SlowTech Education Program

Il primo modulo costruisce le fondamenta su cui poggia l'intero percorso. Tracciamo la mappa dell'intelligenza artificiale, un territorio che si estende ben oltre i chatbot e la Gen-AI, e apriamo la scatola dei modelli linguistici per capire come funzionano davvero: come vengono addestrati, come generano le risposte, perché sbagliano con tanta sicurezza. Analizziamo il mercato dei modelli e i loro meccanismi di pricing, per orientarsi tra frontiera, open source e soluzioni locali sapendo cosa si paga. Concludiamo con lo stato dell'arte mostrato dal vivo: cosa sanno fare oggi i modelli di frontiera, cosa aspettarsi domani e come farsi trovare pronti.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno orientarsi nel panorama delle tecnologie AI, distinguendone famiglie e ambiti di applicazione
• Comprendono i motivi dietro i comportamenti dei modelli linguistici
• Sanno confrontare modelli e vendor per capacità, parametri e modelli di pricing
• Sono aggiornati sullo stato dell'arte e sono pronti per rispondere al cambiamento

Lezioni

1. 1.1 Il panorama dell'intelligenza artificiale: dall'AI classica alla GenAI
2. 1.2 2026 State of AI
3. 1.3 Dentro la scatola: come funziona un modello linguistico
4. 1.4 I modelli, i loro parametri e i loro limiti
5. 1.5 Economics of AI 1 — Il mercato dei modelli: frontiera, open source, locali
6. 1.6 Economics of AI 2 — token, crediti e modelli di pricing
7. 1.7 Cenni pratici alle architetture di inferenza
8. 1.8 La frontiera e What's next in AI

Il secondo modulo trasforma l'uso quotidiano della GenAI in un metodo. Partiamo con l'analizzare il tipico pattern di interazione con un modello linguistico e con il comprendere dove risiede la qualità e dove invece si nascondono le insidie. Impariamo ad architettare istruzioni efficaci: il contesto prima di tutto, il brief al posto del prompt, il testo strutturato nativamente affinché sia interpretabile dal modello. Esploriamo poi le modalità della GenAI e il lessico del mestiere, per concludere con i pattern di interazione più efficaci e le metodologie ad alto rendimento.

Obiettivi

Al termine del modulo i partecipanti:

• Comprendono come si articola un'interazione con un modello linguistico e dove è più probabile che fallisca
• Sanno architettare istruzioni e contenuti efficaci: contesto, brief, scrittura strutturata AI-friendly
• Sanno scegliere la modalità giusta per ogni tipo di compito
• Padroneggiano il lessico del mestiere e i principali pattern di interazione
• Sanno interpretare qualsiasi informazione sull'AI si trovino di fronte

Lezioni

1. 2.1 Anatomia di un'interazione: mindset, modelli mentali e punti di fallimento
2. 2.2 Context Engineering
3. 2.3 Scrivere per le macchine (+ sessione hands-on)
4. 2.4 Le modalità della GenAI
5. 2.5 Il lessico del mestiere
6. 2.6 Istruire gli agenti AI
7. 2.7 Pattern di interazione e metodologie ad alto rendimento

Il terzo modulo sposta l'attenzione dall'uso personale al valore aziendale. Partiamo dall'analisi di processo e dalla domanda da cui tutto comincia, cosa stiamo davvero cercando di risolvere?, imparando a leggere un processo come un sistema: input, decisioni, colli di bottiglia. Esploriamo quindi il toolkit dell'AI (RAG, workflow, agenti, evals) e comprendiamo a cosa fare ricorso in base alla situazione. Seguiamo poi l'evoluzione di un processo da classico ad agentico e applichiamo il metodo a un processo reale della tua azienda, disegnandolo insieme per individuare dove l'AI crea valore. Concludiamo con un framework per riconoscere e prioritizzare le opportunità, costruire roadmap di adoption che abbiano senso e capire quali sono le condizioni di partenza non negoziabili.

Obiettivi

Al termine del modulo i partecipanti:

• Leggono un processo come un sistema e identificano dove l'AI può creare valore
• Distinguono i componenti di un sistema AI e sanno quale approccio ha senso quando
• Trasformano un'idea vaga in un caso d'uso concreto e valutabile
• Conoscono i prerequisiti reali di un progetto AI
• Comprendono come nasce e si struttura un sistema AI aziendale

Lezioni

1. 3.1 System thinking: cosa stiamo davvero cercando di risolvere?
2. 3.2 Dentro una soluzione AI: sistemi, non solo modelli
3. 3.3 AI Toolkit
4. 3.4 Agentic AI
5. 3.5 Evoluzione di un processo, l'agentificazione (+ live workshop)
6. 3.6 Use Case discovery

