Da FileMaker al cloud: come SchallOS integra software aziendale con IA, runtime e aggiornamenti

SchallOS - Piattaforma applicativa intelligente

Nello sviluppo di un’applicazione aziendale, l’attenzione si concentra inizialmente sulle attività visibili: si creano tabelle, si definiscono relazioni, si progettano maschere di inserimento dati e si automatizzano i processi aziendali. Non appena i primi utenti sono in grado di utilizzare la soluzione, gran parte del progetto sembra essere completata. Nell’uso pratico, tuttavia, ha inizio la fase più impegnativa nel lungo periodo. Un’applicazione aziendale deve essere gestita, ampliata e adattata alle nuove esigenze. Le modifiche devono essere documentate, le nuove versioni distribuite e i dati esistenti trasferiti in modo sicuro. A ciò si aggiungono i diversi diritti utente, i backup dei dati, le analisi degli errori e la questione se una soluzione debba essere gestita localmente, su un server proprio o nel cloud.

Molte piattaforme di sviluppo si concentrano principalmente sulla creazione dell’applicazione vera e propria. Per gli aggiornamenti, la documentazione, la distribuzione e la gestione operativa vengono poi aggiunti in un secondo momento strumenti aggiuntivi e procedure personalizzate. Con il passare del tempo si crea un ambiente tecnico composto da numerosi elementi separati tra loro, che possono essere tenuti insieme solo con un notevole dispendio di risorse. SchallOS adotta quindi un approccio più completo. La piattaforma non solo accompagna un’applicazione aziendale nella sua fase di creazione, ma ne copre l’intero ciclo di vita: dallo sviluppo alla documentazione e alla distribuzione, fino agli aggiornamenti e alla gestione a lungo termine.

Leggi tutto

Dall'esportazione dei dati ChatGPT alla propria conoscenza AI: passo dopo passo con Ollama e Qdrant

Il percorso verso la propria memoria AI

Nella prima parte di questa serie di articoli, abbiamo visto che l'esportazione dei dati di ChatGPT è molto più di una semplice funzione tecnica. I dati esportati contengono una raccolta di pensieri, idee, analisi e conversazioni accumulate in un lungo periodo di tempo. Ma finché questi dati vengono memorizzati solo come archivio sul disco rigido, rimangono solo questo: un archivio. Il passo cruciale è rendere queste informazioni nuovamente utilizzabili. È proprio qui che inizia lo sviluppo di un'intelligenza artificiale personale.

L'idea è in realtà sorprendentemente semplice: un'intelligenza artificiale non deve solo lavorare con conoscenze generali, ma anche essere in grado di accedere ai dati dell'utente. Deve cercare nelle conversazioni precedenti, trovare i contenuti adatti e incorporarli nelle nuove risposte. In questo modo, una normale IA si trasforma in una sorta di memoria digitale. Questa è la seconda parte della serie di articoli, che ora si occupa dell'aspetto pratico.

Leggi tutto

L'esportazione dei dati ChatGPT spiegata: come le vostre chat AI diventano un sistema di conoscenza personale

Esportazione dei dati ChatGPT

Se lavorate regolarmente con un'intelligenza artificiale, probabilmente lo sapete: un pensiero porta al successivo. Si fa una domanda, si ottiene una risposta, si riformula, si sviluppa ulteriormente un'idea. Una breve domanda si trasforma improvvisamente in un dialogo più lungo. A volte, addirittura, si arriva a interi progetti.

Ma la maggior parte di queste conversazioni scompare di nuovo. Si trovano da qualche parte nell'elenco delle chat, scivolano verso il basso e vengono dimenticate nel tempo. È proprio questa una delle grandi peculiarità dei moderni sistemi di intelligenza artificiale: Mentre le conversazioni precedenti con colleghi, amici o consulenti esistevano solo nella nostra memoria, i dialoghi dell'IA sono completamente conservati.

Questo significa qualcosa di fondamentale: Con ogni conversazione viene creato un archivio digitale dei vostri pensieri. Questa è la prima parte di una piccola serie di articoli che vi permetteranno di esportare la vostra cronologia di chat da ChatGPT e di utilizzarla efficacemente come un tesoro personale di conoscenze con il vostro sistema di intelligenza artificiale locale.

