Come creare un assistente AI personale che lavora con te (senza programmare)

Ovvero: come sono passato da "Nuova Chat" a "Nuovo Task" — da chiacchierare con l'AI a farla lavorare con me.

ChatGPT, Claude, Gemini & C sono progettati perché restiate nella loro chat. Comodo per voi, redditizio per i fornitori che controllano ogni passaggio a proprio vantaggio. E non è un problema di complotti, tranquilli, ma un normale approccio volto a fidelizzare i propri utenti, a capire cosa fanno con una tecnologia così nuova, a trovare nuovi modi per monetizzare i colossali investimenti che richiede l'AI.

Ma in tutto questo approccio che sembra inevitabile la domanda che mi faccio sempre più spesso, soprattutto nelle aziende, è "Se il valore restasse a noi?"

Ho iniziato, come moltissimi, a farmi questa domanda parecchi mesi fa. E da allora non ho mai smesso di fare e rifare ambienti, setup, progetti per cercare la soluzione ideale.

Il Contesto

Qualche mese fa avevo la necessità di sperimentare come tradurre e riadattare molto materiale dall'inglese all'italiano. Un lavoro principalmente editoriale con zero codice informatico. Un lavoro molto complesso che richiedeva lo sforzo di più agenti AI per molto tempo per potersi dire efficace.

E non poteva essere il classico 'Chat GPT': non potevo fidarmi della memoria opaca dei vari Assistenti AI, non potevo ricominciare da capo con mille istruzioni ad ogni nuova conversazione, e non avevo nemmeno voglia di fare tutto in un sistema sviluppato che utilizzasse API.

La parola più importante da tenere a mente quando si lavora con l'AI infatti è CONTESTO. Il contesto sono le informazioni che voi date all'AI perché risolva i vostri problemi, è dove raccontate chi siete, cosa fate, dove andate e perché. E se siete bravi e fortunati tra copia incolla, incrocio di progetti offerti nelle app di chat, supporto di mini-Agenti come i GPT di OpenAI e un po' di fortuna riuscite a mettere assieme spesso lavori coerenti.

Ma questo snatura molto il modo in cui siamo abituati a lavorare, soprattutto perché i vari produttori di sistemi AI stanno spingendo moltissimo sulla piattaforma 'Chat Based' nella quale il sistema si occupa di memorizzare le interazioni che avete fatto in tante conversazioni (che avrete notato: sono troppe, difficili da ritrovare, organizzare, condividere) memorizzate da qualche parte nel cloud.

Ogni volta che scaricate un file il flusso si spezza; file generati e conversazioni vivranno per sempre in posti diversi, ricongiungerli sarà un fastidio. In sostanza soffriamo da troppi anni di cattive UI e di UX che ci sconcentrano mentre ci costringono a ricordare dove cliccare o come attivare migliaia di funzioni.

Pensate invece al lavoro che fate con i vostri team.

Diamo per scontate troppe cose quando lavoriamo tra colleghi: perché ciascuno di noi ha un contesto, una storia, una conoscenza propria dell'azienda, del proprio ruolo, di quello dei colleghi e di 'come si fanno le cose'. Ognuno, come direbbe Luciano Floridi (un importante filosofo nel mono digitale), ha un proprio capitale semantico che continua a modificare, alimentare e confrontare con gli altri. Quando parlate con un collega, con il vostro responsabile, con un fornitore o cliente abituale sapete già tutto quello che è successo prima e lavorate in modo incrementale, producendo risultati.

Quando lavorate con il Chat GPT di turno no. E questo crea un sacco di problemi.

Ecco, con questa modalità di lavoro, una volta configurata, sarete più in grado di lavorare come siete abituati (Seppur con la presenza dell'AI). Perchè l'AI vivrà nel suo contesto e sarà in grado di andare a prendersi quello giusto, quando serve, da sola.

Immaginate un collega con cui condividete una cartella. Non dovete spiegargli il contesto ogni volta. Sa già tutto. Dovete solo ripartire da dove eravate rimasti ieri.

Mi spiego meglio.

L'intuizione

Volevo provare un lavoro impossibile di traduzione e ricontestualizzazione in ambito italiano per un corso online.

