Tag: intelligenza artificiale

  • Google Gemini 4 Argon: Innovazioni matematiche per il confinamento magnetico nella fusione nucleare

    Google Gemini 4 Argon: Innovazioni matematiche per il confinamento magnetico nella fusione nucleare

    In Breve

    Che cos'è Google Gemini 4 Argon?
    È un sistema di intelligenza artificiale di Google che ha assistito i ricercatori nell'estensione delle soluzioni matematiche per il confinamento magnetico.
    Qual è l'importanza delle scoperte matematiche recenti?
    Le scoperte ampliano le possibilità di validazione dei software di simulazione per il calcolo degli equilibri magnetici nei reattori di fusione.
    Cosa ha rivelato lo studio di Landreman e colleghi?
    Hanno trovato soluzioni esatte che contraddicono una congettura storica sul confinamento magnetico, aprendo nuove strade nella ricerca.

    La ricerca sulla fusione nucleare ha fatto un passo avanti significativo grazie all’uso di Google Gemini 4 Argon, un sistema avanzato di intelligenza artificiale che ha assistito i ricercatori nell’estensione delle soluzioni matematiche relative ai campi magnetici utilizzati nei reattori sperimentali di fusione. Questo progresso non segna un miglioramento immediato nella produzione di elettricità o nella fattibilità commerciale della fusione, ma rappresenta un’importante evoluzione nel calcolo degli equilibri magnetici tridimensionali.

    Nel 1967, il matematico Harold Grad formulò una congettura sulle condizioni di equilibrio nei campi magnetici tridimensionali. Recentemente, nel settembre 2026, il ricercatore Matt Landreman ha pubblicato soluzioni esatte che contraddicono questa congettura, con l’assistenza di GPT-6 Astra Pro. Tuttavia, le soluzioni iniziali presentavano una particolare simmetria geometrica che limitava i casi di riferimento disponibili per la validazione dei software di simulazione.

    Un successivo studio condotto da Opal Issan, Jonathan Citrin, Landreman e Brendan Tracey ha introdotto un parametro innovativo in grado di rompere tale simmetria, ampliando le possibilità di applicazione delle soluzioni matematiche. Utilizzando l’ambiente Antigravity di Google, il team ha fatto operare più agenti AI per esplorare i risultati di Landreman e identificare modi per rimuovere la restrizione di simmetria. Questo approccio ha portato all’emergere di candidati matematici promettenti in poche ore.

    Gli autori dello studio hanno quindi verificato le derivazioni, eseguito controlli computazionali e utilizzato l’assistenza AI nella preparazione del manoscritto, mantenendo la responsabilità sul lavoro pubblicato. Il risultato finale è un insieme più ampio di soluzioni esatte che forniscono casi di riferimento aggiuntivi per validare i programmi che calcolano l’equilibrio magnetico in configurazioni tridimensionali complesse.

    Queste scoperte non solo arricchiscono il panorama della ricerca sulla fusione nucleare, ma pongono anche interrogativi sul futuro della produzione energetica attraverso la fusione. Mentre il cammino verso una fusione commerciale rimane lungo e complesso, l’innovazione matematica rappresentata da Google Gemini 4 Argon potrebbe rivelarsi cruciale per superare le sfide attuali.

  • Surfer AI Tracker: Monitoraggio delle Citazioni dei Brand nell’Era dell’Intelligenza Artificiale

    Surfer AI Tracker: Monitoraggio delle Citazioni dei Brand nell’Era dell’Intelligenza Artificiale

    In Breve

    Cos'è Surfer AI Tracker?
    Surfer AI Tracker è uno strumento per monitorare le citazioni dei brand nelle risposte generate dall'intelligenza artificiale.
    Quali metriche fornisce?
    Fornisce metriche come Mention Rate, Average Position, Visibility Score e Top Sources.
    A chi è consigliato?
    È consigliato a chi ha competenze SEO e strumenti editoriali per analizzare i dati.

    Negli ultimi anni, l’intelligenza artificiale ha trasformato il modo in cui gli utenti cercano informazioni online. Con la crescente prevalenza di modelli AI nelle ricerche, è diventato fondamentale per i brand monitorare come e quanto vengono citati in queste risposte. In questo contesto, Surfer AI Tracker emerge come uno strumento innovativo, progettato per analizzare le menzioni dei brand nelle risposte generate dall’AI.

    Surfer, lanciato nel 2017 come strumento SEO, ha introdotto il Surfer AI Tracker nel 2025 per rispondere a queste nuove dinamiche di ricerca. Questo componente a pagamento consente di misurare la frequenza con cui un brand è citato quando gli utenti pongono domande specifiche e di analizzare le fonti alternative utilizzate dagli AI.

