Glossario AI

Un agente AI è un software che riceve un obiettivo, interpreta le informazioni disponibili e utilizza strumenti digitali per svolgere una sequenza di attività sotto regole e controlli definiti.

Un agente autonomo esegue una sequenza di attività con intervento umano limitato entro obiettivi e vincoli definiti.

L’AI Act è il regolamento europeo che stabilisce regole basate sul rischio per chi sviluppa, fornisce, importa o utilizza sistemi di intelligenza artificiale.

L’AI generativa è l’insieme di modelli capaci di creare nuovi testi, immagini, audio, video, codice o dati a partire da istruzioni ed esempi.

L’AI governance è l’insieme di ruoli, regole, controlli e processi con cui un’organizzazione decide come sviluppare, acquistare e utilizzare sistemi di intelligenza artificiale.

AI literacy è l’insieme di conoscenze e competenze necessarie per usare sistemi AI in modo consapevole, efficace e responsabile.

L’AI multimodale elabora e combina più tipi di contenuto, come testo, immagini, audio, video e dati strutturati.

L’AI observability raccoglie segnali su qualità, costi, latenza, errori e comportamento di applicazioni e modelli AI.

AI on-premise significa eseguire modelli e applicazioni di intelligenza artificiale su infrastrutture controllate direttamente dall’azienda, invece di dipendere soltanto da servizi cloud esterni.

Una AI policy aziendale stabilisce regole comprensibili per scegliere e utilizzare strumenti AI nel lavoro.

Un AI risk assessment identifica impatti, probabilità, controlli e responsabilità di un sistema AI nel suo contesto d’uso.

Un’allucinazione AI è una risposta plausibile ma falsa, non supportata dalle fonti o inventata da un modello di intelligenza artificiale.

L’anomaly detection identifica dati o comportamenti che si discostano da uno schema considerato normale.

Un’API è un’interfaccia che permette a software diversi di scambiarsi dati e richiedere funzioni in modo definito.

L’attention mechanism permette a un modello di attribuire pesi diversi alle parti dell’input mentre elabora un risultato.

L’automazione AI combina regole, integrazioni software e modelli di intelligenza artificiale per gestire attività che richiedono anche la comprensione di testi, documenti o situazioni variabili.

Il bias AI è una distorsione sistematica nei dati, nel modello o nel processo che produce risultati non equi o non rappresentativi.

Un chatbot AI è un’applicazione che conversa in linguaggio naturale per rispondere a domande o guidare attività.

Il chunking divide documenti o dati in porzioni gestibili per indicizzazione, ricerca e utilizzo da parte di modelli AI.

Cloud AI indica modelli e servizi di intelligenza artificiale erogati attraverso infrastrutture cloud.

Un cobot è un robot progettato per lavorare vicino alle persone con funzioni e misure di sicurezza dedicate.

La computer vision è l’area dell’intelligenza artificiale che consente a un software di analizzare immagini e video per riconoscere oggetti, difetti, testi, persone o eventi.

La context window è la quantità massima di token che un modello può considerare insieme tra istruzioni, documenti, cronologia e risposta.

Il controllo qualità AI usa dati, immagini o segnali per individuare difetti e scostamenti durante il processo.

La conversational AI comprende tecnologie che permettono interazioni naturali e contestuali tra persone e software.

Un Copilot AI affianca una persona durante il lavoro proponendo contenuti, analisi o azioni senza sostituirne la responsabilità.

Un CRM organizza contatti, opportunità, attività e relazioni con clienti e prospect.

La data governance definisce ruoli, regole e controlli per qualità, accesso, significato e ciclo di vita dei dati.

Un data lake conserva grandi quantità di dati grezzi o poco trasformati provenienti da fonti differenti.

Una data pipeline trasferisce e trasforma dati tra fonti, sistemi di elaborazione e destinazioni.

La data quality misura quanto i dati sono corretti, completi, coerenti, aggiornati e adatti allo scopo.

La data residency indica il luogo geografico in cui dati e copie vengono conservati o elaborati.

Un data warehouse raccoglie dati organizzati e coerenti per reporting, analisi e indicatori aziendali.

