Capire le parole, decidere meglio.
24 termini che incontrerai in un progetto AI. Per ciascuno: una definizione operativa, il limite da conoscere e una domanda concreta da fare al fornitore. Le guide collegate approfondiscono metodo ed esempi.
A cura di Stolen Orbit. Revisione: 25 settembre 2026.
Workflow
Una sequenza di passaggi e condizioni definita per portare un input a un risultato. Può includere un modello AI senza delegargli la scelta dell’intero percorso.
Da chiedere: Quali passaggi sono fissi e quali dipendono dal giudizio di una persona?
Agenti AI o workflow →Agente AI
Un sistema in cui un modello può scegliere strumenti o passaggi entro un perimetro. La capacità di agire richiede permessi, limiti e condizioni di arresto verificabili.
Da chiedere: Quali azioni può eseguire, con quali credenziali e quando deve fermarsi?
Agenti AI aziendali →LLM
Un modello linguistico che genera o trasforma testo sulla base dell’input e dei pattern appresi. Una risposta fluida non dimostra correttezza né accesso ai dati aziendali.
Da chiedere: Come verifichiamo il risultato sul nostro lavoro, incluse le risposte sbagliate?
Agenti AI o workflow →RAG
Un metodo che recupera informazioni da fonti selezionate e le fornisce al modello per rispondere. Non garantisce che recupero, permessi o risposta siano corretti.
Da chiedere: La risposta mostra una fonte aggiornata e accessibile a chi la riceve?
RAG o fine tuning →Fine-tuning
Un ulteriore addestramento su esempi per adattare il comportamento di un modello. Non sostituisce automaticamente un archivio aggiornato o una ricerca con permessi.
Da chiedere: Il problema riguarda il comportamento del modello o le informazioni che mancano?
RAG o fine tuning →Contesto
Le istruzioni, i messaggi e i documenti disponibili al modello in una specifica esecuzione. Una finestra ampia non implica che ogni dettaglio venga usato correttamente.
Da chiedere: Quali fonti entrano nel contesto e cosa succede quando una manca?
RAG o fine tuning →Token
Le unità in cui un modello rappresenta il testo. Non coincidono sempre con parole; quantità di input, output e altre voci previste dal fornitore possono incidere sui costi.
Da chiedere: Il preventivo esplicita volumi, tentativi aggiuntivi e limiti di consumo?
Costi dell’implementazione AI →Output strutturato
Un risultato con campi e tipi previsti, per esempio codice prodotto e quantità. Il formato corretto non prova che i valori siano presenti nella fonte o esatti.
Da chiedere: Verifichiamo sia lo schema sia la corrispondenza con il documento?
AI per i documenti →Allucinazione
Un’affermazione o un valore generato senza un supporto adeguato nelle informazioni disponibili. Può sembrare plausibile e rispettare perfettamente il formato richiesto.
Da chiedere: Il sistema lascia il campo vuoto e chiede revisione quando il dato non esiste?
Valutare l’affidabilità AI →Valutazione
Il confronto tra risultati e criteri stabiliti su casi rappresentativi. Deve includere casi normali, errori e condizioni in cui il sistema non deve procedere.
Da chiedere: Quali casi non hanno funzionato e chi ha deciso il risultato atteso?
Laboratorio di valutazione →Risultato atteso
La risposta o azione di riferimento approvata per un caso di test. Se il caso è ambiguo, il riferimento deve riconoscere l’ambiguità anziché inventare una certezza.
Da chiedere: Due referenti del processo concordano sul risultato e sui casi da revisionare?
Dataset di valutazione AI →Revisione umana
Un controllo effettivo prima di un’azione, con informazioni, tempo e autorità per correggere o fermare. Un pulsante Approva, da solo, non assicura un controllo utile.
Da chiedere: Il revisore vede fonte, differenze e conseguenze prima di approvare?
Revisione umana dell’AI →API
Un’interfaccia con cui software diversi leggono dati o richiedono operazioni. L’esistenza di un’API non prova che esponga i campi e i permessi necessari al progetto.
