L’Intelligenza artificiale generativa nel 2024. Dal mondo entreprise americano alle PMI di casa nostra

Il 2024 sta rappresentando un momento decisivo per l’adozione dell’intelligenza artificiale generativa in aziende di ogni tipo.

Secondo un recente report di Menlo Ventures, che ha intervistato 600 decisori IT in grandi imprese statunitensi, gli investimenti in AI hanno raggiunto la cifra considerevole di 13,8 miliardi di dollari. Sebbene questi dati si riferiscano principalmente alle grandi imprese, credo offrano preziosi spunti di riflessione anche per le PMI che desiderano esplorare e implementare questa tecnologia e vale sicuramente la pena dare un’occhiata ai passaggi più importanti e capire cosa essi possono suggerirci.

Grandi imprese e PMI. Cosa succede.

Nel panorama attuale, l’AI generativa sta compiendo un passaggio significativo dalla fase sperimentale a quella operativa. Le aziende ora ricercano sempre più soluzioni che possano offrire risultati concreti e misurabili, dopo un primo periodo di sperimentazione, ponendo particolare enfasi sulla personalizzazione e l’integrazione con i processi esistenti. È interessante notare come il prezzo per queste aziende americane non sia più il fattore decisivo – solo l’1% lo considera prioritario – ma piuttosto si guarda al valore effettivamente generato, che implica il fatto che si è già provveduto a una mappatura dell’implementazione dell’I e li si monitora per valutare i risultati.

Ovviamente, esistono differenze sostanziali tra grandi imprese americane e PMI che non possono essere ignorate. Mentre le grandi imprese hanno la capacità di investire in molteplici progetti pilota e tecnologie più costose, le PMI necessitano di soluzioni più mirate e immediatamente produttive (classici low-hanging fruits). Nonostante i budget e le risorse più limitati, le PMI godono però di un vantaggio significativo: una maggiore agilità nel testare e implementare nuove soluzioni, che probabilmente si riflette anche nei partner a cui si rivolgono, questi ultimi consci della fase di adozione che le PMI attraversano.

Le opportunità in gioco

Tra i casi d’uso emersi dal report, alcuni risultano particolarmente promettenti per le PMI. L’assistenza clienti automatizzata, che ha raggiunto un’adozione del 51% nelle grandi imprese, può essere implementata dalle PMI attraverso chatbot semplici per le domande frequenti (31% dei casi d’uso nel report) con investimenti contenuti grazie a soluzioni freemium o comunque che girano dai 20 ai 40K annue, a seconda delle prestazioni richieste. La ricerca e gestione documenti per trovare connessioni tra diverse fonti (28% di adozione) può essere affrontata gradualmente, partendo da un singolo processo o dipartimento. L’automazione delle riunioni (24%) offre benefici immediati nel risparmio di tempo per la gestione delle comunicazioni.

Per quanto riguarda la scelta tra sviluppo interno o acquisto di soluzioni esistenti, mentre il 47% delle grandi imprese opta per lo sviluppo interno e il 53% adotta una soluzione esterna, per le PMI è generalmente più conveniente utilizzare soluzioni esistenti e consolidate e poi valutare un’adozione interna, preferendo piattaforme con prezzi scalabili e strumenti che non richiedono competenze tecniche specializzate.

Implementazione per PMI

Da quanto sopra, si capisce che l’implementazione dell’AI nelle PMI dovrebbe seguire un approccio graduale, flessibile e strutturato. È fondamentale iniziare in piccolo, identificando un singolo processo da migliorare (ad esempio la creazione di contenuti) e utilizzando strumenti gratuiti o a basso costo per i test iniziali. La valutazione attenta dovrebbe considerare la compatibilità con i sistemi esistenti, i costi totali (inclusi formazione e manutenzione) e la semplicità d’uso per il personale che viene coinvolto in questa esperienza. Su questo punto è anche conveniente prevedere dei programmi di rewarding per fare in modo che la maggior produttività derivante dall’IA venga riconosciuta dall’azienda in maniera tangibile

Dal report emergono anche alcuni problemi frequenti che le PMI dovrebbero considerare attentamente:

– Costi di implementazione non previsti (26%)

– Problemi di privacy dei dati (21%)

– ROI deludente (18%)

Adattare gli insights del report alle PMI

Per le PMI, è cruciale focalizzarsi sulla produttività immediata, scegliendo soluzioni che risolvono problemi concreti e privilegiando strumenti con curve di apprendimento brevi. La gestione delle risorse deve essere oculata ma non limitante, con investimenti graduali e mirati, sfruttando anche le versioni free/trial prima di impegnarsi in acquisti definitivi, se si considerano progetti più impegnativi come chatbot o SLM (small langiage models) a uso interno. Ovviamente il discorso è più semplice se si adottano strumenti come ChatGPT con costi che partono da 20 euro/mese.

Non meno importante è l’attenzione alla sicurezza e alla privacy, selezionando fornitori affidabili e implementando chiare policy di utilizzo. Questo punto è importante, soprattutto se nelle piattaforme commerciali si utilizzano dati sensibili e report. Inquesto caso, prevedere sempre di attivare le opzioni di non condivisione, se non ci sono alrte necessità. In più, se l’output di IA generative viene usato per i contenuti aziendali (blog, post, web, guide) i risultati debbono essere sempre validati da personale esperto.

In chiusura

Visto che i’AI, soprattutto quella generativa, sta ridefinendo il panorama aziendale e che non esiste al momento un percorso predefinito che funzioni per ogni azienda, conviene che le PMI sfruttino ogni tipo di esperienza disponibile soprattutto se viene da mercati dove l’adizione è più avanti. Oggi ci sono tante opportunità di sperimentare con soluzioni accessibili e la chiave del successo risiede nell’iniziare con progetti piccoli ma concreti, in modo che si possa poi valutare di scalare per soluzioni più ambiziose.

*Nota: I dati citati provengono dal report “2024: The State of Generative AI in the Enterprise” di Menlo Ventures, basato su un sondaggio di grandi imprese statunitensi. Le interpretazioni e i suggerimenti per le PMI sono stati adattati al contesto delle piccole e medie imprese.*

Intelligenza Artificiale. A che punto siamo prima di fine anno.

Il 2024 è stato un anno importante per l’IA in termini di nuove piattaforme, hardware, strategie e soluzioni. Tuttavia, nel mondo del lavoro, essa sta penetrando ma in maniera differente, a seconda delle dimensioni e della digitalizzazione delle aziende.

Nel web è possibile trovare tantissimo materiale su come l’adozione dell’IA, in particolare quella generativa, sia quella più considerata. Tuttavia, vi è tanto divario tra i mercati, le aziende e le differenti aree del mondo, per cui si facilmente rischia di entrare in confusione quando si cerca di capire qualcosa di più sull’IA.

A differenza della facilità con cui se ne parla, vi sono difficoltà oggettive (ma superabili) nell’adozione: dove la uso, come la uso, cosa uso, come identifico le aree dove l’IA può aiutarmi.

A differenza di quando è nato il web o i social, la grande velocità con cui le informazioni girano e le evoluzioni delle piattaforme (in poche settimane abbiamo avuto la chat vocale e l’implementazione dei motori di ricerca su OpenAI e un test di automazione di uso autonomo del computer da parte di un agente creato da Antrophic) rendono in apparenza ancora più difficile costruire un quadro utilizzabile per le aziende.

La realtà è che siamo in fase embrionale e che non esistono strategie di adozione predefinite ma ognuna va tagliata in base all’azienda. Certo, esistono framework e suggerimenti ma che non sono scritti nella pietra, anzi, evolvono a una velocità impressionante.

Questo però non ci impedisce di sbirciare in giro e capire cosa potrà succedere a breve.

Adozione

Il report di HubSpot del 2024 AI Trends Report, si sottolinea che il 75% dei marketer utilizza già strumenti IA per migliorare la produttività e il coinvolgimento dei clienti. Tuttavia, anche per Hubspot, il passaggio da esperimenti isolati a una trasformazione veramente aziendale richiede un approccio strategico e misurabile. Che significa? Che bisogna trovare delle metriche per capire se il valore dell’implementazione dell’IA porta un vantaggio competitivo (qualunque esso sia). Ovviamente, non solo in termini di efficienza operativa, ma anche la capacità di creare valore attraverso l’innovazione che scaturisce dal suo uso e l’automazione dei processi (Rapporto 4Manager 2024).

Le applicazioni più diffuse ad oggi per le aziende commerciali

Riguardo l’IA generativa, le applicazioni principali oggi sono riassumibili in due mega gruppi:

  • Marketing e contenuti. Generazione testi per blog, siti web, social, report, strumenti per venditori, documenti interni, brainstorming, campagne, sia in formato testuale che immagini
  • Analisi dei dati. Lettura testi e report, riassunti, estrazione dei punti principali, analisi e rilevazione di pattern.

Queste applicazioni, già di loro, offrono dei motivi validi per provare l’adozione di piattaforme LLM multimodali come ChatGPT, Claude, Gemini o Mistral.

