C

Cognitive Computing


Cosa sono i sistemi cognitive e come funzionano?

Trasformare le grandi quantità di dati disponibili in azienda in una risorsa fondamentale per orientare le strategie aziendali: è uno dei principali compiti dei sistemi cognitivi da cui, tra l'altro, è possibile evincere la stessa definizione di cognitive computing. Le tecnologie cognitive si occupano infatti di apprendere, anche attraverso il Natural language processing, elaborare e contestualizzare le informazioni e, poi, fornire insight utili al business. Il ruolo di tecnologie di intelligenza artificiale e machine learning nel contesto dei sistemi di cognitive computing è quello di offrire indicazioni basate su correlazioni, andando ben oltre la tradizionale logica binaria del si o no. Il fine ultimo è quello di far si che le macchine ragionino sempre più come il cervello umano.

Ecco i principali articoli di riferimento:

♦ Cos’è l’intelligenza artificiale e quali sono le applicazioni attuali e future
♦ Sicurezza e tecniche di intelligenza artificiale. Perché l’AI è vulnerabile?
♦ L’AI Journey delle aziende italiane e quali sono i focus per un progetto AI
♦ Mercato Analytics 2018. Come diventare la Formula 1 delle imprese
♦ Lavoro e AI: “Più che una minaccia o un’opportunità, l’intelligenza
♦ Big Data: Fast & Smart i trend evolutivi
♦ Cos’è big data analytics? Ecco tutto ciò che serve sapere sull’analisi dei dati

In generale, in queste pagine del sito sono pubblicate tutte le news relative ai vendor attivi in questi ambiti e vengono, inoltre, illustrati applicazioni e impieghi di tecnologie di cognitive computing nelle aziende.


FAQ: Cognitive Computing

Il Cognitive Computing si riferisce a piattaforme tecnologiche in grado di apprendere autonomamente (Machine Learning), ragionare (Reasoning), comprendere, elaborare e utilizzare il linguaggio naturale dell'uomo, comprese le capacità visive e dialettiche (NLP - Natural Language Processing). Queste tecnologie si occupano di apprendere, elaborare e contestualizzare le informazioni per fornire insight utili al business. L'obiettivo principale è trasformare le grandi quantità di dati disponibili in azienda in risorse fondamentali per orientare le strategie aziendali, facendo sì che le macchine ragionino sempre più come il cervello umano.

Mentre l'Intelligenza Artificiale è la disciplina che racchiude le teorie e le tecniche pratiche per lo sviluppo di algoritmi che consentono alle macchine di mostrare attività intelligenti in specifici domini, il Cognitive Computing rappresenta una specifica applicazione dell'AI focalizzata sull'emulazione dei processi cognitivi umani. Il Cognitive Computing utilizza tecnologie di AI come Machine Learning e Deep Learning, ma si concentra specificamente sulla capacità di processare e comprendere dati non strutturati nella loro 'forma naturale', imparando a restituire informazioni utili attraverso analisi avanzate e correlazioni. L'obiettivo non è necessariamente emulare il cervello umano, ma aumentare le capacità umane fornendo strumenti che possano elaborare enormi quantità di dati e fornire insight significativi.

Nel contesto del Cognitive Computing, il Machine Learning rappresenta una componente fondamentale che permette ai sistemi di apprendere autonomamente sulla base dell'osservazione. Il Machine Learning è una 'sotto-disciplina' dell'AI che si occupa dello studio e modellamento di algoritmi capaci di imparare dai dati, estrapolando da essi nuova conoscenza. La forza di questa tecnologia risiede proprio nella capacità di 'learn' (apprendere): i sistemi possono migliorare le proprie performance nel tempo senza essere esplicitamente riprogrammati, analizzando esempi e pattern nei dati. Il Deep Learning, forma avanzata di Machine Learning, utilizza reti neurali multilivello che consentono di incanalare i dati progressivamente, sviluppando una capacità di apprendimento paragonabile a quella umana. Questi sistemi possono apprendere in modo non assistito, adattando la rete al riconoscimento o raggiungimento dell'obiettivo desiderato.

