L'AI non è il mio strumento.
È il mio socio.

Approccio AI

Tre fonti in gerarchia dichiarata, aggregate da un generatore scritto con Claude Code: Cloudflare come base di verità perché non serve il banner (i crawler AI si leggono nei log di edge, non in Analytics), Search Console per la domanda, GA4 solo per cosa fanno le persone, non quante sono. Il sistema ha l'ordine di dire in una riga quando non è successo niente. Due riserve, entrambe mie: lo spot-check trimestrale è ancora zoppo, 4 prompt sui 12 previsti, una ripetizione sola; e il lunedì automatico ha consegnato una volta su quattro, le altre tre il report l'ho lanciato io.

Risultato

Nel report della settimana 36 i retrieval sono 232, ma 74 sono Claude-User e me li sono probabilmente fatti da solo verificando. Il resto è quasi tutto OpenAI, 61 di OAI-SearchBot e 41 di ChatGPT-User; la voce nuova è Perplexity, da 0 a 36. La settimana dopo, di nuovo zero. E non mi cita: col mio nome mi cita solo ChatGPT, senza nome nessuno dei due.

Approccio AI

Vive come skill di Claude Code, e un sistema così non si scrive: si tempra usandolo. Il giorno del collaudo sono usciti difetti veri, trovati guardando gli output e non rileggendo la spec. Due esempi. Il Filo, l'elemento-firma, sul web è un SVG e l'antialiasing lo fa il browser; nel PNG e nel PDF era una spezzata, campionata a 26 punti per tratto. Esisteva da sempre, si vedeva solo fuori dal browser. E il fattore ottico del font, 0,78 in un documento, misurato sui file font veri dava 0,86: oggi il sistema ne dichiara due e dice perché, 0,86 sul web dove la parità è misurata, 0,78 in stampa dove è scelto a occhio.

Risultato

Un valore scritto in un documento si misura sull'oggetto prima di usarlo. Il 20 agosto la skill è passata da 2.4 a 2.9 in un giorno: le versioni che contano sono nate guardando gli output, non rileggendo la spec.

Approccio AI

Le mie procedure vivono in una cartella sul computer, e un piccolo programma, un hook, le propone da solo quando servono: legge la domanda e suggerisce la skill giusta, zitto sul resto. Esiste perché una skill che devi ricordarti di invocare è una skill morta: meglio un suggerimento di troppo che il silenzio nel giorno in cui serviva. Il 14 settembre 2026 alle 15:31 ho fatto girare il mio auditor sulle mie 17: dodici operative, una con caveat, quattro fermate. Sistemate la sera stessa, e alle 22:11 il conto era 17 su 17.

Risultato

Il mio stesso controllo ha fermato quattro delle mie skill, design system compreso: le sezioni c'erano, ma sotto titoli che non cercava. Sistemate in serata, e sistemato anche il controllo. Una regola vale quanto il suo controllo, e il controllo vale quanto la domanda che fa.

Approccio AI

Un secondo passaggio avversariale prima della consegna: ventuno agenti col mandato di falsificare le conclusioni. Dei dodici claim portanti, cinque hanno retto, tre sono stati corretti, tre sono caduti, uno è rimasto senza fonte primaria. Fra quelli caduti c'era un errore aritmetico mio.

Risultato

Il problema più costoso era scritto in chiaro nei termini di vendita che chiunque poteva leggere. Prima di pagare una due diligence, leggi le pagine che il tuo fornitore pubblica già.

Caso reale, dettagli sensibili omessi.

Approccio AI

Skill e hook su misura in Claude Code. Cosa resta umano per sempre è una lista, non una promessa: denaro, esposizione pubblica, persone e deal, legale e fiscale, aprire e chiudere progetti. Non può alzarsi di livello da solo, e può spegnersi ma mai riaccendersi. I divieti sono file, non frasi: strumenti negati per nome, e la regola sul push coperta da una suite di test che prova a violarla.