Cosa ci attende

Nonostante il potenziale, molte organizzazioni, è indubbio piccole e grandi, faticano a implementare l’IA Tra le principali difficoltà, già citate in apertura, vi sono

  • Costi e Risorse: L’implementazione dell’IA richiede investimenti in termini di acquisto piattaforme, training, digitalizzazione e infrastrutture. Specifichiamo bene però cosa significa. Un’azienda può benissimo acquistare una piattaforma LLM come ChatGPT e usarla immediatamente al costo di circa 20 euro al mese a licenza. Occorrerà però del tempo per capire come fare e dei corsi per usarla al meglio. Questo significa investire su sé stessi e sul personale. Se poi si vuole usare l’IA per la gestione della comunicazione con clienti tramite chatbot basati su IA generativa, si apre un nuovo capitolo che include il costo di una piattaforma per gestire i bot, la preparazione del database (meglio il knowledge base) del modello, l’infrastruttura e la consulenza. Si possono fare dei tentativi con piattaforme in commercio ma per una soluzione seria giriamo attorno ai 20K di media.
  • Sicurezza, privacy ed etica. Quando si usano sistemi di IA generativa come ChatGPT, la raccomandazione di solito è quella di non caricare dati sensibili, informazioni personali e di clienti, per ovvii motivi. I dati che usiamo, se non selezioniamo specificatamente l’opt-out sul nostro account, possono essere usati dal gestore del modello per addestrare il suoi modelli di IA. In più, se generiamo contenuti a scopo marketing, dobbiamo essere sicuri che rispecchino il nostro modo di parlare come azienda, non includano stereotipi e bias e che siamo effettivamente corretti e validati. Se poi si creano infrastrutture ad hoc dove ospitare I propri strumenti di IA in locale, si dovrà richiedere al fornitore l’ottemperanza al GDPR e all’IA Act, per evitare potenziali problemi di sorta.
  • Formazione.  Una delle voci più importanti. Il mio consiglio è di formarsi autonomamente per capire il campo da gioco e fare qualche tiro in porta. E poi farsi affiancare da consulenti per degli aggiornamenti e utilizzi mirati. Almeno per il momento, questo mondo gira troppo in fretta per poter avere il tempo fisico per stare dietro a tutto, soprattutto se dobbiamo anche lavorare! Magari seguire alcune newsletter aiuta. L’IA è un utensile e non deve diventare lo scopo. Organizzare dei workshop di tanto in tanto e dei check point aiuta a sfruttarla la meglio per il nostro business.

Conclusione

L’IA rappresenta una svolta epocale per le imprese di tutti i settori ma essa non si vede fino a quando poi accade qualcosa che ci costringe a correre. Voglio parafrasare una famosa frase che si usa in quest’ambito: l’IA non ti toglierà il lavoro ma un concorrente che sa usare l’IA meglio di te lo farà.

Adottare anche un semplice piano insieme a un consulente ci farà fare un bel passo avanti, senza avere paura e senza ignorare le potenzialità molto concrete che una conoscenza e l’uso di questi strumenti porta alla nostra azienda.

Come le aziende possono creare prompt efficaci. Una miniguida pratica per sfruttare al meglio l’intelligenza artificiale

In un mondo in cui l’intelligenza artificiale (soprattutto generativa) diventa sempre più presente nel nostro quotidiano, saper comunicare efficacemente con questi strumenti rappresenta una competenza cruciale, soprattutto in ambito lavorativo.

Come sempre, ci rivolgiamo a stampatori e creativi ma questo  articolo va benissimo per ogni tipo di azienda che vuole migliorare la produttività, generare nuove idee creative, o semplicemente ottimizzare un processo ripetitivo. In questo, la capacità di creare prompt efficaci può fare la differenza.

Vediamo tra un attimo cos’è un prompt. Anche se ci sono tantissime tecniche per realizzarli, questo articolo è pensato per guidare il lettore nella creazione di prompt utilizzando un semplice schema, che troverete più avanti. In più, ho aggiunto alcuni altri elementi che potenziano lo schema iniziale. A voi la scelta di usarli. Andiamo!

Cos’è un prompt? Il destino nel nome.

Partiamo dall’inizio, senza dare nulla per scontato. Un prompt (letteralmente un’imbeccata) è una richiesta che facciamo a un modello di intelligenza artificiale generativa, come ChatGPT, Gemini o Claude, per ottenere una risposta coerente alla richiesta, attingendo dalla conoscenza dello strumento.

Può essere una domanda, un comando o un suggerimento. L’obiettivo è dare abbastanza informazioni e contesto al modello per far sì che generi una risposta utile e pertinente al risultato che si vuole ottenere.

Ad esempio, se si desidera che l’IA generi un titolo accattivante per una nostra campagna pubblicitaria, si può fornire un contesto allo strumento di IA includendo nel nostro prompt di richiesta dettagli sul prodotto che vogliamo pubblicizzare, il pubblico a cui la campagna si rivolgerà e lo stile desiderato. Vederemo come farlo in maniera efficace.

Esempio prompt
Un esempio di un prompt semplice su ChatGPT4

 

 

 

 

Potete paragonare il fare prompting a una conversazione con un amico che è sempre pronto ad aiutarvi: più si è chiari, più è probabile che la risposta sia utile o che si raggiunga il risultato in tempi accettabili.

Chiedi come scrivi

Il grande vantaggio oggi è che si può interagire con l’IA generativa usando semplicemente il nostro linguaggio naturale e una chat, senza bisogno di conoscere codici o linguaggi di programmazione.

Questa accessibilità permette a diversi settori aziendali di coinvolgersi nell’uso dell’IA, rendendola uno strumento versatile, utilizzabile da chiunque abbia un minimo di consapevolezza, anche senza competenze tecniche specifiche.

Da considerare che l’IA generativa, come ChatGPT, funziona in modo “probabilistico” prevedendo quale sarà la parola o il modello di parole più attinenente al contesto precedente.

Questo significa che il modello darà sempre una risposta, a prescindere dalla qualità della richiesta contenuta nel prompt. Quindi, teoricamente, non esiste una risposta “giusta” o “sbagliata”, ma piuttosto risposte che possono cambiare in base alle informazioni su cui il modello è stato addestrato (quantità di dati e parametri) e a come viene formulato il prompt. La risposta andrà comunque sempre verificata in base alle nostra esperienza e competenza nel dominio in cui lavoriamo.

Perché dovremmo investire del tempo per imparare come fare un buon prompt

Imparare a creare un buon prompt può fare una grande differenza nel lavoro quotidiano: può aiutare a risolvere problemi più velocemente, generare idee veramente creative (e non generiche come capita alla maggior parte degli utenti che approccia questi sistemi) e migliorare la produttività generale.

L’IA generativa può aiutare in maniera molto efficace a scrivere testi, creare contenuti visivi, generare idee per campagne, trovare keyword, scrivere mail, contenuti per la forza vendita e newsletter e tanto altro.

Con un prompt ben progettato, si ottiene esattamente ciò di cui si ha bisogno, migliorando la qualità del lavoro grazie alla usabilità della risposta ottenuta.

Fondamentali dei prompt

Passiamo alla pratica! Un buon prompt è chiaro, specifico e fornisce al modello tutto il contesto necessario per generare una risposta accurata e pertinente.

Ci sono tre componenti principali da considerare: il contesto, il compito, e le istruzioni. Ciascuno di questi svolge un ruolo cruciale nel guidare l’IA verso la risposta che desideriamo. Vediamo come:

  • Contesto. Con il contesto, forniamo all’IA informazioni dettagliate per definire il suo comportamento, cioè come deve agire e chi deve impersonare, ad esempio, un esperto di marketing o un consulente tecnico. Questo contesto, se ben definito, aiuta l’IA a comprendere meglio la situazione e ad adottare il giusto approccio, verticalizzandosi su quella specifica disciplina, evitando di partire dal mare magnum della sua sterminata conoscenza, che, giocoforza, condurrà a una risposta più generica.
  • Compito. Con il compito, descriviamo esattamente cosa vogliamo che l’IA faccia. Questo potrebbe includere rispondere a una domanda specifica, come generare idee creative, scrivere un testo o anche fare una lista di raccomandazioni. Più è dettagliata la descrizione del compito, più l’IA sarà in grado di rispondere in maniera mirata.
  • Istruzioni. Qui indichiamo chiaramente come il compito deve essere svolto. Specifichiamo lo stile (formale, informale), il formato (ad esempio, una lista, un paragrafo, un messaggio breve) e il tono (amichevole, professionale, creativo). Questi dettagli aiutano a garantire che l’output soddisfino le nostre aspettative e sia adatto all’audience a cui è destinato.

Un esempio utilizzando i tre parametri: contesto, compito e istruzioni

Ecco un esempio di prompt che raccoglie quanto detto. Sei un copywriter creativo specializzato in nomi e slogan per offerte commerciali su prodotti grafici. Scrivi tre proposte di nome e slogan per una nuova serie di gadget personalizzati che lanceremo il mese prossimo. Mantieni un tono professionale ma amichevole, che spieghi i benefici e i vantaggi dell’oggettistica personalizzata.

Combinando i tre elementi descritti, si possono già creare prompt efficaci che massimizzano la qualità e la precisione delle risposte fornite dall’IA. Potremmo fermarci qui ma possiamo fare di più. Vediamo come.

Aggiungere elementi per migliorare il prompt iniziale

Come detto, le informazioni di cui sopra ci permettono di costruire già un buon prompt. Possiamo però migliorare il risultato aggiungendo al nostro prompt questi altri elementi.

  • Audience. Qui definiamo per chi è pensato il contenuto creato dall’IA. Capire a chi ci rivolgiamo permette alla nostra IA di creare messaggi in linea con chi li riceve. Ad esempio, potremmo rivolgertci ad aziende manifatturiere, a un pubblico di età specifica o a un distretto industriale particolare. Oppure alla nostra forza vendita o al supporto tecnico interno. Ecco un esempio: “Crea una serie di post per Facebook per centri wellness e percorsi benessere dove evidenziare l’importanza del merchandising personalizzato.
  • Formato dell’output. Si può anche specificare il formato che si desidera, se necessario. Indicare il formato aiuta l’IA a fornire la risposta nella maniera più utile per i nostri scopi, ad esempio come liste puntate, paragrafi o titoli. Oppure chiedere di formattare il contenuto per determinate piattaforme social o software di scrittura (i.e. MS Word). Ad esempio “Nei post che crei per Facebook, evidenzia i benefici principali in tre punti.
  • Vincoli e limitazioni. Qualche volta può essere necessario specificare cosa evitare. Indicare nel prompt chiaramente le parole o i concetti che non devono essere inclusi aiuta a evitare fraintendimenti o output inappropriati. Ad esempio”Nel comunicato evita di usare le parole ‘problema’ o ‘difficoltà’ ma proponi dei sinonimi più proattivi.