Sotto gli occhi avevo i neo-nato Claude Code, un ambiente nato per programmatori, che funziona in un terminale. Decisamente non user friendly. Ma mi dava la possibilità di lavorare diversi agenti specializzati dando loro in pasto un'enormità di dati. Dovevo solo orientarli a scrivere testo anziché codice.

Ho dato loro in pasto la cartella sul mio Mac dove c'era il materiale e un semplice comando (più o meno): "Traducete ed adattate in italiano, lavorate in parallelo e controllate di fare un buon lavoro."

Il risultato? Dopo 1 ora QuCì, l'Agente che si occupa del controllo qualità, mi ha chiesto di validare il risultato che stava sul mio computer già pronto, in una cartella così da procedere con la pubblicazione. Solo che erano seicento pagine di contenuti molto complessi tradotti, rivisti e commentati per spiegarmi, passo passo, come avevano lavorato gli altri agenti. Seicento.

Le pagine sono ancora là, per controllarle avrei impiegato troppo tempo, ed il progetto è ancora in cerca di autore. Ma l'intuizione che ci stava dietro ha cambiato, almeno fino alla prossima, il mio approccio all'AI.

Non stavo più "chattando con l'AI", ma stavo coordinando un sistema di produzione fatto da agenti operativi. Le chat erano solo, come accade nel mondo reale, uno strumento per giungere ad un risultato di lavoro di cui gli agenti si dovevano occupare. Un mezzo di comunicazione, non un modo di lavorare.

Nell'ambiente di lavoro che ho creato nelle settimane successive e da cui sto scrivendo questo post ormai ho portato un sacco di azioni: mandare e-Mail o leggerle, scrivere documenti di vario tipo (Documenti, Presentazioni, Fogli di Calcolo), attivare browser e navigare, attivare app sul Mac con MCP ecc.

Ho iniziato a concentrarmi sui risultati e non più su come scrivevo i prompt e un giorno di qualche settimana fa, è nato quasi per caso il nome 'Outcome Oriented' a questo modo di lavorare, Orientato ai Risultati anziché ristretto in una chat.

Provo a spiegarmi meglio.

Paradigma Chat-Based (l'approccio alla Chat GPT)

Il vostro obiettivo è ottenere risposte migliori nelle conversazioni. Il valore sta nella chat stessa. Chiedete, ottenete, passate alla prossima domanda. La conversazione è il prodotto ed è quasi sempre sul cloud, gestita dal fornitore di turno.

Dovete spostare tutto dal vostro pc al Cloud se volete che funzioni o utilizzare integrazioni come MCP (IYKYK: non ne parlo ora per non sconvolgere ulteriormente di complessità questo post)

Paradigma Outcome Oriented (l'approccio che vi propongo)

Il vostro obiettivo è lavorare all'interno sistemi che producono risultati tangibili, con pieno controllo del contesto e degli strumenti a disposizione, minimizzando la quantità di informazione che passate e che rimane 'fuori dal vostro controllo'.

La differenza è sostanziale: il valore sta nei documenti, file, progetti che create. Le conversazioni sono strumentali. L'output concreto è il prodotto. l'AI accede direttamente ai vostri file ed esegue comandi sul vostro hardware per risolvere i task che le date.

Per iniziare qualcosa di nuovo non cliccate più Nuova Chat ma chiedete di fare un Nuovo Task. E questo cambia tutto!

La chat può perdersi nello stesso modo in cui si perdono le parole condivise con i vostri collaboratori durante la realizzazione di un'attività, non importa; ciò che conta è il risultato.

