Il server side tracking nasce per risolvere proprio questo problema. In questo articolo ti spiego cos’è, perché oggi è diventato quasi indispensabile e soprattutto come l’ho implementato su un portale di comparazione offerte che gestisco: senza provider esterni, senza container intermedi e senza plugin, con il backend in Java che parla direttamente con le API di Google, Meta e TikTok.

Non è una guida teorica: dentro trovi l’architettura, gli snippet di codice, come verificare che tutto funzioni e anche gli errori che ho fatto io lungo la strada, che probabilmente sono la parte più utile di tutto l’articolo.

Cos’è il server side tracking

Nel tracciamento tradizionale, detto client side, è il browser dell’utente a inviare i dati: quando qualcuno compila un form o completa un acquisto, uno script (il pixel di Meta, il tag di Google Ads, quello di TikTok) parte dalla pagina e comunica l’evento alla piattaforma pubblicitaria.

Nel tracciamento server side è invece il tuo server a comunicare la conversione, con una chiamata diretta alle API della piattaforma. Il browser non è più l’unico anello della catena: l’evento parte da un sistema che controlli tu, nel momento in cui sai con certezza che la conversione è avvenuta.

Le piattaforme principali mettono a disposizione API dedicate:

• Meta: la Conversions API (spesso abbreviata in CAPI), esposta tramite la Graph API
• Google Ads: la Data Manager API, il nuovo punto di ingresso unificato per inviare eventi e conversioni
• TikTok: la Events API

Nel linguaggio comune si usa “CAPI” un po’ per tutte, ed è con questa nomenclatura che lo userò anche io in questo articolo.

Perché il pixel da solo non basta più

Il tracciamento lato browser ha funzionato bene per anni, ma oggi deve fare i conti con una serie di ostacoli che non dipendono da te:

• Adblock e protezioni anti tracking: bloccano gli script dei pixel prima ancora che vengano caricati.
• Safari e ITP: limitano la durata dei cookie impostati via JavaScript, quindi una conversione che arriva dopo qualche giorno rischia di non essere più collegata al click.
• Browser in-app: buona parte del traffico da Facebook e Instagram si apre nel browser interno dell’app, dove cookie come _fbp spesso non vengono nemmeno creati.
• Redirect e chiusure rapide: se l’utente lascia la pagina subito dopo il click, il pixel potrebbe non fare in tempo a partire.
• Conversioni che avvengono altrove: in un modello di affiliazione, una vendita avviene sul sito del merchant e ti viene notificata giorni dopo con un postback. Nessun pixel sulle tue pagine potrà mai vederla.

Per darti un’idea concreta: sul portale che gestisco, in una giornata campione il pixel di Meta ha registrato 14 click in uscita, mentre via server ne sono arrivati 18. Quasi un evento su quattro, lato browser, si perdeva. E ogni evento perso è un’informazione in meno con cui Meta decide a chi mostrare i tuoi annunci.

Le strade possibili: provider, GTM server side o integrazione diretta

Quando si decide di passare al server side ci sono, in pratica, tre diverse strade.

1. Provider esterni e container gestiti

Servizi come Stape ospitano per te un container di Google Tag Manager lato server. Il browser invia i dati al container, che li inoltra alle piattaforme. È la via più rapida per partire, ma ha due limiti: paghi in base al numero di richieste e aggiungi un intermediario tra il tuo sito e le piattaforme.

Io sono partito proprio da questa architettura, poi, con la crescita del traffico, il container ha superato il limite mensile del piano (oltre 500.000 richieste) e mi sono trovato davanti a una scelta: fare l’upgrade o spegnere tutto.

Alla fine ho deciso di spegnerlo, perché nel frattempo la mia integrazione diretta faceva già lo stesso lavoro anzi lo faceva meglio.

2. GTM server side in self hosting

Una seconda opzione prevede che sia tu ad ospitare il container server di Google Tag Manager su un tuo cloud, elimini il provider, ma resti con un’infrastruttura in più da mantenere e con una logica di tracciamento che vive dentro GTM, lontana dai dati veri del tuo business.

Ma soprattutto richiede la gestione e manutenzione di un VPS (Server Virtuale Privato)

3. Integrazione diretta dal backend

Questa è la strada che ho scelto: è l’applicazione stessa a inviare le conversioni alle API delle piattaforme. I vantaggi, per come la vedo io:

• Nessun costo per richiesta e nessuna dipendenza da terzi.
• Dati affidabili: la conversione parte dal sistema che sa davvero che è avvenuta (il database, il gestionale, il postback del partner).
• Conversioni ritardate e offline: puoi inviare una conversione anche giorni dopo il click, cosa impossibile per un pixel.
• Controllo totale su quali dati escono, quando e verso chi. Un punto che conta molto anche per il GDPR.

Il rovescio della medaglia è che serve sviluppo software: devi saper mettere le mani sul backend. Se il tuo sito è un CMS standard senza una parte applicativa, questa strada richiede un intervento più strutturato.

Ne parlo anche nell’articolo su cosa fa un Solution Architect: scelte come questa vanno pensate a livello di architettura, non aggiunte a pezzi.

Come funziona l’architettura

Il principio è semplice e si riassume in tre momenti.

1. All’ingresso: quando un utente arriva da un annuncio, l’URL contiene un identificativo del click (gclid per Google, fbclid per Meta, ttclid per TikTok). Il backend lo legge e lo salva in sessione, insieme a IP, user agent e cookie _fbp quando presente.
2. Durante la navigazione: ogni azione rilevante (un click verso un’offerta, un form inviato) viene registrata in un log applicativo che si porta dietro quegli identificativi.
3. Alla conversione: quando la conversione si verifica, anche giorni dopo tramite un postback del partner, il backend ritrova il log del click originale e invia l’evento alla piattaforma giusta.

Un dettaglio importante: registro anche da quale piattaforma arriva il traffico (Google, Meta, TikTok) e invio ogni conversione solo alla piattaforma che l’ha generata. Mandare tutto a tutti significa sporcare i dati di ottimizzazione.

Come implementarlo: gli snippet in Java

Gli esempi che seguono sono in Java con Spring Boot, lo stack su cui lavoro, ma la logica è identica in qualunque linguaggio. Sono volutamente semplificati: in produzione aggiungerai gestione degli errori, configurazione esterna dei token e log.

Catturare gli identificativi del click

Il primo passo è leggere i parametri all’arrivo dell’utente e conservarli. Per Meta conviene costruire subito il valore fbc, che ha un formato preciso.

String gclid  = request.getParameter("gclid");
String fbclid = request.getParameter("fbclid");
String ttclid = request.getParameter("ttclid");

if (fbclid != null && !fbclid.isBlank()) {
    // formato fbc: fb.1.<timestamp in millisecondi>.<fbclid integro>
    tracking.setFbc("fb.1." + System.currentTimeMillis() + "." + fbclid);
    tracking.setPlatform("facebook_ads");
} else if (gclid != null && !gclid.isBlank()) {
    tracking.setGclid(gclid);
    tracking.setPlatform("google_ads");
} else if (ttclid != null && !ttclid.isBlank()) {
    tracking.setTtclid(ttclid);
    tracking.setPlatform("tiktok_ads");
}

tracking.setFbp(readCookie(request, "_fbp"));   // può essere null nei browser in-app
tracking.setClientIp(resolveClientIp(request)); // attenzione a proxy e CDN
tracking.setUserAgent(request.getHeader("User-Agent"));

Nota su resolveClientIp: se il tuo sito è dietro un bilanciatore o una CDN, request.getRemoteAddr() restituisce l’IP del proxy, non quello dell’utente. Devi leggere l’header corretto (per esempio X-Forwarded-For o quello specifico della tua CDN), altrimenti invii a Meta lo stesso IP per tutti.

