Glossario AI
Tutti i Termini dell'Intelligenza Artificiale

Un AI Router è un sistema che analizza ogni richiesta in ingresso e la indirizza automaticamente al modello o al flusso più adatto a gestirla. Invece di usare sempre lo stesso modello LLM, l'AI Router sceglie dinamicamente in base alla complessità, al costo, alla velocità di risposta richiesta o alla natura del compito (es. risposta semplice vs. analisi complessa).

Un assistente virtuale è un software basato sull'intelligenza artificiale che simula una conversazione umana per rispondere a domande, eseguire compiti e fornire supporto agli utenti. A differenza dei chatbot tradizionali basati su regole fisse, gli assistenti virtuali moderni utilizzano LLM e NLP per comprendere il linguaggio naturale e adattarsi al contesto della conversazione.

L'automazione, nel contesto AI, indica l'uso di sistemi intelligenti per eseguire processi aziendali ripetitivi senza intervento umano continuo. Può includere la gestione di email, la risposta a richieste dei clienti, l'aggiornamento di record nel CRM, l'invio di preventivi o la raccolta di informazioni. L'AI aggiunge la capacità di gestire variabili e casi non previsti esplicitamente.

Un chatbot è un programma che simula una conversazione testuale con l'utente. I chatbot tradizionali seguono script rigidi predefiniti (basati su parole chiave o alberi decisionali), mentre i chatbot AI moderni sfruttano modelli linguistici per comprendere il linguaggio naturale, gestire domande impreviste e mantenere il contesto della conversazione su più turni di dialogo.

I connettori sono moduli software che permettono all'assistente AI di comunicare con sistemi esterni come CRM, gestionali, calendari, piattaforme e-commerce o banche dati aziendali. Grazie ai connettori, l'AI può leggere e scrivere dati in tempo reale, andando oltre la semplice risposta testuale per compiere azioni concrete all'interno dei flussi aziendali.

La Conversational AI è la branca dell'intelligenza artificiale dedicata alla creazione di sistemi capaci di interagire con gli esseri umani attraverso linguaggio naturale, sia testuale che vocale. Combina NLP, machine learning, gestione del contesto e integrazione con sistemi aziendali per creare esperienze conversazionali fluide e utili. Va oltre il semplice chatbot: gestisce intenzioni multiple, sessioni lunghe e scenari complessi.

Il CRM è un sistema software che le aziende utilizzano per gestire e analizzare le interazioni con i clienti attuali e potenziali. Raccoglie dati su contatti, trattative, comunicazioni e storico acquisti. Quando integrato con un assistente AI, il CRM diventa la fonte di verità che permette all'AI di personalizzare le risposte in base al profilo e alla storia del singolo cliente.

I crediti AI sono unità di consumo utilizzate nelle piattaforme SaaS per misurare e limitare l'utilizzo delle funzionalità AI. Ogni azione che richiede elaborazione AI (risposta a un messaggio, trascrizione audio, analisi di un documento) consuma un certo numero di crediti. Questo modello permette una fatturazione equa basata sull'effettivo utilizzo del servizio.

Il DOE Monitor (Device and Operations Environment Monitor) è un sistema di monitoraggio continuo dell'infrastruttura che sorvegli lo stato operativo dei server, dei servizi e dei processi critici. Rileva anomalie, down di servizi, utilizzo anomalo di risorse e invia alerting automatico. È fondamentale in ambienti che devono garantire alta disponibilità, come le piattaforme AI B2B.

Un embedding è una rappresentazione numerica (vettore) di un testo, immagine o altro dato che cattura il suo significato semantico in uno spazio matematico multidimensionale. Testi con significati simili avranno vettori vicini nello spazio degli embedding. Questa tecnologia è fondamentale per la ricerca semantica, il RAG e la Knowledge Base AI: permette di trovare informazioni per significato, non solo per parole chiave esatte.

