Advertise on podcast: Risorse Artificiali. Appunti e spunti dal mondo dell’Intelligenza Artificiale

In questa puntata di Risorse Artificiali intervistiamo Alessandro Maserati per affrontare uno dei temi più complessi e urgenti dell’Intelligenza Artificiale contemporanea: l’AGI (Artificial General Intelligence), il suo allineamento e il ruolo della consapevolezza umana nel futuro della società e del lavoro. Partendo dal suo percorso tra ricerca e business, discutiamo del grande gap che ancora separa l’innovazione tecnologica dall’adozione reale dell’AI nelle aziende. Parliamo di spiegabilità dei modelli, di perché sia un fattore chiave per la fiducia e l’integrazione nei processi decisionali, e di come i modelli di linguaggio non si limitino a replicare conoscenza, ma possano generare nuove forme di intelligenza. Con Alessandro affrontiamo anche temi più ampi e spesso controversi: cosa intendiamo davvero quando parliamo di AGI perché l’allineamento dell’AI è un problema aperto e senza soluzioni semplici quali sono le implicazioni per il futuro del lavoro, tra automazione, nuovi ruoli e possibili sistemi di ridistribuzione il ritardo dell’Europa nella corsa all’Intelligenza Artificiale rispetto a Stati Uniti e Cina le opportunità concrete per studenti e neolaureati che oggi scelgono di investire competenze nell’AI Una conversazione lucida e senza hype, che invita a guardare all’Intelligenza Artificiale non solo come tecnologia, ma come trasformazione sistemica che richiede responsabilità, strategia e visione di lungo periodo. 🎧 Risorse Artificiali è il podcast dedicato a chi vuole capire davvero come l’AI sta cambiando il mondo del lavoro, delle aziende e della società. ⏱️ Capitoli dell’episodio 00:00 – Introduzione e presentazione di Alessandro Maserati03:03 – Percorso professionale e AI06:12 – Il gap tra ricerca e business08:55 – Adozione dell’Intelligenza Artificiale nelle aziende12:20 – Spiegabilità dei modelli AI15:20 – AGI: definizioni, paure e fraintendimenti18:00 – Implicazioni dell’Intelligenza Artificiale Generale24:12 – Futuro del lavoro e ridistribuzione della ricchezza30:49 – Automazione e trasformazione dei ruoli35:23 – Consapevolezza nell’uso dell’AI41:17 – Il problema dell’allineamento54:12 – Europa e Intelligenza Artificiale: un’assenza critica01:03:28 – Oltre i modelli stocastici01:06:47 – Evoluzione dei modelli di ragionamento01:10:55 – Agenti intelligenti e sistemi complessi01:13:06 – Comportamenti emergenti01:20:34 – AI, istruzione e nuove competenze01:30:35 – Strategie aziendali nell’era dell’AI

Il mercato dei chatbot e dell’intelligenza artificiale sta cambiando rapidamente. In questa puntata di Risorse Artificiali analizziamo i segnali più interessanti emersi negli ultimi mesi: la crescita di Gemini, l’evoluzione dell’uso delle API, la standardizzazione delle applicazioni AI e il ruolo sempre più centrale degli agenti intelligenti. Partendo dai dati di traffico e dalle dinamiche di mercato, discutiamo di come l’AI stia passando dall’essere una semplice interfaccia conversazionale a una vera infrastruttura di automazione. Approfondiamo le regole e le limitazioni nell’uso dei modelli, il tema della spiegabilità in ambito enterprise e le nuove proposte di standardizzazione che stanno emergendo nell’ecosistema AI. Un capitolo centrale della puntata è dedicato al dibattito sull’AGI (Artificial General Intelligence) e sulla superintelligenza, confrontando le visioni di Demis Hassabis e Dario Amodei: quanto siamo davvero lontani dall’AGI? E cosa significa, concretamente, per il lavoro e per chi sviluppa software oggi? Chiudiamo con una riflessione diretta sul futuro della programmazione: scriveremo meno codice? Cambieranno gli strumenti, le interfacce e le competenze richieste ai programmatori? E che ruolo avranno gli agenti AI nel nostro modo di lavorare? Una puntata per chi vuole capire dove sta andando davvero l’intelligenza artificiale, oltre l’hype e oltre la semplice “chat”. I Link dalla puntata: Chrome: The browser you love, reimagined with AI https://blog.google/products-and-platforms/products/chrome/chrome-reimagined-with-ai/ https://openclaw.ai/ ex clawdbot ex moltbot…. https://openclaw.ai/blog/introducing-openclaw https://ppc.land/chatgpts-lead-shrinks-as-gemini-surges-in-ai-traffic-war/ Hassabis-Amodei: https://www.youtube.com/watch?v=02YLwsCKUww Chapters 00:00 Introduzione e Panoramica del Mercato 02:42 Crescita di Gemini e Confronto con ChatGPT 06:16 Traffico Internet e Utilizzo delle API 10:50 Regole e Limitazioni nell'Uso dei Modelli AI 15:49 Standardizzazione e Innovazioni di Antropic 21:58 Spiegabilità dei Modelli e Adozione nell'Enterprise 24:51 Controversie Legali e Venture Capital 28:15 Interviste e Percezioni nel Mondo Economico 30:57 Definizioni di AGI e SGI 34:10 Dibattiti sul Futuro dell'Intelligenza Artificiale 38:04 Riflessioni sulla Competizione Globale 42:25 Paragoni con la Bomba Atomica e Riflessioni Finali 48:12 Il Cambiamento dei Nomi e le Aspettative di Mercato 49:15 L'Utilizzo di Modelli e Agenti AI 52:10 Interazione e Automazione con le AI 53:48 Riflessioni sul Futuro della Programmazione 57:09 Evoluzione del Codice e delle Interfacce Utente 01:00:38 Il Ruolo degli Agenti AI nel Futuro della Tecnologia 01:02:44 La Trasformazione degli Strumenti di Lavoro 01:07:24 Conclusioni e Teaser per il Futuro

