L’IA spiegata da Giada Franceschini

Giada Franceschini è una giovane imprenditrice, nonché una delle voci emergenti nel campo dell’intelligenza artificiale in Italia. Co-fondatrice di Boosha AI e CEO di PARLA, sviluppa soluzioni human-centric che potenziano le competenze e ottimizzano i processi aziendali. Accanto all’attività imprenditoriale, Giada si dedica alla formazione: in un solo anno ha tenuto oltre 200 lezioni e collabora con istituzioni di rilievo come IED, RUFA, Ninja Business School e l’Università Uninettuno. La sua visione dell’AI parte sempre dalle persone, in quanto comprendere bisogni e contesto è per lei la base per progettare tecnologie che uniscono innovazione e crescita professionale. In questa intervista, Giada ci parlerà del suo percorso, dei progetti attivi e della visione per un’intelligenza artificiale più sostenibile.

Giada, partiamo dal tuo percorso: come sei arrivata a occuparti di intelligenza artificiale e cosa ti ha portata a fondare Boosha AI e Parla?

Il mio rapporto con l’AI è nato da una curiosità profondamente filosofica che mi accompagna fin dai tempi del liceo. Durante gli studi di informatica per il management a Bologna, ero ossessionata da una domanda ispirata dalla storia di Alan Turing: “Come fa la conoscenza a trasformarsi in azione?” Questa domanda ha guidato tutto il mio percorso, spingendomi a cercare nella tecnologia non solo soluzioni tecniche, ma risposte a interrogativi fondamentali sull’intelligenza (biologica e artificiale) e l’azione.

La svolta è arrivata nel 2019, quando OpenAI ha presentato GPT-2. Rimasi colpita dalla capacità di questo modello di mantenere coerenza narrativa su più paragrafi e di generalizzare su compiti mai visti prima, pur essendo stato semplicemente addestrato a predire la parola successiva. In quel momento capii che stavo assistendo all’inizio di una rivoluzione: i large language model sarebbero diventati la prossima grande frontiera dell’intelligenza artificiale.

All’epoca lavoravo nel performance marketing e utilizzavo già algoritmi di machine learning per ottimizzare le campagne – non perché qualcuno me lo chiedesse, ma perché era il modo più efficiente di lavorare. Questa esperienza mi fece capire che l’AI funziona meglio quando risolve problemi concreti, non quando viene implementata per seguire mode tecnologiche.

Da questa consapevolezza nasce Boosha AI nel 2024: una società di consulenza che aiuta le aziende a integrare l’intelligenza artificiale nei loro processi con un approccio human-centric. Non ci limitiamo a fornire tecnologia, ma progettiamo percorsi di trasformazione che partono sempre dalle persone e dalle loro esigenze. Offriamo formazione per sviluppare competenze interne, consulenza strategica per identificare le migliori opportunità di implementazione e sviluppiamo soluzioni personalizzate che si integrano nei flussi di lavoro esistenti.

Parla rappresenta l’evoluzione naturale di questa visione. È il primo aggregatore italiano di modelli linguistici, una piattaforma che risolve un problema concreto che incontravamo costantemente: le aziende si ritrovano a gestire ChatGPT, Claude, Gemini e altri strumenti senza sapere quale utilizzare per ogni specifica esigenza. Parla analizza automaticamente ogni richiesta e indirizza il task verso il modello più adatto, ottimizzando non solo le performance ma anche l’impatto ambientale ed economico. È come avere un direttore d’orchestra intelligente che sa esattamente quale strumento utilizzare per ogni parte della sinfonia.

La tua esperienza è ibrida, tra informatica, marketing e business design. In che misura questa multidisciplinarità ti ha aiutata a sviluppare un approccio human-centric all’AI?

La mia formazione ibrida è stata fondamentale per sviluppare un approccio human-centric all’AI. L’informatica mi ha dato le basi tecniche, il marketing mi ha insegnato a comprendere i bisogni reali delle persone, e l’esperienza in business design mi ha mostrato come trasformare problemi complessi in soluzioni concrete.

Questa prospettiva multidisciplinare mi ha fatto capire che l’AI non è un prodotto, ma un abilitatore. Quando progetto una soluzione, non parto dalla tecnologia ma dal problema che voglio risolvere. Per esempio, in un progetto con un’azienda manifatturiera, non abbiamo semplicemente automatizzato i processi esistenti, ma li abbiamo ripensati completamente mettendo al centro le competenze delle persone che li gestivano.

Il mio approccio alla maratona mi ha insegnato a scomporre problemi complessi in passi gestibili. Lo stesso principio lo applico nell’implementazione dell’AI: non rivoluziono tutto in una volta, ma procedo per obiettivi misurabili, sempre con le persone al centro del processo di trasformazione.

Ho apprezzato molto il tuo recente intervento al TEDx San Nicola la Strada. Quanto è importante preparare il pubblico e, soprattutto, le nuove generazioni alla rivoluzione tecnologica che stiamo vivendo?

Ti ringrazio!

Ammetto che durante le mie oltre 200 sessioni formative nell’ultimo anno ho notato una differenza generazionale significativa. Io appartengo a quella che chiamo “generazione ponte” – nata nell’era analogica ma cresciuta nel digitale. Questo mi dà una prospettiva unica.

Preparare le nuove generazioni non significa solo insegnare l’uso degli strumenti AI, ma sviluppare il pensiero critico. Come sottolineo sempre: il 77% dei dispositivi che utilizziamo è già potenziato dall’AI, quindi è fondamentale comprendere come queste tecnologie prendono decisioni che influenzano le nostre vite.