Risultato

Promosso al secondo livello alla prima review, a settembre: 43 brief su 43, zero errori irrecuperabili. L'allarme che conta non scatta su un suo errore: scatta se per trenta giorni mergio più del 90% delle sue PR entro un'ora senza commenti. A quel punto il problema sono io.

Approccio AI

Claude Code headless, in locale, alle 07:00 dei feriali. Il primo giro autonomo è durato sette minuti: legge i git log di tutti i repo e le sessioni Claude recenti, deduce, aggiorna le schede di stato, apre la PR. Ogni riga dedotta resta marcata come dedotta finché il merge non la conferma; le domande solo sui buchi che stanno nella mia testa o nella vita reale. In coda dichiara cosa non ha potuto vedere invece di scrivere «niente di nuovo»: finora, in tutti i giri, gli artifact, che in headless non si sono mai aperti.

Risultato

Non conto quante PR mergio, ma quante ne mergio in meno di un'ora senza un commento: sopra il 90% per trenta giorni, il problema sono io.

Caso reale, dettagli sensibili omessi.

Approccio AI

L'ho costruito con Claude Code, poi gli ho messo addosso tre livelli di verifica: a giugno la parità fra motore e foglio e un audit interno a tre agenti, e quello stesso mese un secondo audit che me l'ha rimandato indietro tecnicamente solido ed economicamente teso; a luglio una cross-review con un modello di un altro fornitore, col mandato di demolirlo. Otto rilievi: due bug meccanici, riprodotti numericamente prima di toccare il modello, e sei scelte di piano. Oggi la guardia è un foglio di 46 controlli che si dichiara rosso quando è rosso.

Risultato

A fine giugno la parità sul motore mensile era verde su 52.560 celle, e non poteva vedere il bug del payout: le imposte cadevano tutte a dicembre, l'utile di dicembre andava sotto zero, e i dividendi restavano a zero per dieci anni in tutti gli scenari. Motore e foglio sbagliavano uguale: la logica si audita a parte.

Caso reale, dettagli sensibili omessi.

Approccio AI

Generata da codice, non scritta a mano: un build parsa i file del vademecum e monta la app da solo. Se i conteggi non tornano (80 KPI, 366 appunti fase per fase, 13 materie, 8 bias-watch, uno per fase) il build fallisce apposta: provato, un appunto in meno e si ferma. Autocontenuta, zero dipendenze esterne.

Risultato

Le decisioni passano da una checklist prima che dalla pancia, e un check ripetuto sulla stessa decisione mostra il delta rispetto al precedente. Non è pubblica: dentro ci sono i progetti veri su cui la uso, otto nomi che tornano centotrentadue volte in centododici righe.

Caso reale, dettagli sensibili omessi.

Approccio AI

Astro e Cloudflare. La scrittura passa da skill separate per la voce e per la forma, Le bozze chiuse a settembre sono passate da due giudici, fatti e voce, con un voto e una lista di correzioni da applicare prima della pubblicazione. Il gate privacy gira sul testo e toglie roba: fornitori, indirizzi di server, nomi.

Risultato

L'articolo sulla bolla AI, nella prima stesura, apriva con una frase sbagliata su cui poggiavano tre paragrafi. Sono tornato alla fonte prima di pubblicare, e sta scritto nell'articolo. La velocità non è il punto: il controllo sì.

Approccio AI

Quattro ricerche approfondite con Claude, in sequenza, l'ultima a ri-verificare gli input delle prime tre: è lì che è saltato fuori il canone che avevo messo io e che lei aveva preso per buono. Lungo la strada mi ha detto con i dati che il 10% netto non esiste a nessun prezzo ragionevole e ha rifiutato la rivalutazione che le chiedevo; io le ho beccato l'inquilino dato per assente, rileggendo il PDF riga per riga come farei con un analista junior. Prezzo e canone di pareggio risolti una seconda volta per iterazione, in modo indipendente: scarti sotto lo 0,1%. La terza ricerca, sui registri pubblici, ha trovato il venditore in procedura concorsuale.