L’AI scala davvero? In questo episodio di Risorse Artificiali partiamo da una domanda chiave per chi lavora con l’intelligenza artificiale oggi: la scalabilità dei modelli AI è reale o stiamo solo spostando i costi? Parliamo di: crescita dei modelli AI e limiti del pre-training distillazione come strategia per rendere l’AI più sostenibile hardware sempre più commoditizzato e costi energetici perché il prezzo della RAM sta diventando un collo di bottiglia coding creativo e Vibe Coding: conta ancora scrivere codice? l’arrivo di Gemini su (quasi) tutti i telefoni e l’impatto sull’ecosistema mobile ChatGPT e la pubblicità: cosa cambia per utenti, aziende e sviluppatori privacy, business model e nuove tensioni tra AI, prodotto e mercato Chiudiamo con una riflessione più ampia: ha ancora senso fermarsi a scrivere, progettare, persino scrivere libri, in un’epoca di accelerazione continua?Un episodio che mette insieme AI engineering, creatività, business e futuro del software, senza hype ma con domande scomode. 🎧 Risorse Artificiali – Appunti e spunti dal mondo dell’AIDisponibile su Spotify e YouTube. Link dalla puntata: Black Forest Labs is back: Flux.2 [Klein] https://bfl.ai/blog/flux2-klein-towards-interactive-visual-intelligence https://github.com/black-forest-labs/flux2  Esempi in community: https://www.reddit.com/r/StableDiffusion/comments/1qfvebh/flux_2_klein_is_really_amazing/  Prove gratis a https://huggingface.co/spaces/black-forest-labs/FLUX.2-klein-4B  Script prompt upsampling: https://github.com/black-forest-labs/flux2/blob/main/docs/flux2_with_prompt_upsampling.md Invisible watermark: https://github.com/ShieldMnt/invisible-watermark Articolo di Salvatore Sanfilippo: Don't fall into the anti-AI hype Chapters 00:00 Introduzione e Saluti 02:50 Riflessioni sull'Intelligenza Artificiale 05:44 Scalabilità e Investimenti nell'AI 08:33 Pre-Training e Consumi Energetici 11:40 Innovazioni nei Modelli AI 14:36 Hardware e Comoditizzazione 17:41 Distribuzione del Calcolo e Progetti Futuri 20:46 Ritorno di Flux e Black Forest Lab 30:10 Evoluzione e Distillazione dei Modelli 40:16 Coding Assistito e Creatività 49:20 Riflessioni sul Gioco e la Creatività 49:35 Il Vibe Coding e le Opinioni di Linus Torvalds 55:41 Le Innovazioni di Apple e Gemini 01:00:42 L'Intelligenza Artificiale e la Privacy 01:04:45 Pubblicità e Chatbot: Un Nuovo Paradigma 01:10:13 Riflessioni Finali e Conclusioni