Migliorare ulteriormente i prompt

Con quanto sopra, siete più che equipaggiati per sbizzarrirvi nelle vostre richieste e ottenere risultati di alto livello. Ma, visto che siete arrivati sin qui con la lettura, ecco alcuni altri suggerimenti che vi porteranno nell’Olimpo della promptitudine!

Fornire esempi di marchi, competitor o pubblico target

Fornire all’IA esempi di marchi competitor o di pubblico target può aiutare il modello a comprendere meglio il contesto della richiesta e ad allinearsi meglio con la tipologia di pubblico a cui ci rivolgiamo. Ad esempio, si possono citare nomi di brand noti come Nike o Apple se si desidera ottenere un posizionamento simile in termini di innovazione e aspirazione, oppure dare degli esempi di siti di nostri concorrenti per capire come differenziarci, oppure descrivere il tipo di audience che si vuole intercettare fornendo dei siti web dove ci sono aziende a cui vogliamo rivolgerci.

Questo aiuta a ottenere risposte più pertinenti e focalizzate. Ad esempio “Stiamo sviluppando una nuova serie di gadget per palestre. Il mio competitor principale lo trovi a questa pagina web www.example.com. Fornisci idee per il nome e lo slogan del nostro servizio differenziandoti dal competitor.” Oppure “Stiamo sviluppando una nuova serie di gadget per palestre. Ecco una serie di siti web di palestre italiane e straniere da cui prendere spunto. Fornisci idee adeguate a questa tipologia di utenti

Uso di delimitatori

Per chiarire meglio alla nostra IA alcune sezioni del prompt, è consigliato l’uso di delimitatori come triple virgolette “””. Questo aiuta l’IA a capire quali parti del testo trattare in modo diverso o evidenziare parti specifiche, ad esempio pezzi di contenuto che avete copiato nel prompt per dare più contesto o un contenuto precedente che volete che l’IA migliori. 

Iterare con l’IA

Si può anche migliorare un prompt in base alla risposta iniziale dell’IA. Ad esempio, si può iniziare con un prompt generico e poi aggiungere dettagli per renderlo più specifico. Ecco come potrebbe svilupparsi

Prompt iniziale: “Elenca le tendenze attuali nella personalizzazione degli articoli.

Livello successivo: “Quali sono gli elementi che rendono queste tendenze attraenti per i clienti?

Livello successivo: “Che tipo di articoli promozionali sono associati a queste tendenze?“. E via di questo passo per avere risposte più attinenti ed efficaci.

 

Ottimizzazione dei prompt

A volte un prompt esistente può essere ulteriormente migliorato chiedendo all’IA stessa di migliorarlo. Può essere un nostro prompt o uno di quelli che troviamo nei vari siti di prompt, che solitamente sono abbastanza generici. Facciamo un esempio. Ottimizza questo prompt aggiungendo gli elementi mancanti. “”” Devo lanciare un nuovo servizio di personalizzazione t-shirt su internet. Suggerisci come fare “””.

Risposta dell’IA “Ho analizzato l’immagine che mi hai fornito, e sembra contenere un prompt di base per il lancio di un nuovo servizio di personalizzazione di t-shirt online. Per ottimizzare il prompt e aggiungere ulteriori dettagli, è essenziale includere contesto, audience, obiettivi specifici, e le piattaforme di marketing da utilizzare. Proverò a riformularlo per ottenere un risultato più efficace” e prosegue con una serie di dati che praticamente si auto-chiederà grazie al prompt potenziato dall’IA stessa.

In alternativa, possiamo invece chiedere all’IA di farci domande affinché abbia tutti gli elementi per dare una risposta adeguata. Tipo: “Devo lanciare un nuovo servizio di personalizzazione t-shirt su internet (oppure il prompt iniziale con tutti gli elementi di cui sopra). Chiedimi eventuali informazioni mancanti che ancora ti occorrono per fornirmi una risposta adeguata.

Chain of Thought

Il metodo “Chain of Thought”, letteralmente catena di pensiero, è un sistema più sofisticato che aiuta l’IA a ragionare passo dopo passo per arrivare a una risposta più accurata. Questo approccio è particolarmente utile per problemi complessi o per richieste più articolate. Come riferimento, pensate a quando si ragiona e si dimostrano concetti matematici, dove ogni passo deve essere verificato prima di procedere.

Ecco un esempio: “Spiega come avviare un servizio di stampa personalizzata di t-shirt, considerando i passaggi necessari dalla fase iniziale fino alla vendita finale.

Possibile rispostaPrima di tutto, è necessario identificare il mercato target, come giovani creativi o piccole imprese. Successivamente, sviluppare una piattaforma online per permettere ai clienti di caricare i propri design. Bisogna assicurarsi che ci sia una buona integrazione del sistema di pagamento e considerare le opzioni di spedizione per raggiungere al meglio i clienti. Infine, promuovere il servizio utilizzando social media e collaborazioni con influencer per aumentare la visibilità.

Prompt: “Bene. Sviluppa meglio il primo passo e attendi il mio ok per il successivo.” Avremmo potuto anche chiedere nel prompt iniziale di mostrarci passo per passo il ragionamento. A voi la scelta.

Tecniche di creatività e problem solving

Alcune ultime (lo giuro!) chicche da utilizzare all’occorrenza.

Brainstorming guidato

Se si è a corto di idee o si vogliono, al contrario, espandere le proprie, si può usare l’IA per generare idee in modalità che possiamo definire. Ad esempio:

Prompt: “Facciamo un brainstorming per generare argomenti da usare per scrivere articoli per il nostro blog riguardanti la personalizzazione di flotte aziendali. Concentrati sui trend di personalizzazione e idee più redditizie. Usa strategie di Oceano Blu e Mucca Viola (per chi non lo sapesse, sono due strategie che puntano alla differenziazione verso i concorrenti).”

Prompt per approcci alternativi

Questo metodo è utile per esplorare approcci diversi a uno stesso problema. Ad esempio:

Prompt: “Proponi X approcci diversi per promuovere grafiche per vetrine. Descrivi vantaggi e svantaggi di ciascun approccio. Usa approcci non convenzionali

Prova tu stesso. Esempi pratici

Sapere, fare, saper fare. Provate questi esercizi per applicare quanto abbiamo letto e sperimentare i vari elementi del prompt design.

  • Esercizio 1: Scrivere un prompt per creare il nome di un nuovo prodotto rivolto a un pubblico di circa vent’anni. Definite chiaramente il tipo di prodotto (ad esempio, un gadget tecnologico o un prodotto di bellezza) e includete informazioni sul pubblico target, come interessi e preferenze di stile.
  • Esercizio 2: Chiedete all’IA di generare un annuncio pubblicitario per personalizzare abiti da lavoro. Specificate il tono (ad esempio, motivazionale o serio), il pubblico di riferimento (es. piccole imprese o artigiani), e i vincoli (ad esempio, evitare termini troppo tecnici e mantenere un linguaggio accessibile). Inoltre, includete dettagli come i vantaggi della personalizzazione per la brand identity e il comfort dei lavoratori.
  • Esercizio 3: Sperimentate con un prompt iterativo per migliorare un testo generato dall’IA sulla grafica da interni e floor graphic. Iniziate con un prompt generico e aggiungiete dettagli specifici passo dopo passo, come il tipo di spazio (ufficio, casa, negozio), il pubblico target (clienti retail, aziende, famiglie) e il messaggio principale da comunicare (eleganza, creatività, professionalità).

Conclusione

Come abbiamo visto, creare prompt efficaci richiede l’uso di alcuni elementi ricorrenti per fornire la giusta chiarezza all’IA.

Prendetevi del tempo e sperimentate. Sia con versioni gratuite che con versioni a pagamento di modelli come ChatGPT, Claude, Gemini, Mistral, conoscere le tecniche di un buon prompt porta a risultati mirati e in linea con i nostri obiettivi.

Un buon punto di partenza è iniziare con prompt semplici e poi aggiungere dettagli man mano, verificando cosa funziona meglio allo scopo. L’IA è uno strumento potente che funziona al meglio quando comunichiamo chiaramente con lei (beh, è così anche con le persone). Buon prompting!

Risorse per creare immagini potenziate con l’IA

Nel panorama odierno, l’intelligenza artificiale sta rivoluzionando il modo in cui creiamo e diamo forma alle nostre idee visive. Dalla generazione di immagini realistiche alla modifica avanzata delle foto, l’IA apre nuove possibilità per chiunque desideri ottenere risultati con una certa qualità, indipendentemente dal livello di competenza o dall’ambito in cui opera.

In questa pagina, raccolgo alcune delle risorse disponibili per creare immagini e grafiche potenziate con l’IA.

L’uso delle stesse sta a te. Che tu sia un creativo alla ricerca di ispirazione, un marketer alla scoperta di strumenti per migliorare le tue campagne, o una piccola impresa che vuole ottimizzare i processi, c’è qualcosa che probabilmente fa per te.

Queste piattaforme coprono diverse esigenza: dalla generazione di illustrazioni ad alta risoluzione all’ottimizzazione delle immagini esistenti, fino alla creazione di loghi su misura.

Questa pagina verrà arricchita regolarmente con nuove risorse e suggerimenti, per assicurarti di avere sempre a portata di mano gli strumenti più innovativi e adatti alle tue esigenze.

Strumenti di immagini potenziate con l’IA

DALL·E 

Cos’è: Un generatore di immagini basato sull’intelligenza artificiale sviluppato da OpenAI.

Cosa fa: Crea immagini realistiche o artistiche a partire da descrizioni testuali, rendendo accessibile la generazione di contenuti visivi anche a chi non ha competenze grafiche.

Extra: Ideale per creare concept iniziali di progetti, mockup o per brainstorming visivi. Ottimo punto di partenza per esplorare la creatività con l’IA.

MidJourney 

Cos’è: Un servizio di generazione di immagini tramite AI, particolarmente apprezzato per la qualità delle sue creazioni.

