Si parla di AI come se fosse una cosa sola. In realtà sotto questa parola convivono approcci molto diversi, con usi e limiti completamente differenti.
Per chi lavora in azienda e deve decidere cosa usare e quando, la distinzione più utile è quella tra AI generativa e AI tradizionale. È una distinzione che faccio quasi sempre all’inizio dei corsi, perché senza di essa si ragiona con le categorie sbagliate.
AI tradizionale: analizza e prevede
L’AI tradizionale (chiamata anche machine learning classico) è quella che esiste da più tempo e che già molte aziende usano senza saperlo.
Funziona analizzando grandi quantità di dati storici per trovare pattern e fare previsioni. Il filtro antispam della posta elettronica usa AI tradizionale. I sistemi che prevedono quando una macchina andrà in manutenzione usano AI tradizionale. I motori di raccomandazione degli e-commerce usano AI tradizionale.
Il tratto comune: è addestrata su dati specifici per risolvere un problema specifico. Funziona bene in quell’ambito, male fuori da esso.
AI generativa: crea contenuti nuovi
L’AI generativa è quella che ha fatto esplodere l’interesse negli ultimi anni. ChatGPT, Copilot, Claude, Gemini: sono tutti esempi di AI generativa.
A differenza di quella tradizionale, non è addestrata per un compito singolo. È addestrata su enormi quantità di testo (e immagini, nel caso dei modelli multimodali) per imparare a generare contenuti nuovi: testi, codice, immagini, riassunti, traduzioni.
La sua forza è la flessibilità. La sua debolezza è che può generare cose plausibili ma false, e non è adatta quando serve precisione assoluta su dati specifici.
Quale usare e quando
La risposta dipende dal problema.
Se hai bisogno di prevedere qualcosa (vendite future, probabilità di abbandono di un cliente, anomalie in un processo produttivo) l’AI tradizionale è lo strumento giusto. Richiede dati storici di qualità e spesso l’aiuto di uno specialista per configurarla.
Se hai bisogno di generare, riassumere, tradurre, spiegare o automatizzare comunicazioni: l’AI generativa è lo strumento giusto. È accessibile, non richiede dati storici proprietari, e si usa praticamente subito.
In molti casi i due approcci si combinano: un sistema predittivo che identifica i clienti a rischio abbandono, e un’AI generativa che scrive automaticamente un’email personalizzata per ciascuno.
Perché la distinzione conta
Capire questa differenza evita aspettative sbagliate. Chi si aspetta che ChatGPT faccia previsioni precise sui suoi dati aziendali rimarrà deluso. Chi pensa che un modello predittivo possa rispondere a domande in linguaggio naturale si troverà davanti a un muro.
Strumenti diversi, logiche diverse, usi diversi. Come scegliere il cacciavite giusto: non sono tutti uguali e non servono tutti per la stessa cosa.
