Come Imparare l'AI da Zero: La Guida Pratica per il 2026

L'80% di quello che trovi online sull'intelligenza artificiale è teoria inutile o contenuto già superato. Questa percentuale non la invento: l'ho scoperta negli ultimi due anni passati a testare modelli, workflow e automazioni per clienti reali. La verità? Serve concentrarsi sul 20% che funziona davvero, oggi e tra dieci anni.

Quando ho iniziato a lavorare seriamente con l'AI, mi sono reso conto di una cosa: la maggior parte delle guide ti insegna tutto, tranne quello che ti serve. In questo articolo ti mostro il percorso che seguirei se dovessi ricominciare da capo, organizzato in tre livelli che si costruiscono uno sull'altro.

Livello 1: Scegli un Modello e Vai in Profondità

La prima decisione è anche la più liberatoria: quale AI usare? ChatGPT, Claude o Google Gemini? La risposta è: non importa più di tanto.

I modelli oggi sono talmente potenti e simili che la differenza per l'utente medio è trascurabile. Tutte le grandi aziende AI si copiano a vicenda: le funzionalità core sono identiche. Una volta che padroneggi un modello, le competenze si trasferiscono direttamente agli altri.

Ecco i miei tre principi per scegliere:

Priorità ai piani a pagamento: Se il tuo cliente o la tua azienda ti dà accesso a Gemini Premium, usa quello. Il divario tra versione gratuita e a pagamento è enorme.
Scegli in base al tuo lavoro: ChatGPT eccelle nella ricerca web e ha la community più ampia. Claude è fortissimo nella scrittura, nel design e nel coding (anche per chi non scrive codice: analisi dati e diagrammi si basano su codice sotto il cofano). Gemini è imbattibile se lavori con testo, immagini, audio e video insieme, ed è perfetto per chi vive in Google Workspace.
Vibes: Sembra banale, ma ogni AI ha una personalità. Più ti piace usarla, più la usi, più diventi bravo.

Pro tip che uso personalmente: cambia le impostazioni di default. Le aziende ti mettono sul modello più debole perché costa meno. Passa sempre alla versione più potente per il lavoro vero: questi modelli scompongono le richieste, mappano i passaggi e colgono sfumature che non penseresti di specificare.

Perché il Prompt Perfetto Non Esiste (e Cosa Conta Davvero)

Non ho menzionato il prompting nel livello 1, e non è un caso. Con modelli così potenti, il prompt non è più il fattore principale nella qualità dell'output.

Te lo dimostro con un esempio semplice. Devi trovare un ristorante per un cliente importante. Opzione A: scrivi un prompt di 10 minuti descrivendo i suoi gusti. Opzione B: dai all'AI una lista di ristoranti che il cliente ha amato in passato e lasci che identifichi il pattern.

L'opzione B vince sempre. Quella lista è il contesto giusto. E il contesto giusto batte sempre il prompt perfetto.

Nella pratica: non devi più memorizzare framework di prompting. I modelli inferiscono ruolo, formato e tono da soli, se gli dai due cose: un risultato chiaro e il contesto giusto. Formula OC: Outcome + Context.

Esempio concreto. Vuoi un piano di allenamento. Opzione A: scrivi un prompt lungo con esperienza, attrezzatura, orari, obiettivi, formato. Opzione B: copi un articolo sulla routine push-pull-legs, lo incolli come contesto e scrivi: "Voglio un programma di 4 giorni per massa muscolare, 45 minuti al giorno. Personalizzalo per me partendo da questo."

L'output B sarà sempre migliore perché invece di dire "Agisci come un personal trainer senior", l'AI inferisce un ruolo molto più preciso dal contesto: specialista in compound training. Un ruolo che tu non avresti pensato di specificare.

Le Tre Fonti di Contesto che Uso Ogni Giorno

Ora che sappiamo che il contesto è re, come troviamo quello giusto? Tre modi che uso costantemente:

Nomina un framework rilevante: Invece di un paragrafo su come ristrutturare un report, scrivo "Riscrivi questo usando il principio della piramide." Quelle due parole contengono più contesto di una pagina di spiegazioni. Pro tip: chiedi all'AI quali framework sono rilevanti per il tuo caso, poi usa quello che si adatta.
Esempi reali di cosa funziona: Gli esempi contengono tutto quello che dimentichi di dire: aspettative del cliente, preferenze del team. Invece di specificare formato, lunghezza e tono per un report settimanale, incollo gli ultimi 2-3 report approvati, aggiungo i dati grezzi della settimana e scrivo "Scrivi il report di questa settimana nello stesso formato." L'AI estrae tutto da quegli esempi.
Connetti i tuoi strumenti: Il miglior contesto esiste già: nelle tue email, su Google Drive, in Slack, su Notion. Connettendo questi strumenti, l'AI può tirare direttamente quello che serve senza scaricare e ricaricare. Esempio pratico: invece di allegare manualmente trascrizioni di più riunioni, indichi all'AI lo strumento e gli chiedi di recuperare i file necessari e tirare fuori insight.