La differenza si manifesta su tre livelli concettuali:

	Chat-Based	Outcome Oriented
Dove finisce il valore	Nelle conversazioni (che poi archiviate e dimenticate ma sono una miniera d'oro per i Fornitori del Servizio)	In cartelle e file che restano a voi, si accumulano, si riutilizzano e su cui potete trovare nuovo valore.
Il vostro ruolo	"Utenti" che interrogano un sistema fatto da altri.	Artefici di ciò che vi serve per lavorare sfruttando diverse AI.
La memoria	Sperate che l'AI ricordi (memoria opaca) affidandovi a sistemi che non conoscete.	Definite voi le regole in cartelle e file che controllate al 100%

Ecco la differenza cruciale: mentre Chat GPT, Gemini o Claude web vivono "nella nuvola", Claude Code lavora sul vostro computer. Sui vostri documenti. Con le vostre regole. Tenendo presente che sarà necessaria qualche attenzione (anche qui Se Lo Sapete Lo Sapete: ci sono temi enormi di cybersicurezza di cui parlerò andando avanti su questi temi).

	Chat-Based	Outcome Oriented
Dove 'girano' i tool	Sul cloud	Sul vostro Mac o PC
Chi deve occuparsi dei backup	Il fornitore	Voi
Il controllo	No Brain	Serve attenzione

Andiamo sul pratico

"Claude Code è uno strumento di coding agentico che vive nel vostro terminale, capisce il vostro codice e vi aiuta a programmare meglio e più velocemente. "

Nasce per sviluppatori, vive nella linea di comando del terminale (il vecchio prompt "C:\>" per i meno esperti), ed è pensato per chi scrive codice.

Se cambiamo la frase sopra in

"Claude Code è uno strumento di coding agentico che vive nel vostro terminale, capisce i vostri documenti e istruzioni, sa navigare nella complessità del vostro computer e delle sue cartelle, tool e applicazioni e vi aiuta a lavorare meglio e più velocemente"

otteniamo uno strumento che possiamo usare anche per attività quotidiane

Cosa significa in sostanza:

• Legge e scrive file sul vostro computer (report, presentazioni, documenti).

• Lavora sul vostro computer eseguendo direttamente applicazioni e codice.

• Ricorda chi siete e come lavorate (istruzioni permanenti, 100% gestite da voi).

• Rispetta la vostra organizzazione (cartelle e progetti separati, non una chat unica).

• Lavora con file sensibili senza caricarli su internet dove li dimenticherete.

• Impara con l'esperienza in base a ciò che voi gli dite di fare o non fare.

• E molto altro che non vi spiego adesso (sono pigro e sarebbe lungo).

È proprio come il collega con cui avete parlato ieri. Si ricorda già tutto.

Il limite degli assistenti "con memoria"

Qualcuno penserà che ChatGPT ha la memoria, Claude ha i progetti, Gemini ricorda le conversazioni passate! E il cloud è più facile da gestire soprattutto con MCP.

Vero. Ormai la memoria è una cosa che fanno tutti (ne ho scritto qui) ma c'è un problema fondamentale: voi non la controllate.

Non sapete mai con certezza:

• Cosa hanno davvero memorizzato e cosa no

• Se quella conversazione di tre settimane fa è ancora nel suo "ricordo"

• Perché oggi sembra aver dimenticato il vostro tono di voce che "ricordava" ieri

È una memoria opaca. Non potete ispezionarla, modificarla, strutturarla secondo le vostre esigenze. È come avere un collega che "forse" si ricorda delle cose, ma non siete mai sicuri di cosa, è distratto da mille cose e le sue priorità sono definite fuori dall'ambiente di lavoro che interessa a voi.

Pensate a scenari concreti:

• Informazioni fantasma: L'AI cita un dato che "ricorda" da una vostra conversazione passata. Peccato che quel dato fosse sbagliato già allora, e ora lo ripete come fosse vero.

• Contaminazione tra progetti: Avete parlato di due clienti diversi in chat separate. L'AI mescola i dettagli dell'uno con l'altro. Voi non ve ne accorgete.

• Confidenza senza fondamento: Vi risponde con sicurezza usando "quello che sa di voi". Ma non potete verificare cosa sa, da dove l'ha preso, se è aggiornato.

• Il bias silenzioso: Ha "imparato" che preferite un certo stile. Ma l'ha imparato da una conversazione in cui stavate scherzando. Ora lo applica sempre.

Il problema non è che dimentichi. È che non sappiamo cosa ricorda, perché, se la memoria ritornerà al momento giusto. E quando sbaglia, lo fa con la stessa sicurezza di quando ha ragione. Vi trovate a sperare che ricordi, invece di sapere con certezza cosa sa.

