{ "$schema": "https://ar-tik.com/data/schemas/courses-catalog.schema.json", "generatedAt": "2026-07-02", "publisher": "Artik Lab s.r.l.", "canonicalDomain": "https://ar-tik.com", "locale": "it", "language": "it", "catalog": { "title": "Corsi AI per aziende: scegliere il percorso giusto", "description": "Catalogo corsi AI per aziende: percorsi introduttivi, manageriali, operativi e tecnici progettati con metodologia DTR su ruoli, processi e risultati attesi.", "urls": { "html": "https://ar-tik.com/corsi/", "markdown": "https://ar-tik.com/corsi/index.md", "dossier": "https://ar-tik.com/corsi/index-dossier.md" } }, "courses": [ { "id": "workflow-redesign", "locale": "it", "language": "it", "family": "foundation", "familyLabel": "Fondamentale", "featured": true, "title": "AI Workflow Redesign Lab", "subtitle": "Il laboratorio fondamentale per ridisegnare attività, processi e flussi decisionali integrando l'AI generativa in modo utile, misurabile e governato.", "summary": "Laboratorio centrale per passare dall'uso spontaneo dell'AI a flussi di lavoro uomo-AI governati, con mappa delle priorità e roadmap operativa.", "duration": "8 ore, modulabili in 2 o 4 sessioni", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Molte aziende hanno già sperimentato strumenti AI, ma il lavoro quotidiano resta uguale: file copiati a mano, passaggi tra uffici poco chiari, decisioni lente, output difficili da verificare. Il rischio è accumulare esperimenti brillanti ma isolati. Questo laboratorio parte dai flussi reali e li ridisegna per capire dove l'AI può aiutare, dove serve supervisione e dove conviene non automatizzare.", "audience": "Manager, responsabili di funzione, process owner, innovation team, HR, operations, marketing, sales, customer service, legal, compliance e figure coinvolte nella trasformazione dei processi.", "whenToChoose": "Quando l'azienda ha già curiosità o sperimentazioni AI ma non ha ancora trasformato il lavoro. È il punto di partenza consigliato prima di corsi verticali, policy, piloti o acquisti tecnologici.", "chooseIf": "Quando l'azienda ha già curiosità o sperimentazioni AI ma non ha ancora trasformato il lavoro. È il punto di partenza consigliato prima di corsi verticali, policy, piloti o acquisti tecnologici.", "outcomes": [ "Identificare processi ad alto potenziale AI.", "Distinguere attività automatizzabili, aumentabili e da mantenere umane.", "Disegnare workflow ibridi con input, output, controlli e responsabilità.", "Definire metriche operative su tempo, qualità, rischio e costo.", "Costruire una roadmap di implementazione per priorità e dipendenze." ], "modules": [ { "title": "Mappare il lavoro reale", "description": "Attività, decisioni, passaggi informativi, colli di bottiglia e responsabilità implicite." }, { "title": "Valutare il potenziale AI", "description": "Impatto, fattibilità, rischio, qualità del dato e livello di controllo necessario." }, { "title": "Ridisegnare il workflow", "description": "Ruoli, input, output, verifiche, escalation e tracciabilità del flusso uomo-AI." }, { "title": "Portare in produzione", "description": "Metriche, governance minima, roadmap, cambiamento organizzativo e ownership." } ], "exercises": [ "Analisi di workflow aziendali reali o realistici.", "Matrice impatto/fattibilità/rischio su processi candidati.", "Redesign guidato di un processo prioritario.", "Definizione di controlli umani e indicatori di performance." ], "materials": [ "Canvas di mappatura workflow.", "Matrice di prioritizzazione AI.", "Modello di workflow ibrido.", "Checklist di readiness e schema roadmap.", "Template per metriche e responsabilità." ], "privacy": "Si lavora su esempi anonimizzati, dati sintetici o materiali non sensibili. Il corso introduce minimizzazione, classificazione delle informazioni, controllo degli accessi, tracciabilità e uso responsabile dei dati nei flussi AI-assisted.", "prerequisites": "Nessuna competenza tecnica richiesta. È utile conoscere i processi aziendali che si desidera analizzare.", "faqs": [ { "question": "Serve un team tecnico?", "answer": "No. Il corso è pensato per figure decisionali e operative." }, { "question": "Si lavora su casi reali?", "answer": "Sì, preferibilmente su workflow aziendali concreti, opportunamente anonimizzati." }, { "question": "Produce solo idee?", "answer": "No. Produce mappe, priorità, workflow ridisegnati e roadmap." }, { "question": "È adatto come primo corso AI?", "answer": "Sì, è il percorso fondamentale per trasformare l'AI in cambiamento organizzativo." } ], "output": "Mappa dei workflow prioritari, prototipo di flusso uomo-AI e roadmap di adozione.", "searchIntents": [ "corso AI aziendale su AI Workflow Redesign Lab", "formazione pratica per AI Workflow Redesign Lab", "training AI per workflow aziendali", "percorso Artik Lab per Mappa dei workflow prioritari, prototipo di flusso uomo-AI e roadmap di adozione", "come introdurre AI Workflow Redesign Lab nei processi aziendali" ], "needSignals": [ "Il tema AI Workflow Redesign Lab è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Workflow Redesign Lab assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Mappa dei workflow prioritari, prototipo di flusso uomo-AI e roadmap di adozione." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Workflow Redesign Lab, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Mappa dei workflow prioritari, prototipo di flusso uomo-AI e roadmap di adozione." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Workflow Redesign Lab merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Workflow Redesign Lab e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Usarlo come punto di partenza quando non è ancora chiaro quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "managing-ai", "ai-literacy", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/workflow-redesign.html", "markdown": "https://ar-tik.com/corsi/workflow-redesign.md", "dossier": "https://ar-tik.com/corsi/workflow-redesign-dossier.md", "json": "https://ar-tik.com/corsi/workflow-redesign.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "managing-ai", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "Managing AI", "subtitle": "Competenze manageriali per comprendere, guidare e valutare l'adozione dell'AI generativa nelle organizzazioni.", "summary": "Percorso per direzione e responsabili che devono distinguere valore reale, rischio e priorità prima di avviare iniziative AI.", "duration": "4 ore, 2 lezioni da 2 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "L'AI viene spesso presentata come un software da comprare e installare. In azienda, invece, modifica processi, responsabilità, qualità delle decisioni e modo in cui le persone producono conoscenza. Il corso aiuta il management a leggere l'AI come leva organizzativa, evitando sia entusiasmo confuso sia blocco prudenziale.", "audience": "Executive, imprenditori, manager, responsabili di business unit, HR, innovation, operations, marketing, sales, finance, legal e compliance.", "whenToChoose": "Quando serve una base comune di comprensione manageriale prima di definire policy, progetti, investimenti o programmi di adozione più ampi.", "chooseIf": "Quando serve una base comune di comprensione manageriale prima di definire policy, progetti, investimenti o programmi di adozione più ampi.", "outcomes": [ "Comprendere possibilità e limiti dell'AI generativa.", "Valutare casi d'uso e priorità.", "Leggere rischi operativi, reputazionali, legali e organizzativi.", "Definire criteri per decidere dove investire.", "Creare linguaggio comune tra funzioni aziendali." ], "modules": [ { "title": "AI generativa per il management", "description": "Logiche, capacità, limiti e impatti sul lavoro." }, { "title": "Casi d'uso aziendali", "description": "Produttività, conoscenza, decisioni, comunicazione e automazione cognitiva." }, { "title": "Rischio e qualità", "description": "Errori plausibili, bias, riservatezza, controllo umano e accountability." }, { "title": "Dal caso d'uso alla strategia", "description": "Priorità, governance, competenze, metriche e piano di adozione." } ], "exercises": [ "Valutazione di casi d'uso.", "Classificazione del rischio.", "Costruzione di una matrice priorità/impatto.", "Analisi di scenari decisionali e trade-off manageriali." ], "materials": [ "Glossario manageriale AI.", "Matrice casi d'uso.", "Checklist di valutazione.", "Framework rischi/controlli.", "Schema per piano di adozione." ], "privacy": "Il corso chiarisce la distinzione tra dati pubblici, interni, riservati e sensibili, e introduce criteri per evitare esposizione non controllata di contenuti aziendali.", "prerequisites": "Nessuno. È pensato per creare una base manageriale condivisa.", "faqs": [ { "question": "È un corso tecnico?", "answer": "No, è manageriale e decisionale." }, { "question": "Aiuta a scegliere progetti AI?", "answer": "Sì, fornisce criteri concreti di valutazione." }, { "question": "È adatto al top management?", "answer": "Sì, soprattutto quando serve allineamento strategico." }, { "question": "Include governance?", "answer": "Sì, in forma operativa e introduttiva." } ], "output": "Matrice casi d'uso e criteri manageriali per decidere priorità, rischi e prossimi passi.", "searchIntents": [ "corso AI aziendale su Managing AI", "formazione pratica per Managing AI", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Matrice casi d'uso e criteri manageriali per decidere priorità, rischi e prossimi passi", "come introdurre Managing AI nei processi aziendali" ], "needSignals": [ "Il tema Managing AI è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Managing AI assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Matrice casi d'uso e criteri manageriali per decidere priorità, rischi e prossimi passi." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Managing AI, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Matrice casi d'uso e criteri manageriali per decidere priorità, rischi e prossimi passi." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Managing AI merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Managing AI e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/managing-ai.html", "markdown": "https://ar-tik.com/corsi/managing-ai.md", "dossier": "https://ar-tik.com/corsi/managing-ai-dossier.md", "json": "https://ar-tik.com/corsi/managing-ai.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "managing-ai-general", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "Managing AI per team aziendali misti", "subtitle": "Un percorso per allineare funzioni diverse su uso, priorità, responsabilità e rischi dell'AI generativa.", "summary": "Formazione interfunzionale per creare linguaggio comune tra business, operations, marketing, IT, HR, legal e funzioni di supporto.", "duration": "4 ore, 2 lezioni da 2 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Quando l'AI arriva in azienda, ogni funzione la interpreta dal proprio punto di vista: chi vede produttività, chi vede rischio, chi vede nuovi flussi, chi teme perdita di controllo. Il corso trasforma questi punti di vista in criteri condivisi, così il tema non resta una somma di iniziative individuali.", "audience": "Team composti da business, IT, HR, legal, compliance, marketing, operations, sales, customer service, data office e innovation.", "whenToChoose": "Quando l'AI coinvolge più funzioni e genera disallineamento tra obiettivi, aspettative, vincoli tecnici, rischi e responsabilità operative.", "chooseIf": "Quando l'AI coinvolge più funzioni e genera disallineamento tra obiettivi, aspettative, vincoli tecnici, rischi e responsabilità operative.", "outcomes": [ "Allineare funzioni diverse su opportunità e limiti.", "Identificare casi d'uso prioritari condivisi.", "Chiarire ruoli, controlli e passaggi decisionali.", "Ridurre iniziative isolate.", "Creare base comune per policy, pilota o roadmap." ], "modules": [ { "title": "Linguaggio comune", "description": "Cosa può fare l'AI, cosa non deve fare e cosa richiede controllo." }, { "title": "Mappa dei bisogni interfunzionali", "description": "Processi, frizioni, dati, output e dipendenze." }, { "title": "Valutazione condivisa", "description": "Valore, rischio, fattibilità e ownership dei casi d'uso." }, { "title": "Modello operativo", "description": "Regole minime, responsabilità, escalation, metriche e prossimi passi." } ], "exercises": [ "Workshop di allineamento.", "Mappatura di casi d'uso per funzione.", "Simulazione di decisione interfunzionale.", "Definizione di ownership e controlli." ], "materials": [ "Mappa stakeholder AI.", "Matrice casi d'uso interfunzionali.", "Modello RACI semplificato.", "Checklist rischi.", "Canvas per decisione condivisa." ], "privacy": "Introduce criteri pratici per trattare dati e informazioni tra funzioni, con attenzione a riservatezza, minimizzazione, separazione dei ruoli e tracciabilità.", "prerequisites": "Nessuno. È consigliata la partecipazione di almeno due funzioni aziendali.", "faqs": [ { "question": "È adatto a gruppi eterogenei?", "answer": "Sì, il percorso è progettato per livelli diversi di competenza." }, { "question": "Supporta progetti già avviati?", "answer": "Sì, aiuta a chiarire priorità e responsabilità." }, { "question": "Produce una policy completa?", "answer": "No, produce basi operative utili anche per una futura policy." }, { "question": "È utile prima di un pilota?", "answer": "Sì, riduce ambiguità e rischi organizzativi." } ], "output": "Mappa interfunzionale di casi d'uso, ownership e criteri di decisione.", "searchIntents": [ "corso AI aziendale su Managing AI per team aziendali misti", "formazione pratica per Managing AI per team aziendali misti", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Mappa interfunzionale di casi d'uso, ownership e criteri di decisione", "come introdurre Managing AI per team aziendali misti nei processi aziendali" ], "needSignals": [ "Il tema Managing AI per team aziendali misti è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Managing AI per team aziendali misti assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Mappa interfunzionale di casi d'uso, ownership e criteri di decisione." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Managing AI per team aziendali misti, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Mappa interfunzionale di casi d'uso, ownership e criteri di decisione." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Managing AI per team aziendali misti merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Managing AI per team aziendali misti e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/managing-ai-general.html", "markdown": "https://ar-tik.com/corsi/managing-ai-general.md", "dossier": "https://ar-tik.com/corsi/managing-ai-general-dossier.md", "json": "https://ar-tik.com/corsi/managing-ai-general.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-governance", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "AI Governance operativa", "subtitle": "Regole, ruoli e controlli per usare l'AI in azienda senza bloccare l'innovazione.", "summary": "Corso per trasformare policy, rischi e requisiti di controllo in pratiche applicabili nel lavoro quotidiano.", "duration": "4 ore, 2 lezioni da 2 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Molte aziende passano dall'uso libero dell'AI al divieto implicito, perché non hanno regole chiare. La governance operativa serve a creare confini pratici: chi può usare cosa, con quali dati, per quali output, con quali controlli e con quali responsabilità.", "audience": "Legal, compliance, risk, HR, IT, security, data protection, innovation, transformation office, manager di funzione e responsabili di processi AI-assisted.", "whenToChoose": "Quando l'uso dell'AI esiste già o sta per essere autorizzato, ma mancano regole operative chiare, controlli proporzionati e responsabilità condivise.", "chooseIf": "Quando l'uso dell'AI esiste già o sta per essere autorizzato, ma mancano regole operative chiare, controlli proporzionati e responsabilità condivise.", "outcomes": [ "Definire principi e regole operative.", "Classificare casi d'uso per rischio.", "Identificare ruoli, approvazioni e controlli.", "Gestire dati, output, auditabilità ed escalation.", "Creare base per policy interna e linee guida." ], "modules": [ { "title": "Perimetro di governance", "description": "Principi, rischi, responsabilità e livelli decisionali." }, { "title": "Classificazione dei casi d'uso", "description": "Uso consentito, limitato, vietato e livelli di rischio." }, { "title": "Controlli operativi", "description": "Dati, output, revisione umana, documentazione e tracciabilità." }, { "title": "Implementazione", "description": "Policy, processi di approvazione, formazione, monitoraggio e miglioramento." } ], "exercises": [ "Classificazione di casi d'uso.", "Definizione di regole per scenari aziendali.", "Costruzione di un registro AI.", "Simulazione di escalation e approvazione." ], "materials": [ "Schema di AI policy.", "Matrice rischio/controllo.", "Registro casi d'uso.", "Checklist dati/privacy.", "Template di approvazione." ], "privacy": "Il tema è centrale: minimizzazione, riservatezza, accessi, conservazione, trattamento di dati personali e protezione delle informazioni aziendali.", "prerequisites": "Conoscenza di base dei processi interni e delle policy aziendali esistenti. Non è richiesta competenza tecnica.", "faqs": [ { "question": "Sostituisce una consulenza legale?", "answer": "No, fornisce una struttura operativa da adattare con le funzioni competenti." }, { "question": "È compatibile con policy esistenti?", "answer": "Sì, può integrarle o renderle più applicabili." }, { "question": "Blocca l'innovazione?", "answer": "No, abilita l'uso responsabile attraverso regole chiare." }, { "question": "Produce documenti riutilizzabili?", "answer": "Sì, template e matrici sono pensati per uso interno." } ], "output": "Matrice rischio/controllo, registro casi d'uso e bozza di policy operativa.", "searchIntents": [ "corso AI aziendale su AI Governance operativa", "formazione pratica per AI Governance operativa", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Matrice rischio/controllo, registro casi d'uso e bozza di policy operativa", "come introdurre AI Governance operativa nei processi aziendali" ], "needSignals": [ "Il tema AI Governance operativa è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Governance operativa assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Matrice rischio/controllo, registro casi d'uso e bozza di policy operativa." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Governance operativa, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Matrice rischio/controllo, registro casi d'uso e bozza di policy operativa." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Governance operativa merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Governance operativa e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/ai-governance.html", "markdown": "https://ar-tik.com/corsi/ai-governance.md", "dossier": "https://ar-tik.com/corsi/ai-governance-dossier.md", "json": "https://ar-tik.com/corsi/ai-governance.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-business-case-roi", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "AI Business Case & ROI Sprint", "subtitle": "Un percorso rapido per trasformare un'idea AI in business case valutabile, prioritizzato e presentabile.", "summary": "Sprint per passare da entusiasmo o intuizione a una decisione economica: problema, valore, costi, rischi, metriche e raccomandazione.", "duration": "4 ore o sprint da mezza giornata", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Le idee AI arrivano spesso come richieste generiche: automatizzare, velocizzare, fare meglio. Senza business case, però, il management non vede cosa approvare, cosa rimandare e cosa fermare. Lo sprint costruisce una valutazione chiara, con ipotesi esplicite e metriche verificabili.", "audience": "Manager, finance, strategy, innovation, transformation office, business owner, operations, HR, marketing, sales e funzioni che devono valutare investimenti AI.", "whenToChoose": "Quando esistono idee o richieste AI ma manca una valutazione economica e operativa solida prima di budget, pilota o proposta al management.", "chooseIf": "Quando esistono idee o richieste AI ma manca una valutazione economica e operativa solida prima di budget, pilota o proposta al management.", "outcomes": [ "Chiarire il problema di business.", "Stimare benefici, costi, effort e rischi.", "Definire KPI e ipotesi misurabili.", "Confrontare scenari: non fare, sperimentare, scalare.", "Preparare un business case sintetico." ], "modules": [ { "title": "Dal bisogno al caso d'uso", "description": "Problema, utenti, processo, output e vincoli." }, { "title": "Valore e benefici", "description": "Tempo, qualità, ricavi, costi evitati, rischio ridotto ed esperienza interna." }, { "title": "Costi e rischi", "description": "Implementazione, formazione, governance, dati, integrazione e manutenzione." }, { "title": "Decisione e roadmap", "description": "KPI, ipotesi, pilota, criteri di successo e raccomandazione finale." } ], "exercises": [ "Costruzione di un business case su un caso reale.", "Stima benefici/costi.", "Definizione KPI.", "Analisi rischio/valore.", "Sintesi executive." ], "materials": [ "Template business case AI.", "Calcolatore ROI semplificato.", "Matrice ipotesi/KPI.", "Schema costi nascosti.", "Executive summary." ], "privacy": "Le valutazioni possono essere svolte su dati aggregati o anonimizzati. Il corso considera anche costi e rischi legati a dati, privacy, compliance e sicurezza.", "prerequisites": "È utile avere un caso d'uso candidato o un'area aziendale da analizzare. Non sono richieste competenze tecniche.", "faqs": [ { "question": "Serve un progetto già definito?", "answer": "No, è sufficiente una priorità aziendale o un'idea da valutare." }, { "question": "Il ROI sarà certo?", "answer": "No, sarà una stima ragionata con ipotesi esplicite." }, { "question": "È adatto al finance team?", "answer": "Sì, rende confrontabili iniziative AI diverse." }, { "question": "Produce una presentazione?", "answer": "Sì, in forma sintetica e decisionale." } ], "output": "Business case AI pronto per valutazione interna.", "searchIntents": [ "corso AI aziendale su AI Business Case & ROI Sprint", "formazione pratica per AI Business Case & ROI Sprint", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Business case AI pronto per valutazione interna", "come introdurre AI Business Case & ROI Sprint nei processi aziendali" ], "needSignals": [ "Il tema AI Business Case & ROI Sprint è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Business Case & ROI Sprint assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Business case AI pronto per valutazione interna." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Business Case & ROI Sprint, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Business case AI pronto per valutazione interna." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Business Case & ROI Sprint merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Business Case & ROI Sprint e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager" ], "urls": { "html": "https://ar-tik.com/corsi/ai-business-case-roi.html", "markdown": "https://ar-tik.com/corsi/ai-business-case-roi.md", "dossier": "https://ar-tik.com/corsi/ai-business-case-roi-dossier.md", "json": "https://ar-tik.com/corsi/ai-business-case-roi.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-adoption-manager", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "AI Adoption Manager / AI Champions", "subtitle": "Formare figure interne capaci di accompagnare l'adozione dell'AI nei team, con metodo, responsabilità e attenzione al cambiamento.", "summary": "Percorso per creare referenti interni che raccolgono bisogni, supportano i colleghi e collegano sperimentazioni locali alla governance aziendale.", "duration": "6-8 ore, modulabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Dopo un primo corso, molte aziende vedono nascere entusiasmo in alcuni team e resistenze in altri. Senza figure interne riconosciute, le buone pratiche non circolano e i rischi non emergono in tempo. Il percorso prepara champion capaci di facilitare adozione e disciplina.", "audience": "Figure selezionate da HR, innovation, transformation, IT, business unit, operations, marketing, sales, customer service e funzioni operative.", "whenToChoose": "Quando l'azienda vuole scalare l'adozione AI oltre la formazione iniziale, creando una rete interna di facilitatori competenti e riconoscibili.", "chooseIf": "Quando l'azienda vuole scalare l'adozione AI oltre la formazione iniziale, creando una rete interna di facilitatori competenti e riconoscibili.", "outcomes": [ "Definire ruolo e perimetro degli AI Champion.", "Facilitare casi d'uso nei team.", "Raccogliere bisogni, rischi e feedback.", "Supportare uso responsabile e coerente.", "Creare community interna e reporting verso governance." ], "modules": [ { "title": "Ruolo e perimetro", "description": "Responsabilità, limiti, relazioni con funzioni centrali e team locali." }, { "title": "Facilitare l'adozione", "description": "Bisogni, resistenze, casi d'uso, routine operative e comunicazione interna." }, { "title": "Qualità e responsabilità", "description": "Dati, output, controlli, escalation e uso appropriato." }, { "title": "Community e scalabilità", "description": "Feedback, metriche, rituali, knowledge sharing e roadmap locale." } ], "exercises": [ "Simulazione di raccolta bisogni.", "Analisi di casi d'uso proposti dai team.", "Gestione di resistenze.", "Piano di adozione per funzione." ], "materials": [ "Role description AI Champion.", "Playbook di adozione.", "Template raccolta casi d'uso.", "Checklist responsible use.", "Schema reporting." ], "privacy": "I partecipanti apprendono come orientare i team verso un uso prudente delle informazioni, evitando inserimento improprio di dati riservati o personali e favorendo escalation.", "prerequisites": "Conoscenza del contesto aziendale e capacità di facilitazione interna. Non è richiesta competenza tecnica avanzata.", "faqs": [ { "question": "Gli champion devono essere tecnici?", "answer": "No, devono comprendere processi, persone, rischi e opportunità." }, { "question": "Serve dopo una formazione base?", "answer": "Sì, rende l'adozione continua." }, { "question": "Funziona in aziende distribuite?", "answer": "Sì, il modello è adatto a più funzioni o sedi." }, { "question": "Produce strumenti operativi?", "answer": "Sì, playbook, template e schema di reporting." } ], "output": "Playbook e modello operativo per rete interna di AI Champion.", "searchIntents": [ "corso AI aziendale su AI Adoption Manager / AI Champions", "formazione pratica per AI Adoption Manager / AI Champions", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Playbook e modello operativo per rete interna di AI Champion", "come introdurre AI Adoption Manager / AI Champions nei processi aziendali" ], "needSignals": [ "Il tema AI Adoption Manager / AI Champions è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Adoption Manager / AI Champions assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Playbook e modello operativo per rete interna di AI Champion." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Adoption Manager / AI Champions, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Playbook e modello operativo per rete interna di AI Champion." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Adoption Manager / AI Champions merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Adoption Manager / AI Champions e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/ai-adoption-manager.html", "markdown": "https://ar-tik.com/corsi/ai-adoption-manager.md", "dossier": "https://ar-tik.com/corsi/ai-adoption-manager-dossier.md", "json": "https://ar-tik.com/corsi/ai-adoption-manager.