AudioCassetta | by Cassetta degli AI-trezzi

Valentino Grossi
  • 0.0 (0)
  • Technology
  • Updated Weekly

🎙️ AudioCassetta è il formato audio breve della Cassetta degli AI-trezzi. Approfondimenti rapidi su trend emergenti, casi d’uso concreti e strumenti AI spiegati in modo semplice, senza fuffa e senza tecnicismi inutili. Pochi minuti per capire cosa sta succedendo e cosa vale davvero la pena usare. lacassettadegliaitrezzi.substack.com

  1. Chi risponde al telefono quando tu non puoi?

    3d ago

    Chi risponde al telefono quando tu non puoi?

    E se fossi tu il collo di bottiglia della tua azienda? Un’azienda delle Marche che conosco fa schede elettroniche. Se manca un pezzettino da un centesimo, la scheda intera, che ne vale dieci tipo, resta ferma. Moltiplicato per centomila pezzi, capisci quanto materiale immobilizzato si blocca per una vite mancante. Quindi lui chiama tutti i fornitori, tutto il giorno. E riceve altrettante chiamate di ritorno. Durante una formazione che stava seguendo con me, non riusciva a starci dietro: “Scusami, devo rispondere se no succede un macello.” Si è accorto, con qualche settimana di ritardo, di una cosa scomoda: il collo di bottiglia della sua azienda era lui. Non un macchinario, non un fornitore. Lui, al telefono, tutto il giorno. Ne ho parlato con Marco Caputo , Country Manager Italia di Fonio.ai, un centralino AI che ho testato di persona prima di questa live di audiocassetta Chi è Marco Ingegnere meccanico, specializzato in aerodinamica automotive, laureato a Modena. Ha girato mezza Europa: Copenaghen, Budapest, Berlino, ora Vienna, da dove gestisce il mercato italiano di Fonio. Lo trovi qua anche su linkedIN Prima di Fonio lavorava su computer vision per aeroporti, a rilevare anomalie nei bagagli. Ha conosciuto i fondatori a dicembre cercando una soluzione per un cliente in consulenza. Ha scoperto che stavano aprendo la Francia e ha chiesto lui stesso di aprire l’Italia. Sei settimane dopo, ci lavorava. “Aprire un nuovo mercato significa capire un problema, più che un prodotto.” È la frase con cui ha aperto la conversazione, ed è anche il motivo per cui questa puntata parte dal problema e non dal prodotto. Il problema, prima ancora del prodotto Il primo caso che Marco ha visto da vicino: un cliente elettricista con una rete di trecento installatori. Mentre lavora su un quadro elettrico, gli squilla il telefono. Deve rispondere, senza sapere se la chiamata durerà cinque minuti o cinquanta. L’idea di Fonio: un centralino che si interpone, ma non il classico IVR “premi 1, premi 2”. Un sistema che riconosce se chi chiama è un cliente esistente o nuovo, capisce cosa serve, propone un richiamo con orario preciso, e avvisa in anticipo la persona giusta. In pratica: risponde al posto tuo. Sa se passarti la chiamata, prenderti un appuntamento, controllare la disponibilità sul tuo calendario. E lo fa in modo conversazionale, non a bottoni. Qua te lo spiegano in 100 secondo, ma tornaci dopo che tra poco ci sono i casi d’uso. Il 95% dei problemi si risolve da solo Un hotel di quaranta stanze usa Fonio per il supporto in camera. Non funziona il climatizzatore? L’IA fa un primo aiuto (”controlla le batterie del telecomando”), e se non si risolve, apre un ticket automatico per il servizio tecnico. Il dato che racconta Marco è quello che vale la puntata intera: il 95% di quei ticket non richiede nessun intervento. Nel tempo in cui il cliente riprova, il problema si è già risolto da solo, e la percezione è “hanno sistemato tutto”. Prima, con centralino umano, l’hotel perdeva il 50-60% delle chiamate nei momenti di check-in. Non è che l’AI risolva meglio i problemi. È che avere un supporto, punto, è quasi tutto quello che serve. La risoluzione reale interessa il giusto. Il centralino non licenzia, promuove L’obiezione più prevedibile, e più onesta, è: “non voglio che un’IA sostituisca una persona.” Marco risponde con un dato: dopo le prime settimane le chiamate si accorciano, ma il punteggio di qualità (quello che Fonio chiama IA quality score) sale. Le persone si adattano in fretta a un servizio che funziona. Chi prima faceva il centralinista, dice Marco, diventa la persona più adatta a impostare le regole del sistema. Non un tecnico, ma chi ha ricevuto per anni gli insulti al telefono e sa esattamente cosa serve dire, e quando. È un’inversione che vale la pena notare: non è la persona non tecnica a doversi adattare al software. È il software costruito attorno a lei. Sotto il cofano (per chi vuole i dettagli tecnici) Fonio lavora con quattro famiglie di modelli: modelli di ragionamento (OpenAI, Anthropic, Mistral, niente modelli cinesi per policy), modelli text-to-speech (ElevenLabs, Cartesia, Deepgram), modelli specializzati per dati sensibili (numeri, codici fiscali), e modelli proprietari per la latenza conversazionale. Server a Norimberga, non negli Stati Uniti: scelta esplicita per la sovranità del dato in Europa. Sull’anti-allucinazione, il sistema fa sempre un doppio controllo sui dati che il cliente ha caricato, prima di dare per buona un’informazione fornita da chi chiama. Serve a evitare sia gli errori sia le fughe di dati non autorizzate. Se questa parte non ti interessa, saltala pure. Il resto della puntata funziona lo stesso. Come provarlo Tre passaggi, non un progetto: Primo, vai su fonio.ai e inserisci il tuo numero. Ti richiama subito un agente AI con cui puoi parlare e fare domande, per farti un’idea in due minuti di come suona e come risponde. Secondo, prenoti una demo gratuita di 30 minuti con il team. Ti chiedono cosa fai e qual è il tuo problema con le chiamate, e lo testate insieme in diretta, in chiamata, sul tuo caso specifico. Terzo, se ti convince, l’attivazione in piattaforma richiede un onboarding di circa 15 minuti: trasferimenti di chiamata, formato delle notifiche (email o WhatsApp, scegli tu), eventuale conoscenza di base da caricare. Poi il team ti segue nel tempo, ma da lì in poi è già operativo. In totale, meno di un’ora dal primo test all’attivazione. Nessun contratto tecnico da leggere prima, nessuna integrazione da programmare: si scrive in linguaggio naturale cosa deve fare l’assistente, come si farebbe con un Gem o un GPT personalizzato. Cosa mi porto a casa Se ricevi chiamate mentre lavori e non puoi rispondere, oggi il problema si testa in 45 minuti, non in mesi di progetto: demo gratuita di 30 minuti, poi 15 minuti di onboarding. Chi in azienda risponde oggi al telefono è la persona più adatta a configurare un sistema del genere, non quella da sostituire. Prima di preoccuparti del costo, fai il conto del tempo che perdi a rispondere, o a non rispondere. Con quel numero il ROI si vede in pochi minuti, non in un business plan. Fonio ha appena chiuso un round da 14,5 milioni di euro, guidato dal fondo londinese 20VC di Harry Stebbings, con 3,5 milioni destinati proprio al mercato italiano nei prossimi 12-18 mesi. Il team Italia è passato da una persona a sei in poco più di due mesi. Marco sarà in Italia ad agosto per tre settimane. A settembre porterò casi d’uso reali di aziende e professionisti italiani che seguo, avvocati inclusi. La Cassetta vive di esempi veri, non di demo. Tu quante chiamate perdi al giorno, senza nemmeno accorgertene? This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 7m
  2. E se l’AI sapesse già quanto inquina il tuo edificio? (e non solo)

    Jul 1

    E se l’AI sapesse già quanto inquina il tuo edificio? (e non solo)

