Percorso 01
Se parti da zero, questo percorso ti fa iniziare dai concetti essenziali, poi collega l'AI al lavoro e infine ti porta a provare uno strumento su un'attività reale. Non richiede coding né acquisti immediati: confronta prima corso, impegno e attestato, quindi scegli se proseguire.
Per chi
Per chi parte da zero e vuole capire se e come l'AI riguarda il proprio lavoro, prima di spendere soldi o mesi in un percorso più impegnativo.
Cosa ottieni
Saprai descrivere cosa può e cosa non può fare l'AI, avrai provato almeno uno strumento su un'attività reale e distinguerai un attestato da una certificazione professionale.
Infografica di orientamento
AI, machine learning, modelli e agenti non sono sinonimi. Questa mappa ti aiuta a capire cosa insegnano i corsi e quale direzione prendere, senza partire da formule o codice.
Tempo di lettura
5 minuti
Il campo generale
Comprende metodi diversi per far svolgere a una macchina compiti che richiedono percezione, previsione, linguaggio o ragionamento.
Un altro ramo
Regole e conoscenza esplicite
Rappresenta concetti, relazioni e regole definite in anticipo. Ricorda che l'AI non coincide con le reti neurali o con i chatbot.
Un ramo dell'AI
Il sistema apprende schemi da esempi e dati, invece di ricevere ogni regola a mano.
Un ramo del machine learning
Usa reti neurali con più livelli. È alla base di molti sistemi per immagini, voce e linguaggio.
Modelli che creano nuovi contenuti
Produce testo, immagini, audio o codice. Puoi usarla senza sapere come si addestra un modello.
Non sono tre livelli obbligatori: un tool può limitarsi a una singola funzione, mentre un agente può coordinare più modelli e strumenti.
Il motore
Riceve un input e calcola un output. Le sue capacità e i suoi limiti influenzano tutto ciò che viene costruito sopra.
Il prodotto che usi
Aggiunge interfaccia, funzioni, dati e regole attorno a uno o più modelli.
Un flusso in più passaggi
Combina modello e strumenti per raggiungere un obiettivo. Può agire con più autonomia, ma richiede controlli e criteri di riuscita.
Il natural language processing lavora sul linguaggio; la computer vision su immagini e video. Sono campi di applicazione: possono usare machine learning, deep learning o altri metodi, secondo il problema.
No. Per usare bene un tool servono soprattutto obiettivo, verifica dell'output e attenzione ai dati. Le basi tecniche diventano importanti se vuoi costruire, valutare o addestrare sistemi.
Scegli la prossima direzione
Senza coding
Continua con le tre tappe: parti dai concetti, passa al lavoro e prova un'attività reale.
Continua da quiCon il codice
Passa al percorso tecnico su machine learning, LLM, agenti e progetti verificabili.
Apri il percorso developerCon una credenziale
Confronta esami vendor e percorsi accademici prima di investire tempo e denaro.
Confronta le credenzialiFonti principali: Microsoft AI for Beginners, Google Machine Learning Glossary, Google Introduction to Large Language Models. Contenuto verificato il 2 agosto 2026.
Ordine consigliato
Completa una risorsa e prova ciò che hai imparato prima di passare alla successiva. L'ordine serve a evitare prerequisiti mancanti.
Come stimiamo l'impegno
Le fonti misurano l'impegno in modi diversi: ore di video, esercizi e settimane suggerite. Considera alcune decine di ore complessive, non una somma matematica delle durate.
Costruisci le basi in italiano
Per capire concetti, usi e rischi con un corso breve prima di passare a risorse più impegnative.
IBM · Corso
Prova pratica
Spiega con parole tue la differenza tra prevedere un risultato e comprendere davvero un problema.
Puoi saltare questa tappa se
Sai già definire machine learning, ruolo dei dati e principali limiti dei modelli senza ricorrere a slogan.
Collega l'AI alle decisioni
Per passare dalla teoria all'impatto su team e organizzazioni.
DeepLearning.AI · Corso
Prova pratica
Scegli un processo del tuo lavoro e annota un vantaggio concreto, un rischio e ciò che dovrebbe restare sotto controllo umano.
Puoi saltare questa tappa se
Sai già valutare un caso d'uso AI nel contesto di un'organizzazione, inclusi costi, dati e limiti operativi.
Mettila alla prova
Per applicare subito quanto imparato alle attività quotidiane.
Google · Specializzazione
Prova pratica
Ripeti con uno strumento AI un'attività ricorrente e registra risultato, correzioni necessarie e tempo effettivamente risparmiato.
Puoi saltare questa tappa se
Usi già l'AI generativa in modo responsabile su attività reali e sai verificare sistematicamente gli output.
Altre risorse
Nel catalogo puoi filtrare per risultato, livello, costo e credenziale.