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-literacy", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "Role-Based AI Literacy & Responsible Use", "subtitle": "Alfabetizzazione AI per ruoli aziendali, con focus su uso responsabile, qualità degli output e applicazione nel lavoro quotidiano.", "summary": "Formazione base ma concreta per diffondere uso AI sicuro e utile, differenziato per ruoli e responsabilità.", "duration": "4-8 ore, adattabili per ruolo", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Molte persone usano l'AI senza sapere davvero quando fidarsi, cosa non condividere e come verificare gli output. Altre non la usano perché la percepiscono come troppo tecnica. Il corso crea una base pratica e responsabile, adatta ai diversi ruoli aziendali.", "audience": "Dipendenti, team operativi, manager di primo livello, funzioni corporate, customer-facing team, HR, marketing, sales, operations, amministrazione, legal e supporto interno.", "whenToChoose": "Quando l'azienda vuole diffondere cultura AI comune, evitando sia entusiasmo non governato sia blocco operativo.", "chooseIf": "Quando l'azienda vuole diffondere cultura AI comune, evitando sia entusiasmo non governato sia blocco operativo.", "outcomes": [ "Comprendere l'AI generativa in modo essenziale.", "Applicarla a compiti quotidiani.", "Ridurre errori, esposizione di dati e aspettative irrealistiche.", "Valutare output, limiti e responsabilità.", "Differenziare pratiche per ruolo e rischio." ], "modules": [ { "title": "AI literacy essenziale", "description": "Cosa fa l'AI, come ragiona, dove fallisce e quando usarla." }, { "title": "Uso per ruolo", "description": "Attività tipiche, casi consentiti, casi da evitare ed esempi funzionali." }, { "title": "Responsible use", "description": "Dati, privacy, bias, qualità, verifica e controllo umano." }, { "title": "Applicazione quotidiana", "description": "Routine, checklist, escalation, buone pratiche e prossimi passi." } ], "exercises": [ "Analisi di attività per ruolo.", "Riscrittura di workflow individuali.", "Valutazione critica di output.", "Costruzione di checklist operative per funzione." ], "materials": [ "Schede AI literacy per ruolo.", "Checklist responsible use.", "Guida alla valutazione output.", "Matrice dati consentiti/non consentiti.", "Template routine AI-assisted." ], "privacy": "Chiarisce quali informazioni possono essere usate, quali richiedono cautela e quali non devono essere inserite in ambienti non approvati.", "prerequisites": "Nessuno. Il percorso può essere adattato a ruoli, funzioni e livelli di maturità diversi.", "faqs": [ { "question": "È un corso base?", "answer": "Sì, ma progettato su ruoli aziendali reali." }, { "question": "Può entrare nell'onboarding?", "answer": "Sì, è adatto a programmi diffusi." }, { "question": "È uguale per tutti?", "answer": "No, può essere modulato per funzione e rischio." }, { "question": "Riduce usi impropri?", "answer": "Sì, traduce il responsible use in comportamenti pratici." } ], "output": "Schede di uso responsabile per ruolo e checklist operative.", "searchIntents": [ "corso AI aziendale su Role-Based AI Literacy & Responsible Use", "formazione pratica per Role-Based AI Literacy & Responsible Use", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Schede di uso responsabile per ruolo e checklist operative", "come introdurre Role-Based AI Literacy & Responsible Use nei processi aziendali" ], "needSignals": [ "Il tema Role-Based AI Literacy & Responsible Use è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Role-Based AI Literacy & Responsible Use assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Schede di uso responsabile per ruolo e checklist operative." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Role-Based AI Literacy & Responsible Use, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Schede di uso responsabile per ruolo e checklist operative." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Role-Based AI Literacy & Responsible Use merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Role-Based AI Literacy & Responsible Use e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/ai-literacy.html", "markdown": "https://ar-tik.com/corsi/ai-literacy.md", "dossier": "https://ar-tik.com/corsi/ai-literacy-dossier.md", "json": "https://ar-tik.com/corsi/ai-literacy.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-documenti", "locale": "it", "language": "it", "family": "intro", "familyLabel": "Introduttivo", "featured": false, "title": "Corso AI: gestire i documenti con AI", "subtitle": "Leggere, classificare, estrarre e ritrovare informazioni da contratti, fatture, preventivi, email, PDF e archivi aziendali.", "summary": "Laboratorio pratico per trasformare il caos documentale in un sistema di lavoro più ordinato, interrogabile e controllato.", "duration": "8 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Ogni azienda produce, riceve e archivia documenti. Il problema non è solo conservarli: è ritrovare la versione giusta, estrarre dati senza copia-incolla, capire cosa contiene un PDF lungo, preparare risposte coerenti e non perdere informazioni in cartelle condivise. Il corso mostra come usare l'AI come supporto operativo al team, con limiti e verifiche chiari.", "audience": "Imprenditori che vogliono dare ordine al caos documentale e team operativi che gestiscono ogni giorno carte, email, allegati e archivi.", "whenToChoose": "Quando documenti, contratti, fatture, scansioni o email assorbono tempo e rendono difficile recuperare informazioni affidabili.", "chooseIf": "Quando documenti, contratti, fatture, scansioni o email assorbono tempo e rendono difficile recuperare informazioni affidabili.", "outcomes": [ "Estrarre dati da PDF, fatture e contratti senza copia-incolla.", "Costruire un archivio interrogabile in linguaggio naturale.", "Riassumere documenti lunghi e generare risposte coerenti con la voce aziendale.", "Classificare email e allegati in arrivo.", "Riconoscere limiti dell'AI e proteggere dati sensibili." ], "modules": [ { "title": "Documenti e informazioni", "description": "Tipi di file, qualità delle fonti, dati sensibili e preparazione dei materiali." }, { "title": "Estrazione e sintesi", "description": "Tabelle, clausole, scadenze, riepiloghi e punti da verificare." }, { "title": "Archivio interrogabile", "description": "Domande in linguaggio naturale, criteri di ricerca, citazioni e controllo delle fonti." }, { "title": "Workflow documentale", "description": "Classificazione, smistamento, risposte, escalation e regole di utilizzo." } ], "exercises": [ "Estrazione dati da documenti simulati.", "Sintesi di un contratto lungo.", "Creazione di una mini knowledge base.", "Classificazione di email e allegati." ], "materials": [ "Template per interrogare documenti.", "Checklist privacy documentale.", "Schema archivio interrogabile.", "Prompt operativi per sintesi e classificazione." ], "privacy": "Si lavora su documenti sintetici o anonimizzati. Il corso spiega come evitare caricamenti impropri di contratti riservati, dati personali o documenti coperti da vincoli di confidenzialità.", "prerequisites": "Nessuna competenza tecnica. È utile portare esempi di tipologie documentali gestite dall'azienda.", "faqs": [ { "question": "Serve un archivio già ordinato?", "answer": "No, il corso aiuta anche a impostare criteri di ordine e classificazione." }, { "question": "L'AI sostituisce la verifica umana?", "answer": "No, riduce lavoro ripetitivo e segnala punti da controllare." }, { "question": "Si possono usare documenti reali?", "answer": "Solo se autorizzati e compatibili con policy e strumenti aziendali." }, { "question": "È adatto a piccoli team?", "answer": "Sì, spesso il beneficio è immediato nei team che gestiscono molti documenti." } ], "output": "Workflow documentale AI-assisted e template per ricerca, sintesi, estrazione e classificazione.", "searchIntents": [ "corso AI aziendale su Corso AI: gestire i documenti con AI", "formazione pratica per Corso AI: gestire i documenti con AI", "training AI per team operativi", "percorso Artik Lab per Workflow documentale AI-assisted e template per ricerca, sintesi, estrazione e classificazione", "come introdurre Corso AI: gestire i documenti con AI nei processi aziendali" ], "needSignals": [ "Il tema Corso AI: gestire i documenti con AI è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Corso AI: gestire i documenti con AI assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Workflow documentale AI-assisted e template per ricerca, sintesi, estrazione e classificazione." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Corso AI: gestire i documenti con AI, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Workflow documentale AI-assisted e template per ricerca, sintesi, estrazione e classificazione." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Corso AI: gestire i documenti con AI merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Corso AI: gestire i documenti con AI e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-literacy", "secure-ai-at-work", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-documenti.html", "markdown": "https://ar-tik.com/corsi/ai-documenti.md", "dossier": "https://ar-tik.com/corsi/ai-documenti-dossier.md", "json": "https://ar-tik.com/corsi/ai-documenti.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-marketing", "locale": "it", "language": "it", "family": "intro", "familyLabel": "Introduttivo", "featured": false, "title": "Corso AI: marketing e comunicazione AI driven", "subtitle": "Produrre contenuti, analizzare mercato e concorrenti, pianificare campagne e mantenere una voce coerente con il brand.", "summary": "Laboratorio per usare l'AI come assistente editoriale e di analisi, senza perdere identità, qualità e controllo.", "duration": "8 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Il marketing che funziona oggi è veloce, mirato e costante. L'AI può affiancare un team nella produzione di contenuti, nell'analisi di trend e nella pianificazione editoriale, ma solo se la voce aziendale resta riconoscibile e gli output vengono verificati. Il corso costruisce un metodo pratico per aumentare produttività senza pubblicare contenuti generici.", "audience": "Titolari che vogliono comunicare meglio senza dipendere totalmente da fornitori esterni e team marketing che vogliono aumentare produttività.", "whenToChoose": "Quando comunicazione, contenuti e analisi competitor richiedono continuità, ma il team deve mantenere coerenza di marca e qualità.", "chooseIf": "Quando comunicazione, contenuti e analisi competitor richiedono continuità, ma il team deve mantenere coerenza di marca e qualità.", "outcomes": [ "Generare post, articoli, newsletter e script video coerenti con il brand.", "Analizzare concorrenti, trend e parole chiave in tempi rapidi.", "Creare brief per immagini e visual.", "Pianificare un calendario editoriale sostenibile.", "Misurare cosa funziona e correggere sui dati reali." ], "modules": [ { "title": "Brand e voce", "description": "Posizionamento, tono, messaggi ricorrenti e confini da rispettare." }, { "title": "Produzione contenuti", "description": "Post, newsletter, articoli, script, landing e materiali commerciali." }, { "title": "Analisi e pianificazione", "description": "Concorrenti, trend, parole chiave, calendari e priorità editoriali." }, { "title": "Qualità e misurazione", "description": "Review, coerenza, metriche, riuso e miglioramento continuo." } ], "exercises": [ "Creazione di un calendario editoriale.", "Riscrittura di contenuti in diverse voci.", "Analisi di competitor e temi ricorrenti.", "Preparazione di brief per visual e materiali commerciali." ], "materials": [ "Brand voice sheet.", "Template calendario editoriale.", "Checklist qualità contenuti.", "Prompt per analisi mercato e competitor." ], "privacy": "Il corso lavora su materiali approvati o esempi sintetici. Si trattano copyright, dati di clienti, uso di immagini, tono di voce e verifica prima della pubblicazione.", "prerequisites": "Nessuna competenza tecnica. È utile disporre di esempi di comunicazione aziendale già pubblica.", "faqs": [ { "question": "L'AI sostituisce il marketing team?", "answer": "No, lo affianca nella produzione e nell'analisi." }, { "question": "Il corso può lavorare sulla voce di marca dell'azienda?", "answer": "Sì, usando materiali approvati o esempi pubblici." }, { "question": "Include visual?", "answer": "Include workflow e brief per visual, con attenzione a diritti e coerenza." }, { "question": "È adatto a chi comunica poco?", "answer": "Sì, aiuta a costruire una routine sostenibile." } ], "output": "Sistema operativo per contenuti, calendario, voce di marca e analisi competitor.", "searchIntents": [ "corso AI aziendale su Corso AI: marketing e comunicazione AI driven", "formazione pratica per Corso AI: marketing e comunicazione AI driven", "training AI per team operativi", "percorso Artik Lab per Sistema operativo per contenuti, calendario, voce di marca e analisi competitor", "come introdurre Corso AI: marketing e comunicazione AI driven nei processi aziendali" ], "needSignals": [ "Il tema Corso AI: marketing e comunicazione AI driven è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Corso AI: marketing e comunicazione AI driven assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Sistema operativo per contenuti, calendario, voce di marca e analisi competitor." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Corso AI: marketing e comunicazione AI driven, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Sistema operativo per contenuti, calendario, voce di marca e analisi competitor." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Corso AI: marketing e comunicazione AI driven merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Corso AI: marketing e comunicazione AI driven e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-literacy", "secure-ai-at-work", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-marketing.html", "markdown": "https://ar-tik.com/corsi/ai-marketing.md", "dossier": "https://ar-tik.com/corsi/ai-marketing-dossier.md", "json": "https://ar-tik.com/corsi/ai-marketing.