    Il tracker fornisce metriche chiave, tra cui:

    • Mention Rate: la frequenza di citazione del brand.
    • Average Position: la posizione media in cui il brand è citato.
    • Visibility Score: un punteggio composito su 100 che sintetizza la visibilità del brand.
    • Top Sources: le fonti più frequentemente citate dagli AI.
    • Sentiment delle menzioni: analisi del tono delle citazioni.

    Il funzionamento del tracker è semplice: invia prompt reali a cinque motori di ricerca monitorati, tra cui ChatGPT e Google AI, e raccoglie le risposte effettive visualizzate dagli utenti. Questa metodologia consente di ottenere dati concreti e non solo risposte semplificate tramite API.

    Un test condotto sul brand Zoho ha dimostrato l’efficacia del tracker, utilizzando 40 prompt basati su casi d’uso reali. I risultati ottenuti dallo scraping sono stati confrontati con le risposte manuali di ChatGPT, confermando la capacità del tracker di identificare le menzioni corrette. Inoltre, Surfer genera automaticamente prompt e una lista di concorrenti, facilitando l’analisi competitiva.

    La dashboard del Surfer AI Tracker si basa su quattro metriche principali, fornendo una visione chiara delle performance del brand. La segmentazione per topic evidenzia le aree di forza e debolezza: nel caso di Zoho, si è riscontrata una forte presenza nel settore CRM per PMI, ma una scarsa visibilità in altre aree come la collaborazione e la gestione delle risorse umane.

    Tuttavia, è importante notare che il comportamento dei modelli AI può variare nel tempo, rendendo le risposte soggette a cambiamenti quotidiani. Pertanto, le analisi fornite dal tracker devono essere interpretate come istantanee di un fenomeno in continua evoluzione.

    La sezione Sources del tracker elenca i domini e le pagine da cui gli AI attingono informazioni. Nel test su Zoho, sono stati identificati 367 domini e oltre 6.000 riferimenti. La funzione Mention Gap permette di confrontare le fonti che citano concorrenti ma non il brand monitorato, fornendo indicazioni utili su dove intervenire per migliorare la visibilità.

    In termini di costi, Surfer AI Tracker offre diversi piani: il piano tracker-only a 95 $/mese, il piano Standard a 119 $/mese e il piano Pro a 219 $/mese, quest’ultimo include 50 prompt aggiornati quotidianamente su tutti i motori monitorati. Un piano Peace of Mind a 359 $/mese offre workspaces illimitati e accesso API.

    In conclusione, Surfer AI Tracker si rivela uno strumento prezioso per chi desidera monitorare le citazioni dei propri brand nell’ambito delle risposte AI. Tuttavia, è consigliato a chi ha già competenze SEO e strumenti editoriali, poiché richiede un’analisi attenta dei dati per trasformarli in azioni concrete. Per chi cerca una soluzione automatica, potrebbe non essere la scelta migliore.

  • Ottimizzare i Carichi di Lavoro AI: Modelli e Acceleratori per Ogni Esigenza

    Ottimizzare i Carichi di Lavoro AI: Modelli e Acceleratori per Ogni Esigenza

    In Breve

    Perché le imprese non dovrebbero usare sempre i modelli più potenti per l'AI?
    Perché i costi possono aumentare rapidamente e modelli più piccoli possono essere sufficienti per compiti specifici.
    Quali sono le priorità per diversi tipi di task AI?
    Le applicazioni a bassa latenza richiedono tempi di risposta rapidi, mentre altre possono tollerare latenze maggiori.
    Come scegliere l'hardware giusto per i progetti AI?
    È importante mappare l'acceleratore alle esigenze di performance e costo specifiche del carico di lavoro.

    Nel mondo dell’intelligenza artificiale (AI), le aziende che transitano dall’avvio di progetti alla loro produzione devono affrontare una sfida cruciale: la scelta del modello e dell’hardware più adatti per ogni incarico. È un errore comune optare per la soluzione più potente senza considerare le specifiche esigenze di ciascun carico di lavoro.

    Quando un’applicazione viene eseguita migliaia di volte al giorno, i costi possono aumentare rapidamente. L’uso intensivo di token e agenti multipli può far lievitare le spese, rendendo fondamentale l’efficienza. La chiave per ottenere risultati ottimali risiede nella selezione del modello e dell’acceleratore più appropriati per ciascun workload.