Meta Conversions API

Per Meta ti servono l’ID del pixel e un token di accesso, che generi da Events Manager nelle impostazioni del pixel.

La chiamata è una POST verso la Graph API.

// POST https://graph.facebook.com/{versione-api}/{pixel-id}/events?access_token={token}
Map<String, Object> userData = new HashMap<>();
userData.put("client_ip_address", click.getClientIp());
userData.put("client_user_agent", click.getUserAgent());
userData.put("fbc", click.getFbc());                      // non va hashato
if (click.getFbp() != null) userData.put("fbp", click.getFbp());
userData.put("external_id", List.of(sha256(click.getSessionId())));

Map<String, Object> event = new HashMap<>();
event.put("event_name", "Purchase");
event.put("event_time", click.getConversionEpochSeconds());
event.put("event_id", conversion.getTransactionId());     // chiave di deduplicazione
event.put("action_source", "website");
event.put("event_source_url", click.getLandingUrl());
event.put("user_data", userData);
event.put("custom_data", Map.of("currency", "EUR", "value", conversion.getValue()));

Map<String, Object> body = Map.of("data", List.of(event));

Potrai vedere gli eventi server direttamente nella sezione Events Manager di Facebook ADS

Tre regole da non dimenticare:

• Deduplicazione: se invii lo stesso evento sia dal pixel sia dal server, Meta lo conta una volta sola solo se event_name e event_id coincidono. L’ID deve essere generato una volta e condiviso tra browser e server, non creato due volte in modo casuale.
• Dati personali hashati: email, telefono, nome e simili vanno normalizzati (minuscolo, senza spazi) e passati in SHA-256. fbc, fbp, IP e user agent invece vanno in chiaro.
• Versione della Graph API: usa una versione supportata e tienila aggiornata, Meta depreca periodicamente quelle vecchie.

Google Ads con la Data Manager API

Per Google ho scelto la Data Manager API, il nuovo punto di ingresso di Google per inviare conversioni ed eventi. L’autenticazione avviene con OAuth2: crei un client OAuth in Google Cloud Console, ottieni un refresh token e lo usi per generare i token di accesso.

// POST https://datamanager.googleapis.com/v1/events:ingest
{
  "destinations": [{
    "operatingAccount": { "accountType": "GOOGLE_ADS", "accountId": "ID_ACCOUNT" },
    "loginAccount":     { "accountType": "GOOGLE_ADS", "accountId": "ID_MCC" },
    "productDestinationId": "ID_AZIONE_DI_CONVERSIONE"
  }],
  "consent": { "adUserData": "CONSENT_GRANTED", "adPersonalization": "CONSENT_GRANTED" },
  "events": [{
    "adIdentifiers": { "gclid": "GCLID_SALVATO_AL_CLICK" },
    "transactionId": "ID_UNIVOCO_CONVERSIONE",
    "eventTimestamp": "2026-10-13T10:15:00+02:00",
    "eventSource": "WEB",
    "conversionValue": 25.00,
    "currency": "EUR"
  }]
}

Lato Java, la parte di autenticazione si risolve con la libreria ufficiale di Google:

UserCredentials credentials = UserCredentials.newBuilder()
        .setClientId(clientId)
        .setClientSecret(clientSecret)
        .setRefreshToken(refreshToken)
        .build();
credentials.refreshIfExpired();
String accessToken = credentials.getAccessToken().getTokenValue();
// header: Authorization: Bearer {accessToken}

Un consiglio: durante lo sviluppo aggiungi "validateOnly": true al corpo della richiesta. Google valida il payload senza registrare la conversione, così puoi fare tutte le prove che vuoi senza sporcare i dati.

[SCREENSHOT 3: Google Ads, azione di conversione alimentata via API]
Alt: “Azione di conversione Google Ads alimentata tramite Data Manager API”

TikTok Events API, in breve

Se fai campagne anche su TikTok, la logica è la stessa. La chiamata va verso https://business-api.tiktok.com/open_api/v1.3/event/track/, con il token di accesso nell’header Access-Token. Nel payload indichi l’ID del pixel, il nome dell’evento, un event_id per la deduplicazione e, nei dati utente, il ttclid salvato al click insieme a IP e user agent. Avendo già costruito la struttura per Google e Meta, aggiungere TikTok è questione di poche ore.

Monitoraggio e retry: la parte che nessuno ti racconta

Inviare un evento è facile. Sapere che è arrivato davvero, ogni giorno, è un’altra storia. Le API possono rispondere con un errore, un token può scadere, un deploy può rompere qualcosa. Se non te ne accorgi, perdi conversioni in silenzio.

Per questo ogni invio viene salvato su database con il suo stato:

@Scheduled(cron = "0 */15 * * * *")
public void retryFailedConversions() {
    List<CapiEvent> failed = capiEventRepository
            .findByStatusAndAttemptsLessThan(Status.ERROR, MAX_ATTEMPTS);
    for (CapiEvent e : failed) {
        boolean ok = dispatcher.send(e);   // Meta, Google o TikTok in base a e.getPlatform()
        e.setAttempts(e.getAttempts() + 1);
        e.setStatus(ok ? Status.SENT : Status.ERROR);
        capiEventRepository.save(e);
    }
}

Sopra a questo ho costruito una piccola dashboard interna che mi mostra, giorno per giorno, quanti click reali ci sono stati, quanti eventi sono partiti, quanti sono stati accettati e quali sono falliti, con un pulsante per rinviare manualmente quelli persi.

Questa dashboard mi ha salvato più di una volta. In un caso un aggiornamento dei template ha rotto il tracciamento lato browser: la differenza tra tag client side e server side è passata in un giorno dal 12% abituale all’85%. Il server side ha continuato a contare correttamente, e proprio quel salto mi ha fatto scattare l’allarme. Il server side non è solo più preciso: diventa anche il tuo sistema di controllo.

Come verificare che il tracciamento funzioni

Una volta in produzione, ecco i controlli che faccio sempre.

Meta: Test eventi

In Events Manager, nella scheda Test eventi, ottieni un codice di test da aggiungere temporaneamente al payload (test_event_code). Gli eventi inviati dal server compaiono in tempo reale, con l’indicazione “Server” e, se invii anche dal pixel, lo stato di deduplicazione.

Meta: qualità della corrispondenza degli eventi

Per ogni evento Meta assegna un punteggio da 0 a 10 che indica quanto bene riesce ad associarlo a un utente. Nel portale che gestisco, dopo l’arrivo dei primi acquisti via server, il punteggio dell’evento di acquisto è passato da 4,4 a 6,1 su 10, con IP, user agent, ID esterno e fbc coperti al 100%. Il punteggio non arriva più in alto perché il portale non raccoglie email o telefono: è un limite strutturale, non tecnico.

Google Ads: diagnostica e confronto con i click reali

In Google Ads, nella pagina dell’azione di conversione, trovi lo stato e la diagnostica degli invii. Ma il controllo che conta davvero è confrontare tre numeri: click reali registrati dal tuo sistema, eventi inviati, eventi riconosciuti da Google. In una giornata campione: 379 click reali, 375 eventi inviati via CAPI e circa 380 riconosciuti lato GADS, 371 quelli riconosciuti con l’invio lato client (GA4).

Come vedi i dati sono perfettamente sovrapponibili e le conversioni lato server inviate sono esattamente quelle riconosciute.

Usa le conversioni server side per il bidding

Ultimo passaggio, spesso dimenticato: se hai sia il tag client side sia l’invio server side, assicurati che le campagne ottimizzino sulle conversioni giuste. Io uso un obiettivo di conversione personalizzato che contiene solo le azioni alimentate via API, così lo Smart Bidding impara dai dati più affidabili e non conta due volte lo stesso evento.

Gli errori che ho fatto io (così non li fai tu)

Questa è la sezione che avrei voluto leggere prima di iniziare.