Il Cognitive Computing offre numerose applicazioni nel business, particolarmente nel marketing e nelle vendite. Secondo uno studio di IBM e Oxford Economics, i Chief Marketing Officer e i sales leader vedono nel Cognitive Computing uno strumento per ottenere una comprensione a 360 gradi dei clienti, prevedendo le loro esigenze e migliorando la loro esperienza. Questo si traduce in un migliore ingaggio di potenziali clienti, strategie di gestione delle lead più efficaci e un customer service potenziato. Ad esempio, alcuni retailer utilizzano già tecnologie cognitive per assicurarsi che le loro strategie di storytelling raggiungano il pubblico giusto attraverso i canali preferiti, incoraggiando più visitatori a diventare clienti. Oltre al marketing, il Cognitive Computing viene applicato per trasformare dati aziendali in insight strategici, migliorare i processi decisionali e ottimizzare le operazioni in vari settori industriali.

Nel contesto del Cognitive Computing, gli esperti distinguono tra 'weak AI' (o 'narrow AI') e 'strong AI'. La 'weak AI' identifica sistemi 'deboli' e non senzienti focalizzati su task specifici e ben definiti. Un esempio è l'applicazione Siri che, pur comprendendo il linguaggio naturale, opera in un'area predefinita di argomenti e non è in grado di auto-apprendere. Questi sistemi sono programmati per eseguire compiti specifici ma non possiedono una vera comprensione o coscienza. La 'strong AI', invece, si riferisce a macchine auto-apprendenti dotate di sensi e mente che consentono applicazioni di intelligenza artificiale in modo 'general purpose' per risolvere qualsiasi tipo di problema. Un esempio di 'strong AI' è rappresentato da sistemi come Google DeepMind, che implementa algoritmi di reti neurali multilivello capaci di apprendere attraverso l'osservazione e l'esperienza, senza essere specificamente istruiti a priori.

Due fattori principali hanno abilitato lo sviluppo dell'Intelligenza Artificiale e del Cognitive Computing. Il primo è l'enorme incremento della potenza di calcolo: mentre trent'anni fa una rete neurale impiegava circa due settimane per riconoscere lo zero dall'uno, oggi questo avviene in una frazione di centesimo di secondo direttamente da uno smartphone, grazie alle GPU (graphics processing unit) che sono molto più veloci delle CPU nel processare calcoli vettoriali tipici delle reti neurali. Il secondo fattore cruciale è rappresentato dai Big Data: oggi abbiamo a disposizione una mole di dati enorme, strutturati e non strutturati, destinata a diventare pressoché infinita con il crescere di fenomeni quali il Digitale, l'IoT e le Smart Machine. Questa combinazione di potenza computazionale e accesso a un patrimonio pressoché infinito di dati ha creato le condizioni ideali per l'accelerazione dei sistemi cognitivi, specialmente verso la cosiddetta 'strong AI' basata sull'auto-apprendimento delle macchine.

Teoricamente, il Cognitive Computing si distingue dalle Smart Machine per le capacità cognitive avanzate. Mentre le Smart Machine comprendono tutti i dispositivi cosiddetti intelligenti in grado di comunicare attraverso le tecnologie Machine-to-Machine (come robot e auto a guida autonoma), il Cognitive Computing si riferisce a piattaforme tecnologiche capaci di apprendere autonomamente, ragionare, comprendere ed elaborare il linguaggio naturale umano. Tuttavia, nella pratica, il confine tra Smart Machine e Cognitive Computing è diventato sempre più sottile, poiché molti dispositivi classificabili come Smart Machine oggi integrano anche sistemi di elaborazione cognitiva che permettono loro di prendere decisioni e risolvere problemi senza intervento umano. La distinzione principale resta comunque nella capacità dei sistemi cognitivi di elaborare informazioni non strutturate, apprendere dall'esperienza e fornire insight basati su correlazioni complesse, andando oltre la tradizionale logica binaria.

Le principali sfide tecnologiche del Cognitive Computing riguardano soprattutto due aspetti fondamentali: i componenti miniaturizzati e la potenza di calcolo. L'evoluzione dei chip neuronali, necessari per avere intelligenza distribuita ma contenuta all'interno di singoli componenti, procede ancora piuttosto lentamente. Attualmente, le reti neurali per l'intelligenza artificiale sono ancora relativamente semplici, arrivando al massimo a un milione di neuroni e relative sinapsi, ben lontane dalla complessità non solo del cervello umano ma anche di quello di un topo. Sul fronte della potenza di calcolo, man mano che si scoprono tutti gli elementi funzionali del cervello, sarà necessario comprendere quale potenza di calcolo parallelo sia necessaria per realizzarne una vera simulazione (secondo alcuni studiosi, una reale simulazione potrebbe essere possibile intorno al 2030). Gli algoritmi, invece, non sembrano rappresentare una criticità particolare: continuando a farli lavorare nella logica del Deep Learning, affineranno sempre più la capacità di correlare e 'pensare'.

Il Deep Learning rappresenta una svolta fondamentale nell'evoluzione del Cognitive Computing. A differenza dei sistemi di intelligenza artificiale tradizionali, che richiedevano programmazione esplicita e istruzioni dettagliate, il Deep Learning si basa su reti neurali che consentono alle macchine di apprendere in modo più simile agli esseri umani. Questi sistemi possono imparare molto più rapidamente, anche in modo non assistito, utilizzando diversi 'strati' di reti neurali che incanalano i dati progressivamente fino ad adattarsi al riconoscimento o raggiungimento dell'obiettivo. Un esempio significativo è Google DeepMind, che implementa algoritmi di reti neurali multilivello in cui il processo decisionale avviene per scala gerarchica attraverso l'aggregazione di informazioni elementari. Questi sistemi non vengono specificamente istruiti a priori con una logica algoritmica predefinita, ma apprendono attraverso l'osservazione e l'esperienza, come dimostrato da AlphaGo (sistema costruito su DeepMind) che ha imparato a giocare osservando i giocatori e poi affinando le proprie abilità attraverso la pratica.

Il Cognitive Computing offre alle aziende numerosi vantaggi strategici. Secondo uno studio di IBM e Oxford Economics, i professionisti del marketing e delle vendite identificano due aree chiave di beneficio: da un lato, una migliore customer experience, dall'altro, un miglioramento della performance finanziaria, con particolare riferimento all'aumento dei rendimenti finanziari e alla maggiore capacità di identificare i ROI di marketing. Le tecnologie cognitive aiutano le aziende a ottenere una comprensione completa dei clienti, prevedendo le loro esigenze e migliorando la loro esperienza, il che porta a un migliore ingaggio di potenziali clienti, strategie di gestione delle lead più efficaci e un customer service potenziato. Rispetto agli analytics tradizionali, che forniscono dati da cui le aziende possono trarre approfondimenti, i sistemi cognitivi aiutano a predire più facilmente i risultati e trasformano gli insight in raccomandazioni concrete che possono avere un impatto reale sulle decisioni di business. Non sorprende che delle imprese che hanno superato le prestazioni dei competitor negli ultimi anni in termini di aumento dei ricavi e redditività, quasi un quarto abbia confermato di utilizzare già il Cognitive Computing.

L'integrazione tra Cognitive Computing e Microsoft 365 sta evolvendo rapidamente attraverso Copilot, che è diventato l'elemento centrale di un nuovo modo di lavorare. Microsoft sta introducendo un modello di intelligenza distribuita basato su Work IQ, Fabric IQ e Foundry IQ, dove Copilot, agenti AI e dati aziendali convergono per trasformare processi, decisioni e governance. Work IQ rappresenta l'intelligenza che permette a Copilot di conoscere l'utente, il suo ruolo e la sua azienda, fornendo una comprensione contestuale che consente a Copilot e agli agenti di agire in coerenza con la cultura organizzativa e i processi reali. Fabric IQ estende i modelli semantici presenti in Power BI, arricchendoli con la logica operativa dell'organizzazione, creando un linguaggio comune tra esseri umani e agenti. Microsoft ha anche introdotto App Builder, che consente di creare app in pochi minuti direttamente all'interno di Microsoft 365 Copilot, e Copilot Studio, definito come l'unico low-code agent builder che comprende l'azienda fin dall'inizio. Queste innovazioni rappresentano un cambiamento fondamentale: il software non è più solo 'sviluppato per gli utenti', ma 'sviluppato dagli utenti'.

Il modello semantico è fondamentale per rendere l'AI realmente operativa nelle aziende. La vera complessità nell'utilizzo dei dati non sta tanto nella loro integrazione, quanto nella comprensione del loro significato. Il modello semantico è l'elemento capace di collegare il dato tecnico alla sua interpretazione naturale da parte del business, rendendo esplicito il contesto del dato e abilitando la collaborazione tra persone e l'interoperabilità con agenti di AI. Senza metadati strutturati, l'AI non è in grado di produrre risultati affidabili o di operare in autonomia su processi complessi. Il modello semantico permette di superare una criticità comune alle organizzazioni: dataset generati e interpretati in modi differenti, che impediscono di scalare l'AI oltre i confini di un singolo team o progetto. Rendere il dato comprensibile e standardizzato riduce gli attriti tra le funzioni e contribuisce a costruire piattaforme capaci di evolvere nel tempo, permettendo alle piattaforme di passare da sistemi 'passivi, statici' a piattaforme 'proattive' in grado di supportare non solo la scrittura del codice o l'individuazione di errori, ma anche l'ottimizzazione automatica delle performance delle pipeline.

La transizione dalla digital economy all'AI economy pone sfide significative per le infrastrutture. Se la digital economy aveva già evidenziato l'importanza delle reti e dei data center, l'AI economy rende ancora più chiaro che senza basi solide non c'è innovazione che possa davvero scalare. La sfida è duplice: garantire potenza di calcolo e resilienza delle infrastrutture, mentre crescono i rischi legati al consumo energetico, ai cambiamenti climatici e alla sicurezza informatica. Per esprimere il pieno potenziale dell'intelligenza artificiale e trasformare radicalmente la competitività, sono necessarie infrastrutture resilienti, investimenti mirati e nuovi modelli di governance. Dietro ogni assistente virtuale, piattaforma predittiva o sistema di automazione, c'è un'infrastruttura AI che deve sostenere il peso di questa rivoluzione tecnologica destinata a trasformare economia e società.

  • human in the loop
  • intelligenza artificiale

    AI, chi controlla davvero gli algoritmi? La sfida per i CIO dello human in the loop

    13 Nov 2026

    di Patrizia Licata

    Condividi
  • AI e organizzazione del lavoro
  • il report

    Intelligenza artificiale, un dipendente su tre la considera un’alternativa al lavoro di squadra

    10 Nov 2026

    di Mattia Lanzarone

    Condividi
  • shutterstock_2757518603
  • lo studio

    Agenti intelligenti, il 55% delle aziende fatica a controllare i costi

    09 Nov 2026

    di Antonello Salerno

    Condividi
  • casi d'uso AI
  • case history

    L'AI entra nei processi: cosa insegnano i casi di Trenitalia, Generali, Grenke e CNP Assicura

    06 Nov 2026

    di Mattia Lanzarone

    Condividi
  • progetti AI
  • l'analisi

    Cloudera: l'Italia investe in AI, ma sovranità e costi frenano lo sviluppo

    05 Nov 2026

    di Arianna Leonardi

    Condividi
  • Emanuele Galvagni scacchi
  • il punto di vista

    Giuoco pIAno: da dove si comincia per mettere a terra l'AI

    03 Nov 2026

    di Emanuele Galvagni

    Condividi
  • Lenovo AI Library
  • strategie

    Lenovo amplia la AI Library: cinque applicazioni per accelerare i progetti aziendali

    30 Ott 2026

    di Antonello Salerno

    Condividi
  • Cinque pilastri, un’unica AI aziendale
  • l'analisi

    Forrester 2027: i cinque trend AI che cambiano le scelte dei CIO

    28 Ott 2026

    di Redazione ZeroUno

    Condividi
Pagina 1 di 65


  • Archivio Newsletter

  • Newsletter
    Iscriviti alla newsletter di ZeroUno

    Vuoi le news più importanti, gli approfondimenti e le interviste di ZeroUno?

    Cliccando su "ISCRIVITI ALLA NEWSLETTER", dichiaro di aver letto l' Informativa Privacy e di voler ricevere la Newsletter.