Il quarto modulo affronta l'intelligenza artificiale come scelta organizzativa. Partiamo dall'allineamento di team e organizzazione: un framework per l'enterprise AI e le regole per sperimentare e imparare in sicurezza. Proseguiamo con le basi di rischi, governance e normativa. Analizziamo poi l'anatomia di un progetto AI, comprendendo perché il prototipo, adesso, è solo la punta dell'iceberg, e il bivio build vs. buy: quando sviluppare, quando comprare e come capire cosa si sta comprando davvero. Concludiamo analizzando i principali meccanismi cognitivi che si innescano nelle interazioni con i modelli linguistici, in modo da saperli riconoscere e disinnescare.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno allineare team e organizzazione con regole chiare per sperimentare e imparare in sicurezza
• Conoscono l'essenziale di rischi, governance e normativa per decidere
• Comprendono com'è fatto un progetto AI
• Valutano un'offerta AI con criterio: build vs. buy, le domande giuste, i red flag
• Riconoscono i meccanismi cognitivi in gioco nell'interazione con i modelli linguistici e ne sanno disinnescare gli effetti

Lezioni

1. 4.1 Enterprise AI
2. 4.2 Experimenting & Learning: le regole del gioco
3. 4.3 Rischi e governance
4. 4.4 Anatomia di un progetto AI
5. 4.5 Regulations bits & bytes
6. 4.6 Build vs. Buy: quando sviluppare, quando comprare
7. 4.7 Tranelli nell'interazione con i modelli linguistici

Il primo modulo dà al percorso la sua cornice: la trasformazione AI come disciplina. Partiamo dall'anatomia dei progetti reali, cosa distingue quelli che generano valore da quelli che si fermano al pilot, e definiamo l'operating model: i ruoli del nucleo AI interno e i servizi che offre all'organizzazione. Impariamo a distinguere GenAI e non-GenAI e costruiamo, con metodo, il portfolio delle opportunità della tua azienda. Concludiamo scegliendo il caso reale che attraverserà tutto il percorso e aprendo il suo canvas di progetto.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno leggere una trasformazione AI e riconoscerne i fattori di successo e di fallimento
• Sanno definire ruoli e servizi del nucleo AI interno alla propria organizzazione
• Sanno distinguere le famiglie di AI e mappare le opportunità sui propri processi
• Hanno selezionato e inquadrato il caso reale su cui lavorerà tutto il percorso

Lezioni

1. 1.1 Anatomy of an AI Transformation
2. 1.2 AI Adoption, Operating Model & Service Design
3. 1.3 Evolutionary Design
4. 1.4 GenAI vs. non-GenAI
5. 1.5 AI Opportunity & Use-Case Strategy
6. 1.6 AI Transformation Canvas

Artefatti

• Portafoglio opportunità
• Use Case
• AI Transformation Canvas (v0)

Il secondo modulo porta l'AI sul terreno dei numeri e delle regole. Impariamo a costruire un business case solido, costi d'uso, ritorni attesi, metriche che contano, e a riconoscere dove il valore si crea e dove si disperde. Passiamo poi al governo: rischi valutati per use case, responsible AI, le regole per sperimentare in sicurezza e il quadro normativo vigente tradotto in pratica operativa. Concludiamo mettendo le mani sui due strumenti che ogni organizzazione dovrebbe avere: il business case del tuo caso e la tua AI policy.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno costruire un business case AI con costi, ritorni e criteri di misura realistici
• Sanno valutare i rischi di uno use case e progettarne le contromisure
• Conoscono gli obblighi normativi applicabili alla propria organizzazione
• Hanno impostato la policy AI e il registro degli use case aziendali

Lezioni

1. 2.1 Economics of AI 1 — Defend an AI Investment: costruire il business case
2. 2.2 Economics of AI 2 — Usage economics
3. 2.3 Governance, Risk & Responsible AI
4. 2.4 Sperimentare in sicurezza
5. 2.5 Advanced Regulations — il quadro vigente, dall'AI Act alla pratica

Artefatti

• Business case (v0)
• AI Policy (se applicabile)

Il terzo modulo scende dove i progetti si vincono o si perdono: dati e conoscenza. Impariamo a leggere le architetture dati moderne e a trattare la conoscenza aziendale come un asset: perché il vantaggio competitivo sta nel significato dei tuoi dati. Con un framework diagnostico fotografiamo lo stato reale del tuo patrimonio informativo e definiamo le attività per portarlo dove il caso richiede. Chiudiamo con la frontiera: dati sintetici, simulazioni e scenari per far partire i progetti anche quando i dati veri mancano.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno leggere e discutere un'architettura dati moderna
• Sanno diagnosticare lo stato del proprio patrimonio informativo rispetto a un caso d'uso
• Sanno specificare e commissionare le attività di costruzione del data layer
• Conoscono le opzioni sintetiche per prototipare in assenza di dati pronti