Le FAQ automatizzate sono un sistema che utilizza l'AI per rispondere in modo dinamico alle domande frequenti dei clienti, senza che queste debbano essere programmate manualmente una per una. A differenza delle FAQ statiche su una pagina web, le FAQ automatizzate comprendono il significato della domanda anche se formulata in modo diverso, e attingono alla Knowledge Base aziendale per costruire risposte contestualizzate.

Il fine-tuning è il processo di addestramento aggiuntivo di un modello AI pre-esistente su un dataset specifico per adattarlo a un dominio, stile o compito particolare. A differenza del training da zero (che richiede enormi risorse), il fine-tuning parte dalle capacità già acquisite dal modello base e le specializza. È usato per adattare LLM al linguaggio tecnico di un settore specifico o allo stile comunicativo di un'azienda.

Il GDPR è il Regolamento Europeo 2016/679 sulla protezione dei dati personali, in vigore dal 25 maggio 2018. Stabilisce i diritti degli individui riguardo ai propri dati (accesso, rettifica, cancellazione, portabilità) e gli obblighi dei soggetti che trattano quei dati (privacy by design, data minimization, consenso esplicito, notifica delle violazioni). Per le piattaforme AI che gestiscono conversazioni, il GDPR è particolarmente rilevante perché i messaggi degli utenti sono dati personali.

L'AI generativa è una categoria di sistemi di intelligenza artificiale capaci di creare contenuti nuovi — testo, immagini, audio, codice, video — a partire da un input (prompt). I modelli come GPT-4, Claude o Gemini sono esempi di AI generativa testuale. Questa tecnologia ha rivoluzionato la capacità di automatizzare compiti creativi e intellettuali, prima considerati esclusivi dell'intelligenza umana.

L'allucinazione AI è il fenomeno per cui un modello linguistico genera informazioni false ma presentate con sicurezza, come se fossero vere. Può trattarsi di fatti inventati, citazioni inesistenti o dati errati. È uno dei principali rischi nell'uso degli LLM in contesti aziendali dove l'accuratezza è critica. Il RAG (Retrieval-Augmented Generation) è la tecnica principale per ridurre le allucinazioni, ancorando le risposte a fonti verificate.

L'intent recognition è la capacità di un sistema AI di identificare l'intenzione sottostante a un messaggio dell'utente, indipendentemente da come è formulato. Ad esempio, "vorrei sapere il prezzo", "quanto costa?" e "ditemi le tariffe" sono formulazioni diverse della stessa intenzione. Riconoscere correttamente l'intento permette all'AI di rispondere in modo pertinente e di attivare il flusso corretto.

La Knowledge Base è il repository strutturato di informazioni che alimenta la conoscenza di un assistente AI. Può contenere documenti aziendali, FAQ, manuali tecnici, listini prezzi, procedure interne, casi studio e qualsiasi altro contenuto rilevante. L'AI non "memorizza" questi documenti come un essere umano: li converte in embedding vettoriali e li recupera dinamicamente durante la conversazione tramite ricerca semantica.

Un Large Language Model è un modello di intelligenza artificiale addestrato su enormi quantità di testo per comprendere e generare linguaggio naturale. I principali LLM includono GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google) e modelli open-source come LLaMA o Mistral. Questi modelli hanno miliardi di parametri e sono capaci di svolgere un'ampia gamma di compiti linguistici: rispondere a domande, tradurre, riassumere, scrivere, analizzare.

La latenza è il tempo che intercorre tra l'invio di una richiesta e la ricezione della risposta. Nelle applicazioni AI conversazionali, la latenza è cruciale per l'esperienza utente: risposte lente (>3-4 secondi) degradano significativamente la percezione di qualità. Dipende dalla complessità del modello usato, dalla distanza del server, dalla dimensione del prompt e dal carico del sistema.

Il Machine Learning è una branca dell'intelligenza artificiale che permette ai sistemi di apprendere dai dati e migliorare le proprie prestazioni nel tempo, senza essere esplicitamente programmati per ogni scenario. Gli algoritmi ML identificano pattern nei dati di training e li generalizzano per fare previsioni o classificazioni su dati nuovi. Gli LLM sono il risultato di tecniche avanzate di Machine Learning applicate al linguaggio.

