L'adozione sempre più diffusa di sistemi di Intelligenza Artificiale generativa, assistenti AI, Copilot, Large Language Model, servizi AI in cloud e agenti intelligenti introduce nuove opportunità ma anche nuovi rischi per le infrastrutture, i dati e i processi aziendali.
Il personale IT svolge un ruolo centrale nell'adozione sicura e controllata di queste tecnologie. Non è sufficiente conoscere le modalità di utilizzo degli strumenti AI: è necessario comprenderne il funzionamento essenziale, i limiti, le modalità di trattamento dei dati, i rischi di sicurezza, le implicazioni delle integrazioni con applicazioni e repository aziendali e le responsabilità connesse alla gestione tecnica dei sistemi.
Il corso AI Literacy per il personale IT fornisce una preparazione specificamente progettata per sistemisti, amministratori, tecnici IT, sviluppatori, personale help desk, responsabili infrastrutturali e professionisti coinvolti nell'introduzione o nella gestione di soluzioni AI.
Il percorso affronta l'Intelligenza Artificiale dal punto di vista operativo e tecnico, con particolare attenzione a:
- funzionamento essenziale di AI generativa e Large Language Model;
- dati utilizzati e prodotti dai sistemi AI;
- sicurezza e principali vulnerabilità;
- Shadow AI e utilizzo di servizi non autorizzati;
- servizi AI SaaS e cloud;
- API e integrazioni applicative;
- Retrieval-Augmented Generation (RAG);
- AI Agent e sistemi agentici;
- controllo degli accessi e principio del minimo privilegio;
- logging, monitoraggio e gestione degli incidenti;
- verifica degli output e Human Oversight;
- principi essenziali di governance tecnica e AI Act.
Il corso non ha l'obiettivo di fornire una formazione specialistica sulla conformità all'AI Act, sull'audit o sulla gestione dei sistemi AI ad alto rischio, che costituiscono oggetto di percorsi specialistici separati. L'obiettivo è invece fornire al personale IT il livello di consapevolezza necessario per utilizzare, supportare, integrare e controllare sistemi AI in maniera responsabile e sicura.
Il corso è rivolto principalmente a:
- personale dei reparti IT;
- sistemisti;
- amministratori di sistema;
- amministratori Microsoft 365 e Azure;
- Cloud Administrator;
- Network Administrator;
- tecnici help desk;
- personale IT Operations;
- sviluppatori e Application Manager;
- DevOps e Cloud Engineer;
- Security Administrator;
- Cybersecurity Specialist;
- responsabili infrastrutture;
- IT Manager;
- responsabili dei servizi informativi;
- personale tecnico coinvolto nella selezione o introduzione di strumenti AI;
- personale che gestisce Copilot, chatbot, servizi AI, API, knowledge base o applicazioni basate su LLM.
Al termine del corso il partecipante sarà in grado di:
- comprendere i principi fondamentali di funzionamento dei moderni sistemi di Intelligenza Artificiale e dell'AI generativa;
- distinguere modelli AI, sistemi AI, LLM, chatbot, Copilot, sistemi RAG e AI Agent;
- comprendere il ruolo di training, inference, token, context window, embeddings e retrieval;
- riconoscere limiti quali hallucination, bias, non determinismo e obsolescenza delle informazioni;
- valutare i principali rischi derivanti dall'utilizzo di dati aziendali all'interno di servizi AI;
- distinguere informazioni pubbliche, interne, riservate, personali e sensibili nell'utilizzo di sistemi AI;
- riconoscere le principali minacce di sicurezza associate agli LLM e alle applicazioni GenAI;
- comprendere prompt injection, indirect prompt injection, sensitive information disclosure, improper output handling ed excessive agency;
- riconoscere fenomeni di Shadow AI e utilizzo non autorizzato di strumenti AI;
- comprendere i rischi connessi a API, plugin, connettori e integrazioni applicative;
- comprendere architettura, vantaggi e rischi di un sistema RAG;
- comprendere caratteristiche e rischi dei sistemi AI agentici;
- applicare principi di Identity & Access Management e least privilege ai sistemi AI;
- individuare esigenze di logging, monitoring e tracciabilità;
- comprendere quando sia necessaria una validazione umana dell'output;
- riconoscere situazioni che richiedono l'intervento di Security, Privacy, Compliance o AI Governance;
- comprendere il ruolo del personale IT nel programma aziendale di AI Literacy e Governance.
Modulo 1 – Fondamenti dell'Intelligenza Artificiale per il personale IT
Modulo 2 – AI generativa, Large Language Model e funzionamento dei sistemi moderni
Modulo 3 – Dati, privacy e informazioni aziendali nei sistemi AI
Modulo 4 – Sicurezza dei sistemi AI e principali minacce
Modulo 5 – Shadow AI, strumenti autorizzati e controllo dell'utilizzo
Modulo 6 – API, RAG, Copilot e integrazione dell'AI nei sistemi aziendali
Modulo 7 – AI Agent, automazione e nuovi rischi operativi
Modulo 8 – Governance tecnica, AI Act e responsabilità del personale IT
Laboratorio finale – Analisi tecnica di un ecosistema AI 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.
Ai partecipanti potranno essere forniti:
- dispense digitali;
- glossario essenziale dell’Intelligenza Artificiale;
- checklist per la valutazione degli strumenti di IA;
- schema per la classificazione dei dati;
- modello di controllo per applicazioni e servizi;
- linee guida per l’utilizzo sicuro dell’IA;
- riferimenti normativi e risorse di approfondimento.
È richiesta una conoscenza generale dei sistemi informativi aziendali e dei principali concetti IT.
Sono utili, ma non indispensabili:
- conoscenze di networking e sicurezza;
- familiarità con servizi cloud;
- conoscenza di Microsoft 365, Azure, AWS o Google Cloud;
- conoscenza di API e applicazioni web;
- esperienza nell'amministrazione di sistemi o applicazioni.
Non sono richieste conoscenze matematiche di Machine Learning né competenze di Data Science.
Verifica dell’apprendimento
- valutazione degli elaborati prodotti;
- test finale;
- eventuale project work.
Attestato
Al termine del corso verrà rilasciato un attestato di frequenza se questa sia >=80% delle ore, oppure un attestato di frequenza "positiva" cioé rafforzato dall'esito positivo del test finale.