In questo episodio di Risorse Artificiali intervistiamo Emanuele Fabbiani, imprenditore e ricercatore nel mondo dell’intelligenza artificiale, fondatore di Xtream e Ready, oggi parte dell’ecosistema TeamSystem. Partendo dal suo percorso personale — tra ricerca accademica e costruzione di startup AI — affrontiamo uno dei temi più discussi e fraintesi dell’AI moderna: le allucinazioni dei modelli linguistici (LLM) e il problema della explainability. Parliamo di: perché i modelli AI allucinano e cosa ci dice questo sul loro funzionamento differenza tra significato e significante nei Large Language Models quali tecniche aiutano a mitigare le allucinazioni perché la spiegabilità è cruciale per l’adozione enterprise dell’AI limiti e costi delle scaling law il ruolo del reasoning nei modelli di nuova generazione Vibe Coding: perché sta cambiando davvero il modo di scrivere software cosa significa fare impresa AI in Italia oggi consigli pratici per giovani, ricercatori e futuri imprenditori tech Un episodio denso ma concreto, che unisce AI engineering, ricerca, startup e futuro del lavoro, con uno sguardo lucido su cosa funziona davvero oltre l’hype. Link: https://www.linkedin.com/in/emanuelefabbiani/ https://xtreamers.io/ ⏱️ Capitoli 00:00 Introduzione01:54 Il percorso di Emanuele Fabbiani05:52 Ricerca vs startup: una falsa dicotomia11:48 Accademia e industria: contaminazione necessaria12:49 Nascita di Xtream e dinamiche di gruppo19:02 L’acquisizione da parte di TeamSystem24:55 Explainability nei Large Language Models33:32 Significato, non significante43:06 Allucinazioni nei modelli AI56:42 Scaling law e limiti economici59:35 Vibe Coding e sviluppo software assistito01:05:18 Revisione del codice e AI01:10:23 Ecosistema AI in Italia01:21:24 Consigli per chi vuole fare startup01:29:33 Il futuro dell’intelligenza artificiale

Nel nuovo episodio di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, partiamo dal caso Grok e dalla polemica sui deepfake di immagini generate dall’AI per affrontare una domanda molto più ampia:👉 come cambia il concetto di autenticità in un mondo in cui l’intelligenza artificiale può generare contenuti indistinguibili dal reale? Discutiamo della reazione di Elon Musk, delle implicazioni culturali e legali della generazione di immagini fake e di una provocazione centrale:in un ecosistema dominato dai fake, forse non è il falso che va marcato, ma l’originale. Da qui allarghiamo lo sguardo all’evoluzione dei modelli di generazione immagini, come GLM Image, e al tema della comprensione semantica nei modelli multimodali. Nella seconda parte dell’episodio ci spostiamo sulla sanità, commentando il lancio di ChatGPT Health da parte di OpenAI:un passo importante che apre opportunità concrete, ma anche questioni etiche, di privacy e di responsabilità, soprattutto quando l’AI entra in ambiti critici come le decisioni mediche. Infine, chiudiamo con una riflessione più tecnica e filosofica sul futuro degli agenti AI, discutendo il ruolo della memoria procedurale e semantica nei coding agent e perché progettare sistemi di memoria non è solo un problema di performance, ma di affidabilità e controllo. Un episodio per chi lavora con l’AI — o ne subisce già gli effetti — e vuole andare oltre l’hype, interrogandosi su responsabilità, fiducia e limiti dell’intelligenza artificiale generativa. Chapters 00:00 Introduction and Context of the Controversy 02:27 Deepfake Technology and Cultural Reactions 04:50 Legal Implications and Image Authenticity 11:40 Emerging AI Models and Future Directions 24:49 Exploring Image Generation Techniques 37:02 AI in Healthcare: Opportunities and Ethical Concerns 46:15 User Responsibility in AI Healthcare Decisions 47:38 The Risks of Anthropomorphizing AI 50:02 The Future of AI in Personal Health 52:49 Debating AI Memory Systems 01:04:58 The Complexity of AI Memory and Learning

Nel nuovo episodio di Risorse Artificiali analizziamo AI e robotica nel 2026, partendo da un tema centrale: il dilemma strategico di Meta tra acquisizioni, critiche pubbliche e il dilemma dell'innovatore sugli occhiali. La roadmap generale sembra ancora poco chiara. Parliamo poi delle novità emerse al CES, dove la robotica — soprattutto asiatica — è sempre più protagonista, e di come anche Lego stia ridefinendo il concetto di gioco educativo con mattoncini intelligenti e robotica per le nuove generazioni. La conversazione si sposta quindi sui trend di fondo che guideranno i prossimi anni: world models applicati alla robotica autonoma continual learning e refinement continuo dei modelli orchestrazione e sistemi multi-agente nuove tecniche di generazione di immagini con layer editabili Un episodio che intreccia attualità, gossip tech e visione ingegneristica, per capire cosa è davvero segnale debole e cosa invece sarà infrastruttura dell’AI del futuro. Meta tra acquisizioni, critiche e mancanza di una strategia chiara Robotica al CES: hype o vero cambio di passo? Lego e l’ingresso della robotica nel mondo educational Gen Z e nuovi pattern di utilizzo dell’AI World models e autonomia dei sistemi intelligenti Continual learning come chiave per l’evoluzione dei modelli Multi-agent systems e refinement continuo 🎧 Ascolta Risorse Artificiali su Spotify, YouTube e tutte le principali piattaforme podcast. Tutti i link sono disponibili sulla nostra home page. 🔍 Temi chiave dell’episodio

