In sintesi
Un LLM, large language model, è un modello di intelligenza artificiale addestrato su grandi quantità di testo a prevedere la parola successiva. Da questa capacità nascono risposte, riassunti, traduzioni e codice. È il motore di ChatGPT, Claude, Gemini e Copilot. In azienda si sceglie per compito, costo a token, dimensione del contesto e trattamento dei dati, non per la classifica del momento.
- Cosa: un modello che prevede il testo, parola dopo parola.
- Dove: dentro ChatGPT, Claude, Gemini, Copilot e nelle API.
- Costo: a token, cioè a pezzi di testo letti e scritti.
- Scelta: compito, contesto, dati, costo; più modelli, non uno.
Cos’è un LLM
LLM sta per large language model, modello linguistico di grandi dimensioni. È un programma che ha letto un’enorme quantità di testo e ha imparato a prevedere quale parola viene dopo. Sembra poco, ma da questa capacità nascono tutte le funzioni che usiamo: rispondere a una domanda, riassumere un documento, tradurre, scrivere codice, seguire istruzioni.
“Grandi dimensioni” si riferisce ai parametri, i numeri interni che il modello regola durante l’addestramento: nei modelli attuali sono centinaia di miliardi. Per una spiegazione passo per passo del meccanismo c’è l’analisi su come funziona ChatGPT.
Come funziona, in quattro concetti
- Token: il modello non legge parole ma pezzi di testo, i token. Una parola italiana vale in media uno o due token. Si paga a token, letti e scritti.
- Contesto: è la quantità di testo che il modello tiene insieme in una conversazione. Modelli con contesto ampio leggono interi documenti in una volta.
- Addestramento e istruzioni: il modello viene prima addestrato sui testi, poi affinato per seguire istruzioni ed evitare risposte dannose. Il prompt, cioè l’istruzione, guida il risultato.
- Allucinazioni: il modello produce il testo più probabile, non il più vero. Può inventare fatti, cifre e citazioni con sicurezza: ogni uso in azienda prevede una verifica.
I principali LLM nel 2026
Ogni produttore ha una famiglia di modelli, con versioni più potenti e più economiche. OpenAI con la serie GPT dentro ChatGPT; Anthropic con Claude (Opus, Sonnet, Haiku); Google con Gemini; Meta con Llama, open source; Mistral, europea, con modelli aperti; DeepSeek, cinese, con modelli aperti a basso costo. Il confronto aggiornato tra assistenti è nell’analisi sulla migliore intelligenza artificiale; le schede dedicate su Claude e ChatGPT per aziende approfondiscono piani e dati.
Un modello “aperto” (open weights) si può scaricare e far girare su server propri: i dati non escono dall’azienda, ma servono infrastruttura e competenze. Un modello “chiuso” si usa tramite l’assistente o l’API del produttore.
Come scegliere un LLM per l’azienda
| Criterio | Domanda da farsi | Cosa conta |
|---|---|---|
| Compito | Scrivere, analizzare, classificare, programmare? | Modelli diversi eccellono in compiti diversi; si prova sul caso reale |
| Dati | I dati possono uscire dall’azienda? | Piani aziendali e API escludono i dati dall’addestramento; per vincoli stretti, modelli aperti su server propri |
| Contesto | Quanto testo deve leggere in una volta? | Contratti e manuali richiedono contesto ampio |
| Costo | Quanti token al mese? | Per compiti semplici basta un modello piccolo; il modello grande solo dove serve |
| Integrazione | Deve entrare in un flusso o in un gestionale? | API, connettori, Model Context Protocol |
La regola pratica: più modelli, non uno. Un modello economico per i compiti ripetitivi, uno potente per l’analisi, uno aperto dove i dati non possono uscire. Le istruzioni condivise devono funzionare su tutti: è il lavoro del prompt engineering.
Quanto costa usare un LLM
Due modelli di prezzo. Gli assistenti si pagano per utente al mese, con piani individuali e aziendali. Le API si pagano a token: un prezzo per milione di token letti e uno, più alto, per milione di token scritti; i modelli piccoli costano una frazione di quelli grandi. Per un flusso semplice in una PMI il consumo è spesso di pochi euro al mese; la voce che pesa è la progettazione, non il modello.
Il modo giusto di stimare: contare i documenti o le richieste al mese, moltiplicare per la lunghezza media, confrontare il listino del produttore. Un test di due settimane sul caso reale dà il numero vero.
Gli errori più comuni
- Scegliere dalla classifica: i modelli cambiano ogni pochi mesi; il compito e i dati no.
- Un solo modello per tutto: si paga il modello grande anche per riordinare una lista.
- Nessuna verifica: un LLM inventa con sicurezza; ogni cifra e citazione va controllata.
- Dati aziendali su account personali: fuori dal controllo dell’azienda e dalle garanzie contrattuali.
- Prompt nella testa di una persona: le istruzioni vanno scritte, condivise e versionate.
Per portare i modelli dentro i processi, con regole e misura, il percorso è quello della consulenza AI per aziende.
Domande frequenti
Cosa significa LLM?
Large language model, modello linguistico di grandi dimensioni: un modello addestrato su grandi quantità di testo a prevedere la parola successiva, da cui nascono risposte, riassunti, traduzioni e codice.
ChatGPT è un LLM?
ChatGPT è l’assistente; il motore è un LLM della serie GPT di OpenAI. Allo stesso modo Claude usa i modelli di Anthropic e Gemini quelli di Google.
Cosa sono i token?
I pezzi di testo che il modello legge e scrive. Una parola italiana vale in media uno o due token. Le API si pagano a token.
Che differenza c’è tra modello aperto e chiuso?
Un modello aperto si può scaricare e far girare su server propri, con i dati che restano in azienda; uno chiuso si usa tramite l’assistente o l’API del produttore.
Qual è il miglior LLM per un’azienda?
Dipende dal compito, dai dati, dal contesto necessario e dal costo. La scelta giusta per una PMI è di solito più modelli, ognuno per il compito adatto.
Gli LLM sbagliano?
Sì: producono il testo più probabile, non il più vero, e possono inventare fatti con sicurezza. In azienda vanno usati dentro processi con verifica umana.

