Il vocabolario AI cambia ogni 6 mesi. Per chi non è del mestiere è facile sentirsi in soggezione di fronte a un fornitore che parla per acronimi. Questo glossario riduce il rumore: solo le parole che ti capiterà di sentire davvero, in italiano, con esempi che servono a decisioni reali.
Lo abbiamo organizzato come una scaletta: dalle basi (LLM, prompt, token) ai concetti operativi (RAG, agentic, guardrail) fino agli aspetti tecnici che incontrerai in un preventivo (vector database, latency, fine-tuning). Salta direttamente al termine che ti serve.
LLM (Large Language Model)
Il modello di linguaggio sotto a strumenti come ChatGPT, Claude, Gemini. Tradotto: un software che ha letto miliardi di testi e ha imparato a generare testo coerente in risposta a un input. Non sa nulla di te o della tua azienda di default.
Quando un fornitore parla di "scegliere il modello", parla di selezionare quale LLM usare (es. GPT-4o, Claude Sonnet 4, Gemini 2.5). Modelli più grandi sono più capaci ma più costosi e più lenti: la scelta dipende dal task.
Prompt
L'istruzione che dai al modello. "Riassumi questo documento in 3 punti" è un prompt. Tutta la qualità di una risposta AI dipende dalla qualità del prompt. C'è un mestiere intero (prompt engineering) che è semplicemente: scrivere bene le istruzioni.
In azienda, i prompt seri non sono frasi: sono documenti strutturati con identità, regole, esempi, formati di output. Possono superare le 1.000 parole. Vanno versionati e testati come codice.
Token
Le sotto-unità di testo che il modello legge e produce. Un token è circa 3-4 caratteri in italiano. La tariffazione delle API AI è quasi sempre per token (input + output). Importante per stimare i costi: 1.000 token sono circa 750 parole.
Esempio numerico: una conversazione customer care media usa 2.000-5.000 token. A 1€ per milione di token (tipico nel 2026 sui modelli mid-tier), una conversazione costa 0,002-0,005€. Banale per chi ha volumi bassi, importante quando si arriva a centinaia di migliaia di interazioni.
Context window
La quantità massima di testo che il modello può leggere in una richiesta. Va da 8.000 token (vecchi modelli) a oltre 1 milione (modelli moderni). Se il tuo documento è più lungo del context window, vanno usati altri trucchi (vedi RAG).
Avere context window enorme non significa che il modello "ricordi tutto bene": le performance degradano sui contesti lunghi (fenomeno noto come "lost in the middle"). Per documenti complessi, RAG selezionato è quasi sempre più affidabile di "carico tutto e spero".
Embedding
Una rappresentazione numerica di un testo, in cui frasi simili sono "vicine" nello spazio matematico. Serve per cercare informazioni per significato (semantica) invece che per parole esatte. Quando un'AI "capisce" che "cane" e "cucciolo" sono concetti simili, sta usando embedding.
Vector database
Il database dove vengono salvati gli embedding e da cui si recuperano i pezzi più rilevanti per un RAG. Pinecone, Weaviate, Qdrant, pgvector (estensione PostgreSQL) sono i nomi che sentirai. Per progetti piccoli/medi, pgvector dentro un PostgreSQL già in casa è quasi sempre la scelta più sensata: niente nuovo provider, niente nuovi costi fissi.
RAG (Retrieval-Augmented Generation)
La tecnica con cui un AI risponde basandosi sui tuoi documenti, non solo su quello che ha imparato durante il training. Funziona così:
- L'utente fa una domanda.
- Il sistema cerca nei tuoi documenti i pezzi più rilevanti (usando embedding).
- Passa quei pezzi all'LLM insieme alla domanda.
- Il modello risponde citando le fonti.
È il modo più affidabile per dare a un AI conoscenza specifica della tua azienda senza modificarne i pesi interni. La maggior parte dei progetti aziendali AI seri sono RAG, non fine-tuning.
Fine-tuning
Riaddestrare un modello su dati tuoi per cambiarne il comportamento. Più lento e costoso del RAG, e di solito non necessario. Ha senso quando il tono di voce, lo stile, o un task molto specifico non si ottengono via prompt + RAG. Per il 90% dei casi aziendali, RAG basta.
