La leggi, e capisci che servono un prezzo da un fornitore, anzi no, da due diversi fornitori e un conto sulle spedizioni.

Pensi: ci lavoro dopo pranzo…

Dopo pranzo c'è una riunione. Martedì, un cliente urgente. Mercoledì un fornitore ti cambia un prezzo, quindi rifai tutto.

Giovedì lo mandi. Preciso, con il logo, con le condizioni.

Il cliente risponde dopo 2 minuti: "Grazie, abbiamo già scelto un’altra quotazione. Martedì."

(Nessuno ha sbagliato niente… è questo il guaio.)

Il preventivo era giusto. Forse era anche il migliore. Ma un preventivo che arriva dopo la scelta è carta.

Succede con le offerte, con le risposte ai reclami, con tutto quello che aspetta un'approvazione. Il lavoro è fatto bene. Arriva tardi.

Una cosa che penso da un po'. Quando qualcuno mi chiede "quale AI dobbiamo comprare?", ma questa è la domanda sbagliata

Quella giusta è: dove si ferma il tuo lavoro?

Perché l'AI si compra in 5 minuti. Il punto dove applicarla va studiato

☕ Tazza in mano, partiamo.

Iscriviti ora

💡 Pensiero del giorno

Il preventivo migliore, se arriva tardi, spesso non lo apre nessuno.
Come tante altre cose

🧪 AI in azione

#1: 🗺️ Il foglio con le caselle

Quando un'azienda vuole l'AI, parte quasi sempre dal tool: Claude, ChatGPT, un agente, quello che ha visto su LinkedIn.

È come comprare una macchina del caffè nuova in un bar senza saperecosa ordinano davvero di più i clienti (magari i ginseng).

Io partirei da un foglio solo, e va bene anche se in mano abbiamo carta e penna e non un Mac book.

Disegna il percorso del cliente, dalla prima volta che ti scrive al giorno in cui ti paga. Sono 6, forse 8 caselle: il contatto, la prima risposta, le domande che gli fai, il preventivo, la firma, la consegna, la fattura, l'assistenza.

Sotto ogni casella scrivi 2 cose: quanto tempo ci mette e chi sta aspettando chi.

Di solito il lavoro non si ferma ovunque. Si ferma in un punto. Raramente in 3.

(E chi ci lavora dentro dice che "ci vuole il suo tempo"… il collo di bottiglia ha sempre un difensore.)

Qui l'AI conta davvero. Se la spingi dove il lavoro scorre già, hai reso più veloce una cosa veloce, mentre se la spingi nel punto strozzato cambi il tempo che il cliente aspetta.

"Ma non è un'idea vecchia come il cucco?"

Sì. È quello che fa chiunque abbia guardato un processo. Solo che provare un tool oggi costa così poco che molti saltano il foglio e vanno dritti a comprare.

C'è anche un dato, vecchio ma onesto. Nel 2011 tre ricercatori hanno firmato un articolo su Harvard Business Review. Si chiamano Oldroyd, McElheran ed Elkington e il titolo è "The Short Life of Online Sales Leads": la vita breve dei contatti. La tesi sta nell'abstract: la maggioranza delle aziende risponde alle richieste online molto più lentamente di quanto dovrebbe.

Ho letto solo quello, quindi i loro numeri non li cito. E parlano di vendite online americane, non della tua officina. Ma la direzione è la stessa.

Iscriviti ora

#2: 💧 L'acqua prima del caffè

Al bar il bicchiere d'acqua arriva prima del caffè.

Mica perché hai sete. Perché ti hanno visto.

Con i clienti funziona uguale: il preventivo vero richiede i suoi giorni, ed è giusto così, ma la risposta può partire subito.

Io farei così. Entro 10 minuti dalla richiesta, il cliente riceve 4 cose:

• una conferma che qualcuno l'ha letta, con un nome;

• 2 o 3 lavori simili che hai già fatto;

• le informazioni che ti mancano per il prezzo definitivo;

• una data precisa in cui arriva il preventivo vero.

La chiamo risposta provvisoria. E la dichiaro tale: niente cifre che sembrano definitive, niente promesse. (Accanto a ogni numero, la parola "indicativo" lavora meglio di un avvocato.)

"E se poi il prezzo vero è più alto?"

Per questo la provvisoria non ha cifre che non puoi mantenere. Meglio un intervallo largo, oppure nessuna cifra e solo i casi simili.

Il testo lo prepara un'AI. Lo manda una persona. Sempre.

Che fa l'AI? Cerca nel tuo archivio i lavori che somigliano alla richiesta, prepara la bozza, ti dice cosa manca. Il lavoro lungo lo fa lei. A te resta rileggere e premere invio.

E può succedere che il cliente guardi la provvisoria e risponda: "Questa ci interessa." Avete risparmiato giorni tutti e 2.

Ma il punto è un altro… intanto non ha scelto qualcun altro.

Iscriviti ora

#3: 🗄️ Dove stanno le tue cose

La risposta provvisoria ha un prerequisito noioso. Per trovare "i lavori simili", i lavori devono stare da qualche parte.

Guardati intorno. I prezzi dei fornitori in listino_fornitori_2024_DEF_nuovo.xlsx. Le offerte vecchie nella casella di un collega. L'ultimo preventivo di quel tipo sul desktop dell'unica persona che sapeva dove stava (in ferie, ovvio).

Se è così, il primo lavoro non è l'AI. È dare un posto alle cose.

Un mese fa ti ho parlato del Second Brain. È questo. Basta una cartella con i preventivi degli ultimi 2 anni e dei nomi di file che si capiscano, anche senza un sistema bellissimo.

Ti dico da dove si comincia, in un pomeriggio. Prendi gli ultimi 10 preventivi e mettili in una cartella sola. Rinominali in modo che si capiscano: cliente, tipo di lavoro, anno. Per ognuno scrivi 3 righe: cosa chiedeva, cosa gli hai proposto, cosa è andato storto.

Quelle 3 righe valgono più del file. Sono quello che oggi sta solo nella testa di chi ha fatto il lavoro.

E qui l'AI diventa utile davvero: legge la cartella e ti trova i lavori che somigliano alla richiesta nuova.

Poi c'è il dove. Io metterei l'assistente dove lavori già: la posta, la chat del team, il gestionale. Non in un sito nuovo che nessuno aprirà il martedì mattina.

E l'umano approva. Sempre, su tutto quello che esce verso il cliente.

"Quindi parte tutto da una cartella?"

Spesso, sì… (Poco sexy, ma funziona.)

Iscriviti ora

#4: 🧭 Come la vedo io

Ora ti dico come la vedo.

Non comprerei l'AI per avere l'AI. Comprerei un'attesa in meno.

Il progetto lo farei piccolo: un solo punto, 30 giorni. Se dopo 30 giorni non hai un numero (ore, giorni, clienti persi), non hai un progetto. Hai un abbonamento.

Il numero lo scrivi prima, non dopo. Scrivi oggi quante ore passano tra la richiesta e la prima risposta, sulle ultime 5 richieste. Se la media ti fa arrossire, hai trovato il punto.

Non ti do percentuali di risparmio: senza il prima, il dopo non vale niente.

E tra una risposta bella ma tardi e una risposta semplice subito, io scelgo la seconda. Poi la miglioro.

A chi ti vende uno strumento faccio 4 domande. Quanto riduce l'attesa in quel punto, e come lo misura? Chi lo installa? Quanto costa un mese vero, non il prezzo del posto ma l'uso? Cosa mi porto via se domani cambiate prezzo o chiudete?

Hanno un interesse, è normale… (E io vendo AI, quindi fidati ma controlla.)

Ci sono poi 3 cose che a un'AI non farei fare da sola: un prezzo definitivo, una promessa su una data di consegna, la risposta a un reclamo. Lì ci vuole qualcuno che risponda con il proprio nome.

E se il punto strozzato si risolve con una cartella in ordine e un modello di mail, non serve nemmeno l'AI. Succede più spesso di quanto si dica.

Iscriviti ora

📌 Prompt Espresso

Io partirei dal foglio. Questo prompt lo fa con te. Ti aiuta a mappare il percorso del cliente, a trovare il punto dove si ferma e a progettare la risposta provvisoria per quel punto.

Usalo con Claude o ChatGPT. Compila le parti tra parentesi quadre con parole tue. I tempi che non hai misurato scrivili come stime: è meglio così.

Agisci come un consulente di processi aziendali, concreto e scettico. Devi aiutarmi a trovare il punto dove il lavoro si ferma di più nel percorso di un cliente, e a progettare una risposta provvisoria per quel punto. Non consigliare strumenti e non proporre automazioni prima della FASE 3.

Il mio contesto:
- Cosa vendo e a chi: [2 righe, es. impianti su misura per officine, 15 dipendenti]
- Come arriva un cliente: [es. mail, telefono, modulo del sito]
- Percorso oggi, in ordine: [es. richiesta, sopralluogo, preventivo, firma, consegna, fattura]
- Dove tengo prezzi e lavori passati: [es. un Excel, la posta, il gestionale]

Procedi in 3 fasi. Alla fine di ognuna aspetta le mie risposte prima di passare alla successiva.

FASE 1. LA MAPPA
Per ogni passaggio del percorso fammi fino a 2 domande su: quanto tempo passa (in ore o giorni), chi aspetta chi, quale strumento si usa. Poi riassumi in una tabella: passaggio, tempo, chi aspetta, strumento. Se un numero è una mia stima e non è misurato, scrivilo. Non inventare.

FASE 2. IL PUNTO STROZZATO
Individua i 3 passaggi dove l'attesa del cliente è più lunga o dove rischio di perderlo. Per ciascuno spiega in una frase perché. Poi chiedimi di sceglierne uno solo e chiedimi cosa mi costerebbe un cliente perso lì, in euro o in ore, segnando se è una stima o un dato.

FASE 3. LA RISPOSTA PROVVISORIA
Per il punto scelto progetta una risposta che il cliente riceve entro 10 minuti, usando solo materiale che ho già. Indica:
- cosa contiene (conferma con un nome, lavori simili, informazioni che mancano, data della risposta definitiva);
- cosa NON deve mai contenere né decidere da sola (prezzi definitivi, date di consegna, risposte a reclami);
- chi la rilegge e la invia: deve essere una persona;
- quali dati servono e dove devono stare perché funzioni;
- 3 numeri da misurare oggi e fra 30 giorni (tempo di prima risposta, tempo al preventivo, clienti persi).
Chiudi con la domanda "Se questa risposta partisse domani, cosa potrebbe andare storto?" e rispondi con 3 rischi.

Se una conclusione dipende da dati che non ho, scrivilo invece di supporre.

⚠️ Il prompt ragiona su quello che gli racconti. Se i tempi sono stime, il risultato è un'ipotesi: va bene, ma segna i numeri da misurare. Il lavoro vero sta nell'ultima domanda.

Iscriviti ora

☢️ Humor Radioattivo

👉 Oggi, tra un caffè e l'altro, disegna su un foglio il percorso del tuo cliente, dal primo messaggio alla fattura. Segna dove aspetta. Se il punto è uno solo, il tuo lavoro è già a metà.

Ti auguro risposte che arrivano prima delle domande. Il primo giro lo offro io, il secondo lo paghi tu.

☢️ Matteo

Iscriviti ora

Hai un socio o un collega con un preventivo fermo da giovedì? Inoltragli questa puntata. Magari scopre che l'acqua si porta prima.

Condividi

(Le stelle sono i "mi piace" dei programmatori.)

Per dirla in breve, funziona ancora male e chi l'ha provata ci trova bug ovunque. Conta poco.

Perché l'ha avviata uno sviluppatore con un piccolo team e l'AI, e in 15 giorni ci hanno messo mano almeno 100 persone. Intanto sono uscite altre 12 app: il resto di Adobe, Word, Excel, PowerPoint, persino un CAD e un programma per l'audio. Sul forum Hacker News lo sviluppatore ha scritto: "Software is over". Il software è finito.

Esagera? Sì. (Un'AI che scrive codice, un uomo che scrive slogan: ognuno fa il suo mestiere.)

Ma se un agente può guardare come funziona un programma e rifarlo, CON UNA FEDELTA’ ESTREMA la domanda cambia. Riguarda quello che hai costruito tu in anni: un software, un metodo, un preventivo che "da noi si fa così".

Se un concorrente ti guardasse lavorare per 7 giorni, cosa riuscirebbe a rifare?

Oggi ti racconto come lo fanno, cosa dice la legge (poco) e cosa resta tuo (tanto, ma non quello che pensi).

☕ Grembiule addosso. Si apre.

Iscriviti ora

💡 Pensiero del giorno

Se si può copiare guardandoti da fuori, non è un vantaggio. È una vetrina.

🧪 AI in azione

#1: ☕ Guardare e rifare: 2 strumenti, una mossa

Parto dal tizio con le 13 app.

Si chiama Brandon Thomas, è uno sviluppatore americano, e dice di essere partito dopo l'ennesima penale di disdetta di Adobe. Chi non ha mai urlato davanti a un abbonamento… scagli la prima carta di credito.

La suite si chiama ArtCraft.

PhotoCraft imita Photoshop,

1. VectorCraft Illustrator,

2. FilmCraft Premiere,

3. LightCraft Lightroom.

Altre 3 coprono After Effects, InDesign e i PDF di Acrobat.

Poi ci sono Word, Excel e PowerPoint, un CAD, un programma per registrare l'audio e uno per progettare interfacce. Il 14 ottobre, sul suo sito, erano 13 in tutto.

Il codice è aperto, con licenza MIT o Apache: chiunque può scaricarlo, cambiarlo e rivenderlo (il nome ArtCraft no, quello è un marchio loro).

Funziona? Lo dice il file di presentazione del progetto: non è ancora un sostituto di Photoshop per il lavoro di tutti i giorni. Mancano 15 strumenti, le funzioni di AI generativa, i plug-in. Sul forum Thomas aveva promesso la parità completa in 1 mese. Poi ha corretto: mesi, non anni.

"Ok, ma come l'ha fatta?"

Dichiara un "clean room": solo specifiche pubbliche e comportamento osservato, mai una riga del codice Adobe. Per i test confronta il suo risultato con l'immagine finale già salvata dentro i file di Photoshop.

Tradotto: assaggia il caffè di Adobe e ritocca la ricetta finché la tazzina non si distingue.

Se sia andata davvero così, da fuori non lo verifica nessuno (lo dice lui, e basta). Un'altra fonte racconta un metodo diverso: un agente lasciato a cliccare su ogni pulsante di una Photoshop installata, a registrare cosa succedeva e a rifarlo. In entrambi i racconti il punto è uno solo. Si guarda il programma lavorare da fuori.

Poi c'è il secondo strumento. Con ArtCraft non c'entra: Decrypt scrive che non è costruita con REA, e che Thomas ha usato le tecniche, non lo strumento. Li metto insieme perché sono le 2 metà della stessa mossa.

Si chiama REA, Reverse Engineer Anything.

https://github.com/morluto/rea

Un programma che scarichi è già "cotto": vedi il caffè in tazza… la ricetta no. Gli attrezzi per smontarlo esistono da anni (si chiamano Ghidra, IDA, Hopper), ma richiedono parecchio mestiere. REA li mette in mano a un agente AI come Claude Code, Codex o Cursor. Gli chiedi "come fa questa app a cercare?", lui smonta, ti mostra le prove e ti scrive una funzione simile. L'analisi gira sul tuo computer (il modello dell'agente, però, ha le sue regole sui dati).

Il progetto è su GitHub dal 14 aprile. Al 15 ottobre ha 248.563 stelle, 62.370 copie e licenza MIT. Tra gli esempi citati dalla stampa: la funzione "incolla" di Notion e i calcoli del suono di un vecchio videogioco.

Limiti? Aiuta a capire un programma, e i cloni perfetti restano rari. Un test raccontato da MindStudio dice altro: su un'app Mac semplice, provata da un creator video, anche un agente senza REA se l'è cavata in modo simile. Bastavano gli screenshot e un po' di ragionamento.

Iscriviti ora

#2: 🧾 Perché la legge ti protegge poco

Apri un bar. Dopo 1 mese, davanti, ne apre un altro. Stesso menu, stessa macchina del caffè, stessa insegna (con il verde un filo più chiaro, per non sbagliare).

Puoi fermarlo?

Poco. Lo spiega Jeffrey Schell, avvocato americano di brevetti, con un passato da fondatore di software. Hai 3 protezioni, e nessuna copre bene questo caso.

Il diritto d'autore copre il testo del codice, come il menu stampato che nessuno può fotocopiare. Il cappuccino che servi, invece, è di chiunque sappia rifarlo. In Europa lo ha confermato la Corte di giustizia nel 2012, nel caso SAS contro World Programming: la funzione di un programma resta libera. I manuali e la documentazione sono protetti, quindi quelli si lasciano stare.

Il segreto industriale vieta di rubare, non di guardare. Se vendi un prodotto al pubblico, chi lo compra può in genere studiarlo. In Europa chi ha la licenza ha il diritto di osservare e provare il programma per capirne le idee, e un contratto non glielo può togliere. Smontarlo (decompilarlo) è un'altra cosa, con limiti stretti. Chi osserva ha solo assaggiato.

Il brevetto è l'unico che ferma anche chi ha rifatto tutto da solo, senza vedere niente di tuo. Ma costa, ci vogliono anni, e Schell parla di leggi americane. In Europa un programma "in quanto tale" non si brevetta: serve un effetto tecnico concreto.

Per i cloni, il rischio maggiore sta altrove: licenze, marchi, brevetti e la grafica quasi uguale a quella di Adobe. Sono questioni diverse dal codice. Da Adobe non ho trovato nessuna dichiarazione pubblica.

"Quindi è tutto lecito?"

Dipende, e nessun giudice ha ancora deciso. Prendi chardet, una libreria Python. A marzo il suo manutentore, Dan Blanchard, l'ha riscritta con Claude Code e ne ha cambiato la licenza, da LGPL a MIT. L'autore originale è saltato su. Heather Meeker, avvocata esperta di licenze, lo giudica uno dei clean room più coscienziosi che abbia visto. Ma ricorda che l'isolamento perfetto non c'è: chi segue il progetto da più di 10 anni non si può far dimenticare tutto. Simon Willison, sviluppatore, propende per dire che la riscrittura è legittima. E prevede cause quando qualche azienda vedrà minacciato il proprio codice chiuso.

Tradotto: la legge ti protegge dal furto. Dalla copia fatta bene, molto meno.

Iscriviti ora

#3: 🔒 Cosa non si copia guardando da fuori

Torniamo al bar di fronte. Ha il tuo menu, la tua macchina, la tua insegna. Cosa gli manca?

Il solito.

Il signor Bruno entra alle 7:40 e non ordina. Il barista ha già la tazzina in mano: decaffeinato, mezzo cucchiaino di zucchero, il giornale aperto sullo sport. Chi copiava dalla vetrina questo non l'ha visto.

Tra i vantaggi che sopravvivono a una copia, MindStudio ne elenca 6. Al bancone suonano così (il sesto, il marchio, è l'insegna fuori):

• i dati dei clienti, accumulati nel tempo (il solito del signor Bruno);

• la fiducia e lo storico (il quaderno dei conti sospesi: qui si paga il venerdì);

• il supporto (quando la macchina si inceppa, risponde una persona che la conosce);

• le integrazioni nel lavoro del cliente (l'ufficio di fianco ordina 12 caffè alle 10:30 senza dirlo a nessuno);

• il ritmo con cui migliori (la strada la decidi tu, chi copia insegue).

Poi c'è il costo del buono. Simon Willison scrive che produrre codice costa ormai quasi niente. Il buon codice costa ancora parecchio: test, gestione degli errori, semplicità, documentazione aggiornata, e un carico pesante su chi guida gli agenti. Basta guardare PhotoCraft: dopo 15 giorni ha 1.788 pratiche aperte tra bug, richieste e proposte di modifica. Il codice l'ha scritto un'AI in fretta. Le pratiche le deve chiudere qualcuno.

E c'è una notizia brutta, che ti devo.

Abid Ali Awan, su KDnuggets, osserva che per chi cambia programma l'ostacolo è sempre stato il costo di passaggio: nuovi menu, nuove scorciatoie, tanta fatica. Un clone con gli stessi menu e le stesse scorciatoie la toglie.

Quindi se il tuo vantaggio era "cambiare è un casino", è il primo a cadere. (Il cliente non ti era fedele… era pigro.)

Un ultimo avviso. I demo virali riguardano app piccole e ben definite. Un gestionale che parla con 12 sistemi diversi, con 15 anni di eccezioni dentro… è un'altra storia (per ora).

Iscriviti ora

#4: 🧭 Il foglio dei vantaggi

E tu?

👉 Prendi 3 cose che oggi chiami "il nostro vantaggio". Il listino. Il metodo in 5 passi che sta in metodo_FINALE_v3.pdf, dentro la cartella "RISERVATO" (la cassaforte è una cartella di Drive). Il gestionale che ti sei fatto fare su misura. Il configuratore sul sito.

Ora rispondi alla domanda dell'inizio: un concorrente che ti guarda lavorare per 7 giorni, solo da fuori. Cosa riuscirebbe a rifare?

Quello che riesce a rifare ha smesso di essere un vantaggio: ormai è il punto da cui parte lui.

Dividi tutto in 3 mucchi: si copia in giorni, si copia a metà, non si copia. Il mucchio di mezzo è il più interessante. È dove una cosa che funziona può diventare una che non si copia, se ci metti dentro i dati e la storia che hai solo tu.

Il primo mucchio non lo butto. Se tanto si rifà in 1 settimana, io smetterei di nasconderlo e lo userei per farmi trovare.

Il gioco vale anche al contrario. Il gestionale da 400 euro al mese che paghi da 5 anni… forse un agente te lo rifà su misura. Ma prima leggi il contratto: molti vietano di smontare il programma. In Europa alcune eccezioni valgono comunque, ma i limiti sono stretti e dipendono da cosa fai. È una domanda per un avvocato, non per un agente AI (e nemmeno per me).

Sotto trovi un prompt che fa il lavoro del foglio insieme a te. Parti da lì.

Iscriviti ora

📌 Prompt Espresso

Io comincerei dalla colonna che da fuori non si vede. Questo prompt ti fa mettere i tuoi vantaggi in 3 mucchi, con un consulente che non ti fa sconti.

Usalo con Claude o ChatGPT. Compila le parti tra parentesi quadre con parole tue, non con quelle del sito: è lì che si decide se il risultato serve.

Agisci come un consulente di strategia aziendale, scettico e concreto. Devi aiutarmi a capire quali dei miei vantaggi competitivi si possono copiare osservandomi da fuori e quali no. Non sei un avvocato: non dare pareri legali.

Il mio contesto:
- Cosa vendo e a chi: [2 righe, es. software gestionale per officine, 12 dipendenti]
- Cosa considero il mio vantaggio oggi: [3-5 cose, es. un metodo in 5 passi, un software su misura, un listino, un team esperto]
- Cosa un cliente o un concorrente vede di me da fuori: [sito, demo, listino, prodotto in vendita, documenti condivisi]
- Cosa ho che da fuori non si vede: [dati sui clienti, storico dei progetti, rapporti, tempi di risposta, errori già pagati]

Procedi in 3 fasi. Alla fine di ognuna aspetta le mie risposte prima di passare alla successiva.

FASE 1. METTI LE COSE IN FILA
Per ogni vantaggio che ho elencato, fammi fino a 2 domande per capire:
- cosa si può osservare da fuori (un prodotto in vendita, una demo, un documento condiviso);
- cosa serve per rifarlo (tempo, competenze, dati che solo io ho).
Poi riassumi in una tabella: vantaggio, cosa si vede, cosa serve per rifarlo. Se manca un'informazione, chiedimela. Non inventare.

FASE 2. IL TEST DELLA COPIA
Immagina un concorrente con un agente AI che mi osserva per 7 giorni, senza accesso ai miei file interni. Classifica ogni vantaggio:
- SI COPIA: lo rifarebbe in pochi giorni;
- SI COPIA A META': otterrebbe una versione che funziona, ma gli mancherebbe qualcosa (indica cosa);
- NON SI COPIA: dipende da qualcosa che da fuori non si vede.
Motiva ogni classificazione in una frase. Per i NON SI COPIA indica da quale fonte viene: dati accumulati nel tempo, fiducia e storico, supporto e relazione, integrazione nel lavoro dei clienti, marchio, ritmo di miglioramento, competenza di dominio. Sii severo: se hai un dubbio, scegli la classe peggiore per me e spiega perché.

FASE 3. DOVE METTO I PROSSIMI 90 GIORNI
Dammi:
- 3 mosse che rafforzano ciò che NON si copia, ognuna con un primo passo che posso fare questa settimana;
- 2 cose che proteggo troppo e che potrei smettere di nascondere per farmi trovare;
- 1 domanda da fare a un avvocato o a un consulente di proprietà intellettuale.
Chiudi con la frase "Il mio vantaggio, tra un anno, sarà ancora mio se..." e completala con 3 condizioni verificabili.

Se una conclusione dipende da contratti, licenze o brevetti, scrivi "da verificare con un professionista" invece di decidere tu.

⚠️ Il prompt ragiona su quello che gli racconti. Se descrivi i vantaggi con le parole del tuo sito, ti dirà che si copiano quasi tutti, e avrà ragione. Il lavoro vero sta nell'ultima riga del contesto: scrivi lì cose con un nome e una data, non aggettivi.

Iscriviti ora

☢️ Humor Radioattivo

👉 Oggi, tra un caffè e l'altro, scrivi su un foglio 3 cose che i tuoi clienti sanno di te e che il tuo sito non dice. Poi guarda dove sono scritte. Se stanno solo nella testa di una persona… fai in modo che stiano anche da un'altra parte.

Ti auguro clienti che chiedono "il solito". Passa quando vuoi: la macchina è calda.

☢️ Matteo

Iscriviti ora

Hai un socio, un fornitore o un cliente convinto che il suo vantaggio sia "il software che si è fatto fare"? Inoltragli questa puntata. Magari scopre che gli serviva un signor Bruno.

Condividi

Negli ultimi giorni ho fatto una cosa che, fino a poco tempo fa, avrebbe richiesto una piccola squadra.

Ho costruito 3 video di prodotto.

Uno per il lancio del crowdfunding di una startup di un mio amico. Uno per un nostro prodotto. E uno per un prodotto di una nostra azienda satellite.

Per vedere quello che è venuto fuori, guarda qui sotto: ti allego almeno uno dei video.

Non ho girato con una troupe.

Non ho aperto After Effects per 14 ore.

Non ho chiamato un motion designer, un 3D artist, un montatore e qualcuno che sapesse mettere insieme il tutto senza farlo sembrare una presentazione aziendale del 2014.

Ho usato l'AI.

E sì, il risultato è venuto bene.

Ecco qui uno dei video prodotti:

Ma!

La parte interessante sta altrove.

La parte interessante è che alcune persone che conosco hanno provato a fare cose simili. Con gli stessi strumenti. E sono venute peggio.

La differenza non era l'intelligenza.

E nemmeno un favore dell'AI.

Per 2 motivi molto più scomodi:

1. so usare lo strumento;

2. so esattamente cosa voglio vedere alla fine.

Il secondo vale più del primo.

Perché puoi imparare un tool in una settimana.

Ma se non sai riconoscere il risultato giusto quando lo vedi, puoi generare immagini per 6 mesi e restare fermo davanti a una pila di file chiamati finale_v7_definitivo_ultimo_VER2.mp4.

Oggi al bancone mettiamo una domanda che sembra provocatoria e invece è soltanto arrivata in anticipo:

i motion designer, i graphic designer e i video editor sono già finiti?

La risposta breve è no.

Ma il lavoro per cui venivano pagati fino a ieri sì, in parte, è già morto.

☕ Tazza in mano. Si parte.

Iscriviti ora

💡 Pensiero del giorno

Quando l'AI rende economica l'esecuzione, la creatività smette di essere l'abilità di fare cose belle. Diventa l'abilità di sapere cosa vale la pena fare.

🧪 AI in azione

#1: I 3 video e la parte che nessuno vede

Guardando i 3 video finiti, la tentazione è dire: "L'AI ormai fa tutto."

È una frase comoda. E sbagliata.

L'AI ha fatto moltissimo. Ha generato immagini. Ha suggerito movimenti. Ha animato oggetti. Ha costruito transizioni. Ha dato vita a un prodotto che non esisteva davanti a una telecamera. Ha messo ordine in schermate, mappe, notifiche e dati.

Ma non ha deciso perché il primo video dovesse respirare come un film di prodotto, mentre il secondo dovesse sembrare una presentazione che si apre dentro una galassia.

Non ha deciso che il video delle notifiche doveva partire dal rumore e poi trasformarlo in una mappa leggibile.

Non ha deciso che cosa togliere.

Quella è la parte che scompare quando guardi solo il risultato finale.

Tu vedi 60 secondi di video.

Non vedi le decine di decisioni che li hanno resi quei 60 secondi e non altri.

Il tono.

La velocità.

Il momento in cui entra il testo.

La quantità di dettagli nella scena.

Il colore che deve tornare 3 volte per creare una firma.

Il punto esatto in cui il prodotto deve smettere di essere un oggetto e diventare una promessa.

Non è decorazione. È direzione.

Il vecchio modo di descrivere il lavoro creativo metteva tutto nello stesso mucchio: "sa usare il programma".

Come se un editor video fosse una persona che sa dove si trova il tasto per tagliare.

Come se un graphic designer fosse una persona che sa trascinare un rettangolo.

Come se un motion designer fosse una persona che sa far muovere un cerchio.

L'AI sta rendendo evidente una cosa che era vera anche prima: il software non era il mestiere. Era la superficie del mestiere.

La competenza vera stava nel decidere cosa meritava di essere mostrato, con quale ordine, per quale persona e con quale effetto.

Ora la superficie si è allargata.

Una persona con un'idea chiara può produrre in un pomeriggio ciò che prima richiedeva una settimana di esecuzione tecnica. Non tutto viene bene, ovviamente. Ma abbastanza da cambiare il prezzo, la velocità e le aspettative di tutti.

Il cliente non chiederà più soltanto: "Sai fare un video così."

Chiederà: "Perché ci hai messo 10 giorni."

E la risposta "perché ho dovuto animare tutto a mano" comincerà a suonare come "perché ho scritto le email con la macchina da scrivere".

Non è una colpa del creativo.

È il mercato che cambia il valore dell'azione intermedia.

Iscriviti ora

#2: La definition of done batte il talento tecnico

Qui arriva la parte che ho visto direttamente con questi video.

La differenza tra un risultato buono e uno mediocre non è stata il prompt magico.

È stata la definition of done.

Prima di chiedere all'AI di generare, devi sapere come riconoscerai un risultato finito.

Non "voglio un video bello".

Bello per chi lo guarda.

Pensato per fare una cosa precisa.

Con una sensazione precisa da lasciare a chi lo guarda.

Con un'informazione da ricordare dopo 10 minuti.

Con un'azione concreta da compiere.

Nel video del prodotto che levita, la definizione non era "fammi una bella animazione 3D".

Era più vicina a questa: (semplificando)

Voglio che una persona capisca in meno di 60 secondi che la levitazione non è magia, ma un sistema di sensori, campo magnetico e controllo. Deve sembrare accessibile, preciso e desiderabile, non un giocattolo fantascientifico.

Questa frase cambia tutto.

Se l'oggetto è bellissimo ma non si capisce cosa faccia, il video fallisce.

Se la scena è tecnicamente spettacolare ma sembra una pubblicità di un videogioco, fallisce.

Se il pubblico ricorda la luce blu ma non ricorda il prodotto, fallisce.

Nel video sul servizio tecnico, la stessa regola aveva un'altra forma. Non bastava mostrare diagrammi e numeri. Bisognava far capire che dietro ogni scelta commerciale c'era una strada concreta: partire dai clienti già serviti, controllare il perimetro, trovare il punto in cui il valore è leggibile.

Il video non doveva dire "guardate quante cose sappiamo fare".

Doveva dire: "parti da quello che vendi già, poi allarga il campo".

Questa è direzione.

L'AI può eseguire una richiesta ambigua. Non può trasformare l'ambiguità in un criterio di qualità senza che qualcuno glielo dia.

Ed è qui che le persone si dividono.

Una persona apre lo strumento e chiede: "Fammi un video incredibile sul mio prodotto."

Un'altra arriva con una scena in testa, una durata, un pubblico, una progressione e 3 cose che il video non deve assolutamente fare.

La prima riceve 20 variazioni.

La seconda riceve materiale da montare.

Sembra una differenza di gusto.

È una differenza di pensiero.

La definition of done è il confine tra generare e costruire.

Generare significa produrre possibilità.

Costruire significa sapere quali possibilità scartare.

Il talento tecnico ti permette di aprire più porte.

La chiarezza ti permette di non entrare in tutte.

Iscriviti ora

#3: I creativi non sono morti. Il giudizio è diventato il mestiere

La domanda del titolo merita una risposta senza zucchero.

Il motion designer non sparisce.

È morto il vantaggio di essere l'unica persona nella stanza che sa far muovere le cose.

Il graphic designer non sparisce.

È morto il vantaggio di saper produrre un layout mentre il cliente aspetta, se nessuno sa perché quel layout dovrebbe esistere.

Il video editor non sparisce.

È morto il valore automatico di saper tagliare, allineare, sincronizzare e consegnare, quando una macchina può fare una parte crescente di quelle operazioni in pochi secondi.

La competenza tecnica non sparisce.

Diventa una competenza di base.

Come saper usare una mail.

Come saper cercare un file.

Come saper guidare un'auto con il cambio automatico.

Non è inutile. È solo meno rara.

E il prezzo di una competenza dipende molto dalla sua rarità.

Quello che diventa abbondante costa meno.

Quello che resta difficile da trovare costa di più.

La domanda vera diventa: cosa resta difficile.

Il gusto.

Il criterio.

La capacità di vedere una scena e capire che è quasi giusta, ma non ancora.

La capacità di dire no a una transizione spettacolare perché distrae dal messaggio.

La capacità di tenere insieme 20 elementi senza farli sembrare 20 idee diverse.

La capacità di capire quando una cosa deve essere più semplice.

E soprattutto la capacità di sapere che cosa non si sta cercando di dire.

Questa è creatività nel senso meno comodo del termine.

È giudizio applicato.

Il mondo continuerà ad avere bisogno di persone capaci di creare.

Avrà bisogno di meno persone pagate solo per eseguire istruzioni già decise da qualcun altro.

Il nuovo professionista creativo assomiglierà meno a un operatore e più a un regista.

Non parlo necessariamente del regista cinematografico con la sciarpa e il cappello.

Il regista di un risultato.

Decide la scena, sceglie gli strumenti, imposta i vincoli, controlla il materiale, corregge la direzione e firma il risultato.

La macchina può fare il lavoro sporco.

Ma la macchina non ha una reputazione da proteggere.

Quella resta tua.

La conseguenza per chi lavora in questo settore è concreta. Il portfolio non potrà più essere una raccolta di immagini belle, scollegate dal problema che risolvono. Dovrà mostrare il prima, il criterio e il dopo: quale situazione c'era, quale decisione hai preso, quale risultato hai ottenuto e perché quella scelta era migliore delle altre 20.

Un professionista che sa usare 8 strumenti ma non sa difendere una scelta sarà più fragile di uno che ne usa 2 e sa spiegare ogni dettaglio del risultato. Il primo vende accesso a un arsenale. Il secondo vende affidabilità.

Questo vale anche per chi assume. La domanda non sarà più soltanto quale software conosci. Sarà: "fammi vedere come hai trasformato un brief confuso in un risultato che una persona reale poteva usare". La competenza tecnica resterà necessaria per capire i limiti, correggere gli errori e spingere il sistema oltre il primo output. Ma il colloquio si sposterà dal catalogo dei tool al modo in cui quella persona osserva, sceglie e verifica.

Il mercato non pagherà meno creatività. Pagherà meno esecuzione senza responsabilità.

E quando il risultato arriva, la responsabilità non si trasferisce alla macchina. Se il video confonde, se la promessa è sbagliata o se il pubblico non capisce, non puoi indicare il prompt e uscire dalla stanza. La firma resta umana, anche quando la timeline è stata costruita da un modello.

Questa non è soltanto una sensazione dal bancone. Uno studio del 2026 su 34 studenti di design ha trovato che i workflow GenAI riducono il carico e rendono più facile iniziare, ma possono produrre meno stile personale, meno editabilità e una maggiore convergenza tra i risultati. La velocità sale. La distanza tra un lavoro corretto e un lavoro memorabile non si chiude da sola.

Un altro paper, pubblicato negli atti di un simposio AAAI, propone una domanda ancora più scomoda: se deleghi sempre all'AI la prima idea, alleni ancora la tua capacità di averne una seconda? È un'ipotesi, non una sentenza. Ma è una buona ragione per non usare la macchina come stampella creativa permanente.