L’app OAuth di Google lasciata in modalità “Test”

Per settimane tutto ha funzionato, poi improvvisamente gli invii a Google hanno iniziato a fallire. Il motivo: il client OAuth in Google Cloud Console era rimasto nello stato di pubblicazione “Test”, e in quella modalità i refresh token scadono dopo 7 giorni. Soluzione: portare l’app “In produzione”. Una riga di configurazione, giorni di conversioni da recuperare.

Il fbclid troncato

Un vecchio limite su un campo del database tagliava il fbclid a pochi caratteri. Risultato: il fbc inviato dal server non coincideva con quello del browser, e Meta non riusciva né ad associare né a deduplicare gli eventi. L’identificativo del click va conservato integro, sempre.

I browser in-app di Facebook

Quasi tutto il traffico da Meta Ads arriva dal browser interno dell’app, dove il cookie _fbp spesso non esiste e alcuni fbclid non sono validi. Ho aggiunto un controllo di validità sull’identificativo e smesso di contare sul _fbp: in questi casi IP, user agent, fbc e un ID esterno fanno la differenza.

Conversioni inviate anche per i bot

Crawler e bot pubblicitari visitano le pagine con parametri di campagna nell’URL. Se non li filtri, finisci per mandare alle piattaforme eventi che non sono mai stati di un essere umano. Un controllo sul bot prima di ogni invio è obbligatorio.

Ottimizzare per l’evento sbagliato

In una prima campagna su Meta la destinazione era direttamente il link di uscita verso il partner, così l’algoritmo ottimizzava per i click e non per le vendite. Il server side ti permette di inviare l’evento di acquisto vero: usalo come obiettivo, non fermarti a quello intermedio.

Privacy, consenso e GDPR

Chiariamo subito un equivoco: il server side tracking non serve ad aggirare il consenso. Le regole su cookie e trattamento dei dati valgono anche quando i dati partono dal server.

Nella pratica questo significa:

• inviare gli eventi solo per gli utenti che hanno dato il consenso al marketing, o comunque nel rispetto della base giuridica che hai individuato;
• comunicare a Google lo stato del consenso nei campi dedicati della richiesta;
• inviare il minimo indispensabile e hashare sempre i dati personali;
• conservare un registro dei consensi lato server, per poter dimostrare cosa ha accettato l’utente e quando;
• aggiornare informativa privacy e cookie policy citando l’invio dei dati alle piattaforme.

I benefici concreti per le tue campagne

Ricapitolando, cosa ottieni con un tracciamento server side fatto bene:

• Più conversioni attribuite: recuperi gli eventi che adblock, browser e cookie ti stavano facendo perdere.
• Algoritmi che imparano meglio: Smart Bidding e l’ottimizzazione di Meta lavorano su dati più completi, con un impatto diretto sul costo per acquisizione.
• Conversioni ritardate e offline: vendite che avvengono giorni dopo, o su sistemi esterni, tornano finalmente collegate all’annuncio.
• Nessun costo ricorrente per provider e container, e una dipendenza in meno.
• Un sistema di controllo: il confronto tra client e server side ti avvisa subito quando qualcosa si rompe.
• Controllo sui dati: decidi tu cosa esce, verso chi, e con quale consenso.

Domande frequenti

Queste alcuune domande e risposte sul server side tracking per ottimizzare le campagne

Non sai da dove partire? Ti aiuto io

Implementare il server side tracking in modo diretto richiede di lavorare su più fronti insieme: backend, API delle piattaforme, configurazione di Google Ads e Meta, monitoraggio e privacy. È esattamente il tipo di progetto in cui lavoro da anni, mettendo in comunicazione sistemi diversi.

Se fai campagne su Google Ads, Meta Ads o TikTok Ads e hai il sospetto che i numeri non tornino, posso aiutarti a:

• fare un audit del tracciamento attuale e capire quante conversioni stai perdendo;
• progettare e implementare l’invio diretto delle conversioni dal tuo backend, senza provider intermedi;
• impostare monitoraggio, retry e obiettivi di conversione per il bidding;
• migrare da una soluzione basata su provider esterni a una gestita interamente da te.

Scrivimi raccontandomi come è fatto oggi il tuo sito e su quali piattaforme investi: partiamo da lì.

Conclusioni

Il pixel nel browser non è morto, ma da solo non è più sufficiente. Il server side tracking ti restituisce i dati che stai perdendo e li consegna agli algoritmi che decidono come spendere il tuo budget pubblicitario. Si può fare con un provider, con un container GTM server side oppure, come ho fatto io, con un’integrazione diretta dal backend: più impegnativa da costruire, ma senza costi ricorrenti, senza intermediari e con il pieno controllo dei dati.

Qualunque strada tu scelga, ricorda le tre cose che fanno la differenza: identificativi del click conservati integri, deduplicazione corretta e un monitoraggio che ti dica ogni giorno se gli eventi stanno arrivando davvero.

L'articolo Server Side Tracking: come ottimizzare Google Ads e Meta Ads con le Conversions API, senza provider esterni proviene da DevUp.

Bene, Sei nel posto giusto!

Mi chiamo Alessandro De Marchi, sono un Solution Architect freelance con oltre trent’anni di esperienza nello sviluppo software e nelle soluzioni digitali. Lavoro a Viterbo e collaboro con professionisti, imprese, PMI e Pubbliche Amministrazioni di tutta la provincia e del Lazio, aiutandoli a sfruttare la tecnologia come leva concreta di crescita e innovazione.

Cosa fa un consulente informatico a Viterbo

Un consulente informatico non è solo qualcuno che risolve i problemi del PC o configura la rete. Un consulente informatico qualificato analizza i processi della tua organizzazione, identifica dove la tecnologia può fare la differenza, progetta soluzioni su misura e le implementa con un approccio pratico e misurabile.

Nel contesto attuale, questo significa anche saper integrare l’intelligenza artificiale nei flussi di lavoro, costruire sistemi digitali scalabili, ottimizzare la presenza online e guidare la trasformazione digitale senza buttare via quello che già funziona.

I servizi che offro a Viterbo e provincia

Sviluppo software su misura

Progetto e sviluppo applicazioni web e sistemi IT personalizzati per le esigenze specifiche della tua attività. Niente soluzioni preconfezionate che si adattano male: ogni progetto parte dall’analisi del tuo contesto reale e produce un sistema costruito intorno a come lavori tu.

Sul piano tecnologico, i miei alleati storici sono Java e Spring Boot per la costruzione di backend solidi, scalabili e manutenibili nel tempo. Affianco a questi Python per tutto ciò che riguarda automazione, data processing e integrazione con i modelli AI, HTML e JavaScript per le interfacce web, e una solida padronanza dei linguaggi e degli strumenti orientati ai database, sia relazionali come MySQL e PostgreSQL sia non relazionali come MongoDB. Trent’anni di progetti reali significano anche saper scegliere lo strumento giusto per il contesto giusto, senza mode e senza dogmi.

Intelligenza artificiale e automazione

Integro soluzioni AI nei processi aziendali: chatbot intelligenti, agenti AI, sistemi RAG per la gestione della conoscenza interna, automazioni di workflow ripetitivi. L’AI non e più riservata alle grandi aziende: aiuto le realtà di Viterbo e provincia ad adottarla in modo concreto, con ROI misurabile.

Architetture cloud scalabili

Progetto infrastrutture cloud su AWS, Google Cloud e Azure, con attenzione ai costi, alla sicurezza e alla scalabilità. Che tu stia migrando da un server locale o costruendo qualcosa di nuovo, definisco l’architettura giusta per le tue esigenze attuali e future.

