Prima dell'avvento del computer, le persone usavano i classificatori: cassetti etichettati, cartelle numerate, un posto preciso per ogni documento. Il sistema funzionava perché la fisicità definiva le regole di gestione: la struttura, di fatto, imponeva l’ordine.

L’informatica ha cambiato le regole del gioco. È possibile memorizzare un file ovunque (disco, cloud), assegnare qualunque nome, creare cartelle annidate senza sostanziali limiti. Spesso, il risultato di questa libertà totale è il caos che tutti conosciamo: più versioni dello stesso documento, cartelle chiamate “Varie”, “Roba”, “Da sistemare”, file che “sono da qualche parte ma non ricordo esattamente dove”, assenza di convenzioni nella denominazione dei documenti.

Questa deriva comporta un costo reale. Cercare un’informazione richiede tempo e concentrazione. Nella vita professionale, con decine di progetti e centinaia di documenti, la situazione è ancora peggiore. E la soluzione ovvia (“organizzo tutto con un sistema preciso”) si scontra con la realtà: i sistemi strutturati richiedono disciplina e costanza.

Johnny Decimal

Johnny Decimal è un sistema di organizzazione che ho adottato tempo fa e che offre una soluzione semplice a una parte del problema: la creazione di un metodo di lavoro. A ogni area della vita di ciascuno si associa un intervallo di categorie numeriche (10–19: vita personale, 20–29: lavoro, e così via). All'interno di ogni area, le categorie hanno un codice a due cifre (per esempio, 21 Clienti, 22 Progetti, 23 Fatturazione). Questo schema di numerazione viene utilizzato per strutturare il proprio albero di cartelle. Ogni contenitore riceve un ID del tipo XX.YY: per esempio, il 21.03 è il terzo elemento nella categoria “Clienti”.

Il risultato è un sistema molto preciso e privo di ambiguità. Ogni informazione ha una collocazione precisa derivabile dal codice numerico. Se si sta cercando il contratto di un cliente, si sa che è nella categoria 21 e lo si cerca nella cartella corrispondente. Non serve navigare l'intero filesystem.

Due proprietà rendono JD più solido rispetto ad altri approcci. Lo schema numerico rende la struttura stabile: se si aggiunge una nuova categoria, le categorie esistenti restano al loro posto, a differenza dell’ordine alfabetico che le riorganizza ogni volta. E c’è un limite: ogni area ha al massimo dieci categorie, ogni categoria al massimo cento ID. Questo costringe a ragionare su dove collocare un nuovo elemento dell’albero.

Tuttavia, il problema di JD è che tutto deve essere gestito “a mano”. Ogni volta che si crea un file, è necessario ricordare il codice associato a quel tipo di informazione oppure aprire il JDex (l’indice del sistema) per cercare la categoria corretta. In sé non è un problema insuperabile, ma è un attrito costante. Col tempo l'attrito porta a scorciatoie, e le scorciatoie generano disordine.

Claude come bibliotecario

La svolta è arrivata quando ho fornito a Claude il contesto completo del mio sistema JD. In un file chiamato jd-routing.md gli ho chiesto di ricostruire la mappa completa dell’albero di folder di JD (a partire dalla documentazione di JD): ogni area, ogni categoria, le convenzioni di naming, le regole su dove vanno i tipi di documento. Il file fa parte del contesto permanente di Claude in ogni sessione di lavoro. Il risultato pratico: Claude sa dove ogni documento deve essere memorizzato, senza che glielo debba dire ogni volta. A questo ho associato uno schema di naming standard, in modo che tutti i file possano essere facilmente identificati.

Se sto lavorando a una riunione con un cliente e scrivo “salva la minuta”, Claude non chiede quale sia la cartella corretta perché la ricava leggendo il file jd-routing.md. Se chiedo “dove ho messo il brief per il convegno di marzo?”, Claude è in grado di indicarmi il percorso esatto, non una lista di possibilità. Se creo un task su ClickUp, Claude compila automaticamente il campo JD Reference con il codice corretto collegando il task a tutte le informazioni rilevanti che ho sul mio disco. Questo elimina l’attrito. Non devo ricordare la categoria, non devo aprire il JDex, non devo fermarmi a decidere.

LLM Knowledge Base: l’approccio di Karpathy

Andrej Karpathy ha descritto un altro modo per affidare a un LLM la gestione delle proprie informazioni, denominato LLM Knowledge Base (o LLM Wiki). Tutti i documenti e le informazioni rilevanti per un determinato tema (paper, articoli, dataset, immagini, repository di codice) vengono memorizzati in una cartella raw/. Da quel materiale grezzo, l’LLM compila in modo incrementale un wiki: una rete di file Markdown con riassunti delle fonti, articoli derivati per i concetti chiave e backlink che collegano tutto. Il frontend è Obsidian, utilizzato per la navigazione visiva. Una volta che il wiki ha raggiunto una dimensione significativa, l’LLM è in grado di rispondere a domande complesse usando il wiki come base di conoscenza. A loro volta, i risultati delle nuove ricerche contribuiscono a far crescere il sistema. “You rarely ever write or edit the wiki manually, it’s the domain of the LLM”, scrive Karpathy. L’utente fornisce le fonti; l’LLM costruisce la conoscenza derivata.

JD + Claude è una cosa diversa, più semplice e leggera (e meno costosa in termini di elaborazione…). Il modello non genera contenuto: applica una mappa di indirizzamento definita una volta per tutte. Funziona per la gestione quotidiana di file, brief, minute, task. Una LLM Knowledge Base è molto più impegnativa: l’LLM scrive, sintetizza, collega e deve mantenere la coerenza semantica nel tempo. Serve quando il problema da risolvere non è dove si trovano i file, ma come si organizzano le idee, le fonti e le relazioni su un tema tipicamente molto strutturato.

Nel mio workspace i due sistemi coesistono: JD per il filing del lavoro quotidiano e una LLM Knowledge Base basata sul modello di Karpathy (più l’integrazione MCP con Reader/Readwise) per la conoscenza derivata dalle fonti che leggo. Sono due strati distinti, non alternativi.

Il classificatore fisico funzionava bene perché qualcuno aveva definito una volta per tutte la struttura e tutti la seguivano senza doverci pensare ogni volta. JD adatta questo criterio al filesystem digitale. Claude abbassa la frizione a regime: non è l’utente a dover aprire il cassetto.