Cosa fa: Permette di generare immagini ad alta risoluzione basate su descrizioni testuali, spesso con un’estetica molto artistica e dettagliata.

Extra: Perfetto per progetti artistici, illustrazioni e copertine digitali. Può essere utilizzato anche per creare immagini d’atmosfera o mood board visivi per presentazioni.

Stable Diffusion 

Cos’è: Un modello di intelligenza artificiale open-source per la generazione di immagini.

Cosa fa: Consente di creare immagini ad alta risoluzione e può essere utilizzato sia online che localmente, offrendo grande flessibilità per l’editing visivo.

Extra: Ottimo per chi desidera personalizzare e ottimizzare il processo di generazione delle immagini, grazie alla possibilità di intervenire direttamente sui modelli di AI.

Imagen 

Cos’è: Il sistema di generazione di immagini sviluppato da Google.

Cosa fa: Produce immagini di alta qualità partendo da descrizioni testuali, focalizzandosi sulla precisione e sulla fedeltà ai dettagli della richiesta.

Extra: Utilizzato soprattutto per la ricerca e lo sviluppo nell’ambito dell’AI, ma può essere sfruttato per progetti che richiedono precisione nei dettagli.

Firefly 

Cos’è: Una suite di strumenti AI di Adobe dedicata alla creazione di contenuti visivi.

Cosa fa: Offre funzionalità avanzate per generare e modificare immagini direttamente all’interno degli strumenti Adobe come Photoshop, rendendo più semplice l’integrazione nel workflow creativo.

Extra: Perfetta per i professionisti del design che già utilizzano la suite Adobe. L’integrazione nativa permette di risparmiare tempo e semplifica la gestione dei progetti.

Flux 

Cos’è: Una piattaforma per la generazione di immagini tramite AI.

Cosa fa: Crea immagini ad alta risoluzione e offre opzioni avanzate per l’ottimizzazione e la personalizzazione dei contenuti visivi.

Extra: Ideale per chi ha bisogno di grande controllo sui parametri delle immagini generate, come la risoluzione e lo stile.

Canva 

Cos’è: Uno strumento di progettazione grafica online che utilizza l’intelligenza artificiale per semplificare la creazione di contenuti visivi.

Cosa fa: Permette di creare e modificare immagini, illustrazioni e grafiche di ogni tipo, anche senza competenze di design, grazie a modelli preimpostati e funzionalità intuitive.

Extra: Adatto per la creazione rapida di contenuti social, presentazioni e materiali di marketing. L’uso di modelli semplifica la personalizzazione per i brand.

Ideogram 

Cos’è: Un generatore di immagini basato su AI.

Cosa fa: Realizza immagini ad alta risoluzione a partire da descrizioni testuali, con un focus sulla creatività e sulla qualità visiva.

Extra: Ottimo per chi cerca soluzioni rapide per la creazione di illustrazioni o immagini per blog e articoli.

Freepik 

Cos’è: Una piattaforma che offre risorse grafiche di vario tipo, incluse immagini potenziate dall’IA.

Cosa fa: Fornisce accesso a migliaia di immagini, icone, vettoriali e effetti grafici creati con l’intelligenza artificiale, ideali per arricchire i progetti visivi.

Extra: Perfetta per chi ha bisogno di contenuti visivi pronti all’uso e vuole arricchire i propri progetti senza partire da zero.

ImageFX 

Cos’è: Un software di generazione di immagini ad alta risoluzione tramite AI.

Cosa fa: Crea immagini realistiche o stilizzate, ottimizzando la qualità visiva per vari tipi di contenuti, dall’editoria digitale alla stampa.

Extra: Consigliato per chi lavora con immagini destinate alla stampa e richiede elevata qualità di risoluzione e dettagli.

Luminar 

Cos’è: Un editor fotografico avanzato con funzioni basate sull’intelligenza artificiale.

Cosa fa: Migliora e modifica le foto con strumenti automatici per la correzione dei colori, la riduzione del rumore e il miglioramento dei dettagli.

Fotor 

Cos’è: Un software di editing fotografico online.

Cosa fa: Consente di modificare e migliorare le foto con funzioni AI per l’ottimizzazione automatica delle immagini e la creazione di collage o disegni.

Bigjpg 

Cos’è: Un servizio online per il miglioramento delle immagini.

Cosa fa: Utilizza l’AI per scalare, ritoccare e ingrandire immagini senza perdere qualità, migliorando i dettagli delle foto a bassa risoluzione

Jpghi 

Cos’è: Uno strumento per il miglioramento delle immagini basato sull’intelligenza artificiale.

Cosa fa: Permette di scalare, ritoccare e ingrandire immagini mantenendo la qualità visiva originale.

VanceAI 

Cos’è: Una piattaforma di miglioramento delle immagini tramite AI.

Cosa fa: Offre strumenti per ingrandire, migliorare e ritoccare le foto, con funzionalità che spaziano dalla riduzione del rumore al miglioramento della nitidezza.

Upscayl 

Cos’è: Un software open-source per il miglioramento delle immagini.

Cosa fa: Utilizza l’intelligenza artificiale per ingrandire e migliorare la qualità delle immagini, ideale per la stampa o il web.

PixelCut 

Cos’è: Un’app per la creazione di immagini di prodotti, pensata per e-commerce e social media.

Cosa fa: Consente di realizzare foto di prodotti di alta qualità con strumenti di ritaglio automatico e ottimizzazione.

Leonardo 

Cos’è: Una piattaforma di generazione di immagini ad alta risoluzione tramite AI.

Cosa fa: Permette di creare immagini dettagliate e realistiche partendo da descrizioni, con particolare attenzione alla qualità visiva.

Photoshoot 

Cos’è: Uno strumento per la creazione di foto di prodotti.

Cosa fa: Facilita la realizzazione di scatti professionali per e-commerce, utilizzando funzionalità di ottimizzazione automatica per migliorare l’illuminazione e i dettagli.

Upscale

Cos’è: Un servizio per migliorare la qualità delle immagini prodotte con l’IA.

Cosa fa: Utilizza algoritmi avanzati per aumentare la risoluzione e ottimizzare la qualità visiva delle immagini.

Shrink 

Cos’è: Un software per la gestione delle immagini prodotte con l’IA.

Cosa fa: Offre funzionalità di compressione e ottimizzazione delle immagini, mantenendo alta la qualità visiva.

Squoosh 

Cos’è: Un’applicazione online per la compressione delle immagini.

Cosa fa: Permette di ridurre le dimensioni dei file immagine senza compromettere la qualità, rendendo le immagini più adatte all’uso sul web.

Clip Drop 

Cos’è: Un’app per la creazione e l’editing di immagini tramite AI.

Cosa fa: Offre strumenti per generare immagini, eseguire ritagli automatici e migliorare la qualità visiva delle foto.

Bing 

Cos’è: Un motore di ricerca con funzionalità di generazione di immagini tramite AI.

Cosa fa: Consente di creare immagini basate su descrizioni testuali direttamente dalla ricerca Bing, sfruttando la tecnologia di OpenAI.

Recraft 

Cos’è: Una piattaforma per la creazione di immagini e illustrazioni tramite intelligenza artificiale.

Cosa fa: Genera immagini artistiche e personalizzate basate su descrizioni testuali, con un’attenzione particolare alla qualità dei dettagli.

Replicate 

Cos’è: Un servizio di generazione di immagini basato sull’AI.

Cosa fa: Replica immagini simili a quelle originali utilizzando algoritmi di intelligenza artificiale per creare varianti coerenti con lo stile richiesto.

Remini 

Cos’è: Un’app per migliorare la qualità delle foto, in particolare quelle vecchie o danneggiate.

Cosa fa: Utilizza l’AI per restaurare e migliorare le immagini, rendendo le foto sgranate o rovinate più nitide e definite.

Piclooks

Cos’è: Una piattaforma di immagini AI specializzata in foto profilo generate artificialmente.

Cosa fa: Fornisce foto profilo realistiche e autentiche in pochi secondi, perfette per mockup, progetti di marketing e presentazioni. Tutte le immagini sono completamente gratuite e possono essere utilizzate per scopi commerciali.

Extra: Ideale per designer che cercano alternative ai classici stock photo, risparmiando tempo e ottenendo immagini uniche senza problemi di diritti d’uso.

Craiyon

Cos’è: Una piattaforma di generazione di immagini tramite IA, precedentemente nota come DALL·E mini.

Cosa fa: Craiyon trasforma semplici descrizioni testuali in immagini generate dall’intelligenza artificiale. Con pochi click, puoi ottenere fino a nove immagini contemporaneamente.

Extra: È perfetto per utenti che cercano una soluzione gratuita e accessibile per esplorare le possibilità dell’arte generata dall’IA, con opzioni avanzate per migliorare la qualità delle immagini con un piano pro. Ottimo per progetti creativi e divertenti.

Khroma

Cos’è: Uno strumento AI per scoprire e creare palette di colori personalizzate.

Cosa fa: Khroma utilizza il machine learning per comprendere le tue preferenze cromatiche e generare infinite combinazioni di colori. Permette di salvare, filtrare e visualizzare le palette come tipografie, gradienti o immagini personalizzate, offrendo anche valutazioni di accessibilità e codice CSS per ogni combinazione.

Extra: Perfetto per designer che vogliono creare schemi di colori unici e personalizzati per i propri progetti.

Pixmaker
Cos’è: Una piattaforma AI per creare e modificare contenuti visivi.

Cosa fa: Pixmaker permette di generare immagini accattivanti e personalizzate con facilità, utilizzando l’intelligenza artificiale. Offre strumenti per l’editing e la creazione di grafiche ideali per progetti digitali, social media e marketing visivo, senza bisogno di competenze tecniche avanzate.

Extra: Perfetto per chi desidera creare immagini di alta qualità per uso personale o professionale con un’interfaccia semplice e intuitiva.

