Un Large Language Model (LLM) è un tipo di intelligenza artificiale addestrato su miliardi di parole per comprendere, generare e manipolare il linguaggio umano.

Come funziona un LLM

Gli LLM usano una architettura chiamata Transformer, inventata da Google nel 2017. Il modello analizza le relazioni tra le parole in una frase (e tra frasi diverse) per prevedere la parola successiva più probabile.

Durante l'addestramento, il modello legge internet: libri, articoli, codice, conversazioni. Da questo impara grammatica, fatti, ragionamento e persino creatività. L'addestramento di un modello grande richiede migliaia di GPU e milioni di euro — per questo lo fanno solo grandi aziende tech.

Dopo l'addestramento base, il modello viene affinato con feedback umano (RLHF — Reinforcement Learning from Human Feedback). Questo passaggio è quello che trasforma un modello che "completa testo" in un assistente che "risponde a domande". È la differenza tra un motore e un'automobile finita.

I numeri che contano

Quando senti parlare di modelli "con 70 miliardi di parametri" o "con 1 trilione di parametri", i parametri sono i pesi numerici che il modello ha imparato durante l'addestramento. Più parametri, più il modello è capace di ragionamenti complessi — ma anche più costoso da usare.

L'altro numero importante è la finestra di contesto: quante parole il modello può "tenere in mente" durante una conversazione. I modelli attuali gestiscono da 8.000 a oltre 1 milione di token (circa 750.000 parole). Una finestra più grande significa poter analizzare documenti interi, non solo frammenti.

Esempi di LLM

  • GPT-4 (OpenAI) — alla base di ChatGPT, il più conosciuto dal grande pubblico
  • Claude (Anthropic) — focalizzato su sicurezza, ragionamento lungo e analisi documenti
  • Gemini (Google) — integrato in Google Search, Gmail e Workspace
  • Llama (Meta) — open source, scaricabile gratuitamente, usabile anche in locale
  • Mistral (Mistral AI, Francia) — modelli europei competitivi, anche open source
  • DeepSeek (Cina) — modelli open source con performance sorprendenti a costi ridotti

A cosa serve nella pratica

Per un freelancer o un piccolo imprenditore, un LLM è uno strumento di lavoro quotidiano. Ecco gli usi più concreti:

  • Scrittura: email, proposte commerciali, post social, articoli di blog, copy per landing page
  • Analisi: riassumere documenti lunghi, estrarre dati da contratti, confrontare offerte
  • Traduzione: non solo lingue diverse, ma anche "tradurre" testo tecnico in linguaggio semplice per i clienti
  • Codice: generare script, automatizzare fogli Excel, creare piccoli strumenti senza essere programmatori
  • Brainstorming: generare idee, esplorare angoli diversi, sfidare le proprie assunzioni
  • Customer service: chatbot che rispondono alle domande frequenti 24/7

Quanto costa usare un LLM

I costi variano enormemente:

  • Gratis: ChatGPT free, Claude free, Gemini free — con limiti di utilizzo
  • Abbonamento: ChatGPT Plus (20$/mese), Claude Pro (20$/mese) — per uso personale intensivo
  • API (pay-per-use): paghi per ogni richiesta. Un articolo di 500 parole costa circa 0,01-0,05€ con i modelli più economici. Ideale per chi integra l'AI nei propri strumenti.
  • Modelli locali: Llama e Mistral girano su un buon PC con GPU. Costo zero dopo l'hardware, ma serve competenza tecnica per configurarli.

Limitazioni da conoscere

Gli LLM non sono onniscienti. Hanno limiti reali che devi conoscere per usarli bene:

  • Allucinazioni: possono inventare fatti con totale sicurezza. Mai fidarsi ciecamente — verifica sempre i dati importanti.
  • Data di taglio: il modello sa quello che ha letto durante l'addestramento. Gli eventi recenti li ignora, a meno che non abbia accesso a internet o a documenti aggiornati (vedi RAG).
  • Niente memoria persistente: ogni conversazione parte da zero (a meno che il sistema non implementi una memoria esterna). Il modello non "ricorda" le chat precedenti.
  • Bias: il modello riflette i bias dei dati su cui è stato addestrato. Può avere pregiudizi culturali, di genere, o semplicemente dare più peso a informazioni in inglese.
  • Ragionamento matematico: nonostante i miglioramenti, i modelli possono sbagliare calcoli complessi. Per la contabilità, usa Excel — non ChatGPT.

LLM e privacy: cosa sapere

Quando usi un LLM via web (ChatGPT, Claude), i tuoi dati passano per i server dell'azienda. Per dati sensibili — contratti, dati finanziari, informazioni clienti — verifica sempre la policy sulla privacy del servizio. Molti offrono piani aziendali dove i dati non vengono usati per l'addestramento. In alternativa, i modelli open source che girano in locale non condividono nulla con nessuno.