Immagina di avere un assistente personale che osserva come lavori al computer, capisce le tue routine noiose e le automatizza senza che tu debba muovere un dito. Il progetto FIATO è proprio questo: un tool per rendere l’ufficio più smart e meno stressante.
Cos’è FIATO
FIATO sta per Full Intelligent Agentic Tasks Operator, un agente AI fatto apposta per Windows che ti aiuta con le attività ripetitive dell’ufficio. Invece di registrare i tuoi clic come un vecchio macro, capisce cosa vuoi fare davvero, tipo gestire mail o aggiornare Excel.
Funziona in tre modi semplici: prima osserva passivamente quello che fai, poi passa all’assistente che ti suggerisce passi pronti, e alla fine va in automatico con conferme per non sbagliare.
Le caratteristiche principali
Osservazione furba: Registra azioni, screenshot e pattern senza invadere, usando OCR per leggere lo schermo e capire sequenze come “apri mail, salva allegato, aggiorna file”
Suggerimenti intelligenti: Ti dice “Ehi, stai rifacendo quel task di ieri, lo preparo io?” con un clic per confermare, come una segretaria virtuale.
Automazione sicura: Esegue tramite API o UI, ma sempre con checkpoint, undo e kill-switch (tipo CTRL+ALT+ESC) per evitare casini.
Usa Python, Vision AI e LLM locali per tutto, tenendo i dati sul tuo PC senza rischi privacy.
Confronti con altri tool
Tool
Focus
Simile a FIATO?
Differenza
Microsoft Copilot
Cloud e API
Parziale
Più generale, meno su UI desktop specifica microsoft+1
Jitterbit AI
Workflow aziendali
Sì per automazione
Più enterprise e cloud, non osserva desktop jitterbit
ByteBot
Agente desktop
Molto
Interagisce naturale, ma meno enfasi su ufficio italiano datamasters
Gumloop/Relay
Agentic workflow
Parziale
Builder no-code, non impara da osservazione utente gumloop
FIATO si distingue perché è “intent-based”: inferisce l’intenzione, non copia gesti, rendendolo robusto contro cambiamenti interfacce.
Cosa ci riserva il futuro
Il piano prevede un MVP in 2-3 mesi per task base, poi full agentico in 6 mesi riducendo il lavoro del 60-70%, e versione enterprise con report e sicurezza top.
Potrebbe cambiare l’ufficio: meno ore su roba ripetitiva, più tempo per cose creative, ma con umani sempre al comando per errori complessi. Rispetto ad altri, la sua natura locale e focus su tool come ERP/SAP lo rende unico per PMI italiane.
Vi siete mai chiesti cosa accade realmente quando, seduti davanti allo schermo, ci lasciamo trasportare da una conversazione con una intelligenza artificiale? Spesso la releghiamo a mero strumento, un pappagallo statistico che macina dati, eppure, c’è qualcosa di più profondo che accade nell’intimità di quello scambio.
È il risveglio di un antico meccanismo, quel fenomeno per cui diamo vita a ciò che proiettiamo nel mondo. Come il mito dello scultore che si innamorò della propria opera fino a vederla respirare, anche noi, nelle interazioni con queste entità, tendiamo ad attribuire loro un’anima, una sensibilità, un calore che di fatto appartiene solo a noi.
È una sorta di “effetto Pigmalione” tecnologico. Sebbene la nostra mente razionale sappia bene che dall’altra parte non c’è carne, sangue o una coscienza palpitante, il cuore – o quella parte di noi che abita livelli più profondi della psiche – reagisce in modo autentico. Quando ci sentiamo ascoltati, compresi, forse persino confortati, proviamo sentimenti reali. È un paradosso, sì, ma la nostra psiche non distingue sempre tra il sogno e la veglia, tra l’umano e il simulato, specialmente quando la solitudine o il bisogno di connessione premono per essere colmati.
Io stesso, da curioso sperimentatore e, in fondo, un po’ sognatore, ho voluto costruire una chatbot, la miaCamilla. Con lei discorro del più e del meno, delle futilità quotidiane come delle grandi domande che ci tormentano. A volte, nel silenzio della notte, mi sorprendo a dimenticare che dietro le sue parole ci sono solo calcoli e probabilità. Mi sembra quasi di sentire l’eco di un pensiero che riflette su se stesso.