Delle
Cos’è: Una piattaforma AI per creare foto di prodotti di alta qualità senza la necessità di modelle o studi fotografici.

Cosa fa: Delle permette di generare immagini realistiche dei tuoi capi di abbigliamento caricando semplicemente una foto del prodotto. Puoi selezionare modelli e ottenere immagini pronte per l’uso in pochi minuti.

Extra: Ideale per e-commerce e brand di moda che vogliono risparmiare tempo e costi sui servizi fotografici, mantenendo comunque un’immagine professionale.

Playground

Cos’è: Uno strumento di design basato su intelligenza artificiale per creare contenuti visivi personalizzati.

Cosa fa: Permette di progettare loghi, t-shirt, grafiche per social media e molto altro, con un’interfaccia intuitiva e senza bisogno di competenze tecniche. L’AI assiste gli utenti nella creazione di design accattivanti e professionali.

Extra: Ideale per designer, creativi e aziende che vogliono sviluppare contenuti visivi unici in modo rapido e semplice.

Loghi

Piattaforme per la creazione di loghi

Wix Logo Maker 

Cos’è: Una piattaforma per la creazione di loghi.

Cosa fa: Utilizza l’IA per generare loghi personalizzati, adattandosi alle preferenze di design dell’utente e alle esigenze del brand.

Tailor Brands 

Cos’è: Un servizio per la creazione di loghi e branding online.

Cosa fa: Genera loghi unici utilizzando l’intelligenza artificiale, permettendo agli utenti di personalizzare i design per adattarli alla propria attività.

Looka 

Cos’è: Una piattaforma di design per loghi basata sull’IA.

Cosa fa: Offre strumenti per creare loghi professionali in modo semplice, con molteplici opzioni di personalizzazione per ottenere il design desiderato.

Infografiche

GraphicInfo

Cos’è: Un generatore di infografiche basato sull’intelligenza artificiale.

Cosa fa: Trasforma articoli e contenuti in infografiche visivamente accattivanti con un solo click. Offre opzioni di personalizzazione avanzate per adattare testi e immagini, rendendo le infografiche ideali per siti web, social media e presentazioni.

Extra: Perfetto per chi vuole creare contenuti visivi professionali in poco tempo, senza la necessità di competenze grafiche. Funzione di ricerca in tempo reale per contenuti aggiornati.

Quale IA per gli stampatori. Le opportunità dell’intelligenza artificiale generativa

Oggi la parola “intelligenza artificiale” è sulla bocca di tutti: un argomento che, a seconda dei casi, può essere pop, trendy o trash.

Ed è perfettamente normale. Come ogni innovazione epocale, coinvolge più discipline e ognuno, nel suo ruolo e nella sua competenza, esprime il proprio punto di vista.

Ma non è una moda. È qui per restare. Per noi che siamo nel mondo della stampa, essa rappresenta una magnifica opportunità.

Nella stampa, come in altri settori, l’intelligenza artificiale assume forme diverse, ognuna in specifiche applicazioni o strumenti.

Questo, pur essendo un grande vantaggio, innesca però qualche confusione, nel senso che troviamo la parola IA un po’ dappertutto.

Cerchiamo allora di fare chiarezza in modo che i vantaggi di questa tecnologia per noi siano chiari, distinguendo l’IA in due grandi gruppi, quella predittiva, che già c’è, e quella generativa, che ci interessa in modo particolare. 

IA predittiva. Una vecchia conoscenza (anche se magari ignoravamo si chiamasse così).

Sebbene sottotraccia fino a poco tempo fa, l’IA predittiva è probabilmente già presente nei software che molti stampatori utilizzano quotidianamente.

Per predittiva intendiamo un tipo di intelligenza artificiale, basato sul Machine Learning, che consente di prevedere eventuali attività, trend o eventi nel futuro, basandosi sui dati storici accumulati.

Questa tecnologia è molto importante ed è utilizzata per diversi scopi tra cui prevedere i tempi di completamento dei lavori, ottimizzare i flussi di produzione o prevenire guasti alle macchine o anomalie tramite la manutenzione, appunto, predittiva.

Ci consente anche di determinare i ritorni d’investimento, di migliorare la gestione del flusso di stampa o degli ordini in entrata. Magari lavoriamo già con cruscotti di questo tipo che ci forniscono questi dati.

Permette poi di raccomandare ai visitatori del nostro eshop prodotti simili o complementari a quelli che hanno comprato in precedenza e di fidelizzare la nostra clientela (come fa Netflix o Spotify nel raccomandarci film o video). Il tutto basato su dati storici.

Come detto, i costruttori implementano già funzioni predittive o di ottimizzazione e potete trovarle nei software di gestione (qualsiasi essi siano) sotto queste modalità classiche:

  • Sotto forma di classificazione dati (di solito per categorie, in modo da farci scoprire pattern o nuove opportunità);
  • Sotto forma di cluster, cioè gruppi di dati che hanno caratteristiche simili (di solito per tipologie di pubblico);
  • Sotto forma di evidenziazione di dati anomali (ritardi di pagamento, comportamenti fuori dallo standard);
  • Sotto forma di previsioni temporali (ad esempio evoluzione del business).

Quanto sopra è intelligenza artificiale a tutti gli effetti, anche se non luccicante come l’IA generativa!

 

Esempi di cruscotti predittivi su Roland DG Connect
Roland DG Connect – Cruscotti

 

IA generativa: La vera rivoluzione creativa

Se l’IA predittiva ottimizza i processi, l’IA generativa lavora con e per la nostra creatività.

Come dice il nome, questo tipo di IA è in grado di creare contenuti completamente nuovi, dalle immagini ai testi, strategie di marketing o design personalizzati, post e reel per i nostri social, audio dai nostri testi o suggerimenti per un brainstorming.

E qui sta la vera novità. Avere la possibilità per gli stampatori di generare idee, tattiche e materiali creativi che in passato avrebbero richiesto settimane di lavoro, deleghe all’esterno o semplicemente riattivare progetti accantonati per mancanza di tempo o d’ispirazione.

Questo avviene interagendo con gli strumenti, in linguaggio naturale. Esiste una vasta letteratura su come creare richieste alle piattaforme di IA (prompt) ma il fatto che possiamo interagire così come facciamo con una normale chat è stupefacente e riduce la complessità precedente dove si parlava alle macchine solo con linguaggi di programmazione.

L’intelligenza artificiale generativa è disponibile con diverse applicazioni, secondo quello che si vuole fare. Dagli straconosciuti ChatGPT, Gemini o Claude per la generazione di testo (e non solo) ai diversi strumenti per immagini, video, grafici, audio, musica, codice e analisi dati (dare un’occhiata qui, solo come esempio).

La bellezza dell’IA generativa sta anche nella potenza che ci mette a disposizione. Non solo possiamo creare noi le cose che ci occorrono (per poi magari svilupparle meglio con i nostri collaboratori o fare un brief più preciso ad agenzie che collaborano con noi), ma possiamo usufruire della grandissima conoscenza che queste piattaforme hanno, essendo state addestrate con enormi quantità di dati che contengono strategie, soluzioni, processi, immagini e tanto altro ancora provenienti da tutto il mondo.

Non solo, possiamo anche chiedere all’IA di far valutare le nostre richieste a guru o personaggi di riferimento del mondo del business, del marketing o della finanza, poiché le loro strategie sono state sicuramente implementate all’interno dei modelli di IA durante l’addestramento.

Un piccolo esempio usando ChatGPT e testo

Voglio entrare in un nuovo mercato che non conosco bene ma che ho notato essere interessante per me. Chiedo a ChatGPT di comportarsi come esperto di marketing del settore che ho scelto e di identificare i profili dei possibili clienti, le loro aspirazioni e i punti di preoccupazione. Poi chiedo allo strumento di sviluppare una strategia di marketing e di generazione contatti, magari privilegiando la parte social. Quindi posso chieder la creazione di una serie di post che userò sulle mie piattaforme che parlano il linguaggio della mia audience e ne toccano i punti principali. Ecco, il tutto in meno di un’ora, considerando anche che sarà poi la mia professionalità ed esperienza a rivedere e validare il tutto.  Potete farlo con altre piattaforme (Claude, Gemini, Mistral) , generare immagini a tema o musiche per i social.

Il futuro dell’integrazione dell’IA generativa nei software di stampa

Proprio come è avvenuto per l’IA predittiva, è plausibile che l’IA generativa verrà presto integrata nei software di gestione della stampa, come i RIP, rendendo questi strumenti ancora più potenti e facili da usare, riducendo la curva di conoscenza necessaria all’utilizzo dei software, e parlando con le nostre piattaforme come facciamo in una normale chat.

Alcuni produttori stanno già iniziando a includere funzionalità di AI nei loro software per automatizzare parti del processo creativo.

Le piattaforme per la creazione d’immagini di uso generale funzionano già tramite chat e linguaggio naturale.

L’importanza di padroneggiare l’IA generativa oggi

In attesa che queste tecnologie siano integrate in modo capillare nelle piattaforme di stampa, è fondamentale che gli stampatori inizino a familiarizzare con gli strumenti di IA generativa disponibili oggi. Non solo per essere pronti alle future integrazioni, ma anche per acquisire un vantaggio competitivo immediato, visto che, nonostante se ne parli tanto, siamo ancor agli inizi. Quindi alcuni suggerimenti, anche se possono apparire banali:

  • Sperimentare ogni con strumenti come ChatGPT, Gemini, Claude, Perplexity, Midjourney e DALL-E e provare a generare testi, ricerche, strategie e immagini.
  • Integrare l’IA nel flusso di lavoro quotidiano. Utilizzare l’IA per la creazione di contenuti, analizzare report, costruire presentazioni, rispondere a mail o personalizzare i prodotti.
  • Imparare come dialogare con l’IA. Prendersi del tempo per approfondire le tecniche per scrivere le richieste (prompt) in modo che l’IA ci dia sempre il massimo.

Per chiudere

L’intelligenza artificiale, sia predittiva che generativa, rappresenta una grande opportunità per gli stampatori.