Progetti: Come Salvare Contesto per Lavori Ricorrenti

Come salviamo contesto rilevante per lavori ricorrenti, senza ripeterci ogni volta? In ChatGPT e Claude la funzione si chiama Progetti. In Gemini si chiamano Gemini Gems, ma funzionano allo stesso modo.

Un progetto è una casa permanente per un flusso di lavoro ricorrente e contiene tre componenti:

Istruzioni del progetto: Le regole che valgono sempre, come obiettivi e vincoli di tutto quel flusso di lavoro.
File di conoscenza: Le informazioni di riferimento da cui l'AI attinge: documenti sorgente, esempi, framework.
Memoria: Aggiornata automaticamente dall'AI, tiene traccia di aggiornamenti chiave e milestone in quel flusso.

Esempio che uso personalmente: ho un progetto workout in Claude che agisce come coach. Nelle istruzioni del progetto ci sono l'obiettivo (massa muscolare), i vincoli (45 minuti a sessione, solo casa) e un riferimento al file di conoscenza (il programma push-pull-legs). Ogni conversazione ha accesso a quel file. Posso scrivere "Oggi ho solo 25 minuti per un pull day, cosa faccio?" e l'AI mi raccomanda un allenamento basato sul programma.

Se mi infortunassi alla spalla, l'AI prenderebbe nota nella memoria e mi terrebbe lontano da esercizi per le spalle finché non guarisco.

Pro tip tecnico: usa file in formato .md markdown invece di PDF quando possibile. I markdown sono più facili da leggere per l'AI e più economici da processare. Puoi chiedere all'AI di convertire i PDF in markdown.

Livello 3: Sistemi AI che Connettono i Puntini

I progetti sono ottimi per lavori ricorrenti, ma ogni progetto è un silos isolato. Il mio progetto workout non vede i referti medici salvati in un altro progetto, anche se avrebbe senso che comunicassero.

Qui entrano i sistemi AI. Un sistema AI fa due cose che i progetti singoli non possono fare:

Tira contesto da progetti diversi, identifica pattern trasversali e fa emergere insight che i singoli progetti avrebbero perso.
Si aggiorna da solo dopo il tuo feedback, quindi gli apprendimenti si accumulano nel tempo.

Tre opzioni principali, dalla più semplice alla più avanzata:

Gemini Spark: Il più user-friendly, richiede setup minimo perché già connesso a Gmail, Google Calendar, Drive. Meno controllo sulla configurazione, ma perfetto per iniziare.
Claude Cowork: Progettato per non-tecnici come me. Più controllo, ma richiede setup. Personalmente uso questo per la maggior parte del lavoro cliente.
Claude Code e OpenAI Codex: Cowork sotto steroidi. Completamente personalizzabili, potentissimi, ma serve un po' di confidenza con il codice.

Esempio reale del mio workflow: avevo tre progetti separati per checkup annuali, integratori e piano workout. Una volta migrati in Cowork, il sistema ha incrociato il mio ultimo checkup con il piano di allenamento, ha notato che non avevo giorni di cardio nonostante colesterolo borderline alto, e ha raccomandato di aggiungere sessioni cardio nei giorni di riposo. Nessun progetto singolo avrebbe collegato quei puntini.

Altro esempio pratico: quando l'AI mi dà una bozza di script, io faccio modifiche per renderlo più mio, poi condivido la versione finale e chiedo di "riconciliare" la mia versione con la bozza iniziale. L'AI disseziona ogni modifica, propone regole da ricordare per la prossima volta. Più do feedback, più il sistema diventa intelligente, meno istruzioni devo dare.

Il Percorso: Tre Livelli, Zero Fretta

Ricapitoliamo il percorso completo:

Livello 1: Inizia con uno dei tre chatbot principali (ChatGPT, Claude, Gemini). Usa sempre il modello più potente disponibile. Vai in profondità: le competenze si trasferiscono agli altri.

Livello 2: Impara che tipo di contesto aiuta davvero l'AI. Salvalo in progetti per smettere di ripeterti nei lavori ricorrenti. Formula OC: Outcome + Context batte qualsiasi framework di prompting complesso.

Livello 3: Connetti quei progetti in un sistema che si arricchisce più lo usi. Gemini Spark per iniziare, Claude Cowork se vuoi più controllo, Claude Code o Codex se ti senti a tuo agio con un minimo di codice.

La maggior parte delle persone non è ancora al livello 3. Va benissimo così. Non c'è fretta. Il divario tra usare l'AI e usarla bene è sempre stato invisibile. Se questo articolo ti ha aiutato a capire dove sei ora e su cosa concentrarti dopo, ha fatto il suo lavoro.

Una riflessione finale: stiamo vivendo un momento in cui un professionista singolo, con gli strumenti giusti, può fare cose che prima richiedevano team interi. Ma c'è una domanda che mi piace tenere aperta, con un filo di ironia: fino a quando saremo noi a usare l'AI, e non viceversa? Per ora, se stai iniziando con l'AI, il mio consiglio è di partire dal livello che ti sembra più accessibile e andare avanti un passo alla volta. La competenza si costruisce con l'uso quotidiano, non con la teoria.