L’Apertura: Lazio Innova, lo Spazio Attivo e l’Ecosistema Territoriale
Lo Spazio Attivo di Lazio Innova ha ospitato a Viterbo “Lazio AI”, una giornata di confronto operativo dedicata all’impatto dell’intelligenza artificiale su impresa, product management e design. Ad aprire i lavori è stato l’intervento introduttivo di Giulio Curti, responsabile dello Spazio Attivo di Viterbo, che ha inquadrato il ruolo degli hub regionali come presidi strategici per il tessuto produttivo locale:
«Chiunque può utilizzare questo spazio con il proprio computer portatile, accedere a una postazione ed entrare stabilmente a far parte di una community viva che unisce imprese, maker, innovatori e creativi. Il nostro impegno quotidiano, sviluppato insieme all’Ufficio Europa della Regione Lazio, è informare capillarmente i territori sulle opportunità e sui finanziamenti disponibili per trasformare le idee in progettualità d’impresa sostenibili.»
Giulio ha evidenziato come l’iniziativa si inserisca nella strategia della Regione Lazio volta a connettere i territori ai flussi di investimento, richiamando gli stati generali del venture capital svoltosi recentemente a Roma presso la sede di Marco Aurelio. Attraverso la rete Spazio Attivo i – da Civitavecchia al polo della Tuscia – l’obiettivo è offrire a professionisti e PMI strumenti metodologici concreti per governare le tecnologie emergenti, stimolando la contaminazione multidisciplinare.
“Lazio AI” rientra nell’ambito del progetto “Potenziamento Rete Spazio Attivo”, finanziato dal PR Lazio FESR 2021/2027 – Obiettivo 1.3: sostenere la crescita, la competitività e l’occupazione nelle PMI.
1. Raccontala prima di costruirla: Il metodo di Raffaele Colace per validare il prodotto
L’intervento di Raffaele Colace, co-fondatore della società di consulenza 20tab e co-ideatore del Product Management Day, ha affrontato uno dei paradossi più insidiosi della rivoluzione generativa: l’illusione che la rapidità esecutiva coincida con la validità sul mercato di un’idea di business. Ingegnere e sviluppatore con un’esperienza di oltre 20 anni nello sviluppo di prodotti digitali, Colace ha chiarito l’intento della sua relazione:
«Non sono qui per parlarvi di tecnologia pura o di storytelling fine a se stesso, ma per condividere il metodo che utilizziamo in 20tab per decidere se abbia senso costruire una soluzione prima ancora di scrivere una sola riga di codice.»
L’illusione dell’AI e la genesi dell’idea
Ogni iniziativa imprenditoriale nasce come una storia con un protagonista: l’utente finale, alle prese con un problema reale o un’esigenza insoddisfatta. L’idea imprenditoriale è la risposta a quel bisogno, con la promessa di migliorarne la condizione.

In passato, il passaggio dall’intuizione alla verifica richiedeva mesi di sviluppo e cospicui investimenti. Oggi, con i modelli generativi, è possibile costruire in poche ore un’applicazione, un sito o una campagna promozionale. Tuttavia, come ammonisce Raffaele, è proprio qui che si annida la trappola:
«Con l’intelligenza artificiale qualsiasi bozza sembra già vera prima ancora di essere verificata. Possiamo costruire un prodotto in poche ore e vederlo apparire perfetto, ma se non è stato validato sul campo con utenti autentici, rischiamo solo di aver costruito velocemente qualcosa che nessuno voleva.»
I quattro rischi di Marty Cagan (più uno)
Per valutare un’iniziativa prima di investire risorse, Colace adotta il framework formalizzato da Marty Cagan in Inspired, articolato attorno a quattro rischi fondamentali, integrati dalla dimensione etica:
| Categoria di Rischio | Domanda Guida | Focus Operativo |
| 1. Valore | I clienti lo vorranno davvero? Lo useranno? | Verifica se il cliente percepisce un beneficio concreto tale da motivare l’acquisto o l’uso. |
| 2. Usabilità | Gli utenti sapranno usarlo senza frizioni? | Comprensibilità dell’esperienza d’uso e assenza di barriere di interazione. |
| 3. Fattibilità | Possiamo costruirlo e mantenerlo nel tempo? | Valutazione tecnica, architetturale e conformità normativa (GDPR, AI Act europeo). |
| 4. Sostenibilità | Funziona per il business? È sostenibile? | Validità del modello economico, canali di acquisizione e marginalità. |
| 5. Etica | Dovremmo davvero costruirlo? | Analisi degli impatti sistemici, delle esternalità negative e della responsabilità d’impresa. |
La regola aurea del framework risiede nella priorità strategica:
«Si testa per primo quello che, se si rivela sbagliato, fa crollare l’intero progetto. È inutile investire sulla fattibilità tecnica o perfezionare l’usabilità se prima non abbiamo dimostrato che il cliente trova valore nel prodotto. Se manca il valore, tutto il resto diventa superfluo.»

