Vai al contenuto
minovista
7 min di lettura Tecnologia

Se dovessi ricominciare da zero con l'AI

Da dove iniziare, cosa imparare, e in che ordine. La mia mappa, senza hype

Illustrazione vintage di una statua classica su un bivio desertico, con loghi di modelli AI intorno.

Se ti serve solo pianificare una vacanza a Roma o avere compagnia quando non hai con chi parlare, il solito ChatGPT basta e avanza. Fine dell'articolo.

Ma se vuoi qualcosa di più, la storia si complica. E il bagaglio che devi portarti dietro cambia parecchio.

Questa è la mappa che seguirei se dovessi ricominciare da zero con l'AI oggi.

Prima cosa, imparare a scrivere i prompt

Tutto parte da qui. E per quanto possa stupire, non è una skill tecnica. È una skill comunicativa. Un buon scrittore di romanzi è già un buon prompt engineer. Sai cosa vuoi? Riesci a dirlo con precisione?

Chi sa fare prompt engineering bene ottiene risultati utili. Chi non lo sa fare si lamenta che l'AI non funziona.

La buona notizia è che si impara. Ci vuole pratica, qualche framework base, e la disciplina di rileggere quello che scrivi prima di inviarlo. Poi migliora tutto il resto, automaticamente.

Per partire non serve cercare lontano. Le guide migliori le hanno scritte direttamente i produttori dei modelli.

Ecco qui alcune:

Se l'inglese è un ostacolo, o i materiali ti sembrano troppo densi, NotebookLM risolve entrambi i problemi. Caricaci dentro quello che trovi sul prompt engineering e chiedi all'AI di spiegartelo come se avessi 14 anni. Oppure fatti fare una mappa mentale, un quiz, o addirittura condensare tutto in un podcast.

Insomma, usa l'AI per imparare come usare l'AI.

Seconda cosa, scegliere pochi strumenti e usarli bene

Il mercato AI è pieno di rumore. Escono tool nuovi ogni giorno e se li insegui, non arrivi da nessuna parte.

La strategia che funziona è l'opposto. Scegli tre o quattro strumenti, imparali a fondo, ignora tutto il resto finché non hai un motivo concreto per cambiare.

Parti da un chatbot. Claude, ChatGPT, Gemini, Mistral, DeepSeek, Groq. Uno di questi, usato bene, copre già il 90% dei casi d'uso quotidiani. Ricerca, pianificazione, analisi, generazione di immagini, codice. Se sei all'inizio, parti da qui e non aggiungere altro finché non hai esaurito davvero quello che hai tra le mani.

Un'eccezione vale la pena nominarla. Se lavori con le immagini e la qualità visiva conta, Midjourney dà ancora un tocco che gli altri faticano a replicare.

Poi, a seconda di quello che fai, aggiungi uno strumento specifico. Se leggi molto e lavori con documenti, NotebookLM o Recall valgono la pena. Se fai ricerca o vuoi stare aggiornato su temi specifici, Perplexity funziona bene.

Se lavori nel tech o nel marketing, probabilmente esiste già un tool verticale per quello che fai. Uno, non dieci.

Il principio è sempre lo stesso. Meno strumenti, più profondità.

Terza cosa, capire cosa sono gli agenti

Qui il salto concettuale è importante. Un chatbot risponde a una domanda. Un agente persegue un obiettivo.

Gli dai un traguardo, lui lo scompone in passi, li esegue, gestisce gli imprevisti, ti porta un risultato. E la differenza in termini di quello che puoi fare è enorme.

Il punto pratico è questo. Se sei ancora nella fase in cui usi l'AI solo per rispondere a domande, stai lasciando la maggior parte del valore sul tavolo.

Il posto da cui iniziare sono gli agenti web, tipo Manus. Nessuna configurazione, zero setup, prendi e lo usi subito. Poi, quando hai capito la logica, puoi passare agli agenti locali, quelli che girano direttamente sul tuo computer e si collegano ai tuoi strumenti. Calendario, email, database, note, etc.

Io ho diversi workflow automatizzati che fanno questo lavoro ogni giorno. Non li ho costruiti in un pomeriggio, ma non ci ho messo nemmeno mesi.

Anche qui non ti serve una lista infinita di strumenti, te ne bastano un paio scelti bene. Per iniziare senza troppa complessità, Activepieces o N8N è accessibile anche senza esperienza tecnica.

Se invece vuoi costruire agenti più complessi, CrewAI, LangChain, LangGraph, Dify e AutoGen sono i framework più usati. Richiedono una base tecnica, ma sono quelli su cui si costruisce la roba seria.

Se vuoi costruire, non solo usare

Questo è il livello per chi vuole fare dell'AI un lavoro, o per chi vuole smettere di dipendere da strumenti che altri hanno deciso per te.

