Parli AI? Piccolo dizionario per chi si è perso tra agenti, token e allucinazioni

Ti è mai capitato di stare in una riunione e sentire frasi come “l’agente usa MCP per chiamare i tool, ma la context window è piena e il modello allucina”? Tutti annuiscono. Tu annuisci. Poi torni alla scrivania e cerchi su Google.

Tranquillo, non sei solo. Il mondo dell’intelligenza artificiale corre veloce e si porta dietro un vocabolario tutto suo, fatto di inglesismi e sigle. La buona notizia è che dietro quasi ogni parola c’è un concetto semplice. Vediamoli insieme, senza formule e senza ansia.

---

Le fondamenta

Modello

È il “cervello” dell’AI: un enorme file pieno di numeri che, messi insieme, sanno fare una cosa, per esempio scrivere testo, riconoscere immagini o tradurre. Quando senti “è uscito un nuovo modello”, è come dire che è uscita una nuova versione di quel cervello, di solito più brava della precedente.

LLM (Large Language Model)

Un modello linguistico di grandi dimensioni. È il tipo di AI che sta dietro a Claude, ChatGPT, Gemini e simili. Ha “letto” una quantità enorme di testi e ha imparato come si costruiscono le frasi, i ragionamenti, il codice. Il suo mestiere, in fondo, è uno solo: prevedere quale parola viene dopo. Solo che lo fa così bene da sembrare che capisca.

Parametri

Sono i numeri dentro il modello, le “manopole” che si regolano durante l’apprendimento. Quando leggi “un modello da 70 miliardi di parametri”, pensa a 70 miliardi di manopole. Più parametri di solito significa più capacità, ma anche più costi per farlo funzionare.

Addestramento (training)

È la fase in cui il modello impara. Gli si mostrano miliardi di esempi e lui aggiusta le sue manopole finché non diventa bravo. È un processo lunghissimo e costosissimo, che avviene una volta sola (o quasi) prima che il modello arrivi nelle nostre mani.

Inferenza

Se l’addestramento è andare a scuola, l’inferenza è il giorno dell’esame. È il momento in cui il modello, già addestrato, usa quello che sa per rispondere a te. Ogni volta che scrivi una domanda a un chatbot e ricevi una risposta, quella è inferenza. Quando le aziende parlano di “costi di inferenza”, parlano di quanto costa far rispondere il modello a milioni di persone.

---

Parlare con il modello

Prompt

È semplicemente quello che scrivi all’AI: la domanda, la richiesta, le istruzioni. Il cosiddetto prompt engineering è l’arte di scrivere richieste chiare. Spoiler: funziona come con i colleghi. Più contesto dai, migliore è il risultato.

Token

L’AI non legge parole intere, ma pezzetti di parole chiamati token. “Incredibile” potrebbe diventare “In”, “cred”, “ibile”. I token sono l’unità di misura di tutto: si paga a token, si misura la lunghezza a token, i limiti sono in token. Pensali come le monete del mondo AI.

Finestra di contesto (context window)

È la “memoria a breve termine” del modello: quanta roba riesce a tenere in mente contemporaneamente durante una conversazione. Si misura in token. Se la conversazione diventa troppo lunga e supera la finestra, il modello inizia a “dimenticare” le cose dette all’inizio. Come quando al telefono ti dettano un numero troppo lungo.

Allucinazione

Quando l’AI si inventa qualcosa con assoluta sicurezza: una citazione mai detta, un libro mai scritto, una funzione che non esiste. Non lo fa per cattiveria. Ricordi che il suo mestiere è prevedere la parola successiva? A volte la previsione più “plausibile” non è quella vera. Per questo le risposte importanti vanno sempre verificate.

Temperatura

Una manopola che regola quanto l’AI è creativa o prevedibile. Temperatura bassa: risposte precise, sempre simili, ottime per dati e codice. Temperatura alta: risposte più fantasiose e variabili, utili per brainstorming e scrittura creativa.

Multimodale

Un modello che non capisce solo il testo, ma anche immagini, audio, documenti o video. Puoi fotografare uno scontrino e chiedergli di dividere il conto: quello è multimodale.

---

Dal chiacchierare al fare

Tool (strumenti)

Da solo, un modello sa solo scrivere. Ma se gli dai degli strumenti, come la possibilità di cercare sul web, leggere un file, fare un calcolo o mandare una mail, può agire nel mondo. Il tool use è proprio questo: il modello decide quale strumento usare e quando.

Agente

Qui arriva la parola del momento. Un agente è un’AI a cui non chiedi una singola risposta, ma un obiettivo. “Trovami tre fornitori, confronta i prezzi e preparami una tabella.” L’agente ragiona, pianifica i passi, usa gli strumenti, controlla i risultati e va avanti finché non ha finito. La differenza con un chatbot? Il chatbot ti dice come si fa. L’agente lo fa.