    Martina Simoni è la prima persona che viene su Audiocassetta che conosco dai tempi dell’università. Gli altri ospiti li ho conosciuti tutti nell’ambito dell’AI, negli ultimi anni. Martina no. Ci siamo conosciuti a L’Aquila, quando eravamo entrambi studenti, lei in ingegneria edile-architettura, io in gestionale. Il target classico degli scherzi degli altri amici e colleghi ingegneri. Quando ho aperto il suo LinkedIn qualche mese fa e ho letto “AI Researcher” accanto ad “Architect”, mi sono fermato. Mi ha colpito vedere da dove era partita e dove era arrivata, e in quanto tempo. Ho parlato con lei di AI in architettura, di come nasce un MVP in un settore che non sai programmare, e di cosa significa davvero fare reskilling in modo ragionato. Chi è Martina Originaria di L’Aquila, si è laureata in ingegneria edile-architettura. Ha lavorato sei anni in Olanda, in uno studio di architettura, su progetti legati alla pianificazione urbana. Il punto di svolta arriva con un progetto per la regione di Bruxelles: mappare la città dei 15 minuti, ovvero verificare che ogni cittadino avesse a meno di 15 minuti da casa i servizi essenziali: farmacie, medici, supermercati, trasporti pubblici. Per farlo, il team doveva costruire un tool di analisi spaziale. Martina si avvicina al mondo dei dati per la prima volta. “Raramente in architettura le decisioni si prendono sui dati,” dice. “Di solito si basano sull’esperienza personale del progettista. Quel progetto mi ha fatto capire cosa cambia quando hai i numeri.” Da lì, tramite un contatto in comune, viene a conoscenza del master in AI, Architecture and Business Innovation all’IAAC di Barcellona, l’Istituto di Architettura Avanzata di Catalogna. Istituto privato non-profit con un approccio molto pratico, learn by living. Ha mollato l’Olanda, si è trasferita a Barcellona, e ha ricominciato a studiare. AI in architettura non è solo render La prima cosa che viene in mente quando si pensa ad AI e architettura è il render. Prendi un prompt, lo metti su Mid Journey o su Nano Banana, il modello di Google per la generazione di immagini, e ottieni un’immagine dell’edificio. Martina lo conferma: è quello che fanno tutti. E funziona, nelle fasi preliminari, quando hai bisogno di una visualizzazione veloce da mostrare al cliente o da allegare a una gara d’appalto. Salva tempo. Prima i render richiedevano ore su software specializzati, adesso in cinque minuti hai qualcosa di decente. Il problema è che quell’immagine è un output, non un input. Non la puoi usare per fare altro. Non entra in nessun altro processo. “In architettura l’AI non dovrebbe essere solo generativa,” dice. “Dovrebbe essere decisionale.” Cosa significa in pratica: * Computer vision in cantiere: analisi di immagini da drone per monitorare l’avanzamento lavori e confrontarlo con il progetto originale. * Sensoristica su infrastrutture: sensori su un ponte che, collegati a modelli predittivi, segnalano qual è il punto critico su cui intervenire prima che si rompa. * Analisi ambientali integrate nel design: capire come il sole e il vento influenzano l’edificio già durante la progettazione, non dopo. * Design parametrico assistito: dove la forma dell’edificio è direttamente collegata a equazioni e variabili ambientali, senza dover essere esperti di fisica degli edifici. Fa un esempio che resta: il Walkie-Talkie Building di Londra. Facciata completamente in vetro, forma curva. Il problema è che quella facciata rifletteva la luce solare su un punto preciso della strada, concentrandola come una lente. Fondeva le macchine parcheggiate lì sotto. Un’analisi ambientale fatta prima avrebbe evitato il problema. Con gli strumenti attuali, si sarebbe potuto simulare in fase di progetto. “Eviti prima, riduci i costi dopo.” Delta Carbon: il tool che calcola l’impatto prima di costruire Durante il master, Martina e il suo team, Rashid Sadla e Rimchu Pani, hanno sviluppato un tool che si chiama Delta Carbon. L’idea nasce dal Life Cycle Assessment, LCA, ovvero la valutazione dell’impatto ambientale di un edificio lungo tutto il suo ciclo di vita: dall’estrazione dei materiali, al trasporto, alla messa in opera, all’uso, fino alla dismissione. È uno strumento che esiste da anni in architettura, ma che in pratica quasi nessuno usa nelle fasi preliminari, perché richiede molto tempo e un’expertise specifica. Delta Carbon si concentra sull’upfront carbon: le prime due fasi del ciclo, produzione dei materiali e trasporto in cantiere. Ed è lì che la legislazione europea sta puntando. Presto sarà obbligatorio rendicontare questo dato. Come funziona: si importa il modello 3D dell’edificio realizzato in Rhinoceros, il software di modellazione più diffuso tra gli architetti. La dashboard di Delta Carbon legge il modello, associa automaticamente i materiali ai componenti edilizi, tetto, fondazioni, pilastri, facciata, finestre, e si collega via API all’EPD, l’Environmental Product Declaration, il database internazionale in cui ogni materiale commercializzato ha la sua scheda di impatto ambientale. Il risultato è una stima dell’upfront carbon con raccomandazioni su come ridurlo. La parte che cambia tutto: il tool è integrato direttamente in Rhinoceros come plugin. Ogni volta che l’architetto aggiorna il modello 3D, basta andare sulla dashboard e fare refresh. Non si esce dal proprio flusso di lavoro. “Abbiamo pensato che altrimenti nessun architetto lo userebbe mai,” dice Martina. “Se devi esportare, importare, cambiare strumento, è già perso.” Il lancio è avvenuto la settimana scorsa a Barcellona, nell’ambito di Barcellona Capitale dell’Architettura 2026. L’MVP è pronto. Stanno cercando beta tester, in particolare architetti, ingegneri e studi che vogliano provarlo su progetti reali. Puoi contattare Martina direttamente dal suo linkedIN qui. Intato ti lascio una piccola demo, perché in live era difficile da spiegarlo a parole. Due anni da zero Martina ha fatto il suo “coming out£ durante la live: prima di quel progetto sulla città dei 15 minuti, pensava che l’AI fosse solo ChatGPT. Da quel momento al lancio di Delta Carbon: circa due anni. In mezzo: il master all’IAAC, Python, JavaScript, Claude Code come assistente di sviluppo, un primo progetto di crowd management per i grandi festival indiani (dove il team ha dovuto etichettare manualmente migliaia di immagini satellitari su Photoshop per insegnare al modello a distinguere le persone dalla strada), e poi lo sviluppo del tool con il plugin per Rhinoceros. “Sono pignola,” dice. “Se decido una cosa, devo diventare l’esperta di quell’argomento.” Non era esperta di machine learning. Non sapeva programmare. Ha imparato lungo il percorso, con strumenti che un anno fa erano molto più limitati di quelli di oggi. Il primo progetto sul crowd management lo hanno sviluppato quando i coding assistant facevano solo pezzi. Su Claude Code adesso si fa tutto, inclusa l’integrazione del plugin. C’è un punto che vale la pena sottolineare: il vantaggio competitivo non è nel codice. È nella conoscenza del settore. “Un architetto sa cosa non funziona in architettura. Sa dove il processo si inceppa, dove si perdono soldi, dove la normativa sta andando. Io ho usato l’AI per costruire sopra quello che sapevo già.” Chi viene dall’esterno e prova a fare lo stesso strumento senza sei anni di cantieri, di progettazione, di client meeting, fa un buco nell’acqua. Non perché non sappia programmare. Perché non sa cosa costruire. Il suo insegnamento? Usarla dove vale C’è un filo che attraversa tutta la conversazione con Martina: la misura. “L’AI non è sostenibile a livello ambientale. Lo sappiamo. Se la usi per fare sei render diversi di una facciata per mostrare i materiali al cliente, stai consumando energia per qualcosa che si poteva fare in un altro modo.” Il punto non è evitarla. Il punto è usarla dove i benefici superano i costi. Se un tool come Delta Carbon aiuta a ridurre le emissioni di un edificio, l’energia che consuma per girare è giustificata. “Stare nella misura delle cose. Usarla come strumento potentissimo, senza dimenticare che ha un impatto che non si vede.” La cassetta di Martina I tool che usa, nel suo lavoro quotidiano. Delta Carbon — La sua startup. Ancora in fase MVP, beta aperta. Claude — Con skills personalizzate. Ne ha costruita una specifica per pulire le repository su GitHub: lavori su un progetto, accumuli file inutili, la skill fa il cleanup automatico. “Se conosci le skills di Claude, riesci a ottenere qualcosa di decente come punto di partenza.” Notion AI — Per i summary delle riunioni. Registra, trascrive, sintetizza. “Con la mole di meeting che si fanno, non avere le trascrizioni è impossibile.” ChatGPT — Usato “come psicologo”, dice. E aggiunge: “Lo dico qui e lo nego subito.” L’ha anche ribattezzato: “Cettina.” Grok — Per la parte di robotica e sensoristica a basso livello. Ha notato che su quel tipo di codice, soprattutto legato all’augmented reality e ai sensori, performa meglio di Claude. “Non lo so perché, ma l’ho verificato su più progetti.” OpenClaw— Menzione d’onore. “Credo che ci sposteremo molto sugli agent. Non so come andrà, ma è lì che si va.” Ti stanno piacendo queste live? Iscirivi alla Cassetta per non perderle This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 4m
  3. La storia dietro le stories. Marco, Nanospot e il valore del vibe coding