In questo episodio di Risorse Artificiali parliamo con Simone Di Somma, fondatore di Cyberwave, di come costruire una startup nel mondo della robotica e dell’automazione (e perché oggi è il momento giusto per farlo anche in Italia). Partiamo dalle lezioni imparate in Y Combinator e arriviamo ai temi più caldi della Physical AI: robot che diventano sempre più capaci grazie all’intelligenza artificiale, nuovi modelli di business come marketplace di robot e hardware-as-a-service, e il ruolo centrale di open source e community per accelerare innovazione e adozione. Parliamo anche di PMI, carenza di manodopera, “tempi degli early adopter” e del perché la robotica non significa solo umanoidi: ci sono form factor e casi d’uso molto più concreti e vicini alle esigenze delle aziende. Lezioni pratiche da Y Combinator per chi vuole fare startup tech Physical AI: cosa significa davvero “automazione fisica” oggi La visione Cyberwave: persone e robot che lavorano insieme Marketplace di robot e modelli “robot-as-a-service / hardware-as-a-service” Approccio bimodale: enterprise e sviluppatori Open source e community come leva per costruire ecosistemi Robotica per PMI italiane: opportunità, competenze, adozione Reinforcement learning e AI applicata alla robotica Consigli per giovani: “studiate, studiate, studiate” 🔗 Cyberwave: https://cyberwave.com 🎧 Ascolta Risorse Artificiali – Appunti e spunti dal mondo dell’AI su Spotify e guarda gli episodi anche su YouTube.➡️ Spotify (show): https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF➡️ YouTube (canale): https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg➡️ Home page: https://risorseartificiali.com Chapters00:00 Introduzione e Giocattoli dell'Infanzia02:18 Il Percorso Imprenditoriale di Simone Di Somma05:05 La Visione di Cyberwave e l'Intelligenza Artificiale10:25 Opportunità in Italia e il Futuro della Robotica14:28 Physical AI: Democratizzare l'Automazione Fisica19:27 Marketplace di Robot e Hardware as a Service28:08 Approccio Bimodale: Enterprise e Sviluppatori32:12 Open Source e Community nel Progetto Cyberwave41:12 Robotica Umanoide vs. Altri Formati Robotici47:50 L'Innovazione e i suoi Limiti51:00 L'Intelligenza Artificiale Fisica54:43 Il Reinforcement Learning nella Robotica58:48 La Ricerca e Sviluppo in Robotica01:00:59 Il Ruolo delle PMI nella Robotica01:05:33 Costruire una Community di Innovatori01:10:04 L'Esperienza in Y Combinator01:24:03 Consigli per i Giovani Innovatori #robotica #intelligenzaartificiale #startup #automazione #PhysicalAI #opensource #PMI #YCombinator #innovazione

Cosa ci aspetta davvero nel 2026 sul fronte Intelligenza Artificiale? In questo episodio di Risorse Artificiali facciamo il punto sulle previsioni AI 2026 partendo da ciò che abbiamo visto nell’ultimo anno: hype, strumenti che maturano, e nuove direzioni che iniziano a consolidarsi. Parliamo di modelli locali (on-device / on-prem) e perché stanno tornando centrali (costi, privacy, sovranità e controllo), dell’arrivo più concreto degli agenti AI e di come potrebbero cambiare sviluppo software e produttività. Poi allarghiamo lo sguardo su due temi che dividono sempre: robotica e guida autonoma, tra limiti normativi, barriere psicologiche e confronto inevitabile tra errore umano vs errore macchina. Chiudiamo con una riflessione su AI etica, pensiero critico e sul rischio crescente di AI washing. Previsioni AI 2026: cosa sta maturando davvero e cosa è solo hype Modelli locali: perché contano (privacy, costi, compliance, controllo) Agenti intelligenti: siamo davvero nell’“anno degli agenti”? Sviluppo software assistito: rinascita dei developer e nuovi workflow Robotica: progressi concreti e casi d’uso che iniziano a funzionare Guida autonoma: ostacoli normativi e resistenze culturali AI etica e pensiero critico: come orientarsi tra marketing e realtà AI washing: come riconoscerlo (e perché sta crescendo) 00:00 Introduzione e Buon Anno01:22 AI nella vita quotidiana05:04 Previsioni tecnologiche per il 202611:14 Rinascita degli sviluppatori e sviluppo assistito17:02 Pubblicità e modelli di business21:48 Robotica e occhiali intelligenti31:02 Guida autonoma: ostacoli e prospettive34:59 Accettazione dell’errore: umano vs macchina36:35 Agenti e Intelligenza Artificiale: previsioni39:15 Hype AI: realtà o illusione?45:23 Impatto della tecnologia: passato e futuro51:28 AI etica e resistenza54:11 Singolarità e AGI: prospettive e dubbi 🎧 Ascolta Risorse Artificiali – Appunti e spunti dal mondo dell’AI su Spotify e guarda gli episodi su YouTube: Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg Home: https://risorseartificiali.com #IntelligenzaArtificiale #AI2026 #AgentiAI #Robotica #GuidaAutonoma #ModelliLocali #AIEngineering #SviluppoSoftware #AIEtica