    Diversi tipi di task richiedono priorità differenti. Ad esempio, le applicazioni a bassa latenza, come gli assistenti al servizio clienti, devono garantire tempi di risposta rapidi e un’esperienza utente fluida. Al contrario, elaborazioni più ampie e accurate, come la sintesi di documenti, possono tollerare latenze maggiori. Inoltre, le applicazioni governative o quelle che gestiscono dati sensibili pongono un forte accento su sovranità, controllo e residenza dei dati.

    In questo contesto, è importante notare che modelli più piccoli possono essere sufficienti e più economici per compiti di classificazione, estrazione e routing. Modelli di dimensioni medie sono in grado di supportare la maggior parte delle esigenze quotidiane di reasoning, mentre i modelli più grandi dovrebbero essere riservati a situazioni che giustificano costi e capacità superiori, come ragionamenti complessi o decisioni ad alto rischio.

    La scelta dell’hardware gioca un ruolo altrettanto importante nell’efficienza complessiva. Le applicazioni a bassa latenza richiedono acceleratori ottimizzati per la reattività, mentre i carichi ad alto volume possono beneficiare di soluzioni orientate al throughput e al costo. Creare una strategia che integri una varietà di silicio consente di allineare le combinazioni di modelli e hardware alle esigenze specifiche.

    Oltre alle GPU più diffuse, esistono soluzioni offerte da altri fornitori che possono risultare più efficienti in determinati casi. Un esempio è l’esecuzione di gpt-oss-120b su una piattaforma Cerebras, capace di elaborare circa 3.000 token al secondo, particolarmente utile in scenari che richiedono rapidità.

    È fondamentale comprendere che la fatturazione nell’AI si basa sui token e sui passi eseguiti dagli agenti. Pertanto, aumenti di consumo non corrispondono automaticamente a un maggior valore. Agenti agentici e flussi di lavoro di coding possono consumare molti più token rispetto a semplici chat o ragionamenti, esaurendo i budget in tempi rapidi.

    La raccomandazione operativa è quindi di partire sempre dal task specifico. Scegliere un modello sufficientemente capace, mappare l’acceleratore alle esigenze di performance e costo, garantire che l’ambiente di deployment rispetti i requisiti di sicurezza e sovranità, e misurare i risultati rispetto ai costi sostenuti. Questo approccio, sebbene meno spettacolare, è più pragmatico e favorisce implementazioni AI resilienti e sostenibili su scala produttiva, rispetto a decisioni standardizzate basate esclusivamente sulla potenza massima disponibile.

  • Bee lancia due nuovi dispositivi AI: Frontier e Eclipse

    Bee lancia due nuovi dispositivi AI: Frontier e Eclipse

    In Breve

    Quali sono i nuovi dispositivi presentati da Bee?
    Bee ha presentato i dispositivi Frontier e Eclipse, progettati per semplificare la gestione delle informazioni quotidiane.
    Qual è il prezzo dei dispositivi Bee?
    Bee Frontier costa $74.99, mentre Bee Eclipse è venduto a $99.99.
    Come garantisce Bee la privacy degli utenti?
    I dispositivi utilizzano un'architettura di sicurezza che elabora l'audio in tempo reale senza memorizzarlo.

    Bee, la società specializzata in dispositivi personali basati su intelligenza artificiale e recentemente acquisita da Amazon, ha svelato due nuovi prodotti: Bee Frontier e Bee Eclipse. Questi dispositivi sono progettati per semplificare la gestione delle informazioni quotidiane attraverso la tecnologia AI.

    Bee Frontier è un dispositivo indossabile, che può essere portato al polso o appuntato ai vestiti, mentre Bee Eclipse ha le dimensioni di una carta di credito e si aggancia magneticamente sul retro dello smartphone. Il primo è disponibile a un prezzo di $74.99 e si presenta in diverse colorazioni: Onyx, Lavender e Sage. Il secondo, invece, è venduto a $99.99 e sarà disponibile in Silver, Midnight, Honey e Blush.

    Questi nuovi prodotti si pongono in diretta concorrenza con altri dispositivi sul mercato, come il Plaud Note, che costa tra $159 e $189 a seconda della versione, e il Pocket, che ha un prezzo di $129.

    I dispositivi Bee utilizzano l’intelligenza artificiale per prendere appunti durante le conversazioni quotidiane, trasformando informazioni rilevanti in promemoria, riepiloghi e liste di cose da fare. Tra gli usi segnalati, vi è la possibilità di prendere appunti durante lezioni, registrare piani di cura discussi con medici o fissare appuntamenti con amici.

    Tutti i dispositivi offrono 14 giorni di memoria gratuita per i riepiloghi delle conversazioni. Per chi desidera funzionalità avanzate, è disponibile un abbonamento Bee Pro al costo di $11.99 al mese, che include riepiloghi illimitati, integrazioni con Amazon.com, Alexa+ e applicazioni di terze parti, oltre a suggerimenti per le attività da svolgere e memorie giornaliere.

