una licenza software.

    Diventa un fattore di produzione consumabile.

    E questo cambia anche il modo in cui dovremmo ragionare sul suo prezzo.

    La domanda non sarà più:

    “Quanto costa ChatGPT al mese?”

    Sarà:

    “Quanto valore aggiunto riesco a generare per ogni euro di capacità cognitiva che acquisto?”

    E non sto considerando l’aspetto dell’intrattenimento, che sarà sempre meno marginale.

    E qui vedo anche un secondo tema.

    Potremmo andare verso un mercato a due velocità:

    • intelligenza di base sempre più economica, ubiqua, indistinguibile e commodizzata (Cognitive Consumers);

    3 min di lettura · stima

    Leggi l’articolo →

  • capacità personale avanzata, acquistata a consumo, da chi sa trasformarla in risultati più tangibili (Cognitive Amplifiers).
  • Il vero digital divide potrebbe quindi non essere più tra chi ha accesso all’IA e chi non ce l’ha.

    Potrebbe essere tra chi la usa come commodity e chi riesce a trasformare una quantità crescente di conoscenza sintetica in valore reale.

    Questa, per me, è la parte della dichiarazione di Friar che merita più attenzione.

    Fonte

    La dichiarazione di Sarah Friar proviene da un’intervista live della CFO di OpenAI a CNBC, il 29 settembre 2026; la citazione e il passaggio sullo spostamento verso modelli di consumo sono riportati anche nella copertura successiva dell’intervista. Yahoo Finance UK

    I dati sui prezzi di GPT-6.1 Sol sono quelli pubblicati direttamente da OpenAI: $2/M per token di input, $10/M per token di output e $0,10/M per token di input in cache, contro $10/$50/$1 per GPT-6 Astra. OpenAI

    Copertura dell’intervista a Sarah Friar

    3 min di lettura · stima

    Leggi l’articolo →

  • Forse dovremmo smettere di chiamarla Intelligenza Artificiale

    Forse dovremmo smettere di chiamarla Intelligenza Artificiale

    Forse dovremmo smettere di chiamarla Intelligenza Artificiale

    “Intelligenza Artificiale” è probabilmente il nome sbagliato.

    E il problema non è la parola “artificiale”.

    È la parola “intelligenza”.

    Da quando abbiamo iniziato a chiamare questi sistemi “intelligenza artificiale”, abbiamo finito per interpretarli attraverso una lente umana.

    Più intelligenti di noi.

    Meno intelligenti di noi.

    Creativi.

    Stupidi.

    Geniali.

    Pericolosi.

    Superintelligenti.

    È diventata quasi una gara.

    Ma forse stiamo semplicemente facendo la domanda sbagliata.

    Il confronto con l’intelligenza umana ci porta fuori strada

    Quando osserviamo un LLM, tendiamo naturalmente a chiederci:

    “Capisce davvero?”

    “Ragiona davvero?”

    “Sa quello che sta dicendo?”

    “Sarà mai più intelligente di noi?”

    Domande legittime.

    Ma non necessariamente le più utili.

    Perché un sistema del genere non deve pensare come noi per essere straordinariamente potente.

    E soprattutto non deve assomigliarci per cambiare radicalmente il modo in cui lavoriamo, impariamo e prendiamo decisioni.

    Quello che fa è diverso.

    Molto diverso.

    Assorbe enormi quantità di informazione.

    Individua pattern.

    Collega concetti.

    Riorganizza contenuti.

    Costruisce sintesi.

    Propone alternative.

    Genera nuove combinazioni.

    Rende disponibile, in pochi secondi, una quantità di conoscenza che nessun essere umano potrebbe consultare nello stesso intervallo di tempo.

    Per questo penso che una definizione diversa possa aiutarci a capire meglio ciò che abbiamo davanti.

    Conoscenza sintetica

    Io la chiamerei:

    conoscenza sintetica.

    Non perché sia falsa.

    E nemmeno perché sia necessariamente inferiore a quella umana.

    Ma perché è costruita.

    Assemblata.

    Ricombinata.

    Calcolata.

    Prodotta a partire da una massa enorme di informazione precedente.

    È una conoscenza che non nasce dall’esperienza diretta del mondo nel modo in cui nasce la nostra.

    Non ha vissuto un fallimento.

    Non ha perso una persona.

    Non ha guidato un progetto.

    Non ha preso una decisione sbagliata e ne ha pagato le conseguenze.

    Eppure può utilizzare milioni di tracce prodotte da chi quelle esperienze le ha vissute.

    Questa distinzione, secondo me, è fondamentale.

    Perché sposta il problema.