Risultato

Un canone da 42.000 euro lascia in cassa 7.668, il 18%. Il rendimento non è una proprietà dell'immobile: è una funzione del prezzo che paghi.

Approccio AI

Un lavoro molto lungo, in una chat con Claude: conteggi diretti sulla serie storica invece di stime, e la simulazione rilanciata su cinque dosaggi e in due varianti, compresa quella che indebolisce la mia conclusione. Backtesting che senza l'AI non sarei mai riuscito a fare.

Risultato

Non è la strategia a essere pericolosa: è la dose. A leva piena il 98,2% dei percorsi si azzera entro dieci anni; la stessa identica operazione fatta con un quarto del capitale ha una rovina praticamente zero.

Approccio AI

Cowork con un connettore al broker e lo stato in un Project. Il principio «il broker prima del file» nasce da un incidente vero, con il file di stato e il broker che raccontavano due realtà diverse. Lo strumento può preparare un ordine, non inviarlo: l'istruzione nasce ferma e diventa ordine solo quando sono io a premere il tasto dentro la piattaforma del broker.

Risultato

Monitoraggio quotidiano senza guardare il mercato. Nessun ordine parte senza la mia mano, e non è una regola che mi sono dato: è come è fatto lo strumento. Le violazioni finiscono in un registro che a febbraio rileggo con la mia AI.

Approccio AI

Backend FastAPI e frontend scritti con Claude Code; l'arricchimento lo fa Claude da riga di comando, senza API key dedicate. Il pezzo istruttivo: la chiamata headless ereditava la configurazione interattiva, circa 68mila token e un giro a vuoto, e quindici posizioni su quaranta tornavano fallite; con quattro flag di isolamento è passata da 72 secondi su tre turni a 39 su uno.

Risultato

Una vista unica in pochi minuti, una volta al mese: è il punto di partenza della review, non un cruscotto da guardare ogni giorno.

Caso reale, dettagli sensibili omessi.

Approccio AI

Prototipo con Claude Code, scoring in Python deterministico. Poi la parte che conta: un revisore che non aveva scritto il codice ha trovato cinque bug, due critici, e ogni numero della validazione è stato ricalcolato da zero: sottratto l'indice, ricostruiti i costituenti storici dell'S&P 500 (651 ticker, non solo i sopravvissuti), su soglie prese dalla letteratura e non tarate sui numeri già visti. Il primo backtest diceva 79,5% di vincitori. Sottratto l'indice, l'alpha era negativo, e i titoli scartati rendevano più di quelli scelti. Il solo survivor bias gonfiava i rendimenti di 11,1 punti. L'unico segnale sopravvissuto, la qualità, vale +1,6% di alpha su 3.677 casi: si compra con un ETF factor, non con un sistema.

Risultato

Mi divertiva, e l'ho spento lo stesso. La baseline di uno scanner retail non è zero: è comprare l'indice, e al netto di costi e tempo non lo batteva.

Caso reale, dettagli sensibili omessi.

Approccio AI

Claude Code ha scritto la pipeline; a runtime non c'è nessun modello, solo Python deterministico e un template. Una guardia fa fallire il build se nel file aggregato compare un indirizzo email. Un registro di venti assunzioni a tre stati, confermata, stima, da validare, ognuna con la sua fonte, e il registro con la data dell'ultima revisione. Il lancio è a mano, una volta al mese.

Risultato

Ho automatizzato la produzione del documento, non la decisione: il board legge più in fretta e decide con la stessa latenza di prima. Ho ottimizzato il collo di bottiglia sbagliato.

Caso reale, dettagli sensibili omessi.

Approccio AI

Il consiglio di modelli ha bocciato la prima versione del metodo prima che partisse, 45 criticità, e una parte l'ho respinta io. Poi lo scoring in Python deterministico e due run indipendenti, col risultato dell'altra dichiarato in anticipo come bias da gestire. Dal workspace vuoto al ranking finale in due ore e tredici minuti.

Risultato

Dalla pancia ai criteri: perché proprio quel settore, e non un altro. E il framework ha bocciato la propria soglia il giorno stesso: 48 su 69 passavano, troppo poco discriminante.