Il sito di Johnny Decimal scrive: “Nobody can find anything any more. This is stressful, and a massive waste of time.” È vero. E la risposta, alla fine, è abbastanza semplice: un sistema ben fatto, affidato a qualcuno che aiuta ad applicarlo in modo sistematico.

Questo post è stato scritto con l’assistenza di Claude. Le idee, le posizioni e il ragionamento sono miei.

Lascia un commento

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

Da un po’ di tempo uso Claude per aiutarmi nelle attività di ricerca e di scrittura. Per farlo, ho creato alcune skill, connessioni e procedure che mi piace condividere con voi, così da scambiarci esperienze e suggerimenti.

Base di conoscenza

Per scrivere qualsiasi cosa, sfrutto un corpus di documenti che ho accumulato in anni.

• Reader e Readwise raccolgono le fonti che leggo: articoli, podcast, passaggi di libri, tweet salvati e note personali (c’è un connettore MCP per collegare Reader/Readwise a Claude). È il mio sistema di lettura attiva — quello che leggo finisce lì, con i passaggi marcati/taggati e le annotazioni che ho lasciato nel tempo. Quando scrivo su un tema, cerco innanzitutto lì.

• Poi c’è l’archivio dei miei testi. Ho trasferito in una cartella strutturata circa seimila post scritti su Medium e prima ancora sul mio blog Wordpress dal 2005 a oggi — vent’anni di scrittura su digitale, innovazione, management, università, tecnologia. A questi si aggiunge l’archivio completo di tutto ciò che ho pubblicato su questo Substack. Li navigo per capire come ho affrontato un tema in passato, quali posizioni ho difeso, dove le mie opinioni sono cambiate. Inoltre, accedo ad articoli, brief ed altro materiale che ho prodotto nel tempo.

• Infine, documenti e presentazioni: archivi di slide, articoli e documenti creati in anni di lezioni, convegni, progetti con le imprese.

Contesto operativo

Sul fronte dei lavori in corso, ho organizzato tutto sfruttando le logiche di Claude e semplici cartelle nel file system. C’è un progetto per la gestione editoriale di questo Substack, con il tracker dei post, le bozze in lavorazione e le metriche storiche; uno per gli articoli accademici e professionali — quelli che scrivo per le riviste — ognuno con la propria struttura di sviluppo; e uno per il libro in corso di scrittura, con i capitoli, le note e la pipeline di redazione.

E poi le attività di supporto: il log giornaliero (che Claude mi genera automaticamente in base a ciò che abbiamo fatto), le note di riunione, i brief tematici che nascono durante la consulenza, gli studi e le ricerche formali prodotti per clienti o istituzioni. Sono materiali vivi che entrano nel processo di scrittura quando il tema lo richiede.

Pipeline di produzione

Per ogni lavoro che inizio — un post, un articolo per una rivista, un capitolo di un libro — comincio con una specifica scritta. La scrivo per me, non per lo strumento.

Per un post Substack, è un testo di pochi paragrafi: la tesi centrale, l’aggancio narrativo, la sequenza delle sezioni e le fonti che ho in mente. Per un articolo accademico è un file Markdown denominato contents.md: contiene la mappa degli argomenti principali, i dati da citare, il filo che collega le sezioni, le posizioni da difendere e quelle da smentire. Un artefatto vivo, che cambia man mano che il ragionamento si affina.

William Zinsser, in On Writing Well, osserva che la scrittura confusa è quasi sempre il sintomo di un pensiero confuso — non il contrario. La spec è l’operazione che impone chiarezza prima di aprire l’editor.

Quando penso di essere arrivato a una specifica ragionevolmente precisa, l’AI ha materiale su cui lavorare: può amplificarlo, cercare fonti, effettuare analisi controfattuali e fact-check. E io posso valutarne il contributo perché so qual è l’ipotesi che voglio esplorare appoggiandomi anche ai riferimenti e ai materiali selezionati.

Skill per ogni passaggio

Quel che ho imparato lavorando su tipi di testo molto diversi — un post meditativo da ottocento parole, un paper accademico da quattromila, un capitolo di libro — è che ogni formato richiede skill diverse. Non solo di lunghezza: di struttura dell’argomento, di tono, di rapporto con le fonti, di come si gestisce la revisione. Magari partendo dalle stesse idee di fondo, lo stesso contents.md.

Per questo ho costruito skill specializzate: una per i post argomentativi e meditativi di Substack, una per la rubrica musicale settimanale, una per quella dedicata ai libri, una per gli articoli accademici e professionali e una per i capitoli del libro, con la relativa pipeline di compilazione nel formato finale. Ognuna conosce le regole del proprio formato, il “mio” stile e i pattern da evitare. Infine, ho creato una skill per il fact-checking e un’altra per generare presentazioni in Markdown, che poi passo a Deckset, un’app che legge i file Markdown e produce slide semplici ma efficaci.

Il risultato è che posso passare da un post Substack a un articolo IEEE a un capitolo senza dovermi ogni volta riorientare — il contesto è già incorporato nello strumento.

Le idee vengono inserite in un sistema di gestione dei task (Todoist, connesso tramite MCP) con una descrizione minima. Quella nota è il punto di partenza della spec. La spec diventa bozza. La bozza passa alla revisione e al fact-check. Quando è pronta, va su Substack oppure si consolida nel documento di destinazione.

Uno strumento per stimolare il pensiero

Quando ho una tesi, chiedo di individuare i punti deboli, le obiezioni che un lettore critico potrebbe sollevare e le evidenze che potrebbero smentirla. Quando scrivo testi lunghi, uso lo strumento per generare bozze a partire dal filo logico che gli ho fornito, per verificare che le affermazioni fatte in un punto non contraddicano quelle di un altro, che la terminologia sia coerente e che la chiusura risponda all’aggancio iniziale. Quando pubblico dati o percentuali, procedo a una verifica sistematica delle fonti primarie.

Per chi lavora su temi complessi — ricerca, innovazione, università, trasformazione digitale — la qualità del pensiero è il risultato chiave. Avere un sistema che svolge i compiti di supporto libera spazio per lavorare sulla qualità del pensiero. La struttura e il metodo di lavoro sono ciò che rende la creatività affidabile.

P.S.: Ho disabilitato l’uso dei miei dati per l’addestramento e uso una licenza che attesta la proprietà di quanto prodotto.

Questo post è stato scritto con il supporto di Claude.

Lascia un commento

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

In questo post racconto come sto provando a risolvere il problema attraverso un flusso di lavoro abbastanza pratico, basato su tre strumenti: Reader/Readwise, Fenn e Claude.

Il problema reale

Chi lavora con informazioni, dati e conoscenza — ricercatori, manager, consulenti, docenti, autori — accumula materiale nel tempo: articoli salvati, presentazioni già tenute, note sparse, report letti e dimenticati.

Il paradosso è noto: più materiale hai, più è difficile ritrovarlo e riusarlo. I sistemi di archiviazione tradizionali — cartelle, tag, segnalibri — funzionano bene per ritrovare qualcosa di cui ricordi il titolo o l’autore. Funzionano male quando parti da un tema e vuoi sapere cosa hai già.

Da anni salvo articoli che trovo su Internet o brani che leggo in libri con Reader/Readwise (ha un ottimo plugin per browser e una comodissima estensione per iOS). Inoltre, ho centinaia di presentazioni sul disco. Quando comincio a lavorare su un nuovo tema, non posso permettermi di ignorare quel patrimonio di contenuti. Ma recuperarlo manualmente richiederebbe troppo tempo che di solito non ho. E necessiterebbe anche di una memoria che, invece, troppo spesso fa cilecca.

Sto provando a risolvere questo problema con l’AI. Questo è il test che sto conducendo.

Gli strumenti

Reader/Readwise è un servizio per salvare articoli dal web, PDF, newsletter, video o brani da libri su Kindle e Apple Books. Non è un semplice sistema di bookmarking: consente di evidenziare passaggi, aggiungere note e organizzare con tag. Nel tempo diventa una biblioteca personale strutturata, ricca di metadati.

Fenn indicizza con l'AI i file sul tuo Mac — presentazioni, documenti, PDF — e li rende ricercabili in base al contenuto semantico, non per nome del file. Per impostazione predefinita lavora interamente in locale, senza trasmettere nulla all'esterno; chi vuole può attivare un'opzione cloud per indicizzare più velocemente, cedendo in termini di privacy. L'effetto pratico è avere un disco "interrogabile": non cerchi un file, cerchi un concetto. La sto provando da poco, ma mi sembra molto promettente.

Claude è il connettore. Tramite l’integrazione MCP con Reader, Claude può cercare direttamente nella mia biblioteca di articoli salvati — per tema, per tag, per contenuto. Con Fenn, il flusso è leggermente diverso: cerco io, Fenn restituisce i risultati e li passo a Claude per l’analisi e la sintesi.

Tre strumenti, un flusso unico.

Il flusso in pratica

Il punto di partenza è sempre un tema. “Voglio scrivere un post sulla governance dell’AI.” Oppure: “Devo preparare una presentazione sulla trasformazione digitale nelle PMI.” Da lì, la ricerca si muove su due binari paralleli.

Binario 1 — Reader via Claude. Grazie al connettore con Reader, posso chiedere direttamente a Claude di cercare gli articoli pertinenti al tema nella mia libreria di Reader. Claude accede agli articoli salvati, agli highlight che ho fatto, ai tag che ho assegnato e restituisce una lista ragionata di fonti rilevanti — con titolo, autore, data, fonte originale e i passaggi che ho evidenziato. Non è una ricerca per parole chiave: è una ricerca semantica che considera il contesto della domanda.

Un prompt tipico è questo:

“Cerca in Reader articoli pertinenti al tema della governance dell’AI. Includimi titolo, autore, link originale, tag e gli highlight che ho salvato.”

Il risultato è una lista di materiale già letto, già selezionato, già annotato. Non devo rileggere tutto da capo: ho già fatto quel lavoro quando ho salvato e evidenziato gli articoli.

Binario 2 — Fenn + Claude. Per le presentazioni e i documenti sul disco, cerco su Fenn usando il tema come criterio di ricerca. Fenn restituisce i file pertinenti con un’anteprima del contenuto. Copio quei risultati e li incollo a Claude, che li analizza e li integra con il materiale trovato in Reader.

Il prompt di passaggio è semplice:

“Ecco i risultati di una ricerca in Fenn sul tema X. Integrali con il materiale che abbiamo trovato in Reader e dimmi cosa posso riusare per il post / per la presentazione.”

Il risultato combinato è una sintesi del materiale disponibile: articoli rilevanti con i passaggi chiave già evidenziati, presentazioni esistenti da cui estrarre slide o argomenti, sovrapposizioni e gap tematici. Da lì si può scrivere il post o costruire la presentazione su una base solida — senza partire da zero né perdere tempo a cercare tra file e cartelle sparse.

Cosa cambia davvero

Questo flusso non è automatico nel senso che “l’AI fa tutto”. Richiede che io abbia lavorato bene a monte, salvando gli articoli con Reader, aggiungendo tag sensati, evidenziando i passaggi che ritengo importanti, organizzando i file sul disco in modo che Fenn li possa indicizzare. La qualità dell’output dipende da quella dell’input. Un Reader pieno di articoli salvati a caso, senza tag né evidenziazioni, restituisce risultati mediocri. Una libreria curata restituisce risultati precisi.

Questo è il punto che trovo più interessante:

L’AI riduce il costo del disordine, ma non elimina il bisogno di chiarezza di idee.

La differenza si vede quando non stai cercando un file: stai cercando un insight da trasformare in un nuovo contesto. Lì, la qualità di ciò che trovi dipende ancora da quanto hai lavorato sulle fonti mentre le leggevi — gli highlight, i tag, le note che hai preso. Su questo, l’AI amplifica le abitudini che hai già.

Va anche detto con chiarezza che questo flusso risolve il problema del recupero, non quello della sintesi. Trovare il materiale giusto è il primo ostacolo; capire come usarlo, combinarlo, trasformarlo in qualcosa di nuovo — è lavoro dell'autore.

C'è però una differenza importante rispetto agli strumenti pre-AI generativa. Ora si può dialogare con il materiale trovato — chiedere sintesi, confronti, gap tematici — e questo cambia non solo la velocità del recupero, ma anche il modo in cui si lavora su ciò che si trova.

Conclusione

Torno al punto di partenza. Il mio problema non era trovare cose nuove (o non solo quello): era ritrovare ciò che sapevo già di avere. Reader, Fenn e Claude potrebbero aver risolto i problemi in modo pragmatico, senza magia né promesse eccessive. È un test in corso che mi permette anche di valutare il funzionamento di questi strumenti basati su GenAI.

Come ogni strumento, funziona meglio con un po’ d’uso: Reader diventa prezioso quando ci sono mesi di letture annotate. Ma si può cominciare subito. Ed è comunque un flusso replicabile. Non dipende da capacità particolari né da configurazioni esotiche. Dipende dall’abitudine di curare le proprie fonti. L’AI non ha radicalmente cambiato questa abitudine. L’ha resa molto più utile e facile da applicare e valorizzare.

P.S.: Ovviamente, i vostri suggerimenti sono i benvenuti. Ci tengo a dire che non voglio sviluppare soluzioni ad hoc, ma usare strumenti disponibili con modalità di lavoro semplici e affidabili (e facilmente ripetibili).

Disclaimer: questo post è stato realizzato con il supporto di Claude.

Lascia un commento

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

L’ho creata in modo interattivo con Claude, prendendo spunto dalle verifiche che ho chiesto di effettuare sugli ultimi post che ho scritto. Ho inserito diverse fasi per verificare i fatti, le citazioni e il flusso logico complessivo. Siccome sono preoccupato anche del fatto che GenAI tenda a sostenere le tesi proposte e non a fare analisi controfattuali o da “avvocato del diavolo”, ho inserito anche una parte (la quinta) per provare a contrastare questo fenomeno.

Se vi va di provarla, mi dite che ne pensate?

Testo della skill

Verifica strutturata di testi argomentativi. Usa questa skill ogni volta che l’utente chiede di verificare, controllare, fare fact-check, revisionare o validare un testo — che sia un post per blog o Substack, un report, un’analisi, un articolo, un saggio, un editoriale o qualsiasi testo che contenga affermazioni fattuali e ragionamenti. Attiva questa skill anche quando l’utente usa espressioni come “controlla i dati”, “verifica le fonti”, “è tutto corretto?”, “puoi ricontrollare?”, “revisiona”, “ci sono errori?”, “fact-check”, “controlla la coerenza”, “verifica la robustezza”, “stress test”, “analisi controfattuale”, “tesi opposta”, “devil’s advocate”. La skill si applica a testi in qualsiasi lingua.

Verifica strutturata di testi argomentativi

Obiettivo

Condurre una verifica sistematica, esaustiva e puntuale di un testo argomentativo su quattro assi:

1. Correttezza dei dati — ogni affermazione fattuale è accurata?

2. Coerenza affermazioni-evidenze — le conclusioni sono supportate dalle evidenze citate?

3. Flusso logico — il ragionamento procede senza salti, contraddizioni o ridondanze?

4. Robustezza controfattuale — gli argomenti reggono se si tenta di costruire la tesi opposta?

Per ogni problema trovato, proporre sempre una riscrittura del passaggio.

Procedura

Fase 1 — Inventario delle affermazioni verificabili

Prima di cercare qualsiasi cosa, leggere l’intero testo e compilare mentalmente un inventario di tutte le affermazioni che richiedono verifica. Classificarle in:

• Dati quantitativi: cifre, percentuali, date, importi, numeri di dipendenti, ricavi, debiti, quote di mercato.

• Fatti storici o cronologici: eventi, lanci di prodotto, fusioni, cessioni, leggi, decisioni politiche — con attenzione alle date e alla sequenza.

• Attribuzioni: chi ha fatto cosa, chi possiede cosa, chi controlla cosa.

• Affermazioni comparative: “X cresce più di Y”, “il più grande”, “l’unico caso in cui”.

• Affermazioni causali o di contesto: “si è verificato quasi esclusivamente in Paesi dove...”, “è nato da...”, “ha colmato un vuoto...”.

• Definizioni e categorizzazioni: quando un soggetto viene classificato in una categoria (es. “è una telco”, “è una sussidiaria di una banca”), verificare che la classificazione sia corretta.

Fase 2 — Verifica fattuale sistematica

Per ogni affermazione identificata nella Fase 1:

1. Cercare conferme o smentite con ricerche web mirate. Usare query brevi e specifiche (1-6 parole). Se la prima ricerca non è conclusiva, riformulare la query.

2. Privilegiare fonti primarie: bilanci aziendali, comunicati stampa ufficiali, documenti regolatori, paper accademici. Poi fonti secondarie autorevoli (testate giornalistiche di riferimento). Evitare fonti generiche.

3. Controllare la precisione, non solo la direzione: un dato “circa corretto” può essere comunque fuorviante. Se il testo dice “80%” e il dato reale è “25%”, segnalarlo. Se dice “circa 6,9 miliardi” e il dato è 6,85 miliardi, annotarlo come accettabile.

4. Verificare il perimetro temporale: un dato corretto per il 2022 può essere obsoleto nel 2026. Controllare sempre che il dato si riferisca al periodo implicato dal testo.

5. Verificare le attribuzioni: se il testo dice “X è una iniziativa della telco Y”, controllare che X sia effettivamente un prodotto/servizio di Y e non di un soggetto diverso.

Fase 3 — Analisi della coerenza affermazioni-evidenze

Per ogni passaggio argomentativo:

1. La tesi è supportata dalle evidenze citate? Una tesi può essere ragionevole ma non seguire dai dati presentati.

2. Le evidenze sono sufficienti? Un singolo esempio non dimostra una tendenza. Un’affermazione universale (”quasi esclusivamente”) richiede sufficiente copertura dei casi.

3. Ci sono contraddizioni interne? Il testo afferma X in un punto e non-X in un altro?

4. Le analogie reggono? Se il testo usa un’analogia (es. “il modello Ryanair”), verificare che i punti di contatto siano reali e che le differenze non invalidino il confronto.

5. Le eccezioni sono gestite? Se esiste un controesempio ovvio alla tesi, il testo lo affronta o lo ignora?

Fase 4 — Analisi del flusso logico

1. La struttura complessiva è chiara? Il lettore capisce dove sta andando l’argomento?

2. Ci sono salti logici? Passaggi in cui si arriva a una conclusione senza aver fornito le premesse.

3. Ci sono ridondanze? Punti ripetuti in sezioni diverse senza che la ripetizione aggiunga valore.

4. Il verdetto/conclusione segue dal corpo dell’argomento? O introduce elementi nuovi non discussi?

5. Il tono è coerente con le evidenze? Affermazioni molto nette (”è no”, “non ha senso”) richiedono evidenze proporzionalmente forti.

Fase 5 — Analisi controfattuale

Questa fase sottopone a stress test la robustezza argomentativa del testo. Per ogni argomento portante:

5.1 — Identificazione degli argomenti portanti

Estrarre dal testo le tesi principali su cui si regge l’argomentazione. Non le affermazioni fattuali (già verificate nelle fasi precedenti), ma le tesi interpretative, causali, predittive o prescrittive. Esempi: “il mercato telco è diventato una commodity”, “tagliare i junior è un errore strategico”, “l’operazione non ha logica industriale”.

5.2 — Costruzione della tesi opposta

Per ogni argomento portante, tentare onestamente di costruire la migliore tesi opposta o alternativa possibile. Regole fondamentali:

1. Onestà intellettuale. La tesi opposta deve essere costruita senza distorcere fatti, senza ignorare dati verificati, senza attribuire posizioni inventate. Se per sostenerla bisogna mentire o omettere evidenze note, l’argomento originale è solido.

2. Acciaio, non paglia. Costruire la versione più forte della tesi opposta (steelmanning), non la più debole (strawmanning). L’obiettivo è testare la resistenza dell’argomento, non confermarlo.

3. Distinguere piano fattuale e piano interpretativo. Un fatto verificato non è contestabile. L’interpretazione di quel fatto può esserlo. La tesi opposta opera solo sul piano interpretativo.

4. Cercare evidenze reali. Se esistono dati, casi, ricerche o precedenti che supportano la tesi opposta, trovarli con ricerche web. Non inventare argomenti plausibili — documentarli.

5. Rispettare la specificità. La tesi opposta deve operare allo stesso livello di specificità dell’argomento originale. Obiezioni generiche (”dipende dal contesto”) non contano.

5.3 — Classificazione

Per ogni argomento analizzato, assegnare una delle tre classificazioni:

• 🟢 Argomento solido — La tesi opposta non è sostenibile senza distorcere fatti o logica. L’argomento regge senza bisogno di modifiche.

• 🟡 Argomento da rafforzare — Esiste una tesi opposta parzialmente sostenibile. L’argomento tiene ma ha un fianco scoperto che l’autore potrebbe voler coprire con una qualificazione, un’evidenza aggiuntiva, o la gestione esplicita dell’obiezione.

• 🔴 Argomento vulnerabile — La tesi opposta è costruibile in modo onesto e convincente. L’argomento va ripensato, qualificato significativamente, o supportato con evidenze più forti.

5.4 — Formato dell’analisi controfattuale

Per ogni argomento portante, riportare:

**Argomento: "[sintesi della tesi del testo]"**

Migliore tesi opposta: [la versione più forte costruibile onestamente]

Evidenze a supporto della tesi opposta: [dati, casi, precedenti trovati — o "nessuna evidenza sostanziale trovata"]

Classificazione: 🟢/🟡/🔴

Suggerimento: [se 🟡 o 🔴, come rafforzare o qualificare l'argomento. Se 🟢, omettere.]

5.5 — Test della tesi complessiva

Dopo aver analizzato i singoli argomenti, fare un passo indietro e testare l’arco narrativo nel suo insieme. La domanda è: partendo dagli stessi fatti verificati nelle fasi precedenti, è possibile costruire una narrazione complessiva alternativa che arrivi a una conclusione sostanzialmente diversa?

Questo test è distinto dall’analisi dei singoli argomenti (5.1-5.4). Un testo può avere tutti gli argomenti singoli solidi, ma essere comunque vulnerabile a una contro-narrazione che, senza contestare nessun punto specifico, li ricompone in un quadro diverso. Viceversa, un testo con qualche argomento debole può avere una tesi complessiva inattaccabile.

Procedura:

1. Identificare la conclusione centrale del testo. Non i singoli argomenti, ma la tesi di fondo — la risposta alla domanda “cosa sostiene questo testo, in una frase?”

2. Tentare di costruire la migliore contro-narrazione complessiva. Usare solo fatti verificati o verificabili. Non contestare i singoli dati — quelli sono già stati verificati. Ricomporre gli stessi fatti in un quadro interpretativo diverso che conduca a una conclusione alternativa. Cercare evidenze reali (casi, precedenti, dati) che supportino la contro-narrazione.

3. Valutare se la contro-narrazione regge come insieme. Una contro-narrazione fatta di obiezioni puntuali giustapposte non conta — deve essere un ragionamento coerente con una propria logica interna.

Classificazione della tesi complessiva:

• 🟢 Tesi complessiva solida — Non è possibile costruire una contro-narrazione coerente che, partendo dagli stessi fatti, arrivi a una conclusione diversa senza forzature.

• 🟡 Tesi complessiva da qualificare — Esiste una contro-narrazione parzialmente convincente. La conclusione del testo tiene, ma non è l’unica lettura onesta dei fatti. L’autore potrebbe rafforzare il testo anticipando e gestendo la narrazione alternativa.

• 🔴 Tesi complessiva vulnerabile — La contro-narrazione è almeno altrettanto convincente della narrazione del testo. La conclusione va ripensata o significativamente qualificata.

Formato:

**Tesi centrale del testo: "[sintesi in una frase]"**

Migliore contro-narrazione complessiva: [la narrazione alternativa più forte costruibile onestamente, partendo dagli stessi fatti]

Evidenze a supporto: [dati, casi, precedenti che rafforzano la contro-narrazione — o "nessuna evidenza sostanziale trovata"]

Punto di divergenza: [dove e perché la contro-narrazione si separa dalla narrazione del testo — quale fatto o passaggio interpretativo viene letto diversamente]

Classificazione: 🟢/🟡/🔴

Suggerimento: [se 🟡 o 🔴, come rafforzare la tesi complessiva. Se 🟢, omettere.]

Formato dell’output

Rispondere inline nella chat, organizzando la verifica per sezione del testo originale. Per ogni sezione:

Struttura della risposta (Fasi 1-4)

**Sezione "[titolo della sezione]"**

[Per ogni affermazione verificata, indicare:]
- Il dato/affermazione verificato
- L'esito: ✓ confermato / ⚠ impreciso / ✗ errato
- La fonte che conferma o smentisce (con citazione dalla ricerca web)
- Se ⚠ o ✗: la riscrittura suggerita del passaggio

[Alla fine della sezione, se rilevante:]
- Osservazioni sulla coerenza affermazioni-evidenze
- Osservazioni sul flusso logico

Struttura della risposta (Fase 5)

Dopo le fasi 1-4, presentare l’analisi controfattuale in una sezione dedicata, usando il formato definito in 5.4, raggruppando gli argomenti nell’ordine in cui appaiono nel testo. Chiudere la Fase 5 con il test della tesi complessiva (5.5), che va sempre presentato dopo l’analisi dei singoli argomenti.

Riscritture

Per ogni passaggio problematico (⚠ o ✗), fornire sempre:

• Il testo originale da cercare (per facilitare il trova-e-sostituisci)

• Il testo sostitutivo proposto

• Una breve spiegazione del perché

Riepilogo finale

Chiudere con un riepilogo sintetico in due parti:

Solidità fattuale:

• Numero di affermazioni verificate

• Quante confermate, quante imprecise, quante errate

• I 2-3 problemi più significativi

Robustezza controfattuale:

• Numero di argomenti portanti analizzati

• Quanti 🟢, quanti 🟡, quanti 🔴

• I 1-2 punti di maggiore vulnerabilità (se presenti)

Tesi complessiva:

• Classificazione 🟢/🟡/🔴 del test della tesi complessiva (5.5)

• Se 🟡 o 🔴: sintesi della contro-narrazione e indicazione su come rafforzare il testo

• Giudizio finale: il testo regge a un tentativo onesto di costruire sia la tesi opposta sui singoli argomenti sia una narrazione alternativa complessiva?

Regole operative

1. Verificare TUTTO, non campionare. Ogni affermazione fattuale va controllata. Non dare per scontato che un dato sia corretto perché “suona giusto”.

2. Cercare prima, giudicare poi. Non emettere giudizi sulla correttezza basandosi sulla propria conoscenza pregressa senza prima aver cercato conferme aggiornate.

3. Distinguere tra errori di fatto e scelte argomentative. Un dato sbagliato è un errore. Una tesi discutibile ma internamente coerente è una scelta dell’autore — segnalarla come osservazione, non come errore. La Fase 5 è il luogo appropriato per mettere alla prova le scelte argomentative.

4. Non sovraccaricare di ricerche. Per ogni affermazione, partire con una ricerca mirata. Approfondire solo se il risultato è ambiguo o contraddittorio. L’obiettivo è esaustività, non ridondanza.

5. Segnalare anche ciò che manca. Se un argomento sarebbe più forte con un dato o un esempio che il testo non include, suggerirlo — ma separatamente dagli errori.

6. Rispettare la voce dell’autore. Le riscritture devono correggere il problema mantenendo tono e stile del testo originale. Non riscrivere per migliorare lo stile — solo per correggere errori o imprecisioni.

7. Raggruppare le ricerche per efficienza. Prima di lanciare le ricerche, pianificare quali query servono e in che ordine. Affermazioni correlate (es. due dati dallo stesso bilancio) possono spesso essere verificate con una sola ricerca.

8. Nella Fase 5, essere avvocato del diavolo onesto. L’obiettivo non è demolire il testo né confermarlo, ma testarne la resistenza. Se la tesi opposta non regge, dirlo con chiarezza. Se regge, dirlo con altrettanta chiarezza — anche se l’autore potrebbe non gradire.

9. Non confondere fatti e interpretazioni nella Fase 5. Un fatto verificato nelle fasi precedenti non è materia di analisi controfattuale. Solo le tesi interpretative, causali e prescrittive vengono sottoposte a stress test.

10. Distinguere resistenza puntuale e resistenza complessiva (5.5). Un testo può avere tutti gli argomenti singoli solidi ma essere vulnerabile a una contro-narrazione che ricompone gli stessi fatti in un quadro diverso. Il passo 5.5 testa esattamente questo: non “questo argomento è sbagliato?” ma “partendo dagli stessi fatti, si può raccontare una storia diversa che arrivi a una conclusione diversa?”

Lascia un commento

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

Ho attivato l’abbonamento a Claude Pro e installato un plugin per Sales. Siccome in alcuni casi non capivo cosa dovessi fare per completare il processo, ho chiesto aiuto e, in almeno tre occasioni, Claude mi ha dato suggerimenti che non corrispondevano alle opzioni disponibili sullo schermo. In un caso, Claude mi ha chiesto di scattare uno screenshot per capire cosa vedevo sullo schermo di Claude Cowork.

Dopo aver installato il plugin, mi dice che lo configura con il mio profilo. Tutti i dati sono sbagliati perché ha preso da Internet dati datati. Gli dico di controllare LinkedIn e mi risponde che non può accedervi.

Allora provo a passargli il link del mio sito.

Ore 13, torno a Todoist.

Lascia un commento

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

I casi d’uso più frequenti sono molto semplici, ma molto utili.

Ricerca e verifica

Uso moltissimo GenAI per trovare informazioni su Internet o per verificarle. Il vantaggio rispetto a una normale ricerca sul web è che il risultato è molto più ricco, facilmente raffinabile ed estensibile, e in ogni caso permette di risalire alle fonti da cui è tratto.

Per esempio, ieri volevo sapere chi fossero i principali produttori di tecnologie per stazioni di servizio e una semplice domanda ha prodotto già un primo risultato molto utile:

I principali produttori di colonnine (erogatori) per la distribuzione di carburante nelle stazioni di servizio sono sia grandi multinazionali che aziende italiane specializzate.

Leader mondiali

I colossi globali del settore dominano il mercato con tecnologie avanzate:[aochenggroup]​

• Gilbarco Veeder-Root (USA) – tra i più grandi al mondo, presente in Italia con una gamma completa di erogatori per carburanti tradizionali e alternativi[gilbarco]​

• Dover Fueling Solutions (USA) – fondata nel 1955, con oltre 50 anni di esperienza nella progettazione di erogatori[aochenggroup]​

• Tatsuno Corporation (Giappone) – leader in Asia, con forte presenza internazionale[aochenggroup]​

• Tokheim Group – storia ultracentenaria (dal 1898), riconosciuto globalmente per affidabilità e innovazione[aochenggroup]​

• Scheidt & Bachmann (Germania) – specializzato anche in sistemi di pagamento integrati per stazioni di servizio[aochenggroup]​

• Censtar Science and Technology e Hongyang Group (Cina) – produttori di grandi volumi, sempre più presenti sul mercato globale[aochenggroup]​

Aziende italiane e europee

Esistono anche diversi produttori italiani e europei di rilievo:

• PIUSI (Italia) – azienda leader nella produzione di pompe per carburante e sistemi di gestione dei rifornimenti[piusi]​

• Europump International (Milano) – progetta e produce distributori certificati secondo le norme europee ATEX e MID, con sistema qualità ISO 9001[europumpitalia]​

• Assytech (Italia) – specializzata nella progettazione e costruzione di erogatori e apparecchiature per la gestione dei rifornimenti[assytech]​

• Petrotec (Portogallo/Europa) – offre una gamma completa per installazioni retail, industriali, GPL ed elettrico; distribuita in Italia da Greenline Italy[greenlineitaly]​

• Emiliana Serbatoi – produttore italiano nel settore dei distributori industriali[directindustry]​

Chi fornisce le stazioni di servizio italiane

In Italia, le grandi compagnie petrolifere (ENI, Q8, IP, Tamoil, ecc.) scelgono tipicamente i loro fornitori di erogatori tramite gare d’appalto. I marchi più comuni nelle stazioni italiane sono Gilbarco Veeder-Root, Wayne (parte di Dover) e Tokheim. Per i distributori industriali o privati (uso flotte aziendali), sono molto diffusi i prodotti PIUSI ed Europump.

Come prima scrematura, ottenuta in pochi secondi, non è male, ovviamente. Posso, a questo punto, consultare le fonti e valutare come ampliare e precisare la ricerca.

Generazione di report

Ieri cercavo info su un’azienda. Tempo fa avrei rivolto la richiesta a uno dei siti specializzati che offrono tali servizi. Ieri ho chiesto di generare un report utilizzando tutte le fonti disponibili e ho ricevuto, in pochi secondi, anche un profilo del mercato di quell’azienda e della sua concorrenza. Ovviamente, poi ho verificato le fonti su cui era basato, ma, ancora una volta, in pochi secondi ho ricevuto molte informazioni utili e già strutturate.

Revisione testi

È dove uso più spesso GenAI. Sto finendo un libro e la uso per verificare e raffinare ciò che scrivo, cercare informazioni e verificare le fonti. Quando scrivo un post (come questo), chiedo di verificare la coerenza, la correttezza e la fluidità del testo. È un vero assistente alla scrittura, particolarmente efficace quando usato insieme a Grammarly Pro.

Produzione di materiale di supporto alla didattica

Qui è dove sto provando a fare cose meno ovvie. Ho visto cosa fanno i sistemi di GenAI per la didattica (con una ricerca :-):

Piattaforme di Correzione e Valutazione

• Gradescope (Turnitin) — Correzione assistita da AI; raggruppa le risposte simili degli studenti e usa rubriche dinamiche aggiornabili retroattivamente[turnitin]​

• ExamSoft — Valutazione e proctoring AI integrati; cattura audio/video e si collega a Canvas e Blackboard[merittrac]​

• UPDF AI Grader — Correzione automatica di saggi e PDF con feedback personalizzato e standard uniformi su larga scala[updf]​

• OnlineExamMaker — Creazione ed erogazione di esami con valutazione automatica immediata e report dettagliati per studente[it.onlineexammaker]​

• Exam.net — Prove online sicure con valutazione anonima, sintesi vocale e tempo extra personalizzabile per studente[exam]​

Piattaforme di Proctoring (Sorveglianza AI)

• Talview Instacampus — Riconosce volti, voci e tentativi di impersonificazione; usato in atenei tecnici per esami di ammissione da remoto[merittrac]​

• Inspera — Piattaforma norvegese con sistema “Smarter Proctoring” che combina AI e revisori umani; integrata con Canvas e Blackboard[merittrac]​

• Wheebox — Adatto a esami su larga scala (governativi e universitari); utilizza la tecnologia AI di Microsoft per rilevare dispositivi non autorizzati e uso del cellulare[merittrac]​

• Think Exam — Proctoring intelligente con analisi comportamentale e infrastruttura scalabile fino a 50.000 esami simultanei[thinkexam]​

Strumenti AI per la Preparazione agli Esami

• Syntea — Tutor accademico AI sviluppato dalla IU International University; risponde a domande sui contenuti del corso e valuta la preparazione tramite quiz preliminari[scriptme]​

• Algor Education — Trasforma appunti e materiali caricati in flashcard, mappe concettuali, quiz e riassunti automatici[algoreducation]​

• Google NotebookLM — Risponde a domande basandosi esclusivamente sui documenti caricati (dispense, PDF del corso), riducendo quasi del tutto le allucinazioni[universitybox]​

Come Scegliere

• Docenti/atenei che vogliono correggere più velocemente → Gradescope, ExamSoft, UPDF AI Grader

• Istituzioni che necessitano di esami a distanza sicuri → Inspera, Talview, Wheebox

• Studenti che si preparano agli esami → NotebookLM, Algor Education, Syntea

In realtà, io vorrei qualcosa di semplice per generare temi d’esame e le relative soluzioni, e quindi sto creando un meta-prompt per generare prompt specifici per ogni corso che devo tenere.

Per farlo, ho chiesto a GenAI di crearmi un repository di prompt per gestire la produzione dei temi d’esami e anche l’evoluzione dei meta-prompt che uso. Adesso voglio provare le skill di Perplexity Computer e vedere se riesco a costruire qualcosa di più semplice.

Il passo successivo è vedere come funzionano (e quanto costano…) strumenti come Gradescope per supportare la valutazione automatica.

Considerazione

In tutti questi casi mi sto accorgendo di quanto sia importante la mia verifica di quanto viene generato. Non poche volte devo correggerlo e indirizzarlo verso le info che mi servono. Il piccolo esperimento che sto facendo per generare automaticamente i temi d’esame mi sta dimostrando che non è così banale costruire una struttura di prompt capace di gestire tutte le operazioni, anche per una funzionalità tutto sommato semplice.

Ma è indubbio che sia uno strumento potente.

Se usato con la testa.

Lascia un commento

© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it

Negli ultimi mesi sto aggiornando l’insieme delle applicazioni che uso per la mia attività quotidiana. In realtà, ne provo molte, le sostituisco, poi cambio idea e torno indietro. Sono alquanto volubile, a dir la verità. Ma mi sto accorgendo che al di là di tutti i cambiamenti che periodicamente faccio, ci sono app e servizi che si stanno consolidando nella mia routine quotidiana.

In questi giorni sto usando queste app e servizi:

Perplexity Pro

È diventato per me uno strumento indispensabile per la ricerca, l’organizzazione e la strutturazione delle informazioni. Tra l’altro, esiste una versione Education che consente a docenti e studenti di ottenere la versione Pro a $6 al mese. Ha funzioni molto comode per organizzare i thread e consente di scegliere tra diversi LLM e modalità di creazione delle risposte.

Sto iniziando anche ad usarlo per produrre, per esempio, slide a partire da testi. In alcuni casi ho usato NotebookLM. Devo dire che, per questo tipo di attività, questi strumenti di GenAI mi soddisfano meno perché non basta generare la slide in sé; devo poi riallocare il testo per adattarlo ai formati standard di Keynote e, alla fine, c’è ancora molto lavoro da fare per creare slide o grafici di qualità. Devo probabilmente ancora affinare il mio workflow.

Todoist

Ho provato tantissime app per la gestione delle attività e la produttività personale. Noteplan è bellissima, ma il fatto di essere text-based la rende più complessa da usare e meno facilmente integrabile con altre app. Todoist è estremamente flessibile, ben integrata con le altre app per Mac e iPhone ed è facile da usare.

Ho provato anche altri prodotti: Asana e, soprattutto, ClickUp sono molto belli, ma più complessi e adatti all’uso aziendale. Todoist è perfetta per l’uso personale o per piccoli gruppi.

Bear

Per molto tempo ho usato solo Apple Notes, ma l’eleganza e, soprattutto, il fatto che Bear usi Markdown e un sistema di tag fantastico mi hanno convinto. È la mia app per testi brevi, note, appunti. Ed è realizzata da un’azienda di Parma! Bellissima.

Fantastical

È la migliore app per calendario su macOS e iOS, senza dubbio. E si integra perfettamente con la mia app per la gestione dei task, Todoist, e con altri feed di calendari su Internet.

Reader/Readwise

È una coppia di strumenti per me essenziali per salvare informazioni da qualunque fonte, soprattutto dal web, e poi per costruire librerie di citazioni, articoli, video e testi vari. Reader offre anche la funzionalità di lettura RSS.

Scrivener

Ho provato altre app, per esempio Ulysses, ma quando si tratta di scrivere testi complessi, come libri, sono sempre tornato a Scrivener. È un po’ complicata in alcuni passaggi, ma è unica.

Grammarly Pro

Grammarly Pro per me è indispensabile per correggere al volo, in qualunque app o browser, il testo che scrivo e per aiutarmi a riscriverlo e raffinarlo. Usa molto bene GenAI.

Buffer

Uso la versione gratuita di Buffer per gestire le pubblicazioni di post su X, Bluesky e LinkedIn. Purtroppo, per limiti di Substack, non è ancora integrato con questa piattaforma, che sta diventando per me il principale luogo per interagire con le persone.

Unsplash/iStock

Sono due siti (Unsplash e iStock) dove si possono trovare foto gratuite o a pagamento da usare nelle presentazioni o sul web.

Qobuz e Naim

Per la musica utilizzo Qobuz, che offre un catalogo molto ricco e, soprattutto, una qualità audio altissima. Si integra poi al meglio con il mio streamer Naim tramite Qobuz Connect. Usavo molto Roon, ma richiede un dispositivo dedicato che mi ha sempre dato problemi. Adesso dovrei sostituirlo con un Mac mini, ma visto che Qobuz, oltre a Connect, offre già di suo newsletter e info su artisti e album, Roon mi è molto meno utile di prima. Devo dire che, per recuperare informazioni su artisti e album, utilizzo moltissimo Wikipedia, ProgArchives e Allmusic.

Per accedere al mio server di musica Naim Core uso direttamente l’app Naim. La possibilità di integrare in un’unica vista la musica proveniente da diverse fonti è l’unico vantaggio di Roon, ma per quel che mi serve, Qobuz + app Naim vanno più che bene.

draw.io

Ho scoperto da poco questa applicazione e ho visto che per me è più che sufficiente per realizzare tutti i grafici e i diagrammi che mi servono, inclusi quelli UML.

Apple

L’ecosistema Apple offre una serie di vantaggi indiscutibili per l’integrazione e la fluidità dell’interazione. Per cui, anche se esistono app che, individualmente, sono migliori (penso, per esempio, a Spark per la mail), alla fine uso regolarmente Mail, Notes (per disegnare, specialmente durante meeting o lezioni, o per conservare informazioni varie), Photos, Books, Safari, Passwords (che fa tutto quello che facevo prima con 1Password e Authenticator). Uso Keynote per le mie presentazioni ed è un’altra vita. Quando serve, uso Pages e Numbers. Sto scoprendo Journal per il journaling.

Numi

Numi è una bellissima calcolatrice per Mac, Windows e Linux. Fantastica.

Raycast

Sono sempre stato in dubbio su quale bar di comandi usare su macOS. Per un po’ ho usato solo Spotlight, ma non fa tutto quello che serve. Poi ho provato Alfred. Alla fine sto usando Raycast.

Looks like Rain

Per il meteo ho scoperto tempo fa Looks like rain e adesso è per me indispensabile. Semplice, elegantissima, integrata con fonti dati affidabili. La uso sia su iPhone che su Mac.

Amphetamine

È utilissima per congelare lo schermo ed evitare che vada in standby mentre sto facendo presentazioni o lezioni. Si scarica dall’App Store.

Clean My Mac

CleanMyMac è per me utilissima per gestire il Mac. L’ho da molti anni ormai. Nel tempo, ha aggiunto molte nuove funzionalità.

Cheatsheet

Una semplice, straordinariamente utile app che uso per conservare informazioni varie e averle sempre a portata di mano. Imperdibile.

Google Maps

Per l’interfaccia e l’integrazione con altre app Apple, preferirei Apple Maps, ma la qualità delle informazioni e la ricchezza dei servizi di Google Maps sono superiori, almeno per ora.

Parcel

Piccola, splendida app che uso per tracciare tutte le spedizioni.

Flightradar e Flighty

Flightradar è senza dubbio ricchissima di informazioni e credo sia la più precisa. Ma Flighty ha un’interfaccia utente e una serie di feature durante il viaggio che sono assolutamente uniche.

Hookmark e link

Sto sempre più spesso sfruttando la possibilità di creare link tra documenti o informazioni. macOS offre di suo alcune funzioni di base. In più, sto usando Hookmark, uno strumento davvero potente per creare collegamenti bidirezionali.

Altre app

Ho provato molte app per gestire documenti ipertestuali, come Obsidian, Capacities e Anytype. Mi sembrano fin troppo complicate e al di là della normale routine delle persone. Alla fine, per questo tipo di prodotti, Noteplan va più che bene, ma, come dicevo, l’essere text-based spesso mi complicava la vita. Alla fine, editor come Bear, un'app come Todoist e la possibilità di creare link (Hookmark) quando dovesse servire sono per me più che sufficienti e rendono le attività molto semplici e dirette.

In ogni caso, un sito dove trovare parecchie recensioni e info è toolfinder.co (senza la “m” finale!).

Sicuramente, le cambierò ancora. Ma queste sono le app che uso regolarmente ad oggi. E voi?

Lascia un commento