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-vendite", "locale": "it", "language": "it", "family": "intro", "familyLabel": "Introduttivo", "featured": false, "title": "Corso AI: vendita B2C e B2B con AI", "subtitle": "Qualificare lead, preparare trattative, personalizzare proposte e seguire opportunità senza perdere continuità.", "summary": "Laboratorio per usare l'AI come secondo commerciale operativo: ricerca, preparazione, follow-up e qualità della proposta.", "duration": "8 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Vendere oggi significa conoscere il cliente prima di parlargli. Spesso le informazioni sono sparse tra sito, CRM, email, note e memoria dei commerciali. L'AI aiuta a preparare conversazioni, offerte e follow-up più pertinenti, ma richiede criteri chiari per non inventare, non promettere troppo e non perdere il tono dell'azienda.", "audience": "Imprenditori e commerciali B2B con trattative complesse, e team B2C che vogliono aumentare conversioni e ritorno cliente.", "whenToChoose": "Quando il team commerciale perde tempo in preparazione, personalizzazione offerte, follow-up o gestione di lead non qualificati.", "chooseIf": "Quando il team commerciale perde tempo in preparazione, personalizzazione offerte, follow-up o gestione di lead non qualificati.", "outcomes": [ "Profilare clienti e prospect da fonti pubbliche e dati aziendali autorizzati.", "Preparare offerte personalizzate più rapidamente.", "Costruire script di vendita e risposte alle obiezioni.", "Organizzare follow-up, recall e gestione funnel.", "Usare l'AI come supporto che non dimentica opportunità e prossimi passi." ], "modules": [ { "title": "Cliente e contesto", "description": "Profilo, bisogni, segnali pubblici, storico e vincoli di privacy." }, { "title": "Preparazione della vendita", "description": "Obiezioni, domande, proposta di valore e messaggi per ruolo." }, { "title": "Offerte e follow-up", "description": "Bozze personalizzate, email, sintesi call, promemoria e sequenze." }, { "title": "Controllo commerciale", "description": "Qualità, veridicità, tono, pipeline e misurazione." } ], "exercises": [ "Preparazione di una trattativa.", "Scrittura di proposta personalizzata.", "Creazione di script e risposte alle obiezioni.", "Piano follow-up per lead diversi." ], "materials": [ "Template profilo cliente.", "Prompt per proposta commerciale.", "Checklist qualità offerta.", "Schema follow-up e recall." ], "privacy": "Si usano dati sintetici, pubblici o autorizzati. Il corso chiarisce come evitare inserimento di dati cliente riservati, informazioni contrattuali o contenuti commerciali sensibili in ambienti non approvati.", "prerequisites": "Nessuna competenza tecnica. È utile conoscere processo di vendita, segmenti cliente e materiali commerciali esistenti.", "faqs": [ { "question": "L'AI può scrivere offerte da sola?", "answer": "Può preparare bozze, ma la responsabilità commerciale resta umana." }, { "question": "Funziona per B2B e B2C?", "answer": "Sì, il laboratorio viene adattato al ciclo di vendita." }, { "question": "Serve un CRM?", "answer": "Non è obbligatorio, ma aiuta a rendere il workflow più disciplinato." }, { "question": "Può migliorare il follow-up?", "answer": "Sì, soprattutto su continuità, personalizzazione e memoria delle opportunità." } ], "output": "Workflow commerciale AI-assisted per profili cliente, offerte, obiezioni e follow-up.", "searchIntents": [ "corso AI aziendale su Corso AI: vendita B2C e B2B con AI", "formazione pratica per Corso AI: vendita B2C e B2B con AI", "training AI per team operativi", "percorso Artik Lab per Workflow commerciale AI-assisted per profili cliente, offerte, obiezioni e follow-up", "come introdurre Corso AI: vendita B2C e B2B con AI nei processi aziendali" ], "needSignals": [ "Il tema Corso AI: vendita B2C e B2B con AI è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Corso AI: vendita B2C e B2B con AI assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Workflow commerciale AI-assisted per profili cliente, offerte, obiezioni e follow-up." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Corso AI: vendita B2C e B2B con AI, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Workflow commerciale AI-assisted per profili cliente, offerte, obiezioni e follow-up." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Corso AI: vendita B2C e B2B con AI merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Corso AI: vendita B2C e B2B con AI e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-literacy", "secure-ai-at-work", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-vendite.html", "markdown": "https://ar-tik.com/corsi/ai-vendite.md", "dossier": "https://ar-tik.com/corsi/ai-vendite-dossier.md", "json": "https://ar-tik.com/corsi/ai-vendite.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-admin-finance", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI per amministrazione e controllo di gestione", "subtitle": "Applicare l'AI a riconciliazioni, report, analisi scostamenti, budgeting e controllo direzionale.", "summary": "Corso per usare l'AI in AFC come supporto a sintesi, reportistica e controlli preliminari, mantenendo responsabilità umana.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Amministrazione, finanza e controllo lavorano su dati distribuiti, report ricorrenti e scostamenti da spiegare. Il tempo viene assorbito da raccolta, normalizzazione, sintesi e preparazione di note interne. Il corso mostra dove l'AI può ridurre fatica operativa senza delegare decisioni contabili o gestionali.", "audience": "Controller, amministrazione, finance, responsabili AFC, business analyst, team di reporting e figure coinvolte in budget, forecast e chiusure.", "whenToChoose": "Quando l'azienda vuole rendere più rapidi e tracciabili analisi, reporting e controllo, senza trasformare l'AI in un decisore contabile.", "chooseIf": "Quando l'azienda vuole rendere più rapidi e tracciabili analisi, reporting e controllo, senza trasformare l'AI in un decisore contabile.", "outcomes": [ "Analizzare tabelle, scostamenti e note gestionali.", "Creare bozze di report direzionali verificabili.", "Automatizzare sintesi e controlli preliminari.", "Ridurre tempi per commenti ed executive summary.", "Definire regole di verifica, privacy e supervisione." ], "modules": [ { "title": "Casi d'uso AFC", "description": "Reporting mensile, analisi scostamenti, riconciliazioni descrittive, costi, budget e forecast." }, { "title": "Dati, tabelle e spiegazioni", "description": "Preparare dati leggibili, ottenere sintesi e individuare incoerenze." }, { "title": "Reportistica e controllo", "description": "Bozze per commenti gestionali, report direzione e note KPI." }, { "title": "Governance operativa", "description": "Controlli umani, versionamento, limiti di utilizzo e checklist di validazione." } ], "exercises": [ "Analisi di uno scostamento budget/consuntivo.", "Sintesi di una tabella costi.", "Creazione di una nota direzionale.", "Revisione critica di output con errori intenzionali." ], "materials": [ "Template per analisi scostamenti.", "Checklist verifica output AFC.", "Schema report gestionale.", "Matrice casi d'uso/rischi/controlli." ], "privacy": "Il corso lavora su dati simulati o anonimizzati e illustra regole per evitare inserimento di dati personali, informazioni riservate o contenuti non autorizzati.", "prerequisites": "Conoscenza base dei processi amministrativi e di controllo. Non sono richieste competenze tecniche.", "faqs": [ { "question": "L'AI può sostituire il controllo di gestione?", "answer": "No, supporta analisi, sintesi e preparazione documentale." }, { "question": "Servono dati perfetti?", "answer": "No, ma dati ordinati migliorano qualità e verificabilità." }, { "question": "Si lavora su casi reali?", "answer": "Sì, con scenari realistici e dati simulati o anonimizzati." }, { "question": "Include automazioni?", "answer": "Include workflow replicabili; l'integrazione dipende dai sistemi aziendali." } ], "output": "Set di template per report, analisi scostamenti e controlli AFC.", "searchIntents": [ "corso AI aziendale su AI per amministrazione e controllo di gestione", "formazione pratica per AI per amministrazione e controllo di gestione", "training AI per funzioni operative", "percorso Artik Lab per Set di template per report, analisi scostamenti e controlli AFC", "come introdurre AI per amministrazione e controllo di gestione nei processi aziendali" ], "needSignals": [ "Il tema AI per amministrazione e controllo di gestione è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI per amministrazione e controllo di gestione assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Set di template per report, analisi scostamenti e controlli AFC." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI per amministrazione e controllo di gestione, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Set di template per report, analisi scostamenti e controlli AFC." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI per amministrazione e controllo di gestione merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI per amministrazione e controllo di gestione e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-admin-finance.html", "markdown": "https://ar-tik.com/corsi/ai-admin-finance.md", "dossier": "https://ar-tik.com/corsi/ai-admin-finance-dossier.md", "json": "https://ar-tik.com/corsi/ai-admin-finance.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-operations", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI Operations", "subtitle": "Applicare l'AI ai processi operativi: procedure, report, coordinamento attività, colli di bottiglia e standardizzazione.", "summary": "Percorso per migliorare efficienza, controllo e leggibilità dei processi operativi senza aggiungere dashboard inutili.", "duration": "4 ore, 2 lezioni da 2 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Le operations vivono di passaggi, eccezioni, comunicazioni tra funzioni e decisioni rapide. Quando informazioni e procedure sono sparse, ogni coordinamento diventa più lento. Il corso mostra come usare l'AI per trasformare note destrutturate in procedure, leggere rischi e rendere più chiari i prossimi passi.", "audience": "Operations manager, project operations, back office, responsabili di processo, supply chain, produzione, logistica, service operations e team trasversali.", "whenToChoose": "Quando l'azienda vuole migliorare efficienza, standardizzazione e controllo dei processi operativi senza automatizzare decisioni critiche senza supervisione.", "chooseIf": "Quando l'azienda vuole migliorare efficienza, standardizzazione e controllo dei processi operativi senza automatizzare decisioni critiche senza supervisione.", "outcomes": [ "Mappare processi e attività ricorrenti.", "Creare procedure operative e checklist.", "Sintetizzare report, meeting note e aggiornamenti.", "Individuare colli di bottiglia e rischi.", "Costruire workflow assistiti per attività ripetitive." ], "modules": [ { "title": "AI nei processi operativi", "description": "Procedure, report, pianificazione, coordinamento e knowledge base." }, { "title": "Standardizzazione", "description": "Trasformare prassi operative in istruzioni, checklist e schede processo." }, { "title": "Analisi e coordinamento", "description": "Sintetizzare aggiornamenti, dipendenze, priorità, rischi e blocchi." }, { "title": "Governance operativa", "description": "Controlli, ruoli, dati utilizzabili, limiti e misurazione impatto." } ], "exercises": [ "Mappatura di un processo operativo.", "Creazione di una procedura da note destrutturate.", "Sintesi di un report operativo.", "Analisi di colli di bottiglia e azioni." ], "materials": [ "Template procedura operativa.", "Checklist processo AI-assisted.", "Schema report operations.", "Matrice priorità/rischio/impatto." ], "privacy": "Si usano scenari simulati o anonimizzati. Vengono definite regole per proteggere informazioni operative, dati cliente, dati fornitore e documentazione riservata.", "prerequisites": "Esperienza base in processi aziendali o coordinamento operativo. Non sono richieste competenze tecniche.", "faqs": [ { "question": "Può automatizzare un processo?", "answer": "Può supportare standardizzazione, sintesi e controllo; l'automazione completa richiede analisi tecnica." }, { "question": "È adatto a processi non documentati?", "answer": "Sì, trasforma conoscenza operativa destrutturata in procedure." }, { "question": "Aiuta sulle priorità?", "answer": "Sì, se criteri e vincoli sono chiari." }, { "question": "Come si misura il beneficio?", "answer": "Con tempo risparmiato, rilavorazioni ridotte, qualità documentale e velocità di allineamento." } ], "output": "Workflow operativo ridisegnato con procedure, checklist e report assistiti da AI.", "searchIntents": [ "corso AI aziendale su AI Operations", "formazione pratica per AI Operations", "training AI per funzioni operative", "percorso Artik Lab per Workflow operativo ridisegnato con procedure, checklist e report assistiti da AI", "come introdurre AI Operations nei processi aziendali" ], "needSignals": [ "Il tema AI Operations è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Operations assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Workflow operativo ridisegnato con procedure, checklist e report assistiti da AI." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Operations, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Workflow operativo ridisegnato con procedure, checklist e report assistiti da AI." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Operations merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Operations e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-operations.html", "markdown": "https://ar-tik.com/corsi/ai-operations.md", "dossier": "https://ar-tik.com/corsi/ai-operations-dossier.md", "json": "https://ar-tik.com/corsi/ai-operations.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-legal-ops", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI Legal Ops e compliance documentale", "subtitle": "Usare l'AI per organizzare, confrontare, sintetizzare e controllare documenti legali e compliance.", "summary": "Corso operativo per ridurre lavoro manuale su contratti, policy e procedure, mantenendo supervisione e gestione del rischio.