Il mondo dell'intelligenza artificiale è in continuo movimento. Quasi ogni settimana emergono nuovi modelli, nuovi metodi e, soprattutto, nuove possibilità - eppure una constatazione rimane costante: non tutte le innovazioni tecniche portano automaticamente a una vita quotidiana migliore. Molte cose rimangono sperimentali, complesse o semplicemente troppo costose per un uso produttivo. Ciò è particolarmente evidente nella cosiddetta messa a punto dei modelli linguistici di grandi dimensioni, un metodo per specializzare l'IA generativa in base ai propri contenuti, termini e tonalità.
Ho accompagnato questo processo in modo intensivo negli ultimi mesi - prima nella forma classica, con Python, terminale, messaggi di errore e snervanti cicli di configurazione. E poi: con FileMaker 2025, un passo che mi ha sorpreso - perché non era forte, ma chiaro. E perché ha dimostrato che esiste un'altra strada.
In un dettagliato Articoli specialistici su gofilemaker.de Ho documentato proprio questo cambiamento: il passaggio da una formazione PEFT-LoRA aperta, flessibile ma instabile (ad esempio con Axolotl, LLaMA-Factory o kohya_ss) alla soluzione integrata di Claris - tramite script, localmente, tracciabile.
Che cos'è la LoRA e perché è così importante?
LoRA è l'acronimo di Low-Rank Adaptation. Dietro questo termine tecnico si nasconde un principio semplice ma potente: invece di riqualificare un intero modello di intelligenza artificiale, si adattano solo parti molto specifiche, utilizzando i cosiddetti pesi di adattamento, che vengono inseriti e addestrati in modo mirato. Negli ultimi anni, questo metodo si è affermato come il gold standard per la messa a punto specifica del dominio, perché richiede poca potenza di calcolo e fornisce comunque risultati eccellenti.
L'approccio classico richiede un arsenale di strumenti:
- un ambiente Python funzionante,
- versioni CUDA e PyTorch adatte,
- un motore di formazione come Axolotl o kohya_ss,
- risorse della GPU per gestire il tutto,
- e infine, ma non meno importante: La pazienza. Molta pazienza.
Tra file YAML, conflitti tra tokeniser e conversioni di formato (da safetensor a GGUF a MLX e viceversa), spesso ci vogliono giorni prima di ottenere un risultato utilizzabile. Funziona, ma non è una cosa da fare a tempo perso.
E poi è arrivato l'FileMaker 2025.
Con l'introduzione di AI Model Server e di una nuova fase di script chiamata Fine-Tune Model, Claris sta portando questo metodo in un ambiente in cui non sarebbe stato previsto: un database relazionale.
Ciò che all'inizio sembra insolito, a un'analisi più attenta ha molto senso. Perché di cosa ha bisogno una buona messa a punto?
- Dati strutturati,
- un ambiente stabile,
- parametri chiari,
- e un contesto applicativo definito.
L'FileMaker offre tutto questo, ed è per questo che l'integrazione di LoRA in questo ambiente non sembra un corpo estraneo, ma piuttosto un'estensione logica.
Formazione senza terminale, ma non senza controllo
Nel mio articolo descrivo dettagliatamente il processo di formazione nell'FileMaker:
- Inserimento dei dati direttamente da tabelle o file JSONL esistenti,
- Gli iperparametri, come il tasso di apprendimento o la profondità del livello, possono essere controllati direttamente nello script,
- Funzionamento locale completo su Apple-Silicon - senza cloud, senza upload,
- e soprattutto: risultati riproducibili e adatti all'uso quotidiano.
Naturalmente ci sono dei limiti. FileMaker non consente (ancora) di servire più modelli, di congelare le strategie dei livelli o di esportare in altri formati come GGUF o ONNX. Non è uno strumento di ricerca, ma uno strumento per casi d'uso chiari, come l'adattamento dei modelli linguistici a termini, risposte, descrizioni di prodotti o strutture di dialogo interne specifiche dell'azienda.
E qui sta il fascino: funziona. Stabile. Ripetibile. E più veloce di quanto avessi mai pensato.
Sondaggio attuale sul futuro dell'FileMaker e dell'IA
Chi dovrebbe guardare più da vicino - e perché?
Questo articolo è rivolto a tutti coloro che non solo conoscono l'IA, ma vogliono anche utilizzarla:
- Direttore generaleche vogliono armonizzare la protezione dei dati e l'efficienza.
- Sviluppatoreche non vogliono ripartire da zero ogni volta.
- Strategistiche si rendono conto che l'IA non solo può essere "acquistata" all'esterno, ma può anche essere addestrata internamente.
Nell'FileMaker 2025, la messa a punto dei modelli linguistici diventerà parte del flusso di lavoro, non come un corpo estraneo, ma come un vero e proprio strumento. Si tratta di un cambiamento silenzioso ma duraturo, che dimostra a che punto siamo con l'idoneità dell'IA all'uso quotidiano.
All'articolo:
Dal terminale allo script: FileMaker 2025 rende la messa a punto di LoRA adatta all'uso quotidiano
Nel prossimo articolo descriverò come si può addestrare un modello linguistico in pratica con FileMaker e fornirò anche un corrispondente esempio di script.