glossario

le parole usatecon leggerezza.

forward deployed engineer (fde): un ingegnere che lavora dentro il tuo team e il tuo codice invece di consegnare da lontano. il modello reso comune da Palantir, su cui Anthropic, OpenAI, AWS e Microsoft hanno investito nel 2026. chi definisce il perimetro è chi consegna.; leggi la definizione completa di forward deployed engineer (fde)
consulenza ai: consulenza che finisce con qualcosa che gira, non con delle slide. una valutazione di prontezza, un piano scritto e di solito l'implementazione. fai due domande: quanto costa e chi fa esattamente il lavoro.
valutazione di prontezza ai: una revisione breve per capire se dati, sistemi e team reggono il lavoro che stai valutando. deve indicare i processi che vale la pena cambiare e quelli non pronti, ed essere onesta abbastanza da dire 'non ancora'.
implementazione ai: il passaggio tra decidere di usare l'ai e averla in produzione: integrazione, permessi, piano di rollback e consegna a chi la manterrà. la maggior parte dei programmi che si arenano si arena qui, non sul modello.
governance dell'ai: le regole scritte su come si usa l'ai in azienda: quali dati può vedere, chi approva, cosa viene registrato e come si intercetta un output sbagliato. in concreto: un documento di policy, un audit log e un piano di rollback.
pilota ai: una prova limitata di un flusso prima di impegnarsi. un pilota serve quando ha un criterio di uscita scritto in anticipo. senza, diventa la cosa che gira per un anno e non va mai in produzione.
abilitazione ai: formazione che cambia cosa fa il team il lunedì, non cosa sa il venerdì. date dei corsi, una valutazione vera e lavoro prodotto durante il programma invece di un attestato di presenza.
large language model (llm): un modello addestrato a prevedere testo, ed è per questo che la stessa domanda può dare due risposte diverse. utile quando il compito tollera una revisione; rischioso quando un output non controllato arriva dritto a un cliente o in contabilità.
generazione aumentata dal recupero (rag): dare al modello i tuoi documenti al momento della domanda invece di addestrarli dentro. è così che un assistente risponde dalle tue policy e non da internet, e di solito costa meno ed è più facile da correggere del fine-tuning.
agente ai: un modello con strumenti e il permesso di agire: manda la mail, aggiorna il record, chiama l'api. il problema ingegneristico non è il ragionamento, è decidere cosa può toccare e su cosa deve prima chiedere a una persona.
eval: un test ripetibile che valuta l'output di un modello rispetto a risposte note come corrette. senza, non sai se una modifica al prompt ha migliorato qualcosa o l'ha solo cambiato. è la differenza tra consegnare e tirare a indovinare.
fine-tuning: addestramento aggiuntivo di un modello esistente sui tuoi esempi perché adotti un formato o uno stile. utile per la coerenza dell'output; di solito lo strumento sbagliato per insegnargli dei fatti, dove il retrieval funziona meglio.