Il deep learning è un ramo del machine learning che utilizza reti neurali con molti livelli per apprendere rappresentazioni complesse.

Un digital twin, o gemello digitale, è una rappresentazione digitale aggiornata di un oggetto, macchina, impianto o processo reale attraverso dati provenienti dal sistema fisico.

La document automation crea, classifica, controlla e instrada documenti attraverso regole, modelli e AI.

La DPIA è una valutazione preventiva dei rischi per diritti e libertà derivanti da trattamenti di dati personali ad alto rischio.

Edge AI esegue modelli vicino alla fonte dei dati, come macchina, telecamera, veicolo o dispositivo.

Un embedding è una rappresentazione numerica che descrive caratteristiche e significato di un testo, un’immagine o un altro contenuto, rendendo possibile confrontare elementi simili.

Un ERP integra dati e processi aziendali come acquisti, vendite, magazzino, produzione e amministrazione.

Explainable AI indica metodi e pratiche che aiutano a comprendere perché un sistema AI ha prodotto un determinato risultato.

Few-shot indica una richiesta che include pochi esempi per mostrare al modello il formato o il comportamento desiderato.

Il fine-tuning è un processo che adatta un modello già addestrato utilizzando nuovi esempi, per renderne il comportamento più coerente con un compito, uno stile o un formato specifico.

Un foundation model è un modello addestrato su grandi quantità di dati e riutilizzabile come base per molte applicazioni differenti.

Il function calling è un meccanismo con cui un modello AI produce una richiesta strutturata per utilizzare una funzione, un’API o uno strumento definito dall’applicazione.

Un GPT aziendale è un assistente AI configurato per lavorare su conoscenza, regole e permessi di un’organizzazione, spesso collegato a documenti e sistemi interni.

Una GPU è un processore adatto a calcoli paralleli e spesso utilizzato per addestrare ed eseguire modelli AI.

I guardrail AI sono controlli tecnici e organizzativi che limitano input, output e azioni di un sistema AI.

Human in the loop indica un processo in cui una persona controlla, corregge o approva passaggi svolti dall’AI.

Human oversight è la supervisione umana efficace di un sistema AI, con capacità di comprendere limiti, intervenire e arrestare il processo.

La hybrid search combina ricerca per parole chiave e ricerca semantica per migliorare copertura e precisione.

L’inferenza AI è la fase in cui un modello già addestrato elabora nuovi dati per produrre una previsione, classificazione o risposta.

L’integrazione API collega applicazioni attraverso interfacce definite per scambiare dati e richiedere operazioni.

L’Intelligent Document Processing estrae, interpreta e valida informazioni da documenti con formati diversi.

IoT indica dispositivi e sensori connessi che raccolgono dati e comunicano con piattaforme e applicazioni.

ISO 42001 è uno standard per impostare e migliorare un sistema di gestione dell’intelligenza artificiale.

Una knowledge base è una raccolta organizzata di informazioni utilizzata da persone, software e assistenti AI.

Un knowledge graph rappresenta entità e relazioni in una struttura navigabile e interrogabile.

La latenza AI è il tempo tra una richiesta e la disponibilità del risultato prodotto dal sistema.

Il lead scoring AI assegna una priorità ai contatti commerciali usando dati storici, comportamenti e caratteristiche osservabili.

Un LLM, Large Language Model, è un modello di intelligenza artificiale addestrato su grandi quantità di testo per comprendere e generare linguaggio naturale.

Il machine learning è un insieme di tecniche che permette a un software di riconoscere schemi nei dati e produrre previsioni o classificazioni senza programmare manualmente ogni regola.

La manutenzione predittiva usa dati e modelli per stimare guasti o degrado prima che provochino un fermo.

MCP, Model Context Protocol, è uno standard aperto che permette alle applicazioni AI di collegarsi in modo uniforme a strumenti, dati e servizi esterni.

La memoria di un agente AI è il sistema che conserva e recupera informazioni utili tra passaggi o conversazioni.

Un MES coordina e traccia l’esecuzione della produzione tra pianificazione aziendale e macchine di fabbrica.