SEO e visibilita online

Ottimizzazione per i motori di ricerca, con focus su SEO locale per le attività che operano nel territorio viterbese. Posizionamento su Google, strategia editoriale, analisi della concorrenza e ottimizzazione tecnica del sito. Se i tuoi clienti cercano online quello che fai tu, devi essere trovato prima dei tuoi concorrenti.

eCommerce e siti web professionali

Realizzazione di siti web su misura e piattaforme eCommerce ottimizzate per la conversione. Utilizzo principalmente WordPress ed Elementor, con attenzione alla velocità, alla sicurezza e all’esperienza utente. Un sito ben fatto e un commerciale che lavora per te 24 ore su 24.

Performance marketing e campagne pubblicitarie

Strategia e gestione di campagne Google Ads e Meta Ads per generare lead qualificati e vendite. Non solo lancio le campagne: le monitoro, le ottimizzano nel tempo e le collego agli obiettivi di business reali.

Consulenza e supporto tecnico continuativo

Per chi ha bisogno di un riferimento tecnico stabile senza dover assumere un IT manager interno, offro pacchetti di consulenza continuativa: supporto decisionale, supervisione dei fornitori tech, revisione dei contratti e delle soluzioni adottate, aggiornamento costante sulle tecnologie emergenti.

A chi mi rivolgo

Professionisti e studi professionali

Avvocati, commercialisti, notai, medici, architetti, ingegneri: il mondo delle professioni sta vivendo una trasformazione digitale accelerata. Aiuto gli studi professionali di Viterbo e provincia a digitalizzare i processi interni, migliorare la gestione documentale, automatizzare le attivita ripetitive e presentarsi online in modo autorevole e professionale.

Piccole e medie imprese

Le PMI del viterbese hanno spesso un patrimonio di competenze e relazioni che non si riflette nella loro presenza digitale e nei loro sistemi IT. Aiuto le imprese a colmare questo gap: sistemi gestionali integrati, presenza online efficace, automazioni che fanno risparmiare tempo, soluzioni AI che riducono i costi operativi.

Imprenditori e startup

Se stai lanciando un nuovo progetto imprenditoriale, la scelta delle tecnologie e dell’architettura digitale giusta fin dall’inizio fa la differenza tra un sistema che scala e uno che si inceppa alla prima crescita. Affianco gli imprenditori nella fase di progettazione e nelle prime fasi di sviluppo, con un approccio pragmatico orientato ai risultati.

Pubblica Amministrazione

Il processo di digitalizzazione della PA italiana e in corso, spinto dal Piano Nazionale di Ripresa e Resilienza e dalle direttive AgID. Offro consulenza specializzata per enti pubblici, comuni, aziende sanitarie e altri organismi della Pubblica Amministrazione nella provincia di Viterbo: analisi dei fabbisogni digitali, progettazione di soluzioni conformi alle normative, supporto nella valutazione e nell’adozione di strumenti AI compatibili con i requisiti di sicurezza e privacy del settore pubblico. Conosco le specificita della PA: processi decisionali diversi, vincoli normativi stringenti, necessita di trasparenza e tracciabilita. Lavoro con questi vincoli, non contro di loro.

Perche scegliere un consulente informatico locale a Viterbo

Affidarsi a un consulente che conosce il territorio non e solo una questione di comodita logistica. Significa lavorare con qualcuno che capisce il tessuto economico locale, le relazioni tra le realta produttive della provincia, i fornitori e i partner gia presenti sul territorio. Significa poter fare una riunione di persona quando serve, senza dover aspettare una videochiamata con qualcuno a 500 km di distanza.

Con trent’anni di esperienza nel settore informatico e una visione aggiornata sulle tecnologie più recenti, inclusa l’intelligenza artificiale, porto a Viterbo e provincia un livello di competenza che normalmente si trova solo nelle grandi citta. Ma con il vantaggio di essere qui.

Come iniziamo a lavorare insieme

Il primo passo e sempre una conversazione. Mi racconti cosa fai, quali problemi stai cercando di risolvere, dove senti che la tecnologia potrebbe aiutarti di più. Da li costruiamo insieme un piano concreto, con obiettivi chiari e tempi realistici.

Non vendo soluzioni preconfezionate. Ogni progetto inizia dall’ascolto.

Contattami per un primo colloquio conoscitivo, senza impegno.

L'articolo Consulente Informatico a Viterbo: Alessandro De Marchi per Professionisti, PMI e Pubblica Amministrazione proviene da DevUp.

Tutti e tre, insieme, chiedono di rallentare… una scena che pochi avrebbero immaginato anche solo un anno fa.

Ma dietro ai titoli sensazionalistici c’è qualcosa di più sostanzioso: una riflessione seria, che coinvolge le menti più lucide del settore tech globale, sul futuro di una tecnologia che sta cambiando il mondo più velocemente di quanto riuscissimo a prevedere. Vale la pena capire cosa sta succedendo davvero, perché riguarda tutti noi.

Dario Amodei: “Dobbiamo rallentare la frontiera”

Dario Amodei, CEO di Anthropic, ha pubblicato a settembre 2026 un saggio intitolato “We Must Pace the Frontier“. Il tono è misurato, ma il contenuto è dirompente. Amodei scrive che l’AI ha accelerato “drasticamente più velocemente” rispetto alle previsioni, spinta dalla capacità crescente dei modelli di contribuire attivamente allo sviluppo della generazione di AI successiva. In altre parole: l’AI sta aiutando a costruire una versione di se stessa più potente, creando una spirale di accelerazione che nessuno controlla davvero.

I rischi che elenca sono concreti: perdita di controllo sui sistemi AI, grave disruzione economica su larga scala, utilizzo dell’AI per attacchi informatici sofisticati e, nel caso peggiore, per la costruzione di agenti biologici pericolosi. La sua proposta è un piano in tre passi: test di sicurezza più rigorosi prima di ogni rilascio, valutazioni indipendenti dei modelli avanzati e maggiore coordinamento tra le aziende AI a livello internazionale.

Sam Altman: “Potremmo perdere il controllo”

Sam Altman, CEO di OpenAI, ha dichiarato apertamente di concordare con Amodei: “Questo è stato il tema principale delle nostre discussioni interne nelle ultime settimane.” OpenAI ha annunciato che non procederà con la quotazione in borsa quest’anno, citando le crescenti preoccupazioni sulla sicurezza. Altman ha usato parole che raramente si sentono da un CEO della Silicon Valley: “Potremmo perdere il controllo.” Non un rischio teorico, ma una possibilità reale che lui considera parte del quadro attuale.

Elon Musk: “Dario ha ragione”

Elon Musk, che attraverso xAI è lui stesso un protagonista della corsa all’AI, ha risposto all’essay di Amodei con un post secco su X: “Dario ha ragione.” Tre parole che, venendo da Musk, hanno fatto il giro del mondo. L’uomo che ha spinto sull’acceleratore più di chiunque altro sta dicendo che forse è ora di togliere il piede.

Le voci contrarie: Zuckerberg e Jensen Huang

Non tutti condividono questa visione. Mark Zuckerberg si è distanziato nettamente dagli altri, sostenendo che il mercato debba regolamentare lo sviluppo dell’AI attraverso meccanismi di salvaguardia spontanei. Una posizione che riflette la filosofia di Meta: sviluppo open source, accesso ampio, fiducia nella competizione come regolatore naturale.

Jensen Huang, CEO di Nvidia e il più grande beneficiario economico del boom AI, ha liquidato la necessità di nuove regolamentazioni. Comprensibile dal punto di vista del business, ma difficile da sostenere di fronte ai numeri sull’impatto ambientale dei data center.

Il problema che nessuno vuole nominare: l’impatto ambientale

L’Agenzia Internazionale dell’Energia stima che i data center globali consumeranno fino a 1.000 TWh di elettricità nel 2026: il 400% in più rispetto al 2022. Per dare un riferimento concreto, l’intera domanda elettrica italiana si aggira attorno ai 320 TWh l’anno. A questo si aggiunge il consumo idrico: i data center che raffreddano i server AI usano quantità enormi di acqua in regioni già sotto stress idrico.