    Dal punto di vista della privacy, Bee ha implementato un’architettura di sicurezza che garantisce l’elaborazione privata. L’audio grezzo non viene memorizzato, ma elaborato in tempo reale e poi eliminato. Le trascrizioni sono criptate con chiavi generate e controllate dal dispositivo, impedendo l’accesso a terzi, a meno che non sia l’utente stesso a decidere di condividerle.

    È anche possibile connettere i dispositivi con Alexa per utilizzare la funzione Voice ID degli Echo, che consente il riconoscimento vocale dell’utente. Gli utenti hanno la possibilità di cancellare trascrizioni e riepiloghi in qualsiasi momento.

    I dispositivi Bee si integrano con servizi di produttività esistenti come Gmail, Google Calendar e Microsoft Outlook, facilitando la redazione di email, l’organizzazione di riunioni e la gestione delle attività da svolgere. Supportano inoltre l’upload di foto e l’integrazione con Apple HealthKit, per includere informazioni sul benessere nelle analisi.

    Dal punto di vista hardware, sia il Frontier che l’Eclipse presentano un unico pulsante per l’accensione e lo spegnimento e un indicatore luminoso che segnala la sintesi di una conversazione. Il Frontier offre protezione IP67, fino a sette giorni di autonomia, ricarica USB-C e doppi microfoni con filtraggio avanzato del rumore. Entrambi i dispositivi sono accompagnati da un’app mobile ridisegnata e da una nuova app desktop.

    Bee Frontier è già disponibile su Amazon, mentre Bee Eclipse sarà lanciato a breve.

  • L’iper-personalizzazione dell’esperienza bancaria in Europa grazie all’intelligenza artificiale

    L’iper-personalizzazione dell’esperienza bancaria in Europa grazie all’intelligenza artificiale

    In Breve

    Cosa è l'iper-personalizzazione bancaria?
    L'iper-personalizzazione bancaria è l'uso dell'intelligenza artificiale per offrire servizi finanziari altamente personalizzati in base ai bisogni e alle preferenze dei clienti.
    Qual è il ruolo dell'intelligenza artificiale nella banca?
    L'intelligenza artificiale aiuta a migliorare l'esperienza del cliente, fornendo raccomandazioni personalizzate e supporto 24/7 attraverso chatbot e assistenti virtuali.
    Quali sono le sfide nell'adozione dell'AI nelle banche?
    Le principali sfide includono la scarsa comprensione delle tecnologie, l'esperienza limitata e l'incertezza normativa.

    Un recente sondaggio su un ampio campione di utenti bancari online in Europa ha rivelato un quadro complesso: sebbene l’82% degli intervistati utilizzi ancora istituti bancari tradizionali come principale fornitore, una significativa fetta del mercato si dichiara insoddisfatta dei servizi digitali e pronta a cambiare banca. In particolare, il 26% ha già effettuato un cambio per servizi digitali ritenuti insufficienti, mentre il 47% si sente più soddisfatto se la qualità dei servizi digitali migliora. Inoltre, il 59% degli utenti desidera raccomandazioni finanziarie personalizzate.

    La digitalizzazione ha reso molte esperienze transazionali più efficienti, ma ha anche creato un distacco emotivo tra clienti e banche. Questa situazione ha generato una crescente domanda di interazioni più personalizzate, che vadano oltre le funzioni di base come il controllo del saldo.

    Le tecnologie di intelligenza artificiale (AI) emergono come la soluzione per abilitare l’iper-personalizzazione in tempo reale e su larga scala. Attraverso modelli analitici avanzati e motori di raccomandazione, l’AI è in grado di elaborare dati relativi ai clienti e alle transazioni per identificare bisogni, preferenze e comportamenti individuali, suggerendo prodotti e servizi più adatti. Questa analisi può includere anche dati esterni all’istituto, ampliando così la capacità di personalizzazione rispetto agli approcci tradizionali.

    Tra le applicazioni pratiche dell’AI nel settore bancario, si segnalano l’uso per valutare l’affidabilità creditizia in soluzioni come il Buy Now Pay Later, la rilevazione di pattern di flusso di cassa o anomalie di spesa per offrire consulenze proattive. Inoltre, chatbot e sportelli virtuali basati su AI generativa possono fornire supporto 24 ore su 24, rispondere a domande complesse e formulare raccomandazioni su portafogli e obiettivi finanziari, sia autonomamente che in collaborazione con consulenti umani.