Leggi tutto

Intelligenza artificiale senza clamore: perché meno strumenti di IA spesso significano un lavoro migliore

Intelligenza artificiale senza clamore

Chiunque si occupi oggi di intelligenza artificiale incontra quasi inevitabilmente una strana sensazione: una costante inquietudine. Non appena ci si abitua a uno strumento, ne compaiono altri dieci. Un video segue l'altro su YouTube: „Questo strumento di intelligenza artificiale cambia tutto“.“, „Devi assolutamente usarlo adesso“.“, „Coloro che si perdono vengono lasciati indietro“. E ogni volta risuona subliminalmente lo stesso messaggio: Sei arrivato troppo tardi. Gli altri sono più avanti. Devi recuperare.

Questo non riguarda solo gli informatici. Anche i lavoratori autonomi, i professionisti creativi, gli imprenditori e i semplici dipendenti sentono la pressione. Molti non sanno nemmeno cosa facciano esattamente questi strumenti, ma hanno la sensazione di perdere qualcosa. Ed è proprio questo a causare stress.

Leggi tutto

L'IA in cloud come preside: perché il futuro del lavoro è nell'IA locale

L'intelligenza artificiale del cloud diventa il capo insegnante

Quando qualche anno fa i grandi modelli linguistici hanno iniziato la loro marcia trionfale, sembravano quasi un ritorno alle vecchie virtù della tecnologia: uno strumento che fa quello che gli viene detto. Uno strumento che serve l'utente, non il contrario. Le prime versioni, da GPT-3 a GPT-4, avevano sì dei punti deboli, ma erano incredibilmente utili. Spiegavano, analizzavano, formulavano e risolvevano i compiti. E lo facevano in gran parte senza zavorre pedagogiche.

Si parlava con questi modelli come se si stesse parlando con un impiegato erudito, che a volte sbagliava le parole, ma che essenzialmente lavorava e basta. Chiunque abbia scritto testi creativi, generato codici di programma o prodotto analisi più lunghe all'epoca ha sperimentato quanto tutto ciò funzionasse senza problemi. C'era una sensazione di libertà, di spazio creativo aperto, di tecnologia che supportava le persone invece di correggerle.

Leggi tutto

Apple MLX vs. NVIDIA: come funziona l'inferenza AI locale sul Mac

AI locale su Silicon con Apple Mac

Chi si occupa di intelligenza artificiale oggi pensa spesso a ChatGPT o a servizi online simili. Si digita una domanda, si attende qualche secondo e si riceve una risposta come se all'altro capo del filo ci fosse un interlocutore molto colto e paziente. Ma ciò che è facilmente dimenticabile: Ogni input, ogni frase, ogni parola viaggia via Internet verso server esterni. È lì che si svolge il lavoro vero e proprio, su enormi computer che non si vedono mai di persona.

In linea di principio, un modello linguistico locale funziona esattamente nello stesso modo, ma senza Internet. Il modello è memorizzato come file sul computer dell'utente, viene caricato nella memoria di lavoro all'avvio e risponde alle domande direttamente sul dispositivo. La tecnologia alla base è la stessa: una rete neurale che comprende il linguaggio, genera testi e riconosce modelli. L'unica differenza è che l'intero calcolo rimane interno all'azienda. Si potrebbe dire: ChatGPT senza cloud.

Leggi tutto

Intelligenza artificiale: quali sono i posti di lavoro a rischio e come possiamo armarci ora

Quali lavori saranno eliminati dall'IA in futuro

Quasi nessun altro cambiamento tecnologico si è insinuato nella nostra vita quotidiana con la stessa rapidità dell'intelligenza artificiale. Quella che ieri era considerata una tecnologia visionaria del futuro, oggi è già una realtà, che si tratti di messaggiare, programmare, diagnosticare, tradurre o persino creare musica, arte o documenti legali.

Leggi tutto

MLX su Apple Silicon come AI locale rispetto a Ollama & Co.

IA locale su Mac con MLX

In un momento in cui i servizi di IA centralizzati come ChatGPT, Claude o Gemini dominano le prime pagine dei giornali, molti utenti professionali hanno sempre più bisogno di un'alternativa: un'infrastruttura di IA locale e autocontrollabile. Soprattutto per i processi creativi, i dati sensibili o i flussi di lavoro ricorrenti, una soluzione locale è spesso l'opzione più sostenibile e sicura.

Chiunque lavori con un Mac, in particolare con Apple Silicon (M1, M2, M3 o M4), può ora trovare strumenti incredibilmente potenti per eseguire i propri modelli linguistici direttamente sul dispositivo. Al centro di tutto questo c'è un nuovo componente, in gran parte sconosciuto: MLX, un framework di apprendimento automatico sviluppato da Apple che probabilmente avrà un ruolo sempre più centrale nell'ecosistema AI dell'azienda nei prossimi anni.

Leggi tutto