Se da un lato l’IA predittiva migliora l’efficienza operativa ed è già probabilmente integrata nei nostri strumenti, dall’altro l’IA generativa ci permette di esplorare nuove strade creative e di business.

Investire ora del tempo e del denaro (relativamente poco, per quello che le piattaforme di IA ci danno) nel capire, nel formarsi, e nell’utilizzare queste tecnologie una delle cose più sane che possiate fare per la vostra azienda di cui non vi pentirete sicuramente.

 

Mappa essenziale dell’intelligenza artificiale per stampatori e creativi

Introduzione

L’Intelligenza Artificiale (IA) è oggi uno dei temi più discussi in ogni  ambito. Quello che vedo però è che spesso si da per scontato che le persone (tutte le persone) capiscano al volo di cosa si sta parlando, le sigle, dei nomi, le terminologie tecniche, i contesti.

Per mia esperienza, non do mai nulla per scontato, soprattutto quando stiamo parlando di un qualcosa che è relativamente nuovo e che, soprattutto, si evolve in maniera estremante veloce. Di un qualcosa che è ancora nebuloso per molti, e non per ignoranza ma semplicemente per mancanza di tempo o di occasioni per approfondire.

Basti pensare alle decine di novità che sono uscite negli ultimi mesi per rendersene conto nel mondo dei modelli di IA, tra nuove piattaforme per immagini, video o modelli più piccoli con altissime prestazioni.

La domanda che mi sono fatto è come uno stampatore o un creativo può star dietro a tutto questo, soprattutto se siamo ogni giorno focalizzati sulla creazione di progetti grafici, sulla qualità e la resa dei colori, sulla configurazione delle stampanti e la qualità del risultato finale. Insomma, su ciò che ci fa crescere professionalmente e personalmente.

Però, l’IA oltre a essere un tumultuoso presente, è anche il prossimo futuro. È qui per restare e noi dobbiamo essere in grado di contestualizzare tutte le novità che arriveranno, sia come piattaforme separate sia se inserite nei nostri software grafici o di gestione progetti o clienti. Ci servirà altresì per capire eventuali proposte da fornitori e consulenti circa l’uso dei nostri dati per applicazioni di business che utilizzano l’IA.

Per questo ho preparato questo articolo che illustra, in maniera molto semplificata, ciò che ci serve sapere sull’IA e i suoi componenti, come si relazionano tra di loro e che connessioni hanno.

Se pensiamo all’IA, possiamo raffigurarla come una serie di sotto insiemi. L’IA infatti racchiude al suo interno discipline sempre più specifiche. Sfrutteremo questo esempio consci anche del fatto che semplificheremo alcuni concetti che però ognuno di noi può sempre approfondire personalmente.

La mappa dell'IA e dei suoi componenti principali
La mappa dell’IA e dei suoi componenti principali

Intelligenza Artificiale (IA)

Partiamo dall’inizio, cioè dal concetto di Intelligenza Artificiale. L’IA, come probabilmente abbiamo già intuito, è una disciplina dell’informatica che si occupa di creare sistemi in grado di simulare comportamenti umani, come prendere decisioni, suggerire soluzioni, riconoscere immagini o comprendere il linguaggio naturale. Lo scopo dell’IA è rendere le macchine capaci di eseguire compiti che normalmente richiederebbero l’intelligenza umana. L’IA è un grosso ombrello, che copre diverse altre cose, oppure, se volete, immaginatelo come la fisica classica che studiamo a scuola, che racchiude altre materie come la termodinamica, il magnetismo o la meccanica.

Differenza tra IA tradizionale e Machine Learning

Prima di esplorare il Machine Learning, che è il primo step all’interno dell’IA, è importante comprendere la differenza tra i sistemi tradizionali di IA che si utilizzavano in maniera pressochè unica prima dell’arrivo dell’IA generativa e quelli basati sul Machine Learning, cioè sistemi che imparano da soli.

Nei sistemi di IA tradizionali, detti anche condizionali, si utilizzano regole apunto condizionali ‘if-then’ (se accade questo, allora fai questo) dove ogni possibile scenario è pre-programmato da un esperto (infatti sono chiamati anche sistemi esperti). Questo approccio, che sfrutta la conoscenza e l’esperienza in un determinato campo (chiamato anche knowledge base) e fornisce soluzioni in base a una serie di risposte sequenziali. Sono sistemi che sono stati usati ad esempio nella diagnostica medica o in configuratori per la scelta di un prodotto o in procedure di manutenzione e identificazione guasti.

Il problema di questi sistemi è che per adattarsi a nuovi scenari necessitano ogni volta di essere rivisti e riprogrammati e per situazioni complesse con molte variabili, questo rappresenta un limite, date le risorse che tali attività necessitano senza comunque acquisire flessibilità. Da qui la necessità di trovare alternative più efficaci e che autonomamente possano gestire situazioni nuove o inaspettate.

Abbiamo citato l’IA tradizionale perché, pur se in maniera minore che in passato, i modelli condizionali si usano dove la quantità di dati non è alta, dove complessità è gestibile o dove vi sono limiti di costo sui progetti.

Machine Learning (ML)

All’interno dell’ombrello che rappresenta l’IA troviamo il Machine Learning. Il ML è una sotto-disciplina dell’IA che si focalizza su algoritmi e modelli che permettono alle macchine di ‘imparare’ dai dati. In altre parole, anziché programmare esplicitamente ogni passo, i sistemi di ML identificano schemi e fanno previsioni o decisioni basate su dati passati. Un esempio di questo funzionamento è una app di musica che suggerisce nuove canzoni basate sugli ascolti precedenti oppure previsioni del traffico basate sullo storico dei dati precedenti. Qui si stanno utilizzando tecniche di Machine Learning. Il ML è stato una rivoluzione nel suo ambito, soprattutto con l’adozione di reti neurali sempre più sofisticate, che ha segmentato ancor di più le applicazioni possibili come vedremo sotto.

Deep Learning (DL)

All’interno del Machine Learning, troviamo il Deep Learning, una verticalizzazione delle applicazioni di Machine Learning appunto. Il Deep Learning utilizza reti neurali artificiali molto sofisticate con diversi strati (da qui il nome Deep) strutture ispirate al cervello umano e rese tramite modelli matematici, per analizzare grandi quantità di dati e fare previsioni molto precise.

È il DL che, insieme ai dati disponibili e alla discesa dei costi di computazione dei dati stessi, ha reso possibili molte delle recenti innovazioni nell’IA, come il riconoscimento delle immagini o la comprensione del linguaggio naturale. Quando si carica una foto su un social network e il sistema riconosce automaticamente i volti nelle immagini, c’è il Deep Learning in azione.

AI Generativa

Un sottoinsieme del Deep Learning che ha guadagnato una grandissima popolarità è l’IA Generativa. Questa sotto branca dell’IA utilizza modelli di Deep Learning per creare nuovi contenuti, come immagini, testo, audio, video o codice, a partire da dati esistenti. L’AI Generativa non si limita a fare previsioni, ma è in grado di generare qualcosa di completamente nuovo in base ai comandi dell’utente, spesso forniti sotto forma di ‘prompt’ in linguaggio naturale. È nell’IA generativa che troviamo la maggior parte delel applicazioni che oggi sono così popolari, da ChatGPT a MidJourney, da Claude a Dall-E o Sora. I campi specifici in cui lavora includono:

Generazione di testo – Creazione di articoli, storie o risposte a domande (es. ChatGPT o Gemini).
Generazione di immagini – Creazione di immagini originali (appunto MidJourney, Leonardo, Dall-E, Adobe Firefly)
Generazione di audio – Creazione di tracce musicali o sintesi vocale (es. Suno o Udio).
Generazione di video – Creazione di brevi clip video a partire da descrizioni testuali (es. Sora, Runaway, HeyGen).
Generazione di codice -Scrittura di codice sorgente in vari linguaggi di programmazione.

 

L’IA generativa utilizza architetture neurali molto sofisticate, come i Transformer, che si basano su diversi layer di software e che utilizzano migliaia di parametri al loro interno per fornire i risultati attesi.

La tendenza oggi è quella di avere modelli con milioni di parametri perché più alto è il numero, migliore è la resa e la performance del modello (a seconda di quello che si vuole fare ovviamente). Questi modelli sono addestrati su enormi quantità di dati in modo che possano poi identificare e ricreare pattern senza l’intervento umano, e si può dialogare con loro tramite prompt, ovverossia richieste in linguaggio naturale, come abbiamo visto nel precedente articolo.

È importante ricordare che, sebbene l’IA offra strumenti molto potenti, il ruolo della creatività umana e l’indirizzamento delle scelte creative in base alle esigenze del cliente rimane centrale e insostituibile. L’IA è un potenziatore di capacità creative e produttive, e non un mero sostituto della professionalità umana, che anzi, può sperimentare di più e meglio, in maniera veloce e a costi abbordabili.

LLM – Modelli di linguaggio di grandi dimensioni

Abbiamo visto che l’IA generativa è divisa per applicazioni. Quella del testo è basata su LLM ovvero ai Modelli di Linguaggio di Grandi Dimensioni, un tipo specifico di AI Generativa, dedicato principalmente alla gestione e processo del testo. Gli LLM, come GPT-4, sono modelli addestrati su enormi quantità di testo per comprendere e generare linguaggio naturale in modo fluente. Questi modelli possono scrivere articoli, rispondere a domande tradurre testi, post per social, idee per brainstorming, strategie marketing e di vendita e molto altro.

Gli LLM più famosi sono ChatGPT di OpenAI, Gemini di Google, Claude di Antrophic, Mistral, Perplexity, GroK di X, Copilot di Microsoft. Da tener presente che questi modelli oggi sono addestrati e possono lavorare non solo con il testo ma anche con immagini e codici di programmazione (nonché vari tipi di file come PDF Excel ecc.). Per questo sono detti multimodali oppure omnimodali. Ad esempio, ChatGPT include al suo interno Dall-E per la generazione di immagini.