Nel nuovo episodio di Risorse Artificiali facciamo un bilancio dell’AI nel 2025: sorprese, delusioni e cambi di rotta che hanno impattato davvero il modo in cui lavoriamo — soprattutto su coding, produttività e strumenti AI. Parliamo di Vibe Coding e di come sta cambiando le abitudini degli sviluppatori, del “caso” DeepSeek e dell’effetto che ha avuto sul panorama dei modelli, di Gemini e delle nuove dinamiche d’uso, e del ruolo dell’open source come acceleratore dell’innovazione. In mezzo: aspettative tradite, tool che ci hanno convinto (e quelli che ci hanno stancato), e cosa ci aspettiamo dal prossimo anno. AI e coding: cosa è cambiato davvero nel lavoro quotidiano Vibe Coding: perché ha sorpreso così tanti developer DeepSeek: impatto, percezione e “shock” di mercato Gemini: come ha spostato l’adozione e i flussi di lavoro Open source: velocità di innovazione e nuove opportunità Sorprese vs delusioni: hype, realtà e aspettative disattese (anche lato Big Tech) I nostri momenti preferiti dal podcast e perché continuiamo a esplorare 00:00 Introduzione e Auguri di Buon Anno00:58 Riflessioni sul 2025 e Sorprese dell’Anno07:45 Delusioni e Aspettative Non Soddisfatte12:48 Outsider e Innovazioni Inaspettate16:37 Strumenti AI Utilizzati e Preferenze24:13 Cambiamenti nell’Uso degli Strumenti AI26:37 Strumenti e Tecnologie in Evoluzione29:41 Impatto delle Innovazioni nel Settore33:23 Rilascio di Modelli e Open Source35:02 Innovazioni e Sviluppi Recenti42:08 Riflessioni sul Podcast e Interviste 🎧 Ascolta e segui “Risorse Artificiali”Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSFYouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2FgHome: https://risorseartificiali.com

In questo episodio di **Risorse Artificiali** parliamo di **AI Engineering applicata allo sviluppo software** con **Alex Gavrilescu**, creator di **backlog.md**: un approccio “AI-first” per trasformare il *vibe coding* in un processo ripetibile, verificabile e collaborativo.Partiamo da una provocazione che gira online (“Topolino ha comprato OpenAI”) e mettiamo ordine: **Disney non ha acquisito OpenAI**, ma ha annunciato un **investimento da 1 miliardo** e un accordo di licensing per portare personaggi Disney dentro gli strumenti di generazione video (Sora) e altri prodotti. ([OpenAI][1])Poi torniamo al punto che interessa a chi scrive codice: **come progettare backlog, specifiche e contesto** per far funzionare davvero gli agenti di coding.### Cosa ti porti a casa* **Backlog.md**: task in Markdown, repo “git-backed” e workflow pensato per lavorare *insieme* agli agenti* **Spec-driven development**: specifiche, acceptance criteria e piani di implementazione per ridurre ambiguità e bug* **Context engineering**: perché il contesto è il vero “carburante” degli agenti (e come evitarne la deriva)* **Compaction**: riassumere e comprimere sessioni lunghe senza perdere intent e vincoli* **Milestone e task breakdown**: spezzare la complessità in unità che stanno in una context window* **Skills** come “packaging standard” per applicazioni/azioni agentiche* Chiusura sui trend: modelli, toolchain, sicurezza, chip AI, e perché la collaborazione tra aziende conta davvero### Capitoli00:00 Introduzione e presentazione di Alex Gavrilescu03:00 AI e “Topolino”: cosa sta succedendo davvero06:00 Conferenze e novità nel mondo AI08:37 Backlog MD: uno strumento nuovo per developer11:39 Spec-driven development e backlog14:46 Uso pratico: come strutturare task e progetti17:35 Futuro dell’AI e sviluppo software26:12 Gestire la complessità nel codice27:44 Context engineering e task management32:01 Compaction: riassunti “utili” per continuare a lavorare35:27 Skills e integrazione con backlog41:21 AI e modelli di business (musica)53:26 Chip e sicurezza nazionale57:13 Meta, PyTorch e Google: innovazioni e collaborazione01:00:10 La visione di Google nell’AI01:04:22 Nuovi modelli e applicazioni01:06:30 Strumenti e modelli per la programmazione con AI01:10:59 Esperimenti con modelli open source01:15:43 Chip AI e futuro della tecnologia### Link utiliBacklog.md: https://backlog.mdIl profilo X di Alex: https://x.com/mrlesk* Podcast su Spotify: [https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF](https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF)* Canale YouTube: [https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg](https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg)* Home: [https://risorseartificiali.com](https://risorseartificiali.com)