Un modello multimodale è un sistema AI capace di elaborare e combinare diversi tipi di input: testo, immagini, audio, video e documenti. A differenza dei modelli solo-testo, un modello multimodale può ad esempio analizzare una foto inviata su WhatsApp, trascrivere un messaggio vocale e rispondere in testo nello stesso flusso conversazionale. Questa capacità amplia enormemente le possibilità di automazione aziendale.

Il Natural Language Processing è la disciplina dell'AI che si occupa di far comprendere, interpretare e generare il linguaggio umano ai computer. Include tecniche di analisi grammaticale, riconoscimento delle entità (nomi, date, luoghi), analisi del sentiment, traduzione automatica, sintesi e generazione di testo. Gli LLM rappresentano il culmine attuale dello sviluppo NLP, portando la comprensione del linguaggio a livelli mai raggiunti prima.

L'orchestrazione AI è la gestione coordinata di più componenti AI (modelli, strumenti, API, database) per completare compiti complessi in modo efficiente. Un sistema di orchestrazione decide quali componenti attivare, in quale ordine, come trasferire i dati tra di loro e come gestire errori e fallback. Nei sistemi enterprise, l'orchestrazione è essenziale per costruire flussi AI affidabili e scalabili.

Il prompt è l'istruzione o il testo di input fornito a un modello AI per guidare la generazione della risposta. Può essere una semplice domanda, un'istruzione dettagliata, un contesto con esempi (few-shot) o un sistema di istruzioni strutturate (system prompt). La qualità del prompt ha un impatto diretto sulla qualità e pertinenza della risposta: la "prompt engineering" è la disciplina che studia come formulare prompt efficaci.

Il provisioning è il processo automatizzato di configurazione e attivazione di risorse informatiche (server, software, accessi, configurazioni) necessarie per un nuovo cliente o servizio. In ambito cloud e SaaS, il provisioning automatico permette di attivare un ambiente completamente funzionante in pochi minuti senza intervento manuale, garantendo scalabilità e consistenza della configurazione.

Il RAG è una tecnica avanzata che combina la ricerca di informazioni (retrieval) con la generazione di testo tramite LLM. Invece di affidarsi solo alla conoscenza interna del modello (che può essere obsoleta o imprecisa su argomenti specifici), il sistema RAG recupera dinamicamente i documenti più rilevanti dalla Knowledge Base e li fornisce come contesto all'LLM prima di generare la risposta. Il risultato sono risposte più accurate, aggiornate e ancorate a fonti verificabili.

Il SaaS è un modello di distribuzione software in cui l'applicazione è ospitata nel cloud dal fornitore e accessibile dagli utenti via internet, tipicamente tramite abbonamento mensile o annuale. L'utente non deve installare nulla localmente né gestire l'infrastruttura: il fornitore si occupa di aggiornamenti, sicurezza, backup e scalabilità. È il modello predominante nei software B2B moderni.

La sentiment analysis è la tecnica NLP che classifica il tono emotivo di un testo: positivo, negativo o neutro (e in sistemi avanzati: frustrazione, soddisfazione, urgenza, ecc.). Applicata ai messaggi dei clienti, permette di rilevare situazioni critiche (cliente arrabbiato, reclamo urgente) e di escalare automaticamente la conversazione a un operatore umano o modificare il tono della risposta AI.

STT (Speech-to-Text) è la tecnologia che converte l'audio parlato in testo scritto. TTS (Text-to-Speech) è il processo inverso: converte testo in audio vocale sintetizzato. Insieme, queste due tecnologie abilitano le interfacce vocali: l'utente parla, l'AI trascrive, elabora la risposta testuale e la converte in voce naturale. La qualità moderna di questi sistemi (come Whisper di OpenAI o le API Google) ha raggiunto livelli molto vicini alla trascrizione umana.