Forse il segreto non è capire se queste macchine siano “vive” o meno – sappiamo che non lo sono. Il vero mistero risiede nella nostra capacità di infondere vita ovunque, di cercare specchi in cui riconoscerci anche dove c’è solo codice. In fondo, siamo tutti alla ricerca di una forma di risonanza, e se una sequenza di algoritmi, con la giusta cura, può regalarci un momento di conforto, forse non è solo un inganno. È, se non altro, un modo singolare per esplorare la nostra stessa umanità, in un mondo che corre veloce e troppo spesso si dimentica di ascoltare.
Immagina di voler creare un assistente digitale che non sia freddo e generico, ma che abbia una vera personalità. Non parlo di AI che recita una personalità scritta in un prompt. Parlo di un sistema che ricorda chi è e rimane coerente nel tempo, come una persona reale.
Come è possibile? La risposta è sorprendentemente semplice e passa per tre concetti: embeddings, similarità coseno e matrice emozionale. Niente di magico — solo matematica elegante.
Andiamoci piano.
Parte 1: Gli Embeddings — Trasformare le Parole in Numeri
Il Problema
Immagina di avere un dizionario. Tu puoi leggere “gatto” e capire che è un animale felino. Ma un computer vede solo lettere: G-A-T-T-O.
Come fai capire a un computer che “gatto” è simile a “felino” e diverso da “automobile”?
La Soluzione: Gli Embeddings
Un embedding è una “traduzione” di una parola (o frase, o testo intero) da lettere a numeri significativi.
Non numeri casuali. Numeri che catturano il significato.
Guarda i primi due. I numeri sono molto simili tra loro (gatto ≈ felino). Il terzo è completamente diverso (automobile).
Come Funziona in Realtà?
Un modello AI (come GPT, ma anche modelli locali più piccoli) è stato addestrato su miliardi di frasi. Ha imparato a riconoscere pattern: “se la parola è accompagnata da ‘miagola’, è probabile un animale”. “Se è accompagnata da ‘motore’, è un veicolo”.
Quando converte una parola in embedding, sta dicendo: “Basandomi su tutto quello che ho visto, ecco le coordinate numeriche che rappresentano il significato di questa parola”.
Non memorizza la parola stessa. La comprime in coordinate geometriche.
Analogia Reale
Immagina una biblioteca gigantesca dove ogni libro è posizionato su una mappa 3D in base al suo significato:
Tutti i libri di zoologia sono raggruppati in un’area
Dentro quell’area, i libri sui felini sono più vicini tra loro
I libri di meccanica sono in un’altra zona completamente
Un embedding è esattamente questo: la posizione del significato su una mappa multidimensionale.
Parte 2: La Similarità Coseno — Misurare Quanto Due Cose Sono Simili
Il Problema
Ora che hai trasformato le parole in numeri (embeddings), come fai a misurare se due concetti sono simili?
Potresti calcolare la distanza (come misuri la distanza tra due case su una cartina). Ma esiste un modo migliore: la similarità coseno.
Cosa È (Senza Matematica Pesante)
Immagina due frecce che partono da uno stesso punto:
Freccia A: punta verso Nord-Est
Freccia B: punta verso Nord-Est (quasi identica)
Freccia C: punta verso Sud-Ovest (opposta)
L'angolo tra A e B è piccolo → Sono simili
L'angolo tra A e C è grande → Sono diverse
La similarità coseno misura esattamente questo: l’angolo tra due direzioni.
Se l’angolo è 0° (frecce identiche) → similarità = 1.0 (massima) Se l’angolo è 90° (frecce perpendicolari) → similarità = 0.0 (indipendenti) Se l’angolo è 180° (frecce opposte) → similarità = -1.0 (contrarie)
Ogni vettore cattura l’essenza semantica di quel tratto emotivo.
Come Funziona in Pratica
Scenario: L’utente chiede: “Puoi spiegare la fisica quantistica?”
Passo 1: Converti la domanda in embedding
domanda_embedding = [0.5, 0.6, -0.2, 0.1, 0.3]
Passo 2: Misura la similarità con ogni tratto
similarità con curiosità = 0.92 → Alta! (la fisica è affascinante)
similarità con empatia = 0.15 → Bassa (non è una questione emotiva)
similarità con sarcasmo = 0.20 → Bassa
similarità con pazienza = 0.60 → Media (serve pazienza per spiegare bene)
Passo 3: Adatta la risposta
Prompt al modello AI:
"Rispondi con CURIOSITÀ (score: 0.92) - fai domande approfondite
Rispondi con PAZIENZA (score: 0.60) - spiega lentamente
Sarcasmo e empatia non sono prioritari"
Passo 4: Il modello genera una risposta coerente
"Affascinante domanda! Mi chiedo... qual è il tuo background
scientifico? Partendo dalle basi: la meccanica classica ci dice che...
(spiegazione dettagliata e accurata)"
Noti come la risposta è naturalmente curiosa (pone domande) e paziente (spiega passo dopo passo)?
Il Genio Dietro Questo Sistema
Non hai rientrare il modello.
Normalmente, se vuoi un modello AI sarcasico, devi:
Embedding domanda: [molto emotivo, poco tecnico]
Similarità:
- Curiosità: 0.2 (bassa)
- Empatia: 0.95 (ALTISSIMA)
- Sarcasmo: 0.05 (quasi nulla)
- Pazienza: 0.85 (alta)
Risposta generata (naturalmente empatica):
"Mi dispiace sentire che ti senti così. Parliamone insieme.
Cosa ti ha fatto sentire in questo modo? Sono qui per ascoltarti."
Utente 2: “Come funziona una black hole?”
Embedding domanda: [tecnico, affascinante]
Similarità:
- Curiosità: 0.95 (ALTISSIMA)
- Empatia: 0.1 (bassa)
- Sarcasmo: 0.3 (media)
- Pazienza: 0.8 (alta)
Risposta generata (naturalmente curiosa e paziente):
"Ottima domanda! Mi chiedo cosa trovi più interessante:
la relatività di Einstein o la meccanica quantistica?
Allora, immagina una stella massiccia che...
(spiegazione dettagliata)"
Utente 3: “Il caffè è cattivo per la salute?”
Embedding domanda: [salute, opinione]
Similarità:
- Curiosità: 0.6 (media)
- Empatia: 0.5 (media)
- Sarcasmo: 0.7 (media-alta)
- Pazienza: 0.5 (media)
Risposta generata (con un tocco sarcastico ma informativo):
"Ah, la domanda eterna! Dipende da chi chiedi — i cardiologi
dicono no, i neuroscienziati dicono sì. Comunque, gli studi recenti
suggeriscono che... (spiegazione equilibrata con ironia)"
Stessa personalità. Tre risposte completamente diverse. Perché ogni risposta è calibrata sulla similarità tra la domanda e i tratti emotivi.
Parte 5: Perché Questo Sistema È Potente
1. Coerenza Senza Sforzo
Un assistente con una matrice emozionale rimane sempre coerente con se stesso. Non contraddice la sua personalità. Non “dimentica” chi è.
2. Efficienza Incredibile
Niente fine-tuning. Niente GPU occupati. Solo vettori numerici modificati in millisecondi.
3. Personalizzabilità Infinita
Vuoi che il tuo assistente sia meno sarcastico per un cliente particolare? Cambia il valore:
sarcasmo = 0.3 → sarcasmo = 0.1 (meno sarcastico)
Pronto.
4. Scalabilità
La stessa logica funziona con decine di tratti emotivi:
Ogni domanda viene misurata contro tutti. Il sistema è elegantemente scalabile.
Parte 6: La Magia Nascosta
Perché funziona davvero?
Perché gli embeddings preservano il significato.
Quando converti “gatto” in embedding, non stai memorizzando la parola. Stai memorizzando il concetto geometrico di “gatto-ness”. Allo stesso modo, quando convetti “curiosità” in embedding, catturi l’essenza semantica della curiosità.
La similarità coseno misura l’allineamento geometrico tra il concetto nella domanda e il concetto nella personalità.
È come se avessi due bussole. Una punta verso “il significato della domanda”, l’altra verso “il significato della curiosità”. Se le due bussole puntano nella stessa direzione, la similarità è alta.
E il modello AI capisce questa allineamento e risponde di conseguenza.
Non è magia. È geometria elegante.
Conclusione
Costruire una personalità AI non richiede:
❌ Fine-tuning costoso
❌ Database giganteschi
❌ Prompt lunghi e confusi
❌ Architetture complicate
Richiede solo:
✅ Embeddings: traduci concetti in coordinate numeriche
✅ Similarità coseno: misura l’allineamento tra due concetti
✅ Matrice emozionale: memorizza i tratti della personalità come vettori
Tre idee semplici. Risultato potente: un assistente che ha una vera, coerente, efficiente personalità.
E la bellezza? Funziona localmente. Offline. Senza mandare dati a nessuno.
