Formazione, fotografia, progettazione e perché la carriera non-lineare è un vantaggioon l'AI

La figlia di 9 anni di Stefano gli chiede ancora “che lavoro fai?”

Non è una domanda facile. Educatore professionale, mediatore penale minorile, fotografo, fundraiser, progettista sociale, formatore AI. Tutto vero, tutto insieme, tutto difficile da sintetizzare in una parola.

Poi ha sentito Massimo Temporelli parlare di palombari e snorkler. I palombari vanno sempre più in profondità su un dominio. Gli snorkler restano in orizzontale, cambiano direzione, accumulano in trasversale. Ha capito di essere snorkler, e soprattutto ha capito che non era un problema.

Ho parlato con lui su Audiocassetta di perché, con l’AI, essere snorkler sia diventato un vantaggio.

Chi è Stefano

Laureato in Scienze dell’Educazione, dieci anni da educatore professionale in ambito scolastico ed extrascolastico, mediatore penale minorile, fotografo ad Ancona per qualche anno. Poi fundraiser, poi responsabile progettazione e formazione AI per BLM Project, ente accreditato nelle Marche.

Ha 47 anni. Dice di aver trovato “la pace dei sensi” negli ultimi sette anni. Non lo direi se non avessi sentito come parla: c’è coerenza in tutto quello che racconta, anche nei pezzi che sembrano lontanissimi.

Orizzontale non significa superficiale

Il problema con la carriera a snorkel è che dall’esterno sembra dispersione. Chi non si verticalizza su un dominio viene percepito come qualcuno che non si è mai deciso.

Però, mentre ascoltavo Stefano, mi sono accorto di una cosa: il pezzo sulla fotografia non era superficiale. Sa di ottica, sa di macchine fotografiche digitali, sa di strutturazione visiva. La storia del catalogo di illuminazione che racconto più avanti non si spiega altrimenti.

La vera distinzione non è orizzontale vs verticale. È chi accumula competenze scollegate vs chi le tiene in conversazione tra loro. Il secondo tipo, quando incontra l’AI, porta qualcosa che i modelli non hanno di default.

Il capitale semantico (e perché le macchine non ce l’hanno)

Stefano cita spesso Floridi. L’idea: dopo Copernico, Darwin e Freud, la cosa che restava all’uomo era la capacità creativa. Con l’AI generativa, anche quella è in discussione.

Ma c’è una cosa che i modelli non hanno: il capitale semantico. Il contesto. L’esperienza accumulata su più domini che dà senso a un input. Se non glielo fornisci tu, non ce l’hanno.

“Quelle che le macchine non hanno se noi non glielo forniamo.” È la frase esatta che ha usato.

Per chi ha una carriera come quella di Stefano, questo cambia il quadro. Non sei disperso. Sei portatore di un contesto che nessun LLM produce da solo.

RADAR AI: quando il progettista smette di scrivere

Stefano lavora su bandi di finanziamento. La parte che un tempo richiedeva più ore era la scrittura dei progetti: testo da produrre partendo da zero, ogni volta.

Con la sua collega Chiara hanno costruito un metodo che hanno chiamato RADAR AI, dove ogni lettera corrisponde a una fase: Raccolta dei dati, Analisi, Definizione, Attuazione (la scrittura), Revisione.

Su ognuna di queste fasi c’è uno o più strumenti AI definiti. La fase di scrittura, che prima era il collo di bottiglia, ora è quella che pesa meno. Il tempo liberato va tutto sulla Definizione: incontri con le organizzazioni, raccolta di contesto qualitativo, ascolto.

Possono rispondere a più bandi in parallelo. La qualità sale perché si dedica più attenzione alla fase che conta davvero.

“Il lavoro del progettista diventa orchestrazione.” È la parola giusta.

Il catalogo impossibile

Un’azienda che fa installazioni di illuminazione custom: cinque dipendenti, zero budget per un fotografo, nessuna voglia di catalogo cartaceo.

Stefano aveva letto qualcosa online su come creare immagini per il marketing partendo da una foto di prodotto. Non l’aveva mai fatto. Aveva però anni di conoscenza fotografica e capiva cosa voleva vedere nell’output. L’azienda aveva già Gemini nel pacchetto Google Workspace, senza saperlo.

Il processo: un primo Gem fa da art director, con immagini di referenza incorporate e domande tecniche in linguaggio naturale. L’output è un JSON strutturato per la generazione di immagini. Un secondo Gem prende quel JSON, chiede l’immagine del prodotto e genera il risultato finale.

Due giorni di testing. Sessanta immagini fotorealistiche. Un catalogo che l’azienda non avrebbe mai potuto permettersi altrimenti.

È il capitale semantico in azione: la conoscenza fotografica di Stefano era il pezzo che permetteva di guidare il processo. Senza quello, l’output sarebbe stato generico.

Contratto consumer o business? Quasi nessuno lo sa

La parte sulla compliance è quella che colpisce di più per la sua semplicità.

Ogni strumento AI principale ha due tipologie di contratto: consumer e business. La differenza sostanziale è che il contratto business garantisce, nella maggior parte dei casi, che i dati delle conversazioni non vengano usati per addestrare i modelli.

Quasi nessuna PMI lo sa. Quasi nessuna controlla quale abbonamento sta usando.

Stefano lo mette nelle sue formazioni. Le reazioni che descrive sono eloquenti: non ci avevano pensato.

Non serve l’AI Act per capire che usare un account consumer per dati aziendali è un problema. Serve qualcuno che lo dica chiaramente, prima.

Ha citato anche il DigiComp: il corrispettivo del livello linguistico (A1, B2, ecc.) ma per le competenze digitali. L’AI è stata inserita trasversalmente in tutti i parametri, non in un capitolo a parte. Come l’elettricità: non c’è un capitolo “elettricità” in nessun manuale tecnico. C’è in tutto.

La cassetta di Stefano

Claude — Il principale, sia in azienda che nelle formazioni. Skill personalizzate costruite con un processo iterativo: prompt grezzo, iterazioni con il modello, skill finale riscritta