I cinque passi della validazione Lean
Da questa matrice discende il percorso operativo in cinque tappe che 20tab applica per testare le idee:
- Scrivere la storia del problema: Il problema va formulato in massimo tre righe (“Se non sta in tre righe, non lo avete ancora capito”), adottando il modello User Story («Come [chi], voglio [cosa], così che [perché]») o quello del Job to Be Done («Quando [situazione], voglio [progresso], per [risultato]»).
- Individuare il rischio più grande: Isolare quale tra i cinque rischi rappresenti la minaccia letale per l’iniziativa.
- Raccontare la storia con un test economico: Progettare l’esperimento più snello possibile (prototipo statico, user story map, landing page o MVP mirato).
- Misurare con persone vere contro una soglia decisa prima: Condurre il test con utenti reali in target e valutare l’esito rispetto a un parametro numerico prefissato:
«La metrica deve essere decisa a priori. Se analizziamo i numeri dopo il test, troveremo sempre una scusa per autoassolverci. Fissare prima la soglia di successo protegge dall’autoinganno.»
- Decidere la direzione: In linea con il ciclo Lean di Eric Ries, i dati orientano la scelta: perseverare lungo la rotta, cambiare approccio (pivot) o fermarsi tempestivamente.
Casi applicativi: Easypol e Django Software Foundation
Colace ha documentato l’efficacia del metodo attraverso due casi aziendali emblematici.
Il primo riguarda Easypol, startup nata per semplificare i pagamenti verso la pubblica amministrazione:
«I fondatori arrivarono da noi bloccati da un anno, con risorse residue limitate e applicazioni non funzionanti. Dovevano andare sul mercato entro due mesi per raccogliere capitali, ma si scontravano con due rischi enormi: fattibilità tecnica e valore d’uso. Abbiamo eliminato ogni funzionalità superflua e rilasciato un MVP che faceva una sola cosa: inquadrare il codice di una multa e pagarla istantaneamente.»
Nei primi due mesi i dati raccolti hanno permesso di validare il problema e convincere così gli investitori..
Il secondo caso ha visto protagonista la Django Software Foundation, che finanzia lo sviluppo del framework web tramite donazioni:
«A fronte di donazioni stagnanti, abbiamo individuato il rischio nell’usabilità del portale. Abbiamo raccolto 545 risposte a una survey, individuato 290 persone disponibili e condotto 5 interviste approfondite su utenti in target. Bastano 5 interviste condotte con metodo per individuare i problemi reali: l’architettura dell’informazione andava completamente riscritta e il sito presentava gravi lacune di accessibilità. L’intervento mirato ha risolto il problema alla radice.»
L’AI nei processi di 20tab: Da due settimane a poche ore
Raffaele ha illustrato come l’AI sia integrata nei flussi di 20tab: dall’analisi requisiti alla definizione strategica (vision e OKR), mappatura delle user story e stime di scenario. Se in passato questa fase preliminare richiedeva due settimane per due o tre persone, oggi la prima versione completa viene prodotta in poche ore:
«L’AI accelera perché conosce il nostro metodo codificato, i nostri framework e i nostri casi storici. Senza il contesto proprietario, produce solo fuffa convincente. L’AI raccoglie dati, ma le fonti vanno verificate una ad una; genera prototipi grafici, ma l’usabilità va osservata su persone vere senza guidarle; genera codice, ma qualcuno deve firmare per la sicurezza prima di andare in produzione.»
