Introduzione all’intelligenza artificiale generativa

1 – FONDAMENTI DI AI GENERATIVA E SCENARI D’USO
Capire cosa fa l’AI, dove aiuta davvero, dove può ingannare

Obiettivo:
Fornire una base chiara e condivisa su AI generativa e LLM, collegandola a casi d’uso reali e trasversali ai reparti. Al termine della sessione i partecipanti sanno orientarsi tra strumenti, potenzialità e limiti, e iniziano a costruire richieste (prompt) efficaci.

Contenuti e attività:

• AI oggi: differenza tra automazione, machine learning e AI generativa (spiegata in modo accessibile)
• Come funzionano gli LLM: perché “sembrano” capire e perché possono sbagliare
• Panoramica strumenti (es. ChatGPT, Gemini, Perplexity o equivalenti)
• Mappa dei casi d’uso per funzioni aziendali:
  • HR: comunicazioni interne, onboarding, policy, sintesi colloqui
  • Commerciale: email, proposte, follow-up, analisi obiezioni
  • Amministrazione/controllo: riepiloghi, check, estrazione informazioni
  • Operation/qualità: procedure, istruzioni operative, report
  • Customer service: risposte standard, knowledge base, gestione ticke
• Prompting “di base” per il lavoro: struttura, contesto, vincoli, stile, output atteso
• Buone pratiche: iterazione, verifica, esempi guidati e anti-errori tipici
  

Attività:
Esercitazioni guidate su prompt reali dei partecipanti: dal “prompt debole” al “prompt utile”, con confronto e debriefing.

2 – APPLICAZIONI OPERATIVE, RICERCA, QUALITÀ E USO RESPONSABILE
Portare l’AI nei task quotidiani, senza perdere controllo e affidabilità

Obiettivo:
Allenare l’uso concreto dell’AI su attività tipiche: documenti, riunioni, analisi e ricerca. Valutare attendibilità e rischi, e impostare regole minime di utilizzo coerenti con privacy e sicurezza.

Contenuti e attività:

• Produttività personale e qualità dell’output:
  • email, documenti e presentazioni (outline, stile, sintesi, miglioramento testi)
  • verbali e action point: come ottenere un report chiaro e utilizzabile
  • piani di lavoro e to-do: come trasformare obiettivi in attività e priorità
• Ricerca e analisi informazioni: differenza tra ricerca “classica” e “AI search”:
  • riassunti e comparazioni
  • estrazione di insight da testi e documenti
  • fact-checking: come verificare, cosa chiedere, segnali di allarme
• Limiti dei modelli e come gestirli
• AI generativa per immagini/video e applicazioni tipiche in comunicazione interna/esterna
• Principi di uso responsabile:
  • dati sensibili, riservatezza, compliance e regole di base
  • cosa non inserire mai negli strumenti pubblici
  • come impostare una “policy minima” per il team (checklist di comportamento)

Attività:
Laboratorio su 2–3 casi aziendali commentate dagli studenti.