L’introduzione dell’Intelligenza Artificiale nelle organizzazioni assegna al personale IT un ruolo centrale nella valutazione, configurazione, integrazione e gestione sicura delle nuove soluzioni.
Il corso fornisce le conoscenze necessarie per comprendere il funzionamento e i limiti dei sistemi di IA, con particolare attenzione all’IA generativa, alla protezione dei dati, alla cybersecurity, alla gestione degli accessi e all’integrazione degli strumenti di IA nell’infrastruttura aziendale.
Il percorso consente ai professionisti IT di riconoscere i principali rischi tecnici e organizzativi, supportare gli utenti, collaborare con le funzioni legali e di compliance e contribuire alla definizione di regole aziendali per un utilizzo sicuro, controllato e responsabile dell’Intelligenza Artificiale.
Il corso è rivolto a:
- responsabili IT e IT manager;
- sistemisti e amministratori di rete;
- amministratori Microsoft 365, Azure e ambienti cloud;
- sviluppatori e tecnici applicativi;
- addetti alla cybersecurity;
- tecnici help desk e supporto utenti;
- Data Analyst, Data Engineer e professionisti BI;
- responsabili delle applicazioni aziendali;
- personale coinvolto nella selezione e gestione di servizi di IA;
- referenti tecnici per progetti di AI Governance e AI Compliance.
Al termine del corso i partecipanti saranno in grado di:
- comprendere i principi fondamentali dell’Intelligenza Artificiale;
- distinguere sistemi di IA, machine learning, IA generativa e automazione tradizionale;
- comprendere il funzionamento generale dei Large Language Model;
- riconoscere limiti, errori e allucinazioni dei sistemi generativi;
- valutare i rischi tecnici derivanti dall’utilizzo dell’IA;
- identificare dati e informazioni che non devono essere inseriti negli strumenti pubblici;
- applicare principi di sicurezza, controllo degli accessi e protezione delle credenziali;
- valutare strumenti e fornitori di soluzioni di IA;
- supportare gli utenti nell’utilizzo corretto delle applicazioni;
- contribuire alla definizione di policy e procedure aziendali;
- collaborare con le funzioni di sicurezza, privacy, compliance e risk management;
- comprendere il ruolo del personale IT nell’applicazione dell’EU AI Act.
1. Fondamenti di Intelligenza Artificiale
- Che cosa si intende per Intelligenza Artificiale
- Machine learning, deep learning e IA generativa
- Differenza tra automazione, algoritmo e sistema di IA
- Modelli linguistici di grandi dimensioni
- Addestramento, inferenza e generazione dei risultati
- Prompt, contesto e output
- Modelli proprietari, open source e open weight
- Servizi cloud, API e applicazioni integrate
- Principali scenari di utilizzo dell’IA nelle organizzazioni
2. Funzionamento e limiti dell’IA generativa
- Modelli probabilistici e generazione delle risposte
- Attendibilità e variabilità degli output
- Allucinazioni e informazioni inesatte
- Limiti nella comprensione del contesto
- Bias nei dati e nei risultati
- Obsolescenza delle informazioni
- Mancanza di trasparenza e spiegabilità
- Necessità della supervisione umana
- Verifica delle fonti e validazione tecnica
- Attività che non devono essere completamente delegate all’IA
3. Dati, privacy e riservatezza
- Tipologie di dati trattati dagli strumenti di IA
- Dati personali, dati particolari e informazioni riservate
- Codice sorgente, configurazioni, log e documentazione tecnica
- Rischi derivanti dall’inserimento di dati aziendali nei servizi pubblici
- Conservazione e possibile riutilizzo dei prompt
- Localizzazione e trasferimento dei dati
- Minimizzazione, anonimizzazione e pseudonimizzazione
- Cancellazione e tempi di conservazione
- Configurazioni privacy dei servizi di IA
- Utilizzo di account personali e account aziendali
4. Cybersecurity e sistemi di IA
- Principali minacce associate all’IA generativa
- Prompt injection e indirect prompt injection
- Data leakage ed esposizione involontaria delle informazioni
- Generazione di codice vulnerabile
- Dipendenze software e librerie inesistenti
- Phishing, social engineering e contenuti sintetici
- Malware e automazione degli attacchi
- Protezione delle credenziali e dei secret
- Rischi legati a plugin, estensioni, agenti e connettori