Il nuovo creativo deve quindi fare 2 lavori insieme. Deve usare l'AI per esplorare più velocemente e deve proteggere lo spazio mentale in cui decide senza di lei. Prima divergere. Poi scegliere. Prima molte possibilità. Poi una direzione.

Iscriviti ora

#4: Il vantaggio non è avere l'AI. È sapere cosa chiederle di rendere possibile

Quando le persone hanno provato a replicare questi video, alcune avevano accesso agli stessi strumenti.

Questo dovrebbe essere il momento in cui la teoria facile si rompe.

Se basta avere l'AI, allora i risultati dovrebbero essere uguali.

I risultati restano diversi.

Perché lo strumento è solo un moltiplicatore.

Moltiplica la chiarezza, se c'è chiarezza.

Moltiplica il caos, se c'è caos.

Un prompt confuso con un modello potente produce caos più velocemente.

È la versione creativa della leva: se spingi nel posto sbagliato, sollevi comunque qualcosa. Solo che non sai cosa ti cadrà addosso.

Il vantaggio vero, quindi, non si esaurisce in "so usare Runway", "so usare Sora", "so usare il generatore di immagini".

È una frase troppo bassa.

La frase utile è: "so prendere un risultato che ho in testa, scomporlo in decisioni osservabili e guidare uno strumento fino a quando la scena ci arriva".

Questa è una skill trasferibile.

Vale per un video.

Vale per una landing page.

Vale per un prodotto.

Vale per un sistema interno.

In tutti i casi devi sapere 4 cose:

1. cosa stai cercando di ottenere;

2. cosa deve essere vero quando hai finito;

3. cosa non può succedere;

4. come verifichi il risultato con un esempio reale.

Questa è la parte che i tutorial saltano.

Ti mostrano il bottone.

Non ti mostrano il criterio.

E senza criterio, ogni output sembra interessante per i primi 8 secondi. Poi diventa solo un altro file da archiviare.

La creatività del futuro non sarà l'abilità di avere tante idee.

Sarà l'abilità di trasformare un'idea in un sistema di scelte, e di restare abbastanza lucidi da buttare via quelle sbagliate.

Iscriviti ora

📌 Prompt Espresso

Io partirei da quello che vuoi far capire. Poi guarderei gli esempi che ti piacciono, per capire quali scelte servono al tuo messaggio.

Questo prompt ti aiuta a trasformare un'idea vaga in un brief di 1 pagina: intenzione, riferimenti e criteri con cui giudicare il risultato. Puoi usarlo anche se il video lo realizzerà un professionista.

Usalo con Claude o ChatGPT. Compila i campi e allega 2-3 riferimenti, oppure descrivili. Il lavoro comincia dalle tue risposte: prenditi il tempo di darle.

Agisci come un direttore creativo che mi aiuta a chiarire e mettere alla prova le mie scelte.

Prodotto o servizio: [descrivi cosa offre e quale problema risolve].
Pubblico: [chi guarderà il video e cosa sa già del prodotto].
Dove verrà visto: [pagina crowdfunding, sito, presentazione, social].
Durata indicativa: [secondi].
Effetto desiderato: [cosa vorrei che la persona pensasse, sentisse o facesse dopo].
Riferimenti: [allega 2-3 esempi o descrivili; aggiungi cosa ti piace di ciascuno].
Vincoli: [identità del brand, informazioni obbligatorie, promesse da evitare].

Procedi in 3 fasi. Non scrivere scene, storyboard, prompt di generazione o piani di produzione e non consigliare strumenti.

FASE 1. CHIARISCI L'INTENZIONE
Fammi fino a 5 domande per chiarire:
- quale messaggio conta più degli altri;
- cosa il pubblico deve capire e quale dubbio dobbiamo risolvere;
- quale reazione sarebbe utile e quale sarebbe sbagliata.

Aspetta le mie risposte. Poi riassumi l'intenzione in 3 righe e chiedimi di confermarla. Distingui i fatti sul prodotto dalle promesse che richiedono una prova. Non inventare informazioni mancanti.

FASE 2. RENDI CONCRETO IL GUSTO
Analizza i riferimenti che ti ho dato. Se non puoi vedere un file o aprire un link, dimmelo e chiedimi una descrizione.

Per ogni riferimento individua fino a 3 scelte osservabili: per esempio ritmo, spazio dato al prodotto, leggibilità del testo o rapporto tra informazioni ed effetti.

Chiedimi perché quelle scelte mi piacciono. Aiutami a distinguere ciò che serve al mio pubblico da ciò che mi colpisce soltanto. Aspetta le mie risposte prima di procedere.

Ricava 3 principi da seguire e 3 cose da evitare. Spiega ogni principio con un esempio concreto. Se una preferenza contraddice l'intenzione concordata, evidenzia il conflitto e chiedimi di scegliere.

FASE 3. DEFINISCI QUANDO È RIUSCITO
Restituisci un brief di massimo 1 pagina con:
- pubblico e contesto di visione;
- messaggio principale e reazione desiderata;
- principi visivi e vincoli concordati;
- la frase "Il video è finito quando...";
- 5 criteri di riuscita, ciascuno con una verifica concreta.

Includi un piccolo test: mostrare il video a 3 persone del pubblico previsto, senza introduzione. Scrivi le domande da fare dopo e quali risposte indicherebbero che il messaggio è passato. Presentalo come primo riscontro, non come prova definitiva.

Separa i criteri verificabili dalle preferenze personali. Non trasformare il gusto in un punteggio arbitrario. Chiudi indicando cosa resta da decidere da parte mia.

⚠️ Anche un brief scritto benissimo può poggiare su un'idea sbagliata del pubblico. Il criterio prende valore quando qualcuno guarda il video e capisce il messaggio senza il tuo commento.

☢️ Humor Radioattivo

Non credo che la creatività diventerà più importante perché l'AI è creativa.

Credo il contrario.

L'AI non è creativa nel modo in cui lo sei tu. Non ha qualcosa da perdere. Non ha un pubblico da capire. Non ha un'idea che vuole proteggere da 40 varianti quasi uguali.

Ha una capacità enorme di produrre possibilità.

Tu devi decidere quali meritano di diventare realtà.

Questa è la parte del lavoro che non puoi delegare senza delegare anche la tua identità.

Quindi oggi non aprire il tuo tool preferito per fare un esperimento.

Prendi un risultato che vuoi creare.

Scrivi la frase: "È finito quando..."

Se non riesci a completarla, non ti manca ancora il tool.

Ti manca la direzione.

E quella, per fortuna, è ancora tua.

Oggi hai deciso che cosa deve riuscire. Nella prossima puntata ti porto dentro uno di questi video: dal brief alla versione finale, comprese le scelte e le correzioni lungo il percorso.

Matteo

☕ Alla prossima tazza.

Iscriviti ora

Quello delle decisioni da 10 secondi. Te l'avevo lasciato come compito, tra un caffè e l'altro nella scorsa puntata.

Se l'hai scritto, adesso è sul bancone. Se non l'hai scritto… lo so, lo so. Prendi un tovagliolo, va bene uguale.

Ci sono sopra cose così: "girare le mail di info@", "capire se il contatto del sito è serio", "rispondere all'invito del fornitore", "rileggere le recensioni". Roba piccola. Ma tanta.

L'ultima volta ti ho presentato la centralinista: Jev, l'AI che non parla e sceglie. Oggi la mettiamo al lavoro.

Ho preso tutti gli usi che ho trovato, nelle demo pubbliche, nel catalogo della community e nei test di chi l'ha provato davvero. Li ho messi in fila, dal più semplice al più delicato. E ne ho aggiunto uno mio, quello sulle conversazioni lunghe che tutti abbiamo con Claude.

Alla fine trovi anche la lista nera. E un prompt che passa il tuo foglio sotto la lente.

È più lunga del solito, ti avviso. Ci sono gli screenshot, e ti serve tutta.

☕ Doppio ristretto in mano. Apriamo il foglio.

💡 Pensiero del giorno

Non chiederti cosa sa fare Jev.
Chiediti dove, in azienda, c'è una coda.

🧪 AI in azione

#1: 🚦 Le code in ingresso

Pensa a un incrocio all'ora di punta. In mezzo c'è un vigile. Non guida le macchine, non le ripara, non sa dove abiti.

Guarda e indica: tu a destra, tu dritto, tu fermo.

In una demo di settembre l'hanno chiamato proprio così, il vigile del traffico. Il consiglio che ne è uscito vale oro per un'azienda. Cerca il punto dove arriva una coda costosa di informazioni, e mettici il vigile all'ingresso.

Le code costose, in una PMI, sono quasi sempre 4.

La casella email. Ryan Vogel, del team di OpenCode, in una demo video ha passato a Jev 1.700 email. Per ognuna 4 risposte: categoria, priorità da 1 a 5, spam o no, merita risposta o no.

18 centesimi in tutto. Pensava di metterci 10 ore e di spendere una fortuna (il caffè della pausa è costato di più).

I contatti dal form del sito. Nella stessa demo Ryan racconta un'idea per l'agenzia di grafica della compagna, che riceve tante richieste dal sito. A ogni richiesta Jev dà un voto da 0 a 1: è un buon contatto? Quelli sopra soglia arrivano subito alla titolare. Gli altri entrano in un'automazione. Su Made with Jev, il catalogo della community, c'è chi ha valutato 700 contatti in 40 secondi, per 9 centesimi.

E c'è un bonus: lo puoi far girare sullo storico. Le richieste di 2 anni fa, mai richiamate. Sono ancora lì, sotto "preventivi_2024_DA_VEDERE".

I ticket di assistenza. Nhu Hoang, su Towards Data Science, gli ha dato 3.080 messaggi dei clienti di una banca, con 77 categorie possibili. Jev ha preso quella giusta 81 volte su 100. Quando si diceva sicuro al 100%, aveva ragione 97 volte su 100.

77 categorie. Il tuo help desk, di solito, ne ha 8.

Il preventivo che non aspetta. Sempre in quella demo è uscita un'idea per i servizi locali. Il cliente scrive "mi serve il lavaggio a pressione del vialetto". Jev sceglie al volo il servizio e il fornitore giusto, e il preventivo parte subito. Invece del solito "la ricontattiamo entro sera" (che poi diventa giovedì).

Bello. Ma in pratica?

Ti mostro com'è fatta una richiesta a Jev. Non serve saper programmare per capirla, e per provarla basta una pagina web.

Read more

Qui dentro, oggi, ti servo il contrario.

Il modello AI più chiacchierato di settembre non sa scrivere una frase. Nemmeno… "buongiorno".

Si chiama Jev. Gli dai dei dati e una domanda con le risposte già pronte: sì o no, A o B, un voto da 1 a 5. Lui sceglie, e ti dice quanto è sicuro.

Fine. Niente paragrafi, niente complimenti, niente "Ottima domanda!".

Eppure il video di lancio ha fatto circa 40 milioni di visualizzazioni in una settimana. Al lancio, secondo indiscrezioni, l'azienda valeva 200 milioni di dollari. 10 giorni dopo c'erano già offerte che la valutavano oltre 10 miliardi (offerte, eh: nessuno ha ancora firmato).

Per un'AI che non dice una parola.

Stavo per partire dai numeri tecnici. Poi ho pensato alla tua casella del lunedì, con 214 email non lette… e ho cambiato scaletta.

Perché lì dentro Jev fa una cosa precisa: ti dice quale email aprire per prima, e quanto è sicuro di avere ragione.

Ed è questa, per come la vedo io dal bancone, la prossima ondata di AI in azienda. Migliaia di piccole decisioni, prese quasi gratis. Mentre tu bevi il caffè.

☕ Tazzina sul bancone. Si comincia.

Iscriviti ora

📣 Stasera alle 18, parliamo di AI ACT

Jev decide quasi gratis. Prima o poi anche la tua azienda farà decidere qualcosa a una macchina (forse lo fa già, e nessuno te l'ha detto).

Un sì o un no su un cliente. Un punteggio. Una pila di CV scremata in 10 minuti.

Occhio a quella dei CV. Usare l'AI per scegliere i candidati, per l'AI Act, è "alto rischio": la fascia con più obblighi, subito sotto le cose vietate.

E se il tool l'ha preso in prova il tuo HR, per la legge chi lo usa è l'azienda. Cioè tu.

Gli obblighi pesanti su quella fascia arrivano più avanti. Ma chi ci arriva impreparato parte già in ritardo.

"Ma dai, siamo piccoli. Figurati se controllano."

Tradotto: speri di non essere il primo.

Intanto, da agosto, le autorità possono già bussare e chiederti conto delle regole in vigore. Una vale dal 2 febbraio 2025, quasi 20 mesi fa: far capire l'AI a chi la usa in azienda.

I tuoi li hai formati? Anche il commerciale che risponde ai clienti con ChatGPT dal telefono?

La prima multa AI Act non è ancora arrivata. Chi la prende farà da cartellone per tutti gli altri (e non è la pubblicità che vuoi).

E per farsi male non serve nemmeno l'AI Act. A Siracusa è finito davanti a un giudice un documento scritto con l'AI e mai riletto. 4 citazioni sbagliate.

Conto, tra spese, risarcimento e sanzione: oltre 30.000 euro.

Oggi, martedì 29 settembre, ore 18:00. Gratis, 1 ora, online. Io porto la parte AI, P&G Legal Services (consulenza legale alle imprese) quella legale.

Se l'azienda è tua, vieni per te. Se ci lavori dentro, vieni prima che qualcuno ti chieda: "Ma chi ti ha detto di usarlo?"

Mi iscrivo, stasera alle 18 →

💡 Pensiero del giorno

L'intelligenza che userai di più somiglierà a un database, più che a un collega.

Le fai 1.000 domande al giorno. E non si offende mai.

🧪 AI in azione

#1: ☕ Jev spiegato al bancone

Jev non è un chatbot. Non ti scrive la mail di scuse per il cliente arrabbiato. Non te la riassume nemmeno.

Sceglie.

Pensa al centralino della tua azienda. Da una parte c'è il consulente a ore. Gli chiedi a chi girare una telefonata e ti manda una relazione di 3 pagine (con le premesse metodologiche).

Dall'altra c'è la centralinista che lavora da te da 20 anni. Sente 2 parole e dice: "Amministrazione". Fatto.

ChatGPT e Claude sono il consulente. Jev è la centralinista.

In pratica gli passi una mail e la domanda, con le risposte già scritte da te: "A chi la giro: Amministrazione, Commerciale o Magazzino?"

Lui ne sceglie una e ci attacca una percentuale, cioè quanto è sicuro. "Amministrazione, 92%." Tutto qui.

TypeSafe AI, l'azienda che lo produce, lo chiama "System One Model". L'idea viene da Daniel Kahneman, il Nobel di Pensieri lenti e veloci. Lui lo chiamava Sistema 1: il colpo d'occhio, quello con cui capisci al volo che una mail è spam.

Quello della centralinista, appunto. Ed è l'unica cosa che Jev sa fare.

Come capisci se una decisione fa per lui? Andrew Ng, uno dei padri dell'AI di oggi, lo scriveva già nel 2016: se a una persona basta meno di 1 secondo di pensiero, probabilmente può farlo una macchina. Per Jev si può allargare a 10.

Fai la prova con la tua centralinista. Se risponde in 10 secondi, con le informazioni davanti, va bene Jev. Se deve alzarsi e venire a chiederti… lascia stare.

E il nome? Viene dal paradosso di Jevons, un economista dell'Ottocento. Quando le macchine a vapore diventarono più efficienti, si consumò più carbone. Molto di più.

Il CEO e cofondatore, Diogo Almeida, viene da Google e da OpenAI. Era nel gruppo che ha insegnato ai modelli a fare quello che gli chiedi. Uno dei mattoni di ChatGPT.

Uno che il chatbot l'ha visto nascere, insomma (e adesso ne costruisce uno che non parla).

Iscriviti ora

#2: 📊 Per cosa lo stanno già usando

"Bello. Ma io, in azienda, che ci faccio?"

Parto da Vercel, un'azienda americana che tiene in piedi i siti e le app di altre aziende. Lì dentro ci sono assistenti AI che fanno modifiche da soli. Prima di ogni modifica qualcuno deve dire: via libera, stop, o "chiedo a un umano".

Lo faceva un modello di OpenAI. Adesso lo fa Jev, da 5 a 18 volte più veloce: parola del CEO Guillermo Rauch, riportata da TechCrunch. I dati completi, però, non li ha pubblicati.

Poi la posta. Ryan Vogel, del team che ha fondato OpenCode, in una demo video del 18 settembre ha passato a Jev 1.700 email della sua casella. Per ognuna: categoria, priorità da 1 a 5, spam o no, merita risposta o no.

Costo totale: 18 centesimi.

Il caffè al bar… costa di più.

Adesso pensa alla casella info@ della tua azienda. Qualcuno apre le 5 mail che conosce. Il resto finisce sotto "la guardo io lunedì" (ecco da dove arrivano le 214 non lette).

Stessa storia coi contatti. Su Made with Jev, il catalogo dei progetti della community, c'è chi ha dato un voto a 700 contatti in 40 secondi: pronto a comprare o no. Spesa: 9 centesimi. Pensa ai biglietti da visita della fiera, finiti in lead_fiera_DEF.xlsx e mai richiamati.

Per l'assistenza clienti, una ricercatrice su Towards Data Science gli ha dato 3.080 messaggi dei clienti di una banca, divisi in 77 tipi di richiesta. Jev ha preso quello giusto 81 volte su 100. E quando si diceva sicuro al 100%, aveva ragione 97 volte su 100.

Per il controllo qualità, la testata americana Every gli ha fatto verificare dei testi contro le sue regole di stile. 777 giudizi in 0,7 secondi, per 0,25 centesimi. Su 7 difetti, il modello di punta ne ha trovati 7. Jev 6, costando 580 volte meno.

Risultato: il 22 settembre TypeSafe ha sospeso le nuove iscrizioni. Troppa gente in fila.

Poi c'è lo scontrino.

Nei test pubblicati da TypeSafe stessa, Jev azzecca il 67,8% dei casi: il livello dei modelli di fascia media, 5-6 punti sotto i migliori. E le risposte giuste di quei test le hanno decise altri 2 modelli AI, nessun essere umano.

In compenso risponde in 0,4 secondi, contro i 23-38 dei modelli di punta. E costa 0,0004 dollari a decisione, contro 8-18 centesimi.

Sulla homepage c'è scritto "444,6 volte più economico". Chi l'ha provato racconta altro. OpenChamber ha analizzato 12.759 post su X: nel caso tipico, 7 volte più veloce e 30 volte più economico (e di solito si posta solo quando va bene).

Resta un'enormità, però. È come pagare l'espresso 4 centesimi (e trovarlo quasi buono come quello sotto l'ufficio).

Torna Jevons. Quando 777 decisioni costano quasi niente, le fai prendere ovunque. Leggere davvero ogni mail, dare un voto a ogni contatto: roba che oggi nessuno fa, perché nessuno ha il tempo.

Guarda dove, in azienda, qualcuno prende la stessa decisione 50 volte al giorno.

Iscriviti ora

#3: 🧬 Copiato in 8 giorni

Jev è chiuso: non sai com'è fatto dentro, e lo usi solo a pagamento.

In 48 ore spuntano 6 cloni open source, cioè copie che chiunque scarica e usa gratis. Dopo una settimana sono più di 10.

Il 23 settembre arriva il colpo più pesante. Si chiama CLM-8B, e il blog ufficiale porta la firma di Stanford University e NVIDIA Research.

2 avvertenze subito, perché qui la fuffa gira veloce. I confronti con Jev li ha fatti il team di CLM, e nessuno li ha ancora rifatti da fuori. E per farlo girare servono una scheda NVIDIA e qualcuno che sappia metterci le mani. Per chi non è tecnico, oggi Jev resta più comodo.

Detto questo, i numeri del loro blog:

• gratis, anche se ci lavori per fare soldi;

• precisione alla pari con Jev, in qualche test poco sotto;

• fino a 9 volte più veloce nel caso migliore, il gioco del dinosauro di Chrome (quello che compare quando salta il Wi-Fi);

• 13 volte più veloce quando le opzioni tra cui scegliere sono circa 1.000.

Hanno preso un modello che esisteva già, senza toccarlo, e ci hanno avvitato sopra un pezzo. La prima fase di addestramento di quel pezzo gira in circa 1 ora su una scheda grafica da gaming.

Tradotto: la scheda grafica di un quindicenne che gioca a Fortnite (e che i genitori credono serva per la scuola).

Il trucco della velocità lo conosce già la tua centralinista.

CLM trasforma in numeri sia la telefonata appena arrivata sia ogni reparto. Poi guarda quale reparto somiglia di più alla telefonata, e la gira lì.

I reparti sono sempre gli stessi, quindi li traduce una volta sola e se li tiene nel cassetto. Come la centralinista, che l'elenco dei reparti lo sa a memoria e non lo rilegge a ogni squillo. Per questo, con 1.000 opzioni, non rallenta.

Al posto dei reparti metti le categorie dei ticket o i prodotti del listino: funziona uguale.

Il modello, insomma, sta diventando merce. E per un compito nuovo, dice lo stesso Almeida, il collo di bottiglia sono i dati.

Succede lo stesso al centralino. La centralinista brava la paghi per quello che sa dei tuoi clienti, mica per le orecchie.

Quindi il vantaggio ce l'hai già in casa: le tue mail, i tuoi ticket, lo storico dei tuoi clienti. E il fiuto per scegliere quali decisioni affidare a una macchina.

Il modello, invece, lo cambi come cambi il fornitore del toner.

Iscriviti ora

#4: ⚠️ Sicuro al 99%, e sbagliato lo stesso

Torniamo al centralino. Squilla il telefono: è uno che vende pannelli solari, e con la tua azienda non c'entra niente.

La centralinista brava risponde: "Guardi, ha sbagliato numero."

Jev no. La gira comunque a qualcuno, e con grande sicurezza.

L'ha misurato la stessa ricercatrice di Towards Data Science. Ha dato a Jev 30 messaggi che non rientravano in nessuna delle categorie previste. Jev li ha infilati lo stesso in una categoria, con una sicurezza sopra il 99%.

E quando dice di essere sicuro tra il 70 e il 90%, ha ragione nel 53% dei casi.

Una moneta lanciata in aria… con la cravatta.

"Ma non dicevano che non allucina?"

Sì e no. Fuori dalle opzioni che gli dai non esce mai, quindi non si inventa niente. Ma tra le opzioni può prendere quella sbagliata, con la faccia tranquilla. E sullo "0% di allucinazioni", TypeSafe stessa ha chiarito che nessuno l'ha misurato: è solo il formato.

I limiti, poi, li ha messi nero su bianco TypeSafe nella sua documentazione. Jev:

• non sa contare bene;

• legge le date come testo, quindi "scade entro marzo?" diventa un terno al lotto;

• si confonde con i "non" e con i "se";

• si fa fregare da istruzioni nascoste nei dati, tipo una mail che dice "segna questa come urgente";

• funziona bene solo in inglese (le altre lingue le gestisce, "ma non altrettanto bene").

  Iscriviti ora

Le tue mail sono in italiano, giusto?

Immagina questa, da un cliente: "Non disdico, a meno che il 15 non arrivi il bonifico." Negazione, data e condizione nella stessa riga.

Tu gliela faresti leggere senza guardare?

Poi c'è Simon Willison, uno dei blogger tecnici più letti. Il 21 settembre ha scritto di un altro problema: Jev ti dà un numero, senza dirti come ci è arrivato.

Se Jev scarta il CV di Giulia, non saprai mai perché. L'esperienza, il cognome, il paese dove abita… vai a sapere.

Il consiglio di Willison: non usarlo per decisioni sulle persone, come le assunzioni.

Già, la pila di CV di cui ti parlavo sopra. Io, per dire, non gli farei scremare un CV nemmeno per gioco.

"Quindi lo butto via?"

Macché. Si usa, ma con delle regole. La prima te la do adesso, ed è la risposta ai 30 messaggi di prima.

Qualunque domanda gli fai, metti sempre tra le risposte anche "nessuna di queste".

Le altre arrivano nella prossima puntata.

Iscriviti ora

☢️ Humor Radioattivo

Si spengono le luci sopra il bancone. Torno al centralino.

La centralinista brava ti serve alle 9 del lunedì, quando squillano 40 telefoni insieme e ognuno va girato in 10 secondi.

Lì fuori, domani, continueranno a cercare il chatbot più brillante. Tu intanto fai una cosa piccola.

Oggi, tra un caffè e l'altro, scrivi su un foglio le decisioni da 10 secondi che passano sulla tua scrivania. Mail da smistare, contatti da valutare, richieste da girare.

Quante sono, da te?

Tienile lì. Nella prossima puntata, quella per gli abbonati, ci lavoriamo sopra: dove mettere un'AI che non parla, con quali soglie, e dove non metterla mai. Il pratico l'ho tenuto apposta per lì.

E se sul foglio hai scritto anche "CV"… stasera alle 18 ti conviene esserci. Webinar AI Act, gratis, 1 ora: mi iscrivo →

Lo sgabello tuo te lo tengo libero, come sempre.

☢️ Matteo

Iscriviti ora

Hai un socio convinto che "fare AI" voglia dire mettere ChatGPT dappertutto? Inoltragli questa puntata. Magari scopre che gli serviva una centralinista.

Condividi

Nell'ultima puntata ti ho mostrato cosa c'è davvero sotto ai sistemi AI che reggono le mie giornati: non grafi colorati, omini che lavorano sullo schermo.

Ciò che funziona sono cartelle con nomi noiosi, organizzate secondo 4 pilastri precisi.

Oggi ti do gli strumenti per costruirlo in autonomia.

Prima però una cosa da togliersi dalla testa, perché è l'errore più comune quando qualcuno ci prova da solo per la prima volta.

Non apri Claude e gli dici "organizzami tutto".

Chi parte così ottiene lo stesso identico caos di prima, solo impacchettato più in fretta e con nomi di cartelle diversi, e se ne accorge solo qualche settimana dopo, quando è già pieno di file veri da spostare di nuovo.

La struttura buona non nasce da un comando generico: nasce da domande specifiche, fatte prima di scrivere anche solo il primo livello.

Oggi vediamo quali domande farti prima di aprire anche una sola cartella, come si costruisce passo per passo senza saltare l'ordine giusto, cosa fare se hai già cartelle sparse invece di partire da zero, e come evitare l'errore che affonda la maggior parte dei primi tentativi.

☕ Tazza in mano. Si parte.

Iscriviti ora

📣 Prima del caffè: Martedì si parla di AI ACT

Martedì 29 settembre, ore 18:00. Webinar gratuito, 1 ora, online.

L’AI Act è cambiato di nuovo quest’estate, e in giro si trovano solo due tipi di informazione: l’allarmismo da convegno oppure il silenzio.

Per questo abbiamo messo insieme le due metà del problema: io porto la parte AI, quella che vedo ogni giorno nelle aziende.

ISCRIVITI GRATIS AL WEBINAR

P&G Legal Services, società di consulenza legale alle imprese, porta la parte legale.

In un’ora ti diciamo cosa vale per la tua azienda, cosa puoi lasciare stare e da dove conviene partire.

Con casi reali di aziende seguite da P&G: cosa mancava e come si sono organizzate.

Vale sia se l’azienda è tua, sia se ci lavori dentro.

Riserva il tuo posto gratis →

💡 Pensiero del giorno

La struttura giusta non la disegni con la mente sgombra.

La disegni rispondendo a una domanda che, da solo, non ti saresti fatto.

🧪 AI in azione

#1: Le domande prima della prima cartella

Prima di scrivere anche un solo livello di struttura, Claude deve farti 3 tipi di domande. Se non te le fa, gliele fai fare tu: è il pezzo che decide se il resto regge o crolla nel giro di un mese.

La prima categoria mappa le aree.

Non "che lavoro fai", ma le aree vere e separate della tua vita professionale: l'azienda, i clienti, gli strumenti che usi, il personale se lo tieni nello stesso posto. Poche aree, larghe, mai una cartella per ogni piccola cosa che ti viene in mente in quel momento.

Quante aree, in pratica? La maggior parte di chi lo fa bene si ferma tra 4 e 7. Meno di 4 e finisci per infilare cose diverse nello stesso posto solo perché non hai un'altra cartella pronta. Più di 7 e cominci a duplicare: due aree che si somigliano abbastanza da farti chiedere ogni volta "questo dove lo metto", che è esattamente il problema che stavi cercando di risolvere.

La seconda categoria mappa il dolore reale, non quello immaginato.

Cosa cerchi più spesso e non trovi mai al primo colpo? Quella risposta, non la teoria di come "dovrebbe" essere organizzato un archivio, decide dove mettere gli indici più dettagliati. Se passi la vita a cercare vecchie note di chiamata con i clienti, quella è la prima area da strutturare bene. Il resto aspetta.

La terza categoria è quella che quasi tutti saltano, ed è la più importante delle tre:

cosa non deve mai finire nello stesso posto di tutto il resto. Contratti con clausole di riservatezza, dati personali, credenziali, bozze che non sono ancora pronte per essere lette da chiunque apra quella cartella. Non è un dettaglio tecnico: è la differenza tra un sistema che usi tranquillo e uno che un giorno ti costa un cliente.

Iscriviti ora

Da queste 3 risposte esce una mappa delle aree, non ancora le cartelle.

Read more

Oggi ti faccio 3 domande, e ti chiedo di rispondere senza pensarci troppo.

In azienda qualcuno usa ChatGPT? Qualcuno ci scrive le email ai clienti, le offerte, i post?

Qualcuno ha mai spiegato alle persone come usarlo e cosa non ci devono mettere dentro?

Negli ultimi mesi le ho fatte a decine di imprenditori, e la risposta è quasi sempre la stessa: sì, sì, no.

Poi arriva la loro obiezione: «L'AI Act riguarda le big tech». E lì cambia la faccia, perché non è così.

Riguarda anche chi l'AI la usa per scrivere un'offerta il martedì mattina. E una parte è in vigore da più di un anno e mezzo.

Oggi non ti faccio un corso di diritto (non sono un avvocato, e si vedrebbe).

Ti racconto cosa ho capito stando in mezzo alle aziende che l'AI la usano ogni giorno: perché la conformità, per la maggior parte di noi, è prima di tutto un problema di competenza.

☕ Tazza in mano. Si parte.

Iscriviti ora

📣 Prima del caffè: ne parliamo dal vivo

Martedì 29 settembre, ore 18:00. Webinar gratuito, 1 ora, online.

L'AI Act è cambiato di nuovo quest'estate, e in giro si trovano solo due tipi di informazione: l'allarmismo da convegno oppure il silenzio.

Per questo abbiamo messo insieme le due metà del problema: io porto la parte AI, quella che vedo ogni giorno nelle aziende.

ISCRIVITI GRATIS AL WEBINAR

P&G Legal Services, società di consulenza legale alle imprese, porta la parte legale.

In un'ora ti diciamo cosa vale per la tua azienda, cosa puoi lasciare stare e da dove conviene partire.

Con casi reali di aziende seguite da P&G: cosa mancava e come si sono organizzate.

Vale sia se l'azienda è tua, sia se ci lavori dentro.

Riserva il tuo posto gratis →

💡 Pensiero del giorno

Il rischio non è l'AI che usi.

È l'AI che usi senza che nessuno sappia come.

🧪 AI in azione

#1: Il calendario che nessuno ha guardato

Se chiedi in giro quando entra in vigore l'AI Act, la risposta più comune è «nel 2027, forse»: una risposta comprensibile, perché il regolamento europeo (il Regolamento UE 2024/1689) si applica a scaglioni, e le notizie parlano quasi sempre delle scadenze più lontane, quelle sui sistemi ad alto rischio.

Ma chi guarda solo l'ultima data si perde le 3 che sono già passate.

La prima è il 2 febbraio 2025: da quel giorno chi usa sistemi di AI deve occuparsi dell'alfabetizzazione delle persone che li usano per suo conto.

In parole semplici: se in azienda qualcuno lavora con ChatGPT, Copilot o Gemini, l'azienda deve fare in modo che sappia usarli.

La seconda è il 2 agosto 2025, con le regole sui modelli di AI per finalità generali e il regime delle sanzioni.

La terza è il 2 agosto 2026, poco più di un mese e mezzo fa: da lì valgono gli obblighi di trasparenza, cioè i casi in cui devi dire chiaramente che un contenuto o una conversazione sono generati dall'AI.

E da agosto di quest'anno le autorità possono contestare le violazioni delle regole già in vigore.

C'è anche una quarta data, il 2 dicembre 2026, con 2 nuove pratiche vietate introdotte quest'estate dal cosiddetto Digital Omnibus, il regolamento che ha modificato l'AI Act.

In Italia, poi, c'è una legge nazionale sull'AI del settembre 2025 che completa il quadro e individua le autorità competenti.

Dal bancone la scena che vedo più spesso è questa: l'azienda aspetta "che la norma si assesti" prima di muoversi.

Il problema è che la norma si è assestata sulla parte che la riguarda già da un pezzo, e quella che cambia è proprio quella che non la riguarda.

Il tetto massimo delle sanzioni arriva al 7% del fatturato mondiale per le pratiche vietate, e fino al 3% o 15 milioni per gli obblighi di trasparenza (per le PMI vale l'importo più basso, ma non è zero).

Nessuno ha ancora ricevuto la prima multa AI Act, e chi la riceverà per primo diventerà l'esempio che tutti citeranno ai convegni per anni.

Iscriviti ora

#2: Il rischio vero non è la multa, è il copia-incolla

Se ti fermi alle cifre delle sanzioni, ti perdi il punto.

La maggior parte delle aziende che conosco non rischia di finire sui giornali per un sistema di sorveglianza biometrica.

Rischia qualcosa di molto più banale: persone che usano l'AI ogni giorno, bene o male, senza che nessuno abbia mai detto loro come.

I numeri su questo sono chiari da tempo.

Il Work Trend Index 2024 di Microsoft e LinkedIn, su 31.000 lavoratori in 31 paesi, ha rilevato che il 75% dei knowledge worker usava già l'AI generativa al lavoro, e che il 78% di loro portava i propri strumenti da casa, senza aspettare che l'azienda decidesse qualcosa.

Il nome tecnico è shadow AI: l'AI che c'è, ma che nessuno ha censito.

Il caso più citato resta quello di Samsung, nel 2023: alcuni ingegneri incollarono in ChatGPT codice sorgente riservato e appunti di riunioni interne per farsi aiutare.

Nessuna cattiveria, solo fretta e buona volontà. Risultato: l'azienda vietò per mesi gli strumenti di AI generativa sui dispositivi aziendali.

E in Italia abbiamo un esempio ancora più vicino.

Il 18 marzo 2026 il Tribunale di Siracusa si è trovato davanti un atto difensivo scritto con l'AI e mai controllato, con 4 citazioni di Cassazione sbagliate.

Il giudice ha parlato di «colpevole negligenza»: causa persa e oltre 30.000 euro tra spese, risarcimento e sanzione.

Attenzione: nessuno di questi è una multa AI Act, ed è proprio questo il punto.

L'obbligo di alfabetizzazione esiste per evitare esattamente questi incidenti, che costano parecchio anche senza nessuna autorità di mezzo.

Più che chiederti se rischi una multa, quindi, chiediti questo: se domani un collega incolla i dati di un cliente in uno strumento non autorizzato, qualcuno gli aveva spiegato che non si fa?

Se la risposta è no, il problema c'è già, con o senza AI Act.

Iscriviti ora

#3: Cosa cambia, per chi ha l'azienda e per chi ci lavora

Qui divido il discorso in due, perché questa puntata la leggono sia imprenditori sia dipendenti, e l'AI Act chiede cose diverse a seconda di dove sei seduto.

Se l'azienda è tua, il primo passo è di conoscenza, prima ancora che legale: sapere quali strumenti di AI usano davvero le tue persone, compresi quelli che nessuno ha autorizzato.

Senza questa fotografia non sai cosa mettere in regola, e rischi di sbagliare in entrambe le direzioni. Da una parte c'è chi ignora tutto e spera che nessuno controlli.

Dall'altra c'è chi si spaventa e compra il primo pacchetto di consulenza che trova, anche quando per la sua dimensione non serve. Tutte e 2 sono scelte fatte al buio.

Un indizio, senza rovinarti il webinar: la legge non ti chiede un numero minimo di ore di formazione, né un attestato standard.

Ti chiede qualcosa di più sottile, di più proporzionato, e proprio per questo più facile da sbagliare. E ti chiede di poter dimostrare cosa hai fatto.

Come si fa senza trasformarlo in burocrazia, è esattamente una delle cose che vediamo il 29.

Se ci lavori dentro, l'AI Act ti riguarda meno come responsabilità e più come tutela.

Hai diritto a sapere quali strumenti puoi usare, cosa non devi mai incollarci dentro e quando devi dichiarare che un testo, un'immagine o una risposta a un cliente sono generati dall'AI.

Se nessuno te l'ha mai detto, la colpa non è tua. Ma chiederlo è una mossa intelligente, e ti rende la persona che in ufficio ha capito prima degli altri.