    Jun 25

    La storia dietro le stories. Marco, Nanospot e il valore del vibe coding

    Il micro-influencer che mangia la pizza (e si fa una story) vale più di quello con 100.000 follower. Marco lo ha capito in fabbrica. L’ha costruito di notte. Adesso ha una startup. In breve: Nanospot è un’app di passaparola digitale che ti permette di taggare il locale e di guadagnare qualcosa su una story. Chi ha meno follower è più prezioso perché i suoi 300 seguaci sono persone reali. Marco ha costruito tutto questo senza background tecnico, copiando e incollando codice da ChatGPT su un editor di testo per fare il suo MVP la sera, dopo otto ore in ufficio. Ci ha raccontato come da un lavoro serale si passa a un startup che ha già raccolto il suo primo round di investimento e ha già diversi micro creator attivi. Ho parlato con Marco Misantone in diretta su Audiocassetta. Marco è del mio stesso paese. Uno di quelli che vedi in giro e pensi “sì, sveglio” ma non immagini cosa stia costruendo dietro le quinte. Poi apre bocca e ti fa spostare dalla sedia. Ha iniziato a fare il vibe coder quando vibe coding non era ancora una parola. Di giorno, ufficio acquisti, fornitori, fatture. Di sera, tornava a casa e programmava. Senza sapere programmare. Con GPT-3-5 aperto da un lato e un editor di testo dall’altro. Questo episodio di Audiocassetta racconta di tre cose: come nasce una startup quando non sei tecnico, cosa significa davvero essere un micro-influencer nel 2026, e perché stare nella chat web di ChatGPT non è usare l’AI. Da zero a startup: la storia dell’autodidatta che ha imparato l’AI prima di imparare a programmare Prima di Nanospot, la startup di Marco solo un’idea. Anno 2019, università di economia, nessun tool degno di questo nome. L’idea era già chiara: una persona normale, con 300 follower, non ha modo di guadagnare dai social. I micro-influencer piccoli non esistono come categoria redditizia. I grandi sì, i piccoli no. Marco inizia con file Word e Excel. Scouting manuale, tanta voglia, quasi nessuno strumento. Poi arriva ChatGPT, novembre 2022. Si iscrive subito. Nel 2024 inizia a programmare sul serio. Copia pezzi di codice da ChatGPT, li incolla su un editor di testo, li aggiusta a mano. Senza Git, senza capire CSS, mandando in loop l’AI finché il contesto non si svuotava. “Alle 140 riga riscriveva comunque tutto da zero.” Suona familiare? Quello che ha imparato in quel periodo non è solo codice. Ha imparato come ragiona un modello. Come si costruisce un prompt verticale. Come si struttura un task per non sprecare token. E soprattutto: che la differenza tra ChatGPT nella chat web e un agente AI che scrive codice nel tuo editor è la differenza tra un coltellino svizzero e un tornio industriale. Nel mezzo, qualcosa che molti trascurano: Marco era ossessionato. Non è una parola neutra. Tornava a casa la sera e programmava fino alle 2 di notte. Si alzava alle 7, andava al lavoro, tornava, ricominciava. Con un obiettivo preciso: mettere su una piattaforma funzionante. Non per diventare programmatore. Per costruire qualcosa in cui credeva. Questo è il pezzo che i corsi di vibe coding non insegnano: l’AI amplifica chi sa cosa vuole. Non sostituisce la direzione. Come funziona Nanospot: il totem che paga la gente per “mangiare la pizza” Il meccanismo è questo. Nanospot posiziona totem fisici nei locali: ristoranti, bar, pizzerie, posti dove la gente sta. Il cliente scansiona il totem, fa una foto, tagga il locale, posta. E riceve dei soldi. Non grandi cifre, ma soldi veri, automatici, per qualcosa che molte persone già fanno gratis. Il punto non ovvio è chi vale di più in questo sistema. Non il grande influencer da 100.000 follower. Quello ha già i suoi accordi, i suoi prezzi, la sua struttura. Nanospot punta su chi ha 300, 500 follower. Più piccolo sei, più per loro sei prezioso. Marco usa una metafora semplice. Immagina una piazza di paese. Sul palco c’è un oratore che parla a 2.000 persone. Intorno, persone comuni che salgono e dicono qualcosa. Tu guardi tutti e due, ma involontariamente assorbi anche i secondi. Quegli 800 amici che postano tutti la stessa pizzeria? Alla fine ci vai anche tu. Il valore non è nella reach. È nella fiducia. Quando un tuo amico vero posta quella pizzeria, ci vai. Perché lui è reale. Quella foto è reale. Non è uno spot. Nanospot ha costruito la piattaforma che monetizza quel meccanismo. Con un accordo unico: tu lo fai con Nanospot, non con ogni singolo locale. Accedi una volta, poi pensano loro. La pizzeria paga Nanospot. Nanospot paga te. Una cosa che mi ha colpito: il totem è fisico. In un momento in cui tutto migra sul digitale, Nanospot è entrata nei locali con un oggetto. Che poi collega tutto il digitale, il taglio su Instagram, il pagamento, il tracciamento. Ma parte da un pezzo di hardware in mezzo ai tavoli. Anti-intuitivo. E proprio per questo difficile da copiare. Come Marco usa l’AI: tre livelli che la maggior parte delle persone non raggiunge mai Marco ha condiviso il suo stack. È il tipo di stack che un autodidatta costruisce per tentativi, non quello che trovi nei corsi. Brainstorming. Quando analizza un’idea, apre un’AI e fa fare a ciascuno una competitive analysis, una SWOT, un’analisi di posizionamento. Poi porta tutto in NotebookLM e ci fa query sopra VS Code con agenti integrati. Il consiglio più netto della serata. Se usi solo la chat web, non hai capito cosa significa usare l’AI. È come avere una Ferrari e usarla solo per andare al supermercato. Con un editor e un agente che accede al file system, che conosce il progetto, che segue il contesto reale: lì si lavora. “Già quando inizi a capire come usarla lì, sali di livello. E non torni indietro.” Ollama da terminale. Per chi vuole gli agenti AI in locale, senza dipendere da un servizio cloud. Marco lo usa da riga di comando perché si sente “più confidente” rispetto alle interfacce web. Non è per tutti, ma è un livello in più di controllo. Claude vs ChatGPT: la valutazione onesta di un vibe coder Marco preferisce ChatGPT per il codice su certi tipi di prompt molto verticali. Dice che consuma meno token per lo stesso risultato quando il task è specifico e ben definito. Claude lo usa e lo apprezza. La sua metafora: ChatGPT è la Ferrari. Devi saperla guidare, ma quando la guidi bene ti stupisce. Claude è la macchina elettrica ad alte prestazioni: tantissimi cavalli, super controllata, performa bene anche quando il prompt è approssimativo. Non è una recensione definitiva. È la valutazione di un vibe coder su un caso d’uso preciso. Ma è onesta. E in un campo dove tutti parlano di “il miglior modello in assoluto”, un’opinione personale con ragionamento dietro vale più di qualsiasi benchmark. Per il marketing video usa Flow: da un’immagine generata crea video con effetti cinematografici. Lo hanno usato per uno spot proiettato in piazza del paese, gigante, nel mezzo del loro mercato di riferimento. C’è qualcosa di poetico in questo. Cosa mi porto a casa da questa live 1. Il più piccolo non è meno prezioso. Nanospot lo ha capito prima di molti: un cliente con 300 follower reali vale più di un influencer con 100.000 follower comprati o lontani. Il valore è nella fiducia, non nella reach. E la fiducia si costruisce in anni di rapporti veri, non di contenuti sponsorizzati. 2. Uscire dalla chat web è il salto vero. Non da un tool a uno più avanzato. Da ChatGPT.com a un editor con agenti integrati. Quel salto cambia la natura del lavoro con l’AI. Non è questione di strumento: è questione di come pensi al task. 3. Il brainstorming multi-modello funziona. Non per trovare la risposta giusta ma per trovare le domande che da soli non ci faremmo. Cinque AI che rispondono alla stessa domanda producono cinque angolazioni diverse. Quella tensione è il valore. A settembre Marco fa qualcosa di grosso. E chi segue Nanospot lo vedrà. La domanda che mi ha lasciato aperta: quanti locali vicino a te stanno ancora pagando un’agenzia per contenuti che potrebbero far produrre dai loro stessi clienti, in modo autentico, mentre mangiano lì? Scrivimi. Sono curioso di sapere cosa trovate. Audiocassetta esce ogni settimana. Se questa conversazione ti ha dato qualcosa, inoltrarla a un collega è il modo migliore per sostenere il progetto. Trova Marco e Nanospot: * Marco Misantone su LinkedIN * Instagram e Facebook: cerca Nanospot * Sito: nanospot.it This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 4m
  4. Farsi citare dai motori AI è il nuovo modo di acquisire clienti.