Greenpeace ha portato un camion con un cartellone davanti all’headquarters di Nvidia durante la conferenza GTC di marzo 2026, con un messaggio chiaro: i processori che alimentano il boom AI stanno contribuendo a surriscaldare il pianeta. Salesforce ha risposto con una proposta concreta: lobbying per obbligare tutte le aziende tech a rendicontare le emissioni generate dall’AI e a rispettare standard di efficienza energetica.

Come si dovrebbe regolamentare l’AI

Esiste un percorso credibile per rendere l’AI più sicura, più sostenibile e più utile all’uomo? Si’, ma richiede di superare la logica della corsa e abbracciare quella della responsabilità condivisa.

Sul piano della sicurezza, la proposta di Amodei è il punto di partenza più sensato: test obbligatori e indipendenti prima del rilascio di qualsiasi modello frontier, con standard definiti da organismi terzi internazionali. Non può essere l’azienda che costruisce il modello a certificarne la sicurezza: sarebbe come chiedere a un farmaceutico di approvare da solo il proprio medicinale.

Sul piano ambientale serve una regolamentazione analoga a quella che si applica ad altri settori industriali ad alto impatto: obbligo di rendicontazione delle emissioni, incentivi fiscali per chi usa energie rinnovabili nell’infrastruttura, penalizzazioni per chi non rispetta soglie di efficienza energetica. Il World Economic Forum stima che due terzi dei leader globali ritengono possibile un futuro AI a impatto netto positivo entro il 2035, ma solo se si agisce ora.

Sul piano della governance dell’uso, servono regole chiare su dove l’AI può operare senza supervisione umana: decisioni mediche, giuridiche, militari, finanziarie sistemiche. L’AI Act europeo è un primo passo, ma è già in parte superato dalla velocità di sviluppo dei modelli. Serve un meccanismo di aggiornamento continuo, non una legge pensata per durare dieci anni in un settore che cambia ogni sei mesi.

La mia riflessione: trent’anni di tecnologia mi hanno insegnato una cosa

Ho iniziato a lavorare nel settore informatico quando Internet era ancora una cosa per pochi. Ho visto arrivare Internet, il web, i motori di ricerca, i social network, gli smartphone, il cloud. Ogni volta il dibattito era lo stesso: questa tecnologia ci migliorerà la vita o ci distruggerà? La risposta, ogni volta, è stata: dipende da come la usiamo.

L’AI non fa eccezione. E’ uno strumento di potenza straordinaria, capace di accelerare la medicina, ridurre gli sprechi, democratizzare l’accesso alla conoscenza, aiutare le piccole imprese a competere con le grandi. Ma è anche uno strumento che può amplificare le disuguaglianze, concentrare il potere nelle mani di pochissimi attori globali, sottrarre lavoro senza creare alternative, consumare risorse energetiche che il pianeta non ha.

Quello che mi colpisce di questo settembre 2026 non è che Altman, Amodei e Musk abbiano paura. E’ che lo dicano apertamente. Per la prima volta, chi costruisce queste tecnologie riconosce pubblicamente che la velocità di sviluppo ha superato la capacità di comprenderne le conseguenze. Questo è, paradossalmente, un segnale positivo: significa che la conversazione sulla responsabilità è finalmente iniziata.

Come Solution Architect con trent’anni di esperienza, il mio punto di vista è pragmatico. Non sono né allarmista né ingenuo. L’AI è già nella nostra quotidianità e ci resterà. La domanda che mi faccio ogni giorno, lavorando con le aziende, è: stiamo implementando questa tecnologia per risolvere un problema reale, o solo perché è disponibile? Perché la differenza tra uno strumento utile e uno dannoso spesso non sta nella tecnologia stessa, ma nell’intenzione con cui viene adottata.

Regolamentare l’AI non significa bloccarla. Significa fare ciò che avremmo dovuto fare con molte altre tecnologie prima: decidere, come società, quali valori vogliamo che questa tecnologia serva. Prima di scoprire, a posteriori, quelli che non avremmo voluto che tradisse.

L'articolo AI fuori controllo? Cosa dicono i CEO delle aziende tech proviene da DevUp.

Nel 2026 la risposta è finalmente concreta. L’AI non è più un territorio esclusivo delle grandi corporation: i costi di implementazione sono scesi in modo significativo, le soluzioni verticali per le PMI si sono moltiplicate e i dati sul ritorno dell’investimento sono abbastanza maturi da permettere stime affidabili.

In questo articolo trovi una guida pratica sui costi reali dell’AI per una piccola o media impresa italiana, con numeri aggiornati a settembre 2026 e indicazioni su cosa aspettarsi nelle diverse fasi di adozione.

Perché i costi dell’AI sono scesi così tanto

Fino a due anni fa, implementare una soluzione AI su misura richiedeva budget da grande azienda. Oggi non è più così, per tre ragioni principali.

La prima è la democratizzazione delle API: i modelli di OpenAI, Anthropic, Google e Meta sono accessibili a costi per token molto bassi, e continuano a scendere di circa il 70-80% ogni anno a parità di prestazioni.

La seconda è la disponibilità di framework e strumenti pronti all’uso: agenti, sistemi RAG, connettori e pipeline che un anno fa richiedevano sviluppo custom oggi si configurano in settimane.

La terza è la crescita di un ecosistema di partner specializzati in Italia, capaci di accompagnare le PMI senza richiedere team interni dedicati all’AI.

Le tre fasce di investimento per le PMI

Fascia entry: da 500 a 2.000 euro al mese

In questa fascia rientrano le soluzioni AI già pronte e configurabili: chatbot su piattaforme esistenti, automazioni su strumenti come Make o n8n, assistenti AI integrati nei software gestionali già in uso. Sono soluzioni ideali per PMI che vogliono iniziare a sperimentare senza impegni importanti.

Cosa aspettarsi: risultati visibili in 4-8 settimane, principalmente su attività ripetitive come gestione email, prima risposta ai clienti, categorizzazione documenti. ROI tipico: 50-100% nel primo anno.

Fascia intermedia: da 2.000 a 8.000 euro al mese

In questa fascia si collocano i progetti più strutturati: agenti AI personalizzati per i processi aziendali specifici, sistemi RAG su documentazione proprietaria, integrazioni AI con i gestionali esistenti, automazioni di workflow complessi. È la fascia dove si concentra oggi la maggior parte dei progetti per PMI italiane.

Cosa aspettarsi: un progetto di 2-3 mesi per la fase iniziale, poi costi ricorrenti di gestione e ottimizzazione. ROI tipico: 150-300% nel primo anno, con riduzione media dei costi operativi del 25-35%.

Fascia avanzata: oltre 8.000 euro al mese

Questa fascia riguarda le PMI con esigenze specifiche: modelli AI proprietari o fine-tuned, infrastrutture on-premise per requisiti di privacy, sistemi multi-agente per processi complessi, integrazioni profonde con ERP e CRM enterprise. Spesso coinvolge un team esterno dedicato e contratti pluriennali.

Cosa aspettarsi: progettualità più lunga (6-12 mesi), ma impatto trasformativo sui processi chiave. ROI tipico: 200-400%, con benefici che si consolidano nel tempo.

I costi nascosti che nessuno ti dice

Oltre al costo del progetto o del canone mensile, esistono alcune voci che le PMI tendono a sottovalutare in fase di valutazione.

Costi API: ogni chiamata ai modelli AI ha un costo variabile in base al volume di utilizzo. Per molte applicazioni aziendali i costi sono trascurabili, ma su volumi alti (migliaia di documenti elaborati al giorno) possono diventare significativi. Vanno stimati con attenzione in fase di progetto.

