Non ho iniziato a studiare AI perché era di moda.
Ho iniziato perché continuavo a usare strumenti AI — Cursor, Claude, n8n — e ad un certo punto mi sono reso conto che non capivo cosa stava succedendo sotto. Li usavo come scatole nere. E usare una scatola nera senza capirla significa non poterla controllare, non poterla migliorare, non sapere quando ti sta ingannando.
Quindi mi sono iscritto al corso AI Developer di DataMasters e ho iniziato.
01Cosa sapevo già, senza saperlo
La prima sorpresa era positiva. Venire dal frontend aiuta più di quanto pensassi.
Lavori già con API, con dati asincroni, con strutture JSON. Hai già l'abitudine mentale di pensare a input e output, a trasformazioni di dati, a cosa succede quando qualcosa va storto. Questi non sono dettagli — sono la base di come funzionano i sistemi AI in produzione.
Anche l'abitudine a leggere documentazione, a debuggare senza capire subito il problema, a lavorare con librerie che non hai scritto tu — tutto questo trasferisce direttamente.
02Cosa ho dovuto imparare davvero da zero
Python. Non è difficile — specialmente se conosci già JS — ma richiede tempo per abituarsi alla sintassi, all'ecosistema, al modo in cui si strutturano i progetti. Ho dovuto rallentare e non dare nulla per scontato.
E poi i concetti. Supervised learning, embeddings, vector databases, RAG, fine-tuning — non sono cose che puoi fingere di capire. O le capisci o non puoi usarle bene. Ho dedicato più tempo di quanto mi aspettassi a costruire la base teorica prima di toccare il codice.
03Cosa mi ha sorpreso
Quanto è pratico, già da subito. Non stai studiando teoria accademica per anni prima di toccare qualcosa di reale. Dopo poche settimane stai già costruendo pipeline, connettendo modelli a dati, vedendo i risultati.
RAG, per esempio, l'ho capito costruendolo — non leggendolo. Ho preso dei documenti, li ho indicizzati in un vector store, ho scritto la pipeline di retrieval, ho visto il modello rispondere con informazioni precise invece di inventare. Quel momento vale più di dieci spiegazioni teoriche.
04Dove sono adesso
Sto ancora studiando. Non ho finito, e non penso che si finisca mai davvero in un campo che si muove così veloce. Ma ho già una direzione chiara.
E questa combinazione — design, frontend, AI — mi sembra la più interessante in cui trovarsi adesso. Non perché sia trendy, ma perché le interfacce tra utenti e sistemi AI sono ancora tutte da inventare. E qualcuno deve farlo bene.
Il blog continuerà a documentare questo percorso. Non solo concetti tecnici — anche decisioni, errori, e quello che costruisco strada facendo.