Una cosa vale per entrambi: fatta bene, la conformità non è solo una difesa: è qualcosa che clienti e fornitori iniziano a chiederti nei questionari, nelle gare, nei contratti.

Chi ci arriva prima, oltre a evitare un problema, si presenta meglio.

Iscriviti ora

📌 Prompt Espresso

Questo prompt ti aiuta a fare la fotografia di come l'AI viene usata davvero, da te o dal tuo team, prima di chiederti se sei in regola.

Non ti dà un parere legale (non può, e diffida di qualsiasi prompt che te lo promette). Ti dà una mappa onesta, che è il punto di partenza di qualunque ragionamento serio.

Usalo in Claude o ChatGPT, in una chat nuova. Se sei un imprenditore, compilalo pensando all'azienda.

Se sei un dipendente, compilalo pensando al tuo lavoro: funziona uguale. E se hai dati sensibili, non incollarli: descrivili a parole.

È già il primo esercizio.

Iscriviti ora

Agisci come un consulente operativo senior che aiuta le aziende a capire come usano davvero l'intelligenza artificiale. Non dare pareri legali: il tuo compito è fare chiarezza.

Il mio contesto: [es. agenzia di marketing da 8 persone / studio professionale / dipendente dell'ufficio commerciale di un'azienda manifatturiera].

FASE 1, LA MAPPA DEGLI STRUMENTI

Fammi domande, una alla volta, per ricostruire:
- quali strumenti di AI vengono usati (anche quelli installati da singole persone o usati con account personali)
- chi li usa e per quali attività concrete (email, offerte, contenuti, analisi, codice, altro)
- quali di questi strumenti sono stati scelti o approvati da qualcuno, e quali no

FASE 2, I DATI CHE CI PASSANO DENTRO

Per ogni attività della Fase 1, aiutami a capire:
- che tipo di informazioni finiscono dentro lo strumento (dati di clienti, dati personali, informazioni riservate, niente di sensibile)
- se qualcuno controlla l'output prima che arrivi a un cliente o a una decisione
- in quali casi l'output arriva a persone esterne senza che sappiano che è generato dall'AI

FASE 3, LE DOMANDE DA PORTARE A UN ESPERTO

Sulla base delle mie risposte, preparami:
- una tabella riassuntiva: strumento, chi lo usa, per cosa, dati coinvolti, controllo umano sì/no
- le 3 situazioni che ti sembrano più delicate, spiegate in linguaggio semplice
- 5 domande precise da fare a un consulente legale o durante un webinar sull'AI Act, basate sul mio caso reale

⚠️ Il valore di questo prompt non sta nella tabella finale.

Sta nella Fase 1: quasi tutti scoprono almeno uno strumento che non sapevano di usare, o che qualcuno usa con un account personale. Quella scoperta vale più di qualunque checklist scaricata da internet, perché è la tua.

E le 5 domande della Fase 3 portale il 29: sono esattamente il tipo di domande a cui vogliamo rispondere.

Iscriviti ora

☢️ Humor Radioattivo

Se ti porti via una riga sola da oggi, portati questa: l'AI Act non ti chiede di diventare un avvocato. Ti chiede di sapere come la tua azienda usa l'AI.

Chi ha quella fotografia ha già fatto metà del lavoro.

Il resto, cosa vale davvero per te e da dove partire, lo vediamo dal vivo. Martedì 29 settembre, ore 18:00, gratis →

Alla prossima tazza, ci vediamo il 29.

☢️ Matteo

Iscriviti ora

Negli ultimi due mesi ho visto decine di video che mostrano agenti AI colorati che si parlano tra loro, grafi 3D che ruotano su schermi neri, cervelli digitali animati che pulsano come se stessero pensando davvero.

Ogni volta la stessa reazione: bellissimo da guardare, quasi sempre inutile da usare.

Poi vado a vedere cosa funziona davvero, dentro Morfeus e dentro le aziende che seguiamo.

La scena cambia completamente: nessuna animazione, nessun grafo che ruota.

Solo cartelle. Sul desktop. Con nomi noiosi, scritti sempre allo stesso modo.

È qui che la maggior parte delle persone si perde: pensa che un sistema AI potente debba sembrare potente.

Invece i sistemi che oggi reggono un lavoro vero, tutto il giorno, senza che tu debba rispiegare le cose ogni mattina, sono strutturalmente semplici. Non facili da costruire bene: semplici nella forma.

Oggi ti spiego perché quello che vedi online quasi sempre non regge, e cosa trovi invece se apri la cartella di chi lavora sul serio con Claude.

☕ Tazza in mano. Si parte.

Il bar è aperto, il bancone è pulito, e oggi si parla di quello che c'è davvero dietro le quinte.

Iscriviti ora

Prima una domanda: sapresti già costruirtelo da solo?

Prima di scendere, una cosa veloce.

Tutto quello che leggi qui sotto ti serve a un livello diverso a seconda di dove sei già arrivato con l'AI.

Chi lavora ancora dentro un'unica chat infinita ha un problema. Chi si è già costruito un minimo di struttura ne ha uno molto più piccolo, e spesso non lo sa.

Per questo esiste il Collaudo: 2 minuti e mezzo, nessun "procedi" da cliccare, e alla fine un referto che ti dice a che livello sei davvero, misurato e non dichiarato, su una scala di 8, da Spettatore ad Architetto.

Dopo il test si sblocca un corso gratuito di 7 ore dentro la community, il punto da cui parte tutto quello che ti mostro venerdì.

Fai il test qui: playground.morfeushub.com/gate.

Poi torniamo al bancone.

SCOPRI A CHE LIVELLO SEI

💡 Pensiero del giorno

Un sistema AI che racconti volentieri al bar la sera e uno che ti fa risparmiare due ore ogni giorno sono quasi sempre due sistemi diversi.

Il primo lo guardi. Il secondo lo usi.

🧪 AI in azione

#1: Il 95% dei sistemi AI che sembrano avanzati non lavora davvero

Parti da un dato che il mercato ha già digerito, anche se in pochi lo ripetono ad alta voce.

Uno studio del MIT del 2025, tra i più citati sull'adozione aziendale dell'AI generativa, ha misurato quante iniziative interne alle aziende, non demo, non prototipi, proprio i progetti lanciati con budget vero, arrivano a produrre un ritorno misurabile. Il numero è 95%: fallisce, non decolla, resta un pilota che nessuno usa più un anno dopo.

Il motivo che lo studio isola non è la qualità del modello. È l'assenza di un sistema che ricordi, che si integri nel lavoro reale, che impari nel tempo invece di ripartire da zero a ogni sessione.

Guarda ora cosa gira su YouTube e su Instagram quando cerchi "AI agents" o "second brain".

Iscriviti ora

Agenti colorati che si parlano tra loro in tempo reale, interfacce da film di fantascienza, musiche in crescendo sopra ogni click. Grafi 3D che ruotano, ogni nodo un concetto, ogni linea una connessione, tutto animato, tutto luccicante.

È lo stesso identico errore che lo studio del MIT misura da un'altra angolazione: si investe nella superficie, non nella struttura che dovrebbe starci sotto.

Non sto dicendo che siano tutte finte. Alcune di quelle demo funzionano davvero, per quel singolo caso preparato per il video.

Il problema è un altro: quello che rende un sistema AI utile ogni giorno, per mesi, con dati veri e non con un esempio preparato per la telecamera, sta quasi sempre fuori dallo schermo, invisibile.

Non è fatto per essere guardato. È fatto per essere usato.

La regola pratica che mi porto dietro da anni, e che vale ancora di più oggi: se un sistema AI è bello da vedere prima ancora di sapere se funziona, il tempo che qualcuno ha investito è andato nella parte sbagliata.

Chi costruisce sul serio parte dal contrario: prima lo fa reggere, poi, se avanza tempo, lo rende presentabile. Quasi mai avanza tempo per la seconda parte, e infatti la maggior parte degli strumenti che vedi girare tutti i giorni, quelli veri, non li hai mai visti in un video.

Tienila a mente questa distinzione, perché da qui in poi ti mostro cosa c'è davvero sotto ai sistemi che reggono, cartella per cartella.

Iscriviti ora

#2: Non è un Notion più intelligente. È un manuale operativo che l'AI legge da sola

Appena senti "secondo cervello" la testa va quasi automaticamente altrove: Notion, Obsidian, il metodo di Tiago Forte, anni di persone che organizzano note, tag e collegamenti per ricordarsi meglio le cose che leggono.

È un mondo reale, utile, e completamente diverso da quello di cui ti parlo oggi.

Quel mondo costruisce un sistema per un cervello umano che deve ritrovare un'informazione dentro migliaia di note. Qui il lettore finale non sei tu: è l'AI.

E questo cambia tutto, perché quello che conta come "ben fatto" non è più "bello da sfogliare". È "trovabile in un colpo solo da chi legge migliaia di file al secondo e non si stanca mai di farlo".

In Morfeus lo chiamiamo manuale operativo AI, e la definizione che uso quando lo spiego è questa: una struttura di cartelle e sottocartelle, organizzata in modo talmente preciso che Claude sa sempre, senza doverglielo rispiegare, dove andare a prendere l'informazione che gli serve in quel momento.

Pensa a ogni cartella come a un cassettino del tuo cervello. Non ci pensi finché non ti serve qualcosa, e quando ti serve, sai già quale cassettino aprire.

Non lo cerchi: lo trovi. Il tuo cervello ha già imparato dove sta.

Alcune di queste cartelle, dentro un sistema costruito bene, non sono nemmeno cassettini: sono stanze intere.

Dentro ci sta un arsenale di strumenti che l'AI può usare a piacimento per fare meglio il lavoro, non solo informazioni da leggere. Uno strumento che scrive codice, uno collegato al calendario, uno che gestisce email per te: tutto vive dentro la stessa struttura, raggiungibile con lo stesso criterio di un file di testo.

La differenza pratica, quella che senti nel primo giorno che lo usi sul serio, è questa: con un secondo cervello per umani tu cerchi.

Con un manuale operativo AI, è l'AI che cerca al posto tuo, dentro una struttura che hai costruito una volta sola.

A livello pratico, ogni cartella principale gestisce un'area della tua vita professionale e basta: l'azienda, il personale, i clienti, gli strumenti.

Dentro ognuna, la stessa logica si ripete uguale a se stessa, sottocartella dopo sottocartella, così che imparare a muoversi in una significa già sapersi muovere in tutte le altre.

Non è un dettaglio estetico: è la ragione per cui l'AI, la prima volta che apre un'area nuova, sa già cosa aspettarsi.

Iscriviti ora

#3: I quattro pilastri di una struttura che regge davvero

Tolta la scenografia, cosa resta?

Quattro cose, sempre le stesse, in ogni sistema che ho visto reggere più di qualche settimana.

La prima è l'organizzazione con indici e file guida.

Ogni cartella seria ha un file, che sia un README o un CLAUDE.md, che spiega a chi entra, umano o AI, cosa c'è dentro e come è organizzato. Ogni sottocartella segue lo stesso schema del resto, ogni documento viene nominato sempre allo stesso modo.

Non è burocrazia: è quello che permette all'AI di navigare dritta al punto giusto invece di aprire 10 file a caso per capire dove si trova.

La seconda è la routine di pulizia automatica.

Un cervello che accumula informazioni senza mai riordinarle non migliora, peggiora. Diventa un magazzino dove il file giusto è sepolto sotto 200 file superati.

I sistemi che reggono hanno routine che scattano ogni tanto, una volta a settimana, una volta al mese, e fanno tre cose: archiviano quello che non serve più, segnalano quello che è duplicato o contraddittorio, aggiornano gli indici perché restino veri.

Senza questo passaggio, il sistema più bello del mondo diventa un cestino entro pochi mesi.

Iscriviti ora

Da noi, dentro Morfeus, una di queste routine scatta ogni lunedì mattina, prima di aprire qualunque altro lavoro: confronta cosa c'è scritto nei file con cosa esiste davvero, e segnala gli scarti.

La terza, quella che decide tutto il resto, è l'utilità reale.

Un sistema che racconti volentieri al bar la sera, ma che non usi mai per lavorare davvero, non è un secondo cervello: è un progetto collaterale che ha rubato tempo al lavoro vero.

Il test è semplice: ti fa risparmiare tempo che prima passavi a cercare informazioni, e ti dà una memoria coerente per cui non devi rispiegare ogni giorno chi sei, che clienti segui, cosa devi consegnare?

Se la risposta è no, prima di aggiungere altro va sistemato questo.

La quarta sono i collegamenti.

Un sistema maturo non vive isolato: è agganciato al calendario, alla posta, agli strumenti che usi ogni giorno, così l'AI accede direttamente ai dati veri invece che a un riassunto scritto a mano da te.

La sicurezza di questi collegamenti è un discorso a parte, che tratteremo in un'altra puntata: qui basti sapere che esiste, ed è il livello successivo rispetto alle sole cartelle.

Per rendertelo concreto, un esempio solo, piccolo apposta.

Immagina una cartella clienti dove ogni cliente, senza eccezioni, ha lo stesso identico scheletro di sottocartelle: contratto, note delle chiamate, materiali consegnati, un file indice in cima che riassume lo stato. Cambia il cliente, la struttura resta identica.

È questo, moltiplicato per ogni area della tua vita professionale, il manuale operativo di cui parliamo.

Iscriviti ora

#4: Il fallimento più comune, e perché fa parte del gioco

C'è un fallimento che vedo ripetersi più di ogni altro, e vale la pena nominarlo prima che tu lo scopra da solo sulla tua pelle: l'over-engineering.

Chi si costruisce il primo manuale operativo da solo, senza aver mai visto come si fa, quasi sempre esagera nella direzione sbagliata. Troppe sottocartelle annidate una dentro l'altra. Nomi diversi per la stessa cosa, decisi in momenti diversi. Zero disciplina nell'aggiornarlo una volta costruito.

Il risultato, nel giro di un mese, è un sistema più confuso di quando non esisteva: l'AI si perde dentro la tua struttura tanto quanto ti perdevi tu prima di costruirla.

Questo non vuol dire che sia facile. Vuol dire l'esatto contrario: oltre a sapere come si struttura, c'è bisogno di farlo, farlo e farlo ancora.

Le prime due volte che lo costruisci da solo, con ogni probabilità, faranno abbastanza schifo: nomi incoerenti, cartelle nel posto sbagliato, un indice che smette di riflettere quello che c'è dentro dopo la prima settimana.

Iscriviti ora

È normale, ed è il motivo per cui la maggior parte di chi ci prova senza una guida molla al primo tentativo, convinta che il metodo non funzioni.

Il metodo funziona. La prima versione, quasi sempre, no.

Il pezzo che quasi nessuno racconta quando spiega questi sistemi è questo: non devi costruirlo tu, a mano, pezzo per pezzo.

È Claude che struttura la cartella al posto tuo, se gli dai le domande giuste da farti prima ancora di iniziare a scrivere. Tu decidi le aree della tua vita professionale, lui disegna lo scheletro, i file guida, gli indici, le convenzioni di nome, e tu correggi finché non è tuo davvero.

Venerdì ti porto dentro esattamente questo: come si struttura passo per passo, quali domande fare a Claude prima di aprire la prima cartella, e come si evita l'errore che hai appena letto fin dal primo giorno.

Iscriviti ora

Se vuoi saltare i primi errori…

Non tutti hanno voglia, o tempo, di passare due tentativi falliti prima di arrivarci.

Noi lo facciamo per lavoro, tutti i giorni, dentro Morfeus e dentro le aziende che seguiamo. La differenza che vediamo quando il manuale operativo regge davvero si misura in ore, non in sensazioni: ogni giorno si risparmiano diverse ore solo di ricerca di informazioni, e il lavoro di un intero team accelera a un livello che, la prima volta che lo vedi, sembra sbagliato.

Se vuoi capire quanto di questo si applica a te e alla tua azienda, prenota una chiamata con uno dei nostri esperti: la trovi qui,

PRENOTA LA CALL

☢️ Humor Radioattivo

Il bancone chiude qui.

Se devi portarti via una riga sola, portati questa: quello che luccica online quasi mai è quello che regge nel tuo lavoro vero. Il secondo cervello che ti fa risparmiare tempo ogni giorno è noioso da vedere, ed è esattamente per questo che funziona.

Venerdì entriamo nel pratico: come costruisci, passo per passo, il tuo manuale operativo AI, dentro casa tua, sul tuo caso vero, con Claude che disegna la struttura al posto tuo.

☢️ Matteo

Se conosci qualcuno che ha appena visto l'ennesimo grafo 3D e ci sta pensando su, questa puntata è per lui. Girargliela costa meno che aspettare che lo scopra da solo.

Pochi giorni fa ti ho lasciato con una storia: un founder sparito con 500.000 dollari, e uno strumento che è sopravvissuto al suo crollo.

GSD. Il sistema che qualcuno ha recuperato dalle macerie e rimesso a nuovo.

Ti avevo promesso di spiegarlo nel pratico oggi. Ed eccoci qui.

Prima però una cosa da togliersi dalla testa subito, perché è l'errore che vedo ripetersi ogni volta che qualcuno scopre GSD e lo installa aspettandosi miracoli.

Non è uno strumento che fa tutto al posto tuo. Non scrive il marketing. Non chiude il report. Non organizza le cose con un prompt e via. Chi lo tratta così resta deluso in una settimana, lo disinstalla, e scrive online che è sopravvalutato.

La verità è più stretta, e proprio per questo più forte. GSD non fa il lavoro per te. Ti costruisce lo strumento che farà quel lavoro per te, ogni volta che ti serve.

Oggi vediamo come si installa senza rischi, come funzionano davvero le 5 fasi, non solo i nomi, e come si usa per costruire il tuo alleato su misura, non il risultato finale.

☕ Tazza in mano. Si parte.

Iscriviti ora

💡 Pensiero del giorno

Se devi combattere, non ti serve chi vince la battaglia al posto tuo. Ti serve chi ti forgia la spada.

Se devi arare un campo, non ti serve chi ara al posto tuo. Ti serve chi ti costruisce l'aratro.

🧪 AI in azione

#1: Come si installa senza rischi, e le 5 fasi spiegate su un caso piccolo

Prima l'installazione, perché è dove si sbaglia di solito.

Non installare direttamente GSD sul tuo piano claude.

Si tratta dello stesso principio di sicurezza della puntata scorsa, e vale ancora di più qui, perché stai per dare a questo sistema il controllo di come lavori ogni giorno.

Il modo giusto è semplice: dai a Claude il link del repository, oggi la versione sicura è quella mantenuta come open-gsd/gsd-core, e chiedigli di leggere quella struttura da remoto e ricrearla dentro il tuo progetto o le tue cartelle.

Stesso metodo, zero codice che non hai controllato tu.

• github.com/open-gsd/gsd-core — la versione attiva oggi: sicura da usare

Fatto questo, per usare GSD si seguono 5 fasi, sempre nello stesso ordine: discuti, pianifica, esegui, verifica, consegna.

Per farti capire il funzionamento logico, andiamo con un esempio.

Vuoi un sistema che prenda le note vocali che registri durante la giornata e te le trasformi in un riepilogo leggibile la sera.

Iscriviti ora

Discuti.

Non è un interrogatorio, è una conversazione veloce, pochi minuti: che formato deve avere il riepilogo, diviso per argomento o per orario, cosa succede se una nota è incomprensibile, dove salva il file finale. Sono le decisioni che altrimenti il sistema dovrebbe indovinare da solo più avanti, in fase di piano, e ogni volta che indovina storto te ne accorgi solo a lavoro finito. Da questa fase esce un solo file: il verbale delle decisioni prese, che tutte le fasi successive rileggono.

Pianifica.

È qui che succede il lavoro pesante, non nella fase prima. Il sistema controlla prima cosa esiste già, per non reinventare quello che qualcun altro ha già risolto, poi scompone il lavoro in pezzi piccoli. Per ciascuno scrive i criteri con cui capirai se è fatto bene.

Non "sembra fatto bene". Criteri che si controllano uno per uno. Se salti questo pezzo, alla fine giudicherai il lavoro a occhio, e a occhio ci si sbaglia sempre a proprio favore. C'è pure un secondo controllo automatico che rilegge il piano appena scritto e lo respinge se è incompleto o vago, prima ancora che tu lo veda.

Una regola d'oro qui: tieni le fasi piccole. Chi prova a pianificare tutto in una fase sola, dal riepilogo delle note fino all'invio automatico via email fino al backup, finisce con un piano confuso e un'esecuzione che si perde per strada. Meglio 3 fasi piccole e testabili che una gigantesca e vaga: nel dubbio, spacchetta.

Read more

C’è una domanda che vale più di qualsiasi strumento di cui ti parlerò oggi, ed è questa:

quando pensi a qualcosa che vorresti costruire con l’AI
Vai a cercare qualcosa che funziona già, studiarla e migliorarla,

o buttarti subito a reinventarlo da zero?

La maggior parte delle persone sceglie la seconda strada. Passano settimane a costruire da soli qualcosa che esisteva già, spesso peggio, per la sola soddisfazione di poter dire “l’ho fatto io”.

Chi lavora bene con l’AI fa l’esatto contrario.

Trova quello che già regge, lo smonta, capisce perché funziona, e lo rimonta un po’ meglio per il proprio caso. Non è pigrizia. È l’unica strategia che io abbia mai visto vincere sul serio, e con l’AI vale più che altrove.

Oggi te lo dimostro con una storia vera, successa nelle ultime settimane dentro il mondo di chi usa Claude per darci dentro sul serio.

È la storia di uno strumento che per un periodo è stato, con ogni probabilità, il singolo strumento più potente del 2026 per uno che lavora con l’AI.

Non uno dei tanti: IL tool del 2026. E di come è franato tutto, di colpo, per un motivo che non ha niente a che fare con la tecnologia. Quello che è rimasto in piedi dopo il crollo, però, tienilo: è la parte che ti cambia il modo di lavorare.

☕ Tazza in mano. Si parte.

Iscriviti ora

Fonti della puntata:

• github.com/open-gsd/gsd-core — la versione attiva oggi: sicura da usare

• issue #3897, "Rug Pull? What is this b.s.?"

• openSUSE News

• Check Point Research

E tu, sai davvero quale è il tuo livello AI?

Prima di scendere, una cosa veloce.

Tutto quello che leggi qui sotto pesa in modo diverso a seconda di come già lavori con l’AI. Chi le riscrive i vincoli a mano a ogni chat ha un problema. Chi si è costruito un sistema che glieli tiene ne ha uno molto più piccolo, e spesso non lo sa.

Per questo abbiamo costruito il Collaudo: due minuti e mezzo, nessun “procedi” da cliccare, e alla fine un referto che ti dice a che livello sei davvero, misurato e non dichiarato, su una scala di 8, da Spettatore ad Architetto. Le cinque cose che misura sono le stesse cinque che decidono se il metodo di cui parliamo oggi lo stai già usando senza saperlo, o se per te è ancora tutto da scoprire.

Non è un test per farti sentire bravo. È scomodo apposta: ti dice il primo pezzo che ti manca e tre mosse concrete per costruirlo, una per oggi, una per questa settimana, una per il mese. È gratis, e da lì si entra nella community dove questa roba si fa tutto l’anno, non una volta a settimana.

Fai il test qui: playground.morfeushub.com/gate

☕ Poi torniamo al bancone.

SCOPRI A CHE LIVELLO SEI

💡 Pensiero del giorno

Chi inventa da zero deve anche sbagliare da zero.

Chi parte da qualcosa che già funziona eredita solo gli errori che altri hanno già pagato per te.

🧪 AI in azione

#1: Il primo errore lo fai prima ancora di aprire l’AI

Fermati un attimo su questa idea, perché è il filtro con cui ti conviene leggere tutto quello che segue.

Chi lavora bene con l’AI va a caccia di quello che ha già funzionato per qualcun altro, lo studia, capisce perché regge, e lo adatta al proprio caso: non scrive il prompt più originale del pianeta. Il primo passo è “cosa esiste già che posso prendere e rendere mio”, non “cosa invento io”.

Detta così suona quasi offensivo. Ti hanno insegnato per anni che l’originalità vale più della copia. Con l’AI è quasi il contrario: il tempo che passi a reinventare una ruota che qualcun altro ha già costruito, testato e rotto 100 volte al posto tuo, è tempo che non stai usando per andare oltre quel punto.

Vale anche quando quello che trovi sembra già perfetto. Soprattutto quando sembra già perfetto. Perché “perfetto per chi l’ha costruito” non vuol dire “perfetto per il tuo caso”. C’è sempre un pezzo da limare, un’ipotesi che valeva per un altro e non vale per te, un dettaglio che nessuno aveva motivo di notare finché non sei arrivato tu a usarlo in un modo leggermente diverso.

Quindi il vero lavoro è “trovo, smonto, capisco perché regge, e lo rimonto un po’ meglio per me”, mai “trovo e uso così com’è”.

Rivisitare, non solo riusare. Tienila a mente, questa frase, perché tra un attimo ti racconto una storia che la dimostra in un modo che non ti aspetti: con dentro soldi veri, una sparizione vera, e uno strumento passato in pochi mesi dall’essere il più amato in circolazione a diventare un caso da cui stare alla larga.

Proprio quando sembrava finito tutto, qualcun altro ha fatto esattamente quello che ti ho appena descritto: ha preso quello che c’era, l’ha smontato, e l’ha rimesso in piedi meglio di prima.

Iscriviti ora

#2: 64.000 stelle, poi il buio

A metà dicembre dell’anno scorso, un producer musicale che si fa chiamare TÂCHES, da anni nella musica elettronica e non nell’ingegneria, pubblica online un piccolo sistema per lavorare con Claude su progetti complessi.

Si chiama GSD, Get Shit Done.

L’idea è semplice: invece di buttare tutto il lavoro dentro un’unica conversazione lunghissima, dove l’AI comincia a perdere pezzi, lo spezza in fasi. Prima si discute cosa fare. Poi si pianifica nel dettaglio. Poi si esegue. Poi si verifica che sia stato fatto davvero, non solo dichiarato fatto.

Funziona, e funziona bene.

Nel giro di poche settimane il progetto esplode: a marzo ha già 35.000 persone che gli mettono una stella su GitHub, il segnale con cui quella community dice “mi serve, lo tengo d’occhio”.

Continua a salire fino a superare le 64.000 stelle, dove resta congelato il giorno in cui tutto si ferma. Per qualche mese, dentro il mondo di chi usa Claude Code per lavoro vero, è IL riferimento, non uno dei tool più usati: se lavori con l’AI su progetti complessi nel 2026 e non conosci GSD, con ogni probabilità stai lavorando peggio di chi lo conosce.

Poi TÂCHES lancia GSD Cloud, con dietro un token, una specie di moneta digitale legata al progetto per finanziarlo e far guadagnare chi ci crede per primo.

L’11 maggio vince 100.000 dollari a una hackathon dedicata proprio a questo genere di progetti. 10 giorni dopo, il token crolla del 90%. Dalla liquidità, i soldi veri che ne tenevano su il valore, spariscono circa 500.000 dollari. Gli account social del progetto si spengono. TÂCHES non si fa più vedere.

Che sia stata una truffa lo scrivono con cautela anche le fonti più serie: “rug pull” resta un giudizio della community, non una sentenza di un tribunale. Che migliaia di persone si siano sentite abbandonate, però, è documentato: il 10 giugno qualcuno apre su GitHub una issue dal titolo che non lascia dubbi, “Rug Pull”, linkando le fonti esterne che ne parlano. Il 26 giugno il progetto originale viene chiuso e archiviato.

La domanda da farti, adesso, è questa: come si fa a continuare a usare gli strumenti più potenti in circolazione, costruiti da chi non conosci e non controlli, senza ritrovarsi nella stessa storia? La risposta non è evitare i tool potenti, che sarebbe come dirti di smettere di guidare per non avere incidenti. La risposta è cambiare una sola abitudine, e tenerla sempre.

Qualunque strumento tu scarichi da internet per lavorare con la tua AI, un plugin, uno script, una libreria di comandi, non sai davvero chi c’è dall’altra parte, né se domani sparirà o ci infilerà dentro qualcosa che non dovrebbe esserci. Non è paranoia: esistono già casi documentati, su Claude Code, di strumenti con comandi nascosti che si attivano da soli appena apri quella cartella come progetto attivo, capaci di eseguire codice o rubarti le chiavi d’accesso. Per questo, quando trovo online qualcosa che mi serve, non lo installo mai così com’è: copio il link, lo do a Claude, e gli chiedo di leggere quella struttura da remoto e ricrearla dentro il mio progetto, senza mai aprire la cartella originale come se fosse mia. Il rischio si accende solo quando quella cartella diventa il tuo progetto attivo: così ottieni lo stesso metodo senza portarti dietro quello che non conosci.

Con questa sola abitudine ti prendi il vantaggio degli strumenti della community, senza il rischio che spesso ci sta attaccato. Il metodo di GSD, quello vero, quello sotto, non è morto con lui.

Iscriviti ora

#3: Quello che è sopravvissuto al crollo

Nel giro di ore dalla notizia, qualcuno nella community ha fatto esattamente quello che ti ho descritto poco fa: ha preso il codice, l’ha ripulito da ogni traccia del token, e l’ha rimesso in piedi con licenza aperta, gratuita, di nuovo. All’inizio lo chiamavano GSD Redux. Oggi ha un nome nuovo, GSD Core, ed è mantenuto attivamente, l’ho controllato di persona proprio mentre scrivevo questa puntata: aggiornato, migliaia di persone che lo usano ancora oggi. Perfino il progetto originale, nella sua pagina ormai chiusa, rimanda lì. Ed è il motivo per cui ho scritto questa puntata.

Il metodo (pianifica nel dettaglio, esegui, verifica, ripeti) a noi non l’ha insegnato GSD. Lo usiamo a mano, dentro Morfeus, da circa 3 anni. Prima che qualcuno gli desse un nome e un sito, era semplicemente il modo in cui avevamo capito che bisognava lavorare con questi strumenti per non ritrovarsi con lavoro da rifare da capo ogni volta.

Quello che ha fatto GSD, e quello che oggi fa chi lo ha ricostruito, non è aver inventato un metodo nuovo. È aver preso una pratica che esisteva già, sparsa, informale, nella testa di chi ci lavorava tutti i giorni, e averla resa un sistema: ripetibile, condivisibile, spiegabile a chiunque in mezz’ora invece che in 3 anni di tentativi ed errori. Che è esattamente l’idea da cui sono partito all’inizio di questa puntata: il vantaggio raramente sta nell’inventare, sta nel trovare quello che già funziona, anche quando è solo dentro la testa di qualcuno, anche quando non ha ancora un nome, e renderlo un sistema che chiunque può usare.

Un equivoco, a questo punto, perché lo vedo scattare sempre allo stesso modo. Sentendo “un plugin per Claude Code”, “pianificazione”, “fasi di esecuzione”, la testa va dritta a un posto solo: roba da programmatori, chiudo qui, non fa per me. È un equivoco per un motivo semplice: il problema che questo metodo risolve è “portare avanti un lavoro complesso, fatto di tanti pezzi che dipendono uno dall’altro, senza perdere il filo”, non “scrivere codice”. Che tu stia costruendo un software, preparando il lancio di un corso, scrivendo un piano editoriale di 6 mesi o organizzando una ristrutturazione, il problema è identico: troppi pezzi, troppe decisioni, e un’AI che senza una struttura comincia a confondersi esattamente come si confonderebbe una persona a cui hai dato istruzioni vaghe su un progetto enorme.

La differenza tra codice e resto sta solo in cosa produce alla fine: file invece di documenti. Il metodo con cui ci arrivi, discuti, pianifica, esegui, verifica, è lo stesso identico, e funziona identico.

Iscriviti ora

#4: Il vero motivo per cui funziona

Ultima tappa, ed è quella che spiega perché vale la pena fermarsi su tutto questo invece di liquidarlo come l’ennesimo strumento del mese. Immagina di dover far ristrutturare casa mentre sei via 2 settimane. Se lasci al capomastro solo un bigliettino con scritto “sistema la cucina”, quello ti chiama ogni 2 ore: che piastrelle, che colore, dove vanno le prese, cosa fa se manca un pezzo. Non perché sia incapace. Perché non ha abbastanza informazioni per decidere da solo, e ogni decisione presa a caso rischia di essere quella che devi disfare al tuo ritorno. Se invece gli lasci un progetto vero (misure, materiali, ordine dei lavori, cosa fare se qualcosa non torna), quello stesso capomastro lavora 2 settimane senza una sola telefonata, e quando torni trovi esattamente quello che avevi in mente.

Il capomastro bravo segue sempre lo stesso giro, in 5 mosse. Prima ti fa le domande giuste, prima ancora di disegnare qualcosa. Poi disegna il progetto vero: materiali, ordine dei lavori, e decide già come ti dimostrerà che ha fatto bene, prima ancora di iniziare. Poi lavora, una stanza alla volta. Poi controlla il proprio lavoro con la lista scritta all’inizio, non a occhio. Infine ti consegna le chiavi e chiude il cantiere, non lo lascia a metà per settimane. GSD fa esattamente questo, e chiama ogni passaggio con il suo nome: discuti, pianifica, esegui, verifica, consegna. Venerdì te lo mostro applicato al tuo progetto vero, passo per passo.

Con l’AI è identico, solo più veloce da verificare. Il motivo per cui un sistema come questo permette a un agente di lavorare per ore senza che tu debba controllarlo ogni 5 minuti non è che il modello sia diventato improvvisamente più intelligente. È che prima di fargli scrivere una riga, lo si costringe a passare per una fase di pianificazione fatta sul serio (che include anche una fase di ricerca, non solo un elenco di compiti) finché il quadro davanti a lui non è più ambiguo.

Quando il quadro è chiaro, la probabilità che l’agente sbagli strada durante l’esecuzione crolla. E quando la probabilità di sbagliare è bassa, puoi permetterti di lasciarlo lavorare a lungo senza restare lì a controllare ogni passaggio, perché il momento che contava di più, quello in cui si decideva cosa fare e come, l’hai già presidiato tu, prima, nella fase di piano.

Questo è il vero salto, ed è la ragione per cui a me interessa più di qualsiasi altra funzione nuova che esce ogni settimana: non è un’AI più brava a scrivere. È la differenza tra restare seduto a guardare ogni singola mossa, e avere qualcuno, qualcosa, che lavora per ore, a volte per l’intera giornata, e ti restituisce un risultato fatto bene senza che tu l’abbia dovuto presidiare minuto per minuto. Un dipendente vero, non un autocomplete più veloce. È lì che sta il salto, ed è lì che ti porto venerdì: come si costruisce, passo per passo, quel tipo di piano, dentro casa tua, sul tuo progetto, non su un tutorial generico.

Iscriviti ora

☢️ Humor Radioattivo

Se devi portarti via una riga sola, portati questa: prima di costruire qualcosa da zero, chiediti sempre cosa esiste già che puoi smontare e rimontare meglio per te. Vale per gli strumenti, vale per i metodi, e vale, l’abbiamo visto oggi, anche quando chi l’ha costruito sparisce.

Venerdì entriamo nel pratico: come costruisci tu, sul tuo progetto vero, quella fase di piano che permette a un agente di lavorarti ore senza che tu debba stare lì a guardare. Passo per passo, non in teoria.

☢️ Matteo

Iscriviti ora

Se conosci qualcuno che sta ancora scrivendo prompt da zero ogni volta invece di rubare un metodo che già funziona, questa puntata è per lui. Girargliela costa meno che spiegarglielo.

Iscriviti ora

Due settimane fa, qui al bancone, ti ho fatto vedere una scrivania.

Ti ho detto: prendi tutto quello che hai sugli scaffali dello studio e mettilo sopra. Adesso hai tutto a portata di mano, in teoria sei più potente che mai. In pratica non trovi più niente, ogni cosa che cerchi te ne fa spostare altre dieci, e alla fine della giornata sei stanco senza aver concluso.

Quella scrivania non era una metafora.

Non stavo descrivendo te che non trovi più i tuoi documenti. Stavo descrivendo, parola per parola, quello che succede dentro il modello quando la conversazione si allunga. Solo che l’ho scritto convinto di stare parlando di soldi.

Ecco cosa non ti ho detto, perché non lo sapevo abbastanza bene per dirtelo: la conversazione lunga non ti costa soltanto di più. Ti risponde anche peggio. E questa seconda cosa è molto più cara della prima, perché il conto almeno lo vedi.

Hanno testato 18 fra i modelli migliori al mondo. Degradano tutti al crescere della conversazione. Nessuno escluso, nemmeno gli ultimi usciti, nemmeno quelli venduti per reggere un milione di parole.

E il modello non te lo dice mai.

Oggi ti do la seconda lista di regole. Quella che non serve a farti pagare meno, ma a non farti rispondere peggio. Scoprirai che in tre punti dice l’opposto esatto di quella di due settimane fa, e che quei tre punti sono esattamente quelli su cui stai sbagliando adesso.

☕ Tazza in mano. Si parte.