Preparazione dei dati: i sistemi AI funzionano bene solo se i dati su cui operano sono strutturati e puliti. La fase di data preparation spesso richiede tempo interno e va inclusa nel budget complessivo.

Formazione del personale: anche le soluzioni più intuitive richiedono un minimo di onboarding per i team che le useranno. Non è un costo alto, ma va pianificato.

Manutenzione e aggiornamento: i modelli AI evolvono rapidamente. Una soluzione implementata oggi potrebbe richiedere aggiornamenti nell’arco di 6-12 mesi per rimanere efficiente. Verifica che il contratto con il tuo partner includa questa voce.

Come calcolare il ROI prima di iniziare

Il modo più efficace per valutare un investimento AI è partire dai processi che vuoi ottimizzare e stimare il costo attuale di quello spreco.

Esempio pratico: un commerciale che passa 2 ore al giorno a rispondere a email standard. Con un costo orario di 30 euro, sono 60 euro al giorno, 1.300 euro al mese, 15.600 euro l’anno. Un agente AI che gestisce in autonomia il 70% di quelle email costa, in fascia intermedia, 2.000-3.000 euro al mese. Il pareggio si raggiunge in 3-4 mesi, il risparmio netto nel primo anno supera i 9.000 euro.

Questo schema si replica su decine di processi aziendali: supporto clienti, qualificazione lead, gestione documentale, reporting, monitoraggio fornitori. Più processi si identificano, più il ROI complessivo cresce.

Cosa valutare prima di scegliere un partner

Scegliere il partner giusto per un progetto AI è forse la decisione più importante dell’intero percorso. Ecco i criteri da non trascurare.

Esperienza verticale: un partner che conosce il tuo settore capisce i tuoi processi senza doverti spiegare tutto da zero. Chiedi riferimenti e casi concreti nel tuo ambito.

Approccio per fasi: diffida di chi propone soluzioni onnicomprensive da subito. I migliori progetti AI partono in piccolo, validano i risultati e poi scalano.

Trasparenza sui costi variabili: assicurati che il preventivo includa una stima dei costi API e di manutenzione, non solo il costo del progetto iniziale.

Competenza tecnica e di processo: implementare l’AI richiede sia competenze tecniche (sviluppo, integrazione, architettura) sia capacità di analisi e reingegnerizzazione dei processi. Cerca un partner che abbia entrambe.

Conclusioni

Nel 2026, l’AI è accessibile anche per le PMI italiane. I costi sono scesi, le soluzioni sono più mature e i dati sul ROI sono sufficientemente solidi da supportare decisioni di investimento informate. La vera domanda non è più “possiamo permettercelo” ma “quale processo ottimizzare per primo e con quale partner farlo”. Chi inizia oggi ha ancora un vantaggio significativo rispetto alla concorrenza. Aspettare un altro anno significa perdere terreno in modo difficilmente recuperabile.

L'articolo Quanto costa davvero l’AI per una PMI nel 2026: budget, ROI e cosa aspettarsi proviene da DevUp.

In questo articolo vediamo cos’è davvero la consulenza informatica, come funziona nella pratica, quali tipologie esistono e quanto costa in Italia nel 2026. Se stai valutando se e quando avviarne una per la tua azienda, qui trovi i criteri per decidere con dati alla mano, non per sentito dire.

Cos’è la consulenza informatica (e cosa non è)

La consulenza informatica è un servizio professionale che aiuta un’azienda a prendere decisioni tecnologiche corrette: quali strumenti adottare, come integrarli, quali processi automatizzare, dove investire il budget IT e come evitare errori costosi. Non è la persona in sé (quella è il consulente informatico), ma il servizio, il processo, l’attività che viene erogata.

Questa distinzione sembra sottile ma cambia tutto nella pratica. Quando un’azienda cerca “consulenza informatica” di solito non sta cercando un curriculum: sta cercando di capire come funziona il servizio, cosa include, quanto dura, quanto costa e cosa ottiene in cambio. È una domanda sul processo, non sulla persona.

Ed è altrettanto importante capire cosa la consulenza informatica non è. Non è assistenza tecnica (quella risolve problemi che esistono già). Non è manutenzione ordinaria (quella mantiene in vita ciò che c’è). È un’attività di analisi e pianificazione che precede le scelte tecnologiche, non le esegue soltanto.

Le tipologie di consulenza informatica

Non tutte le consulenze informatiche sono uguali. Prima di cercarne una, vale la pena capire quale modalità corrisponde davvero alla tua esigenza.

Consulenza spot. Un intervento puntuale su un problema specifico: valutare un fornitore, scegliere tra due software, fare un secondo parere su un progetto che non sta andando bene. Dura da poche ore a qualche giorno. È la modalità giusta quando il problema è circoscritto e ben definito.

Consulenza a progetto. Accompagna un’iniziativa precisa dall’inizio alla fine: una migrazione cloud, l’introduzione di un ERP, lo sviluppo di un nuovo sistema. Ha un perimetro, una durata e un budget definiti in partenza.

Consulenza continuativa (retainer). Un rapporto stabile nel tempo, con un monte ore mensile dedicato alle decisioni tecnologiche correnti: valutare nuove iniziative, prevenire derive architetturali, rispondere a domande strategiche quando emergono. È la modalità più efficace per le PMI che hanno una roadmap tecnologica attiva e non vogliono affidarsi solo a interventi reattivi.

Molte aziende iniziano con una consulenza spot per risolvere un problema urgente, e scoprono poi che il valore reale sta nella continuità: prevenire i problemi costa sempre meno che risolverli.

Come funziona il processo: le 4 fasi di una consulenza informatica

Indipendentemente dalla tipologia, un percorso di consulenza informatica serio segue una struttura riconoscibile.

1. Audit e analisi della situazione attuale. Prima di proporre qualsiasi soluzione, un consulente serio fotografa lo stato dell’arte: infrastruttura esistente, software in uso, costi correnti, fornitori, criticità di sicurezza, processi manuali che potrebbero essere automatizzati. Senza questa fase, qualsiasi consiglio è un consiglio al buio.

2. Proposta e roadmap. Sulla base dell’audit, il consulente presenta uno o più scenari, con vantaggi, costi e tempi stimati per ciascuno. Una buona proposta non impone una soluzione unica: mostra le alternative e le implicazioni di ciascuna scelta.

3. Implementazione (diretta o supervisionata). A seconda dell’accordo, il consulente può implementare direttamente le soluzioni scelte, oppure supervisionare il lavoro di sviluppatori e fornitori terzi, assicurandosi che il risultato rispecchi la strategia concordata.

4. Monitoraggio e ottimizzazione. Il lavoro non finisce alla consegna. Un buon percorso di consulenza prevede una verifica dei risultati nel tempo: i costi previsti sono stati rispettati? I processi automatizzati funzionano come atteso? Ci sono nuove esigenze emerse nel frattempo?

Quando la tua azienda ha bisogno di una consulenza informatica

Alcuni segnali indicano che è il momento di attivarne una, prima che i problemi si aggravino.

I costi IT crescono ogni anno senza una spiegazione chiara. Nessuno in azienda ha una visione d’insieme di tutti i sistemi e i fornitori in uso. Stai per fare un investimento tecnologico importante (nuovo gestionale, migrazione cloud, introduzione dell’AI) e non hai le competenze interne per valutare le opzioni con obiettività. Un progetto IT precedente non ha portato i risultati attesi e non sai bene perché. Vuoi accedere agli incentivi della Transizione 5.0, ma non sai quali investimenti tecnologici sono ammissibili e come documentarli.

Se riconosci anche solo due di questi segnali, una consulenza (anche solo un primo audit) tende a ripagarsi rapidamente, semplicemente evitando le scelte sbagliate che altrimenti avresti fatto da solo.