    Jun 17

    Farsi citare dai motori AI è il nuovo modo di acquisire clienti.

    In breve — Le ricerche su AI valgono già il 56% di quelle su Google. Il CTR dai siti è sceso dall’8% al 15% da quando è arrivata l’AI Overview. Se non sei nelle risposte dei modelli, non sei nel percorso d’acquisto di una fetta crescente di clienti. La GEO (Generative Engine Optimization) è il campo da gioco parallelo. Tre mosse concrete nella sezione finale. Ho parlato di tutto questo con Francesco Fabris, lo trovi qui su LinkedIN, nella puntata di Audiocassetta. Francesco sta costruendo Geoactor uno strumento per misurare dove e come vieni citato dai modelli AI rispetto ai competitor, con analisi tecnica del sito e tracciamento delle risposte. Se volete sentirvi la conversazione completa, è già su Spotify e Apple Podcast. Ieri sera, in diretta su Audiocassetta, ho parlato con Francesco Fabris, founder di Euphor.ia, una delle aziende italiane che lavorano sui workflow agentici da prima che diventasse di moda. Stavamo parlando di GEO, Generative Engine Optimization, e a un certo punto Francesco ha detto una cosa che vale la pena scrivere nero su bianco: “Se l’AI non ti cita, non esisti nel 2026.” Non era un’ idea futuristica. Ma una descrizione di quello che sta già succedendo. L’esempio che usa Francesco è semplice: una volta la ricerca del ristorante la facevi su TheFork. Oggi la chiedi a Gemini o Perplexity. Il risultato non è una lista di link con stelle e orari: è una risposta. Quattro nomi, una spiegazione, magari un link. Se il tuo ristorante non è in quella risposta, per quella persona non esisti. Questa scena si ripete milioni di volte al giorno. Non solo ristoranti: avvocati, consulenti, aziende manifatturiere che vendono componenti B2B. Le persone non cercano più solo su Google. E il risultato non è una lista di link: è una risposta. Il problema è che quella risposta include qualcuno ed esclude qualcun altro. Qui trovi Euphor.ia, l’azienda di Francesco. I numeri che pochi conoscono Secondo dati Ahrefs, le sessioni AI valgono già il 56,3% del volume della ricerca tradizionale. Non vuol dire che Google è morto: vuol dire che la torta è cresciuta, ma che la quota di Google si è ridotta. Fatte 100 ricerche su Google, ce ne sono già 56 su AI. E poi c’è il dato che fa male davvero: il CTR. Da quando Google ha introdotto l’AI Overview, quella sintesi automatica che appare in cima ai risultati, il click-through rate medio è passato dal 15% all’8%. Su 100 persone che cercano qualcosa, 92 leggono la risposta AI e non cliccano su nessun sito. Nell’1% residuo, qualcuno clicca su una fonte. E quella fonte sei tu. O non sei tu. 45 miliardi di interazioni al mese sui principali modelli AI. McKinsey stima 750 miliardi di dollari di ricavi influenzati da AI entro il 2028, solo negli Stati Uniti. Non generati direttamente dall’AI — ma influenzati. La differenza non cambia la domanda: quando qualcuno chiede a un’AI se comprare da te, tu sei nella risposta? Come funziona: la logica della citazione dell’AI I modelli AI moderni non vanno nella loro “memoria” per rispondere a domande pratiche. Funzionano con un meccanismo chiamato RAG (Retrieval-Augmented Generation): recuperano informazioni aggiornate dal web e le sintetizzano. La risposta che vedi è la sintesi di quello che hanno trovato. C’è un altro meccanismo importante: il query fanout. Quando fai una domanda, il modello non cerca solo quella domanda esatta. La smonta in più sotto-domande, va in parallelo su direzioni diverse, poi sintetizza. “Dove mangio pesce fresco a Milano?” diventa “ristoranti pesce Milano”, “recensioni pesce fresco Navigli”, “migliori trattorie di mare centro Milano”. Se hai contenuto su quelle sfumature, puoi essere citato in uno o più dei rami. La conseguenza pratica: non basta una pagina “Chi siamo” ben scritta. Servono contenuti che rispondono a domande specifiche, da più angolazioni. Ecco i tre consigli di Francesco Capsule copywriting: scrivi per atomi, non per pagine Qui cambia la logica rispetto alla SEO classica. Prima ottimizzavi per le keyword: più ne mettevi, meglio era. Il modello AI ragiona diversamente. Un articolo infinito, denso, pieno di ripetizioni, il modello fatica a leggerlo. E se fatica, non lo cita. Il capsule copywriting è l’idea di scrivere in blocchi atomici: ogni contenuto risponde a una domanda precisa, in poche righe, in modo diretto. Una domanda, una risposta, un paragrafo. Molti blocchi, molte sfumature. Se fai le finestre a Chieti: * “Come scegliere il vetro termoisolante per una casa anni ‘70” → un articolo * “Quanto costa sostituire una finestra in PVC nel 2026” → un altro * “Come capire se è il momento di cambiare i serramenti” → un altro ancora Ognuno di questi è un punto di accesso nelle risposte AI. Insieme costruiscono un profilo di contenuto che il modello può citare su più fronti. EEAT: il framework che già esiste (ma quasi nessuno applica) Google ha codificato questa logica con il framework EEAT: Experience, Expertise, Authoritativeness, Trustworthiness. Experience (esperienza diretta): scrivi di cose che hai fatto davvero. Se hai sostituito 200 finestre nell’ultimo anno, hai dati originali che nessun altro sito ha. Foto originali, numeri reali, casi concreti. Expertise (competenza): collega gli articoli alle persone che li scrivono. Un profilo LinkedIn del tuo tecnico che spiega un intervento vale più di un articolo anonimo. Authoritativeness (autorità): vieni citato da altri? Forum, articoli su siti di settore, digital PR. Ogni menzione esterna rafforza il segnale. Trustworthiness (fiducia): ed è qui la trappola più comune. Molti siti hanno incongruenze che sembrano innocue e invece penalizzano tantissimo. Il sito dice “digital agency”. Su LinkedIn sei taggato come “social media marketing”. Nella pagina contatti il tuo co-fondatore è descritto come “web developer”. Per un modello che cerca coerenza, questi segnali contrastanti abbassano l’affidabilità percepita dell’intero sito. Il blocco tecnico che quasi nessuno considera Prima ancora di scrivere, c’è una domanda più urgente: i crawler AI riescono a leggere il tuo sito? Ci sono due tipi di crawler: quelli che raccolgono informazioni per dare risposte (istantanei, rapidi) e quelli che alimentano il training dei modelli (più rari per siti piccoli). Il primo è quello che ti interessa. Se il tuo sito si basa su script JavaScript pesanti, video in autoplay, animazioni complesse — il crawler arriva, il sito non ha ancora caricato, il crawler passa oltre. Tutte le tue informazioni diventano invisibili. In più, molti CMS installano plugin che bloccano esplicitamente i crawler AI, pensando di proteggere il contenuto. Il risultato è che si auto-escludono dalle risposte. La critica alla critica “Ma le mie PMI non usano ChatGPT per cercare fornitori.” Il 40% delle persone usa AI per l’80% delle informazioni che cerca. Due anni fa era una percentuale trascurabile. Iniziare adesso significa essere nel gioco prima dei tuoi competitor. “È ancora una black box, non si sa come funziona.” Vero. La GEO non ha ancora un equivalente di Google Search Console. Ma la SEO dei primi anni era uguale: best practice empiriche, esperimenti, osservazione. I fondamentali — contenuto chiaro, coerenza, autorità esterna — reggono in qualsiasi sistema di retrieval. “Devo riscrivere tutto il sito?” No. Inizia con 3-5 articoli che rispondono alle domande più frequenti dei tuoi clienti. Controlla che i crawler passino. Aggiungi un dato originale. È un punto di partenza, non un cantiere infinito. Cosa mi porto a casa da questa Live Tre mosse da questa settimana: 1. Fai la domanda al modello. Chiedi a ChatGPT o Perplexity: “quali sono le migliori aziende di [tuo settore] a [tua città]?” Se non sei nella risposta, hai il problema chiaro davanti a te. 2. Scrivi tre capsule. Prendi le tre domande che ti fanno più spesso i clienti. Scrivi un articolo per ognuna: titolo con la domanda, risposta diretta in 200-300 parole, un dato o un esempio concreto tuo. 3. Controlla la coerenza cross-platform. Sito, LinkedIn, Google My Business: dicono la stessa cosa? Se c’è contraddizione, correggi prima di ottimizzare qualsiasi altra cosa. La domanda che mi ha lasciato aperta dopo la live: se il tuo cliente ideale chiedesse oggi a un’AI chi contattare per quello che fai tu, che risposta riceverebbe? Scrivimi. Sono curioso di sapere cosa trovate. La Cassetta degli AI-trezzi esce ogni settimana. Se questa edizione ti è stata utile, inoltrarla a un collega è il modo migliore per sostenere il progetto. This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 10m
  5. Formazione, fotografia, progettazione e perché la carriera non-lineare è un vantaggioon l'AI