    In ambito recupero crediti, sistemi basati su elaborazione del linguaggio naturale (NLP) e machine learning possono personalizzare messaggi per migliorare l’engagement e le probabilità di rimborso, riducendo i conflitti. L’AI è anche impiegata per rendere le comunicazioni più rilevanti: strumenti predittivi identificano i clienti più ricettivi a specifici messaggi, mentre l’AI generativa crea contenuti personalizzati nella lingua scelta dall’utente e seleziona il canale, il formato e il momento ottimali per l’invio.

    Un ulteriore campo di sviluppo è l’integrazione con l’industria del gaming, per intercettare clienti più giovani attraverso prodotti finanziari contestualizzati al comportamento in-game, micro-investimenti, opzioni di credito dinamiche e incentivi virtuali.

    Nel panorama europeo, alcuni operatori digital-first mostrano già adozioni avanzate. Ad esempio, una banca digitale ha dichiarato di avere un assistente personale capace di gestire fino al 40% delle richieste, mentre in altri casi l’uso dell’AI nelle app ha incrementato l’engagement del 25%. Tuttavia, a livello più ampio, gli istituti finanziari europei mostrano ritardi significativi: un sondaggio del 2024 ha rivelato che il 90% ha integrato alcuni strumenti di AI, ma solo il 9% si considera all’avanguardia nell’adozione. Gli investimenti sono prevalentemente concentrati sul back office, mentre le iniziative rivolte al cliente rimangono limitate.

    Tra gli ostacoli all’integrazione delle soluzioni di AI generativa si segnalano la scarsa comprensione, l’esperienza limitata e l’incertezza normativa. Per accelerare l’adozione e ridurre i rischi, è fondamentale investire in formazione e sviluppo delle competenze, ampliare i casi d’uso e stabilire meccanismi di governance e compliance adeguati.

  • Ricursive Intelligence: L’Intelligenza Artificiale al Servizio della Progettazione di Chip

    Ricursive Intelligence: L’Intelligenza Artificiale al Servizio della Progettazione di Chip

    In Breve

    Cosa fa Ricursive Intelligence?
    Ricursive Intelligence sviluppa sistemi di intelligenza artificiale per progettare chip, ottimizzando il processo di progettazione.
    Qual è l'obiettivo della startup?
    L'obiettivo è affrontare l'aumento della domanda di calcolo previsto nei prossimi anni.
    Come l'AI cambia la progettazione dei chip?
    L'AI permette di scoprire layout non convenzionali e ottimizza l'intero chip, riducendo i tempi di sviluppo.

    Ricursive Intelligence: L’Intelligenza Artificiale al Servizio della Progettazione di Chip

    La startup Ricursive Intelligence sta facendo notizia nel settore della tecnologia grazie allo sviluppo di sistemi di intelligenza artificiale (AI) in grado di progettare chip. Fondata da Anna Goldie e Azalia Mirhoseini, l’azienda si propone di affrontare una crescente crisi di calcolo, prevista per i prossimi cinque anni, con un aumento della domanda di elaborazione che potrebbe arrivare fino a 10.000 volte.

    Una Nuova Era nella Progettazione dei Chip

    Secondo Goldie e Mirhoseini, la tradizionale espansione dei data center non sarà sufficiente per soddisfare questa domanda. Pertanto, Ricursive Intelligence propone un approccio innovativo che ottimizza l’uso della banda nei data center e l’impiego di wafer e impianti produttivi, piuttosto che concentrarsi esclusivamente sull’aumento della capacità infrastrutturale.

    AI e Design Innovativo

    Il team di Ricursive Intelligence sostiene che l’AI può rivoluzionare i metodi di progettazione tradizionali, scoprendo layout non convenzionali che superano le soluzioni classiche. Un esempio significativo è AlphaChip, un sistema sviluppato in precedenza che ha generato una disposizione a forma di anello dei componenti, inizialmente sorprendente per gli ingegneri, ma risultata altamente efficace.

    Ottimizzazione Completa dei Chip

    A differenza dell’approccio tradizionale che suddivide i chip in decine di blocchi più piccoli, Ricursive Intelligence si concentra sull’ottimizzazione dell’intero chip. Questo approccio consente la creazione di pattern complessi, inclusi disegni ondulati, che l’azienda intende illustrare in dettaglio in futuro.

    Riduzione dei Tempi di Sviluppo

    Le fondatrici hanno affermato che l’automazione della progettazione potrebbe ridurre i tempi di sviluppo da mesi o anni a pochi giorni. Questo cambiamento renderebbe economicamente sostenibile la produzione di chip personalizzati per applicazioni nello spazio, nella realtà aumentata e virtuale, nonché nel calcolo biologico, con potenziali miglioramenti dell’efficienza energetica.