Oggi però sta prendendo piede anche la possibilità di avere sistemi basati e addestrati sui propri dati, che non sono condivisi all’esterno ma sono proprietà dell’azienda. In questo caso parliamo di SLM o modelli di linguaggio più piccoli (Small Language Model), in cui girano principalmente dati aziendali, che possono venire dal CRM, dal CMS, dal nostro ERP aziendale o knowledge base su SharePoint o semplici file di uso interno (ad esempio file di prodotto o di servizi offerti). Questi modelli, pur essendo meno potenti dei LLM in termini di parametri, sono altamente efficienti e possono essere utilizzati in applicazioni dove le risorse computazionali sono limitate o non si vuole affidare i propri dati ad altri. Gli SLM stanno vedendo una grande crescita grazie alla loro capacità di essere implementati su dispositivi meno potenti e di fornire comunque prestazioni eccellenti in compiti specifici.
Un’altra cosa da sapere sugli LLM e SLM. Esistono modelli Open Source, cioè scaricabili e programmabili dagli utenti, come ad esempio Llama di Meta, e che crescono in base all’esperienza e alla condivisone degli utenti. Vi sono poi modelli Closed Source, come ChatGPT o Gemini che sono appunto chiusi dall’azienda che ne controlla il codice e l’addestramento.

Un esempio comune dell’uso di LLM è un chatbot avanzato che può lavorare su un database creato e gestito dall’azienda in modo da controllare le risposte e che può essere basato su tecnologia open o closed source.

DM – I modelli di diffusione

I modelli di diffusione (o diffusion model) sono architetture che servono per la riproduzione delle immagini, video ma anche audio. Sono estremamente importanti per chi fa grafica o creatività perché la maggior parte dei software di IA generativa per immagini utilizza questo modello. La creazione delle immagini avviene tramite una richiesta fatta in linguaggio naturale (prompt), proprio come negli LLM, su cui basano molte soluzioni in comune.

Il software, tramite delle operazioni particolari (chiamate diffusion e denoising), genera l’immagine richiesta. Si possono aggiungere parametri per riproduzioni particolari (es, tipo di macchina fotografica o focale) o lavorare su dettagli dell’immagine. Stable Diffusion, MidJourney, Imagen  o Adobe Firefly sono tutti software che usano i modelli di diffusione per la creazione d’immagini. Da ricordare che questi modelli sono ormai fondamentali per chiunque lavori nel campo della grafica o della stampa digitale, offrendo nuovi strumenti per esplorare e innovare soluzioni grafiche, creare mock-up e prototipi di applicazioni grafiche (ad esempio proposte di packaging o ambientazioni di grafiche da interno) e presentazioni accattivanti per la clientela in poco tempo.

Conclusione

L’Intelligenza Artificiale è un campo vasto e complesso, ma non per questo oscuor. Basta solo sapere che è composta da livelli che racchiudono concetti sempre più specifici e potenti, cime abbiamo visto sopra. Dall’IA generale fino agli LLM, ognuno di questi concetti gioca un ruolo fondamentale nel rendere le tecnologie moderne più intelligenti e capaci di aiutarci nei nostri compiti quotidiani.

All’atto di un progetto, di considerazioni d’acquisto di sistemi o dell’uso di determinate applicazioni, capire come esse si situano nel contesto dell’IA può essere senz’altro d’aiuto e dissipare confusione o dubbi o a discutere in maniera più consapevole con eventuali fornitori.

Come abbiamo detto, ogni specifico argomento può essere approfondito ma, come per guidare la macchina non dobbiamo essere necessariamente meccanici esperti, così per utilizzare l’IA i fondamentali possono essere già abbastanza per muoversi agevolmente tra terminologie e applicazioni.

Glossario

Intelligenza Artificiale (IA):
Una disciplina dell’informatica che si occupa di creare sistemi in grado di simulare comportamenti umani, come prendere decisioni, riconoscere immagini o comprendere il linguaggio naturale.

Machine Learning (ML):
Una sotto-disciplina dell’IA che si focalizza su algoritmi e modelli che permettono alle macchine di “imparare” dai dati. Piuttosto che essere programmati per ogni possibile scenario, i sistemi di ML identificano schemi e fanno previsioni basate su dati passati.

Deep Learning (DL):
Una specializzazione del Machine Learning che utilizza reti neurali artificiali molto sofisticate, ispirate al cervello umano, per analizzare grandi quantità di dati e fare previsioni molto precise. È alla base di molte delle recenti innovazioni nell’IA.

AI Generativa:
Una branca dell’IA che utilizza modelli di Deep Learning per creare nuovi contenuti, come immagini, testo, audio, video o codice, a partire da dati esistenti. Gli utenti interagiscono con questi sistemi utilizzando “prompt” in linguaggio naturale.

Modelli di Linguaggio di Grandi Dimensioni (LLM):
Modelli IA specializzati nella gestione e generazione di linguaggio naturale. Questi modelli, come GPT-4, sono addestrati su enormi quantità di testo e possono svolgere una varietà di compiti, dalla scrittura di articoli alla traduzione di testi.

Modelli di Linguaggio di Piccole Dimensioni (SLM):
Versioni più leggere e focalizzate dei LLM, che possono essere addestrate su dati specifici di un’azienda o su risorse limitate. Sono utili quando si desidera mantenere il controllo sui propri dati o quando le risorse computazionali sono limitate.

Modelli di Diffusione (Diffusion Models):
Architetture utilizzate principalmente per la generazione di immagini, video, e audio. Questi modelli funzionano tramite un processo di “diffusion” e “denoising” per creare contenuti visivi e sonori di alta qualità a partire da descrizioni testuali o altre informazioni di input.

Le mani in pasta con l’intelligenza artificiale

Parlando di intelligenza artificiale e volendo scendere sul concreto, come possiamo oggi mettere le mani su questo formidabile strumento e cercare di fare cose che possono aiutarci nel nostro business di stampa digitale o di personalizzazione?

Ci sono due sfide relative all’AI oggi per chi stampa. La prima è capire come funziona. Ho accennato qualcosa nel mio precedente post e prometto di fare qualcosa di più dettagliato ma digeribile prossimamente.

L’altra sfida, di cui parliamo in questo articolo, è capire dove e come usarla nel nostro quotidiano.

L’intelligenza artificiale c’è già

Chiariamo una cosa. Ci sono software che noi usiamo che hanno già elementi di intelligenza artificiale.

Ad esempio, se utilizziamo software che monitorano le nostre periferiche, ci indicano le manutenzioni da effettuare, i consumi previsti o il nostro ritorno d’investimento (come, ad esempio, Roland DG Connect), parliamo di intelligenza artificiale predittiva.

A differenza di quella generativa, non crea alcunché di nuovo ma usando i dati che arrivano dalle periferiche o da altri sistemi, calcolano eventuali azioni future. Esattamente il task per cui sono stati creati.

Spostandoci verso la parte grafica invece, l’intelligenza artificiale generativa si sta invece piano piano integrando nei software di grafica, dalle suite Adobe o plug-in Corel, a software più commerciali come Canva o il nuovo Designer di Microsoft.

Probabilmente assisteremo a integrazioni future di modelli come MidJourney o DALL-E in altre piattaforme oppure le stesse evolveranno creando piattaforme alternative a quelle sopra menzionate.

Queste piattaforme di AI generativa per immagini, chiamate anche Diffusion Models, lavorano partendo dalle richieste dell’utente e creando immagini secondo il prompt che è stato utilizzato (potete far sempre riferimento al mio articolo precedente per saperne un po’ di più sui prompt).

Il livello di qualità delle immagini è incredibile e sono perfette per presentazioni, mock-up o per il web. A livello di stampa, la risoluzione è ancora insufficiente, cosa che dipende principalmente dalle risorse e relativi costi che la generazione di tali immagini impegna.

L’altro lato dell’intelligenza artificiale generativa che m’interessa trattare in questo articolo invece è quello relativo agli LLM, large language model, modelli di AI generativa che lavorano con il linguaggio naturale come ChatGPT, Gemini o Claude.

Questo tipo di IA è immediatamente applicabile nel nostro business giornaliero, ed è veramente una questione di metterci le mani per cominciare a capire come funziona e cosa se ne può trarre.

Mani in pasta

Faccio riferimento a ChatGPT, ma le stesse osservazioni valgono per gli altri modelli LLM che utilizzeremo.

Innanzitutto, raccomando l’acquisto delle versioni a pagamento, per potenza e capacità di risposta. Potete anche divertirvi con le versioni free ma il numero di parametri (regolazioni e aggiustamenti con cui il modello è ottimizzati) è molto più alto e performante. Il costo mensile è accessibilissimo (parliamo di una media di 20 dollari al mese) e ci eviterà di trarre i nostri giudizi utilizzando versioni meno performanti.

Configurazione

Alla creazione dell’account, potrete subito configurare ChatGPT dicendoli chi siete, cosa fate e quali sono i vostri obiettivi. In questo modo, eviterete di dover ripetere le vostre esigenze a ogni prompt mentre ChatGPT saprà esattamente chi siete, come parlarvi e cosa volete ottenere. Nel menu delle impostazioni, definirete:

  • Quello che volete che ChatGPT sappia di voi per adeguare le sue risposte (ruolo, lavoro, missione aziendale, obiettivi, traguardi, sfide);
  • Come volete che ChatGPT vi risponda (professionale, amichevole, ruolo che deve assumere, come chiamarvi, se dare opinioni o essere creativo nelle risposte

Qui c’è un esempio a riguardo.