Respingendo la formula generica dello “Human in the loop”, Colace ha concluso:
«Io parlo di accountability. L’accountability è la responsabilità umana di decidere cosa mandare sul mercato e cosa scartare. L’AI velocizza il racconto, ma la firma e la responsabilità restano nostre.»
2. L’AI nel lavoro creativo: Il processo progettuale di Elisabetta Alicino
Nella seconda parte dell’incontro, Elisabetta Alicino, Creative Director presso Brand Genesi con oltre vent’anni di esperienza internazionale nel branding e co-founder di una realtà di formazione aziendale sull’AI, ha ridefinito il ruolo del design di fronte ai modelli generativi:
«La creatività non è una questione estetica: è una questione economica. È il motore dell’innovazione d’impresa. Se deleghiamo passivamente la creatività alle macchine, perdiamo la capacità di innovare e cediamo un pezzo fondamentale della nostra economia.»
I numeri della rivoluzione: 200 miliardi di immagini
Per comprendere la portata del cambiamento, Elisabetta ha richiamato i volumi di produzione visiva: nell’autunno del 2025 il modello Nano Banana / Imagen di Google ha superato i 2 miliardi di immagini generate in un solo mese. Complessivamente, considerando OpenAI, Midjourney, Adobe Firefly e le stime di Everypixel, negli ultimi cinque anni sono stati generati circa 200 miliardi di immagini sintetiche, una produzione iconografica senza precedenti.
Chiarita la gerarchia concettuale tra intelligenza artificiale, machine learning e AI generativa, ha evidenziato la distinzione tra compiti analitici e generativi:
«Classificare le recensioni di un hotel è analizzare; scrivere tre proposte di copy o comporre una scena visiva è generare. Se un’immagine presenta sei dita, l’errore è evidente; ma quando un Large Language Model produce un testo convincente ma errato, il rischio di inganno è elevatissimo perché la risposta appare del tutto plausibile.»
I professionisti devono governare tre limiti strutturali:
- Errori e allucinazioni: Informazioni o citazioni inesistenti fornite con tono assertivo e sicuro.
- Bias e stereotipi: Distorsioni insite nei dati di training. Nel tentativo di generare un astronauta donna, i modelli restituivano figure maschili anche inserendo una tuta rosa.
- Incoerenza: Variabilità incontrollata dei risultati a parità di contesto operativo.
Il caso simulato: La crema di nocciole della Tuscia
Per mostrare il metodo di direzione creativa applicato all’AI, ci ha illustrato un caso concreto: il lancio di una confezione regalo di crema di nocciole di alta gamma prodotta sui Monti Cimini.
A fronte della tipica richiesta generica («Mi servono post e video per la campagna»), il metodo si articola in tre passaggi:
1. Sfidare il brief e formulare le ipotesi
Prima di generare contenuti, si dialoga con il modello per individuare gli ostacoli all’acquisto: percezione (confusione con una crema da colazione), fiducia (produttore locale poco noto) e scelta (valore del dono non immediato). Il brief viene blindato: vasetto da 200g a 18 euro, target adulti invitati a cena, acquisto su e-commerce, formati post 4:5, stories 9:16, visual 16:9 e storyboard video da 8 secondi, con divieto assoluto di inventare certificazioni inesistenti.
2. Dal prompt strutturato alla scelta strategica
Fornendo al modello l’intero contesto strategico, si ottengono tre proposte visive e concettuali:
- A / Origine: Mani contadine con nocciole («Un pezzo di Tuscia»).
- B / Desiderio: Cucchiaio di crema golosa («Un regalo da assaggiare»).
- C / Condivisione: Tavola conviviale serale con vasetto e scatola aperta («Stasera porto le nocciole»).

Mentre l’istinto premia l’opzione B per bellezza estetica, la scelta strategica va sull’opzione C:
«L’immagine del cucchiaio fa gola, ma non risolve l’obiettivo del brief. Dobbiamo vendere un regalo da portare a cena: l’opzione C rende immediatamente visibile l’occasione d’acquisto e il gesto della condivisione.»
A essa si lega un copy coerente: headline «Stasera porto le nocciole», body «Crema di nocciole da aprire insieme» e call to action «Scopri la confezione regalo».
3. Controllo del prodotto e produzione video
Mostrando due versioni del barattolo, Elisabetta ha evidenziato errori di generazione che avrebbero invalidato la campagna: un tappo diventato dorato anziché scuro e un’alterazione cromatica della crema. Da qui la necessità di vincolare il prodotto tramite immagini di riferimento (reference) e isolare il flusso produttivo.