    Il Futuro della Progettazione di Chip

    Delegare la fase esecutiva della progettazione all’AI consentirebbe agli esseri umani di concentrarsi su idee e applicazioni innovative, aprendo la strada a un futuro in cui la progettazione di chip diventa più accessibile e veloce. Ricursive Intelligence rappresenta un passo significativo verso la modernizzazione del settore, affrontando le sfide della crescente domanda di calcolo.

    Per ulteriori dettagli, puoi consultare l’articolo originale su TechCrunch.

  • Figma lancia Figma Specs: nuove funzionalità per la gestione del design e dell’AI

    Figma lancia Figma Specs: nuove funzionalità per la gestione del design e dell’AI

    In Breve

    Che cos'è Figma Specs?
    Figma Specs è un editor basato su Markdown per definire il linguaggio di design di un'azienda.
    Quali nuove funzionalità sono state introdotte?
    Sono state introdotte funzioni per integrare design e codice, oltre a strumenti per gestire l'intelligenza artificiale.
    Qual è l'importanza dell'ufficio di Figma in India?
    L'ufficio in India gestisce funzioni commerciali e supporto, in un mercato con un alto numero di utenti.

    Figma lancia Figma Specs: nuove funzionalità per la gestione del design e dell’AI

    Figma ha recentemente introdotto Figma Specs, un editor innovativo basato su Markdown, progettato per definire il linguaggio di design di un’azienda. Questo strumento offre un riferimento centralizzato che può essere utilizzato da team e agenti durante il processo di progettazione.

    Il documento Figma Specs può esistere sia come file indipendente che integrato nella canvas di design, permettendo di fare riferimento a vari elementi di Figma, di incorporare diagrammi FigJam, livelli di codice e progetti di design. Le nuove funzionalità consentono di integrare librerie di design, librerie di codice e linee guida, assicurando che gli agenti, siano essi proprietari o di terze parti, possano seguire le regole del marchio durante la creazione con l’intelligenza artificiale.

    Negli ultimi giorni, l’azienda ha ampliato la disponibilità dell’agente sulla canvas e ha introdotto strumenti per indirizzare il comportamento dell’AI, tenendo conto della sua natura non deterministica. Tra le novità, è stata resa disponibile in beta pubblica la funzione code layers, che consente di aggiungere codice ai design sulla canvas, rendendo i prototipi più interattivi. Gli utenti possono ora chiedere all’agente di trasformare un design in codice o di modificare parti del codice per iterare sul prototipo.

    Figma ha anche ampliato il supporto a oltre 20 nuovi strumenti attraverso il programma MCP, tra cui Open Code, Dia, Grok Bot e la startup indiana Sarvam. Questa espansione segue l’acquisizione dello scorso anno dell’headless CMS open source Payload, che è ora integrato in Figma Make per generare siti dinamici e gestire contenuti. I download di Payload sono aumentati di sei volte negli ultimi dodici mesi, segno di un crescente interesse per queste tecnologie.

    Inoltre, Figma ha aperto il suo primo ufficio in India alla fine dell’anno scorso, dedicato a funzioni commerciali, partnership, go-to-market e supporto prodotto. L’India è considerato il mercato con il maggior numero di utenti al di fuori degli Stati Uniti, con la piattaforma utilizzata dal 40% delle prime 100 società indiane quotate in Borsa di Bombay.

    Loredana Crisan, chief design officer di Figma, ha sottolineato come l’AI abbia aumentato la produzione di codice: “Ci sono 17 volte più righe di codice prodotte oggi rispetto al passato, ma solo 1,3 volte più rilasci”. Questo indica che gran parte del codice è utilizzato per scoprire e progettare il prodotto, piuttosto che essere immediatamente pronto per la distribuzione.

    Con queste innovazioni, Figma si posiziona come un leader nel settore del design, integrando l’intelligenza artificiale in modo strategico e offrendo strumenti che migliorano la collaborazione e l’efficienza dei team di design.

  • Anthropic: Ricavi in Crescita e Prospettive di IPO

    Anthropic: Ricavi in Crescita e Prospettive di IPO

    In Breve

    Quali sono i ricavi di Anthropic nel terzo trimestre 2026?
    Anthropic ha registrato ricavi di 16,8 miliardi di dollari nel terzo trimestre 2026.
    Quando è prevista l'IPO di Anthropic?
    L'IPO di Anthropic è prevista per novembre 2026.
    Qual è la crescita dei ricavi rispetto al trimestre precedente?
    I ricavi sono aumentati del 45% rispetto agli 11,6 miliardi del trimestre precedente.