Lezioni

1. 3.1 Data Engineering & Warehousing
2. 3.2 Data & Knowledge Architectures
3. 3.3 Data Diagnostic Framework
4. 3.4 Synthetic Data, Simulation & Scenarios

Artefatti

• Mappa dominio di conoscenza
• Template diagnostico per data readiness
• Piano attività data layer per caso studio (se applicabile)

Il quarto modulo costruisce la competenza architetturale: scegliere i pezzi giusti e comporli in uno stack. Confrontiamo modelli, provider e opzioni di deployment; impariamo a leggere i benchmark in funzione del task e a padroneggiare l'economia dell'inferenza: routing, caching, cosa si paga quando l'AI gira. Analizziamo la supply chain dell'AI: vendor, tool, standard aperti, lock-in da riconoscere per tempo, con un esercizio di valutazione su un'offerta realistica. Concludiamo disegnando l'architettura del tuo caso, completa di infrastruttura e filiera.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno valutare criticamente modello e deployment in funzione del task e dei vincoli
• Sanno valutare criticamente il dimensionamento di un'architettura
• Sanno interrogare vendor e offerte con criteri strutturati
• Hanno composto architettura, infrastruttura e supply chain del proprio caso

Lezioni

1. 4.1 Models, Providers & Deployment
2. 4.2 Benchmarks: prendere decisioni task-driven
3. 4.3 Model Serving, Infrastructure & Inference Economics
4. 4.4 AI Supply Chain Fundamentals
5. 4.5 The AI Stack in the Organization

Artefatti

• Architettura e infrastruttura del caso (v0)
• Supply chain del caso
• Checklist di valutazione fornitori

Il quinto modulo entra nel comportamento dei sistemi, partendo da ciò che già padroneggiate: il prompting, riletto come AI engineering in miniatura. Ogni gesto di una buona interazione è l'embrione di un pattern di sistema. Da lì scaliamo: paradigmi RAG evoluti, agenti e pattern di orchestrazione, harness e context engineering, il design della collaborazione uomo-AI con i suoi punti di supervisione. Chiudiamo con la competenza che distingue un committente maturo, le evals: criteri di accettazione, casi di test e kill criteria. E consolidiamo tutto nel dossier tecnico del tuo caso.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno abbozzare il comportamento di un sistema AI: pattern, harness, punti di controllo
• Sanno valutare criticamente la collaborazione uomo-AI in funzione di rischio e reversibilità
• Sanno identificare basi di criteri di accettazione, casi di test e kill criteria per un sistema
• Hanno consolidato il dossier tecnico che guiderà la costruzione del prototipo

Lezioni

1. 5.1 From Prompt to System — il prompting come archetipo dell'AI engineering
2. 5.2 Advanced RAG Paradigms
3. 5.3 Advanced AI Agents
4. 5.4 Harness & Context Engineering
5. 5.5 Human-AI Orchestration Design
6. 5.6 Enterprise Evaluation Framework
7. 5.7 A Snapshot on the Frontier

Artefatti

• Mappa di orchestrazione uomo-AI per il caso studio (v0)
• Eval set con kill criteria (v0)
• Dossier tecnico del caso (v0)

L'ultimo modulo è una giornata interamente hands-on: il cantiere si apre. Sezioniamo dal vivo un'applicazione GenAI (per esempio Claude o Codex) per riconoscere nell'uso reale tutto ciò che il percorso ha insegnato. Scriviamo la spec del tuo caso dialogando con l'AI, che ti intervista sugli artefatti dei tre giorni precedenti. Poi si costruisce: il prototipo prende forma, viene collaudato con le evals scritte il giorno precedente e presentato. Chiudiamo attaccandolo con un red team guidato e trasformando tutto nella roadmap dei prossimi 90 giorni. Il progetto è pronto a partire.

Obiettivi

Al termine del modulo i partecipanti:

• Sanno delineare una spec di progetto
• Hanno iniziato a costruire un prototipo con strumenti agentici
• Hanno collaudato e messo alla prova il proprio sistema, conoscendone i limiti
• Hanno pianificato i 90 giorni successivi con criteri espliciti di avanzamento

Lezioni

1. 6.1 Inside a Desktop GenAI App
2. 6.2 Vibe Coding Essentials
3. 6.3 Build & Iterate
4. 6.4 Demo & Red Team
5. 6.5 Roadmap 90 giorni

Artefatti

• Spec del caso (v0)
• Prototipo collaudato (v0)
• Roadmap 90 giorni