    Il punto non è più: “Quanto è intelligente?”

    La domanda diventa:

    “Come utilizziamo una forma di conoscenza diversa dalla nostra?”

    Ed è una domanda molto più interessante.

    La conoscenza sintetica può amplificare enormemente le nostre capacità.

    Può mostrarci connessioni che non avevamo visto.

    Può aiutarci a confrontare scenari.

    Può accelerare la ricerca.

    Può abbassare drasticamente il costo della produzione intellettuale.

    Può persino aiutarci a formulare domande migliori.

    Ma può anche fare qualcosa di molto più sottile.

    Può farci smettere di pensare.

    Il rischio più grande non è una risposta sbagliata

    Quando si parla dei rischi dell’IA, si citano spesso le allucinazioni.

    Risposte sbagliate.

    Informazioni inventate.

    Bias.

    Errori.

    Tutto vero.

    Ma io vedo un rischio ancora più interessante.

    Una risposta sbagliata può essere contestata.

    Una risposta assurda può essere riconosciuta.

    Una risposta incompleta può essere corretta.

    La situazione più insidiosa è diversa:

    una risposta abbastanza buona da impedirci di formularne una nostra.

    Immaginiamo un professionista esperto.

    Fa una domanda complessa.

    In pochi secondi riceve una risposta ben strutturata.

    Logica.

    Elegante.

    Convincente.

    A quel punto accade qualcosa di psicologicamente molto potente.

    Non parte più da:

    “Che cosa penso io?”

    Parte da:

    “Questa risposta sembra giusta. Vediamo se trovo qualcosa che non va.”

    Il punto di partenza è già cambiato.

    E con esso cambia il processo di pensiero.

    Dalla costruzione del giudizio alla verifica

    C’è una grande differenza tra costruire una risposta e verificarne una già disponibile.

    Nel primo caso siamo costretti a fare ipotesi.

    Ad affrontare l’incertezza.

    A confrontare alternative.

    A sostenere temporaneamente idee incomplete.

    A dubitare.

    Nel secondo caso il cervello riceve subito una struttura.

    E quella struttura diventa una specie di ancoraggio.

    Il rischio è che il giudizio umano venga trasformato progressivamente in un’attività di controllo.

    Non più:

    “Che cosa penso?”

    Ma:

    “Mi sembra abbastanza corretto?”

    Sembra una sfumatura.

    Non lo è.

    È probabilmente uno dei cambiamenti cognitivi più importanti introdotti dall’IA.

    Quando la produttività cresce ma la capacità di giudizio diminuisce

    Ed è qui che nasce un paradosso.

    L’IA può renderci più produttivi.

    Molto più produttivi.

    Ma produttività e capacità non sono la stessa cosa.

    Posso produrre più testi senza diventare uno scrittore migliore.

    Posso generare più analisi senza diventare un analista migliore.

    Posso prendere più decisioni senza diventare più bravo a decidere.

    Posso ottenere risposte più velocemente senza capire meglio i problemi.

    La velocità può persino nascondere un lento impoverimento.

    È questo il punto che mi interessa di più.

    La tecnologia ci rende capaci di fare qualcosa.

    Ma contemporaneamente può ridurre l’esercizio delle capacità che prima erano necessarie per farlo.

    Succede già da anni.

    Usiamo il GPS e perdiamo progressivamente capacità di orientamento.

    Usiamo il correttore automatico e ricordiamo meno l’ortografia.

    Usiamo le rubriche digitali e smettiamo di ricordare i numeri di telefono.

    L’IA porta questo fenomeno a un livello molto più profondo.

    Perché questa volta non stiamo esternalizzando soltanto memoria o calcolo.

    Stiamo iniziando a esternalizzare parti del pensiero.

    Human Judgment + Synthetic Knowledge

    Per questo credo che il vero modello da costruire non sia:

    Human vs IA

    ma:

    Human Judgment + Synthetic Knowledge

    La conoscenza sintetica può diventare enorme.

    Il giudizio umano deve diventare più forte.

    Non meno importante.

    Più importante.

    Perché qualcuno deve decidere:

    quali domande fare;

    quali risultati ignorare;

    quali assunzioni mettere in discussione;

    quali conseguenze considerare;

    quali valori utilizzare;

    quando una risposta è formalmente corretta ma sostanzialmente sbagliata.

    Queste non sono funzioni accessorie.

    Sono il centro del problema.

    L’esperienza diventa più importante, non meno

    C’è anche un altro paradosso.

    Si sente spesso dire che l’IA renderà inutile l’esperienza perché renderà la conoscenza disponibile a tutti.

    Io non ne sono convinto.