Il model drift è il peggioramento del comportamento di un modello quando dati e condizioni reali cambiano rispetto alla fase di sviluppo.

Il model serving rende un modello disponibile alle applicazioni attraverso un servizio controllato e scalabile.

NIS2 è la disciplina europea sulla sicurezza informatica che rafforza gestione del rischio e obblighi per soggetti e settori interessati.

NLP indica le tecniche che permettono ai software di analizzare, comprendere e produrre linguaggio umano.

OCR significa riconoscimento ottico dei caratteri ed è la tecnologia che trasforma testo presente in immagini, scansioni o PDF in dati leggibili da un software.

L’OEE è un indicatore che combina disponibilità, prestazione e qualità per misurare l’efficacia produttiva di un impianto.

L’orchestrazione AI coordina modelli, dati, strumenti, regole e controlli all’interno di un’applicazione intelligente.

Il planning AI è la capacità di scomporre un obiettivo in passaggi e scegliere l’ordine delle azioni da eseguire.

Privacy by design significa integrare la protezione dei dati personali nelle scelte iniziali di processo e tecnologia.

Il process mining ricostruisce come avvengono realmente i processi usando eventi registrati nei sistemi aziendali.

Il prompt engineering è la progettazione e il test delle istruzioni, del contesto e degli esempi forniti a un modello AI per ottenere risultati più utili e coerenti.

La prompt injection è un attacco o contenuto che tenta di modificare le istruzioni di un sistema AI e indurlo a comportarsi in modo improprio.

RAG significa Retrieval-Augmented Generation: è una tecnica che cerca informazioni in fonti selezionate e le fornisce al modello AI prima che generi la risposta.

Un receptionist AI gestisce conversazioni iniziali via voce o chat, raccoglie informazioni e indirizza richieste e appuntamenti.

Un recommendation engine suggerisce prodotti, contenuti o azioni sulla base di dati, similarità e comportamento.

Il reinforcement learning addestra un agente attraverso azioni, ricompense e penalità ricevute in un ambiente.

Il reranking usa un modello per riordinare risultati di ricerca in base alla pertinenza rispetto alla domanda.

Una rete neurale è un modello matematico composto da livelli di unità che apprendono relazioni nei dati attraverso l’addestramento.

La RPA automatizza attività ripetitive imitando operazioni che una persona svolge su interfacce software.

Uno SCADA supervisiona impianti industriali raccogliendo dati e permettendo controllo e visualizzazione operativa.

La semantic search trova contenuti simili per significato, anche quando domanda e documento usano parole diverse.

Shadow AI è l’uso di strumenti di intelligenza artificiale non approvati o non governati dall’azienda per attività lavorative e dati aziendali.

Un sistema AI ad alto rischio è un sistema che rientra nelle categorie e condizioni specifiche previste dall’AI Act europeo.

Un sistema multi-agente coordina più agenti software con ruoli differenti per completare un processo comune.

Il supervised learning addestra un modello usando esempi in cui l’input è associato alla risposta corretta o etichetta attesa.

I synthetic data sono dati generati artificialmente per simulare caratteristiche utili di dati reali.

La temperature è un parametro che regola quanto variabile o conservativa può essere la generazione di un modello linguistico.

Un token è una porzione di testo che un modello linguistico usa come unità di elaborazione, e può corrispondere a una parola, parte di parola o segno.

Un training dataset è l’insieme di esempi utilizzato per addestrare un modello di machine learning.

Il Transformer è un’architettura di rete neurale che usa meccanismi di attenzione per elaborare relazioni tra elementi di una sequenza.

L’unsupervised learning cerca gruppi, strutture e relazioni nei dati senza utilizzare etichette corrette fornite in anticipo.

Un vector database è un sistema progettato per conservare e cercare rappresentazioni numeriche, chiamate vettori, che descrivono il significato di testi, immagini o altri contenuti.

Un voicebot AI comprende il parlato e risponde a voce per gestire conversazioni telefoniche o su dispositivi vocali.

La workflow automation coordina passaggi, regole, persone e software per eseguire un processo in modo ripetibile.

Zero-shot indica l’uso di un modello su un compito senza fornirgli esempi specifici nella richiesta.