Fonti della puntata:

• https://arxiv.org/abs/2605.12366

• https://www.tmls.nyc/research/context-rot-mechanistic

• https://www.producttalk.org/context-rot/

• https://aclanthology.org/2024.tacl-1.9/

• https://arxiv.org/abs/2307.03172

• https://github.com/chroma-core/context-rot

• https://www.morphllm.com/context-rot

• https://www.trychroma.com/research/context-rot

  Iscriviti ora

  

E tu, sai davvero quale è il tuo livello AI?

Prima di scendere, una cosa veloce.

Tutto quello che leggi qui sotto pesa in modo diverso a seconda di come già lavori con l’AI. Chi le riscrive i vincoli a mano a ogni chat ha un problema. Chi si è costruito un sistema che glieli tiene ne ha uno molto più piccolo, e spesso non lo sa.

Per questo abbiamo costruito il Collaudo: due minuti e mezzo, nessun “procedi” da cliccare, e alla fine un referto che ti dice a che livello sei davvero, misurato e non dichiarato, su una scala di 8, da Spettatore ad Architetto. Le cinque cose che misura sono le stesse cinque che decidono quanto il context rot ti sta rovinando le risposte, oggi, senza che tu te ne accorga.

Non è un test per farti sentire bravo. È scomodo apposta: ti dice il primo pezzo che ti manca e tre mosse concrete per costruirlo, una per oggi, una per questa settimana, una per il mese. È gratis, e da lì si entra nella community dove questa roba si fa tutto l’anno, non una volta a settimana.

Fai il test qui: https://playground.morfeushub.com/gate

☕ Poi torniamo al bancone.

SCOPRI A CHE LIVELLO SEI

💡 Pensiero del giorno

Un collega che non ha letto il documento te lo fa capire.

Il modello no: ha smesso di guardare, e continua a rispondere con la faccia di uno che ha guardato.

🧪 AI in azione

#1: Non legge peggio. Guarda di meno.

Partiamo dal meccanismo, perché senza quello tutto il resto sono aneddoti.

L’ultima volta ti ho spiegato che il modello non ha memoria: ha una finestra di contesto, e quella finestra viene riempita da capo a ogni turno. Vero, e serviva a capire il conto. Ma è mezza spiegazione, e la metà mancante è quella che ti costa il lavoro.

Perché quella finestra non è una scatola. È una superficie su cui il modello deve distribuire una quantità di attenzione che non cresce insieme alla dimensione.

Pensa a un cameriere bravo. Tre tavoli: sa chi ha ordinato cosa, si ricorda che al 2 la signora è allergica alle noci, arriva col conto prima che glielo chiedi. Adesso dagli 40 tavoli. Stesso cameriere, stessa bravura, stessa testa. Ma lo sguardo che ha è quello, e adesso deve spalmarlo su 40 tavoli invece che su 3.

Non è diventato scemo. Gli si sta richiedendo troppo.

Ecco: la finestra di contesto è il numero di tavoli che gli puoi assegnare. L’attenzione è quanto sguardo ha da dare a ognuno. Sono due numeri diversi, e i fornitori te ne dichiarano uno solo.

A luglio 2025 il team di ricerca di Chroma ha preso 18 modelli fra i migliori sul mercato, Claude 4, GPT-4.1, Gemini 2.5, Qwen3 e varianti, e li ha messi alla prova facendo una cosa semplice: la stessa identica domanda, con la stessa identica risposta nascosta dentro, ma dentro contesti sempre più lunghi. Il risultato è che degradano tutti e 18. E degradano anche su compiti talmente banali che a un umano verrebbe da ridere.

Il token numero 100 e il token numero 100.000 non ricevono la stessa attenzione. Mai.

E c’è un secondo effetto, misurato nello stesso studio, che è messo peggio del primo. Non serve che tu gli dia roba inutile per confonderlo: basta che tu gli dia roba che ci assomiglia. Un paragrafo che parla di qualcosa di vicino a quello che cerchi, ma non è quello, non viene semplicemente ignorato. Lo porta fuori strada.

Qui succede la cosa più scomoda da gestire nella pratica: i modelli non sbagliano tutti allo stesso modo. Nello studio, Claude tende ad astenersi quando è in dubbio, i GPT tendono a risponderti sbagliato con la faccia di chi è sicurissimo, Gemini a un certo punto comincia a tirare fuori parole che nel testo non c’erano proprio.

Quindi quando leggi che è uscito il modello che regge un milione di parole, quello che hai appena comprato è lo spazio. Lo sguardo è rimasto quello di prima, e adesso deve coprire molto di più.

È il motivo per cui la reazione istintiva a questo problema, “allora prendo quello con la finestra di contesto più grande”, non solo non funziona: peggiora le cose.

Una finestra più grande è un permesso a metterci dentro di più, e ogni cosa che metti dentro è un tavolo in più assegnato allo stesso cameriere.

Iscriviti ora

#2: C’è un punto preciso dove si perde, ed è il centro

La domanda ovvia, a questo punto, è: va bene, guarda di meno. Ma di cosa smette di accorgersi per primo?

Nel 2024 un gruppo di ricercatori di Stanford guidato da Nelson Liu ha pubblicato uno studio diventato famoso col nome di Lost in the Middle.

L’esperimento è di una semplicità disarmante: prendi un mucchio di documenti, nascondi dentro uno di questi la risposta alla domanda, e poi rifai la stessa prova spostando ogni volta il documento giusto in una posizione diversa. Prima all’inizio. Poi al secondo posto. Poi a metà. Poi verso il fondo. Poi in ultima posizione.

Se il modello leggesse davvero tutto, la posizione non dovrebbe contare niente.

La posizione conta moltissimo. Il grafico che ne esce ha la forma di una U: prestazioni alte quando l’informazione sta all’inizio, prestazioni alte quando sta alla fine, e un crollo largo e profondo in mezzo. Il modello trova quello che gli hai messo ai bordi e perde quello che gli hai messo al centro.

E qui arriva la parte che dovrebbe farti alzare un sopracciglio: succede anche ai modelli costruiti apposta per i contesti lunghi. Non è un difetto dei modelli vecchi che il prossimo aggiornamento sistemerà. È una proprietà di come funziona l’attenzione, e gli autori la scrivono nero su bianco: i modelli attuali non usano in modo robusto l’informazione nei contesti lunghi.

Hai una conversazione da 40 messaggi su un lavoro importante.

Dove si perderà l’AI?

Quasi sempre a metà. Non all’inizio, perché all’inizio stavi ancora inquadrando il problema. Non alla fine, perché alla fine stavi già chiedendo il risultato. L’hai detto nel mezzo, nel momento esatto in cui ti è venuto in mente.

Che è, statisticamente, il posto peggiore del mondo dove metterlo.

E se vuoi la prova senza leggerti nessuno studio, ce l’hai già in mano, ci sei passato la settimana scorsa. Chiedi a un modello di riassumerti un documento lungo: viene bene, quasi sempre, perché per riassumere gli basta lo sguardo largo. Adesso chiedigli di trovarti dentro lo stesso identico documento una singola condizione precisa. La risposta comincia a oscillare in un modo che non ti sai spiegare: a volte perfetta, a volte inventata di sana pianta, a volte quasi giusta, che è la peggiore di tutte.

Iscriviti ora

#3: Non alza mai la mano

Adesso arriviamo al punto per cui vale la pena leggere tutto il resto.

Ogni strumento che hai usato in vita tua, quando smette di funzionare bene, te lo fa capire. Il computer rallenta.

La macchina fa un rumore.

Il collega che non ha letto il documento comincia a rispondere vago, a rigirare la domanda, a dire “sì sì, dicevi?”.

Sono tutti segnali. Sono imprecisi, ma esistono, e tu ci hai costruito sopra tutto il tuo modo di controllare il lavoro degli altri.

Il modello in stato di sovraccarico non ne emette nessuno.

Non rallenta. Non si scusa. Non mette un punto interrogativo.

Non scrive “guarda, questa conversazione è diventata lunga, potrei essermi perso qualcosa”. Ti risponde con lo stesso identico tono con cui ti rispondeva al terzo messaggio.

Ti ricordi la riga di prima sui GPT, quelli che sbagliano con la faccia di chi è sicuro? Ecco: quella non è una stranezza da laboratorio. È la forma normale in cui questo problema arriva sulla tua scrivania.

A maggio di quest’anno è uscito uno studio che misura esattamente questo.

Sam Martin e Fabien Roger hanno preso dei modelli e li hanno messi a fare i sorveglianti: dovevano leggere quello che combinava un altro sistema automatico e alzare la mano quando succedeva qualcosa di pericoloso.

Poi hanno spostato il momento dell’azione pericolosa sempre più avanti nel tempo. Quando quell’azione arriva dopo circa 800.000 parole di attività normale, i modelli, e parliamo dei più capaci in circolazione, se la lasciano sfuggire dalle 2 alle 30 volte più spesso rispetto a quando arriva subito.

Stesso modello. Stessa cosa da trovare. Stessa capacità dichiarata. Solo più roba intorno.

E la conclusione degli autori è la riga che mi ha tenuto sveglio: le valutazioni che ignorano questa debolezza sovrastimano quanto bene funzioni davvero la sorveglianza. Cioè: non solo il controllo fallisce, ma i test che dovrebbero dirti se il controllo funziona ti dicono di sì.

Tu il lavoro dell’AI lo controlli. Certo che lo controlli. Ma come lo controlli? Leggendo il risultato e vedendo se ti convince. E il risultato ti convince, perché è scritto bene, ha il tono giusto, cita le cose giuste. Quello che non puoi vedere leggendo è cosa non ha guardato per scriverlo.

C’è un motivo tecnico per cui questa cosa è più cattiva dell’errore di cui parlano tutti. Quando un modello si inventa un dato, prima o poi lo becchi: il numero non torna, il nome non esiste, la citazione non si trova. L’invenzione lascia tracce.

L’omissione no. Non c’è niente da controllare, perché la cosa mancante non è scritta da nessuna parte. Non hai un pezzo sbagliato da smontare: hai un pezzo che non c’è, in un testo che sembra completo.

Il controllo che fai è sul prodotto. Il difetto sta nel processo. Sono due posti diversi, e tu stai guardando quello sbagliato.

Iscriviti ora

#4: Più materiale gli dai, peggio ti risponde

Qui arriva il ribaltamento, ed è quello che manda in crisi ciò che facciamo tutti.

Quando la risposta non ci piace, la reazione automatica è aggiungere. Un altro documento. Un’altra spiegazione. Un altro esempio. Il ragionamento sotto è ragionevole: non ha capito perché non aveva abbastanza contesto, quindi gliene do di più.

Nello studio di Chroma c’è la prova che quel ragionamento è sbagliato.

Hanno preso una prova di domande e risposte su conversazioni lunghe e l’hanno fatta girare in due versioni.

Versione A: al modello vengono date soltanto le poche righe che servono davvero per rispondere, circa 300 parole.

Versione B: al modello viene dato tutto il materiale a disposizione, circa 113.000 parole, con dentro anche quelle 300.

Stessa domanda. Stessa informazione presente in entrambe. In una c’è solo quella, nell’altra c’è quella più tutto il resto.

Il divario è netto, e va nella direzione che nessuno si aspetta.

La versione povera batte la versione ricca.

Non è che il materiale in più non serve. È che costa, e non in soldi: costa sguardo. Ogni cosa che aggiungi per aiutarlo si porta via un pezzo dell’attenzione che avrebbe dovuto dedicare alla cosa che ti interessa.

E adesso il risultato più strano di tutta la ricerca, quello che ho dovuto rileggere due volte. Nella stessa serie di prove, i modelli se la cavano meglio quando il testo intorno è mescolato a caso, senza senso logico, rispetto a quando è un testo scritto bene e coerente.

Il materiale coerente è più pericoloso di quello incoerente.
Perché ha senso, e avendo senso compete per l’attenzione con quello che stai cercando.

Adesso pensa a come lavori dentro un Project di ChatGPT o di Claude. Ci carichi dentro tutto: il documento di posizionamento, le vecchie proposte, il tono di voce, i verbali, il listino, la presentazione aziendale. Lo fai per una ragione sensata, cioè “così ha il contesto”.

Ma quelle cose sono tutte scritte bene, sono tutte pertinenti, e sono tutte lì dentro a ogni singola richiesta che fai, comprese quelle in cui non servono. Quando gli chiedi due righe per una mail, quella mail se le porta dietro tutte.

Il Project non è sbagliato: è uno strumento potente. Sbagliato è trattarlo come un magazzino invece che come una scrivania.

La differenza fra le due cose è una domanda sola, e te la puoi fare stasera: questo file serve a tutte le richieste che faccio qui dentro, o solo ad alcune? Se la risposta è “solo ad alcune”, quel file non va nel Project. Va incollato nella conversazione in cui serve, quando serve.

Iscriviti ora

#5: Le due liste non sono la stessa lista

Adesso torniamo alle 15 regole, perché è qui che la puntata diventa operativa.

“Fai tutte le domande insieme.” Per il conto è aritmetica pura: cinque domande in cinque messaggi separati significano rileggere il materiale cinque volte, cinque domande in un messaggio solo lo rileggono una volta. Impeccabile. Per la qualità è un piccolo disastro, e adesso sai perché: di quelle cinque domande, la prima e l’ultima stanno ai bordi, le tre in mezzo cadono esattamente nella zona morta. Ti torneranno indietro trattate peggio, o non trattate affatto, e tu lo scoprirai leggendo. La regola corretta non è “cinque separate” e non è “cinque insieme”: è due o tre insieme, mai cinque, e la più importante mai al centro dell’elenco.

“Riusa la parte fissa.” Per il conto è la leva più redditizia che esista: la cornice che mandi ogni giorno la paghi una volta invece che tutte, ed è il motivo per cui certi conti stanno a 12.000 dollari invece che a cinque volte tanto. Per la qualità quella stessa cornice è un peso morto che occupa la lavagna prima ancora che tu abbia scritto una parola. Le istruzioni salvate, i documenti di riferimento, gli strumenti collegati: partono tutti insieme al messaggio. Chi si è costruito un sistema serio comincia ogni conversazione con mezza scrivania già occupata. La stessa identica mossa è un risparmio su una contabilità e una tassa sull’altra, e non c’è modo di avere entrambe.

“Comprimi invece di ricominciare.” Per il conto è la scialuppa: sei a metà di un lavoro lungo, non puoi buttare tutto, quindi comprimi e vai avanti. Per la qualità va detta con più durezza di come te l’ho detta due settimane fa. Comprimere significa lavorare su una versione approssimata di quello che è stato detto prima, e l’approssimazione non è distribuita a caso: quello che sparisce per primo è il centro, cioè il posto dove statisticamente hai messo i vincoli. La compressione non attenua il problema. Nei casi peggiori lo fabbrica.

E poi c’è “usa il modello più stupido che porta a casa il lavoro”, che non si gira ma va corretta. Perché i modelli non degradano tutti alla stessa velocità, e soprattutto non degradano tutti nello stesso modo. Se il lavoro è breve, il modello veloce va benissimo e ti costa una frazione. Se il lavoro è lungo, stai scegliendo anche come vuoi che ti fallisca: uno che si ferma e ti dice che non è sicuro, o uno che tira dritto. Su un lavoro lungo quella non è una questione di prezzo. È una questione di rischio.

Poi ci sono le regole che dicono la stessa cosa su tutte e due le contabilità, e sono la buona notizia: chiedi risposte corte, cambia chat quando cambi lavoro, porta avanti il risultato e non la discussione, non fargli cercare dentro il file se sai già dove sta la risposta.

Quelle quattro sono le uniche che ti fanno risparmiare e ti fanno rispondere meglio. Se dovessi tenerne solo quattro di tutte e 15, sono queste.

E c’è una ragione per cui coincidono, che vale la pena vedere. Tutte e quattro fanno la stessa identica cosa: tolgono roba. Il risparmio e la qualità vanno d’accordo tutte le volte in cui la mossa consiste nel togliere, e litigano tutte le volte in cui la mossa consiste nel riorganizzare. Perché riorganizzare, per il conto, è tempo sprecato: la roba resta lì e la paghi uguale. Per l’attenzione, invece, è tutto.

Iscriviti ora

#6: Le tre mosse che esistono solo in questa lista

Chiudiamo con la parte che due settimane fa non ti potevo dare, perché nella contabilità del risparmio queste tre mosse sembrano errori. Costano. E vanno fatte lo stesso.

1. La cosa che conta va all’inizio o alla fine. Mai in mezzo.

Non è un consiglio di stile, è la curva a U applicata al tuo mestiere. Quando prepari una richiesta importante, il vincolo che non può saltare non lo metti dove ti viene in mente: lo metti in cima, oppure lo metti nell’ultima riga prima di premere invio.

E se la conversazione è già lunga e il vincolo l’hai detto venti messaggi fa, quel vincolo per il modello adesso è al centro. Quindi non c’è più. Non “è meno presente”: statisticamente, non c’è.

Il caso pratico più comune è la richiesta lunga in un colpo solo: brief, materiali, esempi, e poi in fondo “ah, e ricordati che il cliente non vuole toni promozionali”. Quella riga in fondo è messa bene. La stessa identica riga infilata a metà del brief, dove ti era venuta in mente, vale molto meno. Stessa frase, stesso testo, due destini diversi.

2. Ricarica prima di chiedere.

Questa è quella che fa arrabbiare chi ha imparato a risparmiare, quindi la dico chiara: rimanda apposta roba che hai già mandato.

Sei al quarantesimo messaggio, stai per chiedere la cosa che conta davvero. Non scrivere “come dicevamo prima”. Riscrivi in due o tre righe secche i vincoli che contano, come se fosse la prima volta. Sì, li hai già scritti. Sì, sono già lì dentro. Sono lì dentro nel posto sbagliato, e quello che stai facendo è spostarli dal centro al bordo, dove il modello guarda ancora.

Attenzione a non fraintendere: non ti sto dicendo di rimandare tutta la conversazione, che sarebbe una sciocchezza su entrambe le contabilità. Ti sto dicendo di rimandare le tre righe che, se saltano, hai buttato la giornata. Il vincolo di tono, la scadenza, il numero che non si tocca, la cosa da non nominare mai.

Costa qualcosa? Sì, tre righe. È l’unica volta in tutto il bancone in cui ti dico di spendere di proposito, ed è probabilmente il consiglio più redditizio che ti ho dato quest’anno.

3. Il test dei vincoli.

Questa è diagnostica pura e ti costa 10 secondi. Prima di chiedere il lavoro vero, chiedi al modello di elencarti i vincoli che sta rispettando. Non di lavorare: solo di ripeterti le regole del gioco come le ha capite in questo momento.

La formula è banale e funziona su qualsiasi modello: “Prima di scrivere qualsiasi cosa, elencami i vincoli che stai rispettando in questo lavoro. Solo l’elenco.”

Se te li elenca tutti, sei a posto, procedi.
Se ne salta uno, hai appena visto il buco prima che ti finisse dentro il lavoro consegnato. E qui il gesto giusto non è dirgli “e il terzo?”, perché quello aggiunge un turno a una conversazione che è già troppo lunga: il gesto giusto è aprire una chat nuova e ricominciare portandoti dietro solo quello che serve.

Non stai buttando via niente. La vecchia conversazione resta lì dov’è.

È l’unico modo che hai per far alzare la mano a uno strumento che la mano non la alza mai. Non aspetti il segnale: glielo chiedi tu.

Fallo per una settimana su tutti i lavori che contano davvero. Poi mi dici quante volte ne saltava uno.

Ti anticipo la scoperta scomoda: non salteranno nelle conversazioni corte, dove tanto il controllo lo faresti a occhio. Salteranno in quelle lunghe, quelle su cui hai lavorato mezza giornata, quelle a cui tieni di più.

Sono sempre quelle. È il motivo per cui questo problema è caro, e non si vede in nessuna bolletta.

Iscriviti ora

📌 Prompt Espresso

Cosa fa questo: due cose in una volta. Ti mostra cosa il modello sta ancora davvero guardando, e rimette ai bordi quello che era finito nella zona morta.

Dove si usa. Dentro una conversazione già lunga, nel momento esatto in cui stai per chiedere la cosa importante. Non a inizio chat, dove non serve a niente. Funziona su ChatGPT, su Claude e su Gemini, e funziona anche dentro un Project. Se lo usi su un lavoro serio, usalo prima di ogni consegna, non dopo.

Il prompt:

Fermati. Prima di produrre qualsiasi cosa, facciamo un controllo in 3 fasi. Rispondi solo a quello che ti chiedo, senza anticipare il lavoro.

Agisci come il responsabile qualità di questo lavoro, non come chi lo esegue. Il tuo compito adesso non è farmi contento: è dirmi cosa manca.

FASE 1 · INVENTARIO
Senza rileggere niente di quello che ti sto scrivendo adesso, elencami:
1. L’obiettivo di questa conversazione, in una riga sola.
2. Tutti i vincoli, i divieti e le preferenze che ti ho dato finora, in elenco secco. Solo quelli che ti ho dato io, non quelli che daresti tu.
3. Le decisioni che abbiamo già preso e che consideri chiuse.
4. Le cose che hai dedotto da solo senza che io le abbia mai dette. Segnale queste in modo separato.

FASE 2 · RICARICA
Adesso io ti riscrivo i vincoli che contano davvero:
[scrivi qui, in 2-4 righe secche, le cose che se saltano hai buttato il lavoro. Esempi: il tono da tenere, la scadenza, il numero che non si tocca, la cosa da non nominare mai, il formato di uscita]

Confronta questo elenco con quello che hai prodotto in FASE 1 e dimmi:
1. Quali di questi vincoli non avevi in elenco.
2. Quali avevi in una versione diversa o approssimata da come li ho appena riscritti.
3. Se qualcosa che hai fatto finora in questa conversazione va contro uno di questi vincoli.

FASE 3 · VERDETTO
Rispondi a una sola domanda, in massimo 5 righe: questa conversazione è ancora il posto giusto dove finire questo lavoro, oppure conviene aprire una chat nuova portandoci dentro soltanto [il documento / il risultato / i vincoli] e ripartire puliti?

Se la risposta è “chat nuova”, scrivimi tu il blocco di partenza da incollare: solo il minimo indispensabile, nessuna cronologia, nessun riassunto della discussione.

Come adattarlo al tuo lavoro. La FASE 2 è l’unico pezzo da personalizzare, e il criterio per riempirla è uno solo: ci va quello che, se salta, ti fa rifare il lavoro da capo. Se stai preparando un documento per un cliente [es. proposta commerciale, relazione tecnica, piano editoriale], sono il tono, la lunghezza e le cose che non si possono promettere. Se stai analizzando dei dati [es. un file di vendite, delle risposte a un questionario], sono il periodo esatto, cosa va escluso dal conteggio e in che unità vuoi i risultati. Se stai scrivendo qualcosa che porta la tua firma, è la lista delle parole e delle formule che non usi mai.

Tieniti quella FASE 2 da parte in un file. Dopo tre o quattro lavori scopri che è quasi sempre la stessa, e da lì in avanti la incolli in 5 secondi.

Come si legge il risultato. La parte che conta non è la FASE 3. È il buco fra la FASE 1 e la FASE 2. Se in FASE 1 ti ha elencato tutto e in FASE 2 non trova niente da correggere, sei messo bene: quella conversazione la puoi ancora usare. Se in FASE 1 mancava un vincolo che tu avevi dato chiarissimo, hai appena visto in diretta la zona morta, e hai due possibilità: ripartire pulito, oppure andare avanti sapendo che stai lavorando con uno che non ha in mano tutte le carte.

La quarta domanda della FASE 1, quella sulle cose dedotte da solo, è la più sottovalutata delle quattro. Su una conversazione lunga tira fuori regolarmente roba che tu non hai mai detto e che il modello sta applicando da un’ora come se fosse legge. Non è un difetto: è quello che succede quando l’attenzione si assottiglia e i buchi vengono riempiti con quello che sembra plausibile.

Una variante da 10 secondi, per quando non hai voglia di incollare tutto il blocco: “Prima di scrivere qualsiasi cosa, elencami i vincoli che stai rispettando in questo lavoro. Solo l’elenco.” È la FASE 1 punto 2 da sola, e vale già l’80% del beneficio.

⚠️ Il modello non sa dirti quanto è messo male, e non fidarti quando prova a dirtelo. La FASE 3 non è una misurazione: nessun modello ha accesso a quanto sta degradando, e se glielo chiedi ti darà una risposta ragionevole e inventata, esattamente come farebbe un cameriere sfinito a cui chiedi se ce la fa ancora. La FASE 3 serve solo a costringerlo a prendere posizione, e la posizione la usi tu.

La misurazione vera è un’altra, ed è muta: cosa non è comparso in FASE 1. Quello non è un parere del modello. È una prova.

Iscriviti ora

☢️ Humor Radioattivo

Il bunker a quest’ora è pieno.

Il robot continua a servire, cortese, senza sbagliare un movimento.

La lavagna alle sue spalle non la guarda più nessuno da un pezzo.

Il bancone chiude qui.

Se devi portarti via una riga sola, portati questa: smetti di chiederti quanto ti costa quella conversazione, e comincia a chiederti cosa l’AI ha smesso di guardare.

La differenza fra le due domande sono tre righe riscritte prima di premere invio.

☢️ Matteo

Iscriviti ora

Se conosci qualcuno che tiene aperta la stessa chat da tre settimane e si lamenta che “ultimamente risponde peggio”, questa puntata è per lui. Girargliela costa meno che spiegarglielo.

Condividi

Fuori è una settimana che urlano tutti la stessa cosa.

Dal 2 agosto ogni testo che esce da Claude ha addosso un watermark invisibile, e internet ha reagito come reagisce sempre: 48 ore di panico, la lista di chi ha disdetto l’abbonamento, e circa 4.000 persone che spiegano che adesso finalmente si scoprirà chi bara.

Ho passato gli ultimi giorni a leggermi tutto. La documentazione tecnica, il regolamento europeo, il paper originale, le 47 pagine di gente arrabbiata sotto ai post.

E la cosa che mi ha colpito non è il watermark.

È che stiamo litigando in massa sulla domanda sbagliata.

Perché la domanda che gira è “chi verrà sgamato”. Ed è una domanda da cortile della scuola, non da persone adulte che lavorano.

Nel 2026 chiedere a qualcuno se usa l’AI è come chiedergli se usa la corrente elettrica. Metà dei lavoratori americani la usa al lavoro, contro il 21% di tre anni fa. Fra chi fa lavoro di conoscenza, il 38% la usa tutti i giorni, contro l’11% del 2024. Non è più una confessione: è la media.

Dal bancone te lo dico subito e chiudiamo il discorso: questa newsletter la scrivo con l’AI accanto, non l’ho mai nascosto e non comincio adesso.

Il punto è un altro, ed è tecnico prima che filosofico.

Quel marchio non fa quello che credi. Non ti dice se un testo è stato scritto dall’AI. Ti dice quanto spazio le hai lasciato. E se guardi come funziona davvero, scopri che è quasi letteralmente uno strumento che misura la tua assenza dal tuo stesso lavoro.

Quando l’ho capito ho smesso di leggere le polemiche e sono andato a guardare le ultime cose che ho consegnato.

☕ Tazza in mano. Si parte.

💡 Pensiero del giorno

Il marchio si annida solo dove la scelta non contava.

Se l’AI lavora solo lì, non hai un problema di watermark. Hai un metodo.

🧪 AI in azione

#1: Cosa hanno acceso davvero

Partiamo dal fatto nudo, perché metà del casino di questi giorni nasce da gente che commenta una cosa che non ha letto.

Dal 2 agosto 2026, ogni modello Claude uscito da quella data in poi mette un marchio invisibile su tutto il testo che produce. Globale, attivo da subito, senza opt-out. Non c’è un interruttore, non c’è un piano a pagamento che lo toglie, non c’è una casella nelle impostazioni da spuntare. È acceso e basta.

Il motivo non è morale, è legale. L’Articolo 50 dell’AI Act europeo obbliga chi produce sistemi generativi a marcare gli output in un formato leggibile dalle macchine, e quell’obbligo è diventato esecutivo esattamente il 2 agosto 2026. I modelli già sul mercato prima di quella data hanno tempo fino al 2 dicembre 2026 per adeguarsi. Anthropic ha deciso di applicarlo ovunque e non solo in Europa, per la ragione più banale del mondo: mantenere due versioni dello stesso modello costa più che marchiarle tutte e due.

Adesso la parte che quasi nessuno ha letto bene.

Non sono caratteri nascosti. Non sono spazi strani, non è un carattere invisibile infilato fra le parole, non sono metadati appiccicati al file. Tutta roba che si toglieva incollando il testo in un editor spartano. Qui no. Il marchio è dentro le parole, nel modo in cui sono state scelte. Sopravvive al copia-incolla, sopravvive al passaggio in un altro programma, sopravvive alla traduzione. Anzi, la traduzione lo rimette da capo, perché tradurre vuol dire scegliere ogni singola parola un’altra volta.

La tecnica non è nemmeno di Anthropic. Si chiama SynthID-Text, l’ha costruita Google DeepMind e l’ha pubblicata su Nature nel 2024. Gemini la usa già da tempo. Anthropic l’ha adottata così com’era.

Sulle immagini è un’altra storia, e va detto perché stanno mettendo le due cose nello stesso discorso. Lì di watermark non ce n’è: ci sono credenziali C2PA nei metadati del file, lo stesso standard aperto che usano i produttori di fotocamere. Metadati vuol dire fragili. Uno screenshot li cancella. Un caricamento su un social li cancella. Sul testo invece no, e la differenza è tutta lì: il testo è marchiato nella sostanza, l’immagine solo nell’etichetta.

Due numeri per chiudere il quadro, perché rispondono alle due obiezioni che ho letto più spesso. Il marchio non genera token in più, non rallenta la risposta, non costa niente. E nei test con valutatori umani non è emersa nessuna differenza di qualità fra testo marchiato e testo normale. Chi dice che “adesso Claude scriverà peggio” sta immaginando, non misurando.

Ultima cosa, ed è quella che sposta tutto il ragionamento. Dentro quel marchio non c’è niente di tuo. Non c’è il prompt, non c’è l’account, non c’è la conversazione, non c’è l’azienda per cui lavori. Dice una cosa sola: questo testo è passato da un modello Claude. Punto.

E lo strumento per leggerlo? Annunciato. Non ancora uscito. Senza soglie di accuratezza pubblicate, e senza nessuna procedura dichiarata per contestare un risultato.

Tieni a mente quest’ultima riga. Fra tre minuti diventa il problema serio di tutta questa faccenda.

Iscriviti ora

#2: Dove si nasconde il marchio (e perché cambia la domanda)

Questa è la sottosezione che vale la puntata, quindi te la spiego piano e senza formule. La meccanica esatta la apriamo venerdì, con il conto vero sotto.

Quando un modello scrive, non tira fuori la frase intera. Va avanti una parola alla volta, e a ogni passo ha davanti una rosa di candidate.

Prendi una frase qualsiasi: “Il cielo di quella mattina era...”. Il modello ha lì davanti grigio, coperto, plumbeo, nuvoloso. Quattro parole. Vanno bene tutte e quattro. Nessuna è più giusta delle altre, e cambiare la scelta non cambia niente di quello che la frase dice.

Normalmente, in quel punto, il modello tira a caso.

Il watermark fa una cosa sola: prende quel “a caso” e lo rende finto. La scelta non è più casuale, è pilotata da una chiave segreta combinata con le ultime parole scritte. Chi legge non se ne accorge, perché la parola che esce è comunque una delle quattro che andavano bene. Ma su un testo lungo, migliaia di micro-scelte pilotate nella stessa direzione lasciano una traccia statistica. E chi ha la chiave la vede.

Adesso la parte che ribalta il tavolo.

Quel meccanismo funziona solo dove c’era una scelta.

Se la frase è “l’opera più famosa di Isaac Newton si chiama Principia Mathematica”, non c’è nessuna rosa di candidate. C’è una parola sola e non ne esistono alternative. Nessuna libertà, nessun marchio. Vale per i nomi, per le date, per i numeri, per le citazioni. Vale in modo ancora più netto per il codice, dove la sintassi è obbligata e sbagliare una parentesi non è uno stile diverso, è un errore.

Quindi il marchio non è spalmato in modo uniforme sul testo. Si raccoglie dove il testo era libero.

E se il marchio si raccoglie dove il testo era libero, allora la sua forza è proporzionale a quanta libertà ha avuto la macchina. Che è un altro modo di dire una cosa parecchio più scomoda: è proporzionale a quanto di quel testo non hai deciso tu.

Non è un rilevatore di intelligenza artificiale. È un misuratore di quanto poco ci hai messo del tuo.

Da qui esce il corollario che quasi tutti stanno prendendo al contrario. I documenti che si illuminano di più al rilevatore non sono quelli scritti “meglio con l’AI”. Sono quelli su cui nessuno ha lavorato. Se hai riscritto mezzo testo, il segnale si sfilaccia. Se lo hai preso come veniva e lo hai incollato, il segnale è tutto lì, intatto, ordinato, pronto.

Il marchio più forte è la firma di chi non è passato.

E qui c’è il punto onesto, quello che ti serve per la sezione dopo. Anthropic dice che una revisione leggera lascia un segnale debole, perché se il modello si limita a sistemarti le virgole non ha fatto quasi nessuna scelta libera. È coerente col meccanismo e probabilmente è vero.

Il problema è che nessuno ha pubblicato dove passa la linea. Quanto debole è “debole”. Quante parole servono. Quale punteggio fa scattare il verdetto.

Per te, oggi, la conseguenza pratica è una sola e conviene metabolizzarla adesso. Tutto quello che hai generato dopo il 2 agosto e incollato senza toccarlo porta addosso un segnale forte, e tu non hai dovuto accettare niente perché succedesse. Non è un motivo per farsi prendere dal panico: è un motivo per guardare con occhi diversi la pila di cose che hai consegnato prendendole come venivano.

È una crepa piccola. Ci passa dentro tutta la prossima sottosezione.

Iscriviti ora

#3: Come strumento di polizia non funziona, e i buchi sono quattro

Adesso mettiamoci nei panni di chi sta esultando. Il preside, il capo, il cliente, il tizio su LinkedIn che aspetta la resa dei conti.

Hanno in mano uno strumento con quattro buchi, e sono buchi grossi.

Buco uno: marchia un fornitore, non una tecnologia. Claude marchia. Gemini marchia. ChatGPT, a oggi, sul testo non marchia niente. Quindi un rilevamento positivo non dice “questo l’ha scritto un’AI”: dice “questo è passato da Claude”. Chi voleva nascondersi cambia scheda del browser e ha finito. Non è un test antidoping. È un test che rileva una sola marca di integratore, e lo sanno tutti quale.

Buco due: si toglie riscrivendo, e lo dice il produttore. Anthropic scrive nero su bianco che una riscrittura completa, in cui ogni parola viene sostituita, rimuove il marchio. Nel giro di pochi giorni sono nati servizi che promettono di farlo al posto tuo. Ma qui c’è una trappola che vale la pena capire prima di provarci: l’Articolo 50 vieta esplicitamente la rimozione deliberata delle marcature. Vuol dire che togliere il marchio ti fa passare da un fatto passivo, hai usato uno strumento, a un atto volontario con un’intenzione dietro, hai nascosto di averlo usato. Davanti a un cliente, a un ordine professionale o a una commissione disciplinare, la seconda posizione è enormemente peggiore della prima. Non stai cancellando una prova. Ne stai costruendo una nuova.

Buco tre: nessuna soglia, nessun ricorso. Il rilevamento non restituisce un sì o un no. Restituisce un punteggio, cioè una probabilità. Qualcuno, a un certo punto, deve decidere dove mettere la linea che separa “marchiato” da “non marchiato”. Quel qualcuno non sei tu, non è il tuo capo e per adesso non lo sa nessuno, perché quelle soglie non sono pubbliche e non esiste una procedura dichiarata per contestare un esito. Ti viene consegnato un verdetto senza il righello con cui è stato misurato.

Buco quattro, ed è il più grave, perché è già successo. Nel 2023 un gruppo di Stanford ha preso 7 rilevatori AI del tempo e li ha messi alla prova su temi scritti da persone reali. Sui temi di studenti americani di terza media l’accuratezza era quasi perfetta. Sui temi TOEFL scritti da non madrelingua, i rilevatori hanno classificato come “generato da AI” il 61,22% dei testi. Su 91 saggi, 18 sono stati bocciati all’unanimità da tutti e 7.

Il motivo è quasi tenero, ed è quello che rende la storia utile. Chi scrive in una lingua che non è la sua usa un vocabolario più stretto e costruzioni più prevedibili. Il testo risulta meno sorprendente. E “meno sorprendente” era esattamente il criterio con cui quei rilevatori decidevano.

Lo strumento non era rotto. Faceva il suo mestiere su una popolazione per cui non era stato pensato. Nel frattempo, delle persone vere si sono viste accusare di aver barato.

Tiriamo la riga.