- Controllo degli accessi e principio del privilegio minimo
- Logging, auditing e monitoraggio degli utilizzi
5. Valutazione degli strumenti e dei fornitori
- Differenza tra servizi consumer ed enterprise
- Requisiti tecnici, organizzativi e contrattuali
- Gestione e proprietà dei dati
- Utilizzo dei dati per l’addestramento
- Crittografia dei dati
- Segregazione dei tenant
- Gestione delle identità e Single Sign-On
- Controlli amministrativi e gestione degli utenti
- Certificazioni e attestazioni di sicurezza
- Subfornitori e localizzazione dei servizi
- SLA, continuità operativa e gestione degli incidenti
- Aggiornamento dei modelli e cambiamenti del servizio
- Criteri per l’approvazione di una soluzione di IA
6. Integrazione dell’IA nei sistemi aziendali
- Utilizzo di API e servizi cloud
- Integrazione con Microsoft 365, applicazioni e repository documentali
- Retrieval-Augmented Generation e basi documentali aziendali
- Gestione delle autorizzazioni sui contenuti
- Rischi di propagazione di permessi eccessivi
- Separazione tra ambienti di sviluppo, test e produzione
- Gestione delle chiavi API
- Monitoraggio dei consumi e dei costi
- Versionamento dei modelli e dei prompt
- Test funzionali, prestazionali e di sicurezza
- Controllo e validazione prima del rilascio
7. Utilizzo dell’IA nello sviluppo software
- Generazione e completamento del codice
- Produzione di script, query e configurazioni
- Debugging e documentazione automatizzata
- Revisione umana del codice generato
- Vulnerabilità e configurazioni non sicure
- Controllo delle dipendenze suggerite
- Proprietà intellettuale e provenienza del codice
- Inserimento di codice proprietario nei servizi esterni
- Secure Software Development Lifecycle
- Test automatici e analisi del codice generato
- Regole aziendali per gli assistenti di programmazione
8. EU AI Act e responsabilità del personale IT
- Finalità e struttura generale dell’AI Act
- Concetto di sistema di IA
- Ruoli di provider, deployer, importatore e distributore
- Approccio basato sul rischio
- Sistemi vietati, sistemi ad alto rischio e obblighi di trasparenza
- IA per finalità generali
- Significato organizzativo dell’AI Literacy
- Competenze differenziate in base al ruolo
- Inventario dei sistemi e delle applicazioni di IA
- Documentazione tecnica e tracciabilità
- Monitoraggio e gestione degli incidenti
- Collaborazione tra IT, sicurezza, privacy, legale e compliance
9. Policy aziendale e supporto agli utenti
- Definizione degli strumenti autorizzati
- Regole per account, accessi e autenticazione
- Dati ammessi e dati vietati
- Gestione delle applicazioni non autorizzate e Shadow AI
- Criteri per l’utilizzo dei risultati generati
- Obblighi di verifica e supervisione umana
- Segnalazione degli errori e degli incidenti
- Gestione delle richieste di nuove applicazioni
- Formazione e assistenza agli utenti
- Aggiornamento periodico delle regole
- Ruolo dell’IT nell’applicazione della policy aziendale
Il corso adotta una metodologia pratica e interattiva, basata sull’alternanza tra spiegazioni, dimostrazioni, analisi di casi aziendali ed esercitazioni guidate.
I contenuti vengono contestualizzati rispetto alle attività svolte dal personale IT: amministrazione dei sistemi, sviluppo, sicurezza, supporto agli utenti, gestione del cloud e selezione delle applicazioni.
Particolare attenzione viene dedicata all’analisi di situazioni concrete, alla valutazione dei rischi e alla costruzione di semplici checklist operative immediatamente utilizzabili in azienda.
- Il corso è in modalità formazione a distanza, online live streaming, cioè con il docente in diretta che tiene la lezione.
- I partecipanti dovranno essere dotati di pc o laptop con accesso Internet.
- Le lezioni saranno registrate e le registrazioni verranno messe a disposizione dei partecipanti per 2 mesi dalla fine delle lezioni.
- Coloro che avranno frequentato almeno l'80% delle ore di corso riceveranno un attestato di frequenza.
Non sono richieste conoscenze specialistiche di machine learning.
È consigliata una conoscenza di base dei sistemi informativi aziendali, della sicurezza informatica, del cloud computing e dei processi di gestione degli utenti e delle applicazioni.