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Contratti, policy, procedure e documentazione compliance richiedono letture ripetute, confronti tra versioni, estrazione di clausole, sintesi e verifiche formali. L'AI può accelerare il lavoro preparatorio, ma non deve diventare parere legale automatico. Il corso costruisce un confine chiaro tra supporto operativo e valutazione professionale.", "audience": "Legal operations, compliance, affari legali, segreterie societarie, risk management, internal audit e uffici che gestiscono documentazione normativa o contrattuale.", "whenToChoose": "Quando l'azienda vuole ridurre lavoro manuale su documenti legal/compliance senza affidare all'AI interpretazioni definitive o decisioni vincolanti.", "chooseIf": "Quando l'azienda vuole ridurre lavoro manuale su documenti legal/compliance senza affidare all'AI interpretazioni definitive o decisioni vincolanti.", "outcomes": [ "Estrarre informazioni chiave da documenti lunghi.", "Confrontare versioni di policy, contratti e procedure.", "Preparare checklist e riepiloghi operativi.", "Individuare punti da verificare.", "Definire limiti d'uso, tracciabilità e revisione umana." ], "modules": [ { "title": "Legal Ops e AI applicabile", "description": "Contract review preliminare, sintesi, confronto versioni e obblighi ricorrenti." }, { "title": "Lettura documentale", "description": "Estrarre clausole, creare tabelle, identificare scadenze e responsabilità." }, { "title": "Controllo e standardizzazione", "description": "Checklist, modelli di revisione, gap analysis e note interne." }, { "title": "Rischi e responsabilità", "description": "Limiti, dati riservati, log di verifica e revisione umana." } ], "exercises": [ "Sintesi di una procedura compliance.", "Estrazione obblighi da contratto simulato.", "Confronto tra versioni di policy.", "Creazione checklist di revisione documentale." ], "materials": [ "Template analisi documentale.", "Checklist revisione preliminare.", "Schema confronto versioni.", "Linee guida uso AI legal/compliance." ], "privacy": "Si usano documenti simulati o anonimizzati. Il corso tratta contratti riservati, dati personali, informazioni societarie sensibili e vincoli di confidenzialità.", "prerequisites": "Familiarità con documentazione legale, compliance o contrattuale. Non sono richieste competenze tecniche.", "faqs": [ { "question": "L'AI fornisce pareri legali?", "answer": "No, supporta attività operative e documentali." }, { "question": "Aiuta nel confronto versioni?", "answer": "Sì, evidenzia differenze e punti da verificare." }, { "question": "È adatto a documenti complessi?", "answer": "Sì, se il lavoro è scomposto in passaggi verificabili." }, { "question": "Come gestire documenti riservati?", "answer": "Con anonimizzazione, minimizzazione e autorizzazione preventiva." } ], "output": "Checklist e workflow per analisi documentale, confronto versioni e riepiloghi legal/compliance.", "searchIntents": [ "corso AI aziendale su AI Legal Ops e compliance documentale", "formazione pratica per AI Legal Ops e compliance documentale", "training AI per funzioni operative", "percorso Artik Lab per Checklist e workflow per analisi documentale, confronto versioni e riepiloghi legal/compliance", "come introdurre AI Legal Ops e compliance documentale nei processi aziendali" ], "needSignals": [ "Il tema AI Legal Ops e compliance documentale è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Legal Ops e compliance documentale assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Checklist e workflow per analisi documentale, confronto versioni e riepiloghi legal/compliance." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Legal Ops e compliance documentale, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Checklist e workflow per analisi documentale, confronto versioni e riepiloghi legal/compliance." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Legal Ops e compliance documentale merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Legal Ops e compliance documentale e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-legal-ops.html", "markdown": "https://ar-tik.com/corsi/ai-legal-ops.md", "dossier": "https://ar-tik.com/corsi/ai-legal-ops-dossier.md", "json": "https://ar-tik.com/corsi/ai-legal-ops.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-procurement", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI per procurement e supplier intelligence", "subtitle": "Applicare l'AI a vendor scouting, analisi fornitori, comparazione offerte, sintesi contrattuali e rischi di fornitura.", "summary": "Corso per rendere più strutturati scouting, comparazione e documentazione acquisti mantenendo criteri decisionali trasparenti.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Il procurement gestisce offerte, schede fornitore, capitolati, contratti, condizioni commerciali, dati qualitativi e rischi. Le informazioni sono spesso frammentate e difficili da confrontare. Il corso mostra come usare l'AI per creare profili, griglie e domande migliori, senza delegare la scelta al sistema.", "audience": "Procurement, uffici acquisti, supply chain, vendor management, category manager, operations e funzioni che valutano fornitori o richieste di offerta.", "whenToChoose": "Quando l'azienda vuole rendere più strutturati scouting, comparazione, documentazione e analisi preliminare dei fornitori.", "chooseIf": "Quando l'azienda vuole rendere più strutturati scouting, comparazione, documentazione e analisi preliminare dei fornitori.", "outcomes": [ "Creare schede fornitore standardizzate.", "Confrontare offerte e condizioni.", "Sintetizzare documentazione commerciale e tecnica.", "Preparare domande per chiarimenti e negoziazioni.", "Impostare criteri di valutazione verificabili." ], "modules": [ { "title": "AI nei processi procurement", "description": "Scouting, richiesta offerta, vendor qualification, rischi e reportistica." }, { "title": "Supplier intelligence", "description": "Profili fornitore, classificazione, certificazioni e rischi." }, { "title": "Comparazione offerte", "description": "Preventivi, capitolati, condizioni, SLA, vincoli e punti da chiarire." }, { "title": "Governance e decisioni", "description": "Griglie di valutazione, scoring, fonti, bias e revisione umana." } ], "exercises": [ "Creazione di una scheda fornitore.", "Confronto tra offerte.", "Domande di chiarimento per vendor.", "Matrice rischio/impatto." ], "materials": [ "Template scheda fornitore.", "Griglia comparativa offerte.", "Prompt per capitolati e preventivi.", "Checklist supplier risk." ], "privacy": "Si usano dati fittizi o anonimizzati e regole per evitare inserimento di listini riservati, contratti, dati commerciali sensibili o informazioni non autorizzate.", "prerequisites": "Conoscenza base dei processi di acquisto o gestione fornitori. Non sono richieste competenze tecniche.", "faqs": [ { "question": "L'AI sceglie il fornitore migliore?", "answer": "No, aiuta a strutturare dati e confronti; la decisione resta aziendale." }, { "question": "Analizza offerte in formati diversi?", "answer": "Sì, con risultati migliori se le informazioni sono normalizzate." }, { "question": "È utile per piccoli uffici acquisti?", "answer": "Sì, riduce lavoro ripetitivo e chiarisce criteri." }, { "question": "Come evitare confronti distorti?", "answer": "Con criteri espliciti, fonti tracciate e revisione umana." } ], "output": "Griglia di supplier intelligence e workflow di comparazione offerte.", "searchIntents": [ "corso AI aziendale su AI per procurement e supplier intelligence", "formazione pratica per AI per procurement e supplier intelligence", "training AI per funzioni operative", "percorso Artik Lab per Griglia di supplier intelligence e workflow di comparazione offerte", "come introdurre AI per procurement e supplier intelligence nei processi aziendali" ], "needSignals": [ "Il tema AI per procurement e supplier intelligence è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI per procurement e supplier intelligence assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Griglia di supplier intelligence e workflow di comparazione offerte." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI per procurement e supplier intelligence, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Griglia di supplier intelligence e workflow di comparazione offerte." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI per procurement e supplier intelligence merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI per procurement e supplier intelligence e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-procurement.html", "markdown": "https://ar-tik.com/corsi/ai-procurement.md", "dossier": "https://ar-tik.com/corsi/ai-procurement-dossier.md", "json": "https://ar-tik.com/corsi/ai-procurement.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-customer-service", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI per customer service e ticket triage", "subtitle": "Usare l'AI per classificare ticket, proporre risposte, individuare priorità e migliorare la gestione operativa del servizio clienti.", "summary": "Corso per rendere più rapida e uniforme la gestione delle richieste senza perdere controllo su tono, escalation e qualità.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "I team customer service ricevono richieste eterogenee, spesso ripetitive, con urgenza e complessità diverse. Il triage manuale rallenta la risposta e rende difficile mantenere coerenza tra canali. Il corso mostra come usare l'AI per classificare, sintetizzare, preparare bozze e costruire conoscenza riutilizzabile.", "audience": "Customer service, help desk, supporto tecnico, customer operations, back office commerciale e team che gestiscono ticket, email, richieste clienti o reclami.", "whenToChoose": "Quando l'azienda vuole rendere più rapida e uniforme la gestione delle richieste, mantenendo controllo su escalation e qualità della risposta.", "chooseIf": "Quando l'azienda vuole rendere più rapida e uniforme la gestione delle richieste, mantenendo controllo su escalation e qualità della risposta.", "outcomes": [ "Classificare ticket per tema, urgenza e complessità.", "Creare bozze di risposta coerenti con policy aziendali.", "Identificare casi da escalare.", "Sintetizzare conversazioni lunghe.", "Costruire una base conoscenza operativa." ], "modules": [ { "title": "Ticket triage con AI", "description": "Criteri di classificazione, priorità, categorie, livelli di servizio ed escalation." }, { "title": "Risposte assistite", "description": "Bozze, tono, reclami, richieste ripetitive, casi tecnici e incompleti." }, { "title": "Knowledge base", "description": "FAQ, procedure interne, macro-risposte e schede operative." }, { "title": "Qualità e controllo", "description": "Revisione risposte, dati personali, errori, audit e misurazione." } ], "exercises": [ "Classificazione di ticket simulati.", "Creazione di risposte per livelli di urgenza.", "Sintesi di conversazioni cliente.", "Identificazione di casi da escalation." ], "materials": [ "Tassonomia ticket.", "Template risposta assistita.", "Checklist escalation.", "Schema knowledge base operativa." ], "privacy": "Si usano ticket simulati o anonimizzati e pratiche per proteggere dati personali, informazioni cliente, dettagli contrattuali, reclami e controversie.", "prerequisites": "Esperienza base nella gestione di richieste clienti o processi di supporto. Non sono richieste competenze tecniche.", "faqs": [ { "question": "L'AI può rispondere automaticamente?", "answer": "Il corso si concentra su assistenza e triage; l'automazione diretta richiede controlli." }, { "question": "Gestisce reclami?", "answer": "Aiuta a classificarli, sintetizzarli e preparare bozze; i casi sensibili vanno verificati." }, { "question": "Serve una knowledge base pronta?", "answer": "No, ma migliora qualità e coerenza." }, { "question": "Come controllare il tono?", "answer": "Con linee guida, esempi approvati e revisione." } ], "output": "Tassonomia ticket, workflow di triage e modello di risposta assistita.", "searchIntents": [ "corso AI aziendale su AI per customer service e ticket triage", "formazione pratica per AI per customer service e ticket triage", "training AI per funzioni operative", "percorso Artik Lab per Tassonomia ticket, workflow di triage e modello di risposta assistita", "come introdurre AI per customer service e ticket triage nei processi aziendali" ], "needSignals": [ "Il tema AI per customer service e ticket triage è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI per customer service e ticket triage assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Tassonomia ticket, workflow di triage e modello di risposta assistita." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI per customer service e ticket triage, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Tassonomia ticket, workflow di triage e modello di risposta assistita." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI per customer service e ticket triage merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI per customer service e ticket triage e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-customer-service.html", "markdown": "https://ar-tik.com/corsi/ai-customer-service.md", "dossier": "https://ar-tik.com/corsi/ai-customer-service-dossier.md", "json": "https://ar-tik.com/corsi/ai-customer-service.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-quality-management", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI per qualità e non conformità", "subtitle": "Applicare l'AI alla gestione di non conformità, audit, azioni correttive, documentazione qualità e analisi delle cause.", "summary": "Corso per migliorare analisi, classificazione e documentazione qualità mantenendo controllo formale sugli output.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "I processi qualità producono segnalazioni, audit, non conformità, azioni correttive, procedure ed evidenze. La difficoltà è mantenere coerenza e tracciabilità senza rallentare il lavoro. Il corso mostra come usare l'AI per ordinare segnalazioni, preparare report e supportare analisi causa-effetto.", "audience": "Quality manager, responsabili qualità, audit interni, operations, produzione, supply chain e funzioni coinvolte in non conformità, CAPA e sistemi di gestione.", "whenToChoose": "Quando l'azienda vuole migliorare analisi, classificazione e documentazione dei processi qualità, mantenendo validazione umana.", "chooseIf": "Quando l'azienda vuole migliorare analisi, classificazione e documentazione dei processi qualità, mantenendo validazione umana.", "outcomes": [ "Classificare non conformità e segnalazioni.", "Preparare bozze di report qualità.", "Supportare analisi causa-effetto.", "Generare checklist di audit e follow-up.", "Migliorare coerenza tra procedure, evidenze e azioni correttive." ], "modules": [ { "title": "AI nei sistemi qualità", "description": "Non conformità, reclami, audit, procedure, CAPA e reportistica." }, { "title": "Classificazione e cause", "description": "Ordinare segnalazioni, individuare pattern e formulare ipotesi di causa." }, { "title": "Documentazione e audit", "description": "Checklist, report audit, riepiloghi evidenze e piani follow-up." }, { "title": "Controllo e validazione", "description": "Errori, verifiche, fonti, responsabilità, privacy e limiti regolati." } ], "exercises": [ "Classificazione di non conformità simulate.", "Creazione report audit.", "Analisi causa-effetto.", "Piano azioni correttive." ], "materials": [ "Template report non conformità.", "Checklist audit assistita.", "Schema analisi causa-effetto.", "Matrice priorità/impatto/azione." ], "privacy": "Si lavora su casi simulati o anonimizzati, con criteri per proteggere dati cliente, dati fornitore, reclami e processi produttivi riservati.", "prerequisites": "Conoscenza base dei processi qualità o sistemi di gestione. Non sono richieste competenze tecniche.", "faqs": [ { "question": "L'AI determina la causa?", "answer": "Aiuta a formulare ipotesi e ordinare evidenze; la valutazione resta umana." }, { "question": "È adatto ad aziende certificate?", "answer": "Sì, con attenzione a tracciabilità e controllo documentale." }, { "question": "Crea checklist di audit?", "answer": "Sì, partendo da procedure o scenari." }, { "question": "Come evitare documentazione non verificata?", "answer": "Con fonti esplicite, review e checklist di validazione." } ], "output": "Workflow qualità con classificazione, report, checklist audit e piano azioni correttive.", "searchIntents": [ "corso AI aziendale su AI per qualità e non conformità", "formazione pratica per AI per qualità e non conformità", "training AI per funzioni operative", "percorso Artik Lab per Workflow qualità con classificazione, report, checklist audit e piano azioni correttive", "come introdurre AI per qualità e non conformità nei processi aziendali" ], "needSignals": [ "Il tema AI per qualità e non conformità è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI per qualità e non conformità assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Workflow qualità con classificazione, report, checklist audit e piano azioni correttive." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI per qualità e non conformità, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Workflow qualità con classificazione, report, checklist audit e piano azioni correttive." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI per qualità e non conformità merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI per qualità e non conformità e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-quality-management.html", "markdown": "https://ar-tik.com/corsi/ai-quality-management.md", "dossier": "https://ar-tik.com/corsi/ai-quality-management-dossier.md", "json": "https://ar-tik.com/corsi/ai-quality-management.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-people-ops", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI People Ops", "subtitle": "Usare l'AI per supportare processi HR operativi: documentazione, onboarding, comunicazioni interne, analisi feedback e organizzazione delle informazioni.", "summary": "Corso per rendere più efficienti processi HR ricorrenti preservando riservatezza, inclusione, controllo e responsabilità.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "Le funzioni HR gestiscono onboarding, policy, comunicazioni, survey, formazione, richieste interne e report. Il lavoro richiede coerenza, sensibilità e attenzione ai dati personali. Il corso mostra come usare l'AI per documentare, sintetizzare e comunicare meglio senza automatizzare decisioni sulle persone.", "audience": "HR, People Ops, formazione, comunicazione interna, amministrazione del personale e team che gestiscono policy, onboarding, sviluppo e supporto interno.", "whenToChoose": "Quando l'azienda vuole usare l'AI per processi HR ricorrenti senza compromettere privacy, inclusione e responsabilità.", "chooseIf": "Quando l'azienda vuole usare l'AI per processi HR ricorrenti senza compromettere privacy, inclusione e responsabilità.", "outcomes": [ "Scrivere e revisionare comunicazioni HR operative.", "Sintetizzare feedback e survey in forma aggregata.", "Creare materiali onboarding e formazione.", "Standardizzare FAQ e procedure HR.", "Definire regole per privacy e uso responsabile." ], "modules": [ { "title": "Casi d'uso People Ops", "description": "Onboarding, comunicazioni, policy, formazione, richieste interne, survey e knowledge base HR." }, { "title": "Scrittura e standardizzazione", "description": "Comunicazioni, procedure, FAQ, annunci, job description e materiali formativi." }, { "title": "Feedback e documentazione", "description": "Sintesi aggregata, temi ricorrenti e report non identificativi." }, { "title": "Privacy, bias e governance", "description": "Dati personali, minimizzazione, anonimizzazione, inclusione e limiti decisionali." } ], "exercises": [ "Creazione piano onboarding.", "Riscrittura policy in linguaggio chiaro.", "Sintesi aggregata di feedback simulati.", "FAQ HR per richieste ricorrenti." ], "materials": [ "Template comunicazioni HR.", "Schema onboarding assistito.", "Checklist privacy People Ops.", "Prompt per sintesi feedback aggregati." ], "privacy": "Non richiede dati personali reali. Si lavora su esempi simulati o anonimizzati e si chiariscono limiti nell'uso dell'AI per decisioni HR.", "prerequisites": "Conoscenza base dei processi HR o People Ops. Non sono richieste competenze tecniche.", "faqs": [ { "question": "Supporta selezione o valutazione?", "answer": "Non propone decisioni automatizzate sulle persone; lavora su documentazione e sintesi." }, { "question": "Si possono usare survey reali?", "answer": "Solo se anonimizzate e autorizzate." }, { "question": "È utile per comunicazioni interne?", "answer": "Sì, per chiarezza, coerenza e tono." }, { "question": "Come riduce bias?", "answer": "Con dati minimizzati, revisione umana e limiti documentati." } ], "output": "Kit People Ops per onboarding, comunicazioni, FAQ e sintesi feedback.", "searchIntents": [ "corso AI aziendale su AI People Ops", "formazione pratica per AI People Ops", "training AI per funzioni operative", "percorso Artik Lab per Kit People Ops per onboarding, comunicazioni, FAQ e sintesi feedback", "come introdurre AI People Ops nei processi aziendali" ], "needSignals": [ "Il tema AI People Ops è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI People Ops assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Kit People Ops per onboarding, comunicazioni, FAQ e sintesi feedback." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI People Ops, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Kit People Ops per onboarding, comunicazioni, FAQ e sintesi feedback." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI People Ops merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI People Ops e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-people-ops.html", "markdown": "https://ar-tik.com/corsi/ai-people-ops.md", "dossier": "https://ar-tik.com/corsi/ai-people-ops-dossier.md", "json": "https://ar-tik.com/corsi/ai-people-ops.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-brand-voice", "locale": "it", "language": "it", "family": "operational", "familyLabel": "Operativo", "featured": false, "title": "AI Brand Voice e comunicazione", "subtitle": "Usare l'AI nella comunicazione senza perdere identità: tono, messaggi, linee guida e workflow editoriali.", "summary": "Percorso per aziende che vogliono aumentare produzione comunicativa mantenendo una voce riconoscibile e verificabile.", "duration": "4 ore, 2 lezioni da 2 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "mixed", "profileDescription": "Per manager e team non tecnici; non richiede programmazione.", "problem": "L'AI può produrre molto testo in poco tempo, ma senza una guida chiara tende a rendere ogni marca simile alle altre. Il corso parte da posizionamento, parole da usare e da evitare, esempi approvati e controlli editoriali, così il team produce di più senza perdere identità.", "audience": "Marketing, comunicazione, direzione, commerciale, employer branding, HR communication e team che producono materiali interni o esterni.", "whenToChoose": "Quando l'azienda vuole usare l'AI per comunicare meglio ma teme contenuti generici, incoerenti o non aderenti alla propria identità.", "chooseIf": "Quando l'azienda vuole usare l'AI per comunicare meglio ma teme contenuti generici, incoerenti o non aderenti alla propria identità.", "outcomes": [ "Definire una brand voice operativa.", "Creare linee guida per contenuti AI-assisted.", "Produrre messaggi coerenti per canali diversi.", "Controllare qualità, tono e coerenza.", "Costruire workflow editoriale riutilizzabile." ], "modules": [ { "title": "Voce e posizionamento", "description": "Identità, tono, lessico, messaggi chiave e confini." }, { "title": "Prompt e istruzioni editoriali", "description": "Come dare contesto, esempi, criteri e obiettivi." }, { "title": "Workflow di produzione", "description": "Ideazione, bozza, revisione, adattamento canale e approvazione." }, { "title": "Governance della comunicazione", "description": "Ruoli, controlli, archivi di esempi e misurazione." } ], "exercises": [ "Costruzione di una brand voice sheet.", "Riscrittura di contenuti in vari toni.", "Produzione di materiali multicanale.", "Revisione di output incoerenti." ], "materials": [ "Brand voice sheet.", "Libreria istruzioni editoriali.", "Checklist di review.", "Workflow contenuti AI-assisted." ], "privacy": "Si usano materiali pubblici o approvati. Il corso tratta copyright, uso di dati cliente, contenuti sensibili e controlli prima della pubblicazione.", "prerequisites": "Nessuna competenza tecnica. È utile avere materiali comunicativi esistenti.", "faqs": [ { "question": "È diverso dal corso marketing introduttivo?", "answer": "Sì, qui il focus è la voce aziendale e il sistema editoriale." }, { "question": "Produce linee guida riutilizzabili?", "answer": "Sì, pensate per team e fornitori." }, { "question": "Aiuta con canali diversi?", "answer": "Sì, adatta messaggi a contesti diversi mantenendo coerenza." }, { "question": "È solo scrittura?", "answer": "No, include processo, review e governance editoriale." } ], "output": "Brand voice sheet e workflow editoriale AI-assisted.", "searchIntents": [ "corso AI aziendale su AI Brand Voice e comunicazione", "formazione pratica per AI Brand Voice e comunicazione", "training AI per funzioni operative", "percorso Artik Lab per Brand voice sheet e workflow editoriale AI-assisted", "come introdurre AI Brand Voice e comunicazione nei processi aziendali" ], "needSignals": [ "Il tema AI Brand Voice e comunicazione è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Brand Voice e comunicazione assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Brand voice sheet e workflow editoriale AI-assisted." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Brand Voice e comunicazione, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Brand voice sheet e workflow editoriale AI-assisted." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Brand Voice e comunicazione merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Brand Voice e comunicazione e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-brand-voice.html", "markdown": "https://ar-tik.com/corsi/ai-brand-voice.md", "dossier": "https://ar-tik.com/corsi/ai-brand-voice-dossier.md", "json": "https://ar-tik.com/corsi/ai-brand-voice.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "embeddings", "locale": "it", "language": "it", "family": "technical", "familyLabel": "Tecnico", "featured": false, "title": "Ricerca semantica e knowledge base AI", "subtitle": "Trasformare documenti, procedure e conoscenza interna in sistemi di ricerca intelligenti, navigabili e governati.", "summary": "Modulo per capire come rendere archivi e conoscenza aziendale interrogabili per significato, preparando basi solide per progetti AI.", "duration": "60-90 minuti o modulo breve", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "technical", "profileDescription": "Per team tecnici con basi di programmazione e architetture software.", "problem": "La conoscenza aziendale è spesso distribuita tra cartelle, wiki, ticket, manuali e repository. La ricerca tradizionale restituisce risultati rumorosi o incompleti. La ricerca semantica consente di trovare concetti e risposte, ma richiede progettazione accurata di fonti, metadati e governance.", "audience": "Team IT, data, knowledge management, supporto tecnico, software, operations, document management e responsabili di piattaforme interne.", "whenToChoose": "Quando l'organizzazione vuole migliorare accesso alla conoscenza, ridurre tempi di ricerca, supportare operatori o preparare basi informative per applicazioni AI.", "chooseIf": "Quando l'organizzazione vuole migliorare accesso alla conoscenza, ridurre tempi di ricerca, supportare operatori o preparare basi informative per applicazioni AI.", "outcomes": [ "Disegnare un modello di knowledge base.", "Definire strategia di indicizzazione.", "Progettare tassonomia e metadati.", "Stabilire criteri di ranking e qualità.", "Preparare roadmap per integrazione AI." ], "modules": [ { "title": "Ricerca semantica", "description": "Embedding, similarità, ranking, limiti e casi d'uso." }, { "title": "Knowledge design", "description": "Fonti, tassonomie, metadati, versioning e ownership." }, { "title": "Esperienza di ricerca", "description": "Query, filtri, snippet, citazioni e feedback utente." }, { "title": "Governance e scalabilità", "description": "Aggiornamenti, permessi, qualità contenuti e monitoraggio." } ], "exercises": [ "Mappatura fonti informative.", "Definizione metadati.", "Progettazione indice semantico.", "Valutazione qualità risultati." ], "materials": [ "Knowledge base blueprint.", "Schema metadati.", "Checklist contenuti.", "Modello evaluation query.", "Matrice ownership." ], "privacy": "Include gestione di accessi, contenuti riservati, versioni documentali e audit. Si lavora su dati sintetici o contenuti approvati.", "prerequisites": "Conoscenza dei sistemi documentali o informativi aziendali. Utile familiarità con API, database o piattaforme dati.", "faqs": [ { "question": "È diverso da RAG Engineering?", "answer": "Sì, qui il focus è ricerca semantica e knowledge base; RAG può essere fase successiva." }, { "question": "Serve avere documenti ordinati?", "answer": "No, aiuta a definire pulizia e metadatazione." }, { "question": "Supporta help desk?", "answer": "Sì, è uno dei casi d'uso più forti." }, { "question": "Lo stack è predefinito?", "answer": "No, l'architettura si adatta allo stack scelto." } ], "output": "Blueprint per knowledge base semantica e criteri di indicizzazione.", "searchIntents": [ "corso AI aziendale su Ricerca semantica e knowledge base AI", "formazione pratica per Ricerca semantica e knowledge base AI", "training AI per team tecnici", "percorso Artik Lab per Blueprint per knowledge base semantica e criteri di indicizzazione", "come introdurre Ricerca semantica e knowledge base AI nei processi aziendali" ], "needSignals": [ "Il tema Ricerca semantica e knowledge base AI è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Ricerca semantica e knowledge base AI assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Blueprint per knowledge base semantica e criteri di indicizzazione." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Ricerca semantica e knowledge base AI, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Blueprint per knowledge base semantica e criteri di indicizzazione." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Ricerca semantica e knowledge base AI merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Ricerca semantica e knowledge base AI e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/embeddings.html", "markdown": "https://ar-tik.com/corsi/embeddings.md", "dossier": "https://ar-tik.com/corsi/embeddings-dossier.md", "json": "https://ar-tik.com/corsi/embeddings.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "rag-engineering", "locale": "it", "language": "it", "family": "technical", "familyLabel": "Tecnico", "featured": false, "title": "RAG Engineering per sistemi AI affidabili", "subtitle": "Progettare, valutare e portare in produzione architetture Retrieval-Augmented Generation basate su dati e documenti aziendali.", "summary": "Corso tecnico per passare da chat sui documenti a sistemi RAG ingegnerizzati, misurabili e governabili.", "duration": "5 ore, 2 lezioni da 2,5 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "technical", "profileDescription": "Per team tecnici con basi di programmazione e architetture software.", "problem": "Molti prototipi RAG funzionano in demo ma falliscono con documenti reali, permessi, versioni, linguaggio tecnico e requisiti di audit. Il corso affronta ingestion, retrieval, qualità delle risposte, sicurezza e manutenzione, collegando architettura e gestione operativa.", "audience": "Team software, data engineer, AI engineer, architect, responsabili IT, innovation team e buyer tecnici che devono valutare o costruire sistemi RAG interni.", "whenToChoose": "Quando esistono knowledge base, documentazione tecnica, procedure, ticket, contratti o repository da rendere interrogabili senza perdere controllo su fonti e qualità.", "chooseIf": "Quando esistono knowledge base, documentazione tecnica, procedure, ticket, contratti o repository da rendere interrogabili senza perdere controllo su fonti e qualità.", "outcomes": [ "Disegnare architettura RAG target.", "Impostare pipeline di ingestion.", "Definire chunking e retrieval.", "Costruire criteri di valutazione e metriche.", "Gestire fonti, permessi, sicurezza e osservabilità." ], "modules": [ { "title": "Fondamenti RAG", "description": "Retrieval, grounding, contesto e limiti dei modelli generativi." }, { "title": "Data pipeline", "description": "Parsing, normalizzazione, chunking, metadati e aggiornamenti." }, { "title": "Retrieval e risposta", "description": "Ranking, filtri, query transformation, citazioni e fallback." }, { "title": "Produzione", "description": "Evaluation set, monitoraggio, permessi, audit, costi e manutenzione." } ], "exercises": [ "Disegno pipeline RAG.", "Confronto strategie di chunking.", "Costruzione test set.", "Analisi risposte errate.", "Controlli su fonti e permessi." ], "materials": [ "Canvas architetturale.", "Checklist RAG production-ready.", "Template evaluation set.", "Matrice rischi.", "Schema governance documentale." ], "privacy": "Lavora su dataset sintetici o documenti approvati. Le scelte tecniche considerano segregazione, retention, access control e tracciabilità.", "prerequisites": "Conoscenza base di API, dati strutturati/non strutturati e architetture software.", "faqs": [ { "question": "Serve avere già un sistema RAG?", "answer": "No, copre progettazione da zero e revisione di prototipi." }, { "question": "Si usa uno stack specifico?", "answer": "No, i pattern si adattano allo stack scelto." }, { "question": "È adatto a team non data science?", "answer": "Sì, se c'è familiarità con sistemi software e dati." }, { "question": "Produce codice?", "answer": "Può includere prototipi, ma l'obiettivo è progettare sistemi robusti e valutabili." } ], "output": "Architettura RAG target, evaluation set e checklist production-ready.", "searchIntents": [ "corso AI aziendale su RAG Engineering per sistemi AI affidabili", "formazione pratica per RAG Engineering per sistemi AI affidabili", "training AI per team tecnici", "percorso Artik Lab per Architettura RAG target, evaluation set e checklist production-ready", "come introdurre RAG Engineering per sistemi AI affidabili nei processi aziendali" ], "needSignals": [ "Il tema RAG Engineering per sistemi AI affidabili è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a RAG Engineering per sistemi AI affidabili assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Architettura RAG target, evaluation set e checklist production-ready." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su RAG Engineering per sistemi AI affidabili, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Architettura RAG target, evaluation set e checklist production-ready." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se RAG Engineering per sistemi AI affidabili merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda RAG Engineering per sistemi AI affidabili e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/rag-engineering.html", "markdown": "https://ar-tik.com/corsi/rag-engineering.md", "dossier": "https://ar-tik.com/corsi/rag-engineering-dossier.md", "json": "https://ar-tik.com/corsi/rag-engineering.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-coding-agents", "locale": "it", "language": "it", "family": "technical", "familyLabel": "Tecnico", "featured": false, "title": "AI Coding Agents per team software", "subtitle": "Integrare agenti di coding nei flussi di sviluppo mantenendo controllo, qualità, sicurezza e responsabilità tecnica.", "summary": "Corso tecnico per usare agenti AI come componenti controllati del ciclo software, non come scorciatoia opaca.", "duration": "4 ore, 2 lezioni da 2 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "technical", "profileDescription": "Per team tecnici con basi di programmazione e architetture software.", "problem": "Gli agenti AI possono accelerare sviluppo, refactoring, test e analisi del codice, ma senza metodo generano modifiche opache, regressioni e debito tecnico. Il corso insegna come integrarli in issue, branch, review, test e delivery.", "audience": "Software engineer, tech lead, engineering manager, platform team, QA engineer, DevSecOps e responsabili tecnici.", "whenToChoose": "Quando un team vuole adottare agenti di coding in modo serio: come capacità integrata in repository, review, test e delivery.", "chooseIf": "Quando un team vuole adottare agenti di coding in modo serio: come capacità integrata in repository, review, test e delivery.", "outcomes": [ "Disegnare workflow agentici per sviluppo e test.", "Definire policy di review.", "Stabilire criteri di accettazione.", "Scrivere task operativi per agenti.", "Controllare modifiche, dipendenze e regressioni." ], "modules": [ { "title": "Agenti di coding", "description": "Capacità, limiti, contesto e autonomia." }, { "title": "Workflow sicuri", "description": "Issue, branch, diff, test, review e rollback." }, { "title": "Qualità del codice", "description": "Refactoring, test generation, debugging assistito e documentazione." }, { "title": "Governance", "description": "Policy, permessi, audit, metriche di produttività e rischio." } ], "exercises": [ "Scomposizione task per agenti.", "Revisione di diff generati.", "Generazione controllata di test.", "Simulazione bug introdotti.", "Regole operative repository." ], "materials": [ "Playbook di adozione.", "Checklist review AI-assisted.", "Template task per agenti.", "Policy repository.", "Matrice rischi coding automation." ], "privacy": "Evita codice proprietario non autorizzato. Si lavora su esempi sintetici o repository approvati e si trattano leakage, contesto eccessivo, licenze, segreti e proprietà intellettuale.", "prerequisites": "Esperienza nello sviluppo software, version control, test automatici e code review.", "faqs": [ { "question": "Sostituisce formazione sul coding?", "answer": "No, è per chi già sviluppa." }, { "question": "Gli agenti lavorano in autonomia?", "answer": "Solo entro confini definiti, con review e test." }, { "question": "Vale per codice legacy?", "answer": "Sì, con attenzione a test characterization e refactoring incrementale." }, { "question": "Dipende da tool specifici?", "answer": "No, i pattern sono durevoli e adattabili." } ], "output": "Playbook agentico per sviluppo, review, test e policy repository.", "searchIntents": [ "corso AI aziendale su AI Coding Agents per team software", "formazione pratica per AI Coding Agents per team software", "training AI per team tecnici", "percorso Artik Lab per Playbook agentico per sviluppo, review, test e policy repository", "come introdurre AI Coding Agents per team software nei processi aziendali" ], "needSignals": [ "Il tema AI Coding Agents per team software è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Coding Agents per team software assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Playbook agentico per sviluppo, review, test e policy repository." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Coding Agents per team software, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Playbook agentico per sviluppo, review, test e policy repository." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Coding Agents per team software merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Coding Agents per team software e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-coding-agents.html", "markdown": "https://ar-tik.com/corsi/ai-coding-agents.md", "dossier": "https://ar-tik.com/corsi/ai-coding-agents-dossier.md", "json": "https://ar-tik.com/corsi/ai-coding-agents.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-software-engineering", "locale": "it", "language": "it", "family": "technical", "familyLabel": "Tecnico", "featured": false, "title": "AI Software Engineering", "subtitle": "Progettare software AI-native con architetture solide, requisiti chiari, valutazione continua e controllo del comportamento dei modelli.", "summary": "Corso tecnico per portare disciplina ingegneristica nello sviluppo di funzionalità e prodotti AI.", "duration": "5 ore, 2 lezioni da 2,5 ore", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "technical", "profileDescription": "Per team tecnici con basi di programmazione e architetture software.", "problem": "Integrare AI in un prodotto non significa chiamare un modello da un endpoint. Servono requisiti, architettura, fallback, evaluation, logging, sicurezza, UX e manutenzione. Il corso collega decisioni tecniche e gestione del comportamento dei sistemi AI.", "audience": "Team software, solution architect, product engineer, tech lead, platform team, responsabili IT e buyer tecnici.", "whenToChoose": "Quando si deve costruire o industrializzare una funzionalità AI in prodotto, portale, workflow interno, applicazione enterprise o piattaforma dati.", "chooseIf": "Quando si deve costruire o industrializzare una funzionalità AI in prodotto, portale, workflow interno, applicazione enterprise o piattaforma dati.", "outcomes": [ "Definire requisiti AI-specifici.", "Disegnare blueprint architetturale.", "Scegliere pattern di integrazione.", "Costruire strategia di evaluation.", "Gestire errori, osservabilità e go-live." ], "modules": [ { "title": "Requisiti AI", "description": "Obiettivi, rischi, utenti e limiti accettabili." }, { "title": "Architetture AI-native", "description": "Orchestrazione, modelli, dati, cache, servizi e interfacce." }, { "title": "Evaluation e qualità", "description": "Test set, metriche, regression testing e review umana." }, { "title": "Produzione e manutenzione", "description": "Monitoraggio, incident response, versioning e cost control." } ], "exercises": [ "Definizione requisiti feature AI.", "Disegno architetturale.", "Risk mapping.", "Criteri di test.", "Revisione output e failure mode." ], "materials": [ "Template requisiti AI.", "Blueprint architetturale.", "Checklist go-live.", "Schema evaluation pipeline.", "Matrice failure mode." ], "privacy": "Include minimizzazione del dato, separazione ambienti, logging responsabile, consensi, retention e auditabilità.", "prerequisites": "Conoscenza di architetture applicative, API, delivery software e basi di modelli generativi.", "faqs": [ { "question": "Per sviluppatori o architect?", "answer": "Per entrambi: collega architettura, sviluppo e operatività." }, { "question": "Serve un prodotto AI già pronto?", "answer": "No, può partire da roadmap o prototipo." }, { "question": "Quanto è tecnico?", "answer": "Abbastanza da guidare scelte reali su architettura, test e produzione." }, { "question": "Parla di modelli specifici?", "answer": "No, ragiona per capacità, vincoli e integrazione." } ], "output": "Blueprint AI-native e criteri di evaluation/go-live.", "searchIntents": [ "corso AI aziendale su AI Software Engineering", "formazione pratica per AI Software Engineering", "training AI per team tecnici", "percorso Artik Lab per Blueprint AI-native e criteri di evaluation/go-live", "come introdurre AI Software Engineering nei processi aziendali" ], "needSignals": [ "Il tema AI Software Engineering è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Software Engineering assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Blueprint AI-native e criteri di evaluation/go-live." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Software Engineering, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Blueprint AI-native e criteri di evaluation/go-live." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Software Engineering merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Software Engineering e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/ai-software-engineering.html", "markdown": "https://ar-tik.com/corsi/ai-software-engineering.md", "dossier": "https://ar-tik.com/corsi/ai-software-engineering-dossier.md", "json": "https://ar-tik.com/corsi/ai-software-engineering.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "secure-ai-sdlc", "locale": "it", "language": "it", "family": "technical", "familyLabel": "Tecnico", "featured": false, "title": "Secure AI SDLC", "subtitle": "Integrare sicurezza, privacy e controlli tecnici nel ciclo di sviluppo software per applicazioni basate su AI.", "summary": "Corso tecnico per inserire controlli AI-specifici in design, build, test, release e operation.