L'88% delle organizzazioni nel mondo utilizza già l'Intelligenza Artificiale in almeno una funzione aziendale, secondo il rapporto The State of AI 2025 di McKinsey. In Spagna, mercato d'origine di Technova Partners, solo il 21,1% delle imprese con più di 10 dipendenti la adotta (INE, 2025) — e tra le PMI la cifra scende all'11,4% (ONTSI). Dietro quasi tutta questa ondata c'è una stessa tecnologia: il LLM. Se guidi un'impresa e vuoi capire una volta per tutte cos'è un LLM, come funziona senza formule matematiche, cosa può fare per il tuo conto economico e cosa ti richiede la legge a partire dal 2 agosto 2026, questa guida è per te.
Cos'è un LLM?
Un LLM (Large Language Model, ovvero grande modello linguistico) è un modello di Intelligenza Artificiale addestrato su quantità massive di testo per fare una cosa sola in modo straordinario: prevedere la parola successiva più probabile data una sequenza precedente. Da questa capacità apparentemente semplice emergono le altre: redigere, riassumere, tradurre, rispondere a domande, analizzare documenti o scrivere codice. ChatGPT, Claude o Gemini sono prodotti costruiti su LLM. Per un'impresa, la definizione utile è questa: un LLM è un motore linguistico di uso generale che può leggere e produrre testo su scala industriale, adattandosi a compiti specifici — assistenza clienti, report, contratti — senza necessità di programmarlo per ciascuno. Non pensa come una persona: calcola probabilità sulle parole. Ma lo fa così bene che il risultato è utile in centinaia di processi aziendali reali.
Come funziona un LLM? Spiegato senza matematica
Un LLM funziona in due fasi: prima si addestra, poi viene utilizzato. Nell'addestramento, il modello legge miliardi di parole — siti web, libri, codice, documentazione — suddivise in token (frammenti di parola), e regola miliardi di parametri interni fino a imparare i pattern statistici del linguaggio. Quella fase costa milioni di euro e la svolgono i produttori, non la tua impresa. Nell'utilizzo quotidiano (la inferenza), scrivi un'istruzione — il prompt — e il modello genera la risposta token per token, scegliendo ogni volta la continuazione più probabile in base a ciò che ha appreso.
Due concetti aggiuntivi completano il vocabolario minimo di un dirigente:
- Finestra di contesto: quante informazioni entrano in una conversazione. Nel 2026 lo standard va da 200.000 a 1 milione di token — centinaia di pagine — e alcuni modelli aperti arrivano a 10 milioni.
- Architettura transformer: il design di rete neurale (2017) che ha reso tutto ciò possibile elaborando sequenze complete in parallelo. È il "motore a combustione" di questa generazione di IA.
LLM, IA generativa, chatbot e agente IA: le differenze
La confusione di termini è la prima barriera in qualsiasi comitato di direzione, e si risolve in quattro righe. L'IA generativa è la categoria: sistemi che creano contenuto nuovo (testo, immagine, audio). Il LLM è il componente di quella categoria specializzato nel linguaggio. Un chatbot è un'interfaccia conversazionale: oggi quelli seri hanno un LLM al loro interno, ma il chatbot è il contenitore, non il motore. E un agente IA è un LLM con capacità di agire: consulta sistemi, esegue passaggi e concatena decisioni per completare un compito — non si limita a conversare. La distinzione è importante perché il budget e il rischio sono diversi per ogni livello: non è la stessa cosa acquistare un chatbot per le domande frequenti che dispiegare un agente che accede al tuo ERP. Gartner prevede che il 40% delle applicazioni aziendali incorporerà agenti IA per compiti specifici entro la fine del 2026, quando nel 2025 erano meno del 5%.