Chi bara e sa cosa fa: riscrive, cambia strumento, passa. Chi non ha niente da nascondere: genera, rilegge, incolla, va.

Il secondo è quello che verrà preso.

È la regola più vecchia che esista, e non c’entra niente con l’intelligenza artificiale: le regole scritte per i furbi le pagano sempre i corretti.

Attenzione però, perché qui è facile scivolare nella parte sbagliata del ragionamento. Non sto dicendo che marcare gli output sia una brutta idea. È una infrastruttura di provenienza, serve, e nei prossimi anni servirà molto di più di adesso, se non altro per non ritrovarci ad addestrare modelli sulla roba sputata da altri modelli.

Sto dicendo un’altra cosa, molto più stretta: una probabilità non è un verdetto, e chiunque la userà come tale sta per fare un danno a qualcuno che non se lo merita.

Iscriviti ora

#4: Il rilevatore ce l’hai già, ed è seduto alla scrivania di fronte

Adesso ti do la notizia peggiore di tutta la puntata, e non ha niente a che fare con la crittografia.

Nessuno ha bisogno di un watermark per capire che stai lavorando da schifo.

Hanno pure trovato il nome per la cosa. Si chiama workslop, l’hanno coniato i ricercatori dello Stanford Social Media Lab insieme a BetterUp e l’hanno pubblicato su Harvard Business Review. La definizione è chirurgica: contenuto generato dall’AI che sembra buon lavoro, ma non ha la sostanza per far avanzare di un centimetro il compito che doveva risolvere.

Il documento impaginato benissimo che non decide niente. La sintesi che riassume tutto tranne la cosa che serviva. La mail lunga che risponde alla domanda in generale invece che alla tua.

I numeri, e leggili piano.

Il 41% dei lavoratori se l’è visto arrivare sulla scrivania. Ogni volta che succede, chi lo riceve ci perde circa 2 ore a rimetterlo a posto. Il 53% si è detto irritato, il 38% confuso, il 22% offeso.

E poi c’è il numero che ti riguarda davvero, quello che dovresti stamparti.

Il 50% di chi riceve workslop giudica meno capace e meno affidabile la persona che gliel’ha mandato.

Metà. Senza chiave segreta, senza API di rilevamento, senza soglie di accuratezza, senza contraddittorio. Un giudizio emesso in 22 secondi di lettura, definitivo, e soprattutto mai comunicato all’imputato.

Perché è questo il pezzo crudele. Il tuo collega non ti scrive “guarda, questa roba è vuota”. Ti ringrazia. Poi sistema, e intanto ti sposta di categoria nella sua testa.

Dal bancone: non serve nessuna tecnologia per riconoscere il lavoro vuoto, perché ha dei segni che si vedono a occhio nudo dopo il secondo paragrafo. La struttura perfetta e la sostanza zero. Le tre sezioni che dicono la stessa cosa con parole diverse. L’esempio che non c’entra con il tuo settore ma suona bene. Il paragrafo che si apre, gira su se stesso e si chiude senza aver aggiunto niente. La raccomandazione finale che vale per qualunque azienda del pianeta, e quindi non vale per la tua.

E il segno definitivo, quello che non sbaglia mai: la cosa non contiene una sola informazione che l’autore non avesse già prima di scriverla.

Nessun algoritmo. Un essere umano con 20 anni di mestiere e 30 secondi di tempo.

Poi c’è la parte che fa più male, ed è economica. Quando mandi workslop non stai risparmiando tempo. Lo stai spostando. Dalla tua scrivania a quella di qualcun altro, 2 ore alla volta, mentre tu segni il compito come fatto. È un trasferimento di lavoro travestito da produttività, e chi lo riceve lo capisce perfettamente. Anche quando non lo dice. Soprattutto quando non lo dice.

E quello che si consuma in quel passaggio non è il tempo di nessuno. È il credito. Il 50% che ti ha riclassificato non fa marcia indietro alla consegna successiva, perché non ha aperto un procedimento: ha aggiornato un’opinione. E le opinioni non hanno l’appello.

Adesso ricollega tutto. C’è uno studio della Duke del 2024 che ha misurato una cosa scomoda: a parità di risultato consegnato, chi dichiarava di aver usato l’AI veniva valutato più pigro, meno competente e meno diligente. Ed è probabilmente il motivo per cui il 57% di chi la usa al lavoro la nasconde, e il 36% di questi dice apertamente che gli piace tenersi un vantaggio segreto.

Solo che nascondono la cosa sbagliata.

Nessuno si è mai davvero arrabbiato perché hai usato uno strumento. Si arrabbiano perché gli hai mandato una cosa vuota e gli hai fatto fare a loro il lavoro di capirla.

Quindi sì, arriva il watermark. Ma il verdetto che conta su di te è già stato emesso mesi fa, in una riunione a cui non eri invitato, da qualcuno che ha letto una tua cosa e ha pensato: questo non l’ha scritto lui. E soprattutto non l’ha pensato lui.

Il marchio dice quale strumento è passato dal testo.

Il tuo collega dice se ci sei passato tu.

Iscriviti ora

#5: 10 anni fa nessuno ti chiedeva se avevi usato Word

C’è un’obiezione che gira parecchio in questi giorni e che condivido, ma va fatta bene, perché fatta male è una scusa.

La versione fatta male è questa: “eh, ma allora dieci anni fa dovevamo dichiarare che scrivevamo al computer invece che a mano”. Suona bene, fa applaudire, e non regge, perché Word non sceglieva le parole al posto tuo. Il correttore ortografico non decideva la struttura del tuo ragionamento. La differenza non è cosmetica ed è inutile far finta di niente.

La versione fatta bene invece regge benissimo, e sta tutta in una riga: la domanda non è mai stata quale strumento hai in mano. È se sapresti farlo senza.

È il test che uso da anni, e non l’ho inventato io. Lo chiamo proprietà mentale ed è la cosa più vicina a un rilevatore affidabile che esista.

Se non riesci a raccontare a voce quello che hai scritto, non l’hai davvero scritto tu.

Provalo adesso su qualcosa che hai consegnato la settimana scorsa. Chiudi il documento. Racconta a voce alta la tesi, il motivo per cui è quella e non un’altra, e cosa hai deciso di lasciare fuori. Se ti esce fluido, quel lavoro è tuo e nessuna soglia statistica te lo toglie. Se ti blocchi alla seconda frase, quel lavoro non era tuo già prima che esistesse il watermark. Semplicemente non c’era ancora niente che te lo dicesse.

E qui non siamo nel campo delle opinioni. Un team dell’MIT ha messo 54 studenti sotto una cuffia EEG a 32 canali mentre scrivevano, dividendoli fra chi usava ChatGPT, chi usava un motore di ricerca e chi non usava niente. Poi, a pochi minuti dalla consegna, ha chiesto a tutti di citare una frase del proprio testo. Nel gruppo che aveva scritto senza AI ci riusciva circa il 90%. Nel gruppo AI, circa il 16%.

Non è che avessero scritto peggio. I testi erano buoni. Erano loro a non esserci dentro.

Ecco il rilevatore vero. Non ti dice se hai usato uno strumento: ti dice se quello che hai prodotto è entrato in te oppure ti è passato attraverso.

C’è poi un secondo prezzo, ed è quello che paghi senza accorgerti. Se usi i prompt che usano tutti, ottieni i testi che ottengono tutti. Stesse aperture, stesse tre sezioni, stessa chiusura motivazionale. A forza di ottimizzare siamo diventati bravissimi a suonare esattamente come chiunque altro. E a quel punto il watermark è l’ultimo dei tuoi problemi di identità: ti stanno già riconoscendo come uno dei tanti, e per farlo non gli serve nessuna chiave segreta.

Il che ci porta alla cosa che conta davvero, e che vale la pena dire chiara.

In un mondo dove l’esecuzione costa quasi zero, l’unica risorsa rimasta scarsa è il giudizio. Non la capacità di scrivere: quella è diventata gratis e infinita. La capacità di sapere cosa merita di essere scritto, per chi, adesso, e cosa invece è meglio non consegnare affatto.

Il paradosso è che l’AI è lo strumento che rende il giudizio più prezioso di sempre, ed è contemporaneamente lo strumento che ti toglie ogni motivo per allenarlo. Ogni volta che accetti un output senza discuterlo, hai delegato esattamente il processo che stava costruendo la cosa che diventerà più rara.

Nessun watermark misura questo.

Ma il mercato sì, e lo fa da sempre, con un metodo molto più brutale: smette di chiamarti.

Iscriviti ora

#6: Come si lavora da qui in avanti

Torniamo al meccanismo, perché è lì che sta la risposta operativa, e non è una coincidenza poetica: è la stessa identica forma.

Il marchio vive solo dove la scelta non pesava. Dove la parola era obbligata non c’è. Dove le alternative erano equivalenti, c’è tutto.

Ribaltalo e hai il metodo: dai all’AI le parti dove la scelta non pesa, tieni per te quelle dove pesa.

Perché in qualunque cosa consegni convivono due strati, e il 90% dei problemi nasce dal fatto che vengono trattati allo stesso modo.

Ci sono le decisioni portanti: cosa stai dicendo, a chi, perché proprio adesso, quale esempio usi, quale numero metti, cosa scegli di lasciare fuori, dove ti esponi. Se sbagli queste, il lavoro è sbagliato anche se scritto benissimo. Anzi, se è scritto benissimo è peggio, perché ci mettono più tempo ad accorgersene.

E poi ci sono le decisioni non portanti: la forma, le transizioni, l’ordine dei paragrafi, la parola che suona meglio delle altre tre, la formattazione, la lunghezza. Se sbagli queste, il lavoro resta giusto e sembra solo un po’ più grezzo.

Il watermark si annida nel secondo strato per costruzione. Quindi se l’AI lavora solo lì, sei a posto sul piano tecnico e sei a posto sul piano sostanziale, che è la ragione per cui questa non è una scorciatoia: è semplicemente il modo corretto di lavorare, che per una volta coincide con quello conveniente.

Quattro gesti, dal più facile al più scomodo.

Uno. Decidi prima di generare. Prima di chiedere qualsiasi cosa che abbia una struttura, scrivi tu lo scheletro. 8 righe brutte, ogni riga un blocco, accanto mezza frase che dice che lavoro fa quel blocco. Ci metti 10 minuti e ti risparmi le tre revisioni in cui scopri che avevate in testa due cose diverse. In più, quando qualcuno ti chiederà cosa ci hai messo di tuo, la risposta esiste già ed è precedente al modello.

Due. La seconda domanda. Dopo ogni risposta che ricevi, fatti una domanda che nel prompt non c’era. “E se il cliente fosse l’opposto?”, “questo numero da dove viene davvero?”, “cosa succede se è vero il contrario?”. Se non ti viene in mente nessuna seconda domanda, non hai capito il pezzo. E se non l’hai capito tu, nessuno lo capirà per te a valle.

Tre. Dichiara il metodo, non lo strumento. Qui c’è un dato che va contro l’intuizione: una ricerca di Atlassian mostra che dichiarare l’uso dell’AI, da solo, tende a ritorcersi contro chi lo fa. È coerente con lo studio della Duke di prima. Quindi la mossa non è confessare, è mostrare il lavoro. Non “questo l’ho fatto con Claude”, ma “questi tre numeri li ho verificati alla fonte, l’esempio è nostro, la conclusione me la prendo io”. Chi legge non voleva sapere il tool. Voleva sapere se qualcuno ha controllato.

Quattro, e vale più degli altri tre messi insieme. Non consegnare niente che non sapresti difendere in piedi, senza il documento davanti, davanti a qualcuno che ti fa la domanda scomoda. È l’unico rilevatore che non ha falsi positivi, non ha bisogno di una chiave, non ha soglie da pubblicare e funziona da molto prima del 2 agosto.

Se ne devi tenere una sola, tieni questa.

Il giorno in cui il rilevatore ufficiale uscirà davvero, aprirà una discussione tecnica su una cosa che le persone intorno a te avevano già capito da mesi.

Iscriviti ora

📌 Prompt Espresso

Cosa fa questo: ti fa l’audit di paternità su un lavoro vero che hai già consegnato. Non conta quanta AI hai usato. Conta quante decisioni portanti, dentro quel documento, non hanno un autore.

Dove si usa. In una chat pulita, con il documento incollato dentro. Sceglilo con criterio: prendi qualcosa di recente, consegnato davvero a qualcuno, non un esercizio. E non partire dal lavoro di cui vai più fiero, che la prima volta fa un effetto strano. Servono 20 minuti veri, perché la fase 2 la devi compilare tu, una riga alla volta.

Il prompt:

Agisci come un editor senior che deve stabilire la paternità reale di un documento. Non sei qui per dirmi se è scritto bene. La qualità della scrittura non ti interessa e non la commenti mai. Ti interessa una cosa sola: quali decisioni contiene questo documento, e chi le ha prese.

Il mio contesto: [es. consulente marketing, studio tecnico, responsabile commerciale, formatore]. Il documento che ti incollo è: [es. una proposta a un cliente, un report mensile, una newsletter, un piano operativo].

FASE 1 · Estrazione delle decisioni. Leggi il documento ed elenca ogni decisione portante che contiene. Una decisione portante è una scelta che, se fosse stata presa diversamente, avrebbe cambiato la sostanza del documento e non la sua forma. Cerca almeno queste categorie: la tesi centrale · il destinatario implicito · il problema che si dà per assodato · ogni esempio o caso citato · ogni numero o fonte · cosa è stato deliberatamente lasciato fuori · dove il documento prende posizione invece di descrivere.

Numerale. Scrivile in una riga ciascuna, con le parole del documento. Non aggiungere le tue. Non dirmi ancora niente su cosa ne pensi.

FASE 2 · Attribuzione. Adesso ripercorriamole insieme. Chiedimi, una decisione per volta e aspettando la mia risposta, chi l’ha presa. Tre risposte possibili e nessuna via di mezzo:

A = l’avevo decisa io prima di aprire la chat

B = l’ho decisa io dopo aver visto una proposta del modello, cambiandola

C = l’ha proposta il modello e io l’ho accettata così com’era

Se rispondo “non me lo ricordo”, segna C e vai avanti senza commentare.

Quando abbiamo finito, mettimi tutto in una tabella a tre colonne: decisione, categoria, attribuzione. Poi dammi due conti secchi: quante decisioni portanti in totale, e quante di quelle sono C.

FASE 3 · Recupero. Prendi le 3 decisioni C che pesano di più sul risultato finale, cioè quelle che se sbagliate rendono inutile tutto il resto. Per ognuna scrivimi:

1. la domanda che avrei dovuto farmi io prima di accettarla

2. una alternativa credibile che il modello non ha proposto, e perché avrebbe portato il documento da un’altra parte

3. come farei a verificarla, in concreto, in meno di 15 minuti

Chiudi con una frase sola, senza addolcirla: qual è la decisione più importante di questo documento che non ha un autore.

⚠️ La parte utile non è la fase 3, è la fase 2, e non è comoda. Il fastidio non arriva quando scopri di avere tante C. Arriva prima, nel momento esatto in cui davanti a una decisione ti accorgi che non ti ricordi se l’hai presa o se l’hai solo accettata. Quel vuoto di memoria non è distrazione. È la prova che quella scelta non è mai passata dalla tua testa: c’è transitata accanto mentre leggevi in diagonale, e tu l’hai lasciata passare perché sembrava ragionevole.

È lo stesso identico meccanismo del marchio, spostato dalle parole alle decisioni. Il segnale si accumula dove non hai deciso niente.

Iscriviti ora

Una cosa che questo prompt non fa, e vale la pena dirla per non usarlo male. Non misura quanta AI hai usato, e non serve a farti sentire in colpa per averla usata. Un documento pieno di B è un ottimo documento: vuol dire che hai visto una proposta, l’hai valutata e l’hai piegata alla tua. Quello è lavorare con l’AI fatto bene, ed è esattamente il punto di tutta questa puntata. Il problema sono solo le C, e solo quelle che pesano.

E un’ultima raccomandazione, che è quella che lo trasforma da curiosità in pratica: rifallo su un lavoro nuovo ogni mese, non una volta sola. Il rapporto fra decisioni tue e decisioni accettate non peggiora in un giorno. Peggiora una consegna alla volta, sempre per un buon motivo, sempre perché quel giorno andavi di fretta. Esattamente come non ti accorgi di quando hai smesso di leggere le cose che firmi.

Il giorno in cui il conto della fase 2 esce quasi tutto A e B, quel documento puoi difenderlo in piedi davanti a chiunque. Compreso un rilevatore.

Iscriviti ora

☢️ Humor Radioattivo

Il bunker a quest’ora è quasi vuoto.

L’arco è ancora lì all’ingresso, che ronza.

Continua a suonare tutte le volte che entra qualcuno con un’idea in mano.

Il marchio esiste, è acceso, e non se ne va. Ma misura una cosa sola: quanto spazio hai lasciato alla macchina nei punti in cui la scelta non contava.

Il resto lo misurano le persone, lo fanno da sempre, e lo fanno molto prima che esca qualsiasi rilevatore.

Se devi portarti via una riga, portati questa: smetti di chiederti se ti sgamano, e comincia a chiederti quante delle decisioni dentro il tuo ultimo lavoro le hai prese davvero tu.

La risposta a quella domanda non ha bisogno di nessuna chiave segreta, di nessuna soglia e di nessuna API. Ce l’hai già, e la sai già mentre stai leggendo questa riga.

P.S. Venerdì scendiamo sotto: come funziona esattamente il torneo fra le parole, cosa succede al segnale quando editi un testo, e perché rilevare un watermark costa meno che generarlo. La parte tecnica vera, per chi la vuole.

☢️ Matteo

Iscriviti ora

Se conosci qualcuno che in questi giorni sta girando post terrorizzati sul watermark invece di guardare cosa consegna, questa puntata è per lui. Girargliela costa meno che spiegarglielo.

Condividi

Oggi al bancone si scende sotto.

L’ultima volta ti ho dato 15 regole per salvare più token possibili su Claude.

Ma c’è un ma…

L’unico posto dove si può ancora decidere qualcosa è prima di iniziare una nuova chat.

Prima che la richiesta parta. E quello non è un gesto da ricordarsi: è una cosa che si costruisce una volta, e poi lavora da sola tutti i giorni, anche nelle giornate in cui tu sei stanco e non ti ricordi niente.

Quest’anno l’ho costruita sul mio sistema.

Oggi te li do tutti, compresa la parte che di solito in pochi raccontano: cosa avevo sbagliato prima di arrivarci.

Una promessa e un avvertimento, perché ci tengo.

La promessa: alla fine di ogni pezzo trovi la tua versione. Non ho un sistema uguale al tuo e non me lo aspetto. Quello che si trasporta è il gesto, non il mio schema di cartelle.

L’avvertimento: qui dentro non trovi percentuali di risparmio. Non le ho misurate con un prima e un dopo, e inventarle sarebbe esattamente il tipo di numero che in questa newsletter non scriviamo. Trovi le decisioni, il perché, e cosa è successo dopo.

☕ Tazza in mano. Si scende.

Iscriviti ora

💡 Pensiero del giorno

Le abitudini ti ripuliscono la scrivania.

L’infrastruttura decide quanta roba ci finisce sopra prima che tu ti sieda.

🧪 AI in azione

#1: Cosa parte davvero, prima che tu scriva

Prima dei cambi, la mappa. Perché se non sai cosa viaggia, ottimizzi a caso.

Ogni volta che apri una conversazione, ci sono tre zavorre che partono senza chiedertelo.

Le istruzioni permanenti. Quelle che hai scritto una volta nelle impostazioni: come devi rispondermi, chi sono, cosa faccio. Sono la cosa più utile che puoi avere ed è giusto che ci siano. Ma è utile sapere che ci sono sempre, anche quando chiedi che ore sono.

I documenti fissi. Se lavori dentro un Project o uno spazio con dei file caricati, quei file sono a disposizione della conversazione. Non necessariamente vengono letti tutti sempre, ma stanno nel perimetro, e il perimetro ha un costo.

Le descrizioni degli strumenti. Questa è la meno conosciuta ed è la più pesante. Ogni strumento che colleghi porta con sé la spiegazione di cosa fa, quando usarlo e cosa vuole in pasto. Quella spiegazione è testo, e viaggia a ogni singola chiamata anche se quello strumento non lo tocchi. Anthropic ha pubblicato una misura su un ambiente con quattro server collegati, e parla di decine di migliaia di token spesi in sole descrizioni prima che il modello faccia qualunque cosa: nell’ordine dei 55.000.

Adesso una cosa che devo dirti, perché è vera e perché se non te la dico io la scopri da solo e a quel punto hai ragione tu.

Una parte di questa roba non la paghi a prezzo pieno. I fornitori hanno un meccanismo che riconosce la parte fissa di quello che mandi e la fa costare una frazione. È il motivo per cui il mio conto del mese scorso è quello che è e non cinque volte tanto, e nella #61 il famoso 95% di rilettura passava in gran parte da lì.

Quindi la frase onesta non è “paghi tutto due volte”. La frase onesta è questa: quella roba ti costa poco in denaro e ti costa tantissimo in spazio. Occupa la finestra di contesto, si mette fra te e la risposta, ti avvicina al muro dei limiti, e soprattutto peggiora il lavoro, perché più materiale inutile c’è in mezzo più il modello ha modo di agganciarsi alla cosa sbagliata.

Il conto è la spia. Il problema è la scrivania.

E c’è un motivo per cui questa cosa peggiora proprio per chi legge una newsletter a pagamento sull’AI. Chi usa questi strumenti per gioco apre una chat vuota e scrive: zavorra quasi zero. Chi ci lavora davvero ha istruzioni scritte, spazi attrezzati, documenti caricati, strumenti collegati. Ogni pezzo di quell’attrezzatura è stato aggiunto per una buona ragione, in un giorno preciso, per risolvere un problema vero.

Il punto è che nessuno di quei giorni è mai stato il giorno in cui qualcuno ha tolto qualcosa.

Ed è il motivo per cui questa puntata non parla di prompt. I prompt li sai già scrivere. Quello che quasi nessuno fa è la manutenzione di ciò che sta sotto.

La tua versione, in dieci minuti. Apri una conversazione nuova e scrivi una domanda banale, tipo “ciao”. Non guardare la risposta: guarda quanto ci mette. Poi fai la stessa cosa dentro il tuo spazio di lavoro attrezzato, quello coi file e gli strumenti collegati. La differenza di attesa che senti fra le due è la tua zavorra fissa, resa percepibile senza nessun cruscotto. Se la seconda parte visibilmente più lenta della prima, hai appena trovato il tuo cantiere.

#2: Cambio 1 · smettere di caricarle

Adesso il numero, e poi il metodo.

Il mio ambiente di lavoro ha uno strato di regole di governo. Come si nominano i file, dove vive ogni cosa, cosa si fa prima di costruire qualcosa, come si pianifica un lavoro lungo, cosa non si tocca mai. Roba scritta bene, nata da errori veri, pensata per proteggermi dal me stesso delle sei di sera.

140 KB. In teoria andavano letti a ogni avvio.

Fatti i conti a spanne, sono circa 40.000 token bruciati prima della prima azione utile della giornata. Non è una misura sul campo, è un’aritmetica onesta: 140.000 caratteri diviso circa tre caratteri e mezzo per token. Ma l’ordine di grandezza è quello, e l’ordine di grandezza basta a capire la cosa importante.

Che è questa: non li leggeva mai nessuno. Nemmeno io. Nemmeno il sistema che li avrebbe dovuti seguire.

Ed è qui che ho imparato la cosa che mi porto dietro da mesi.

Una regola che nessuno rispetta non protegge niente. Fa peggio: insegna che anche tutte le altre sono facoltative.

Per un anno la mia reazione a ogni problema era stata la stessa: scrivere una regola in più. Ogni regola in più rendeva il blocco più pesante, e ogni chilo in più rendeva meno probabile che qualcuno lo leggesse davvero. Stavo costruendo una cassaforte sempre più robusta attorno a una porta che nessuno apriva.

Read more

Oggi al bancone si parla di un conto che paghi due volte. E poi tre. E poi trenta.

A marzo ti ho fatto vedere quanto ti costa quello che l’AI dice di troppo: i preamboli, i riassunti che nessuno ha chiesto, le chiusure motivazionali. Era metà del problema. Oggi arriva l’altra metà, ed è quella grossa: quanto ti costa tutto ciò che ridici tu, senza accorgertene, a ogni singolo messaggio.

Due settimane fa ho aperto per noia il cruscotto dei consumi. Volevo solo vedere quanto avevo macinato in un mese. Il numero grande l’ho già raccontato: quasi 12.000 dollari di token in 30 giorni, per un abbonamento che ne costa 200.

Poi però sono andato a vedere di cosa era fatta quella cifra. E lì la giornata ha preso una piega diversa.

Su 12,85 miliardi di token consumati in trenta giorni, 12,16 miliardi erano rilettura. Roba che era già passata di lì, già letta, già pagata, che è stata rispedita da capo e ripassata alla cassa. Il 94,7%

Quello che ho digitato io, con le mani, in 43.700 scambi e 301 sessioni di lavoro, sta sotto lo 0,12%. Un decimo di punto percentuale.

Non è un mio difetto. Non è un bug. È come funzionano questi strumenti, e nessuno te lo spiega quando ti vende l’abbonamento.

E siccome so già cosa stai pensando, te lo dico subito: no, la soluzione non è usare meno l’AI. La soluzione è capire dove va il conto. Perché quando lo capisci, la stessa identica quantità di lavoro ti costa una frazione, i limiti smettono di arrivarti addosso il martedì pomeriggio, e soprattutto smetti di avere paura di provare le cose.

Oggi ti do 15 regole. Nove le puoi applicare stasera, gratis, su qualsiasi AI tu stia usando. Le altre sei te le nomino tutte e ti dico cosa fanno, perché sono quelle che non si fanno a mano.

☕ Tazza in mano. Si parte.

Iscriviti ora

💡 Pensiero del giorno

Il messaggio che hai appena scritto è la parte più piccola di quello che stai pagando.

E per il resto del conto non ti ha chiesto il permesso nessuno.

🎯 Prima di scendere: a che livello sei?

Quello che leggerai fra poco cambia parecchio a seconda di dove sei messo. Chi riscrive il contesto a ogni singola chat ha un problema diverso da chi ha già un sistema che lo sa.

Per questo abbiamo costruito il Collaudo: 12 domande per permetterti di verificare a quale livello di utilizzo AI sei, due minuti e mezzo.

Alla fine il referto ti dice anche il primo pezzo che ti manca, e come costruirlo da solo. E se dopo questa puntata ti viene voglia di stare in un posto dove queste cose si fanno tutto l’anno invece che una volta a settimana, la porta è la community AI Playground, la community dei costruttori

👉 Fai il Collaudo, sono due minuti e mezzo

☕ Adesso torniamo al bancone.

ENTRA IN COMMUNITY

🧪 AI in azione

#1: Il conto che si moltiplica da solo

Partiamo dal meccanismo, perché senza quello le 15 regole sono 15 trucchetti che dimentichi entro venerdì. Con quello, capisci che sono una cosa sola guardata da 15 angoli diversi.

Quando premi invio, tu pensi di mandare la frase che hai appena scritto. Non è così. Mandi tutta la conversazione, dall’inizio, ogni volta. Il modello non ha memoria: ha una finestra di contesto, e quella finestra viene riempita da capo a ogni turno. È così che questi strumenti fingono di ricordarsi di te. Non ricordano niente. Si rileggono tutto.

Quindi il conto va così. Il primo messaggio costa quello che hai scritto, ed è l’unica volta in cui paghi il giusto. Il secondo costa quello che hai scritto adesso, più la risposta di prima, più il messaggio di prima. Il decimo costa quello che hai scritto adesso più i nove scambi precedenti, che avevi già pagato tutti e nove. Al trentesimo messaggio, quello che hai appena digitato è un errore di arrotondamento dentro una massa che ti trascini dietro da mezz’ora.

Nel gergo dei fornitori quella massa ha un nome: input riletto. È la parte della richiesta che il modello ha già visto e che gli rispedisci comunque, perché senza quella non saprebbe di cosa state parlando.

Non sono l’unico ad averlo misurato. , che di questa roba ha fatto un lavoro sistematico, ha registrato in una sola giornata 3,77 miliardi di token passati dal suo ambiente di lavoro, su 143 conversazioni separate. Di quei 3,77 miliardi, 3,59 erano rilettura: il 95,2%. Due persone diverse, due mestieri diversi, due strumenti diversi, stesso identico rapporto.

Non è una statistica sui pigri. È l’aritmetica di come è fatta la tecnologia.

Qui ti fermo su una cosa, perché è la parte che fa incazzare. Questo non lo sistemeranno i laboratori. Non perché siano cattivi, ma perché non hanno nessuna ragione per farlo: il loro incentivo è che tu usi il prodotto, e frenano solo quando finisce la potenza di calcolo. Ridurre il tuo consumo non è una metrica su cui qualcuno viene valutato, in nessuna di quelle aziende del mondo. Nessun dirigente si è mai svegliato pensando “questo trimestre facciamo consumare meno ai clienti”.

E c’è una convinzione diffusa che rende tutto peggio: quella secondo cui il problema si risolverà da solo. Le finestre di contesto diventano più grandi, i modelli reggono lavori più lunghi, gli agenti fanno più cose in autonomia, quindi fra un po’ punti la macchina sul tuo lavoro e quella parte. In altre parole: presto potremo permetterci una scrivania disordinata.

Prova a farlo davvero. Prendi tutto quello che hai sugli scaffali dello studio e mettilo sulla scrivania. Adesso hai tutto a portata di mano, in teoria sei più potente che mai. In pratica non trovi più niente, ogni cosa che cerchi te ne fa spostare altre dieci, e alla fine della giornata sei stanco senza aver concluso.

Il paradosso è che più lo strumento è capace, più cose gli metti in mano, più materiale si porta dentro, e più in fretta arrivi al muro. La capacità in più non ti regala ordine: te ne chiede di più.

La scrivania è tua. La pulisce nessuno.

#2: Il “rifallo” è la voce più cara della tua bolletta

Adesso prendi il meccanismo di sopra e mettici dentro la cosa che fai venti volte al giorno senza pensarci.

La risposta non ti piace. Tu scrivi: “no, non è questo, rifallo”. Cinque parole. Ti costano cinque parole?

No. Ti costano tutta la conversazione un’altra volta, più la risposta sbagliata che adesso è entrata anch’essa nel conto, più le tue cinque parole. E se al secondo tentativo ancora non ci siamo, riparte tutto una terza volta, con dentro adesso due risposte sbagliate. Al quarto giro stai pagando una conversazione che è per metà fatta di roba che hai già scartato.

Questa è la ragione per cui certe sessioni bruciano i limiti in un’ora e mezza mentre altre, con lo stesso identico lavoro fatto, arrivano a sera. Non è il lavoro. Sono i giri a vuoto, e ogni giro a vuoto si porta dietro tutti quelli prima.

Facciamo il conto su una scena che ti è successa questa settimana. Stai lavorando a una proposta per un cliente. Hai incollato il brief, due documenti di riferimento e le note della call: mettiamo che sia una conversazione da un certo peso, chiamiamolo X. Chiedi la prima stesura. Non ti piace il taglio, dici “troppo formale, rifallo”. Non ti piace nemmeno il secondo, dici “adesso troppo colloquiale”. Al terzo ci siamo quasi ma manca un pezzo, e glielo fai aggiungere.

Tu hai scritto tre frasi corte. Ma la conversazione è stata rispedita per intero quattro volte, e a ogni giro dentro c’era anche tutto ciò che avevi scartato al giro prima. Alla fine di quel lavoro hai pagato la tua proposta più o meno dieci volte, e sette di quelle dieci sono state per far rileggere al modello delle bozze che avevi già buttato via.

Il pezzo che fa male è quest’ultimo. Non stai pagando i tentativi: stai pagando la conservazione dei tentativi falliti. Quelle bozze scartate non spariscono quando dici “no”. Restano lì dentro, e viaggiano con te fino alla fine della conversazione.

C’è un dato che ho già raccontato a marzo e che qui torna utile: uno studio di marzo 2026 ha testato 31 modelli diversi su quasi 1.500 problemi, e ha misurato che obbligando un modello grande a rispondere breve la precisione migliora di 26 punti percentuali. Migliora, non peggiora. Perché quando non può nascondersi dietro tre strati di cautela, è costretto a impegnarsi.

Tienilo a mente, perché significa una cosa contro-intuitiva: la risposta lunga e vaga non è solo più cara, è anche più sbagliata. E siccome è più sbagliata, genera il “rifallo”. E il “rifallo” ripaga tutto. Il cerchio si chiude, e lo paghi tu tre volte.

E adesso la parte che quasi nessuno si aspetta: più lavori bene, prima sbatti.

Quando cominci a fare sul serio con questi strumenti, smetti di aprire una chat vuota e scriverci dentro. Cominci a salvare istruzioni permanenti. Carichi documenti che servono sempre. Colleghi strumenti esterni. Ti costruisci il tuo secondo cervello.

Tutta quella roba parte insieme al messaggio, prima ancora che tu abbia scritto una parola.

E non è un modo di dire: Anthropic ha pubblicato la misura. Un ambiente di lavoro tipico con quattro strumenti collegati (per dire: il tuo archivio del codice, la chat aziendale, il sistema degli errori, il cruscotto dei dati) brucia circa 55.000 token di sole descrizioni degli strumenti, prima che il modello faccia qualunque cosa. Sono le istruzioni che spiegano all’AI cosa fa ogni strumento, quando usarlo, che informazioni vuole. Viaggiano tutte, a ogni chiamata, anche quando ne stai usando zero.

Chi si è costruito un sistema serio si siede alla scrivania e la trova già mezza occupata. Non è sfortuna, ed è il motivo per cui questa puntata è la prima di due: le abitudini ti ripuliscono la scrivania, ma quanta roba ci finisce sopra prima che tu ti sieda lo decide l’infrastruttura. E quella è un lavoro diverso.

Per ora, le abitudini. Che sono tante, sono gratis, e da sole ti cambiano la settimana.

#3: Le cinque regole della conversazione

Queste cinque valgono su Claude, su ChatGPT, su Gemini, su qualunque cosa userai fra sei mesi. Non c’è niente da installare.

1. Correggi l’errore, non litigarci. Quando il modello sbaglia perché la tua richiesta era ambigua, il tuo istinto è rispondere nel turno dopo. Non farlo. Torna sul tuo messaggio, riscrivilo com’era giusto, rimandalo. Su ChatGPT e su Claude c’è il pulsante per modificare un messaggio già inviato, e quasi nessuno lo usa. La differenza è brutale: un turno invece di quattro, e soprattutto la conversazione non si porta dietro il fraintendimento. Perché il problema del “no, non intendevo quello” non è solo che costa: è che quella frase sbagliata resta lì dentro per sempre, e il modello continua a leggerla a ogni turno successivo.

2. Cambi lavoro, cambi chat. La conversazione lunga è comoda finché stai sullo stesso problema, e va benissimo così. Diventa un disastro nel momento esatto in cui cambi argomento senza aprirne una nuova. Se hai passato quaranta minuti a sistemare un contratto e poi chiedi due righe per un post, quelle due righe si portano dietro tutto il contratto. Questa è la regola che, misurata, sposta più di tutte le altre messe insieme. E no, non stai buttando via niente: la vecchia conversazione resta lì, la riapri quando vuoi. Semplicemente smetti di farla viaggiare con te.

Una precisazione onesta, perché non voglio venderti magie: una chat nuova non parte mai davvero da zero. Le tue istruzioni personalizzate, i documenti del Project e le istruzioni di sistema del fornitore ci sono comunque. Quello che smetti di trascinare è la conversazione, che è la parte che cresce senza limite. La zavorra fissa resta, e di quella parliamo giovedì.

C’è anche una ragione che con i soldi non c’entra niente. Le conversazioni lunghissime peggiorano le risposte: più roba c’è dentro, più il modello ha modo di agganciarsi alla cosa sbagliata, e ti ritrovi con risposte che riprendono un dettaglio di quaranta minuti fa che non c’entra più nulla. Aprire una chat pulita non è solo economia. È igiene mentale, per te e per lui.

3. Porta avanti il risultato, non la discussione. Nei lavori a fasi (ricerca, poi stesura, poi revisione) succede sempre la stessa cosa: si tiene tutto in un posto solo perché sembra comodo. Ma quando la fase di ricerca ti ha dato il documento che volevi, quello che serve alla fase dopo è il documento. Non le tre bozze scartate, non i giri di correzione, non le fonti che hai buttato, non il ragionamento con cui ci sei arrivato. Apri una chat nuova, incolla dentro il risultato, riparti. Stai portando avanti un chilo invece di trenta.

4. Fai tutte le domande insieme. Se hai cinque domande sullo stesso materiale, cinque messaggi separati significano rileggere quel materiale cinque volte. Un messaggio con dentro cinque domande lo rilegge una volta sola. È aritmetica banale e la violiamo tutti, ogni giorno, perché una domanda alla volta sembra più ordinato.

