Ogni giorno, le aziende producono una quantità incalcolabile di informazioni testuali. Documenti di progetto, conversazioni in chat, wiki tecniche e presentazioni formano un vero e proprio ecosistema informativo. Tuttavia, quando un dipendente ha bisogno di recuperare un’informazione specifica, si scontra spesso con un muro di inefficienza: file salvati in cartelle sbagliate, messaggi persi nei canali di comunicazione e documenti duplicati con nomi incomprensibili.
approfondimento
Semantic knowledge management: cos’è e come consente l’accesso immediato al patrimonio informativo
Superando la ricerca per parole chiave, il sistema comprende il significato dei documenti tramite architetture vettoriali. Questo permette ai dipendenti di interrogare l’intera conoscenza aziendale in linguaggio naturale, nel pieno rispetto delle policy di sicurezza. Ecco come funziona
Pubblicato il 12 mag 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