Il system prompt è un'istruzione speciale fornita a un LLM all'inizio della sessione conversazionale per definire il suo ruolo, comportamento, tono, limitazioni e obiettivi. A differenza del messaggio utente, il system prompt è invisibile all'utente finale ma guida tutto il comportamento del modello durante la conversazione. È lo strumento principale per personalizzare un LLM generico e trasformarlo in un assistente specializzato per uno specifico contesto aziendale.

Un token è l'unità di base con cui i modelli linguistici elaborano il testo. Non corrisponde esattamente a una parola: può essere una parola intera, parte di una parola, un segno di punteggiatura o uno spazio. In italiano, mediamente 1 token equivale a circa 3-4 caratteri. Il numero di token determina il costo di utilizzo delle API e la capacità di contesto (context window) del modello: quanti token può elaborare in una singola conversazione.

La trascrizione automatica è il processo di conversione di contenuti audio (messaggi vocali, chiamate, riunioni, video) in testo scritto tramite tecnologie STT. Nelle applicazioni business, la trascrizione automatica permette di analizzare le conversazioni con i clienti, estrarne insight, creare verbali automatici e rendere ricercabile il contenuto dei messaggi vocali. La qualità attuale dei migliori sistemi (Whisper, Google STT) supera spesso la trascrizione umana su audio di buona qualità.

Un vector database è un tipo di database specializzato nell'archiviazione e nella ricerca di embedding vettoriali. A differenza dei database tradizionali che cercano corrispondenze esatte, un vector database esegue ricerche per similarità: trova i vettori matematicamente più vicini a quello della query. Esempi popolari: Chroma, Pinecone, Weaviate, pgvector. È il componente centrale dell'architettura RAG nelle piattaforme AI.

Un voicebot è un sistema AI che interagisce con gli utenti tramite conversazione vocale, tipicamente al telefono o su dispositivi smart speaker. Combina STT (trascrizione dell'audio), NLP/LLM (comprensione e generazione della risposta) e TTS (sintesi vocale) per creare un'esperienza conversazionale completamente vocale. I voicebot moderni gestiscono interruzioni, silenzi e variazioni di accento in modo molto più naturale rispetto ai vecchi IVR (sistemi telefonici a tasti).

Una VPS è un server virtuale dedicato a un singolo utente o cliente, che gira su hardware condiviso ma con risorse (CPU, RAM, storage) garantite e isolate. A differenza dell'hosting condiviso (dove le risorse sono spartite tra molti utenti), una VPS offre isolamento, prestazioni prevedibili e controllo completo sull'ambiente software. Nel contesto AI B2B, una VPS dedicata garantisce che i dati di ogni cliente siano completamente separati da quelli degli altri.

Un webhook è un meccanismo di notifica automatica tra sistemi software: quando un evento specifico si verifica in un sistema (es. un nuovo messaggio WhatsApp, un pagamento completato, un ticket aperto), il sistema invia automaticamente una richiesta HTTP a un URL predefinito di un altro sistema. I webhook eliminano la necessità di polling continuo e permettono integrazioni in tempo reale tra piattaforme diverse.

La WhatsApp Business API è l'interfaccia programmabile fornita da Meta (proprietaria di WhatsApp) che permette alle aziende di integrare WhatsApp nei propri sistemi software per l'invio e la ricezione di messaggi in modo automatizzato. A differenza dell'app WhatsApp Business (per uso manuale), la Business API è destinata a sviluppatori e piattaforme che gestiscono volumi elevati di messaggi, permettendo automazioni avanzate, chatbot e integrazioni con CRM. Richiede approvazione da parte di Meta.

Un workflow AI è una sequenza strutturata di passi automatizzati che coinvolgono uno o più componenti di intelligenza artificiale per completare un processo aziendale complesso. Può includere raccolta dati, analisi AI, decisioni condizionali, azioni su sistemi esterni e notifiche. I workflow AI permettono di automatizzare processi multi-step che prima richiedevano intervento umano in ogni fase, come la gestione di richieste di assistenza, l'onboarding di nuovi clienti o la generazione di preventivi.