Non bastava imparare a scrivere una richiesta a ChatGPT
Il modulo doveva aiutare persone senza un ruolo tecnico a capire dove l'AI potesse entrare nel loro lavoro. Per farlo serviva più di una rassegna di strumenti: occorreva vedere come rispondono i modelli, dove sbagliano e quali informazioni servono per ottenere un risultato utilizzabile.
Abbiamo costruito le giornate come un percorso continuo. Le prime prove sui modelli preparavano al confronto tra strumenti; il lavoro sui documenti preparava alla progettazione. Ogni passaggio riprendeva ciò che i partecipanti avevano già incontrato.
Un'unica azienda immaginaria per dare continuità alle esercitazioni
Caffè Brevia era l'azienda fittizia su cui lavorare durante il modulo. I partecipanti ritrovavano lo stesso contesto nelle diverse attività, senza dover ricominciare ogni volta da un esempio nuovo.
Usare documenti preparati per la didattica permetteva anche di introdurre informazioni incoerenti e verificare come venivano trattate. Il punto non era ottenere una risposta convincente a prima vista, ma imparare a confrontarla con i materiali disponibili. Non sono stati usati documenti riservati dei clienti dei partecipanti.
Dai limiti dei modelli al progetto finale
Le quattro giornate affrontavano problemi diversi, con spiegazioni, dimostrazioni e lavoro pratico.
| Giornata | Argomento | Lavoro in aula |
|---|---|---|
| 1 | Capire la GenAI | Esempi di risposte errate, limiti dei modelli ed esercitazioni su Caffè Brevia. |
| 2 | Ecosistema e strumenti | Confronto tra strumenti, esercitazione con più applicazioni e quiz. |
| 3 | RAG e basi di conoscenza | Come cercare risposte nei documenti e verificarle rispetto alle fonti. |
| 4 | Dai processi al progetto | Canvas di progetto, prototipi di chatbot e idee legate al lavoro dei partecipanti. |
Lavorare sui documenti significa anche riconoscere le contraddizioni
Per la parte sulle basi di conoscenza abbiamo preparato una raccolta di documenti di Caffè Brevia e risposte di riferimento con cui confrontare quelle ottenute. Era un modo per rendere visibile un problema spesso nascosto nelle dimostrazioni: un sistema può formulare bene una risposta e usare male le informazioni.
Il tema era la RAG, cioè il recupero di informazioni da documenti da usare nella risposta del modello. In aula abbiamo affrontato il legame tra qualità dei materiali, ricerca delle informazioni e verifica della risposta. L'esercitazione è stata ripresa in forma ridotta nell'ultima giornata, adattandola al tempo e alle domande del gruppo.
Che cosa è stato realizzato in aula
Nell'ultima giornata i gruppi hanno costruito prototipi di chatbot con Claude Code. Il lavoro sul canvas ha aiutato ciascun partecipante a definire un primo progetto collegato a un proprio processo di lavoro; alcuni lo hanno presentato al gruppo.
Si trattava di prototipi didattici e prime proposte, non di applicazioni già introdotte nelle aziende. Il risultato osservato è questo passaggio: dal provare uno strumento al formulare un uso preciso, con un problema da affrontare e un progetto da approfondire.
Il caso riguarda una singola edizione con sette partecipanti. Non è stata effettuata una misurazione formale dell'apprendimento prima e dopo il modulo, né dell'impatto successivo in azienda.
La lezione che portiamo nei percorsi successivi
Un caso comune rende più facile discutere gli errori: tutti conoscono gli stessi documenti e possono confrontare il ragionamento, non soltanto la risposta finale. Il passaggio al proprio lavoro arriva dopo, quando ci sono già esempi su cui ragionare.
La formazione aziendale può partire da questa impostazione e cambiare durata, profondità e argomenti. Il modulo Uninform raccontato qui è un intervento specifico nel Master: è distinto dal nostro percorso modulare per dirigenti, il cui formato completo è di 52 ore.