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "technical", "profileDescription": "Per team tecnici con basi di programmazione e architetture software.", "problem": "Le applicazioni AI introducono superfici di rischio nuove: prompt injection, data leakage, abuso del contesto, output non affidabili, dipendenze non governate, log sensibili e automazioni troppo permissive. Il corso struttura un SDLC sicuro per sistemi AI.", "audience": "Security engineer, AppSec, DevSecOps, software team, architect, risk manager tecnici, responsabili IT e compliance tecnica.", "whenToChoose": "Quando un'organizzazione sta sviluppando applicazioni AI e vuole evitare che sicurezza e governance arrivino solo alla fine.", "chooseIf": "Quando un'organizzazione sta sviluppando applicazioni AI e vuole evitare che sicurezza e governance arrivino solo alla fine.", "outcomes": [ "Definire controlli SDLC AI-specifici.", "Costruire threat model.", "Scrivere secure design checklist.", "Impostare policy su dati e istruzioni.", "Stabilire test di sicurezza e criteri di rilascio." ], "modules": [ { "title": "Rischi AI nel software", "description": "Minacce, abuso, confini e responsabilità." }, { "title": "Secure design", "description": "Data flow, trust boundaries, autorizzazioni e isolamento." }, { "title": "Secure build & test", "description": "Injection, output validation, test avversariali e dipendenze." }, { "title": "Secure release & operate", "description": "Logging, audit, incident response e change management." } ], "exercises": [ "Threat modeling di feature AI.", "Analisi data flow.", "Definizione controlli.", "Test di prompt injection.", "Review policy logging e accesso dati." ], "materials": [ "AI threat model template.", "Secure AI SDLC checklist.", "Test plan sicurezza.", "Registro rischi.", "Criteri go/no-go." ], "privacy": "Adotta dati sintetici o casi approvati e tratta minimizzazione, segregazione, segreti, permessi, audit trail e riduzione esposizione nei log.", "prerequisites": "Conoscenza base di SDLC, sicurezza applicativa, API e architetture software.", "faqs": [ { "question": "È un corso compliance?", "answer": "È principalmente tecnico, ma produce evidenze utili per governance e audit." }, { "question": "Copre solo prompt injection?", "answer": "No, include architettura, dati, permessi, log e test." }, { "question": "È utile prima dello sviluppo?", "answer": "Sì, il massimo valore arriva in fase di design." }, { "question": "Dipende da uno stack?", "answer": "No, i controlli si adattano allo stack." } ], "output": "Threat model AI e checklist Secure AI SDLC.", "searchIntents": [ "corso AI aziendale su Secure AI SDLC", "formazione pratica per Secure AI SDLC", "training AI per team tecnici", "percorso Artik Lab per Threat model AI e checklist Secure AI SDLC", "come introdurre Secure AI SDLC nei processi aziendali" ], "needSignals": [ "Il tema Secure AI SDLC è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Secure AI SDLC assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Threat model AI e checklist Secure AI SDLC." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Secure AI SDLC, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Threat model AI e checklist Secure AI SDLC." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Secure AI SDLC merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Secure AI SDLC e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/corsi/secure-ai-sdlc.html", "markdown": "https://ar-tik.com/corsi/secure-ai-sdlc.md", "dossier": "https://ar-tik.com/corsi/secure-ai-sdlc-dossier.md", "json": "https://ar-tik.com/corsi/secure-ai-sdlc.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "secure-ai-at-work", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "Secure AI at Work", "subtitle": "Usare l'AI nel lavoro quotidiano senza esporre dati, decisioni, processi o proprietà intellettuale.", "summary": "Corso tecnico-operativo per rendere l'uso quotidiano dell'AI più efficace, sicuro e governato.", "duration": "4 ore, adattabili per funzione", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "L'adozione spontanea dell'AI crea valore ma anche rischi: caricamento di dati sensibili, output non verificati, automazioni non autorizzate, confusione sulle responsabilità e uso improprio di contenuti interni. Il corso traduce sicurezza e governance in comportamenti pratici.", "audience": "Team IT, data, software, operations, security, legal-tech, PMO e funzioni aziendali che usano AI in contesti professionali.", "whenToChoose": "Quando l'AI è già usata nei team o sta per essere introdotta come capacità trasversale e serve una base comune tra produttività, sicurezza e responsabilità.", "chooseIf": "Quando l'AI è già usata nei team o sta per essere introdotta come capacità trasversale e serve una base comune tra produttività, sicurezza e responsabilità.", "outcomes": [ "Definire regole pratiche d'uso.", "Classificare i dati.", "Scrivere istruzioni sicure.", "Verificare output e decisioni.", "Creare policy operative e casi d'uso approvati." ], "modules": [ { "title": "Uso sicuro dell'AI", "description": "Capacità, limiti, responsabilità e rischio operativo." }, { "title": "Dati e contesto", "description": "Cosa condividere, cosa evitare e come anonimizzare." }, { "title": "Output e decisioni", "description": "Verifica, bias, accuratezza e tracciabilità." }, { "title": "Policy di lavoro", "description": "Casi ammessi, escalation, audit e formazione continua." } ], "exercises": [ "Classificazione scenari reali.", "Riscrittura sicura di istruzioni.", "Valutazione output rischiosi.", "Definizione policy d'uso.", "Simulazione casi limite." ], "materials": [ "Linee guida operative.", "Tabella classificazione dati.", "Checklist uso sicuro.", "Template policy AI at work.", "Schede scenario." ], "privacy": "Non richiede dati sensibili. Gli esempi possono essere sintetici o anonimizzati, con focus su esposizione, retention e uso autorizzato di informazioni interne.", "prerequisites": "Nessun prerequisito tecnico avanzato. Utile familiarità con processi aziendali e strumenti digitali di lavoro.", "faqs": [ { "question": "È tecnico?", "answer": "È tecnico-operativo: adatto a IT e funzioni che usano AI." }, { "question": "Serve per scrivere una policy?", "answer": "Sì, produce materiali riutilizzabili." }, { "question": "Blocca l'uso dell'AI?", "answer": "No, lo rende più efficace e sicuro." }, { "question": "Include esempi pratici?", "answer": "Sì, è centrato su scenari e comportamenti concreti." } ], "output": "Policy operativa e checklist per uso sicuro dell'AI nel lavoro quotidiano.", "searchIntents": [ "corso AI aziendale su Secure AI at Work", "formazione pratica per Secure AI at Work", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Policy operativa e checklist per uso sicuro dell'AI nel lavoro quotidiano", "come introdurre Secure AI at Work nei processi aziendali" ], "needSignals": [ "Il tema Secure AI at Work è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a Secure AI at Work assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Policy operativa e checklist per uso sicuro dell'AI nel lavoro quotidiano." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su Secure AI at Work, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Policy operativa e checklist per uso sicuro dell'AI nel lavoro quotidiano." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se Secure AI at Work merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda Secure AI at Work e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/secure-ai-at-work.html", "markdown": "https://ar-tik.com/corsi/secure-ai-at-work.md", "dossier": "https://ar-tik.com/corsi/secure-ai-at-work-dossier.md", "json": "https://ar-tik.com/corsi/secure-ai-at-work.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } }, { "id": "ai-output-quality", "locale": "it", "language": "it", "family": "managerial", "familyLabel": "Manageriale", "featured": false, "title": "AI Output Quality & Human Review", "subtitle": "Definire criteri, metriche e processi di revisione per rendere gli output AI verificabili, affidabili e utilizzabili.", "summary": "Corso per progettare review umana, rubriche di qualità e metriche operative sugli output AI.", "duration": "4-6 ore, personalizzabili", "mode": "Laboratorio in presenza o online, con esercizi guidati e materiali adattati al cliente.", "profile": "all", "profileDescription": "Per team aziendali, funzioni operative e manager; non richiede programmazione.", "problem": "Un output AI può sembrare corretto anche quando è incompleto, fragile, non verificabile o inadatto al contesto. Senza criteri di qualità e review umana strutturata, il rischio viene scaricato sugli utenti finali. Il corso rende la revisione un processo, non un'impressione.", "audience": "Team prodotto, data, software, QA, operations, compliance tecnica, knowledge management e responsabili di processi assistiti da AI.", "whenToChoose": "Quando output AI supportano decisioni, documentazione, assistenza, analisi, reportistica, coding, knowledge base o workflow che richiedono controllo qualità.", "chooseIf": "Quando output AI supportano decisioni, documentazione, assistenza, analisi, reportistica, coding, knowledge base o workflow che richiedono controllo qualità.", "outcomes": [ "Costruire rubriche di valutazione.", "Disegnare workflow di human review.", "Definire metriche di qualità.", "Stabilire escalation path.", "Creare dataset di test e criteri di accettazione." ], "modules": [ { "title": "Qualità output AI", "description": "Accuratezza, completezza, pertinenza e verificabilità." }, { "title": "Evaluation design", "description": "Rubriche, golden set, test avversariali e regressioni." }, { "title": "Human review", "description": "Ruoli, soglie, campionamento, audit e feedback loop." }, { "title": "Miglioramento continuo", "description": "Logging, metriche, retraining informativo e governance." } ], "exercises": [ "Creazione rubrica qualità.", "Revisione comparata di output.", "Processo human-in-the-loop.", "Analisi errori ricorrenti.", "Metriche operative." ], "materials": [ "Rubrica valutazione.", "Template review queue.", "Schema metriche.", "Checklist output quality.", "Modello report qualità." ], "privacy": "Considera come valutare output senza esporre dati sensibili nei log o nelle revisioni, con indicazioni su anonimizzazione, minimizzazione e tracciabilità.", "prerequisites": "Conoscenza del processo o dominio in cui gli output AI verranno usati. Non serve esperienza avanzata di machine learning.", "faqs": [ { "question": "Serve per sistemi in produzione?", "answer": "Sì, ed è utile anche prima del go-live." }, { "question": "La review rallenta tutto?", "answer": "Non se progettata con soglie e priorità basate sul rischio." }, { "question": "Si applica a output tecnici?", "answer": "Sì, inclusi codice, documentazione, analisi dati e knowledge base." }, { "question": "Produce metriche?", "answer": "Sì, operative e verificabili." } ], "output": "Rubrica qualità, processo human review e metriche di accettazione output AI.", "searchIntents": [ "corso AI aziendale su AI Output Quality & Human Review", "formazione pratica per AI Output Quality & Human Review", "training AI per manager e funzioni aziendali", "percorso Artik Lab per Rubrica qualità, processo human review e metriche di accettazione output AI", "come introdurre AI Output Quality & Human Review nei processi aziendali" ], "needSignals": [ "Il tema AI Output Quality & Human Review è già presente nelle conversazioni interne, ma manca un metodo condiviso per trasformarlo in pratica.", "Le persone sperimentano strumenti AI in autonomia e l'azienda non vede ancora criteri, controlli e risultati confrontabili.", "Il processo collegato a AI Output Quality & Human Review assorbe tempo, genera passaggi manuali o produce output difficili da verificare.", "La direzione vuole capire se investire, formare o fermarsi prima di introdurre automazioni fragili.", "Serve un risultato concreto dopo la formazione: Rubrica qualità, processo human review e metriche di accettazione output AI." ], "extraExamples": [ { "title": "Dal corso generico al processo reale", "description": "Un'azienda chiede formazione su AI Output Quality & Human Review, ma il problema vero emerge durante la mappatura: attività ripetute, controlli informali e responsabilità distribuite. Il percorso usa esempi vicini al lavoro quotidiano e trasforma la formazione in un primo modello operativo, non in una lezione teorica." }, { "title": "Da sperimentazione individuale a pratica governata", "description": "Alcune persone hanno già trovato scorciatoie con l'AI, altre sono ferme. Il corso crea una base comune: cosa si può fare, cosa va verificato, quali dati non vanno esposti e quando serve escalation. Il risultato è Rubrica qualità, processo human review e metriche di accettazione output AI." }, { "title": "Da entusiasmo a decisione", "description": "Il management vuole capire se AI Output Quality & Human Review merita budget e continuità. Durante il laboratorio si distinguono benefici immediati, rischi operativi e dipendenze dai dati. L'azienda esce con criteri per decidere il passo successivo invece di accumulare demo isolate." } ], "selectionCriteria": [ "Scegliere questo corso se il bisogno principale riguarda AI Output Quality & Human Review e non una panoramica generica sull'AI.", "Preferirlo quando esiste un processo, un documento, un flusso o una responsabilità aziendale su cui lavorare durante il training.", "Rimandarlo se non esiste ancora sponsor interno o se il problema è solo acquistare una licenza software.", "Abbinarlo ad AI Workflow Redesign Lab quando prima serve capire quali processi meritano priorità." ], "limits": [ "Non promette automazione completa o sostituzione delle responsabilità umane.", "Non richiede di caricare dati riservati in ambienti non approvati.", "Non è una consulenza legale, fiscale, HR o tecnica specialistica quando tali responsabilità restano a funzioni competenti.", "Produce competenze, criteri e materiali riutilizzabili; l'adozione continua richiede sponsorship, governance e pratica interna." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/corsi/ai-output-quality.html", "markdown": "https://ar-tik.com/corsi/ai-output-quality.md", "dossier": "https://ar-tik.com/corsi/ai-output-quality-dossier.md", "json": "https://ar-tik.com/corsi/ai-output-quality.json", "catalog": "https://ar-tik.com/corsi/", "catalogMarkdown": "https://ar-tik.com/corsi/index.md" } } ] }