Quali modelli linguistici esistono a metà 2026
Il mercato si muove ogni mese, ma la mappa a metà 2026 si riassume così:
| Famiglia | Produttore | Tipo | Caratteristica distintiva |
|---|---|---|---|
| GPT-5.5 | OpenAI | Proprietario | Il più diffuso; ecosistema ChatGPT/Copilot |
| Claude Opus 4.7 / Claude 5 | Anthropic | Proprietario | Riferimento nel ragionamento e nel lavoro con documenti lunghi |
| Gemini 3.1 Pro / 3.5 Flash | Proprietario | Integrazione con Workspace e motore di ricerca | |
| Llama 4 (Scout, Maverick) | Meta | Pesi aperti | Auto-ospitabile; Scout arriva a 10M di token di contesto |
| Mistral Large 3 | Mistral AI (Francia) | Pesi aperti | Alternativa europea, rilevante per la sovranità del dato |
| DeepSeek V4 / Qwen3 | DeepSeek / Alibaba | Pesi aperti | Costo per token molto basso |
Per una PMI, la lezione pratica non è "qual è il migliore", ma che esistono due vie: consumare modelli proprietari via API (rapido, senza infrastruttura) o distribuire modelli aperti nel proprio cloud (maggiore controllo del dato, più lavoro). Il costo via API nel 2026 va da pochi centesimi a circa 30 dollari per milione di token in base al livello del modello — ordini di grandezza, non cifre esatte, perché i prezzi cambiano ogni mese.
Per cosa usa un'impresa un LLM? Casi con ROI misurato
I casi d'uso con ritorno dimostrato — non promesso — si concentrano in quattro aree. Assistenza clienti: lo studio più rigoroso disponibile (Brynjolfsson e altri, NBER, su 5.179 agenti reali) ha misurato un +14% di conversazioni risolte per ora con un assistente di IA generativa, e un +34% tra i dipendenti con meno esperienza. Elaborazione di documenti: estrarre dati da fatture, contratti o e-mail e trasferirli nei sistemi — il caso preferito dalle PMI perché il risparmio di ore è immediato e misurabile. Contenuti e marketing: prime bozze, adattamenti e traduzioni con revisione umana. Sviluppo software: gli assistenti per il codice sono già il caso d'uso più maturo del mercato. Il pattern comune: il LLM non sostituisce il team, lo libera dal lavoro ripetitivo di leggere, estrarre e redigere in modo grezzo. Dove il compito richiede giudizio esperto o responsabilità legale, il fattore umano rimane imprescindibile.
Limiti e rischi: allucinazioni, dati e costi
Un LLM può affermare con totale sicurezza qualcosa di falso: è l'allucinazione, e rappresenta il suo limite più serio. L'entità dipende enormemente da come viene utilizzato: uno studio di Stanford ha misurato tra il 58% e l'88% di risposte giuridiche errate chiedendo "a freddo" a modelli generalisti (2024), mentre i modelli leader del 2026, ben ancorati ai documenti aziendali mediante tecniche di grounding e RAG, scendono sotto il 2% nei compiti di sintesi. La conclusione aziendale: il rischio non è nel modello, è nel processo — un LLM senza fonti controllate né revisione è una controversia in attesa di data.
Il secondo rischio è il dato: un dipendente che incolla informazioni sui clienti in uno strumento gratuito non autorizzato può costituire una violazione del GDPR (articolo 32). Serve una policy di utilizzo, strumenti aziendali dedicati e formazione. Il terzo è il costo incontrollato: senza governance, abbonamenti e consumi via API si dispersono tra i reparti senza metriche di ritorno.
Cosa richiede la legge: AI Act e GDPR se la tua impresa usa LLM
Qui c'è la parte che quasi nessuna guida racconta: l'uso dei LLM comporta già obblighi legali propri, e il calendario stringe. Dal febbraio 2025, l'articolo 4 del Regolamento europeo sull'IA (AI Act) impone a qualsiasi impresa che utilizzi IA — inclusa quella generativa — di garantire l'alfabetizzazione in materia di IA al proprio personale: formazione adeguata al ruolo e al rischio. E il 2 agosto 2026 entra in applicazione il grosso del regolamento, incluso l'articolo 50 sulla trasparenza: i chatbot devono dichiararsi come IA all'utente e i contenuti generati artificialmente devono poter essere identificati. La tua impresa, in qualità di "responsabile del dispiegamento" (deployer), ha obblighi propri che non può delegare al fornitore del modello.
"La domanda che ci pongono i comitati di direzione non è più se usare i LLM, ma come usarli senza esporsi: quali dati entrano, chi verifica ciò che esce e quale formazione certifica l'articolo 4. Questo è un progetto di governance, non un abbonamento a ChatGPT", spiega Alfons Marques, fondatore di Technova Partners.