In questa intervista, Pamela Gotti racconta il suo percorso straordinario: dagli inizi precocissimi nel software fino al ruolo di CTO nel fintech, passando per esperienze internazionali, startup, crescita manageriale e sfide legate alla presenza femminile nel mondo tech.Parliamo di intelligenza artificiale nel settore bancario, sicurezza e governance, explainability, agenti AI e del modo in cui l’AI può davvero potenziare le persone invece di sostituirle.Al centro della conversazione c’è però soprattutto la dimensione umana: team autonomi, gestione delle persone, importanza delle soft skills, formazione dei junior engineer, mentorship e salute mentale nel settore tecnologico.Un episodio ricco, concreto e profondamente ispirante, che attraversa temi come:- Come si passa “dal codice alla CTO” senza perdere il contatto con l’ingegneria.- Perché il gender bias è ancora un problema reale e come contrastarlo nel quotidiano.- L’AI nel fintech e nel banking: opportunità, rischi e responsabilità.- Il ruolo chiave della developer experience e della velocità di esecuzione.- L’importanza della crescita personale — propria e del team.Un ascolto consigliato a chi lavora nell’AI, nel fintech o nel banking, nella gestione di team tech, o semplicemente vuole capire meglio come evolvono le professioni tecnologiche nell’era dell’intelligenza artificiale.

In questo episodio analizziamo cosa cambia dopo l’arrivo di GPT 5.2, un modello che spinge ancora più avanti benchmark, ragionamento e capacità multimodali. Parliamo di come l’AI stia evolvendo tra API sempre più costose, scelte strategiche di OpenAI, nuove soluzioni per l’enterprise e piattaforme come OpenRouter, che permettono di lavorare con decine di modelli diversi. Esploriamo anche le novità sul fronte riconoscimento visivo, i primi occhiali smart realmente utili, e il ruolo dell’AI nella vita quotidiana: dalla cucina robotica agli elettrodomestici intelligenti, fino alla nuova generazione di wearable. Nella seconda parte affrontiamo le prospettive più avanzate: come la robotica sta integrando modelli AI di nuova generazione, gli sviluppi della guida autonoma con realtà come Waymo, e perché la memoria a lungo termine sarà una delle frontiere decisive dei modelli futuri. 🎧 Temi principali dell’episodio: - GPT 5.2: benchmark, prestazioni e cosa cambia davvero - API, costi e strategia enterprise nell’AI moderna - OpenRouter e l’accesso a modelli AI alternativi - Riconoscimento visivo e innovazioni nei wearable - Occhiali intelligenti e futuro della multimodalità - Robotica domestica e intelligenza in cucina - Guida autonoma e stato dell’arte dei taxi robot - Modelli proprietari vs open: implicazioni per il futuro - Memoria a lungo termine: perché diventerà centrale nell’AI Qualche link dall'episodio The state of enterprise AI: https://openai.com/index/the-state-of-enterprise-ai-2025-report/ Claude Code in Slack: https://techcrunch.com/2025/12/08/claude-code-is-coming-to-slack-and-thats-a-bigger-deal-than-it-sounds/ Google to launch first of its AI glasses in 2026: https://www.cnbc.com/2025/12/08/google-ai-glasses-launch-2026.html Waymo crosses 450,000 weekly paid rides as Alphabet robotaxi unit widens lead on Tesla: https://www.cnbc.com/2025/12/08/waymo-paid-rides-robotaxi-tesla.html Meta acquires AI device startup Limitless: https://techcrunch.com/2025/12/05/meta-acquires-ai-device-startup-limitless/ Titans + MIRAS: Helping AI have long-term memory: https://research.google/blog/titans-miras-helping-ai-have-long-term-memory/ Chapters 00:00 Introduzione e Presentazione di GPT 5.2 02:02 Benchmark e Performance di GPT 5.2 05:57 Implicazioni e Critiche sui Modelli di AI 09:42 Focus sull'Intelligenza Artificiale nel Settore Enterprise 13:25 Costi e Sostenibilità dei Modelli AI 17:26 Esperienze con API e Modelli di Google 21:39 Discussione su OpenRouter e Accesso ai Modelli AI 25:14 Evoluzione dei Modelli AI e Rischi di Proprietà 27:54 Innovazioni e Dispositivi Wearable 32:19 Utilizzo dell'AI nella Vita Quotidiana 33:41 L'Impatto delle Nuove Tecnologie sui Giovani 38:45 Ragionamento Visivo e Applicazioni Avanzate 41:26 Occhiali Intelligenti e Futuro della Visione 44:23 AI e Applicazioni Pratiche nella Cucina 49:58 Intelligenza degli Elettrodomestici 52:42 Riflessioni sulla Generazione Z 54:08 Integrazioni Tecnologiche e Slack 56:19 Waimo e la Guida Autonoma 01:00:02 Modelli di Intelligenza Artificiale 01:12:05 Memoria e Apprendimento nei Modelli AI 📌 Ascolta “Risorse Artificiali – Appunti e spunti dal mondo dell’AI” su Spotify, YouTube e su tutte le piattaforme.