Quanto costa una consulenza informatica in Italia nel 2026

Il costo dipende dalla tipologia scelta più che dal singolo professionista.

Consulenza spot: da 300 a 1.500 euro per un intervento puntuale (audit rapido, secondo parere, valutazione di un fornitore).

Consulenza a progetto: da 1.000 a 25.000 euro, in base alla complessità. Un audit tecnologico completo per una PMI si colloca tipicamente tra 1.500 e 4.000 euro; un progetto di migrazione o integrazione complessa può superare i 15.000 euro.

Consulenza continuativa: da 800 a 4.500 euro al mese, a seconda del monte ore e del livello di seniority richiesto.

Il criterio corretto per valutare questi numeri non è “quanto costa” ma “quanto mi costerebbe non farla”. Una scelta tecnologica sbagliata (un ERP inadatto, una migrazione cloud mal progettata, un fornitore che blocca i tuoi dati) costa quasi sempre molto più della consulenza che l’avrebbe evitata.

Consulenza informatica vs assistenza tecnica: la differenza che conta

Questa è la confusione più diffusa tra le PMI italiane. L’assistenza tecnica risolve problemi che esistono già: il server è lento, la rete va giù, un dipendente non riesce ad accedere a un file. È reattiva, opera sull’esistente, e nella maggior parte dei casi è indispensabile ma non basta.

La consulenza informatica lavora a monte: decide cosa implementare, perché e quando, per evitare che quei problemi si presentino o si ripetano. Un’azienda che ha solo assistenza tecnica, senza mai una consulenza strategica, tende ad accumulare scelte tecnologiche scoordinate nel tempo: software diversi che non comunicano, fornitori che ottimizzano ciascuno per sé, un debito tecnico che cresce silenziosamente.

Per un approfondimento su chi eroga questo servizio e su come sceglierlo, la guida su consulente informatico: chi è, cosa fa e come sceglierlo entra nel dettaglio dei profili disponibili sul mercato. Se invece la tua azienda ha bisogno di una figura che governi architetture complesse e progetti a lungo termine, l’approfondimento su quando serve un Solution Architect chiarisce quando questa figura specifica diventa necessaria.

Come misurare i risultati di una consulenza informatica

Una consulenza seria si valuta con numeri, non con sensazioni. Prima di iniziare, vale la pena concordare con il consulente alcuni indicatori misurabili: riduzione dei costi IT ricorrenti, ore di lavoro manuale risparmiate grazie all’automazione, tempo di risposta dei sistemi, numero di incidenti di sicurezza evitati, accesso effettivo a incentivi fiscali. Senza KPI concordati in anticipo, diventa impossibile capire se la consulenza ha davvero funzionato o se si è trattato solo di un buon rapporto interpersonale con il consulente.

Errori da evitare quando si avvia una consulenza informatica

Il primo errore è partire dalla soluzione invece che dal problema: se un consulente propone un prodotto specifico prima ancora di aver fatto un audit, è un segnale d’allarme. Il secondo è scegliere solo in base al prezzo più basso, ignorando l’indipendenza dai fornitori: un consulente che guadagna sulle licenze che ti fa comprare non ha un giudizio neutro. Il terzo è non definire KPI misurabili all’inizio del percorso, rendendo impossibile valutare i risultati alla fine. Il quarto è trattare la consulenza come un evento isolato invece che come un processo continuativo: la tecnologia cambia rapidamente, e le scelte fatte oggi vanno riviste periodicamente.

FAQ sulla consulenza informatica

Conclusione

La consulenza informatica non è un lusso riservato alle grandi aziende, né un costo da rimandare finché possibile. È il modo più efficiente per evitare che le decisioni tecnologiche vengano prese per inerzia, per abitudine o su pressione dell’ultimo fornitore che ha bussato alla porta. Che si tratti di un audit una tantum o di un rapporto continuativo, il criterio per valutarla resta lo stesso: quanto valore genera rispetto a quello che costerebbe non farla.

Con 30 anni di esperienza nello sviluppo software, nelle architetture cloud e nell’integrazione di soluzioni AI, DevUp offre percorsi di consulenza informatica su misura per PMI e studi professionali, dalla prima analisi fino all’implementazione.

L'articolo Consulenza Informatica: Cos’è, Come Funziona e Quanto Costa per una PMI proviene da DevUp.

Nel 2026, strumenti come Claude Code, GitHub Copilot, Cursor e altri coding agent basati su AI non sono più semplici autocomplete intelligenti. Sono veri e propri collaboratori autonomi, capaci di leggere un intero repository, comprendere il contesto architetturale e produrre codice funzionante end-to-end.

In questo articolo analizzo cosa significa concretamente questo cambiamento, quali strumenti dominano il mercato oggi, e cosa devi sapere se sei uno sviluppatore, un CTO o un decision maker tech che vuole capire dove sta andando il settore.

Cos’è il Vibe Coding e perché tutti ne parlano

Il termine “vibe coding” descrive un modo di sviluppare software in cui il programmatore descrive l’intenzione a un agente AI, che provvede a scrivere, testare e rifinire il codice. Invece di scrivere riga per riga, il developer guida il processo ad alto livello, intervenendo per validare, correggere e indirizzare l’agente.

Non si tratta di eliminare il programmatore: si tratta di spostare il suo valore aggiunto dalla scrittura sintattica alla capacità di ragionamento architetturale, alla qualità delle scelte progettuali, alla comprensione del dominio.

I dati del mercato 2026 confermano la tendenza: i principali modelli di coding agent, come Claude Code di Anthropic, sono in grado di:

• Leggere e comprendere interi repository di codice
• Eseguire refactoring su larga scala mantenendo coerenza logica
• Scrivere test automatici contestuali
• Identificare bug e proporre fix spiegando il ragionamento
• Integrare API esterne seguendo le best practice specifiche del progetto

I principali strumenti di coding AI nel 2026

Questi i principali strumenti ad oggi disponibili

Claude Code (Anthropic)

Claude Code è il coding agent di Anthropic, utilizzabile direttamente da terminale o integrato negli ambienti di sviluppo principali. Si distingue per la capacità di lavorare su repository complessi, gestire task multi-step e ragionare su architetture software articolate. Supporta il Model Context Protocol (MCP), che permette di estendere le sue capacità con strumenti esterni, database, API e sistemi aziendali.

GitHub Copilot Workspace

GitHub ha evoluto Copilot da semplice suggeritore di codice a workspace autonomo. Oggi è in grado di interpretare una issue, pianificare le modifiche necessarie e proporre un intero piano di implementazione, con preview delle modifiche prima di eseguirle.

Cursor

Cursor è un editor di codice costruito attorno all’AI, con un’interfaccia che integra nativamente la chat con il modello linguistico nel flusso di lavoro del developer. Molto apprezzato per la velocità di iterazione su codebase esistenti.

Modelli open source (Qwen, Codestral, DeepSeek)

Nella prima metà del 2026, i modelli open weight hanno raggiunto performance molto vicine ai migliori modelli proprietari su benchmark di coding. Questo apre la strada a deployment locali, fondamentali per aziende con requisiti di privacy o conformità normativa.

Cosa cambia per gli sviluppatori

Il cambiamento non è solo tecnico. Cambia la natura delle competenze richieste e il modo in cui si misura il valore di un developer.

Le competenze che crescono di valore:

• System design e architettura: saper definire la struttura corretta di un sistema è ancora competenza umana non delegabile
• Prompt engineering tecnico: la capacità di comunicare con precisione con un agente AI, fornendo contesto utile e vincoli chiari
• Code review e validazione: saper leggere, capire e validare il codice prodotto dall’agente rimane una responsabilità del developer
• Comprensione del dominio: l’AI non conosce il tuo business. Tradurre le esigenze di business in specifiche tecniche precise è ancora lavoro umano

Le competenze che si ridimensionano:

• Scrittura di boilerplate code e codice ripetitivo
• Debugging manuale di errori sintattici
• Ricerca della documentazione di API standard

Impatto sui team e sui processi aziendali

Per le aziende e i team IT, il vibe coding ha implicazioni concrete sulla produttività e sull’organizzazione del lavoro.