    Potrebbe succedere l’opposto.

    Quando tutti possono ottenere una risposta competente, il valore non è più soltanto nella risposta.

    È nella capacità di riconoscere quale risposta è davvero valida.

    E questa capacità deriva spesso dall’esperienza.

    Un esperto non possiede semplicemente più informazioni.

    Possiede modelli mentali.

    Ha visto fallimenti.

    Ha incontrato eccezioni.

    Riconosce anomalie.

    Percepisce quando qualcosa “non torna” prima ancora di riuscire a spiegare esattamente perché.

    In un mondo pieno di conoscenza sintetica, questa capacità potrebbe diventare una delle risorse più rare.

    Il futuro non appartiene a chi usa più IA

    Credo che stiamo entrando in una fase interessante.

    All’inizio il vantaggio competitivo era avere accesso alla tecnologia.

    Poi è diventato saperla usare.

    Presto entrambe le cose saranno normali.

    Tutti avranno IA.

    Tutti sapranno generare testi.

    Tutti potranno produrre analisi.

    Tutti potranno creare immagini, presentazioni, codice e strategie in pochi minuti.

    Quando questo succederà, il vantaggio competitivo cambierà ancora.

    Non sarà:

    “So usare l’IA.”

    Sarà:

    “So quando non fidarmi dell’IA.”

    So formulare una domanda migliore.

    So riconoscere un’assunzione fragile.

    So contestare una conclusione.

    So distinguere una risposta plausibile da una risposta utile.

    So assumermi la responsabilità della decisione finale.

    Una nuova alfabetizzazione

    Forse dovremmo quindi iniziare a pensare all’IA non soltanto come a una nuova tecnologia.

    Ma come a una nuova forma di alfabetizzazione.

    Imparare a utilizzare la conoscenza sintetica dovrebbe diventare una capacità fondamentale.

    Esattamente come leggere.

    Scrivere.

    Cercare informazioni.

    Valutare una fonte.

    Ma con una differenza.

    Questa volta lo strumento ci risponde.

    Argomenta.

    Suggerisce.

    Insiste.

    Può persino sembrare più sicuro di noi.

    Ed è proprio questo che rende il giudizio umano così importante.

    Forse abbiamo sbagliato nome

    Forse continueremo a chiamarla Intelligenza Artificiale.

    È ormai un’espressione troppo radicata per sparire.

    Ma personalmente trovo più utile ricordarmi che quello che ho davanti non è semplicemente una nuova intelligenza.

    È una nuova forma di accesso alla conoscenza.

    Una conoscenza sintetica.

    Potentissima.

    Velocissima.

    Scalabile.

    Sempre disponibile.

    E proprio per questo dobbiamo imparare a utilizzarla senza consegnarle progressivamente ciò che abbiamo di più prezioso.

    La capacità di giudicare.

    La capacità di dubitare.

    La capacità di scegliere.

    Perché forse la domanda decisiva dei prossimi anni non sarà:

    “Quanto diventerà intelligente l’IA?”

    Sarà:

    “Quanto resteremo capaci di pensare mentre la utilizziamo?”

    6 min di lettura · stima

    Leggi l’articolo →

  • Super Intelligenza o Conoscenza Sintetica?

    Super Intelligenza o Conoscenza Sintetica?

    “Intelligenza Artificiale” è probabilmente il nome sbagliato.

    Anzi.

    Il problema non è “Artificiale”.
    È “Intelligenza”.

    Continuiamo a parlare di intelligenza umana e di intelligenza delle macchine come se fossero due versioni della stessa cosa.

    Non lo sono.

    E forse non ha nemmeno senso confrontarle.

    L’intelligenza umana nasce dall’esperienza, dal corpo, dalle emozioni, dalle relazioni, dai valori, dalla memoria e dalla consapevolezza del contesto.

    Quella della macchina nasce da dati, calcolo, modelli matematici e dalla capacità di individuare correlazioni su scale che per noi sono semplicemente impossibili.

    Noi viviamo il mondo.

    La macchina lo elabora.

    Noi dimentichiamo, interpretiamo, dubitiamo.

    La macchina può elaborare milioni di informazioni e ricombinarle in pochi secondi.

    Non è un essere umano più veloce.

    È qualcosa di diverso.

    Per questo, anche il termine “Super Intelligenza” mi convince solo a metà.

    “Super” suggerisce una gara.

    Come se prima o poi dovessimo scoprire chi è più intelligente: noi o lei.

    Credo sia una domanda mal posta.

    Io inizierei a chiamarla:

    CONOSCENZA SINTETICA.

    Perché è questo che oggi trovo più interessante.