In questa puntata di Risorse Artificiali raccontiamo quanto sta cambiando l’AI attraverso tre filoni principali:👉 l’uso combinato di più modelli, a partire dai benchmark di Karpathy,👉 le novità nella generazione di immagini e video, tra Z-Image, Flux 2 e i modelli cinesi,👉 i progressi della guida autonoma e il lavoro “automatizzato”, tra auto che si guidano da sole e “meccanici col pilota automatico”. Commentiamo l’investimento di Oracle nell’AI, le criticità dei modelli generativi, i benchmark più discussi del momento e le applicazioni pratiche che stanno emergendo nel commerce e nella produzione di contenuti. Un episodio ricco di esempi concreti, più che di hype, che fotografa lo stato attuale dell’innovazione AI. Ascolta il Podcast su tutte le principali piattaforme. Tutti i link https://risorseartificiali.com Il transcript integrale dell'episodio https://risorseartificiali.com/2025/12/08/Puntata-29 Qualche link dalla puntata L'esperimento di Karpathy: https://github.com/karpathy/llm-council E la PR di Stefano: https://github.com/karpathy/llm-council/pull/76 Flux.2 Dev / Flex / Pro / klein / vae: https://bfl.ai/blog/flux-2 Z-Image (gruppo Alibaba): https://github.com/Tongyi-MAI/Z-ImageRunway Gen-4.5, a new AI: https://runwayml.com/research/introducing-runway-gen-4.5 Kling 2.6 https://www.youtube.com/watch?v=2IFMIkN2HaU&t=912s ) Kling O1: https://app.klingai.com/ Il video del meccanico con Gemini Live: https://x.com/BillAckman/status/1996048967386231094?s=20 Il video di tesla guida autonoma in italia: https://www.youtube.com/watch?v=T6QAhW1pEsE Chapters 00:00 Introduzione e Novità del Podcast 03:08 Esperimenti con Modelli AI 05:48 L'Importanza della Collaborazione tra Modelli 08:57 Deployment Ibrido e Modelli Locali 11:52 Applicazioni Pratiche e Benchmarking 14:43 Riflessioni su Ilya Sutskever e i Transformer 17:46 Evoluzione e Intelligenza Sociale 27:58 Introduzione e Riflessioni sulla Bolla Economica 32:41 Novità nel Mondo della Generazione di Immagini 37:49 Confronto tra Modelli di Generazione di Immagini 41:16 Critiche e Limiti dei Modelli di Generazione 45:19 Applicazioni Pratiche e Futuro della Generazione di Immagini 50:19 Annunci e Confronti nel Mondo AI 52:49 Evoluzione della Generazione Video 54:19 Intersezione tra Videogiochi e AI 58:14 Innovazioni Cinesi nella Generazione Video 01:01:14 Riflessioni sulla Generazione Multimodale 01:05:01 Guida Autonoma e Futuro della Mobilità 01:09:00 Prospettive sul Mercato e IPO