Nel primo caso con il risultato quasi certo di un output 'SLOP', ovvero messo assieme senza cura, che ha assemblato pezzi di contenuti in modo spesso randomico. Tema che esplode in sistemi multi-agentici che possono generare un contenuto nel 10% del tempo, e poi vi richiede il 200% del tempo per fare editing.

Agenti a supporto

Le piattaforme AI più recenti sono in grado di offrire strumenti sempre più completi che, oltre a rispondere, eseguono azioni. E le stiamo chiamando Agenti AI.

Cos'è un agente AI? La definizione più breve che riesco a dare è: un RLM (Reasoning Language Model) con accesso a strumenti digitali che lavora in loop finché non completa il task che gli avete dato.

Ne ho parlato a lungo qui e qui. Ma trovate online tantissima letteratura.

In un ambiente Outcome Oriented avrete bisogno di Agenti AI per operare velocemente. E loro si muovono con comandi semplici che sono alla base di moltissime attività che fate in ambito digitale:

• Cercare testo e documenti (grep, find, mdfind)

• Leggere e scrivere testo nei file (cat, less, nano, echo >)

• Eseguire comandi sul sistema operativo (bash, qualsiasi comando)

• Eseguire ricerche web e leggere il contenuto dei file trovati

• Gestire liste di cose da fare (Task list o To-do)

• Connettersi ad ogni altro strumento, locale o web, tramite MCP.

Una delle cose meravigliose di questo ambiente è che potrete farvi creare dall'AI, agenti specializzati in certi ruoli (Analista dati, Creatore di presentazioni, Correttore di bozze, Creatore di grafici professionali, Risponditore di e-mail, Scrittore di offerte commercial) semplicemente scrivendo la loro job description.

Potrete creare skill specifiche per fare attività (quali note di riunioni, adattare alla brand identity le vostre presentazioni, tradurre documenti seguendo certe regole, accedere all'ERP o al CRM per scaricare o caricare dati, eseguire piccoli pezzi di codice per attività ripetitive.)

Il tutto in un ambiente che non potrà mai darvi (grosse) sorprese.

Quindi?

Vorreste capire come fare? C'è un solo problema: che questo post è di fatto la premessa più lunga che abbia mai scritto!

Per darvi la possibilità di lavorare Outcome Oriented c'è molto da raccontare e da sporcarsi le mani e, soprattutto all'inizio, servirà un po' di fatica. Capire come passare dalla 'speranza' di avere un buon risultato su un assistente AI commerciale alla sicurezza di produrre risultati di valore in un proprio ambiente di lavoro personalizzato richiede un po' di impegno.

Però i risultati sono interessanti e potrei raccontarvi come:

• Costruire il sistema passo dopo passo, anche senza essere sviluppatori

• Dotarlo di skill — come in Matrix: "Conosco il kung fu" (Excel, PowerPoint, PDF...)

• Renderlo multi-agente — non un assistente, ma un team digitale che si coordina

• Connetterlo ai vostri sistemi — Notion, EMail, ERP, CRM, OneDrive, altri Agenti.

• Creare workflow complessi — Flussi di lavoro elaborati che mescolano capacità di agenti AI con esecuzione di codice (generato rigorosamente dall'AI)

Vi piace come idea?

Ma ho bisogno del vostro aiuto per decidere come proseguire:

• Un libro? (cartaceo o ebook, struttura completa, riferimento permanente)

• Una serie di articoli? (almeno 5 parti, feedback in corso d'opera)

• Un corso online? (video + esercizi + community)

• Un prompt? (Per farvi spiegare direttamente da Claude come fare -auguri!-)

• Workshop dedicati? (formazione aziendale, hands-on, online?)

Scrivetemi nei commenti o contattatemi direttamente sul sito, in questi tempi di contenuti troppo generati con l'AI ha senso pensarci due volte.

Cosa vi intriga di più? Cosa vi spaventa? Cosa vorreste capire prima di tutto il resto?

Questa guida la costruiamo insieme.

Max

Enjoy AI Responsibly!