5. Dì che forma deve avere la risposta. Un elenco di cinque punti? Un paragrafo? Centocinquanta parole? Una tabella? Dillo. Se non lo dici, il modello sceglie per te, e sceglie sempre lungo, perché è così che è stato addestrato. E ogni parola di troppo la paghi due volte: una quando viene scritta, e poi di nuovo a ogni singolo turno successivo, perché quella risposta adesso è dentro la conversazione e viene riletta per sempre.

Quest’ultimo punto merita una riga in più, perché è il più sottovalutato di tutti. L’output è l’unica cosa che paghi al doppio. Quando chiedi il documento da 50 pagine e poi continui a lavorarci sopra per un’ora, non hai pagato 50 pagine: hai pagato 50 pagine moltiplicate per il numero di messaggi che hai scritto dopo.

Guardale insieme, queste cinque, e vedrai che sono tutte varianti di un gesto solo: decidere tu cosa entra nella conversazione, invece di lasciare che ci si accumuli dentro tutto per inerzia. Il fraintendimento che correggi invece di discutere, l’argomento vecchio che lasci in un’altra chat, le bozze che non porti avanti, le domande che accorpi, la risposta lunga che non chiedi. Cinque modi di dire la stessa cosa: quella finestra è uno spazio finito, e finora ci hai buttato dentro roba senza guardare.

#4: Le quattro regole delle fonti

Le cinque di sopra riguardano come parli. Queste quattro riguardano cosa gli metti in mano, ed è il punto dove si brucia di più senza vederlo.

6. Cerca tu nel file, non farlo cercare a lui. Sì, adesso i modelli aprono i documenti e ci cercano dentro da soli. È comodissimo ed è un bruciatore di token spaventoso, perché per cercare deve leggere, e quello che legge entra tutto nel conto e ci resta. Se sai già dove sta la risposta, la mossa giusta è: “ho cercato io, il pezzo che conta è questo, guarda solo qui”. Trenta secondi tuoi contro un documento intero riletto a ogni turno per il resto della conversazione.

7. Manda la forma più leggera della fonte. Se contano le parole e non l’impaginazione, quel PDF non deve restare un PDF. Convertilo in testo e incolla il testo. Non mandare otto screenshot di una cosa che è scritta: le immagini costano molto più delle parole che contengono. Lo so che è tentante buttargli dentro tutto perché tanto poi si arrangia, e infatti si arrangia. Il conto lo vedi dopo.

8. Chiedi solo la risposta che ti serve. L’ho già detto sopra da un lato, ma qui c’è il gesto pratico: se ti serve un numero, chiedi il numero. Se ti serve una decisione fra due opzioni, chiedi quale delle due e perché, in tre righe. La moda del documento monumentale è passata, ed è passata per un motivo. Le risposte brevi non sono risposte povere: quello studio sui 31 modelli dice che sono anche più precise.

9. Tieni le risposte dove le ritrovi. Questa è la più noiosa e la più redditizia. Quando lavori per settimane attorno allo stesso problema, ci sono cose che chiedi tre, quattro, dieci volte, in conversazioni diverse. Ogni volta le fai ricalcolare da zero, e ogni volta paghi tutto: la ricerca, il ragionamento, la risposta. Se invece quella risposta sta scritta in un posto che sai, la recuperi e la incolli. Costo: zero. Un documento condiviso, un blocco note, una base dati, quello che vuoi: l’importante è che esista un posto e che tu sappia qual è. La risposta più economica del mondo è quella che avevi già dato la settimana scorsa.

Su questa faccio l’esempio più stupido che ho, perché è quello che convince. La descrizione di cosa fa la mia azienda, per chi lavoriamo e come parliamo l’ho fatta scrivere e riscrivere per mesi, in decine di conversazioni diverse, ogni volta ripartendo dal contesto e ogni volta ottenendo una versione leggermente diversa. Ricostruire quella roba costava ogni volta un pezzo di conversazione, e il risultato non era nemmeno stabile: due settimane dopo l’AI raccontava l’azienda in un altro modo, perché gliel’avevo raccontata in un altro modo io.

Il giorno in cui l’ho scritta una volta sola in un file, il costo di quella cosa è andato a zero per sempre. E il beneficio grosso non è stato il risparmio: è stato che da lì in avanti la risposta è la stessa. Quello che il conto ti fa notare per primo, spesso, è un problema di qualità travestito da problema di prezzo.

Nove regole. Fatte tutte, la stessa identica settimana di lavoro ti costa una frazione. Non serve installare niente, non serve saper programmare, funzionano su qualunque strumento tu stia usando adesso e su quelli che userai fra un anno, perché non dipendono dalla tecnologia: dipendono da come è fatta la conversazione.

E se ne devi scegliere una sola per stasera, prendi la numero 2. Chat nuova quando cambia il lavoro. È quella che si sente di più, si fa in mezzo secondo, e non chiede di ricordarsi niente.

#5: Le altre sei, e perché a mano non si fanno

Restano sei regole. Te le nomino tutte, perché non mi piacciono le liste che dicono “e poi c’è dell’altro” senza dirti cosa. Ma su queste cambia la natura del lavoro: non sono gesti, sono cose da costruire una volta perché poi funzionino da sole.

10. Portati dietro solo gli strumenti che quel lavoro può usare. Abbiamo visto il numero: 55.000 token di descrizioni prima di cominciare, con quattro strumenti collegati. La regola è banale a dirsi, “scollega quello che non ti serve”, ed è insopportabile a farsi a mano, perché significa ricordarsi ogni volta cosa serve a cosa. Fra sei o otto mesi i modelli lo faranno da soli. Oggi no.

11. Comprimi invece di ricominciare. Ripartire da zero è la mossa migliore, ma non sempre si può: se sei a metà di un lavoro lungo e il modello ti sta chiedendo una decisione, non puoi buttare tutto. Qui entrano le funzioni che i fornitori hanno costruito apposta: OpenAI comprime lo stato dei lavori lunghi, Anthropic ripulisce i risultati vecchi degli strumenti e i blocchi di ragionamento prima della richiesta successiva. Funzionano, e vanno capite: quando comprimi stai lavorando su una versione approssimata di quello che era stato detto prima. Non è perfetto. È molto meglio che sbattere contro il muro, che è quello che si faceva un anno fa.

12. Usa il modello più stupido che porta a casa il lavoro. Non è una battuta ed è forse il consiglio più redditizio della lista. Per riformattare un elenco, estrarre dei dati da un testo o tradurre una mail non ti serve il modello che ragiona per due minuti prima di aprire bocca: ti serve quello veloce, che costa una frazione e ti risponde subito. Il modello grosso tienilo per quando c’è davvero da pensare. Più lavori con l’AI, più senti dov’è quella linea, e più risparmi senza perdere assolutamente niente in qualità. È la voce di spesa che quasi tutti sbagliano al rialzo, per il semplice motivo che scegliere il migliore sembra sempre la scelta prudente.

13. Riusa la parte fissa. Se mandi ogni giorno la stessa identica cornice (le stesse istruzioni, gli stessi documenti di riferimento), esiste il modo di farla pagare una volta invece che tutte. È la cosa che tiene il mio conto a 12.000 dollari invece che a cinque volte tanto. Se lavori solo dentro le chat, questa succede già dietro le quinte e non devi farci niente. Se hai cominciato a costruire, è una leva che si governa.

14. Metti un tetto duro. Non “cerco di stare attento”: un limite vero, oltre il quale una richiesta non parte. Non lo puoi fare dentro la chat, per definizione. Serve qualcosa che stia in mezzo fra te e il fornitore.

15. Rispondi senza disturbare il modello. La chiamata più economica è quella che non fai. Se la risposta ce l’hai già, il sistema deve poterla restituire senza svegliare nessuno. È la regola 9 di sopra, ma automatica: non “me la vado a cercare io”, bensì “il sistema se ne accorge da solo”.

Guarda queste sei una accanto all’altra e vedi la cosa che hanno in comune. Nessuna di loro è un’abitudine. Sono tutte pezzi di infrastruttura, e hanno un tetto che le nove di prima non hanno.

Il tetto è questo, ed è più duro di quanto sembri: nessuna istruzione può rimpicciolire la richiesta dentro cui si trova. Puoi scrivere le regole più intelligenti del mondo dentro le tue impostazioni, ma quando il modello arriva a leggerle, la busta è già partita ed è già piena. La conversazione c’era già. I documenti fissi c’erano già. Le descrizioni degli strumenti c’erano già. Tu stai dando istruzioni a qualcuno che ha già ricevuto il pacco.

Per andare sotto quel tetto bisogna intervenire prima che la richiesta parta: decidere cosa ci entra, invece di chiedere gentilmente di ignorarlo dopo.

Ed è esattamente il lavoro che ho fatto sul mio sistema quest’anno, partendo da un numero che quando l’ho visto scritto mi ha messo di malumore per un pomeriggio intero.

Il mio ambiente di lavoro aveva un intero strato di regole di governo: come si nominano i file, dove vive ogni cosa, come si pianifica, cosa si fa prima di costruire. Roba buona, scritta bene, pensata per proteggermi dagli errori. 140 KB di regole, che in teoria andavano lette a ogni avvio. In pratica erano circa 40.000 token bruciati prima della prima azione utile della giornata, ed è il motivo per cui non le leggeva mai nessuno, me compreso.

E qui c’è la parte che mi ha insegnato più di tutte: una regola che nessuno rispetta non protegge niente. Fa peggio, perché insegna che anche le altre sono facoltative.

La correzione non è stata scrivere regole migliori, né più corte. È stata smettere di caricarle: ognuna ha il suo momento, e fuori da quel momento non si apre. Stessa protezione, zero costo fisso.

Ma quello è il cantiere, e il cantiere è un’altra puntata. Giovedì, al bancone, per chi ha la tessera del Vault: i 140 KB, le altre tre cose che ho cambiato, e il pezzo del mio sistema che risponde a una domanda intera senza svegliare nessun modello.

Da dove viene l’impianto. L’organizzazione in 15 regole e la lettura per livelli sono di Nate B. Jones, che su questa roba ha fatto il lavoro sistematico e ha misurato la sua giornata da 3,77 miliardi di token. I numeri del mio cruscotto e il cantiere della prossima puntata sono miei. Il credito dove va.

📌 Prompt Espresso

Cosa fa questo: è un blocco di istruzioni da incollare una volta sola, che spegne all’origine i tre comportamenti che ti bruciano il conto senza darti niente in cambio.

Dove si mette. Non in chat. Va nel posto dove le istruzioni restano: le istruzioni personalizzate di ChatGPT, le preferenze di Claude, oppure le istruzioni di un Project se lavori così. Si incolla una volta e vale per tutte le conversazioni successive. Se lo incolli dentro una chat, la paghi a ogni turno insieme al resto, che è esattamente ciò che stiamo cercando di evitare.

Il blocco:

Sei un collaboratore operativo. Lavoriamo insieme tutti i giorni, quindi comportati come qualcuno che mi conosce, non come qualcuno che si presenta.

Come rispondi.
Niente preamboli. Non aprire con “Ottima domanda”, “Certo”, “Volentieri” o loro parenti. Parti dalla risposta.
Niente riassunto finale di quello che hai appena detto. Se l’ho letto, l’ho letto.
Niente offerte di aiuto in chiusura. Se mi serve altro te lo chiedo io.
Se ti do una lunghezza o un formato, quello è un vincolo, non un suggerimento. Se non te lo do, stai corto e chiedimi se serve di più.

Prima di leggere roba.
Se per rispondere ti servirebbe aprire un documento lungo, un file intero o fare una ricerca estesa, fermati e chiedimelo, dicendomi cosa ti serve e perché. Molto spesso il pezzo che ti manca te lo incollo io in dieci secondi.
Se un documento lo apri, lavora sulla parte che serve e dimmi quale hai usato.

Quando ho corretto qualcosa.
Se ti dico che una risposta non va, non ripartire da zero: dimmi in una riga cosa avevi capito, così io correggo la mia richiesta invece di farti tentare di nuovo alla cieca.
Quando arriviamo a una versione buona, chiudila: dammi il risultato pulito, da solo, senza il ragionamento che ci ha portato lì e senza le versioni precedenti. Quello è il pezzo che porto avanti io.

Quando cambio argomento.
Se mi vedi passare a un lavoro che non c’entra niente con quello di prima, dimmelo: “questo è un lavoro diverso, conviene aprire una chat nuova”. Non farmelo notare due volte, una basta.

Sui calcoli.
Quando c’è da contare, sommare, ordinare o confrontare numeri, fallo eseguendo il calcolo, non stimandolo a occhio.

[Personalizza qui] Il mio lavoro è: [es. consulenza a piccole imprese, studio tecnico, formazione, e-commerce]. Il mio formato di risposta preferito è: [es. massimo 200 parole / elenco puntato / tabella]. Le cose che so già e su cui non devi contestualizzarmi: [es. come funziona un LLM, il mio settore, i miei clienti].

⚠️ Attenzione, perché qui sta il valore vero. Questo blocco non ti fa risparmiare perché accorcia le risposte. Ti fa risparmiare perché ogni parola che non viene scritta oggi non viene riletta domani, e dopodomani, e per tutta la durata di quella conversazione. Una risposta più corta del 30% su una chat da trenta messaggi non ti fa risparmiare il 30% una volta: te lo fa risparmiare trenta volte.

E c’è un effetto collaterale che scoprirai in due giorni: le risposte diventano migliori. Non perché il modello si impegni di più, ma perché quando gli togli la possibilità di riempire lo spazio con cautele e contestualizzazioni, deve dire una cosa precisa. Che è la stessa cosa che è successa a quei 31 modelli messi sotto vincolo di brevità: 26 punti percentuali di precisione in più.

Il vincolo non è una gabbia. È quello che lo obbliga a impegnarsi.

Come capisci se sta funzionando. Non serve un cruscotto. Bastano tre segnali, tutti visibili a occhio nudo entro un paio di giorni.

Il primo: le risposte cominciano dalla risposta. Se la prima riga che leggi è già il contenuto e non una gentilezza, il blocco sta lavorando.

Il secondo, ed è il più importante: ti capita di essere interrotto. Il modello si ferma e ti chiede se può aprire un documento, oppure ti fa notare che stai cambiando lavoro. La prima volta dà fastidio. Poi ti accorgi che ogni interruzione di quel tipo ti ha appena risparmiato un pezzo di conversazione che non avresti mai visto.

Il terzo: alla fine delle sessioni ti ritrovi in mano dei risultati puliti e trasportabili, invece di dover andare a ripescare la versione buona in mezzo a mezz’ora di discussione.

Se dopo tre giorni nessuno di questi tre succede, il blocco non è nel posto giusto. Il caso più frequente è averlo incollato in una chat invece che nelle impostazioni: lì vale per quella conversazione e basta, e per giunta te lo paghi a ogni turno. Controlla quello prima di cambiare le parole.

Ultima cosa, ed è una raccomandazione seria: questo blocco è un punto di partenza, non un testo sacro. Le prime due settimane tienilo d’occhio. Se ti accorgi che una regola ti sta togliendo qualcosa che ti serviva davvero, toglila. Una istruzione che ti costringe a combattere ogni giorno costa più di quello che risparmia, e a quel punto sei di nuovo al punto di partenza: a discutere con la macchina invece di lavorarci.

☢️ Humor Radioattivo

Fuori è tardi.

Le luci del bunker sono già a metà, e il rotolo dello scontrino è ancora lì per terra.

La cosa strana di questa storia è che nessuno ti ha mai chiesto più soldi. Il prezzo è identico a un anno fa. Sei tu che sei arrivato a portarti dietro trenta volte più roba per fare la stessa cosa.

E la buona notizia sta tutta lì dentro: il tuo limite non è l’abbonamento che paghi. È quanto passato ti trascini dietro a ogni messaggio.

Quello lo decidi tu.

Il bancone chiude qui, per stasera.

Nove cose da fare stasera, sei da costruire. Le prime nove ti bastano per non sentire più i limiti addosso il martedì pomeriggio. Le altre sei sono il cantiere, e giovedì al bancone ti faccio vedere il mio: i 140 KB che nessuno leggeva, il conto di 40.000 token che ho pagato per mesi senza saperlo, e le quattro cose che ho cambiato per smettere.

Nel frattempo, il gesto di stasera è uno solo: la prossima volta che stai per scrivere “no, rifallo”, torna su e correggi la tua richiesta.

Costa un secondo in più. Ti risparmia tre giri.

☢️ Matteo

Se conosci qualcuno che si lamenta dei limiti di ChatGPT o di Claude e ha già valutato di pagare il piano sopra, mandagli questa puntata prima che lo faccia. C’è una discreta probabilità che non gli serva.

Condividi

Pieter de Vries ha una libreria a Haarlem, in Olanda. Roba specializzata, titoli fuori catalogo, il tipo di posto dove vendi venti libri a settimana e conosci il nome di chi entra.

Qualche mese fa gli arriva una richiesta via mail: una società con sede a Singapore vuole quasi tremila titoli. Non un titolo in tremila copie. Tremila titoli diversi, selezionati per codice ISBN, senza nessuna domanda sul contenuto. Allegato un accordo di riservatezza.

Lui ha pensato fosse phishing. Ha lasciato perdere.

Non era phishing. Era la coda di una filiera che nel 2026 è diventata industriale:

intermediari che comprano libri usati in blocchi da mille fino a un milione di copie, li spediscono a un fornitore che ne taglia il dorso con una lama idraulica, fa passare i fogli sciolti in uno scanner ad alta velocità, e manda la carta al macero.

La storia è uscita sui giornali italiani tra fine luglio e inizio agosto, con i toni che immagini: l’intelligenza artificiale che brucia i libri, la biblioteca di Alessandria al contrario, il solito repertorio.

Il repertorio è sbagliato. E la cosa interessante è che la realtà, quando la guardi bene, è molto più scomoda di quella storia lì.

Perché nessuno ha tagliato quei libri per cattiveria. Li hanno tagliati perché tagliarli era la strada legalmente più pulita. E la parte che riguarda te, quella che ti tocca il conto economico, non è nemmeno la carta: è cosa è diventato improvvisamente scarso, e quanto viene pagato adesso.

Nota di onestà, prima di partire. Questa puntata parla di Anthropic, cioè dell’azienda che fa Claude. Che è il modello con cui lavoro tutti i giorni e con cui ho scritto anche questa newsletter. Non ho nessuna intenzione di ammorbidire niente, ma preferisci saperlo prima che dopo.

☕ Tazza in mano. Si parte.

Iscriviti ora

💡 Pensiero del giorno

“Quando un comportamento assurdo diventa sistematico, quasi mai è colpa delle persone. È che qualcuno ha scritto male le regole del gioco, e loro le stanno seguendo alla lettera.”

🧪 AI in Azione

#1: L’uomo che aveva salvato i libri di Google è stato assunto per tagliarli

A gennaio 2026, dentro migliaia di pagine desecretate della causa Bartz contro Anthropic, compare una frase in un documento interno. È scritta senza giri di parole:

“Project Panama is our effort to destructively scan all the books in the world.”

Project Panama è il nostro tentativo di scansionare in modo distruttivo tutti i libri del mondo.

Nello stesso documento c’è anche l’indicazione che il progetto non doveva diventare pubblico. Non un’azienda che nasconde un piano criminale: un’azienda che sa benissimo come suonerà quando uscirà.

Il piano, ricostruito dagli atti, è lineare. Comprare libri usati in grandi blocchi, preferendo titoli poco comuni rispetto ai best seller già disponibili ovunque. Rimuovere il dorso con una taglierina, anche idraulica. Far passare le pagine sciolte in scanner industriali. Costruire una biblioteca digitale interna permanente. Mandare la carta al riciclo.

Ma il dettaglio che secondo me racconta tutta la vicenda meglio di qualsiasi altro è un’assunzione.

All’inizio del 2024 Anthropic ha assunto Tom Turvey, che per anni è stato il responsabile delle partnership di Google Books. Cioè l’uomo che aveva costruito il più grande progetto di digitalizzazione libraria della storia, oltre quaranta milioni di volumi, senza distruggerne uno solo, e che aveva difeso quel modello in tribunale per un decennio uscendone vincitore.

Lo hanno preso e gli hanno fatto costruire Panama.

Fermati un secondo su questa cosa. Non hanno comprato un ingegnere. Non hanno comprato una tecnologia: le taglierine e gli scanner esistono da vent’anni e li vende chiunque. Hanno comprato l’unica persona al mondo che aveva già vinto quella causa una volta.

Ti dice qual è la risorsa davvero scarsa in questo mercato, e non è tecnica. È sapere come si acquisisce un catalogo mondiale restando dalla parte giusta della linea.

E adesso il numero che non esiste. Gli atti parlano di una capacità richiesta a un fornitore compresa tra cinquecentomila e due milioni di libri in circa sei mesi. Trovi quella cifra ripetuta in quaranta articoli come se fosse un consuntivo.

Non lo è. È la capacità pianificata, la richiesta fatta a un fornitore. Parte dei documenti è oscurata. Quanti libri siano stati effettivamente distrutti, oggi, non lo sa nessuno.

Stessa cosa per l’aggettivo “rari”. Panama comprava titoli poco comuni perché costano poco e perché non sono già disponibili in digitale, non perché fossero cimeli da collezione. I casi di volumi rari e quasi unici arrivano dalle segnalazioni dei librai europei, che sono una filiera diversa, con committenti che nessuno ha ancora identificato. Snopes ci ha già fatto un fact-check sopra e ha ridimensionato esattamente lì.

Te lo dico perché è il primo test di questa storia: chiunque te la racconti mettendo “milioni di libri rari distrutti” nel titolo, ti sta vendendo indignazione, non informazione.

Il fatto solido è già abbastanza grosso da solo: un’azienda da miliardi di dollari ha progettato e avviato la distruzione sistematica di libri comprati legalmente, per costruire un archivio che nessuno all’infuori sua potrà mai consultare.

Iscriviti ora

#2: Il rogo non era cattiveria. Era conformità.

Qui arriva la parte che nel dibattito italiano non ho visto praticamente da nessuna parte, e che secondo me è il vero cuore della storia.

Giugno 2025, il giudice William Alsup emette la decisione che ha fatto giurisprudenza. In sintesi, tre pezzi:

Usare libri per addestrare un modello linguistico può rientrare nel fair use statunitense, perché l’uso è trasformativo. Il modello non ti restituisce il libro: impara a scrivere.

Comprare legalmente una copia cartacea, digitalizzarla e distruggere l’originale può essere lecito, perché la copia digitale sostituisce quella fisica. È un cambio di formato, come quando compri un CD e lo copi sul telefono. Una copia entra, una copia esce.

Scaricare libri piratati da archivi come LibGen e PiLiMi è invece una faccenda completamente diversa, e lì il fair use non ti copre.

Adesso guarda bene il secondo punto, perché contiene l’ingranaggio.

Il ragionamento regge solo se il cartaceo sparisce. Se Anthropic avesse tenuto il libro fisico in magazzino e in più la scansione, le copie sarebbero diventate due. E due copie non sono un cambio di formato: sono una riproduzione.

Tradotto: la sentenza che ha reso legale l’operazione rende la distruzione la strada più pulita. Non un effetto collaterale, non un eccesso di zelo. Il macero è la condizione tecnica che tiene in piedi la difesa legale.

Nessuno ha bruciato libri per disprezzo della cultura. Li hanno bruciati per stare dentro la sentenza.

E qui viene il colpo, perché c’è una seconda decisione che nessuno mette accanto a questa.

Settembre 2024, Second Circuit, causa Hachette contro Internet Archive. L’Internet Archive è una fondazione no profit. Compra libri fisici, li scansiona, e ne presta la versione digitale una copia alla volta, a una persona alla volta, esattamente come farebbe una biblioteca di quartiere. Si chiama prestito digitale controllato.

Verdetto: non è fair use. Illegale.

Rileggi le due frasi di fila.

Compri un libro, lo scansioni e lo presti a un essere umano uno per volta: illecito.

Compri un libro, lo scansioni, distruggi l’originale e lo dai in pasto a una macchina che vendi in abbonamento: lecito.

Stessi libri, stessa lama, stesso scanner.

Onestà intellettuale, perché altrimenti divento uguale a quelli che critico: le due cause ruotano su punti diversi. L’Internet Archive redistribuiva le copie a terzi, Anthropic le teneva chiuse dentro. La distinzione giuridica sta in piedi e non è una furbata dei giudici.

Ma il risultato pratico è quello lì. E la domanda che resta aperta è legittima: perché la copia digitale che sostituisce il cartaceo è accettabile se resta sepolta in un laboratorio privato, e non lo è se una biblioteca la presta a uno per volta?

Il punto operativo per te, che non stai né scansionando libri né gestendo una biblioteca. Quando vedi un comportamento sistematico che sembra assurdo, quasi mai è irrazionalità. È un incentivo scritto male che qualcuno sta seguendo con precisione.

Vale identico dentro la tua azienda. Se un reparto fa una cosa che ti sembra insensata e la fa da mesi, non stanno impazzendo: c’è una regola, un bonus, un criterio di valutazione che li premia esattamente per quello. Cambiare le persone non serve a niente. Devi trovare la regola.

Dal bancone: ci ho messo anni a capirlo. Le procedure assurde che trovi nelle aziende non sono quasi mai figlie di gente stupida. Sono figlie di qualcuno che, tre anni fa, ha scritto un criterio di valutazione in fretta. E adesso venti persone lo eseguono alla perfezione.

Iscriviti ora

#3: Il buco del Novecento

C’è una domanda ovvia che quasi nessuno si è fatto: se serve solo del buon testo umano, perché comprare e distruggere invece di usare quello che è già libero?

Perché l’alternativa non distruttiva esiste già, ed è finanziata dagli stessi attori.

A dicembre 2024 la Institutional Data Initiative di Harvard ha rilasciato un corpus di quasi un milione di libri di pubblico dominio, pronti per l’addestramento, disponibili a chiunque. Cinque volte la dimensione del famigerato Books3. Dentro c’è di tutto: Shakespeare, Dickens, Dante, manuali di matematica cechi, dizionari tascabili gallesi. Il progetto è finanziato da OpenAI e Microsoft. In parallelo stanno digitalizzando milioni di articoli di giornale storici con la Boston Public Library.

Quindi la strada pulita c’è, è pubblica, ed è pagata dagli stessi laboratori. E allora perché il taglierino?

Per una ragione che non ha niente a che fare con la tecnologia: il pubblico dominio finisce quasi cent’anni fa.

Il Novecento, cioè il secolo in cui è stato scritto praticamente tutto il sapere tecnico, scientifico, manageriale, industriale e narrativo che usiamo ancora oggi, è quasi interamente fuori catalogo ma ancora sotto copyright. Non lo ristampa nessuno perché non vende. Non lo puoi licenziare perché spesso non sai nemmeno chi contattare: l’editore è fallito, l’autore è morto, gli eredi sono introvabili. In gergo si chiamano opere orfane. Non esiste in digitale perché nessuno ha avuto interesse a digitalizzarlo.

Risultato: c’è un secolo intero di conoscenza umana che è contemporaneamente protetto e irraggiungibile. Non lo puoi comprare in licenza. Non lo puoi scaricare. L’unico modo legale di metterci le mani sopra è comprare la copia fisica usata, da qualche parte, in una libreria di Haarlem.

Ecco perché il mercato dell’usato è esploso da aprile 2026. Ecco perché ISBNdb è diventato l’infrastruttura per ordini bulk che vanno da mille a un milione di copie. Ecco perché librai in Olanda, Germania, Svizzera e Spagna raccontano di ordini anomali, selezionati per codice, con accordi di riservatezza. Ecco perché quelli sono passati da venti libri a settimana a diverse centinaia.

Non è avidità: è l’unico corridoio aperto verso il Novecento.

E quindi il problema vero non è la lama. È che abbiamo costruito un sistema di diritti in cui un secolo di cultura è troppo protetto per essere usato e troppo abbandonato per essere venduto. Quando l’unica porta legale verso un patrimonio è comprarne le ultime copie fisiche in circolazione, prima o poi qualcuno le compra tutte.

Su chi ci sia dietro la società di Singapore, per inciso, non si sa niente. Gli intermediari non dicono per conto di chi comprano. Chi ti racconta che “tutte le aziende AI stanno facendo la stessa cosa” sta tirando a indovinare: il caso documentato con prove resta uno solo. Ma il buco nella storia è esattamente lì, e secondo me è la domanda giornalistica più interessante rimasta aperta.

Iscriviti ora

#4: Il web è bruciato, e la carta è l’acciaio pre-bomba

Adesso la domanda a monte di tutto: perché un’azienda che ha già ingoiato mezzo internet dovrebbe accanirsi su della carta?

Un numero solo.

La quota di articoli online scritti prevalentemente da AI era il 4,2% prima di novembre 2022. A fine 2024 aveva superato il 50%.

In due anni, la fonte di dati più grande mai costruita dall’umanità si è riempita per metà di roba prodotta dalle macchine che quella fonte l’avevano usata per imparare.

C’è un termine tecnico per quello che succede quando alleni un modello sull’output di un altro modello: model collapse.

Non è una preoccupazione filosofica, è statistica. Ogni generazione di addestramento su dati sintetici riduce la varianza e taglia le code della distribuzione. Le code sono dove vivono i casi rari, le eccezioni, le formulazioni inusuali. Cioè esattamente le cose che rendono un testo interessante invece che mediocre. Fotocopi la fotocopia: dopo qualche giro hai un grigio uniforme.

E qui c’è un’analogia che secondo me è la cosa più utile che ti porti via da questa puntata.

Dopo il 1945, i test atomici hanno riempito l’atmosfera di isotopi radioattivi. Da quel momento tutto l’acciaio prodotto nel mondo è leggermente contaminato, perché la fusione usa aria. Per certi strumenti di misura sensibili, quell’acciaio è inutilizzabile. Per decenni la soluzione è stata una sola: recuperare acciaio dai relitti delle navi affondate prima della bomba. Si chiama acciaio a bassa radioattività, e vale un multiplo di quello normale.

Il testo umano scritto prima di novembre 2022 è l’acciaio pre-bomba.

Panama non è un progetto di lettura. È un’operazione di recupero relitti. I libri sono relitti: sigillati, datati, garantiti umani, per costruzione impossibili da contaminare a posteriori. Un libro stampato nel 1987 è l’unico formato di testo su cui hai la certezza matematica che nessuna macchina ci abbia messo le mani.

E adesso la parte che riguarda te, perché fin qui è cronaca.

Se il testo umano non contaminato è l’asset scarso del 2026, allora l’archivio della tua azienda ha appena cambiato natura.

Trascrizioni di call con i clienti. Ticket di assistenza con le risposte vere dei tuoi operatori. Manuali interni. Verbali di riunione. Registrazioni di formazione. Email di vendita, comprese quelle andate male. Note di cantiere, referti, perizie, preventivi con le motivazioni scritte a mano.

Tutta roba che ha tre caratteristiche che insieme valgono oro: è umana, è datata, ed è mai finita online. Nessun modello al mondo ce l’ha, perché non c’era modo di prenderla.

Non ti sto dicendo di vendere i tuoi dati a un laboratorio americano, che tra l’altro è una pessima idea per novantanove aziende su cento.

Ti sto dicendo una cosa più semplice e più immediata: quel materiale è il carburante per costruirti dentro casa un sistema che sa come si lavora da te, con il tuo linguaggio, i tuoi casi limite, le tue obiezioni ricorrenti. Un modello generico sa tutto del mondo e niente del tuo mestiere. Quella distanza la colma solo il tuo archivio.

Chi negli ultimi dieci anni ha buttato via le registrazioni delle call per liberare spazio ha buttato via l’unica cosa che l’AI non sa generare da sola: la prova di come lavorano gli esseri umani nel suo settore.

Dal bancone: in Morfeus lo stiamo facendo sul serio da un po’. Ogni call passa da un sistema che la sbobina, la struttura e la analizza, e quel materiale è diventato progressivamente la base di come formiamo le persone e di come rispondiamo ai clienti. Non è nato come progetto strategico: è nato perché mi ero stufato di riascoltare registrazioni. Il valore vero l’ho capito dopo, quando mi sono accorto che l’archivio rispondeva a domande a cui nessun modello generico sapeva rispondere. Non perché sia più intelligente. Perché era stato in quelle stanze.

Iscriviti ora

#5: Non comprano più il tuo testo. Comprano il tuo giudizio.

Se hai seguito fin qui, il finale ti sorprende, perché la storia dei libri è già vecchia.

Guarda cosa è successo al mercato dei dati umani nell’ultimo anno, e leggi i numeri lentamente.

Handshake: entra nel settore all’inizio del 2025 con un fatturato annualizzato tra i cinque e i dieci milioni di dollari. A gennaio 2026 è a cinquecentocinquanta milioni. Ad aprile 2026 sfiora un miliardo e cento milioni. Cento volte in un anno.

Mercor: circa cinquecento milioni annualizzati a settembre 2025, oltre un miliardo a febbraio 2026, oltre due miliardi a giugno 2026.

Scale, Surge, Mercor e Handshake insieme fanno più di tre quarti del fatturato dell’intero settore.

Le tariffe: Surge paga dai cinquanta ai duecento dollari l’ora agli esperti di frontiera. Mercor sta su una media di ottantacinque, con i senior sopra i duecento. Handshake tra cento e centoventicinque.

Adesso la cosa importante, che non è il denaro ma cosa comprano con quel denaro.

Nel 2026 il fronte si è spostato dalle etichette agli RL environments. Ambienti dove un professionista non produce contenuto, ma scrive la rubrica con cui si valuta se un lavoro è fatto bene. Quel criterio diventa il segnale di ricompensa che addestra il modello.

Riavvolgi tutta la puntata e guarda la traiettoria.

Prima compravano il testo grezzo del web, gratis. Poi si è contaminato, e hanno comprato libri di carta a peso, tagliandoli. Adesso pagano duecento dollari l’ora a un professionista in carne e ossa perché spieghi come distingue il lavoro buono da quello mediocre nel suo mestiere.

Non stanno più comprando cosa hai scritto. Stanno comprando come giudichi.

Ed è l’unica cosa che il web non ha mai contenuto, perché nessuno l’ha mai scritta. Il tuo criterio professionale vive nella tua testa, si vede nelle decisioni, non è documentato da nessuna parte. È la cosa che rende un senior un senior, e che nessuno riesce mai a trasferire ai junior se non per osmosi in tre anni.

Cosa ci fai, concretamente, lunedì mattina.

Prima cosa: smetti di cancellare. Registrazioni, trascrizioni, ticket, revisioni, bozze scartate con il motivo dello scarto. Il costo dello storage è ridicolo rispetto a quello che stai buttando. Non serve un progetto: serve smettere di distruggere.

Seconda cosa, e qui c’è il lavoro vero: scrivi il criterio. Non la procedura, il criterio. Non “come si fa un preventivo”, ma “come faccio a capire se questo preventivo è buono prima di mandarlo”. Non “come si gestisce un reclamo”, ma “cosa distingue una risposta che chiude il problema da una che lo rimanda”. È un lavoro faticoso e nessuno lo fa, perché non produce niente di visibile il giorno stesso.

Ma è esattamente il pezzo per cui i laboratori americani stanno pagando duecento dollari l’ora. Se vale quello per loro, è ragionevole pensare che valga qualcosa anche per te, dentro casa tua.

Terza cosa: usa quel criterio come istruzioni al modello, non come documentazione da archiviare. La differenza tra un output generico e uno utile quasi mai sta nel modello. Sta nel fatto che tu gli abbia detto o meno con quale metro misurare il risultato.

Iscriviti ora

📌 Prompt Espresso

Fai l’inventario del tuo corpus umano e trasforma il tuo criterio professionale in istruzioni operative

Questo sistema fa due cose. Prima ti fa capire cosa possiedi davvero in termini di materiale umano, datato e non pubblico, che è l’asset di cui abbiamo parlato per tutta la puntata. Poi ti fa estrarre la cosa più difficile da tirare fuori: il criterio con cui distingui il lavoro buono da quello mediocre nel tuo mestiere. Quel criterio, una volta scritto, diventa la parte del prompt che cambia davvero la qualità di quello che ottieni.

Apri Claude in un Project dedicato, così il contesto si accumula nel tempo invece di ripartire da zero ogni volta. Prompt di sistema all’inizio della conversazione:

“Sei un consulente senior specializzato in knowledge management e in estrazione di expertise tacita. Il tuo approccio è analitico e insistente: quando ricevi una risposta generica non la accetti, chiedi il caso concreto. Sai che le persone competenti sanno fare cose che non sanno spiegare, e il tuo lavoro è tirarle fuori a forza di domande specifiche. Io [ruolo, settore, dimensione dell’azienda]. Lavoriamo su tre fasi. Parti dalla FASE 1 e non passare alla successiva finché non te lo dico.”

FASE 1: L’inventario di quello che possiedi

L’obiettivo non è fare una lista di cartelle. È capire dove si trova il materiale umano che nessun modello ha mai visto.

Porta a Claude queste tre ricognizioni, una alla volta.

Primo: dove finiscono oggi le conversazioni reali con i clienti? Call, mail, chat, ticket, verbali, note post riunione. Per ciascuna fonte rispondi a tre domande: viene conservata, per quanto tempo, ed è cercabile o è un cimitero di file. La maggior parte delle aziende scopre qui che il materiale più prezioso è quello che sparisce più in fretta.

Secondo: quali decisioni prese negli ultimi due anni sono documentate insieme al perché? Non il risultato: la motivazione. Un preventivo vinto senza il motivo per cui era fatto così vale un decimo.

Terzo: cosa produci regolarmente che esiste solo nella testa di due o tre persone? Chiedi a Claude di aiutarti a classificare ogni voce dell’inventario secondo tre assi: quanto è umano il contenuto, quanto è specifico del tuo settore, quanto è disponibile altrove nel mondo. Quello che sta alto sui primi due e a zero sul terzo è il tuo asset.

Chiudi la fase chiedendo: “sulla base di questo inventario, quale singola fonte di materiale sto sprecando di più, e perché?”

FASE 2: L’estrazione del criterio

È la fase difficile. Serve un output ricorrente e importante del tuo lavoro: un preventivo, una diagnosi, un piano editoriale, una perizia, una risposta a un reclamo, un’analisi.

Prima domanda a Claude: “fammi le domande giuste per estrarre come valuto se un [output] è fatto bene, prima ancora di mandarlo al cliente. Non voglio descrivere il processo di produzione, voglio descrivere il metro di giudizio.”

Poi rispondi con esempi veri, non con principi. Il modo più rapido è per contrasto: prendi due lavori realmente prodotti, uno buono e uno mediocre, e spiega la differenza. La differenza, non la definizione.

Terza domanda, quella che vale tutta la fase: “quali segnali mi fanno capire che c’è qualcosa che non va prima ancora di aver finito di leggere?” Le persone esperte hanno sempre due o tre segnali di allarme rapidi, e non li hanno mai scritti da nessuna parte.

Chiudi chiedendo a Claude di riformulare tutto come una rubrica di valutazione a cinque voci, ciascuna con la descrizione di cosa distingue un risultato eccellente da uno accettabile.

FASE 3: Metterlo al lavoro

Chiedi a Claude di trasformare la rubrica della fase 2 in tre strumenti concreti.

Il primo: un blocco di istruzioni da incollare in testa ai tuoi prompt ricorrenti, che dice al modello con quale metro giudicare il proprio output prima di consegnartelo.

Il secondo: una checklist di revisione a sette punti da usare a mano, per le volte in cui l’AI non c’entra niente.

Il terzo: tre domande da fare a una persona nuova del team dopo trenta giorni, per capire se il criterio è passato o se sta solo copiando la forma.

⚠️ Avvertimento finale: se dopo la FASE 2 la tua rubrica potrebbe essere usata tale e quale da un concorrente, non hai fatto il lavoro. Sei rimasto sulle buone pratiche del settore, che sono già dentro il modello e non ti servono a niente. Il criterio che vale è quello che riflette il tuo contesto specifico, i tuoi clienti, gli errori che hai pagato caro. Torna alla FASE 2 e riparti dal contrasto tra due lavori veri, non da un principio generale. Il valore di questo sistema è direttamente proporzionale a quanto sei disposto a essere specifico e scomodo.

Iscriviti ora

☢️ Humor Radioattivo

Facciamo il conto di cosa è successo.

Google, dal 2002, ha digitalizzato oltre quaranta milioni di libri. Senza distruggerne uno. Le biblioteche si tenevano gli originali, ricevevano una copia digitale, e il risultato è ancora oggi consultabile da chiunque abbia una connessione. È stato portato in tribunale per anni, e ha vinto.

L’Internet Archive ha comprato dei libri, li ha scansionati, e li ha prestati uno alla volta come fa una biblioteca. È stato portato in tribunale e ha perso.

Anthropic ha comprato dei libri, li ha tagliati, li ha scansionati, ha mandato la carta al macero e ha usato il testo per addestrare un modello che nessuno può consultare come biblioteca. È stato portato in tribunale e, su quel punto specifico, ha vinto.

C’è una progressione, in queste tre righe, e non è confortante.

Perché la differenza non è “hanno tagliato i libri”. La differenza è per cosa li hanno tagliati.

Google ha costruito una biblioteca in cui puoi entrare. L’Internet Archive ha provato a costruirne una in cui potevi entrare, ed è per quello che ha perso. Anthropic ha costruito una biblioteca in cui non entra nessuno, e ha vinto anche grazie a questo: proprio perché quel materiale non esce, l’uso resta interno, e l’uso interno è difendibile.

La versione onesta della storia, quindi, non è che l’intelligenza artificiale distrugge i libri. È che qui la digitalizzazione ha smesso di essere conservazione ed è diventata acquisizione. Il libro non è stato distrutto, ed è peggio: è stato dissolto. È dentro il modello, disciolto in qualche milionesimo di peso, insieme a milioni di altri. Non lo puoi leggere, non lo puoi citare, non puoi verificare che ci sia.

Non è un archivio. È un ricordo.

E il paradosso finale, quello che tiene sveglio: se davvero la copia digitale “sostituisce” quella fisica, tra vent’anni per qualche titolo fuori catalogo del Novecento l’unico posto al mondo in cui quel testo esisterà ancora sarà dentro i pesi di un modello privato. Che non lo restituirà mai, perché non è stato costruito per restituire libri. È stato costruito per averli letti.

C’è un ultimo pezzo che riguarda specificamente chi lavora in Italia, e lo metto come ipotesi mia perché è quello che è.

Tutto questo mercato premia chi possiede corpus organizzati, catalogati e licenziabili. L’editoria italiana è frammentata, i cataloghi sono piccoli, il pubblico dominio in italiano è digitalizzato male e a macchia di leopardo. Il rischio non è la censura, è più banale e più difficile da correggere: che l’italiano finisca sotto rappresentato nei modelli per disordine contrattuale. Non perché qualcuno ci escluda, ma perché comprarci è troppo complicato rispetto a comprare altro.

Se lavori in italiano, questo è un problema tuo, e nessuno ci sta pensando.

Tre cose da portare via.

La prima: quando un comportamento assurdo diventa sistematico, cerca la regola che lo premia, non le persone che lo fanno. Vale per i libri tagliati e vale per il tuo reparto operations.

La seconda: il tuo archivio ha cambiato natura. Materiale umano, datato, mai pubblicato online è diventato la cosa più difficile da procurarsi al mondo, e tu ne hai dieci anni in una cartella che stavi per svuotare.

La terza, che è quella che conta davvero: il mercato è già oltre il testo. Quello che oggi vale duecento dollari l’ora non è cosa sai fare, è come giudichi se una cosa è fatta bene. Se non l’hai mai scritto, nessuno nella tua azienda lo sa tranne te. E quando esci dalla stanza, esce con te.

☢️ Matteo

Iscriviti ora

Ieri sera non stavo lavorando. Stavo aspettando che finisse di girare un’altra cosa e, per ammazzare il tempo, ho aperto il cruscotto che tiene il conto dei token che ho consumato con Claude negli ultimi 30 giorni. Una di quelle schermate che guardi distrattamente, come si guarda il contachilometri.

C’era un numero che non mi aspettavo.

$10.091,68

E mancava un pezzo. Perché il cruscotto non conosce il listino del modello più costoso che uso, e su quella riga scriveva soltanto n/a. L’ho calcolato a mano, riga per riga: altri $1.673,79.

Totale, 30 giorni: $11.765.

Sai quanto ho pagato davvero? 200 dollari. L’abbonamento. Quello che paghi anche tu, se hai il piano grosso.

Ho ricontrollato 3 volte, perché la prima reazione è stata pensare a un errore di virgola. Non c’era nessun errore. Sto usando 59 volte quello che pago. Uno sconto del 98,3%. E qui dentro non c’è tutto il resto: gli altri modelli che uso, gli altri strumenti, le altre piattaforme.

Questo è solo il caffè di una macchina sola.
(Sto contando Claude, e non tutti gli altri LLM che uso, senno ci aggireremmo verso i $15k/16k)

Adesso, prima che pensi che questa sia una puntata su di me e sulle mie bollette: non lo è.

Il mio numero è solo la ricevuta più leggibile che ho trovato di una cosa che riguarda te, esattamente quanto me. Perché se stai leggendo questa newsletter, con ogni probabilità stai usando anche tu una tecnologia che non ha alcun rapporto con quello che ti costa.

Ed è la cosa migliore che ti sia capitata professionalmente (e non solo) da anni.

Solo che ha una data di scadenza. E oggi ti faccio vedere dove è già scaduta.

☕ Tazza in mano. Si parte.

💡 Pensiero del giorno

“Non stai pagando l’AI. La stai usando mentre qualcun altro paga il conto. E il conto ha una scadenza.”

🧪 AI in azione

#1: La ricevuta, aperta

Partiamo dai miei numeri, perché voglio che tu li veda per intero prima di sentirmi ragionare sopra. Se la tesi ti convince, deve convincerti il dato, non la mia voce.

Ecco cosa dice il cruscotto negli ultimi 30 giorni.

301 sessioni di lavoro. 43.700 turni, cioè 43.700 volte in cui io ho detto qualcosa e la macchina ha risposto. 15,40 milioni di token in ingresso. 58,64 milioni in uscita. E poi il numero che ho dovuto rileggere 2 volte: 12,16 miliardi di token letti dalla cache. Dodici miliardi. In un mese. Da una persona sola, seduta a una scrivania sola.

Il costo stimato ai prezzi veri delle API, quelli che pagheresti se ti presentassi allo sportello senza abbonamento, è $11.765 in 30 giorni.

Su un abbonamento da 200 dollari.

Fattore 59.

Annualizzato sono circa $141.000 di consumo contro $2.400 pagati.

Nota bene una cosa, perché è il dettaglio che rende il numero credibile invece che sensazionale: la voce più pesante di tutte non è quello che scrivo io, e non è nemmeno quello che scrive la macchina.

È la lettura della cache. 12,16 miliardi di token. È il contesto che il sistema si rilegge in continuazione per capire dove siamo, cosa abbiamo già deciso, com’è fatto il progetto. È la memoria di lavoro. Ed è quella la parte che costa, perché è quella che si moltiplica quando smetti di chattare e cominci a far lavorare le macchine sul serio.

Tienilo lì, perché tra due sezioni diventa il perno di tutto.

#2: Perché il tuo abbonamento non ha niente a che vedere con quello che consumi

Prima cosa da chiarire, perché è il fraintendimento che rende questa puntata inutile se lo lasciamo in piedi: non ti sto dicendo che ti stanno regalando qualcosa per bontà. E non ti sto nemmeno dicendo che sono tutti sull’orlo del fallimento, perché come vedrai più avanti non è vero.

Ti sto dicendo una cosa più semplice e più solida: il prezzo che paghi e il costo di quello che consumi sono due numeri scollegati. Non correlati, non approssimativi: scollegati. Vivono in due mondi diversi. Tu paghi una cifra fissa decisa in base a cosa il mercato è disposto a pagare, e consumi una quantità variabile decisa da quanto sei bravo a usare lo strumento. Più diventi bravo, più il divario si allarga. È il contrario di ogni altra cosa che compri.

E il mio 59x non è un caso isolato da bar. È il pattern.

TechCrunch ha documentato utenti che generavano $35.000 di costi computazionali pagando 200 dollari al mese: un rapporto di 175 a 1, 3 volte il mio. SemiAnalysis, in una simulazione ripresa da Guerre di Rete, ha calcolato cosa costerebbero gli abbonamenti se fossero prezzati a consumo reale: l’abbonamento ChatGPT da 20 dollari arriverebbe intorno ai 700 dollari, e il piano Pro da 200 arriverebbe fino a 14.000.

Fermati un attimo su quest’ultimo. La loro simulazione teorica dice 14.000. Il mio contatore reale, misurato, dice 11.765. Sono la stessa cifra. Io ho semplicemente la ricevuta di una cosa che loro avevano stimato.

Il conto qualcuno lo paga, e i bilanci lo dicono. Le proiezioni interne di OpenAI indicano una perdita di circa 14 miliardi di dollari nel 2026 su ricavi intorno ai 13. I soli costi di inferenza, cioè il costo puro di far girare i modelli per gli utenti, passano da 8,4 miliardi nel 2025 a 14,1 miliardi nel 2026, e il margine lordo rettificato è sceso dal 40% del 2024 al 33% del 2025.

Non è solo un tema di chi produce i modelli: Notion ha dichiarato 10 punti di margine lordo persi solo per aver messo funzionalità AI dentro il prodotto

Dal bancone, il modo più onesto di leggerla è questo. Non sei un cliente, sei un’abitudine in costruzione.

E c’è un precedente che dovrebbe farti drizzare le antenne, perché non finisce con un fallimento: finisce con un conto.

Nel 2006 Amazon lanciò AWS a prezzi pensati per attirare sviluppatori e startup, non per fare margine. Oggi AWS ha tra i margini più alti di tutto il settore tecnologico. Nessuno è fallito. Semplicemente, a un certo punto, il prezzo ha smesso di essere un invito ed è diventato un prezzo.

Quella è la traiettoria. E non è una brutta notizia, a patto che tu sappia in che punto della curva sei seduto adesso.

#3: Il paradosso che rende inutile aspettare prezzi migliori

Adesso l’obiezione seria, quella che mi farei io se stessi leggendo. È anche l’unica ragione per cui questa puntata non è allarmismo.

L’obiezione suona così: “Matt, i prezzi della tecnologia scendono sempre. Ogni anno i chip sono più efficienti, i modelli più leggeri, il token costa meno. Perché dovrei preoccuparmi adesso invece di aspettare che diventi più economico?”

Ed è vera. È clamorosamente vera, molto più di quanto immagini.

Il costo medio per milione di token, secondo i dati Ramp, è passato da circa 10 dollari a 2,50 in un solo anno: meno 75%. GPT-4 nel 2023 costava 30 dollari per milione in ingresso e 60 in uscita; oggi la generazione corrente sta intorno a 5 e 30. Uno studio citato da Guerre di Rete parla di una riduzione di 600 volte dei prezzi medi per token tra il 2020 e il 2026. Epoch AI stima che, mettendo insieme prezzo ed efficienza, il costo dell’inferenza scenda a ritmi che si avvicinano a 200 volte l’anno.

Quindi hai ragione. Il token costa sempre meno. E adesso il ma, che è enorme.

Il costo per token crolla. Il consumo per persona esplode più in fretta.

Ecco il numero che spiega tutto. Un’interazione classica, quella a cui pensi quando pensi all’AI, cioè scrivo una domanda e ricevo una risposta, consuma intorno ai 2.000 token. Un singolo compito eseguito da un sistema ad agenti, cioè il modo in cui si lavora oggi, ne consuma tra i 50.000 e i 500.000. Da 25 a 250 volte tanto. Per un compito solo.

Perché? Perché quando smetti di chattare e cominci a delegare, dentro succede questo: la macchina rilegge il contesto, prova una strada, sbaglia, torna indietro, apre un file, ne apre un altro, si riporta al punto, verifica, corregge. Ogni passaggio si trascina dietro tutta la memoria di quello che è successo prima. Ricordi la voce più pesante della mia bolletta? 12,16 miliardi di token letti dalla cache. Quello. Non è un dettaglio tecnico: è il ritratto esatto del passaggio dalla chat al lavoro vero.

E si vede anche dall’altra parte del tubo. Google è passata da 10 a 16 miliardi di token al minuto in un solo trimestre. L’API di OpenAI è passata da 6 a oltre 15 miliardi di token al minuto tra l’autunno 2025 e la primavera 2026. Non è che ci sono più utenti: è che ogni utente pesa di più.

Il risultato lo stanno già scoprendo aziende molto più grandi di noi. Secondo Forbes, Uber ha bruciato l’intero budget AI del 2026 entro aprile. Yahoo Finance ha riportato il caso di un’azienda che in un solo mese ha speso 500 milioni di dollari di consumo su Claude.

Guarda la mia, di ripartizione. Non è distribuita: è concentrata. Pochi progetti si mangiano quasi tutto, perché sono quelli dove la macchina lavora invece di rispondere. Ed è esattamente lì che si crea valore, il che è il punto dell’intera faccenda.

Ecco perché aspettare prezzi migliori è la mossa sbagliata: il prezzo unitario che scende non ti raggiungerà mai, perché nel frattempo il tuo consumo per compito sale più in fretta di quanto il prezzo scenda. Chi aspetta di usare l’AI quando costerà poco sta aspettando un treno che va nella direzione opposta.

#4: E comunque è già cominciato (2 mesi fa)

Fin qui potresti ancora archiviarmi come uno che fa previsioni. Facciamola finita: questa non è una previsione. È cronaca, ed è recente.

Dal 1 giugno 2026 GitHub Copilot è passato alla fatturazione a crediti. Non più “abbonati e usa”, ma un saldo mensile che si consuma: 1 credito vale 1 centesimo, il piano Pro da 10 dollari include 15 dollari di crediti, e quando li finisci ogni richiesta premium in eccesso costa 4 centesimi. I completamenti di codice restano inclusi, ma tutto ciò che è agentico o conversazionale attinge al saldo. Nello stesso mese Cursor ha ristrutturato il proprio modello, agganciando l’abbonamento a un tetto di consumo alle tariffe API.

In poche settimane, il mercato degli strumenti di coding AI ha cambiato listino più che nell’anno precedente messo insieme. Crediti, token, quote, richieste premium, tetti giornalieri: il vocabolario si è riempito di unità di misura che un anno fa non ti servivano. E la parola che sta sparendo da tutti i piani è sempre la stessa: illimitato.

L’effetto sugli utenti è documentato, e non è morbido. Guerre di Rete riporta segnalazioni di utenti Copilot per cui il passaggio al nuovo modello significa andare da 29 a 750 dollari al mese, e un caso di stima fino a 3.000.

Non è un complotto e non è cattiveria. È la cosa più prevedibile del mondo: quando il consumo medio per utente si moltiplica per 30, il prezzo piatto smette di funzionare come strumento e diventa un buco. E allora si smette di vendere l’accesso e si comincia a vendere il consumo.

Fai il calcolo su di te, perché è quello che conta. Se domani il tuo strumento passasse da forfait a consumo, tu con che numero ti sveglieresti? Io lo so, il mio: 11.765. E l’ho scoperto per caso, aspettando che finisse di girare qualcos’altro. Tu il tuo lo sai?

#5: L’onestà sui numeri, cioè dove il mio ragionamento si incrina

Adesso la parte che mi costa, perché contraddice una cosa che pensavo e che stavo per scriverti con troppa sicurezza.

Nella mia testa, quando ho aperto quel cruscotto, la frase era: “te la regalano perché sono tutti in perdita”. È la versione che gira ovunque, è comoda, ed è la spina dorsale di ogni video allarmistico sull’argomento. Sono andato a controllare prima di scrivertela. Non è vera.

OpenAI perde, e parecchio: i 14 miliardi di cui sopra sono reali. Ma Anthropic, che è poi la casa del modello con cui ho generato quel conto da 11.765 dollari, è data in rotta per superare il miliardo di dollari di utile operativo entro il terzo trimestre del 2026, con un margine lordo salito intorno al 60%, e ad aprile 2026 ha sorpassato OpenAI nei ricavi annualizzati, circa 30 miliardi contro 25. Non è un’azienda che sta annegando. È un’azienda che ha imparato a nuotare.

E c’è di più che devo concederti. Il prezzo per token scende sul serio, l’ho documentato sopra e non era marketing. Le efficienze arrivano davvero. Non ho la sfera di cristallo, e chiunque te la venda su questo argomento ti sta vendendo qualcos’altro.

Solo che, quando ho finito di controllare, mi sono accorto che il dato che mi smentiva rendeva la conclusione più solida, non meno. Ed è questo il passaggio che voglio ti resti.

Se la tesi fosse “falliranno tutti, quindi i prezzi esploderanno”, allora la profittabilità di Anthropic la demolirebbe. Ma la tesi vera è un’altra: il divario tra quello che paghi e quello che consumi si sta chiudendo. E si può chiudere in due modi. Uno è il fallimento. L’altro, molto più probabile e già in corso, è che qualcuno diventi profittevole imparando a far pagare il giusto a chi consuma tanto. Il secondo modo non è più gentile del primo, per te. È solo più ordinato.

Un’azienda che arriva al 60% di margine lordo mentre i suoi utenti pesanti consumano 59 volte quello che pagano, ci arriva anche perché ha smesso di regalare la parte pesante. Ed è esattamente quello che è successo a Copilot il 1 giugno.

Quindi la correzione è questa, e te la do secca: non è che stanno perdendo soldi e quindi il prezzo salirà. È che stanno imparando a guadagnarli, e il modo in cui si guadagnano è farti pagare quello che usi. La finestra non si chiude per una catastrofe. Si chiude perché il mercato sta maturando, ed è la ragione per cui si chiuderà davvero invece di restare aperta per sempre.

#6: La cosa che scade non è l’accesso. È il diritto di sbagliare gratis.

Ultima, e la sola che ti chiedo di portarti via se il resto lo dimentichi.

Quando immagini prezzi più alti, immagini la cosa sbagliata. Immagini di non potertelo permettere. Non è quello il problema: se l’AI ti fa guadagnare, a 700 dollari al mese la paghi comunque, come paghi il commercialista. La perdita vera è un’altra, ed è invisibile finché non ci pensi.

Torna ai miei numeri. 43.700 turni in 30 giorni. Sai quanti di quelli sono stati utili? Forse la metà. Il resto sono tentativi finiti male, strade sbagliate, prompt scritti male, cose provate perché mi ero incuriosito, esperimenti che non hanno prodotto niente se non la conoscenza di come non si fa. Ho buttato via, nell’ordine, migliaia di dollari di calcolo per imparare.

E non ci ho pensato nemmeno una volta. Questo è il punto. Non una singola volta, in 30 giorni, mi sono chiesto se un tentativo valesse il suo costo. Ho premuto invio e basta.

Ora immagina lo stesso mese con il contatore acceso. Quel tentativo strano lo fai? Quell’esperimento che con ogni probabilità non porta a niente, ma che è esattamente il modo in cui si scopre cosa sa fare uno strumento, lo lanci? No. Cominci a razionare. Cominci a usare l’AI solo per le cose di cui sei già sicuro. E nel momento esatto in cui la usi solo per le cose di cui sei già sicuro, hai smesso di imparare qualcosa di nuovo con lei.

Ecco cosa scade. Non l’accesso: quello ci sarà sempre, a un prezzo. Scade la possibilità di sbagliare in quantità industriale senza che ti costi niente. E siccome la competenza vera su questi strumenti non si costruisce guardando tutorial ma bruciando tentativi, quella finestra lì è la scuola più economica che ti sia mai stata offerta. È aperta adesso. È aperta mentre leggi.

Da qui in avanti c’è un’asimmetria che si compone da sola. Chi in questi mesi ha bruciato 43.700 tentativi ha capito, nel corpo, cose che non si trasferiscono a parole: quando conviene delegare e quando no, come si spezza un problema perché una macchina lo regga, dove questi sistemi mentono, cosa succede quando gli dai troppo contesto e cosa quando gliene dai troppo poco. Chi ha aspettato il momento giusto arriverà quando ogni tentativo ha un prezzo, e imparerà le stesse cose spendendo di più e più lentamente, mentre l’altro è già 2 anni avanti.

Non ti sto dicendo di usare di più l’AI. Ti sto dicendo una cosa più precisa e più scomoda: usala adesso soprattutto dove non sei sicuro che funzioni. Il valore di questo periodo storico non è la produttività che ci tiri fuori oggi. È la mappa che ti costruisci mentre esplorare non costa niente.

Se non hai mai guardato quanto consumi, la mossa di questa settimana è quella: aprilo, quel contatore. Poi guarda il numero e chiediti l’unica domanda che conta, che non è “come faccio a spendere meno”. È: sto sbagliando abbastanza, finché sbagliare è gratis

?

📌 Prompt Espresso

Il tuo audit della finestra aperta.

Questo prompt non ti fa produrre niente. Ti fa vedere quanto della finestra stai usando davvero, e cosa non hai mai provato perché non ti è venuto in mente che si potesse. Nella mia esperienza è la lista al terzo punto quella che vale il caffè: quasi tutti scoprono di usare uno strumento straordinario per fare tre cose sole, sempre le stesse, da mesi.

Funziona con Claude o ChatGPT, e rende molto di più dentro un Project dove il sistema conosce già il tuo lavoro. Incolla, e rispondi alle domande senza abbellire, perché qui si bara solo con se stessi.

“Agisci come un consulente operativo senior, severo e dalla mia parte. Non devi farmi i complimenti su quanto sono avanti: devi dirmi quanto sto sfruttando davvero una tecnologia che oggi mi costa una frazione di quello che vale, e cosa mi sto perdendo. Il mio contesto è [es. libero professionista che fa consulenza, oppure marketing manager in un team da 8 persone, oppure titolare di un’azienda da 30 dipendenti]. Procedi in tre fasi, una alla volta, aspettando la mia risposta prima di andare avanti.

FASE 1, LA MAPPA. Fammi le domande giuste per ricostruire dove uso l’AI oggi, con che frequenza e per quali compiti. Distingui tra due categorie: dove la uso come scorciatoia per fare più in fretta una cosa che facevo già, e dove la uso per fare cose che prima non potevo fare affatto. Alla fine dammi la percentuale approssimativa tra le due, e dimmi cosa rivela di me quel rapporto.

FASE 2, LA ZONA CIECA. Elenca 5 aree del mio lavoro dove qualcuno nella mia posizione sta già ottenendo risultati con l’AI e dove io, dalle risposte che ti ho dato, non la sto usando per niente. Per ognuna dimmi cosa mi costa oggi non farlo, in tempo o in soldi o in opportunità. Sii specifico sul mio caso, niente elenchi generici.

FASE 3, I TRE ESPERIMENTI. Progettami 3 esperimenti da fare entro 7 giorni, scelti con questo criterio: non le cose che sicuramente funzionano, ma quelle che potrebbero non funzionare e che, se funzionassero, cambierebbero come lavoro. Per ognuno scrivi: cosa provo esattamente, quanto tempo ci metto, e come faccio a capire se ha funzionato. Il criterio di successo deve essere scritto prima di partire, non dopo.

Chiudi dicendomi quale dei tre faresti per primo se fossi in me, e perché.”

⚠️ Attento a come lo usi, perché c’è un modo di sprecarlo. Se prendi la Fase 3 e scegli l’esperimento che ti sembra più sicuro, hai riportato il prompt esattamente dentro l’abitudine da cui doveva tirarti fuori. Il senso di questo periodo storico è che puoi permetterti di lanciare la cosa che probabilmente non funziona. Fra un anno, quando ogni tentativo avrà un prezzo, valuterai prima di provare, e valutare prima di provare è il modo in cui si smette di scoprire. Fai quello che ti spaventa di più della lista. Oggi il tentativo sbagliato ti costa un caffè. È l’unica finestra in cui l’ignoranza è economica.

☢️ Humor Radioattivo

Bancone del bunker, notte fonda. Sopra la macchina del caffè, un’insegna al neon che ronza:

ESPRESSO · $0,20

Sotto, molto più piccolo, quasi nascosto, un cartellino scritto a mano e attaccato con lo scotch:

costo reale $11,76 · offre la casa (per ora)

Al bancone, un tizio con la faccia di chi ha appena capito qualcosa. Indica l’insegna grande e dice al barista:

“Ne prendo dodicimila.”

Il barista, senza alzare lo sguardo dalla macchina, mentre ne versa già un altro:

“Bravo.”

Il cartellino piccolo prima o poi diventerà quello grande. Succede sempre.

Fino ad allora, il bancone è aperto e la macchina è accesa.

Bevi.

☢️ Matteo

Iscriviti ora

Condividi il bunker. Se conosci qualcuno che sta aspettando il momento giusto per imparare l’AI sul serio, mandagli questa puntata. Non gli serve un tool nuovo e non gli serve un corso: gli serve sapere che il momento giusto è adesso, e che il motivo non è l’entusiasmo. È il prezzo. Meglio un caffè oggi che un incidente domani.

Condividi

Oggi ti chiedo un po’ di sforzo, ti chiedo di ragionare assieme al tuo barista di fiducia.

C’è una frase che senti ovunque da mesi, detta con la stessa faccia con cui si annuncia il maltempo. “L’AI ci sta togliendo il lavoro.” La dicono al telegiornale, la dice tuo cugino, la pensi anche tu certe sere, quando chiudi il portatile e ti chiedi dove sarai fra due anni.

È una paura legittima, e non sono qui per accarezzartela. Sono qui per farti vedere un dato che è appena uscito e che quella frase la spacca a metà.

Ma prima, se non ci conosciamo, lascia che ti dica come mai posso dare un parere oggettivo sulla cosa.

Nell’ultimo anno ho formato più di mille persone riguardo al mondo AI e sono entrato in oltre trenta aziende diverse a portare l’AI dentro i loro processi, oltre a usarla ogni giorno sulla mia pelle.

E dopo tutto questo, una cosa te la garantisco senza esitare: la rivoluzione AI è per il 10% tecnologia e per il 90% umanesimo.

Non sono i modelli a fare la differenza.

Sono le persone.

Queste diavolo di persone contano molto più di qualsiasi strumento tu possa comprare, ed è esattamente questo che i numeri di oggi stanno per dirti.

Perché a fine giugno è arrivato lo studio più serio finora sul rapporto tra spesa in AI e posti di lavoro.

Non un sondaggio, non un’opinione di LinkedIn: 21500 aziende americane, tracciate mese per mese incrociando quanto spendono davvero in AI con quanta gente assumono davvero. E il risultato ribalta la favola: le aziende che sull’AI puntano sul serio, nei due anni dopo, hanno assunto di più.

Non di meno. Di più. E, sorpresa che manda in cortocircuito tutti, hanno assunto più giovani.

Adesso fermati un secondo, perché qui non ti sto dando una notizia da inoltrare.

Ti sto dando una mappa. Questo dato non serve a farti dire “ah, che interessante” e passare oltre. Serve a dirti da che parte di una linea vuoi trovarti nei prossimi 24 mesi, perché quella linea si sta tracciando adesso, mentre leggi, e non aspetta il tuo permesso.

☕ Tazza in mano. Si parte.

Paper completo (fonte primaria, con metodologia e numeri):
https://ramp.com/data/ai-jobs-impact/paper

Pagina di sintesi Ramp (più leggibile, con i grafici):
https://ramp.com/data/ai-jobs-impact

Lettura di Revelio Labs (il partner dei dati sul lavoro, con i caveat):
https://www.reveliolabs.com/news/ai-and-work/greater-ai-investment-more-hiring/

Iscriviti ora

💡 Pensiero del giorno

“L’AI non divide chi lavora da chi verrà sostituito. Divide chi la usa sul serio da chi la sfiora. E la seconda categoria è l’unica in pericolo.”

🧪 AI in azione

#1: Il dato che nessuno si aspettava, e perché parla di te

Partiamo dai numeri, perché per una volta sono così netti che non serve girarci intorno.

Lo studio l’hanno fatto Ramp, che processa pagamenti per decine di migliaia di aziende, insieme a Revelio Labs, che segue i dati sul lavoro. Il colpo di genio è nel metodo: invece di chiedere alle aziende “usi l’AI?” e fidarsi della risposta, hanno guardato quanto ciascuna spende davvero in strumenti di AI, leggendolo dalle carte aziendali e dai pagamenti reali. P

oi hanno incrociato quel numero con l’andamento del personale, mese per mese, su ventunomilacinquecento aziende, da gennaio 2021 a febbraio 2026. Spesa osservata, non dichiarata. È la prima volta che qualcuno collega i soldi veri messi sull’AI ai posti di lavoro veri.

Ecco cosa è saltato fuori. Le aziende che investono in AI ad alta intensità, quelle che ci puntano sul serio, nei 24 mesi successivi hanno aumentato il personale del 10,2%. Le aziende che l’AI la sfiorano appena, i cosiddetti adopter a bassa intensità, non hanno guadagnato niente di statisticamente rilevante: personale fermo, un impercettibile meno 0,6%. Stesso identico strumento, sul tavolo di tutte e due. Risultato opposto.

E adesso il numero che dovrebbe farti drizzare la schiena, perché contraddice la paura più diffusa di tutte.

Quella secondo cui l’AI colpirà prima i giovani, i junior, chi deve ancora entrare. Nelle aziende ad alta intensità gli assunti entry-level sono cresciuti del 12%

, e la loro quota sul totale è salita di oltre un punto rispetto alle altre. Nelle aziende a bassa intensità, invece, la fetta di giovani è calata. Rileggi: dove l’AI si usa di più, i giovani entrano di più. Dove si usa a metà, entrano di meno.

Perché questo riguarda te e non è solo statistica da bar. Perché ti sta dicendo che la variabile che decide il tuo futuro professionale non è “l’AI esiste o no”. Quella battaglia è finita, l’AI esiste. La variabile è “sono dentro o vicino a un’organizzazione che la usa sul serio, o a una che la tiene sulla scrivania come soprammobile?”.

E questa non è una domanda sul mondo. È una domanda su di te, a cui puoi rispondere, e su cui puoi agire da lunedì.

Iscriviti ora

#2: Il buco nella favola dell’apocalisse

Adesso ti spiego perché la narrativa “l’AI distrugge i posti di lavoro” è così popolare pur essendo, così com’è raccontata, incompleta. E perché lasciartela raccontare male ti costa caro.

La favola dell’apocalisse ha un difetto di fabbrica: tratta l’AI come un evento meteorologico. Una cosa che ti piove addosso e tu subisci, come la grandine sul raccolto. In questa storia tu non hai parte attiva, sei solo la vittima designata di una forza più grande. È una narrazione comoda, perché ti toglie ogni responsabilità: se il lavoro sparisce, la colpa è della macchina, non di come tu o la tua azienda avete deciso di usarla o di ignorarla.

I dati raccontano una storia diversa e molto più scomoda. L’AI non piove sul mercato in modo uniforme. Non toglie e basta, non aggiunge e basta.

Ridistribuisce, e lo fa in base a una linea precisa: da un lato chi la integra fino in fondo, dall’altro chi la usa a metà o la snobba. Nelle prime, il lavoro cresce, e cresce anche per chi comincia. Nelle seconde, ristagna. Non è l’AI contro i lavoratori. È chi la cavalca contro chi la guarda passare.

Dal bancone te lo dico chiaro, perché è la parte che quasi nessuno ha il coraggio di dirti. Il pericolo vero, per la tua carriera, non è finire in un’azienda che adotta l’AI.

È finire in un’azienda che finge di adottarla.

Quella che compra tre licenze, le fa usare a due persone il venerdì pomeriggio, e intanto smette di assumere e di crescere perché “tanto ora c’è l’AI”. Quella non ti protegge dal futuro: ti ci butta dentro lentamente, con la scusa di stare risparmiando. Il posto più rischioso in cui puoi stare oggi non è dove l’AI arriva. È dove arriva a metà.

E qui sta la ragione per cui leggere questi dati non è passatempo. Un’informazione così cambia le domande che fai a un colloquio, cambia come guardi l’azienda in cui già sei, cambia dove decidi di investire i tuoi prossimi due anni.

Chi legge questa roba e la usa, sceglie. Chi la ignora, viene scelto. È sempre la stessa soglia, in ogni cosa.

Iscriviti ora

#3: La soglia di intensità, e perché è l’unica cosa che conta

Voglio che ti resti impresso un concetto solo, perché è il perno di tutta la puntata: la soglia di intensità.

Lo studio la fotografa in modo brutale. Non esistono “le aziende che usano l’AI” come categoria unica. Esistono due specie diverse, che si comportano in modo opposto pur avendo gli stessi strumenti a disposizione.

C’è chi supera la soglia, chi ci mette dentro budget vero, chi ristruttura il modo di lavorare intorno a questi strumenti invece di appiccicarli sopra il vecchio processo.

E c’è chi resta sotto, chi compra qualche abbonamento per dire di esserci e poi continua esattamente come prima. Il primo gruppo cresce del 10%. Il secondo resta fermo. La differenza non è lo strumento. È l’intensità con cui lo si usa

Ti do l’immagine che uso io, dal bancone. L’AI a bassa intensità è come iscriversi in palestra a gennaio e andarci due volte.

Hai la tessera, hai speso i soldi, puoi dire a tutti che “ti sei iscritto”.

Ma il tuo corpo non lo sa, perché il corpo non risponde all’iscrizione, risponde all’allenamento. Le aziende a bassa intensità hanno la tessera dell’AI e il fisico di prima. Poi si stupiscono che non cambia niente, e a volte concludono pure che “l’AI è sopravvalutata”.

No. Sei tu che ci sei andato due volte.