    Jun 3

    Formazione, fotografia, progettazione e perché la carriera non-lineare è un vantaggioon l'AI

    La figlia di 9 anni di Stefano gli chiede ancora “che lavoro fai?” Non è una domanda facile. Educatore professionale, mediatore penale minorile, fotografo, fundraiser, progettista sociale, formatore AI. Tutto vero, tutto insieme, tutto difficile da sintetizzare in una parola. Poi ha sentito Massimo Temporelli parlare di palombari e snorkler. I palombari vanno sempre più in profondità su un dominio. Gli snorkler restano in orizzontale, cambiano direzione, accumulano in trasversale. Ha capito di essere snorkler, e soprattutto ha capito che non era un problema. Ho parlato con lui su Audiocassetta di perché, con l’AI, essere snorkler sia diventato un vantaggio. Chi è Stefano Laureato in Scienze dell’Educazione, dieci anni da educatore professionale in ambito scolastico ed extrascolastico, mediatore penale minorile, fotografo ad Ancona per qualche anno. Poi fundraiser, poi responsabile progettazione e formazione AI per BLM Project, ente accreditato nelle Marche. Ha 47 anni. Dice di aver trovato “la pace dei sensi” negli ultimi sette anni. Non lo direi se non avessi sentito come parla: c’è coerenza in tutto quello che racconta, anche nei pezzi che sembrano lontanissimi. Orizzontale non significa superficiale Il problema con la carriera a snorkel è che dall’esterno sembra dispersione. Chi non si verticalizza su un dominio viene percepito come qualcuno che non si è mai deciso. Però, mentre ascoltavo Stefano, mi sono accorto di una cosa: il pezzo sulla fotografia non era superficiale. Sa di ottica, sa di macchine fotografiche digitali, sa di strutturazione visiva. La storia del catalogo di illuminazione che racconto più avanti non si spiega altrimenti. La vera distinzione non è orizzontale vs verticale. È chi accumula competenze scollegate vs chi le tiene in conversazione tra loro. Il secondo tipo, quando incontra l’AI, porta qualcosa che i modelli non hanno di default. Il capitale semantico (e perché le macchine non ce l’hanno) Stefano cita spesso Floridi. L’idea: dopo Copernico, Darwin e Freud, la cosa che restava all’uomo era la capacità creativa. Con l’AI generativa, anche quella è in discussione. Ma c’è una cosa che i modelli non hanno: il capitale semantico. Il contesto. L’esperienza accumulata su più domini che dà senso a un input. Se non glielo fornisci tu, non ce l’hanno. “Quelle che le macchine non hanno se noi non glielo forniamo.” È la frase esatta che ha usato. Per chi ha una carriera come quella di Stefano, questo cambia il quadro. Non sei disperso. Sei portatore di un contesto che nessun LLM produce da solo. RADAR AI: quando il progettista smette di scrivere Stefano lavora su bandi di finanziamento. La parte che un tempo richiedeva più ore era la scrittura dei progetti: testo da produrre partendo da zero, ogni volta. Con la sua collega Chiara hanno costruito un metodo che hanno chiamato RADAR AI, dove ogni lettera corrisponde a una fase: Raccolta dei dati, Analisi, Definizione, Attuazione (la scrittura), Revisione. Su ognuna di queste fasi c’è uno o più strumenti AI definiti. La fase di scrittura, che prima era il collo di bottiglia, ora è quella che pesa meno. Il tempo liberato va tutto sulla Definizione: incontri con le organizzazioni, raccolta di contesto qualitativo, ascolto. Possono rispondere a più bandi in parallelo. La qualità sale perché si dedica più attenzione alla fase che conta davvero. “Il lavoro del progettista diventa orchestrazione.” È la parola giusta. Il catalogo impossibile Un’azienda che fa installazioni di illuminazione custom: cinque dipendenti, zero budget per un fotografo, nessuna voglia di catalogo cartaceo. Stefano aveva letto qualcosa online su come creare immagini per il marketing partendo da una foto di prodotto. Non l’aveva mai fatto. Aveva però anni di conoscenza fotografica e capiva cosa voleva vedere nell’output. L’azienda aveva già Gemini nel pacchetto Google Workspace, senza saperlo. Il processo: un primo Gem fa da art director, con immagini di referenza incorporate e domande tecniche in linguaggio naturale. L’output è un JSON strutturato per la generazione di immagini. Un secondo Gem prende quel JSON, chiede l’immagine del prodotto e genera il risultato finale. Due giorni di testing. Sessanta immagini fotorealistiche. Un catalogo che l’azienda non avrebbe mai potuto permettersi altrimenti. È il capitale semantico in azione: la conoscenza fotografica di Stefano era il pezzo che permetteva di guidare il processo. Senza quello, l’output sarebbe stato generico. Contratto consumer o business? Quasi nessuno lo sa La parte sulla compliance è quella che colpisce di più per la sua semplicità. Ogni strumento AI principale ha due tipologie di contratto: consumer e business. La differenza sostanziale è che il contratto business garantisce, nella maggior parte dei casi, che i dati delle conversazioni non vengano usati per addestrare i modelli. Quasi nessuna PMI lo sa. Quasi nessuna controlla quale abbonamento sta usando. Stefano lo mette nelle sue formazioni. Le reazioni che descrive sono eloquenti: non ci avevano pensato. Non serve l’AI Act per capire che usare un account consumer per dati aziendali è un problema. Serve qualcuno che lo dica chiaramente, prima. Ha citato anche il DigiComp: il corrispettivo del livello linguistico (A1, B2, ecc.) ma per le competenze digitali. L’AI è stata inserita trasversalmente in tutti i parametri, non in un capitolo a parte. Come l’elettricità: non c’è un capitolo “elettricità” in nessun manuale tecnico. C’è in tutto. La cassetta di Stefano Claude — Il principale, sia in azienda che nelle formazioni. Skill personalizzate costruite con un processo iterativo: prompt grezzo, iterazioni con il modello, skill finale riscritta dallo strumento stesso. References con testi di progetto preesistenti che insegnano al modello come scrivono loro. L’output richiede poca revisione. Gemini — Per la generazione di immagini e la deep research. Integrato nell’ecosistema Google Workspace. Per certi task lo preferisce ancora a Perplexity. ChatGPT — Ha mantenuto l’abbonamento per la memoria accumulata nei progetti di comunicazione costruiti dal 2023 e per la modalità voce in macchina. “Per il brainstorming vocale mentre guido, ancora non ho trovato niente di meglio.” Canva — Per la comunicazione, con i suoi strumenti AI integrati. Collegabile come MCP a Claude. Citato come Adobe entry-level: le cose si fanno in modo semplice, per chi non vuole imparare Photoshop è sufficiente per la maggior parte dei casi. Be Freed — Lo strumento che conosce in pochi. Piattaforma che trasforma testi in podcast generati dall’AI, con una o più voci. A differenza di NotebookLM, non carichi le fonti tu: esplori quelle già presenti nella piattaforma. Utile per la scoperta di contenuti nuovi, non per analizzare documenti propri. Scoperto su AppSumo con abbonamento perpetuo. Vuoi risentire la live integrale? Disponibile su Spotify e Apple Podcast. Stefano lavora con BLM Project nelle Marche su progettazione sociale, fundraising e formazione AI. Se sei un ente del terzo settore o un’organizzazione che vuole capire come inserire l’AI nei propri processi, è la persona giusta. This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 14m
  6. Quando l'AI incontra il commerciale