Costruire agenti per altri è già una competenza concreta e richiesta. Non parlo solo di Silicon Valley. Realtà italiane cercano persone che sappiano prendere un processo esistente e trasformarlo in un workflow automatizzato e affidabile.

Ho lavorato su progetti di questo tipo e c'è una differenza enorme tra costruire un prodotto AI da zero e integrare l'AI in un processo aziendale che esiste già.

Nel primo caso parti da un foglio bianco. Nel secondo ti ritrovi dentro processi legacy, sistemi che non parlano tra loro, dati e workflow che funzionano per abitudine, non per logica.

E prima di toccare l'AI, devi sistemare quei drammi.

Molte aziende vogliono adottare l'AI senza aver capito che l'AI non risolve i problemi che hanno già. Motivo per cui, quando qualcuno ti chiede di integrare l'AI in un processo esistente, quello che ti sta chiedendo davvero è di sanare prima il processo, e poi aggiungere l'AI sopra. Chi non lo sa si brucia prima ancora di prendere in carico il progetto.

Quindi a questo livello il tuo bagaglio deve contenere tutti gli strumenti necessari per lavorare e integrarsi con la realtà, oltre che con l'AI.

Poi c'è il vibe coding, che ho toccato anche nel mio articolo annuale sullo stato dell'AI. In parole povere, si tratta di usare un IDE con un agente AI integrato per scrivere codice e costruire software. I più comuni sono Claude Code, Codex, Antigravity, Cursor.

Una volta che lo hai visto funzionare, il risparmio in termini di tempo e costi è difficile da ignorare.

La realtà è che funziona bene solo se sai già programmare. Non perché l'AI non sia capace, ma perché quando le cose si rompono, e si rompono, devi sapere cosa stai guardando. Senza quella base, arrivi a un punto e non sai più cosa stai facendo.

Ma la programmazione è solo il primo strato. Il vibe coding richiede anche sapere come organizzare l'architettura del progetto, come scrivere le istruzioni, come strutturare i file di contesto in ogni cartella. Quelli che l'agente legge per capire dove si trova e come andare avanti.

E neanche questo basta, perché rischi di finire in un lock-in. L'obiettivo è costruire un'architettura che qualsiasi agente riesce a leggere, a prescindere dallo strumento che usi. Oggi usi Claude Code, domani magari usi altro. Se il progetto è documentato bene, il nuovo agente sa già dove si trova, cosa è stato fatto, e come continuare. Se non lo è, riparte da zero ogni volta.

Quello che consiglio è di scrivere il progetto mentre avanza. Non solo il codice. La documentazione, le istruzioni, le regole di sicurezza, le decisioni architetturali. Tutto sotto forma di file che l'agente può leggere. È più lento all'inizio. Ma è l'unico modo per non perdere il filo quando il progetto cresce.

Per andare più a fondo

Se vuoi una visione d'insieme prima di buttarti sui singoli materiali, su roadmap.sh trovi mappe visive che tracciano interi percorsi di apprendimento.

Ecco qui le 3 che vale la pena guardare:

Se vuoi capire davvero l'AI, non partire solo dalle novità dell'ultimo anno. I concetti fondamentali esistono da decenni, e sono quelli che reggono. Tieni a mente il Gartner Hype Cycle mentre leggi. Ti aiuta a distinguere quello che conta da quello che fa rumore.

Detto ciò, ecco i materiali che ti consiglio, divisi per formato:

Articoli

Podcast

Video

Libri

La skill che non trovi nella lista

C'è una cosa che non si trova in nessuna roadmap perché non si insegna in un corso.

È il giudizio.

Sapere cosa vale la pena costruire, quale automazione ha senso, quale tool aggiunge valore e quale riempie solo il tempo.

Steve Jobs, che tra l'altro non stimo particolarmente, era ossessionato con la semplicità. Ma la sua semplicità non era banale. C'è un libro che lui stesso aveva letto e da cui credo si sia ispirato molto, The Design of Everyday Things di Donald Norman.

La tesi è che la maggior parte delle cose sono fatte male non perché mancano le risorse, ma perché manca il giudizio su cosa serve davvero e cosa no. Leggilo, perché è un ottimo manuale che mostra come determinate scelte abbiano portato a un pessimo design nelle cose che usi più comunemente ogni giorno.

Con l'AI il problema si amplifica. In un momento in cui chiunque può generare qualsiasi cosa in pochi minuti, quello che diventa raro è sapere cosa merita di essere generato.

Gli strumenti diventano più economici ogni trimestre.

Il giudizio va nella direzione opposta.

Leggi successivo

La mente prigioniera