L’obiettivo non è far cambiare idea a nessuno sull’AI, ma fornire strumenti per una valutazione consapevole. È importante che le nuove generazioni imparino a distinguere quando l’AI è utile e quando può essere dannosa, sviluppando quella capacità di analisi che noi – ad esempio – utilizzavamo quando dovevamo fisicamente andare in biblioteca per fare ricerche.

L’AI è spesso criticata per il suo elevatissimo consumo energetico. Secondo te, come la si può conciliare con gli obiettivi di riduzione delle emissioni di gas serra e di sostenibilità ambientale?

Le cifre sono inequivocabili e preoccupanti. Secondo ricerche del MIT del 2025, i data center sono diventati l’11° maggior consumatore di elettricità al mondo, con un consumo di 460 terawatt-ore nel 2022, posizionandosi tra Arabia Saudita e Francia. Ma è l’accelerazione del trend a essere davvero allarmante: in Nord America, i requisiti energetici dei data center sono aumentati da 2.688 megawatt alla fine del 2022 a 5.341 megawatt alla fine del 2023, un raddoppio in un solo anno.

L’addestramento di GPT-3 ha richiesto circa 1.300 megawatt-ore di elettricità, equivalenti al consumo annuale di 130 case americane. GPT-4 ha richiesto 50 volte più energia. Per dare un’idea della scala: ChatGPT consuma attualmente circa 39,98 milioni di kWh al giorno – abbastanza per ricaricare 8 milioni di telefoni.

Ma c’è un altro aspetto spesso trascurato: il consumo di acqua. Secondo il CEO di OpenAI Sam Altman, ogni singola query a ChatGPT consuma circa 0,3 millilitri di acqua per il raffreddamento dei server – circa un quindicesimo di cucchiaino. Sembra poco ma, moltiplicato per l’uso quotidiano, ChatGPT consuma 148,28 milioni di litri d’acqua al giorno.

Non possiamo ignorare questi numeri. Tuttavia, vedo segnali incoraggianti. Google ha riportato che l’energia mediana richiesta per una query Gemini è diminuita di 33 volte tra maggio 2024 e maggio 2025, dimostrando che l’ottimizzazione è possibile e sta avvenendo rapidamente.

La soluzione non è fermare l’innovazione, ma accelerare verso quello che chiamo “AI sostenibile”: scegliere il modello appropriato per ogni specifico compito invece di utilizzare sempre il più potente disponibile. È come scegliere il mezzo di trasporto giusto: non usi un SUV per andare a comprare il pane.

Microsoft ha già annunciato accordi per riaprire la centrale nucleare di Three Mile Island per fornire 835 megawatt di energia pulita per 20 anni. Altri giganti tech stanno investendo massicciamente in energie rinnovabili. L’innovazione responsabile che consideri l’impatto ambientale come fattore cruciale nelle decisioni tecnologiche non è più un’opzione, ma una necessità.

A questo proposito, potresti darci degli esempi concreti di come state cercando di ridurre l’impatto ambientale delle soluzioni che sviluppate?

Parla è il nostro esempio più concreto di AI sostenibile. Il nostro router intelligente non seleziona solo il modello più performante, ma anche quello meno impattante ambientalmente.

Per esempio, se un cliente deve analizzare un semplice CSV, Parla non userà un modello complesso come GPT-5, ma dirigerà il task verso un modello più leggero e specifico come gpt-5-nano. È come avere un direttore d’orchestra che sa esattamente quale strumento utilizzare per ogni parte della sinfonia.

Implementiamo anche tecniche di ottimizzazione dei prompt per ridurre i token necessari, e gestiamo la “temperatura” dei modelli – parametro che controlla il bilanciamento tra precisione e creatività – per massimizzare l’efficienza. Inoltre, un sistema di caching intelligente riutilizza computazioni precedenti quando possibile, evitando sprechi.

L’AI introduce nuove sfide etiche: bias nei dati, trasparenza degli algoritmi, governance dei sistemi. Quali strategie ritieni fondamentali per garantire un uso responsabile di questa tecnologia?

Le sfide etiche dell’AI sono reali, ma, se ripenso alle mie esperienze, ho imparato che la soluzione sta nel modo in cui implementiamo e utilizziamo la tecnologia. In Boosha, pur non sviluppando AI proprietaria, ci confrontiamo quotidianamente con queste problematiche quando integriamo soluzioni esistenti nei processi aziendali.

Le strategie principali che applichiamo sono:

1. Audit preventivo dei bias: prima di implementare qualsiasi sistema AI, analizziamo i dataset storici dell’azienda per identificare discriminazioni nascoste. In un progetto finanziario abbiamo scoperto che il sistema penalizzava le donne imprenditrici a causa di dati storici distorti.
2. Controllo umano finale: l’AI suggerisce e analizza, ma non deve prendere mai decisioni totalmente autonome su questioni che impattano le persone. Implementiamo sempre un “human-in-the-loop” per le decisioni critiche.
3. Formazione diffusa: nelle nostre sessioni formative insegniamo non solo a usare l’AI, ma a riconoscere quando le sue risposte sono problematiche, biased o inappropriate per il contesto.
4. Monitoraggio continuo: sistemi che misurano non solo performance, ma anche impatto sociale e fairness delle decisioni, con revisioni regolari perché l’etica dell’AI evolve rapidamente.

La vera responsabilità nell’AI non sta nel creare algoritmi perfetti, ma nel creare sistemi che riconoscano i propri limiti, li comunichino chiaramente e permettano sempre un controllo umano significativo.