Quando un fornitore ti propone fine-tuning come prima opzione, è quasi sempre una bandiera rossa: chiedi "perché non un RAG?". La risposta dovrebbe essere tecnica e specifica al tuo caso, non generica.
Tool / Function calling
La capacità del modello di chiamare funzioni esterne: API, database, calendar, CRM. Un LLM puro produce solo testo. Con i tool diventa un agente che può prenotare, aggiornare, consultare, agire. È il salto da "chat" a agente AI.
Agente AI / Agentic
Un sistema dove il modello non si limita a una singola risposta, ma pianifica più passi, usa tool, valuta i risultati, e itera fino a raggiungere un obiettivo. La parola "agentic" indica architetture in cui il modello è autonomo nelle decisioni di flusso.
Le architetture agentiche più mature nel 2026 sono multi-step con punti di sorveglianza umana espliciti: l'agente esegue, ma su decisioni rilevanti chiede conferma. È il pattern che funziona meglio in azienda.
Hallucination
Quando il modello inventa informazioni con sicurezza. È il principale rischio degli LLM. Si riduce con RAG (contenuto autorevole esterno), prompt rigorosi, e validazione dell'output. Non si elimina mai del 100%.
Tre livelli di mitigazione, dal più semplice al più rigoroso: (1) chiedere al modello di citare le fonti; (2) RAG con cap sui token presi dai documenti; (3) validazione automatica delle risposte contro un set di regole o un secondo modello che fa quality check.
System prompt
Le istruzioni "fisse" date al modello prima della conversazione. Definiscono identità ("sei un assistente per il customer care di X"), regole ("non rispondere a domande personali"), tono. Sono il singolo elemento più sottovalutato nei progetti AI: spesso fanno la differenza tra un agente professionale e uno imbarazzante.
Guardrail
Limiti programmatici che impediscono all'agente di fare cose che non deve. Filtri di contenuto, limiti di azione (max spesa, max email/ora), controlli su input sensibili. Un agente serio in azienda ha sempre guardrail. Sono particolarmente importanti per stare dentro i requisiti dell'AI Act.
Multimodale
Modello che capisce/produce non solo testo, ma anche immagini, audio, video. ChatGPT con vision, Claude con image input, Gemini sono multimodali. Utile per OCR di documenti, analisi di foto di prodotti, transcript di chiamate, agenti vocali (voice mode).
Inference
Il momento in cui il modello "gira" per rispondere. Le API si pagano per inference (numero di token processati). Un'ottimizzazione tipica è ridurre i token usati per ogni inference senza perdere qualità: caching, prompt più brevi, scelta di modelli più piccoli per task semplici.
Latency / TTFT (Time To First Token)
Il tempo che il modello impiega per cominciare a rispondere. Importante in scenari conversazionali: una latenza sopra i 2 secondi spezza il flusso della conversazione vocale. I modelli moderni hanno TTFT sotto i 500ms su prompt brevi, oltre i 2-3 secondi su prompt lunghi (es. RAG con molto contesto). È una variabile spesso ignorata nei preventivi e che pesa molto sull'esperienza utente.
Streaming
Modalità in cui il modello manda la risposta token-per-token mentre la genera, anziché aspettare di averla pronta. Tecnica standard per ridurre la latenza percepita: l'utente vede il testo che cresce e lo legge mentre arriva. Va attivato esplicitamente nelle API.
Quando ti serve davvero questo glossario
Quando un fornitore ti propone "fine-tuning del modello sui vostri dati", chiedi: "Perché non un RAG?" Spesso la risposta tecnica giusta è la seconda, ed è un decimo del costo. Quando ti dicono "agente autonomo", chiedi: "Quali guardrail e quale escalation?" Se non sanno rispondere, non è un agente serio.
Per gli ordini di grandezza realistici dei costi associati a queste tecnologie, abbiamo dedicato un articolo a parte: quanto costa davvero un agente AI. E per scegliere tra i diversi modelli disponibili, ChatGPT vs Claude vs Gemini per uso aziendale.