Da chiedere: Quali operazioni sono disponibili nel nostro piano e con quali limiti?
Mappa delle integrazioni →Webhook
Una notifica inviata da un sistema a un altro quando avviene un evento. Le condizioni del fornitore possono prevedere ritardi, ripetizioni o tentativi falliti.
Da chiedere: Come verifichiamo la notifica e gestiamo eventi ripetuti o mancanti?
Errori e duplicati nelle automazioni →Idempotenza
La proprietà per cui ripetere una stessa richiesta non moltiplica il suo effetto previsto. È importante quando una risposta manca e il sistema non sa se l’operazione sia riuscita.
Da chiedere: Un secondo tentativo può creare un secondo ordine o inviare una seconda email?
Errori e duplicati nelle automazioni →Riconciliazione
Il confronto tra ciò che si voleva registrare e ciò che il sistema di destinazione ha effettivamente registrato. Un invio riuscito non dimostra da solo la correttezza finale.
Da chiedere: Possiamo risalire da ogni input all’identificativo creato nel gestionale?
Riconciliazione delle integrazioni ERP →Minimo privilegio
Assegnare a ogni componente soltanto gli accessi necessari al compito. Lettura, scrittura e approvazione possono richiedere ruoli e credenziali differenti.
Da chiedere: Possiamo revocare una funzione senza bloccare tutto il processo?
Matrice dei permessi AI →Shadow mode
Una prova in parallelo al lavoro reale che produce risultati da confrontare senza effettuare le azioni operative del processo. Il divieto di scrittura va verificato tecnicamente.
Da chiedere: Quale controllo impedisce alla prova di modificare dati o contattare clienti?
Portare l’AI in produzione →Rollback e ripristino
Il ritorno a una configurazione precedente e il recupero delle attività coinvolte da un errore. Ripristinare il software non annulla automaticamente un’email o un ordine già inviato.
Da chiedere: Come troviamo e correggiamo gli effetti già prodotti?
Piano di rilascio AI →Monitoraggio
Controlli su errori, code, consumi e qualità, con un responsabile per gli avvisi. La disponibilità tecnica del sistema non dimostra che il risultato sia ancora utile.
Da chiedere: Quale segnale scatena un intervento e chi se ne occupa?
Runbook di gestione operativa AI →Cambiamento dei dati
Una variazione negli input o nel contesto operativo che può peggiorare un sistema precedentemente valido: nuovi formati, prodotti, istruzioni o tipi di richiesta.
Da chiedere: Quali test ripetiamo quando cambia il lavoro?
Registro delle modifiche AI →Capacità liberata
Tempo potenzialmente disponibile dopo aver sottratto revisione, correzioni e gestione. Valorizzarlo con un costo orario non dimostra che quella spesa sia stata eliminata.
Da chiedere: Dove verranno impiegate le ore e quale beneficio effettivo misureremo?
Quanto tempo può liberare un’automazione? →Costo totale di gestione
Il costo del progetto lungo il periodo analizzato: avvio, software, consumo, lavoro interno, manutenzione e cambiamenti. Dipende dalle ipotesi e dal confine del confronto.
Da chiedere: Il confronto include lo stesso periodo, gli stessi volumi e lo stesso livello di supporto?
Costi dell’implementazione AI →Servizio gestito
Un accordo per attività operative ricorrenti: controlli, gestione di errori, aggiornamenti e assistenza concordata. Il canone non implica lavoro illimitato né tempi di risposta non pattuiti.
Da chiedere: Cosa è incluso, cosa attiva un intervento e cosa costituisce una modifica di progetto?
Manutenzione e gestione →Riferimenti e metodo
Le definizioni sono sintesi editoriali per acquirenti aziendali. Le domande sono proposte di Stolen Orbit: non sostituiscono una specifica tecnica né dimostrano l’affidabilità di un prodotto.
- Anthropic — Building effective agents
- Microsoft Learn — Retrieval augmented generation
- AWS — Idempotent APIs