Harness

Letteralmente vuol dire “imbracatura”, come i finimenti di un cavallo. Ed è un’ottima immagine: il modello è il cavallo, forte ma senza direzione. L’harness è tutto quello che gli sta intorno e lo rende utile: le istruzioni di sistema, gli strumenti a disposizione, la gestione della memoria, i controlli, il ciclo “pensa, agisci, verifica”. Lo stesso modello dentro due harness diversi può comportarsi in modo molto diverso. Per questo, oggi, costruire un buon harness conta quasi quanto avere un buon modello.

MCP (Model Context Protocol)

Una specie di presa universale per l’AI. Prima, collegare un modello a Gmail, a un database o a un gestionale richiedeva ogni volta un lavoro su misura. MCP è uno standard aperto che definisce un modo comune per farlo: chi crea un servizio espone un “connettore” MCP, e qualsiasi AI compatibile può usarlo. Pensa alla USB: una porta, mille dispositivi.

Guardrail

Sono i “guardrail” proprio come in autostrada: regole e controlli che impediscono all’AI di uscire di strada. Evitano che dia risposte pericolose, che esegua azioni non autorizzate o che parli di cose che non le competono.

---

Come si rende un modello più bravo

Fine-tuning

Prendi un modello già addestrato e gli fai fare un “corso di specializzazione” su un tema preciso, con dati tuoi. È come assumere un laureato brillante e formarlo sulle procedure della tua azienda.

RAG (Retrieval-Augmented Generation)

Nome complicato, idea semplicissima: prima di rispondere, l’AI va a cercare le informazioni giuste in una raccolta di documenti (i manuali aziendali, le FAQ, i contratti) e poi risponde basandosi su quelli. È l’esame “a libro aperto”. Riduce le allucinazioni e permette all’AI di conoscere cose che non ha mai visto durante l’addestramento.

Embedding

Il modo in cui l’AI trasforma parole e frasi in coordinate numeriche, come punti su una mappa. Concetti simili finiscono vicini: “gatto” sta vicino a “felino”, lontano da “trattore”. È la tecnologia che rende possibile il RAG e la ricerca “per significato” invece che per parola esatta.

Ragionamento (reasoning)

Alcuni modelli, prima di rispondere, “pensano ad alta voce” dentro di sé: scompongono il problema, provano strade diverse, si correggono. Ci mettono un po’ di più, ma su problemi complessi (matematica, codice, analisi) i risultati migliorano parecchio. È la differenza tra rispondere d’istinto e prendersi un minuto per rifletterci.

---

Le sigle da riunione

AI generativa: l’AI che crea contenuti nuovi (testi, immagini, musica) invece di limitarsi a classificarli o analizzarli.

GPT: sta per Generative Pre-trained Transformer. “Transformer” è l’architettura, cioè la struttura interna, su cui si basano quasi tutti i modelli linguistici moderni. Non è sinonimo di “AI”, anche se spesso lo si usa così.

API: la “porta di servizio” attraverso cui i programmi parlano con il modello, senza passare dalla chat. È quello che usano gli sviluppatori per integrare l’AI nelle loro app.

GPU: i processori grafici nati per i videogiochi, che si sono rivelati perfetti per far girare l’AI. Sono il motivo per cui si parla tanto di chip, data center ed energia.

Open weights: modelli i cui “pesi” (i famosi parametri) sono pubblici e scaricabili. Puoi farli girare sui tuoi server, invece di usarli solo tramite il servizio di un’azienda.

AGI (Artificial General Intelligence): un’ipotetica AI capace di fare qualsiasi compito intellettuale al livello di un essere umano. Se ne parla tantissimo, non c’è accordo su cosa significhi esattamente né su quando (e se) arriverà.

Vibe coding: scrivere software descrivendo a parole quello che vuoi e lasciando che sia l’AI a scrivere il codice. Divertentissimo per i prototipi, da maneggiare con cura quando il progetto diventa serio.

---

In chiusura

Il vocabolario dell’AI sembra una barriera, ma è soprattutto un insieme di metafore: cervelli, memorie, esami, strumenti, imbracature. Una volta capita l’idea dietro la parola, la sigla smette di fare paura.

E la prossima volta che in riunione qualcuno dice “l’agente allucina perché la context window è satura”, potrai annuire. Ma stavolta sapendo esattamente di cosa si parla.

C’è una parola che senti spesso e che non ho incluso? Scrivimela nei commenti: potrebbe finire nella seconda puntata.