Struttura del corso
Blocco 1 — Fondamenti condivisi (Giorni 1-2)
Giorno 1 — Mattina: Il fattore umano nell’adozione dell’IA
• Calibrazione della fiducia e delle aspettative: quando è opportuno utilizzare l’IA e quando invece convene astenersene.
• Struttura di accordi di squadra: trigger, azioni da intraprendere, prove documentate e responsabilità attribuite.
• Ruolo del Curatore dei Prompt: attività di validazione, decisionale e approvativa. Piano di reazione agli incidenti legati all’IA.
Giorno 1 — Pomeriggio: Vincoli normativi, rischi e compliance
• Capacità reali dei modelli LLM e relativi fattori di rischio nei prompt: iniezioni di contenuti, dispersione dati, fenomeni di allucinazione.
• Quadro legale e normativo: Regolamento GDPR, Regolamento sull’IA dell’UE nonché standard tecnici del settore (DICOM, HL7, HIPAA).
• Esercitazione pratica: trasformare un vincolo tecnico in una regola di sicurezza esprimibile tramite prompt.
Giorno 2 — Mattina: Architettura tecnica dei prompt
• Approccio architetturale per agenti IA: memoria, contesto e obiettivi, analizzati attraverso l’ottimizzazione della progettazione dei prompt.
• Integrazione API, fonti dati di dominio, gestione multi-agente e concatenamento logico tra i diversi prompt.
Giorno 2 — Pomeriggio: Anatomia dei prompt aziendali
• I 6 livelli costitutivi di un prompt efficace: Ruolo, Contesto, Vincoli, Standard di settore, Formato e Esempi.
• Gerarchia dei prompt: Prompt di Sistema (applicabili a tutta l’organizzazione), Prompt di Dominio (relativi a un team specifico) e Prompt Operativo (rivolti al singolo utente).
• Dimostrazione pratica: analisi critica di un prompt non ottimale e ricostruzione della sua formulazione corretta. Brief introduttivo per i giorni 3-5.
Blocco 2 — Workshop collaborativi (Giorni 3-4-5)
Giorno 3 — Individuazione dei requisiti e audit normativo
- Workshop paralleli per team distinti: Architetti, Sviluppatori specializzati, Back-End e Responsabili del controllo qualità.
- Mappatura completa delle norme aziendali e dei vincoli in uso — rilevamento di eventuali incongruenze tra i vari gruppi operativi.
- Output atteso del terzo giorno: una Mappa Normativa associata a una matrice di impatto e priorità in base allo sforzo necessario.
Giorno 4 — Progettazione delle convenzioni e creazione dei modelli
- Definizione di sistemi univoci per la denominazione, gestione evolutiva e classificazione (per team, ambito applicativo e strumenti specifici).
- Sviluppo dei primi modelli verificati: TypeScript DICOM, procedure di revisione codice, test QA, documentazione API.
- Output atteso del quarto giorno: almeno quattro template operativi completi e una guida dettagliata alle convenzioni da adottare.
Giorno 5 — Assemblaggio della libreria, governance operativa e transizione finale
- Organizzazione ordinata della Libreria dei Prompt; integrazione con GitHub Copilot, Cursor o altre API per LLM aziendali.
- Il ruolo del Curatore dei Prompt, i parametri per la qualità complessiva, le routine operative da adottare in squadra e un piano preciso di implementazione nei 30 giorni a venire.
- Output finale: Libreria v1.0 documentata, redazione dello Statuto di Governance e piano esecutivo per i primi trenta giorni post-formazione.
Requisiti
- Aver seguito almeno un corso sull’Intelligenza Artificiale (base o avanzato).
- Per le figure tecniche: esperienza nello sviluppo secondo l’ecosistema tecnologico aziendale.
- Per i manager: conoscenza di base delle principali tool IA (ChatGPT, Copilot ecc.).
- Impegno da parte dell’azienda: presenza attiva dei leader di team nei giorni 3-5 del corso.
- Disponibilità preliminare della documentazione relativa alle norme interne (README, guide di sviluppo ecc.).
Pubblico di riferimento
- Architetti software
- Sviluppatori specializzati (back-end e front-end)
- Ingegneri QA e tecnici software
- Leader di squadra e manager intermedi
- Manager IT, decisori strategici e responsabili dei progetti IA
Recensioni (1)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica