Uso attuale dell'AI
Debug, spiegazione di codice, documentazione, snippet, supporto su codice COBOL/web e ricerca tecnica.
Dispensa e note della sessione
Workshop AI per codice e operatività day-to-day
Sessione 1
Mercoledì 20 maggio 2026
Corso in 4 incontri
AI per programmazione
workflow agentici, automazioni interne e casi d'uso pratici
Riepilogo della sessione
Che cosa è stato affrontato
Strumenti agentici
Differenza tra chat tradizionale e strumenti che lavorano su progetto, file system, terminale e browser.
Contesto mainframe
Ambienti cliente isolati, dati sensibili, copia-incolla limitato e uso degli screenshot come input.
Demo pratica
Creazione di dati mock, web app locale, caricamento screenshot, OCR programmatico, note ed export CSV.
Chat, progetto, agente
Da assistente a strumento operativo
La differenza pratica è l'accesso al progetto e agli strumenti necessari per verificare il lavoro.
Chat tradizionale
Utile per spiegazioni, snippet, revisione di testi e ragionamento su contenuto incollato.
Agente su progetto
Utile quando il risultato deve diventare file, app, script, test o modifica verificabile.
Prima dei tool
Privacy, dati e permessi
La sessione ha richiamato alcune verifiche minime prima di usare strumenti AI con materiale di lavoro.
Condivisione dati
Controllare le impostazioni del servizio e disattivare il training sui dati quando l'opzione è disponibile.
Dati reali
Per sviluppo e demo usare dataset mock o esempi anonimizzati, non dati cliente.
Permessi dell'agente
Valutare accesso a file, browser, terminale e presenza di file sensibili come .env.
COBOL / mainframe
Il vincolo principale: portare fuori il contesto
Nel lavoro su ambienti cliente non sempre è possibile copiare codice, errori o schermate in modo diretto.
Copia-incolla limitato
Il problema non è solo scrivere codice: spesso mancano input trasferibili verso l'AI o verso strumenti propri.
Error tracking
I codici degli errori e i dati dei job possono restare bloccati dentro schermate mainframe o sessioni remote.
Screenshot come input
Gli screenshot diventano un passaggio realistico per estrarre dati tramite OCR o modelli vision.
Caso pratico
Workflow costruito durante la demo
Obiettivo: ottenere una web app locale per consultare errori mainframe, aggiungere note e riesportare i dati.
Descrizione del problema
Job notturni, errori, motivi, soluzioni e stato di lavorazione.
Dataset mock
CSV realistico generato senza dati sensibili.
Web app locale
Caricamento CSV, filtri, modifica campi, note ed export.
Screenshot mainframe
Immagine mock usata come input di test.
OCR programmatico
Estrazione dei record e parsing dei campi.
CSV finale
Dati visualizzati in UI pulita e scaricabili.
Molti tool interni piccoli possono arrivare a una prima versione funzionante in one-shot con Codex o strumenti simili.
Sviluppo senza dati sensibili
Dataset mock e schema dati
CampoUso nella demo
JobNameidentifica job o procedura
Data / ora esecuzionecolloca temporalmente l'errore
Return code / abendclassifica il problema
Motivodescrive la causa rilevata
Soluzione temporaneaazione immediata
Soluzione definitivacorrezione strutturale
Stato / autoreavanzamento e responsabilità
Codex
Impostazione del progetto e prime scelte
La demo ha usato una cartella progetto con i file di lavoro e ha definito prima le funzioni della web app.
Scelte emerse: vista tabella e schede, filtri, campi modificabili, stato di lettura, download del CSV aggiornato.
Mainframe → app locale
Problema affrontato nella demo
Chi lavora sul mainframe non sempre può copiare facilmente i codici degli errori o passarli all'AI e ai propri strumenti di tracking.
Input disponibile
Schermata mainframe o screenshot mock con lista di job, return code, orari e altri campi.
Elaborazione
Caricamento dello screenshot nella web app, OCR programmatico, parsing dei record e correzioni mirate sui caratteri problematici.
Output
Interfaccia leggibile per consultare gli errori, aggiungere note operative e scaricare un CSV aggiornato.
Risultato della demo
Web app locale per CSV e screenshot
CSV
Caricamento dati, ricerca, filtri, stato e download del file aggiornato.
Screenshot
Caricamento immagine, OCR locale/programmatico e import dei record estratti.
Note e modifiche
Campi operativi modificabili, indicatore di modifica e copia negli appunti.
Sintesi operativa
Punti da ricordare
Partire piccolo
Un tool locale con input e output chiari è un buon primo caso d'uso per strumenti agentici.
Usare dati mock
Prima si replica la forma dei dati; solo dopo si valuta come gestire dati reali, permessi e sicurezza.
Far testare all'agente
Codex può avviare server, usare browser, verificare funzioni e correggere problemi emersi nel test.
OCR e vision
Screenshot e OCR sono una strada praticabile quando l'ambiente mainframe non permette esportazioni dirette.
Sviluppi successivi
Database, dashboard, deploy controllato e diagrammi di esecuzione COBOL sono estensioni naturali del caso visto.
Trainer
Ignas Gaucys
Senior AI Engineer & Trainer
- Aiuto le compagnie ad implementare l'AI moderna nei loro prodotti e processi, e offro servizi di formazione sul tema dell'intelligenza artificiale.
- Precedentemente, per oltre 3 anni ho ricoperto il ruolo di COO in una startup, dove ho gestito i team del prodotto e guidato lo sviluppo di una piattaforma che faceva una forte leva sull'AI.
1 / 13