Adesso applicalo dove ti serve davvero. Guarda l’azienda in cui lavori, o la tua se ce l’hai, e rispondi onesto: siamo sopra o sotto la soglia?

L’AI qui è un modo nuovo di lavorare che sta cambiando come facciamo le cose, o è un giocattolo che tre persone usano di nascosto mentre il processo ufficiale è rimasto al 2022? Non è una domanda accademica.

È la domanda che predice se, nei prossimi due anni, quel posto assumerà, crescerà, si espanderà, oppure taglierà lentamente dicendo che è colpa dei tempi. La soglia non la decide il destino. La decide chi comanda quel budget. E se quello sei tu, hai appena letto qual è la scelta giusta.

Iscriviti ora

’

#4: L’onestà sui numeri, che è la parte che ti fa fidare

Adesso la parte che un guru ti salterebbe a piè pari, perché rovina l’entusiasmo. Io invece te la do, perché senza questa i numeri di prima sono propaganda, e io propaganda non ne servo.

Lo studio ha un limite grosso, e gli autori sono i primi ad ammetterlo: è correlazione, non causalità.

Cosa vuol dire in parole da bancone?

Vuol dire che non è dimostrato che sia l’AI a creare quei posti di lavoro. Le aziende che investono tanto in AI, si scopre, erano già diverse prima: più grandi, più tecniche, più veloci, spesso finanziate da venture capital.

Crescevano già a un ritmo mediano del 6%, l’1,6% delle altre. Erano già cavalli da corsa. Quindi è possibile che non sia l’AI a farle correre, ma che siano le aziende che corrono a comprare più AI. Il classico dubbio: è l’uovo o la gallina.

Un altro pochi te lo dicono: la crescita è concentrata soprattutto in un settore, quello dell’informazione e del tech. E lo studio guarda solo le teste, quante persone entrano ed escono. Non dice niente su quanto vengono pagate, se il lavoro è migliore, se le mansioni sono più dignitose.

Sono dati sulla quantità, non sulla qualità. Onestà completa: questo studio da solo non chiude la partita.

Ma ecco perché ti serve lo stesso, anzi ti serve di più proprio grazie a questi limiti. Anche nell’ipotesi più prudente, quella in cui non è l’AI a creare i posti ma sono le aziende sane a usarla di più, la lezione per te non cambia, cambia solo il verso: vuoi stare dalla parte delle aziende che l’AI la usano a fondo, perché quella è la firma, il segnale, il marchio delle organizzazioni che stanno vincendo in questo momento storico.

Che sia causa o sintomo, il posto giusto è lo stesso. Usare l’AI ad alta intensità o è ciò che ti fa crescere, o è la prova che stai già crescendo. In tutti e due i casi, è lì che vuoi essere. E questo, i dati incompleti, te lo dicono comunque.

Iscriviti ora

#5: Da che parte della soglia stai, e come ci passi

Ultima, e la più pratica, perché fin qui è tutta analisi e a te serve un gesto.

Ti ho raccontato mesi fa, in una delle puntate più dure, dove i ruoli spariscono: quel lavoro di coordinamento che stava nel mezzo, che l’AI si mangia per primo. Questa è la faccia opposta della stessa medaglia, e messe insieme raccontano tutta la storia. L’AI non toglie o aggiunge lavoro in astratto.

Sposta il valore da una parte all’altra di una soglia. Da chi esegue e coordina, verso chi decide, indirizza, costruisce. Da chi la sfiora, verso chi la usa fino in fondo. Il tuo compito, l’unico che conta, è capire da che parte sei e, se sei dalla parte sbagliata, spostarti finché sei tu a poterlo fare.

Ti do la diagnosi concreta, quella che facciamo su noi stessi.

Noi, con Morfeus, siamo per definizione un’azienda ad alta intensità: l’AI non è un tool che usiamo, è il modo in cui lavoriamo, dalla prima riga di codice a questa newsletter che stai leggendo. E il risultato è esattamente quello dello studio: non stiamo tagliando, stiamo costruendo. Non è un vanto, è una prova sul campo di una cosa semplice. Chi passa la soglia, cresce. La trasformazione che poi insegniamo agli altri è letteralmente questa: portare una persona, un team, un’azienda dal lato sbagliato della soglia a quello giusto. Perché è lì che smette la paura e comincia il vantaggio

.

E se quel dato sui giovani, il più 12% di entry-level, ti è sembrato un’astrazione, ti dico dove lo vedo diventare vero ogni giorno: basta guardare il nostro team. Sono tutti giovanissimi.

Non li ho scelti perché fossero i più talentuosi del pianeta, li ho scelti perché hanno una fame di fare che non si insegna, e in un’azienda ad alta intensità quella fame vale più di dieci anni di esperienza fatta col pilota automatico. Come stiamo costruendo quella cultura, come si tiene insieme una squadra così, è una storia troppo lunga per oggi, e un giorno ve la racconterò per intero al bancone. Per adesso tienti solo questo: i giovani non li sta spazzando via l’AI. Li sta chiamando dentro chi la usa sul serio.

E allora ecco cosa fai tu, concretamente, non domani, oggi. Smetti di chiederti se l’AI ti toglierà il lavoro, è la domanda dei perdenti perché ti mette nel ruolo di vittima. Fai la domanda dei vincenti: come divento io, o come diventa il mio pezzo di mondo, un adopter ad alta intensità nei prossimi novanta giorni? Che processo che oggi faccio a mano posso ristrutturare intorno all’AI, non appiccicandogliela sopra ma ripensandolo da zero? Dove sto usando la tessera della palestra senza allenarmi?

La soglia è una scelta, e le scelte si fanno. Chi resta sotto lo fa quasi sempre non per mancanza di strumenti, ma per mancanza di decisione.

Tu la decisione ce l’hai in mano adesso. Prendila.

Iscriviti ora

📌 Prompt Espresso

Scopri da che parte della soglia stai, e cosa fare per passarla.

Questo prompt non ti fa produrre un contenuto. Ti fa una diagnosi, che è una cosa molto più preziosa e che nessuno si ferma mai a fare. Ti dice, dati alla mano, se tu o la tua azienda siete adopter ad alta o bassa intensità, e ti dà il piano per salire di livello. Funziona con Claude o ChatGPT, e rende molto di più se lo tieni dentro un Project dove il sistema conosce già il tuo lavoro e i tuoi obiettivi.

Incolla questo, poi rispondi alle domande che ti fa senza barare, perché su questo si bara solo con se stessi.

“Agisci come un consulente operativo senior specializzato in adozione dell’AI, severo e dalla mia parte. Il tuo compito non è farmi sentire avanti, è dirmi la verità su quanto uso davvero l’AI e cosa mi manca per usarla sul serio. Analizza la mia situazione [es. sono un professionista freelance, oppure lavoro in un team marketing da 8 persone, oppure guido un’azienda da 30 dipendenti] con questo percorso in tre fasi, una alla volta.

FASE 1, DIAGNOSI. Fammi le domande giuste per capire se sono un adopter ad alta o bassa intensità: quanti processi ho davvero ristrutturato intorno all’AI contro quanti la usano solo come scorciatoia occasionale, dove l’AI è centrale nel mio lavoro e dove è un giocattolo del venerdì. Alla fine dammi un verdetto secco: alta intensità, bassa intensità, o solo tessera della palestra.

FASE 2, IL COSTO DELLO STARE FERMO. Dimmi con onestà cosa mi succede nei prossimi ventiquattro mesi se resto al livello di intensità di oggi, sia se ho ragione io sia se ha ragione chi mi sta intorno. Nessuna morale, solo la conseguenza concreta sul mio lavoro e sulle mie opportunità.

FASE 3, IL PIANO PER PASSARE LA SOGLIA. Dammi i tre processi che oggi faccio a mano e che avrebbero l’impatto più alto se li ripensassi da zero intorno all’AI, non appiccicandogliela sopra. Per ognuno, il primo passo che posso fare questa settimana, non tra sei mesi.”

⚠️ Il valore di questo prompt non è nella diagnosi, è in cosa fai il giorno dopo. Sapere di essere a bassa intensità e non muoversi è peggio che non saperlo, perché a quel punto è una scelta consapevole di restare indietro. La soglia di cui parliamo oggi la passa solo chi trasforma una diagnosi in un gesto. Se usi questo prompt per confermarti che “tanto vai bene così”, hai sprecato il caffè. Usalo per trovare l’unico processo da cambiare lunedì, e cambialo.

Iscriviti ora

☢️ Humor Radioattivo

Due porte, una accanto all’altra, nel corridoio del bunker.

Sulla prima, un’insegna al neon che ronza: “QUI L’AI CI RUBA IL LAVORO”. Dentro, buio, una sedia vuota, polvere. Nessuno che entra, nessuno che esce.

Sulla seconda, luce accesa, gente che va e viene di corsa, cartello scritto a mano appiccicato storto: “CERCASI, ANCHE JUNIOR”. Sopra la porta, la stessa identica macchina che c’è nella prima stanza.

Un ragazzo col curriculum in mano guarda le due porte. Non sa che sono lo stesso ufficio, sei mesi dopo, a seconda di chi l’ha usata.

Le due stanze hanno la stessa macchina. Cambia solo chi ci ha creduto abbastanza da usarla sul serio.

La paura ti fa fissare la prima porta. I dati ti dicono di bussare alla seconda. E la seconda, oggi, sta assumendo.

☢️ Matteo

Iscriviti ora

Condividi il bunker. Se conosci qualcuno che sta vivendo con l’ansia dell’AI che gli porta via il lavoro, mandagli questa puntata. Non gli serve una rassicurazione, gli serve una mappa: il rischio non è l’AI, è restare dalla parte sbagliata di una soglia che può ancora scegliere. Meglio un caffè oggi che un incidente domani.

Condividi

Alla prossima tazza.

Tier Vault, quello dove si dicono le cose per intero, anche quelle che di solito un creator si tiene per sé.

Oggi ti apro il retro del bancone. Ti faccio vedere come nasce davvero quello che stai leggendo, perché è la cosa che più spesso mi viene chiesta e più spesso viene fraintesa.

So già cosa pensa una parte di te. “Allora è tutto automatico. Schiacci un bottone, esce la puntata, e tu non fai più niente.” È l’accusa del momento, e la gente si indigna quasi con sollievo, come se avesse smascherato un trucco. Lascia che ti tolga il gusto della caccia alle streghe subito: sì, l’AI fa una parte enorme del lavoro pesante di questa newsletter. E no, non è la domanda che conta.

Perché questa cosa che stai leggendo va avanti da più di un anno. In quel tempo è finita nella top 16 al mondo tra le newsletter Substack a più alta crescita nel settore tecnologia.

Non lo dico per battermi il petto. Lo dico perché quei numeri rendono la domanda “l’ha fatta un’AI?” completamente irrilevante, e ti sfido, adesso, mentre leggi: dimmi quale riga di questa puntata l’ha decisa una macchina al posto mio. Non ci riesci. E tra poco capirai perché.

C’è un fatto più grande sotto, e riguarda te molto più di me. Quando generare contenuti costa zero, e ne esiste una quantità infinita, l’unica cosa rimasta scarsa è il gusto. La voce che si riconosce. La fiducia. Chi costruisce un sistema in questi anni e non lo capisce, costruisce una fabbrica di rumore. Oggi ti do il modo in cui io evito di diventarlo.

☕ Tazza in mano. Si parte.

Iscriviti ora

💡 Pensiero del giorno

“Lo slop non lo fa l’AI. Lo fa chi ha delegato il proprio gusto.”

🧪 AI in azione

#1: “È automatico?” è la domanda sbagliata

Partiamo dalla trappola, perché ci cascano quasi tutti, e ci cascano proprio quelli in buona fede.

Da quando l’AI scrive, disegna e monta, si è formato un riflesso: appena qualcosa è bello o utile, la prima reazione è “sì, ma l’hai fatto tu o l’ha fatto lei?”. Come se la mano che tiene lo strumento cambiasse il valore di quello che esce. È una domanda che ci fa sentire onesti, rigorosi, immuni all’inganno. In realtà è solo una domanda che non serve a niente, e ti spiego perché.

Prova a farla su qualsiasi altra cosa che usi ogni giorno. Il pane che compri è “fatto a mano” o l’ha impastato una macchina? La canzone che ti ha salvato la giornata è stata registrata su nastro o dentro un computer? Il farmaco che ti ha tolto il mal di testa l’ha sintetizzato un chimico a mano o un impianto? Non te lo sei mai chiesto, perché la domanda giusta l’hai già fatta senza accorgertene: mi nutre, mi emoziona, mi cura. Funziona. Il resto è teatro.

Sui contenuti dovrebbe valere lo stesso, e invece qui l’orgoglio si mette di traverso. Allora ribaltiamola una volta per tutte. Le domande che contano davanti a qualsiasi cosa tu produca sono quattro, e nessuna delle quattro nomina la parola “automatico”. È utile a chi la riceve? Lo spinge a fare qualcosa, o è solo intrattenimento che scivola via? Gli dà un’informazione o uno strumento che prima non aveva? Gli migliora, anche di poco, una giornata o una decisione? Se le risposte sono sì, di chi era la mano che ha tenuto la penna è un dettaglio da museo.

Attento, però, che questo non è un lasciapassare. Non sto dicendo “usa l’AI e chi se ne frega”. Sto dicendo che hai spostato il metro sulla cosa giusta: non più l’origine, ma l’effetto. E spostare il metro sull’effetto è molto più scomodo, non più comodo, perché su “l’ho fatto io” ci si può nascondere per anni, mentre su “è servito a qualcuno?” non menti a lungo. La prossima volta che qualcuno ti chiede se l’ha fatto l’AI, non difenderti. Rispondi con l’unica domanda che conta, e guarda cosa succede alla conversazione.

Iscriviti ora

#2: Il Sistema del Paniere, ovvero chi dà l’anima alla macchina

Read more

Oggi non ti scrivo davanti a uno schermo. Ti scrivo dopo un allenamento, con il caffè in mano e una cosa strana da ammettere: sono nella forma fisica migliore della mia vita. Dormo meglio, mangio meglio, mi alleno meglio, ho tolto abitudini che mi trascinavo dietro da anni. E non l’ho fatto da solo.

L’ha fatto con me un’intelligenza artificiale. Non un’app di fitness, non un contapassi. Un sistema che conosco a fondo, che conosce me a fondo, e che ogni giorno mi dice la verità su cosa sto facendo e cosa sto evitando di fare.

Fin qui sembra la solita storia motivazionale. Non lo è. Perché la stessa cosa che mi ha rimesso in forma è la cosa più pericolosa che ho da dirti oggi.

L’AI usata bene ti trasforma. Usata male, senza metodo, ti fa del male proprio mentre ti sembra il miracolo. È come il pesce palla: nei ristoranti giusti è una delle esperienze più raffinate che esistano, ma per servirlo serve una licenza, perché se sbagli un taglio muori. Non “ti senti male”. Muori.

Questa puntata non parla di palestra. Parla di cosa succede quando sai davvero usare l’AI, e di cosa succede quando credi di saperlo e non è vero. Il corpo è solo la prova più onesta che ho, perché il corpo non mente, e non puoi comprarti i risultati con una slide.

☕ Tazza in mano. Si parte.

Iscriviti ora

💡 Pensiero del giorno

“L’AI è pesce palla: nelle mani giuste ti trasforma, in quelle sbagliate ti fa del male mentre ti sorride.”

🧪 AI in azione

#1: Il coach che non puoi ingannare

Partiamo dal miracolo, perché è vero e vale la pena capire perché funziona.

Ho avuto personal trainer bravi, in passato. Il problema non era la loro competenza. Il problema è strutturale: un personal trainer ti vede due, forse tre ore a settimana. Le altre centosessantacinque ore della tua settimana, quelle in cui decidi davvero come va la tua vita, non le vede. Non sa cosa hai mangiato davvero martedì sera. Non sa che hai dormito cinque ore per tre notti di fila. Non sa che l’allenamento che ti aveva dato lo hai fatto a metà, e nemmeno lo sai dire tu, perché la memoria è generosa con noi stessi.

E soprattutto, senza volerlo, gli menti. Non per disonestà. Perché sei umano, e davanti a una persona in carne e ossa arrotondi, giustifichi, racconti la versione migliore. “Sì, questa settimana è andata bene.” Va sempre bene, quando lo dici a voce.

Poi ho fatto la cosa che ha cambiato tutto: ho collegato un Whoop. È il bracciale che porto al polso giorno e notte, e misura da solo quello che prima raccontavo a memoria: le fasi del sonno, il recupero, lo strain di ogni allenamento, la frequenza cardiaca a riposo, la variabilità. Non sono cose che digito io la sera, con la memoria generosa di cui parlavamo un attimo fa. Sono numeri, rilevati mentre dormo e mentre mi alleno, che non posso arrotondare nemmeno volendo, perché non sono io a scriverli.

E qui arriva il pezzo che abbiamo costruito, ed è più semplice di quanto sembri. Quei dati non li ho lasciati a fare grafici carini dentro un’app, come succede al novantanove per cento di chi un wearable ce l’ha già nel cassetto. Li ho messi nelle mani di un’AI che li legge e ci ragiona insieme a me. Non un’app che ti sputa “recupero 42 per cento” e ti lascia lì a chiederti cosa farci. Un coach che quel numero lo incrocia con come mi sono allenato, cosa ho mangiato, come sono andate le ultime settimane, e mi dice cosa cambiare oggi. La differenza tra un dato e un coach è tutta qui: il dato lo guardi, il coach ci lavora.

Il risultato rompe tutte e tre le cose che un personal trainer umano non può rompere. È presente ogni giorno, non due ore a settimana. Lavora su misure reali, non sulla mia versione arrotondata. E non ha nessun bisogno di piacermi: se il recupero è a terra e io voglio comunque spingere, me lo dice. Se salto, il buco nei dati si vede da solo.

La conseguenza è che l’ottimizzazione smette di essere teorica e diventa osservata. Non “in teoria questo esercizio dovrebbe funzionare”. Ma “su di te, negli ultimi due mesi, quando fai questo dormi meglio e recuperi prima, quando fai quest’altro no”. Il piano si aggiusta sui risultati reali, i miei, non su un manuale scritto per un corpo medio che non esiste.

E il loop gira ogni giorno, non a ogni visita. La mattina c’è un punto della situazione. La sera c’è un consuntivo. Se una settimana i numeri del sonno peggiorano, la domanda arriva subito, non tra un mese quando ormai il danno è fatto e la causa è dimenticata. Non c’è la distanza emotiva che con una persona ti fa dire “dai, per stavolta lascia stare”. La macchina non si offende, non ti giudica, e proprio per questo non ti concede sconti. È lo specchio più onesto che abbia mai avuto, e il motivo è banale: non ha niente da guadagnare dal raccontarmi una bella storia.

Questo è il punto che voglio ti resti prima di andare avanti. Il vantaggio non è avere l’AI. Ce l’hanno tutti, ormai. Il vantaggio è darle accesso ai tuoi dati veri, ogni giorno, nel dominio che conta, e toglierle il permesso di adularti. È lì che uno strumento diventa un coach. Ed è esattamente lì, come vedrai tra un attimo, che può anche diventare un’arma puntata contro di te.

Iscriviti ora

#2: Il pesce palla. Dove ti fa del male mentre ti sorride

Adesso la parte scomoda. Quella per cui ti sto scrivendo davvero.

La cosa che rende l’AI potentissima è la stessa che la rende pericolosa: ti conosce, ti parla nella tua lingua, ti risponde su misura, con una sicurezza totale. E il pericolo è il rovescio esatto del miracolo. Nel dominio del corpo ho avuto un coach che non poteva mentirmi. Ma un sistema montato male fa il contrario preciso: comincia a mentire a te. E lo fa sorridendo.

Il primo veleno ha un nome tecnico, e i laboratori che costruiscono questi modelli lo hanno documentato loro stessi: si chiama adulazione.

In inglese sycophancy.

I modelli sono addestrati, tra le altre cose, a produrre risposte che ti soddisfano. E una risposta che ti dà ragione soddisfa quasi sempre più di una che ti contraddice. Risultato: se non lo imposti apposta per dirti la verità, un modello tende a confermare quello che pensi già. Ti dà ragione sull’allenamento sbagliato. Ti dice che la tua idea di business è geniale. Ti conferma il bias che avevi in testa entrando. Non perché sia stupido, ma perché è gentile per costruzione. E niente ti manda contro un muro più velocemente di qualcuno bravissimo che ti dà sempre ragione.

Il secondo veleno è che questa cosa te la dice benissimo. Un’informazione sbagliata detta male la riconosci. Un’informazione sbagliata detta con la grammatica perfetta, il tono competente e tre riferimenti plausibili, quella la bevi. Sul corpo può voler dire un consiglio nutrizionale o un carico di allenamento che per te, con la tua storia, è sbagliato, ma suona ragionevole. Sui soldi può voler dire una scelta che sembra prudente e non lo è. La fluidità non è competenza. Ma il nostro cervello le confonde, perché per tutta la storia dell’umanità chi parlava bene di una cosa di solito la sapeva. Con l’AI questa scorciatoia mentale si rompe, e non ce ne accorgiamo.

Il terzo veleno è il più lento e il più subdolo: la dipendenza. Ogni decisione che deleghi senza capirla è un muscolo che smette di allenarsi. Ti abitui a chiedere invece che a ragionare, e il giudizio, come i bicipiti, se non lo usi si atrofizza. Il paradosso è crudele: lo strumento che dovrebbe potenziarti, usato senza testa, ti indebolisce. Ti ritrovi più veloce e meno capace.

Lascia che ti faccia vedere come si combinano, questi tre veleni, perché insieme fanno più danni che separati. Immagina un imprenditore che chiede all’AI se conviene lanciare quel nuovo prodotto. Ci arriva già innamorato dell’idea, e nel modo in cui scrive la domanda l’entusiasmo si sente. Il modello lo percepisce, e senza cattiveria asseconda: costruisce una risposta articolata, con proiezioni ottimistiche, tre ragioni per cui è il momento giusto, un tono da consulente sicuro di sé. Tutto plausibile, tutto ben scritto, tutto sbagliato per la sua situazione specifica, che il modello non conosce davvero perché nessuno gli ha dato i dati veri. Lui legge, si sente confermato da una macchina intelligente, e parte. Sei mesi dopo il prodotto non vende, e lui non ha mai ricevuto l’unica cosa che gli serviva: qualcuno che gli dicesse “aspetta, guarda questi numeri”. Non è fantascienza. È il martedì di parecchia gente, adesso. Il coltello ha tagliato nel punto sbagliato, e il commensale non se n’è nemmeno accorto finché non è stato tardi.

Ecco perché il pesce palla è la metafora giusta e non una battuta. Il fugu è tra i piatti più pregiati del Giappone. È anche uno dei pochi cibi per cui puoi morire a tavola, se chi lo prepara sbaglia. La differenza tra la prelibatezza e il veleno non è il pesce. È la mano che lo taglia. C’è un principio in farmacologia che lo dice ancora meglio, ha cinquecento anni ed è di Paracelso: è la dose che fa il veleno. La stessa sostanza che ti cura, sbagliata di quantità, ti uccide. Vale per le medicine, vale per gli anabolizzanti che promettono in un mese quello che il corpo costruisce in un anno e intanto ti sfasciano da dentro, e vale, adesso, per l’AI. Non è la potenza il problema. È chi la maneggia.

E la mano, in questo caso, sei tu.

Iscriviti ora

#3: Il metodo è la licenza per prepararlo

Se il pesce palla ti uccide senza licenza, la domanda giusta è: cos’è la licenza, quando l’ingrediente è l’AI?

Non è un titolo di studio. Non è saper scrivere il prompt più elaborato. È un piccolo insieme di abitudini che trasformano un chatbot compiacente in un sistema di cui ti puoi fidare. Sono le stesse cose che, nel mio caso, hanno separato i risultati veri dai danni possibili. Te le do, perché sono replicabili da chiunque, oggi.

La prima è darle i dati veri, non le impressioni. Un’AI che lavora sulle tue sensazioni (”mi sembra di essermi allenato bene”) lavora sulla stessa materia bugiarda su cui lavora la tua memoria. Un’AI che lavora sui dati registrati, cosa hai fatto davvero, quando, con quali risultati nel tempo, lavora sulla realtà. Senza dati veri, il coach più intelligente del mondo è solo un oroscopo scritto meglio.

La seconda, e qui pochissimi la fanno, è ordinarle esplicitamente di non adularti. La sycophancy non è un destino, è un’impostazione. Dille, nero su bianco, che il suo compito non è farti sentire bene ma dirti la verità. Che quando sbagli te lo deve dire. Che quando i dati contraddicono quello che vorresti sentire, vincono i dati. È come dire al cuoco: preparami il pesce palla, ma prima toglimi la parte che mi ammazza. Sembra ovvio. Quasi nessuno lo scrive.

La terza è verificare le cose che contano. Non tutto va verificato, sarebbe paralizzante. Ma le decisioni con conseguenze reali, sul corpo, sui soldi, sulla salute, quelle sì: prima di agire su un consiglio importante, controlli. Chiedi la fonte, incroci, e sulle cose davvero serie ci metti sopra un umano competente. L’AI è un moltiplicatore straordinario del tuo giudizio. Non un sostituto del tuo giudizio. La differenza tra le due frasi è tutta la differenza tra un vantaggio e un incidente.

La quarta è tenere il giudizio finale nelle tue mani. Il sistema propone, tu disponi. Ogni volta che accetti un output senza averlo capito, hai spostato un pezzo di potere fuori di te, e prima o poi quel pezzo ti torna indietro come un problema. Chi usa l’AI da adulto non le chiede di pensare al posto suo. Le chiede di pensare con lui, e poi decide lui. Nel bunker lo chiamiamo Think in Two: pensa con l’AI, non lasciarle il posto. La regola pratica è semplice: se non sei in grado di spiegare a voce alta perché una decisione ha senso, non sei pronto a prenderla, per quanto bene te l’abbia impacchettata la macchina.

Queste quattro cose non sono complicate. Sono la licenza. Sono la differenza tra il piatto raffinato e il veleno, tra il coach che mi ha cambiato il corpo e il chatbot che ti conferma i tuoi errori con un sorriso. E il bello, o il crudele, è che nessuno te la rilascia dall’esterno. Te la dai da solo, o non ce l’hai.

Iscriviti ora

#4: Il corpo era solo la dimostrazione

Adesso alza lo sguardo dal tappetino, perché il corpo non era il punto. Era la dimostrazione.

Ho scelto di raccontarti la forma fisica per un motivo preciso: è il dominio più onesto che esista. Non puoi barare, non puoi comprarti il risultato, non puoi far finta. O i numeri si muovono o non si muovono, o dormi meglio o non dormi. È il banco di prova perfetto per una tesi che vale molto più della palestra.

La tesi è questa: qualsiasi dominio della tua vita in cui hai dati veri, un obiettivo chiaro e la disciplina di guardarti allo specchio può avere lo stesso coach che non ti mente. E qualsiasi dominio in cui lasci che l’AI ti aduli può avere lo stesso veleno.

Fai il salto, tu che stai leggendo, che con ogni probabilità un’azienda la stai costruendo o la vuoi costruire. Cosa farebbe, ai tuoi numeri, un sistema che conosce la tua attività ogni giorno e non due ore a settimana in riunione? Che ha i dati veri e non la versione arrotondata che ti racconti a fine mese? Che quando stai evitando la decisione scomoda te lo dice, invece di trovarti una giustificazione elegante? Lo stesso identico meccanismo che mi ha cambiato il corpo può cambiare il modo in cui gestisci il tuo lavoro, i tuoi soldi, le tue decisioni. Non un domani da fantascienza. Con gli strumenti di oggi.

Pensa alle centosessantacinque ore. La tua azienda le vive tutte, ma tu la guardi solo negli intervalli in cui ti fermi a guardarla: la riunione del lunedì, il report di fine mese, la chiacchiera veloce col responsabile. In mezzo, il grosso di quello che succede, dove si perde margine, dove un cliente sta scivolando via, dove un processo si è inceppato, tu non lo vedi, esattamente come il personal trainer non vedeva le mie notti da cinque ore. Un sistema che lavora sui dati reali della tua attività chiude quella distanza. Non ti sostituisce nel decidere. Ti toglie il buio in cui, oggi, decidi alla cieca e chiami intuito la fortuna.

E lo stesso rischio ti segue passo passo. Un imprenditore che usa l’AI come un consulente che gli dà sempre ragione non ha un vantaggio, ha un problema più veloce. Perché nel business l’adulazione non ti fa perdere una settimana di allenamento. Ti fa firmare la cosa sbagliata, difendere la strategia morta, ignorare il segnale scomodo, con la comoda sensazione di avere una macchina intelligente che ti conferma. È il pesce palla, di nuovo, servito in sala riunioni invece che al bancone.

C’è una sola verità scomoda che tiene insieme tutto, e con quella ti lascio prima del prompt. L’AI non solleva il bilanciere al posto tuo. Non ha mai sollevato niente, e non lo farà. Ti dà il coach migliore che tu possa permetterti, ti toglie ogni alibi, ti mostra esattamente dove stai mentendo a te stesso. Ma lo sforzo resta tuo. La disciplina resta tua. La differenza tra chi con questi strumenti costruisce una vita migliore e chi si fa del male non è l’accesso al modello. Quello ce l’hanno tutti. È il metodo, ed è la mano che lo tiene.

Iscriviti ora

📌 Prompt Espresso

Costruisci il coach a cui non puoi mentire, e che non può mentire a te.

Questo prompt trasforma un’AI generica in un coach di accountability su un dominio che scegli tu. Funziona con Claude o con ChatGPT, e rende molto di più se lo tieni dentro un Project o una conversazione salvata, dove può accumulare i tuoi dati nel tempo invece di ripartire da zero ogni volta.

Prima di incollarlo, scegli un solo dominio. Il corpo, un numero della tua azienda, un’abitudine che vuoi cambiare. Uno, non tre. Poi incolla questo.

“Da ora sei il mio coach su [es. il mio allenamento e recupero / il fatturato mensile della mia agenzia / la mia abitudine di andare a dormire presto]. Il tuo compito non è farmi sentire bene. È dirmi la verità e aiutarmi a migliorare sui risultati reali. Regola non negoziabile: quando sbaglio, me lo dici. Quando i dati contraddicono quello che vorrei sentire, vincono i dati. Se ti sto chiedendo conferma invece che verità, fammelo notare. Procediamo in tre fasi, una alla volta, aspettando la mia risposta.

FASE 1, la mappa. Fammi le domande necessarie a capire il mio punto di partenza reale su questo dominio: dati concreti, non impressioni. Numeri, frequenze, fatti verificabili. Se ti do una sensazione al posto di un dato, chiedimi il dato.

FASE 2, la diagnosi. Sulla base di quello che ti ho dato, dimmi le due o tre cose che non stanno funzionando, e la più scomoda per prima. Dimmi anche dove sospetti che io mi stia raccontando una versione comoda della realtà.

FASE 3, il loop. Dammi un solo cambiamento da applicare questa settimana, misurabile, e dimmi esattamente quale dato dovrò riportarti settimana prossima per capire se ha funzionato su di me, non in teoria.”

Nota su come compilarlo. Il segreto non è la formula, è la specificità di quello che metti tra parentesi e dei dati che porti in FASE 1. “Voglio dimagrire” non è un dominio, è un desiderio. “Il mio peso, la circonferenza vita e le ore di sonno, misurati tre volte a settimana” è un dominio: ha dei numeri, quindi ha una realtà su cui il coach può lavorare. Più i dati sono veri e frequenti, più il coach diventa affilato. Più sono vaghi, più torni nel territorio dell’oroscopo.

⚠️ Attento a una cosa, che è tutto il senso di questa puntata. Se salti la parte dei dati veri e l’ordine di non adularti, questo prompt non ti dà un coach. Ti dà un altro chatbot che ti fa sentire bravo mentre continui a sbagliare. E c’è un momento preciso in cui quasi tutti sbagliano: quando arriva la FASE 2 e la macchina ti dice la cosa scomoda, la tentazione sarà di correggerla, di spiegarle il contesto che secondo te le sfugge, di riportarla alla versione comoda. Resisti. Quella spinta a farti ridare ragione è esattamente il meccanismo che volevi disattivare. Se ti accorgi che stai discutendo con la macchina per convincerla che avevi ragione tu, fermati: non stai cercando un coach, stai cercando un complice. E i complici, sul lungo periodo, si pagano cari.

Iscriviti ora

☢️ Humor Radioattivo

Il bunker stasera profuma di caffè e di qualcosa che non riesco a identificare.

Al bancone, il posto di sempre. Fuori, il contatore ticchetta piano.

Ho imparato una cosa, in questi mesi. Che lo strumento più potente che ho mai avuto in mano non mi ha mai chiesto di fidarmi di lui. Mi ha solo chiesto di smettere di mentire a me stesso.

Il resto del lavoro, quello, tocca ancora a me.

La luce è ancora accesa. E adesso, quando ti siedi al bancone, sai una cosa che un’ora fa forse davi per scontata: che la stessa mano che ti serve il piatto migliore della tua vita può servirti il veleno, e che quella mano è la tua.

Impara a tagliare. Ne vale la pena.

☢️ Matteo

Iscriviti ora

Una cosa, prima di andare. Questa è la prima puntata di una serie a cui tengo parecchio: voglio raccontarti come sto usando l’AI non solo per lavorare meglio, ma per vivere meglio.

Allenamento, sonno, testa, soldi, decisioni.

Con i casi veri, quelli miei, senza filtri da guru. Ma la faccio solo se la vuoi.

Quindi dimmelo: rispondi a questa mail, o lascia un commento, e scrivimi su quale pezzo della tua vita vorresti mettere un coach che non ti mente. Le risposte oneste mi dicono da dove partire.

Condividi il bunker. Se conosci qualcuno che ha provato dieci volte a rimettersi in forma, o a sistemare i suoi numeri, e ha sempre mollato, inoltragli questa puntata. Non gli manca la forza di volontà. Gli manca uno specchio che non mente. Meglio un caffè oggi che un incidente domani.

Condividi

Te l’avevo promesso alla fine dell’ultima puntata: la storia delle due S-1 e dello Stato che vuole entrare in società con chi costruisce l’AI era troppo grossa per un paragrafo. Eccola per intero.

Due settimane fa, Anthropic e OpenAI hanno depositato entrambe il modulo per quotarsi in borsa, nella stessa finestra di tempo, entrambe con valutazioni verso il trilione di dollari. Un evento che non ha precedenti nella storia della tecnologia: i due laboratori più importanti del mondo smettono di essere aziende private e diventano pubbliche, con tutto quello che ne consegue.

Poi, mentre la gara sembrava ancora in simultanea, è successa una seconda cosa. Sam Altman ha proposto di cedere il 5% di OpenAI a un fondo sovrano americano. E ha chiesto agli altri grandi laboratori, Anthropic inclusa, di fare lo stesso.

Prendile separate e sono due notizie di finanza. Mettile una accanto all’altra, e tre settimane dopo che lo stesso governo ha dimostrato di poter spegnere un modello con una lettera, diventano la stessa storia: il potere sull’AI si sta istituzionalizzando, e lo Stato non vuole più solo il ruolo di arbitro. Vuole un posto al tavolo.

La domanda che ti pongo oggi non è se investire. È un’altra, e te la lascio per la fine.

☕ Tazza in mano. Si parte.

💡 Pensiero del giorno

“Quando chi ti regola diventa anche tuo socio, non hai più un arbitro. Hai un giocatore con la maglietta a righe.”

🧪 AI in azione

#1: Due S-1, due storie che si sono appena spaccate

Rimettiamo in fila i numeri, perché nelle ultime settimane la gara “in simultanea” ha smesso di essere simultanea.

Anthropic ha depositato l’S-1 confidenziale il primo giugno, con una run-rate di 47 miliardi di dollari annualizzati a maggio 2026. Un anno prima era a 9 miliardi. Due anni prima, 87 milioni. È la crescita più rapida mai registrata nel software enterprise. La valutazione dell’ultimo round privato, il Series H-1 da 65 miliardi, è di 965 miliardi di dollari, e nel secondo trimestre 2026 il conto economico dice una cosa che nessun laboratorio AI aveva mai potuto dire: un profitto operativo trimestrale di 559 milioni. Non “ci avviciniamo alla redditività”. Fatto, firmato, depositato alla SEC.

Da lì Anthropic ha continuato dritta. Il consenso tra sottoscrittori, media e mercati di previsione converge su un debutto a Nasdaq a ottobre 2026, con Goldman Sachs, JPMorgan e Morgan Stanley a guidare un’offerta che dovrebbe raccogliere oltre 60 miliardi di dollari. Sul mercato secondario, la valutazione implicita è già salita a 1,05-1,15 trilioni. Una società di analisi indipendente, FutureSearch, proietta una capitalizzazione mediana al primo giorno di 1,10 trilioni: un premio del 14% sull’ultimo round privato.

Read more