DATA CENTER HUB

Tutti
GUIDE
RICERCHE
I PROTAGONISTI
APPROFONDIMENTI
Leggi l'articolo Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
l'approfondimento
Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
Leggi l'articolo Data center: perché il digital twin sta diventando uno strumento chiave per le operation
vademecum
Data center: perché il digital twin sta diventando uno strumento chiave per le operation
Leggi l'articolo Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Alimentazione data center
Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Leggi l'articolo Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
l'analisi
Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
Leggi l'articolo Data center, gestione dell’energia e architetture critiche con Schneider Electric
l'identikit
Data center, gestione dell’energia e architetture critiche con Schneider Electric
Leggi l'articolo Data center, la region Azure in Italia di Microsoft
l'identikit
Data center, la region Azure in Italia di Microsoft
Leggi l'articolo Sviluppo dei data center, l’approccio integrato di Deerns
l'identikit
Sviluppo dei data center, l’approccio integrato di Deerns
Leggi l'articolo Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
l'identikit
Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
Leggi l'articolo Continuità elettrica per i data center: le soluzioni di Riello UPS
l'identikit
Continuità elettrica per i data center: le soluzioni di Riello UPS
Leggi l'articolo Data center, le 50 parole chiave
glossario
Data center, le 50 parole chiave
Leggi l'articolo Equans, un approccio end-to-end per i nuovi data center
l'identikit
Equans, un approccio end-to-end per i nuovi data center
Leggi l'articolo Munters, il raffreddamento che sostiene l’evoluzione dei data center
l'identikit
Munters, il raffreddamento che sostiene l’evoluzione dei data center
Leggi l'articolo Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
L'identikit
Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
Leggi l'articolo Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
l'identikit
Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
Leggi l'articolo Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
l'identikit
Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
Leggi l'articolo Data center in Italia: come cambia l’ecosistema della filiera
VADEMECUM
Data center in Italia: come cambia l’ecosistema della filiera
Leggi l'articolo La corsa all’AI fa esplodere la domanda energetica dei data center
Lo studio
La corsa all’AI fa esplodere la domanda energetica dei data center
Leggi l'articolo Dal data center all’AI factory: cosa serve sapere prima di investire
Vademecum
Dal data center all’AI factory: cosa serve sapere prima di investire
Leggi l'articolo Consumi AI data center: ABB scommette sulla corrente continua
Energy efficiency
Consumi AI data center: ABB scommette sulla corrente continua
Leggi l'articolo Data center, cresce l’appeal del mercato italiano per i capitali
L'analisi
Data center, cresce l’appeal del mercato italiano per i capitali
Leggi l'articolo Data center “lights-out”: quanto manca all’infrastruttura autonoma
vademecum
Data center “lights-out”: quanto manca all’infrastruttura autonoma
Leggi l'articolo Etichetta UE per i data center: più trasparenza sui consumi
L'approfondimento
Etichetta UE per i data center: più trasparenza sui consumi
Leggi l'articolo Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
L'intervista
Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
Leggi l'articolo Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
l'approfondimento
Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
Leggi l'articolo Data center: perché il digital twin sta diventando uno strumento chiave per le operation
vademecum
Data center: perché il digital twin sta diventando uno strumento chiave per le operation
Leggi l'articolo Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Alimentazione data center
Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Leggi l'articolo Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
l'analisi
Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
Leggi l'articolo Data center, gestione dell’energia e architetture critiche con Schneider Electric
l'identikit
Data center, gestione dell’energia e architetture critiche con Schneider Electric
Leggi l'articolo Data center, la region Azure in Italia di Microsoft
l'identikit
Data center, la region Azure in Italia di Microsoft
Leggi l'articolo Sviluppo dei data center, l’approccio integrato di Deerns
l'identikit
Sviluppo dei data center, l’approccio integrato di Deerns
Leggi l'articolo Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
l'identikit
Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
Leggi l'articolo Continuità elettrica per i data center: le soluzioni di Riello UPS
l'identikit
Continuità elettrica per i data center: le soluzioni di Riello UPS
Leggi l'articolo Data center, le 50 parole chiave
glossario
Data center, le 50 parole chiave
Leggi l'articolo Equans, un approccio end-to-end per i nuovi data center
l'identikit
Equans, un approccio end-to-end per i nuovi data center
Leggi l'articolo Munters, il raffreddamento che sostiene l’evoluzione dei data center
l'identikit
Munters, il raffreddamento che sostiene l’evoluzione dei data center
Leggi l'articolo Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
L'identikit
Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
Leggi l'articolo Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
l'identikit
Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
Leggi l'articolo Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
l'identikit
Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
Leggi l'articolo Data center in Italia: come cambia l’ecosistema della filiera
VADEMECUM
Data center in Italia: come cambia l’ecosistema della filiera
Leggi l'articolo La corsa all’AI fa esplodere la domanda energetica dei data center
Lo studio
La corsa all’AI fa esplodere la domanda energetica dei data center
Leggi l'articolo Dal data center all’AI factory: cosa serve sapere prima di investire
Vademecum
Dal data center all’AI factory: cosa serve sapere prima di investire
Leggi l'articolo Consumi AI data center: ABB scommette sulla corrente continua
Energy efficiency
Consumi AI data center: ABB scommette sulla corrente continua
Leggi l'articolo Data center, cresce l’appeal del mercato italiano per i capitali
L'analisi
Data center, cresce l’appeal del mercato italiano per i capitali
Leggi l'articolo Data center “lights-out”: quanto manca all’infrastruttura autonoma
vademecum
Data center “lights-out”: quanto manca all’infrastruttura autonoma
Leggi l'articolo Etichetta UE per i data center: più trasparenza sui consumi
L'approfondimento
Etichetta UE per i data center: più trasparenza sui consumi
Leggi l'articolo Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
L'intervista
Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
Cloud Storage
  • data-lakehouse-data-warehouse-data-lake
  • how-to

    Data Lakehouse: l’approccio che elimina i silos e rende i dati più accessibili e strategici

    19 Giu 2026

    di Annalisa Casali

    Condividi
Infrastrutture IT
  • Dell Technologies Forum Sascha Meier apertura
  • l'evento

    Dell Technologies Forum 2026: l’AI passa dalle promesse alla scalabilità ma manca il controllo

    13 Nov 2026

    di Annalisa Casali

    Condividi
Analytics
  • human in the loop
  • intelligenza artificiale

    AI, chi controlla davvero gli algoritmi? La sfida per i CIO dello human in the loop

    13 Nov 2026

    di Patrizia Licata

    Condividi