    May 27

    Quando l'AI incontra il commerciale

    Hai 60 secondi. All’altro capo del filo c’è una segretaria che non sa chi sei. Il tuo obiettivo non è vendere: è farti passato al responsabile. Margherita Turdò ha fatto questo lavoro per mesi. Cold calling da telefono fisso, report su Excel, appuntamenti tracciati con cura quasi ossessiva. Crediti di imposta, poi software house, poi e-learning su misura. Sette anni di commerciale in settori che nessuno si sveglia la mattina sognando di vendere. Ho parlato con lei di come si vende davvero l’AI, di cosa sbaglia chi fa il pitch troppo presto, e di dove finisce il meccanico e dove inizia la persona. Chi è Margherita Margherita Turdò è Business Developer di Andrea Fantucchio e AI per Tutti, il progetto con oltre 60.000 iscritti su YouTube, oltre 11.000 lettori su Substack, partner Google per Gemini Early Access, academy con 500 professionisti attivi. Non viene dal mondo tecnico. Ha studiato giurisprudenza. È entrata nel commerciale quasi per caso, con uno stage in un’azienda di finanza agevolata a Padova, e ha scoperto di avere qualcosa che in pochi valorizzano quando parlano di vendita: l’organizzazione. Il filo rosso delle sue esperienze è sempre lo stesso. Arriva in posti dove non c’è nulla: nessun portafoglio clienti, nessun processo codificato, nessun playbook. E costruisce da zero. L’ultima prima di IA per Tutti era Inrebus, Torino: corsi di formazione multimediali custom made per grandi aziende. Un settore di nicchia dentro un settore di nicchia. È entrata che non c’era nemmeno l’ufficio commerciale. È uscita con una business unit strutturata e clienti acquisiti in due anni e mezzo di lavoro solitario. Il problema del pitch troppo presto La figura del commerciale che arriva, ti spara il pitch e ti rincona con le parole: Margherita pensa che esista, che funzioni in certi contesti, ma che non sia il suo modo. Il suo primo amore non è il prodotto. È il processo. Capire un business, trovare il modo di entrare in un mercato nuovo, proporre qualcosa che quell’azienda non aveva mai fatto. Dentro a tutto questo c’è anche il prodotto, ma viene dopo. “Fare il pitch troppo presto è l’errore principale.” Prima viene l’ascolto. Capire la persona, capire la sua organizzazione, capire qual è il pain reale e non quello dichiarato. Solo quando hai tutti gli elementi necessari, quelli sufficienti, elabori la proposta. In un mercato con enne competitor, dove tutti propongono più o meno le stesse cose, la differenza non la fa il pitch: la fa la profondità con cui hai capito cosa serve all’altro. Il cold calling, spiegato senza paura Una parentesi su un termine che spaventa: il cold calling. È la pratica di chiamare aziende che non ti conoscono, che non hanno interagito con il tuo sito, i tuoi social, la tua newsletter. Hai circa 60 secondi per convincere la segretaria a passarti il responsabile. Non vendi nulla in quella chiamata: vendi solo il diritto di parlare con la persona giusta. Margherita lo faceva da telefono fisso. Venti aziende a settimana, ognuna con i suoi esiti: non risponde, richiamare alle 14.30, ha detto di risentirci tra un mese. Tutto nel calendario. Tutto tracciato su Excel. “L’organizzazione è la prima competenza che ho riconosciuto in me. Non la parlantina.” Questa cosa vale anche oggi, nell’AI. Le relazioni non si costruiscono da soli, e nemmeno si delegano a un agente vocale senza perdere qualcosa di importante lungo la strada. Come si qualifica un cliente in AI Uno dei punti più pratici della conversazione riguarda la qualificazione: capire velocemente se quell’azienda diventerà davvero un cliente, o ti farà perdere tempo. Margherita usa due domande che fa sempre. La prima è: perché noi? Se l’azienda ha sentito dieci consulenti, è un segnale. Non è sbagliato, ma cambia tutto. Quell’azienda non ha scelto te perché ti seguiva e si fidava: ti ha trovato in una lista. Devi capire quanto è affezionata al brand, se ha già comprato qualcosa, se ha manifestato interesse nel tempo. Un lead qualificato non è chi ti contatta: è chi ti ha seguito, ha interagito, ha già fatto un primo passo da solo. La seconda: avete mai usato l’AI? Sembra ovvia. Non lo è. Ci sono aziende che arrivano convinte di voler fare AI e non hanno mai aperto ChatGPT. Ci sono manager che hanno ricevuto il mandato dall’AD e stanno cercando qualcuno a cui delegare la ricerca. Capire il punto di partenza reale ti dice in quanto tempo il progetto potrà partire, e se partirà mai. “Spesso il problema non è l’AI. È che il cliente non ha le risorse interne per stare dietro al progetto.” Questo è il nodo. Vendi, firma, incassi l’ordine. Poi il cliente non ha tempo. Il formatore ha bloccato le date. Il progetto non parte. Le è capitato in tutte e tre le esperienze precedenti, non solo nell’AI. Dove finisce il meccanico Verso la fine ho fatto la domanda che tutti vogliono fare: un agente AI vocale potrebbe fare il cold calling al posto tuo? La risposta è stata misurata. Alcune parti del lavoro commerciale si automatizzano bene. Lei stessa usa NotebookLM in modo sistematico: ha caricato due anni di report appuntamenti e ha chiesto al sistema di trovare le obiezioni più frequenti, in ordine dalla più comune alla meno comune. Poi ha fatto lo stesso con i motivi di acquisto. Il risultato è un quadro chiaro di perché le aziende comprano, e perché non comprano. Prima lo faceva a mano, ci passava ore. Adesso no. Ma la conversazione, quella vera, è ancora un fatto umano. Le aziende continuano a essere gestite da persone. Le decisioni continuano a essere prese da persone, anche quando mediate da tool e dashboard. E se il tuo brand è costruito su di te, la prima cosa che il cliente vede è il tuo nome. Si aspetta di parlare con te. “Fino a che rimarrà così, il commerciale deve esserci.” La sua risposta finale ai founder e ai consulenti che pensano di risolvere tutto con una pipeline agentica: pensate di più alle domande che fate, non a come automatizzate le risposte. La cassetta degli AI-trezzi di Margherita Google Calendar — Non è un tool, è la struttura portante della sua vita lavorativa. Ogni chiamata, ogni follow-up, ogni impegno: dentro il calendario. Funziona dall’inizio della sua carriera e non è mai cambiato. Sales Navigator — L’addon a LinkedIn che cambia il lavoro commerciale in B2B. Permette di trovare i referenti giusti, capire l’organizzazione di un’azienda, fare ricerca mirata prima ancora di contattare qualcuno. NotebookLM — Per l’analisi dei dati commerciali: obiezioni più frequenti, motivi di acquisto, pattern di comportamento dei clienti nel tempo. Carica i report, fai le domande giuste, ottieni un quadro che prima richiedeva ore di lettura manuale. Vuoi risentire la live integrale? Disponibile su Spotify e Apple Podcast. Segui Margherita su LinkedIn e il lavoro di IA per Tutti su YouTube e Substack. Se ti è piaciuta la live, ti chiedo di condividerla. Aiuta me e il canale a crescere ed essere scoperto da altri appassionati di AI pratica. This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 14m
  7. L’AI corre. E noi come facciamo a starle dietro?

    May 13

    L’AI corre. E noi come facciamo a starle dietro?