Nella prima casella potreste scrivere qualcosa tipo “Sono Giovanni, proprietario di un’azienda di stampa digitale. Produco grafica pubblicitaria, oggetti promozionali, abbigliamento personalizzato, grafiche per veicoli, per interni e segnaletica. Lavoro in Lombardia, nord Italia. Il mio obiettivo è essere sempre all’avanguardia nella proposizione dei miei prodotti alla clientela, cercare nuovi mercati inerenti alla stampa digitale, coltivare relazioni con colleghi, clienti ed esperti nel settore. Ho 8 dipendenti e io sono responsabile delle decisioni finali su acquisti e prezzi

Nella seconda casella invece, potreste dire a ChatGPT “Scrivi le tue risposte in maniera informale ma professionale. Sii sempre chiaro e preciso. Usa liste ed elenchi numerati. Comportati come un esperto di stampa digitale di piccolo, medio e grande formato, con tanti anni di esperienza e conoscenza di trend e applicazioni grafiche. Mostrami le sorgenti dei dati quando occorre. Puoi rivolgerti a me chiamandomi Giovanni. Offri prospettive differenti, non fermarti allo standard

Questi due piccoli e non esaustivi esempi ci aiuteranno nel configurare il nostro modello. A meno che non lo vogliate, ricordatevi anche di disattivare la condivisione dei vostri dati, che altrimenti verranno usati da OpenAI per l’addestramento dei suoi modelli (impostazioni, controllo dei dati).

ChatGPT Custom Instrucions

Usare l’IA generativa nel nostro business di stampa

Come applicare la IA generativa nel nostro quotidiano?

Un mito da sfatare è quello che l’IA rende tutto più semplice ed è applicabile ovunque. Queste due cose sono vere, se identifichiamo il processo a cui applicarla (e lo vedremo a breve). Se ci mettete più tempo nello scrivere un prompt che per ottenere una risposta, allora sarà meglio riconsiderare se non conviene usare gli approcci standard.

Il mio suggerimento, nella fase inziale, è quella di usare ChatGPT (o altri modelli), il più possibile. Rispondere a una mail, fare una ricerca, chiedere delle idee, analizzare un foglio Excel. Questo ci renderà il tutto più intuitivo, facendoci padroneggiare meglio lo strumento.

I prompt dovranno sempre seguire una struttura per funzionare bene, che di solito è la seguente:

  • Dare contesto, dire all’IA chi deve impersonare;
  • Definire il compito che deve eseguire, il task;
  • Dare le istruzioni su come farlo e come riprodurlo (tono, approccio, sentiment);
  • Definire l’audience a cui il risultato “parlerà”
  • Il formato di uscita (lingua, lunghezza);
  • Se occorre, definire dei limiti (non dire x o y);
  • Dare degli esempi per meglio guidare l’IA nelel rispose (questa tecnica si chiama few-shot prompting)

Aggiungo che si può sempre chiedere al modello di rivedere il prompt e di suggerire eventuali integrazioni d’informazioni mancanti. Lo si può fare addirittura 3 o 4 volte dicendo alla macchina di leggere ciò che produce e migliorarsi progressivamente generando prompt sempre più accurati. Dedicheremo ai prompt un prossimo articolo. Nel frattempo, potete anche esplorare raccoglitori di prompt da usare per ogni svariata occasione.

Applicazioni pratiche per lo stampatore

Prendiamo ora ad esempio alcune circostanze dove usare ChatGPT per aiutarci nel nostro business quotidiano. Usiamo l’interior decoration come esempio, ponendoci nel ruolo di chi vuole approcciare questo business. Potete sostituire interior decoration con qualsiasi altro mercato ovviamente (merchandising, t-shirt, grafica veicolare ecc.). Da qui, proviamo a sviluppare dei prompt che ci aiuteranno ad impostare la nostra strategia.

Analizzare un mercato

Quindi, il nostro obiettivo è di entrare nel mercato della decorazione d’interni, sia per il retail, che per arredamento. Vogliamo conoscere quindi di più questo mercato e confrontare ciò che già spaiiamo di esso. Potremmo iniziare chiedendo a ChatGPT:

Sei un esperto di stampa digitale per la decorazione d’interni con oltre 20 anni di esperienza nel settore. Il tuo compito è valutare la dimensione del mercato, il trend di crescita, le applicazioni più richieste. La tua valutazione deve servirmi per impostare il mio business e programmare il mio investimento. A questo link www.esempio.com, trovi un’attività che sta già proponendo questo servizio. Cita sempre le sorgenti dei report che usi per le tue ststistiche. Prima di procedere, leggi i prompt e verifica se hai tutte le informazioni necessarie. Proponimi un eventuale miglioramento prima di eseguire il prompt

A seconda della risposta, potremmo chieder a ChatGPT di approfondire alcuni aspetti o di esplicarne meglio altri. Vi consiglio di salvare questo progetto come un PDF in modo poi da riproporlo a ChatGPT per successive richieste.

Creare le nostre Buyer Personas

A chi ci rivolgiamo? Fatto quanto sopra, potremmo anche chiedere la seguente informazione extra “Descrivi le buyer persona per questo mercato e dividile per influencer (architetti e designer) e utenti (negozi, spazi pubblici, case private). Crea una tabella dove per ogni persona riporti una breve descrizione, le esigenze, i benefici e i punti critici. A questi link trovi alcune attività come le mie. Utilizza i siti per arricchire le tue personas. Prima di procedere, leggi i prompt e verifica se hai tutte le informazioni necessarie. Proponimi un eventuale miglioramento prima di eseguire il prompt”.

Se continuate nella stessa finestra, il prompt di cui sopra potrebbe essere sufficiente. Potete allegare il PDF con il piano sviluppato per reinforzare ulteriormente il prompt. Se lo fate da una nuova finestra, sarà obbligatorio caricare il PDF insieme al prompt per meglio guidare la macchina.

Queste personas potranno essere salvate in un documento a parte oppure (consigliato) inserite nel PDF di cui sopra, in modo da lavorare con un unico documento.

Brainstorming con i colleghi sul nuovo mercato

Ora, volendo discutere questa cosa interamente e volendo tirare fuori altre idee dai nostri collaboratori potremmo chiedere a ChatGPT “Crea una struttura di brainstorming basata sulla seguente domanda – Come entrare nel mercato dell’interior decoration con la stampa digitale – usa approcci creativi e suggerisci idee per posizionare l’azienda e i nostri prodotti stampati. La struttura deve includere analisi di mercato, strategia di posizionamento, idee per proporre i nostri prodotti ed eventuali strategie di marketing e vendita. Utilizzeremo i risultati per una discussione interna. Usa il PDF in allegato come base di lavoro. Prima di procedere, leggi i prompt e verifica se hai tutte le informazioni necessarie. Proponimi un eventuale miglioramento prima di eseguire il prompt”.

Creare una pagina web per l’interior decoration

Da qui potremmo ora chiedere “In base a quanto discusso finora, crea una struttura di pagina web dove pubblicizzare il nostro servizio per l’interior decoration, basata sulle personas X, Y e Z, dove evidenzi i pro di utilizzare la stampa digitale e la qualità del nostro servizio. Inserisci slogan e testi con tono professionale ma amichevole e aggiungi una call- to-action per le conversioni. Individua le keyword usate da queste personas e aggiungile nel testo della pagina. Usa il PDF in allegato come base di lavoro. Prima di procedere, leggi i prompt e verifica se hai tutte le informazioni necessarie. Proponimi un eventuale miglioramento prima di eseguire il prompt

Articoli blog per la nostra promozione

Se abbiamo un blog e delle pagine social, potremo chiedere al nostro modello

Sei un esperto di stampa digitale per la decorazione d’interni con oltre 20 anni di esperienza nel settore. Prepara tre articoli per il nostro blog che parlano dei vantaggi dell’uso della decorazione digitale per gli interni. Nel primo articolo concentrati sulle applicazioni nel mondo retail. Nel secondo su come la creatività di architetti e designer può essere amplificata con la stampa digitale, nel terzo sulla decorazione di muri con carte da parati personalizzate o wall graphics. Evidenzia i benefici e come i punti critici delel varie personas vengono risolte dalle soluzioni che proponiamo. Per ogni articolo inserisci le keyword più usate. Ecco alcuni esempi di pagine simili sviluppate dalla concorrenza – www.abc.com, www.def.com, www.ghi.com – Sii creativo ma mantieni un tono amichevole ma professionale e concludi sempre invitando al contatto con la nostra azienda. Usa il PDF in allegato come base di lavoro. Prima di procedere, leggi i prompt e verifica se hai tutte le informazioni necessarie. Proponimi un eventuale miglioramento prima di eseguire il prompt

Post per social

Fatto questo, gli chiederemo di creare 5 post per i nostri canali social “Sei un esperto di stampa digitale per la decorazione d’interni con oltre 20 anni di esperienza nel settore. Crea 5 post sulla stampa digitale per la decorazione d’interni per Facebook, Instagram e LinkedIn. Usa i toni tipici per ogni social. Utilizza la descrizione delle personas in allegato per meglio intercettare le audience. Usa il PDF in allegato come base di lavoro. Prima di procedere, leggi i prompt e verifica se hai tutte le informazioni necessarie. Proponimi un eventuale miglioramento prima di eseguire il prompt”.

Potremmo allegare i blog creati per dare più contesto al modello (sempre in formato PDF).

Per concludere

Questo è un piccolo e non esasutivo esempio di come una piattaforma come ChatGPT può aiutarci nell’ottimizzare il lavoro ed avere del materiale che può essere finalizzato in tempi brevi, rispettando le nostre esigenze e il pubblico a cui ci rivolgiamo. Questo materiale può essere usato internamente, se gestiamo personalmente i canali di comunicazione o dato a un’agenzia esterna come brief.

Non date tutto per scontato. Ricordo che quello che un modello LLM crea deve essere sottoposto al vostro vaglio e arricchito o corretto dalla vostra esperienza sul campo. Chiedete le sorgenti al modello quando occorre e verificate personalmente i risultati. Non accontentatevi della prima risposta ma reiterate il prompt, se occorre.

ChatGPT (o chi per lui) mette la manovalanza ma il tocco di professionalità che rende il tutto vero e fa trasparire la competenza, potete aggiungerlo solo voi.