Intervista a Mario Fusco per una conversazione autentica sullo sviluppo software nell’era dell’Intelligenza Artificiale. Parliamo di come il lavoro del programmatore stia cambiando, del ruolo centrale dell’interazione umana, della collaborazione nei team di sviluppo e delle competenze soft necessarie oggi per crescere davvero come professionisti. L’AI accelera i processi e automatizza parti del lavoro, ma rende ancora più strategiche le capacità di comunicare, coordinarsi e prendere decisioni insieme. Temi principali dell’episodio 👉 Perché sviluppare software non è un’attività solitaria 👉 L’importanza del teamwork in un contesto tecnologico sempre più complesso 👉 Come l’AI sta cambiando il modo di collaborare 👉 Le soft skills indispensabili per i developer moderni 👉 Perché il codice è “solo una parte” del lavoro 👉 Crescita professionale e dinamiche dei team 👉 Interazione, creatività e problem solving nell’era dell’AI Una intervista da non perdere per chi lavora (o vuole lavorare) nel mondo tech, e per chi vuole capire come cambiano davvero i team di sviluppo con l’arrivo dell’Intelligenza Artificiale. Ascolta il Podcast su tutte le principali piattaforme. Tutti i link https://risorseartificiali.com Il transcript integrale dell'intervista https://risorseartificiali.com/2025/12/03/Intervista-Mario-Fusco Qualche Link su Mario: * Prima di tutto il taglio di capelli sul placo del devoxx: https://www.youtube.com/watch?v=AGqDe6ZQGT0&t=6sil suo profilo per devoxx belgium: https://m.devoxx.com/events/dvbe25/speaker/4683/mario-fusco Qui puoi trovare i suoi ultimi talk compresi i video youtubeUna sua presentazione al codemotion: https://www.youtube.com/watch?v=N0Ko_W6B8eoI suoi ultimi articoli https://quarkus.io/author/mariofusco/il suo profilo X: https://x.com/mariofusco00:00 Anteprima Episodio0:01:32 Introduzione e Passione per la Tecnologia00:04:09 Chi è Mario00:10:11 Il talk Drools vs GenAI00:16:00 I linguaggi di programmazione dinamici un vecchio nemico00:19:37 AI assisted coding00:27:00 è più importante saper leggere che scrivere il codice00:35:30 AI nell'enterprise...meglio Java00:41:13 L'inferenza dei modelli in Java00:49:52 Langchain4J e gli agenti in Java00:47:52 Agenti e functional programming. Un parallelo01:03:31 La community e il serial speaker01:15:45 COntribuire ai progetti Open Source01:22:48 Bias e behavioral software engineering01:32:15 Consigli per gli Junior

In questo episodio di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, parliamo di Intelligenza Artificiale applicata all’industria insieme a Veronica Brizzi, data scientist con una lunga esperienza nella trasformazione digitale dei processi produttivi. Dalla maturità dell’AI industriale alle sfide di adozione nelle aziende manifatturiere, esploriamo un approccio pragmatico e utile all’AI, in cui etica, sostenibilità e responsabilità tecnologica non sono temi astratti, ma leve per migliorare prodotti, processi e decisioni. Discutiamo di: come l’AI generativa può supportare reportistica, analisi e automazione; perché i dati industriali richiedono cura, contesto e qualità; l’evoluzione delle interfacce utente, tra dashboard generative e sistemi conversazionali; il ruolo del data scientist come ponte tra persone, dati e valore; i rischi di semplificazioni mediatiche su AI, politica e innovazione; un modo “sobrio ma efficace” di fare divulgazione tecnologica. Un episodio perfetto per chi vuole capire come AI, machine learning e deep learning stanno rivoluzionando fabbriche, decisioni e cultura aziendale — e per chi cerca una visione concreta dell’innovazione, lontana dall’hype ma ricca di spunti utili. Ascolta il Podcast su tutte le principali piattaforme. Tutti i link https://risorseartificiali.com Il transcript integrale dell'episodio https://risorseartificiali.com/2025/11/29/Puntata-ventotto/ Chapters 00:00 Introduzione e Presentazione di Veronica Brizzi 04:12 Il Ruolo del Data Scientist nell'Industria 10:15 Scetticismo e Accettazione dell'Intelligenza Artificiale 12:26 Applicazioni Pratiche dell'Intelligenza Artificiale Generativa 20:14 Divulgazione e Iniziative per il Gender Gap 23:38 Cosa Fa un Data Scientist? 24:58 Il Ruolo del Data Scientist 28:59 Correlazioni e Creatività nei Dati 31:27 Evoluzione delle Interfacce Utente 34:51 Dashboard Generative e Visualizzazione dei Dati 48:53 Etica e Responsabilità nell'Intelligenza Artificiale 51:03 Interessi Economici e Innovazione Politica 56:09 Approccio Pragmatico all'Intelligenza Artificiale 01:08:21 Utilizzo Pratico delle Tecnologie AI