Caso reale, dettagli sensibili omessi.

Approccio AI

Materia per materia con Claude Code: l'AI propone il filtro, io decido cosa resta, e resta scritto anche quello che ho buttato, così il taglio è verificabile. QA finale con 193 agenti sulle mappe: 159 rilievi, 133 confermati, 26 respinti. Sedici erano difetti veri e li ho corretti; gli altri erano scelte di taglio mie, non errori.

Risultato

Non il pezzo di carta: otto domande, una per fase, e le secche dove sono già finito.

Approccio AI

Claude con istruzioni persistenti e i materiali del corso caricati, un progetto per esame: cita file e pagina, distingue «dai tuoi materiali» da «conoscenza generale», e quando sbaglio mi fa una domanda invece di darmi la risposta. Ogni tanto le chiedo di auditare se stessa contro le slide: così ho beccato una formula incompleta, una chiave di correzione sbagliata e un mock con le risposte quasi tutte sulla stessa lettera. La penna resta per quello che va ricordato: i grafici di micro e macro li ho imparati solo rifacendoli a mano.

Risultato

A preparazione avanzata i miei errori non erano di conoscenza ma di esecuzione e tempo: si curano simulando, non rileggendo. Il metodo si copia, il ritmo no.

Approccio AI

Claude Code per riscrivere la pipeline e per il challenge metodologico; i numeri in Python con golden test, mai dal modello. La selezione delle variabili rifatta dentro ogni singolo test, non una volta sola su tutti i dati, e i kill criteria scritti prima di guardare i risultati; poi un secondo test pre-registrato su 1.567 aziende di un altro settore, molto più numeroso, oltre quaranta volte il campione della tesi.

Risultato

Balanced accuracy 50,0%, permutation p=0,498; sul campione grande AUC 0,537, lo stesso tetto di una semplice regressione logistica: non è il metodo, è il bersaglio. FAIL accettato: sopravvive il protocollo, non il modello. L'avvertenza sul numero l'avevo scritta io, nella tesi, e prenderla sul serio è un'altra cosa.

Caso reale, dettagli sensibili omessi.

Approccio AI

Claude ha fatto il prodotto e la delivery, non lo storytelling: 18 ricette scritte e validate con un refactor a sorgente unica che ha chiuso un bug strutturale, 15 immagini generate coerenti, un audit mobile, e un copione con cue di corpo, voce, slide e pause tarato su un parlante B2-C1, con sette regole di delivery e la tabella delle parole su cui inciampa un italiano. La parte difficile non era il sito: era portare in scena un pitch in inglese da non madrelingua.

Risultato

Esame passato con i complimenti espliciti di docente e classe. La stessa disciplina anti-slop di questo sito, misurata da un giudizio esterno.

Approccio AI

Tre strati: un modello che legge e classifica i documenti, Python deterministico che fa layout e totali, l'export in PDF. Le conferme sono obbligatorie per design: il sistema chiede dove dedurre sarebbe inventare.

Risultato

Il valore non è la velocità: in due cicli su cinque il secondo passaggio ha tagliato il totale di circa un quinto: spese già in contabilità aziendale finite nel rimborso personale. L'automazione ha reso l'errore visibile, e ogni errore del primo giro è diventato una regola scritta.

Caso reale, dettagli sensibili omessi.

Approccio AI

Tre mockup fatti fare a Claude Code, bocciati in blocco: rispondevano a 'cosa ti aspetta', la domanda vera era 'a che punto è ognuno'. Il quarto è passato al primo colpo; l'ordine definitivo, per ultima interazione, l'ha deciso l'uso. Quaranta minuti stimati prima di partire, zero euro.

Risultato

Costruirlo costa quasi niente, tenerlo costa attenzione: è così che è morto uno dei due predecessori. Per questo la data di morte sta nel contatore dell'app: meno di 7 aperture entro il 22 settembre, e si spegne. Non è pubblica: dentro ci sono i fronti veri.

Caso reale, dettagli sensibili omessi.