Riconoscere i testi generati dall'AI: il watermark di Anthropic

Cos'è e come funziona il watermark testuale di Claude e cosa cambia in pratica per aziende, media e content creator.

9 libri per capire la GenAI

Sull'AI ogni settimana esce qualcosa di nuovo da leggere o da recuperare. Ecco i nostri consigli di lettura per capire in che direzione andiamo con la GenAI.

Explainable AI: capire come decide un LLM

Più un modello è grande e complesso, più i suoi stati interni diventano opachi. Ecco perché l’Explainable AI, la scienza di indagare e comprendere gli stati interni dell’AI, è ormai una priorità tecnica, legale ed etica.

La fiducia nell’AI è una scommessa epistemica

Ogni volta che un agente AI lavora per te, stai facendo una scommessa epistemica sul suo lavoro. L'explainable AI è la scienza che cerca di renderla un po' meno cieca.

Facile per gli umani, difficile per l’AI: il Paradosso di Moravec

Gli agenti AI svolgono interi workflow cognitivi ma faticano a camminare su due gambe. Ecco il paradosso di Moravec, spiegato semplice.

Cosa sono gli Open Data? Il caso Opentusk in Puglia

Cosa sono gli Open Data, perché servono e come Opentusk sta portando il tema nella PA pugliese, con Datapizza.

Il primo hackathon multibanca d’Europa

Il 16 e 17 giugno, in Officine Credem, 35 partecipanti da 13 banche e 5 aziende consorziate hanno formato sette team misti e passato 48 ore a fare una cosa che in teoria non dovrebbe succedere: collaborare su un problema di AI Governance invece di competere.

Self-Improving Agents: il talk di Datapizza all’AI Heroes 2026

All'AI Heroes 2026, Benedetto Manasseri (Lead AI Engineer in Datapizza) ha mostrato come costruire e valutare Self-Improving Agents: agenti AI capaci di diagnosticare i propri errori e proporre correzioni, con l'umano come l'ultimo checkpoint prima della produzione.

Come Effect sta definendo le regole dell'Agent Experience

Gli agenti AI producono codice di bassa qualità - lo slop - quando lavorano senza vincoli né contesto. Al nostro meetup con Effect è emerso che il vero obiettivo non è sperare che l’agente non sbagli, ma creare un sistema in cui l’errore non possa fisicamente propagarsi: così nasce l'Agent Experience (AX).