Quando si parla di intelligenza artificiale, tutti pensano subito ai grandi modelli come ChatGPT. Colossi capaci di rispondere a quasi ogni domanda, ma che richiedono enormi risorse e spesso producono risposte troppo generiche.
Eppure, nel 2025, la vera rivoluzione per le aziende non arriva dai modelli più grandi, ma da quelli più piccoli e mirati: gli Small Language Models (SLM).
Gli SLM sono modelli linguistici “compatti”, progettati per imparare un numero ristretto di nozioni: manuali interni, regolamenti, procedure aziendali. Non vogliono conoscere il mondo intero, ma solo ciò che serve alla tua impresa. Il vantaggio? Costi ridotti fino all’80% rispetto ai grandi modelli, velocità di implementazione in pochi giorni invece di mesi, maggiore precisione perché si concentrano solo sulle tue regole senza divagazioni, più sicurezza dei dati perché possono essere installati su un server posizionato nella tua azienda o sotto il tuo completo controllo, senza rischi per informazioni sensibili.
Immagina una fabbrica con decine di manuali operativi. Se un operaio deve sapere come regolare una macchina in una condizione specifica, oggi dovrebbe sfogliare un manuale corposo. Con uno SLM invece basta chiedere, e l’IA risponde subito indicando anche la pagina esatta del manuale. Risultati simili si ottengono in ufficio: generazione di report, checklist di sicurezza, promemoria per le scadenze. È come avere un consulente interno sempre disponibile, ma a costo ridotto e senza errori di distrazione.
Nella fase iniziale dell’IA generativa si parlava tanto di prompt engineering: l’arte di scrivere la domanda giusta per ottenere una risposta utile dal modello. Ma con gli SLM questo approccio cambia. Non basta più scrivere bene la domanda. Serve costruire il contesto giusto in cui l’IA opera. E qui entra in gioco il context engineering, l’attività che mi sta particolarmente a cuore: significa preparare i documenti in modo chiaro, aggiornato e ben strutturato, scegliere quali dati fornire all’IA e come organizzarli, creare regole, confini e priorità che guidano il modello nelle risposte. Il contesto diventa la vera benzina dell’IA. Senza un buon contesto, anche il modello più avanzato sbaglia. Con un contesto ben progettato, persino un piccolo SLM può fare miracoli.
Se il prompt engineering era un’abilità individuale, quasi un’arte, il context engineering è una strategia aziendale. Ti permette di controllare l’IA e renderla affidabile, assicura che le risposte siano coerenti con i tuoi processi interni, riduce gli errori e aumenta la fiducia di chi usa questi strumenti. In altre parole, l’IA diventa davvero utile solo quando è immersa nel contesto giusto.
Gli Small Language Models non sono la versione povera dei grandi modelli. Sono strumenti pratici, economici e precisi, perfetti per portare valore immediato alle aziende. Ma la vera chiave non è solo la tecnologia. È la capacità di dare all’IA il contesto corretto. E questa è la missione del context engineering: trasformare i dati aziendali in un ambiente dove anche un piccolo modello può diventare un alleato potente. Nel mondo dell’IA, non sempre più grande è meglio. Oggi vince chi sa costruire il contesto giusto: ed è qui che si gioca la partita del futuro.