Per il video è stato impostato uno storyboard di 8 secondi su tre scene chiave (0–2s: la confezione entra in scena; 2–5s: dettaglio della crema; 5–8s: prodotto, headline e CTA). Le sequenze animate generate vengono poi rifinite in post-produzione (con software come DaVinci Resolve o CapCut), integrando testo vettoriale, marchi e sound design manualmente per garantire massima precisione.
L’Atlante AI e le verifiche legali
Per orientarsi nell’ecosistema, infine ha presentato l’Atlante AI, una mappa interattiva di 42 strumenti suddivisi in 7 territori e organizzati in quattro macro-famiglie operative: Assistenti (ChatGPT, Claude, Perplexity), Immagini (Midjourney, Firefly, Flux), Video (Runway, Kling, Luma) e Produzione (Canva, Gamma, Figma AI).

elisabettaalicino.com/risorse/atlante-ai/
La chiusura dell’intervento ha riguardato la sfera legale e l’etica d’uso, articolata in tre verifiche:
- Diritti di input: Titolarità legale di immagini, loghi o reference caricati in cloud.
- Diritti di output e licenze: Molti abbonamenti base escludono l’uso commerciale; occorre verificare che i piani consentano la rivendita dei contenuti ai clienti.
- Persone e privacy: Attenzione assoluta a somiglianze non autorizzate con persone reali o celebrità.
Elisabetta ha infine ricordato che in base all’AI Act europeo gli obblighi di trasparenza sono già applicabili dal 2 agosto 2026 e riguardano specifiche tipologie di utilizzo, non indistintamente tutta la comunicazione realizzata con AI.
3. La convergenza: L’AI come co-creatore e la difesa del gusto
Finito il tempo delle slide alcune domande dal pubblico hanno portato al momento forse più significativo con un confronto finale tra Raffaele ed Elisabetta sulla natura dell’atto creativo nell’era computazionale.
Richiamando le ricerche della scienziata cognitiva Margaret Boden, la Alicino ha ricordato come la creatività umana operi attraverso tre direttrici: combinatoria (associare idee note in forme inedite), esplorativa (muoversi entro un set di regole) e trasformativa (rompere le regole esistenti). Anche i modelli generativi operano associando relazioni latenti nei dati: l’uomo stesso non crea mai ex nihilo.
A questo snodo si è collegata la riflessione personale di Raffaele Colace nella sua veste di musicista:
«Da musicista che compone brani, so che non creo note o accordi dal nulla: le scale armoniche esistono già, la musica che ascoltiamo ci influenza continuamente. La tecnologia può generare variazioni ritmiche e riff infiniti in pochi istanti. Ciò che ci differenzia davvero è il gusto: la capacità di scegliere, di scartare il superfluo e di imprimere un’intenzione espressiva autentica.»
Una visione pienamente condivisa da Elisabetta:
«Se eri un creativo scarso prima dell’AI, sarai un creativo scarso anche con l’AI. Vige la regola del Garbage In, Garbage Out: se non conosci la composizione visiva, la luce e il linguaggio, la macchina restituirà solo banalità standardizzate. La macchina non possiede il gusto dell’imperfezione feconda né l’intenzione morale.»
La sintesi finale tra i due relatori supera la contrapposizione tra uomo e macchina:
«Non dobbiamo trattare l’AI come un concorrente da temere, né come un sostituto del pensiero. Dobbiamo considerarla un co-creatore: lasciamo alla macchina il lavoro grezzo, faticoso e ripetitivo, per concentrare la nostra energia sul gusto, sulla validazione empirica e sulla piena assunzione di responsabilità.»
Tre domande operative condensano il metodo condiviso a Viterbo, da applicare a ogni nuovo progetto:
- Un protagonista: Chi ha davvero il problema che vogliamo risolvere?
- Un rischio: Quale tra i cinque rischi fondamentali (valore, usabilità, fattibilità, sostenibilità, etica), se non verificato, fa crollare l’intero progetto?
- Un test: Qual è la metrica oggettiva, decisa prima di iniziare, che ci farà capire se andare avanti, cambiare o fermarci?