    Nel 2024, Yellowtech aveva bisogno di qualcuno che costruisse i corsi AI per le scuole italiane. Quei corsi, finanziati dal PNRR, sono arrivati a centinaia di istituti. Il personale ATA, il corpo docente: decine di migliaia di persone. Il materiale uscito da quel progetto è diventato il punto di partenza per buona parte dei formatori AI italiani. Riccardo Celotto, ospite di questa puntata di Audiocassetta, stima che la maggior parte di chi lavora oggi in questo settore abbia usato, in qualche forma, quello che ha contribuito a costruire. Ho parlato con Ricky di come si progetta davvero un percorso AI, di cosa cambia quando passi dalla formazione all’adoption, e di perché “abbiamo già fatto il corso” è spesso il segnale che qualcosa non ha funzionato. Chi è Riccardo Veneto, magistrale a Ca’ Foscari in Management e Innovazione. A settembre 2022 stava lavorando con Alberto Mattiello a un progetto universitario su Decision Intelligence. A novembre è uscito ChatGPT. Da lì tutto ha cambiato direzione. Con Mattiello ha iniziato subito a portare workshop nelle grandi aziende: Tecnomat, Nestlé, Yamaha. Non erano ancora formazione, erano sessioni di discovery. “Come i workshop sul metaverso,” dice. “Dovevi far indossare il visore alla gente, perché capissero cos’era. Con l’AI uguale.” Nel 2024 era Head of Content di Yellowtech, startup nata per portare l’AI nelle scuole e nelle aziende, oggi AI transformation company. Lì ha costruito il percorso PNRR. Adesso lavora principalmente con le PMI come AI adoption specialist. Ha appena lanciato Oltre il Prompt su Substack, 6 edizioni al momento in cui lo intervisto. Sta cercando la sua anima, dice, ma il materiale è già concreto. Formazione non è adoption È la distinzione che Ricky fa subito, e vale la pena fermarsi. Formazione: il soggetto è la persona. Trasmetto concetti, faccio provare gli strumenti, aiuto a capire come funziona una conversazione con un LLM. Il corso finisce in aula. Adoption: il soggetto è l’organizzazione. Mi siedo accanto alle persone mentre lavorano. Guardo dove si perde tempo, dove la frizione è più alta, dove inserire l’AI ha senso misurabile. Non formo: mappo il processo, poi trovo il punto di innesto. “È lo stesso principio dei consulenti Lean che vanno in fabbrica a cronometrare i movimenti,” dice. “Noi facciamo lo stesso su una scrivania, davanti a un gestionale.” Più contesto hai di come funziona un’organizzazione, più riesci a incidere. È la stessa logica di un buon prompt: dai contesto, ottieni risultati migliori. La frase che sente spesso quando entra in un’azienda: “abbiamo già fatto il corso.” Non è un rifiuto, è un segnale. Qualcosa non ha funzionato nel ciclo precedente, e quasi sempre il problema non era il team. Il lievito madre Il modo in cui Ricky gestisce i suoi materiali ha un nome preciso: lievito madre. Stesso contenitore da tre anni. Stessa struttura, stessa sequenza. Dentro, le slide cambiano continuamente. Ogni mese esce qualcosa di nuovo, ogni mese qualcosa diventa obsoleto. “Nonostante il plico sia lo stesso rispetto a un anno fa, tutte le slide sono diverse.” Questo l’ha imparato per necessità. Gli è capitato di aprire uno strumento in aula per mostrare una funzione, e scoprire che quella funzione non esisteva più. Aggiornata quella notte. Non è una scusa: è la quotidianità di un settore che si muove ogni settimana. L’approccio vale anche fuori dalla formazione. Qualsiasi sistema che si espone all’AI va pensato come struttura viva, non come prodotto finito. Come stare aggiornati (senza impazzire) È la domanda che gli fanno sempre, in aula e fuori. Come fa a sapere tutto? La risposta è: non sa tutto. Ha smesso di provarci. Ha tre o quattro filtri: newsletter settimanali selezionate, feed LinkedIn e X allenati per anni a mostrare solo fonti autorevoli, e NotebookLM per i paper scientifici. Carica più paper insieme, chiede al sistema di generare un podcast a due voci che li discuta. Li ascolta mentre fa colazione, mentre si allena. Se un paper sembra importante, lo legge. Se no, passa. “Quello che per altri è scrolling per me diventa aggiornamento. Ho allenato l’algoritmo, non solo il feed.” Il messaggio per le aziende è diverso: loro non devono seguire ogni novità. Devono avere qualcuno che lo faccia per loro. “Io sono l’anello mancante tra quello che succede nel mondo AI e quello di cui le aziende hanno realmente bisogno.” Il problema dello switching cost Un pezzo su cui ci siamo fermati insieme: il costo di cambiare sistema. Tutti i flussi costruiti su Copilot, tutti i GPT custom su ChatGPT, tutta la memoria accumulata su un tool: non si trasferiscono con un click. Se cambi sistema, perdi contesto. E il contesto, in questo momento, è la risorsa più preziosa che hai. È il motivo per cui si parla tanto di Second Brain: non è un hobby per chi ama le app di note. È un modo per rendere il proprio contesto portabile, indipendente dal vendor su cui gira in quel momento. Ricky ha aggiunto un livello: il Second Brain esiste su due piani. Quello personale, che è come lavori, come scrivi, come usi l’AI nel tuo day-to-day. E quello dell’organizzazione, che è i processi, le decisioni, la conoscenza operativa dell’azienda. I due piani richiedono strumenti diversi e approcci diversi. “Sul secondo piano ci sono le competenze vere dell’adoption.” La cassetta di Ricky I 5 tool di cui non farebbe a meno, più uno che pochi conoscono. Tactiq — Trascrizioni automatiche delle call. “Non avere le trascrizioni adesso è impossibile. Ci sono troppe informazioni dentro una chiamata che non devono andare perse.” Free fino a 10 call al mese. NotebookLM — Per i paper, per costruire knowledge base, per generare podcast su documenti tecnici che non hai tempo di leggere. Wispr Flow — Voce in testo su qualsiasi chatbot, con una scorciatoia da tastiera. “Il numero di parole al minuto da scritte a parlate cambia completamente. Io ci faccio i context dump.” Claude Code — Sta sviluppando tre applicazioni. Due per uso interno, una da usare nei percorsi di adoption. Le sere e i weekend è spesso lì. Claude Cowork — Il workspace principale. Il vantaggio che sottolineava: la memoria condivisa tra sessioni. “Se ho fatto una call ieri, domani posso chiedere cosa ho deciso e me lo ricorda.” Non vuoi perdere le prossime live? Iscriviti alla Cassetta degli AI-trezzi gratuitamente Vuoi risentire la live integrale? Disponibile su Spotify e Apple Podcast. La newsletter di Ricky si chiama Oltre il Prompt ed è su Substack. Parla di quello che vede ogni giorno nelle aziende, con il filtro di chi di formazione e adoption ne ha fatta tanta. This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit lacassettadegliaitrezzi.substack.com/subscribe

    1h 1m
  8. Il segreto del +150%: come l'Al video ha rivoluzionato il conversion rate