    Una capacità non umana di raccogliere, comprimere, correlare e ricombinare enormi quantità di conoscenza.

    Sintetica, perché non nasce dall’esperienza vissuta.

    Viene costruita.

    Assemblata.

    Calcolata.

    E resa disponibile su richiesta.

    Non è necessariamente più intelligente di noi.

    Ma può sapere, correlare e manipolare informazioni su una scala che nessun essere umano potrà mai raggiungere.

    Ed è qui che cambia tutto.

    Perché il futuro non sarà una competizione tra l’intelligenza umana e quella artificiale.

    Sarà l’incontro tra:

    giudizio umano + conoscenza sintetica.

    E il vero vantaggio competitivo non sarà avere accesso all’IA.

    Quello diventerà normale (se non altro ai livelli che ci saranno permessi).

    Sarà sapere:

    quando fidarsi della conoscenza sintetica
    e quando avere abbastanza intelligenza umana per contraddirla.

    Forse abbiamo passato troppo tempo a chiederci:

    Quanto diventerà intelligente l’IA?

    La domanda migliore potrebbe essere:

    Quanto dovremo diventare bravi noi a governare una conoscenza che cresce molto più velocemente della nostra capacità di comprenderla?

    #ArtificialIntelligence #AI #SyntheticKnowledge #FutureOfWork #CriticalThinking #Leadership

    2 min di lettura · stima

    Leggi l’articolo →

  • Chi ti guarda lavorare nn comprende quello che fai

    Chi ti guarda lavorare nn comprende quello che fai

    L’altro giorno stavo spiegando la mia idea sulla differenza tra un commerciale farmer e uno hunter.

    A un certo punto mi è tornata in mente una delle lezioni professionali più importanti che abbia mai ricevuto.

    Me l’ha data Nino.

    Nino era il figlio di 5 anni del portiere e, ogni volta che mi incontrava, mi faceva sempre domande che sembravano banali ma a cui non sapevo rispondere:

    «Ma tu, che lavoro fai?»

    Provavo a spiegarglielo.

    Niente.

    Qualche giorno dopo, la stessa domanda.

    Finché un venerdì ebbi quella che mi sembrava un’idea geniale:

    Se non riesco a spiegargli cosa faccio, glielo faccio vedere.

    Lo portai con me in ufficio.

    In quel periodo seguivo un ufficio tecnico-commerciale e passavo continuamente da una stanza all’altra: riunioni, persone, problemi, discussioni, decisioni.

    Dopo quattro ore tornammo a casa.

    Durante il tragitto gli chiesi, piuttosto soddisfatto:

    «Allora Nino, adesso hai capito che lavoro faccio?»

    «Sì.»

    Non sembrava proprio convintissimo.

    Ma io mi accontentai.

    Arrivati a casa, sua madre gli fece la stessa domanda:

    «Allora, hai capito cosa fa il signor Giuseppe?»

    «Sì.»

    Lei, fortunatamente, insistette:

    «E allora spiegamelo. Che cosa fa?»

    Nino ci pensò un attimo.

    Poi diede la sua sentenza:

    «Prova le sedie tutto il giorno.»

    Aveva ragione.

    Dal suo punto di vista, per quattro ore mi aveva visto entrare in un ufficio, sedermi, alzarmi, entrare in un altro ufficio, sedermi di nuovo.

    Io pensavo di avergli mostrato il mio lavoro.

    Gli avevo mostrato soltanto i miei movimenti.

    Ed eccoci all’altro giorno.

    Mentre parlavo di farmer e hunter, ho ripensato a Nino.

    Perché continuiamo a chiedere di essere compresi, valorizzati e riconosciuti nel nostro lavoro.

    Ma spesso chi ci guarda vede soltanto le nostre attività.

    Non vede il problema che stiamo risolvendo.
    Non vede il valore che creiamo.
    Non vede perché ciò che facciamo dovrebbe essere importante.

    Questo è forse il motivo principale per cui tutti noi dovremmo alfabetizzarci sull’uso dell’IA, anziché attendere che siano gli altri a farlo per noi.

    La lezione di Nino è semplice:

    se le persone non capiscono il valore del tuo lavoro, non puoi pretendere che lo riconoscano e figuriamoci se ci cuciono addosso degli agenti pensati e realizzati da altri.

    E se non sei capace di spiegare cosa fai attraverso i risultati che produci, gli altri troveranno una spiegazione al posto tuo.

    A volte sarà sbagliata.

    A volte sarà impietosa.

    E qualche volta penseranno semplicemente che…

    provi sedie tutto il giorno.

    2 min di lettura · stima

    Leggi l’articolo →