Quando si parla di intelligenza artificiale in azienda, una parola compare con frequenza sempre maggiore: fine-tuning. La traduzione letterale è "messa a punto", "regolazione fine", ma in italiano la lasciamo quasi sempre in inglese. Vale la pena capire cosa significhi davvero, perché è uno dei concetti che separa le aziende che usano l'AI in modo banale da quelle che ne fanno un vantaggio competitivo.
La definizione semplice
Un modello AI come ChatGPT è stato addestrato su miliardi di pagine generiche di internet. È bravissimo a tutto in generale, ma non sa nulla di specifico del tuo settore, della tua azienda, dei tuoi clienti, del tuo modo di lavorare. Il fine-tuning è il processo che prende quel modello generale e lo "specializza" sui tuoi dati, sui tuoi documenti, sui tuoi esempi.
L'analogia che aiuta: pensa a uno studente di medicina al sesto anno. Sa tutto in generale sulla medicina. Ora vuoi che diventi un cardiologo. Lo mandi tre anni di specializzazione in cardiologia: legge solo libri di cuore, vede solo pazienti cardiopatici, fa stage in reparti di cardiologia. Alla fine sa ancora tutto della medicina generale, ma è molto più bravo a fare cardiologia specifica. Il fine-tuning è la specializzazione del modello AI.
Come funziona in pratica
Le aziende che fanno fine-tuning prendono uno dei grandi modelli (Llama di Meta, Mistral, o modelli open source) e lo addestrano ulteriormente sui propri documenti: contratti, conversazioni con clienti, manuali interni, codice. Dopo qualche giorno di addestramento, il modello "sa" rispondere come l'azienda vuole, conosce il linguaggio specifico del settore, riconosce nomi e termini interni.
Tre esempi reali
Studio legale. Un grande studio italiano ha specializzato Llama sui propri 200.000 atti degli ultimi vent'anni. Risultato: il modello ora scrive bozze di pareri legali nello stile esatto dello studio, citando precedenti interni e usando le formule tipiche.
Ospedale. Un policlinico universitario ha fatto fine-tuning di un modello sulla propria cartella clinica elettronica anonimizzata. Il modello aiuta i medici a precompilare le diagnosi, suggerendo termini coerenti con le abitudini di quella struttura.
Banca. Una banca italiana ha specializzato un modello sui propri 50 milioni di interazioni con clienti. Adesso il chatbot risponde con il tono giusto, conosce i prodotti specifici, sa rispondere a domande sul regolamento interno.
Quanto costa
Qui sta il punto interessante. Fino a due anni fa, un fine-tuning serio costava centinaia di migliaia di euro. Oggi, grazie ai modelli open source e a servizi specializzati, parte da circa 5.000-10.000 euro per progetti aziendali medi. È diventato alla portata anche di PMI italiane.
Perché ti riguarda
Anche se non sei un dirigente d'azienda, vale la pena conoscere questa parola per due motivi. Primo: quando senti notizie tipo "Banca X integra l'AI" o "Studio Y lancia assistente AI", quasi sempre dietro c'è un fine-tuning. Secondo: la prossima generazione di assistenti AI per professioni specifiche (avvocati, medici, commercialisti) sarà fatta esattamente così. Capire come funziona ti permette di valutare se l'AI a cui ti rivolgi è davvero specializzata oppure è solo ChatGPT generico con un nome diverso.
La differenza con il prompt
Un fraintendimento comune: scrivere un buon prompt non è fine-tuning. Il prompt orienta il modello momento per momento. Il fine-tuning cambia il modello in modo permanente. Sono due tecniche complementari: prima specializzi (fine-tuning), poi usi con prompt mirati.
Il fine-tuning non è magia. Richiede dati buoni, tempo, competenze. Ma è la chiave per cui l'AI smette di essere un giocattolo generico e diventa uno strumento utile per il tuo mestiere specifico.