    May 6

    Il segreto del +150%: come l'Al video ha rivoluzionato il conversion rate

    Un brand di borracce termiche. Un video girato con Runway 3.5, quello del periodo in cui i video AI avevano sei mani e gli spaghetti si muovevano come serpenti. Un test su Amazon, durato un mese. Risultato: ordini +130%, CTR +174%, prima pagina per la keyword principale. Prima volta in assoluto per quel brand. Ho parlato con Alessandro Marino, founder di Mindleg Studios, di come è arrivato a fare questo lavoro, di come lo fa davvero e di cosa succede quando l’AI entra nei processi di produzione video in modo serio. Chi è Alessandro Alessandro parte come grafico. Poi legge Zero to One a 19 anni e si converte al marketing, in particolare al growth hacking, lavorando in diverse startup tra Londra, Mantova e Milano. Fine 2022 entra in Contents.com, una startup europea che usava già GPT-3 per generare contenuti testuali, e lì incontra per la prima volta un mondo AI generativa sul serio. In parallelo gestisce Lunia, un’agenzia di video e contenuti che lavorava ancora tutto a mano, con videomaker e fotografi. Poi arriva il 2024, Runway 3.5, i video brutti con le mani storte, e la scelta: ci punto. Nasce Mindleg Studios. Focus al 95% sulla parte video. Come lavora: i tre livelli Alessandro ha un modo preciso di pensare al workflow in base all’output che deve produrre. Non usa un solo tool per tutto: calibra la complessità del setup in base al lavoro. Livello base: generazione veloce Per asset rapidi e non definitivi usa Gemini con Imagen integrato. Genera l’immagine, watermark incluso, senza preoccuparsene. Serve un’idea visiva veloce? Basta questo. Livello intermedio: piattaforma aggregata Per lavori un po’ più strutturati usa Higgsfield. È una piattaforma che aggrega i principali modelli di immagini e video con un’interfaccia template-based: scegli il modello, scegli l’effetto, ottimizza il prompt o parti da un template già pronto. Ha un marketing aggressivo, è diventata lo standard tra i freelancer del digital marketing. Per chi vuole fare cose buone senza costruire un workflow da zero, è il punto di ingresso giusto. Livello avanzato: canvas a nodi Per i lavori complessi, soprattutto quando gestisce più asset in parallelo o lavora con un team, usa Figma Weave (ex Weavy, acquisita da Figma a ottobre 2025 per oltre $200M). È un canvas visuale a nodi: sulla sinistra tieni tutti i tuoi asset di riferimento, sulla destra costruisci il flusso. Un esempio pratico che ha descritto in live: colleghi un’immagine a un agente, l’agente ha come prompt “analizza questa immagine e dimmi altri 5 prompt per generare 5 varianti”, i 5 prompt vanno direttamente dentro Imagen che genera 5 immagini, tutte e 5 tornano nel canvas. Puoi continuare da lì, animarle, collegarle a un tool video, fare upscaling. Tutto senza uscire dall’ambiente. Per un team marketing con grafiche standardizzate, questo tipo di flusso è pensato per girare con input variabile ma output consistente. I casi d’uso concreti Borracce termiche su Amazon: il primo test Luglio 2024. Alessandro ha un contatto in Turnover Digital, una grossa agenzia Amazon di Milano. Gli propone un test: video AI per i Sponsored Brand, quei video piccoli che appaiono mentre scorri tra i prodotti su Amazon. La strategia era semplice: i video su Amazon erano quasi tutti brutti o di bassa qualità. Un video con più cura visiva avrebbe sfruttato l’effetto halo, per cui la qualità percepita del video si trasferisce al prodotto. E la dimensione ridotta dei Sponsored Brand era un vantaggio: non serviva una 4K a schermo intero. Il video lo ha fatto con Runway 3.5. La borraccia che vola, la borraccia in mezzo alla natura, la borraccia vicino a un ruscello. Quello che oggi si farebbe in dieci minuti gli ha preso una settimana, tutte le difficoltà del periodo. Il video è rimasto su Amazon per un mese. I dati che gli ha mandato Turnover: ordini +130%, CTR +174%. E per la prima volta quel brand aveva raggiunto la prima pagina per la sua keyword principale, mantenendosi stabile. L’alternativa: andare fisicamente al ruscello, portare la borraccia, il fotografo, le luci, fare la post-produzione. Un costo facilmente dieci volte superiore, e soprattutto: per un test non lo fai neanche. Video istituzionale per una startup EV Una startup italiana e spagnola nel settore delle colonnine elettriche aveva bisogno di qualcosa da mostrare quando andava a trattare con la pubblica amministrazione. Il pitch era solido, ma mancava “quel qualcosa che fa dire: fighi”. Il concept del video: mostrare il problema prima della soluzione. Due persone al tavolo, inizia a cadere cenere nera, si alzano a guardare intorno, la città è avvolta dallo smog. Inquadrature dall’alto, tutto molto epico, la nube sale. Poi arriva la colonnina del brand, si illumina, spazza via lo smog. Video da 1 minuto e 20. Full AI. Clip generate con modelli video, montaggio in Adobe Premiere Pro, voiceover con ElevenLabs. Sul voiceover vale la pena fermarsi un momento. ElevenLabs non è più solo text-to-voice: mentre scrivi il testo puoi inserire tag di enfasi, “dillo ridendo”, “con più tensione”, “in modo più serio”. Le voci che reggono bene l’italiano sono migliorate molto. Per un video da un minuto e venti, con il giusto lavoro sui tag, il risultato è professionale. Shooting fotografico AI per la moda Durante la live, come caso ipotetico, ho tirato fuori la mia vecchia startup Wools: maglioni in lana, shooting al Pitti Moda, fotografie da fare, modelle, campionario, luci, il fotografo. Un casino organizzativo e un costo importante. Alessandro mi ha descritto il flusso che userebbe oggi per un caso simile. Prima di tutto crea la modella: bastano 2-3 foto abbastanza nitide di lei (anche allo specchio, full body su sfondo bianco, in pose diverse) per poterla ricreare in qualsiasi contesto con i modelli di generazione immagini. Se l’agenzia vuole una campagna geolocalizzata con modelle di etnie diverse, si fa direttamente in generazione, senza casting. Poi crea il prodotto: se hai i bozzetti del maglione e le informazioni sul materiale, bastano per generare tutte le inquadrature del capo. Poi fa indossare il prodotto alla modella generata, aggiusta, itera. Subito dopo: upscaling obbligatorio con Topaz Lab Astra. Nel settore moda ogni dettaglio conta, dalla texture del tessuto alla pelle. Topaz Astra è il modello specifico per video AI, ma funziona anche sulle immagini. Nota a margine: Freepik ha acquisito Magnific, un altro upscaler molto usato, adesso lo trovi direttamente dentro Freepik. Per la parte video: animare le immagini se sono venute bene, oppure costruire uno script semplice. Il tool che usa in questo momento per la qualità è Kling 3 in 4K. I cinesi, sotto questo punto di vista, stanno producendo risultati che i concorrenti occidentali faticano a eguagliare. Risultato finale: prime immagini e video per un e-commerce, pronte in un paio d’ore. Uno smoke test completo a una frazione del costo dello shooting fisico. Se il brand poi vuole crescere e fare le foto vere, lo farà sapendo già cosa funziona. Dubbing multilingua: 15 pillole audio in spagnolo Un altro caso di cui va particolarmente orgoglioso: un’azienda nel settore Garden (ex Bayern Garden) aveva fatto 15 pillole audio da circa un minuto ciascuna. A quel punto gli chiedono: puoi tradurle in spagnolo? Sembra una cosa che si fa in un clic. In realtà è un lavoro preciso con ElevenLabs Dub Studio: cloni la voce originale, carichi l’audio, il sistema genera la traduzione doppiata con la stessa voce. Poi c’è una fase di revisione in cui puoi accorciare, rielaborare, rigenerare singoli passaggi dove il ritmo non funziona o la pronuncia è sbagliata. Il punto che sottolineava: quella traduzione prima semplicemente non si faceva. Non perché il traduttore o il doppiatore fosse caro, ma perché il budget non era previsto. L’AI non ha rubato il lavoro a un doppiatore: ha reso possibile una produzione che non sarebbe mai esistita. Il nodo dei costi I costi della produzione AI stanno cambiando rapidamente, e non sempre verso il basso. Un’immagine 4K full quality con GPT Image su Figma Weave arriva a €1,50 per immagine. Un video da 15 secondi che due anni fa costava 5 euro oggi ne costa 30 se vuoi mantenere gli standard professionali. La forbice tra uso amatoriale e uso professionale si sta allargando. Per chi non ha bisogno del massimo della risoluzione, Flux costa un decimo di Imagen e su molti use case i risultati sono comparabili. Scegliere il modello giusto per l’output giusto è già una competenza. Come sempre il costo va valutato in modo relativo. Un video fisico per una borraccia su Amazon costa facilmente 20 volte di più. Lo shooting moda al Pitti costa comunque quello che costa. Se il test AI funziona, hai già il dato prima di investire sul fisico. Aura: il SaaS che sta costruendo Alessandro sta sviluppando un tool che chiama Aura. Funziona così: inserisci l’ASIN del prodotto su Amazon, il sistema fa lo scraping automatico di tutte le informazioni, sei agenti lavorano in parallelo e generano le otto immagini infografiche standard, già nei formati e nelle specifiche di Amazon. Selezioni i colori primari del brand, il resto è automatico. Il modulo che sta per rilasciare è ASIN to Video: struttura fissa, packshot, tre caratteristiche del prodotto, packshot finale. Quando hai fatto 70 video advertising da 15 secondi sai che quella struttura funziona sempre. Metti il sistema a produrla in automatico. I 5 tool di Alessandro * Claude: preferisce la chat. Ha settato qualche skill utile. Non usa molto Cowork o Code. * Wispr Flow: il numero uno. Dettatura continua, pensiero parlato, tutto trascritto. La chiama “la svolta di vita”. * Figma Weave: il canvas principale. Node-based, tutto il workflow in un posto. * Topaz Lab Astra: upscaling di immagini e video. Indispensabile per qualità professionale. * ElevenLabs: voiceover, dubbing multilingua, tag di enfasi nel testo. Vuoi risentire l

    1h 3m
See All (18)

About

🎙️ AudioCassetta è il formato audio breve della Cassetta degli AI-trezzi. Approfondimenti rapidi su trend emergenti, casi d’uso concreti e strumenti AI spiegati in modo semplice, senza fuffa e senza tecnicismi inutili. Pochi minuti per capire cosa sta succedendo e cosa vale davvero la pena usare. lacassettadegliaitrezzi.substack.com

Information