    Anthropic, la società di intelligenza artificiale fondata nel 2021 da ex dirigenti di OpenAI, sta accelerando i suoi piani in vista di un possibile collocamento a Wall Street. Nel terzo trimestre del 2026, ha registrato ricavi per 16,8 miliardi di dollari, con un incremento significativo del 45% rispetto agli 11,6 miliardi del trimestre precedente. Questo risultato segna una crescita notevole, considerando che nel primo trimestre l’azienda aveva già fatturato circa 4,7 miliardi.

    In sei mesi, i ricavi di Anthropic si sono più che triplicati, anche se il ritmo di crescita ha mostrato segni di attenuazione rispetto al raddoppio osservato tra il primo e il secondo trimestre. Nonostante ciò, la società ha dichiarato di aver raggiunto una redditività positiva su base adjusted, un traguardo importante per una realtà che si sta affermando nel competitivo settore della tecnologia.

    Con l’IPO prevista per novembre, le stime di valutazione di mercato superano i 2.000 miliardi di dollari. A maggio, Anthropic aveva già raccolto 65 miliardi di dollari in un nuovo round di finanziamento, portando la sua valutazione post-money a 965 miliardi. Questo afflusso di capitali è stato fondamentale per sostenere la crescita dell’azienda, che ha visto un aumento dell’utilizzo di Claude, il suo assistente AI, da parte delle imprese, e il successo di strumenti come Claude Code, progettato specificamente per la programmazione.

    Tuttavia, permangono alcune incognite riguardo ai numeri comunicati. Essendo ancora una società privata, i dati forniti agli investitori non presentano il livello di dettaglio che sarà richiesto nella documentazione per l’IPO. Il mercato è particolarmente attento alla modalità di contabilizzazione delle vendite effettuate attraverso i grandi partner cloud e alla capacità dell’azienda di mantenere i margini attuali mentre gli investimenti in chip e data center aumentano.

    In conclusione, Anthropic si trova in una fase cruciale della sua evoluzione, con ricavi in forte crescita e l’orizzonte di una IPO che potrebbe segnare un nuovo capitolo nella sua storia. Resta da vedere come l’azienda affronterà le sfide legate alla trasparenza finanziaria e alla gestione dei costi nel contesto di un mercato in continua evoluzione.

  • Gudea: L’Intelligenza Artificiale al Servizio della Prevenzione delle Crisi sui Social

    Gudea: L’Intelligenza Artificiale al Servizio della Prevenzione delle Crisi sui Social

    In Breve

    Cosa fa Gudea?
    Gudea sviluppa strumenti di intelligenza artificiale per individuare e prevenire crisi sui social media.
    Quando è stata fondata Gudea?
    Gudea è stata fondata nel 2023.
    Qual è l'obiettivo principale di Gudea?
    L'obiettivo principale è analizzare conversazioni online per prevenire crisi pubbliche.

    Gudea, una startup innovativa fondata nel 2023, sta rivoluzionando il modo in cui le organizzazioni affrontano le crisi sui social media. Grazie all’uso avanzato dell’intelligenza artificiale, l’azienda ha sviluppato strumenti in grado di individuare discussioni e contenuti problematici online prima che possano trasformarsi in vere e proprie crisi pubbliche.

    La piattaforma di Gudea analizza oltre 500 siti e piattaforme, inclusi social network come X, Reddit e TikTok. Non si limita a monitorare il volume delle menzioni, ma si concentra su chi guida la conversazione e come le informazioni si diffondono. Questo approccio fornisce un contesto operativo che va oltre le semplici metriche, permettendo alle organizzazioni di capire le dinamiche delle narrative in tempo reale.

    La nascita di Gudea è il risultato di un’esperienza pregressa con il George Washington Initiative, un’organizzazione che ha applicato tecniche di intelligence per analizzare e interrompere reti informative problematiche. I fondatori, Keith Presley, Jonathan Sperber e James Thomin, portano con sé un bagaglio di competenze che spazia dalle campagne politiche alla ricerca sulla disinformazione e all’intelligenza artificiale. Presley, con oltre 15 anni di esperienza, e Sperber, specializzato in disinformazione, insieme a Thomin, dottore di ricerca in ingegneria chimica e esperto di AI e machine learning, hanno creato una soluzione innovativa per un problema sempre più attuale.