La buona notizia: in Spagna la formazione obbligatoria è sovvenzionabile attraverso il FUNDAE (il regime spagnolo di formazione aziendale finanziata). I corsi di IA per imprese con FUNDAE permettono di soddisfare l'obbligo di alfabetizzazione dell'AI Act recuperando il costo tramite credito formativo.
Come iniziare con i LLM in una PMI: 4 passi
- Scegli un processo, non uno strumento: cerca il compito con più ore di lettura/redazione ripetitiva (assistenza clienti, elaborazione fatture, offerte commerciali) e definisci come misurerai il risparmio.
- Pilota di 4-8 settimane con dati controllati: uno strumento aziendale, un team ristretto, metriche prima e dopo. Evita il "big bang" di licenze per tutta la forza lavoro.
- Governance minima dal primo giorno: policy di utilizzo dell'IA, inventario degli strumenti, criteri su quali dati possono entrare in un prompt e formazione dell'articolo 4 — sovvenzionata se svolta correttamente.
- Scala ciò che funziona: quando il pilota dimostra ritorno, integra il LLM nel flusso reale (ERP, CRM, posta elettronica) — è lì che una consulenza IA offre più valore di mesi di tentativi ed errori.
In Spagna l'adozione è ancora bassa, ma questo rappresenta un vantaggio per chi si muove ora: secondo il Barometro IndesIA 2025, solo il 2,9% delle 68.000 PMI analizzate utilizza l'IA in modo efficace. La distanza con la concorrenza diretta è probabilmente di mesi, non di anni.
Vuoi identificare il primo caso d'uso con ritorno nella tua impresa? Raccontaci la tua situazione e ti proponiamo un pilota con metriche in poche settimane.
Conclusione
Un LLM è un motore linguistico di uso generale: prevede testo, e con ciò redige, riassume, estrae e conversa su scala industriale. Nel 2026 il mercato offre modelli proprietari e aperti per tutti i budget, i casi d'uso con ROI misurato sono identificati — assistenza clienti, documenti, contenuti, codice — e i rischi (allucinazioni, dati, costo) si gestiscono con processo e governance, non con la fede. La novità di quest'anno è regolamentare: alfabetizzazione in materia di IA obbligatoria dal 2025 e trasparenza dell'articolo 50 dal 2 agosto 2026. Iniziare bene non significa acquistare licenze: significa scegliere un processo, misurarlo e formare il team.
Domande frequenti sui LLM
Cosa significa LLM e cos'è in poche parole?
LLM è l'acronimo di Large Language Model, grande modello linguistico. È un modello di Intelligenza Artificiale addestrato su enormi quantità di testo per prevedere la parola successiva più probabile, il che gli permette di redigere, riassumere, tradurre, analizzare documenti e rispondere a domande. È la tecnologia che sta dietro a ChatGPT, Claude o Gemini.
Un LLM è lo stesso di ChatGPT?
Non esattamente. ChatGPT è un prodotto: un'interfaccia di chat costruita sui LLM di OpenAI (la famiglia GPT). Il LLM è il motore; ChatGPT, Claude o Gemini sono i veicoli che lo utilizzano. Un'impresa può consumare lo stesso motore via API e integrarlo nei propri sistemi senza passare per l'interfaccia di chat.
Quali obblighi legali ha un'impresa europea che usa LLM?
Dal febbraio 2025, l'articolo 4 dell'AI Act impone di garantire l'alfabetizzazione in materia di IA ai dipendenti che la utilizzano. Dal 2 agosto 2026 si applicano inoltre gli obblighi di trasparenza dell'articolo 50: dichiarare i chatbot come IA e identificare i contenuti generati artificialmente. Il GDPR continua ad applicarsi: inserire dati personali in strumenti non autorizzati può costituire una violazione sanzionabile dall'autorità di controllo competente.
Quanto costa utilizzare un LLM in un'impresa?
Dipende dalla via scelta. Gli abbonamenti aziendali per strumenti di tipo copilota costano decine di euro per utente al mese; il consumo via API si paga per token, da pochi centesimi fino a circa 30 dollari per milione di token in base al modello (a metà 2026). Per la maggior parte delle PMI, il costo rilevante non è la licenza ma l'integrazione e la formazione — e quest'ultima, in Spagna, è sovvenzionabile tramite FUNDAE.