    In soli tre anni, Gudea ha attratto quasi 40 clienti, tra cui importanti aziende del Fortune 50 nei settori delle telecomunicazioni e del retail, uno dei maggiori laboratori di intelligenza artificiale al mondo, e agenzie di comunicazione di crisi. Con la crescente diffusione della generative AI, l’azienda ha registrato un incremento dell’attività inautentica nelle conversazioni analizzate, passando da un caso su quattro a circa nove su dieci. Questo scenario ha reso ancora più fondamentale l’adozione di strumenti proattivi per la difesa della reputazione e dei marchi.

    Gudea non si ferma qui; l’azienda sta lavorando su nuove funzionalità, come la geolocalizzazione delle narrative con precisione fino al blocco urbano, prevista per il prossimo anno. Inoltre, offrirà ai clienti l’accesso diretto ai modelli di analisi, consentendo loro di simulare campagne e valutare in anticipo il potenziale impatto negativo delle stesse.

    Recentemente, Gudea ha annunciato una raccolta di 7 milioni di dollari in finanziamento seed, guidata da Mudita Venture Partners e Silicon Road Ventures, portando il totale dei finanziamenti a circa 15 milioni di dollari. Questo supporto finanziario permetterà all’azienda di espandere ulteriormente le proprie capacità e di continuare a innovare nel campo della prevenzione delle crisi sui social media.

  • Il Model Context Protocol: Rivoluzionare l’Intelligenza Artificiale nelle Aziende

    Il Model Context Protocol: Rivoluzionare l’Intelligenza Artificiale nelle Aziende

    In Breve

    Cos'è il Model Context Protocol?
    Il Model Context Protocol è un approccio standardizzato per connettere le applicazioni AI ai sistemi aziendali, migliorando l'efficienza operativa.
    Come può l'AI migliorare i processi aziendali?
    L'AI può identificare discrepanze nelle fatture, automatizzare l'attribuzione di codici contabili e ridurre gli errori nei pagamenti.
    Qual è l'obiettivo della touchless processing?
    L'obiettivo è completare il processo di fatturazione senza intervento umano, migliorando l'efficienza e riducendo gli errori.

    Le iniziative di intelligenza artificiale (AI) nelle aziende spesso non raggiungono i risultati attesi. Molti dei grandi modelli linguistici, privi di connessioni ai sistemi di contesto, si limitano a funzionare come chatbot avanzati. Per permettere a un modello di prendere decisioni affidabili e agire in modo efficace, è fondamentale che abbia accesso a informazioni critiche contenute in sistemi aziendali come ERP, database fornitori e general ledger. Senza queste connessioni, l’AI non è in grado di compiere operazioni basilari, come confrontare una fattura con un ordine d’acquisto o verificare lo stato di un pagamento.

    Il Model Context Protocol (MCP) si propone come una soluzione standardizzata per consentire alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo approccio riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, permettendo connessioni bidirezionali che consentono agli agenti di recuperare dati e inviare aggiornamenti ai sistemi core. Con i collegamenti adeguati, gli agenti possono estrarre dati rilevanti, valutare le informazioni in base alle policy aziendali e intraprendere azioni come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo sempre i limiti operativi definiti dall’azienda.

    Il livello di autonomia che può essere raggiunto varia in base al compito e all’implementazione, ma non è necessario arrivare a un’autonomia totale per ottenere risultati significativi. Un caso esemplare è rappresentato dall’area degli accounts payable: un agente con accesso a ordini, registri di ricezione e contratti è in grado di identificare discrepanze, come nel caso di una fattura per 20 casse quando ne sono state consegnate solo 18, o un prezzo per unità superiore a quanto concordato. A seconda delle regole aziendali, l’agente può richiedere un accredito al fornitore, indirizzare la questione a un operatore con evidenze e raccomandazioni, oppure procedere al pagamento se tutto risulta corretto.

    Altri utilizzi pratici in ambito accounts payable includono il rilevamento di fatture duplicate grazie alla cronologia fornitori, l’attribuzione automatica dei codici di conto generale basata su dati storici e la determinazione del flusso di approvazione in base alle pratiche precedenti. L’obiettivo finale è la cosiddetta “touchless processing”, ovvero il completamento del processo di fatturazione senza intervento umano. Questa metrica binaria rende l’area degli accounts payable un banco di prova utile, poiché gli errori possono avere conseguenze misurabili, come rielaborazioni manuali, pagamenti eccessivi, sconti persi e registrazioni contabili errate.

    Prima di investire in soluzioni etichettate come “AI-powered”, i responsabili aziendali devono valutare concretamente a quali sistemi l’intelligenza artificiale può accedere e quali capacità operative effettivamente abilita. Protocolli come il Model Context Protocol possono contribuire a colmare il divario tra strumenti conversazionali isolati e agenti collegati, capaci di supportare processi aziendali più autonomi e affidabili.