I dati di mercato 2026 mostrano che i team che adottano coding agent in modo strutturato riportano:

• Riduzione del 30-50% dei tempi di sviluppo su task ricorrenti
• Maggiore velocità nel prototipare nuove funzionalità
• Documentazione del codice più completa e aggiornata
• Riduzione del tempo speso su review di codice superficiali

Al tempo stesso, emergono nuove sfide:

• Governance del codice generato: chi è responsabile del codice prodotto dall’AI? Come si garantisce la qualità?
• Sicurezza: i coding agent possono introdurre vulnerabilità se non guidati con vincoli precisi
• Dipendenza da strumenti esterni: occorre valutare lock-in, costi e disponibilità dei servizi AI

Domande frequenti

Conclusioni

Il vibe coding non è una moda passeggera: è la direzione verso cui si sta muovendo l’intero settore dello sviluppo software e nel 2026, strumenti come Claude Code e i coding agent hanno raggiunto una maturità sufficiente per entrare nei processi produttivi reali, non solo nei laboratori di ricerca.

Per gli sviluppatori, significa aggiornare il proprio modo di lavorare e investire sulle competenze ad alto valore aggiunto che l’AI non può replicare, per le aziende, significa una opportunità concreta di accelerare i cicli di sviluppo e ridurre i costi operativi, a patto di introdurre una governance adeguata.

Chi inizia oggi ad adottare questi strumenti in modo strutturato avrà un vantaggio competitivo significativo nei prossimi anni, chi aspetta, rischierà di dover recuperare un ritardo difficile da colmare.

L'articolo Vibe Coding: come Claude Code e i coding agent stanno cambiando lo sviluppo software proviene da DevUp.

Mancano poche settimane. Eppure la maggior parte delle PMI italiane non ha ancora fatto nulla.

In questo articolo trovi una guida pratica: cos’è l’AI Act, cosa cambia con il Digital Omnibus approvato a giugno 2026, quali scadenze devi conoscere e le 3 cose da fare adesso senza aspettare.

Cos’è l’AI Act (in 2 minuti)

L’AI Act (Regolamento UE 2024/1689) è la prima legge al mondo che regola l’intelligenza artificiale in modo sistematico. Non vieta l’AI: stabilisce regole proporzionate al rischio che ogni sistema può generare su persone e organizzazioni.

Il principio di fondo è semplice: più un sistema AI può impattare su diritti, sicurezza o accesso a servizi essenziali, più è severo il livello di controllo richiesto.

L’AI Act si applica a chiunque sviluppi, distribuisca o utilizzi sistemi AI nell’Unione Europea, indipendentemente da dove ha sede il fornitore del software.

I 4 livelli di rischio: dove si colloca la tua azienda

Il regolamento classifica i sistemi AI in quattro categorie:

Rischio inaccettabile (vietati): sistemi di scoring sociale generalizzato da parte di governi, manipolazione subliminale, riconoscimento emotivo in contesti lavorativi o scolastici. Questi sono già vietati dal 2 febbraio 2025.

Alto rischio: sistemi che incidono su occupazione, credito, accesso a servizi pubblici, istruzione, migrazione, infrastrutture critiche. Richiedono documentazione tecnica, log, supervisione umana e valutazione di impatto.

Rischio limitato: chatbot, sistemi generativi, deepfake. Obbligo principale: la trasparenza. Il destinatario deve sapere che sta interagendo con un’AI.

Rischio minimo: filtri antispam, sistemi di raccomandazione semplici, AI nei videogiochi. Nessun obbligo specifico, ma sono incoraggiate buone pratiche.

La stragrande maggioranza delle PMI italiane che usa AI si colloca nella categoria “rischio limitato”: chatbot sul sito, assistenti per il customer care, strumenti generativi per marketing e contenuti. Per questa categoria, la scadenza critica è il 2 agosto 2026.

Le scadenze aggiornate: cosa cambia con il Digital Omnibus

A giugno 2026 il Parlamento Europeo ha approvato il Digital Omnibus, un pacchetto di semplificazione che ha modificato alcune scadenze dell’AI Act, soprattutto a favore delle PMI. Ecco il quadro aggiornato:

2 agosto 2026: entra in vigore l’articolo 50 sull’obbligo di trasparenza. Chi usa AI a contatto con il pubblico deve dichiararlo in modo chiaro e comprensibile.

2 dicembre 2026: divieto per i sistemi AI che generano materiale sessuale esplicito non consensuale.

2 dicembre 2027: obblighi completi per i sistemi ad alto rischio (slittati di 6 mesi rispetto al piano originale grazie al Digital Omnibus).

2 agosto 2028: obblighi per i sistemi AI integrati in prodotti fisici soggetti a marcatura CE (ascensori, macchinari, dispositivi medici, giocattoli).

Il Digital Omnibus ha anche semplificato la FRIA (Fundamental Rights Impact Assessment) per le organizzazioni di piccole dimensioni e la Commissione sta sviluppando template automatizzati per facilitare la documentazione richiesta.

Cosa scatta il 2 agosto: l’obbligo di trasparenza

L’articolo 50 del regolamento è chiaro: se la tua azienda utilizza un sistema AI che interagisce con persone fisiche, queste ultime devono essere informate in modo tempestivo e comprensibile prima di qualsiasi interazione.

In pratica significa:

Il chatbot sul tuo sito deve dichiarare di essere un’AI, non un operatore umano. Il sistema di risposta automatica alla email deve essere identificato come tale. I contenuti generati da AI e presentati come propri richiedono indicazione dell’origine artificiale (con alcune eccezioni per usi artistici o creativi dichiarati).

Non si tratta di inserire disclaimer nascosti nel footer. La comunicazione deve essere chiara, visibile e anticipata rispetto all’interazione.

Le sanzioni per violazione dell’articolo 50 arrivano fino al 3% del fatturato globale annuo.

Chi deve fare cosa: esempi concreti per le PMI

Ecco i casi più comuni nelle aziende italiane e cosa richiede l’AI Act per ciascuno:

Chatbot sul sito web: rischio limitato, obbligo di trasparenza dal 2 agosto. Devi aggiungere un’indicazione visibile che l’utente sta parlando con un sistema AI prima o all’inizio della conversazione.

Strumenti generativi per marketing (testi, immagini): rischio limitato. Se pubblichi contenuti generati da AI presentandoli come propri senza dichiararlo, potresti incorrere in obblighi di disclosure a seconda del contesto.

AI nelle HR: screening CV, scoring candidati: alto rischio. Richiede documentazione tecnica, log delle decisioni, supervisione umana reale e valutazione di impatto. Scadenza: dicembre 2027.

Scoring clienti o valutazione del credito: alto rischio. Stessi requisiti del punto precedente.

Raccomandazione prodotti in ecommerce: in genere rischio minimo o limitato. Se il sistema influenza decisioni rilevanti su diritti o accesso a servizi, può salire di categoria.

AI integrata in software di terze parti (CRM, ERP, suite di produttività): la responsabilità primaria è del fornitore, ma l’utilizzatore ha obblighi di trasparenza verso gli utenti finali.

Checklist: le 3 cose da fare prima del 2 agosto

1. Mappa i tuoi sistemi AI a contatto con il pubblico. Fai un inventario: chatbot, assistenti virtuali, risponditori automatici, sistemi di generazione contenuti pubblicati. Per ognuno verifica se l’utente è consapevole di interagire con un’AI.

2. Aggiorna le interfacce con un’indicazione di trasparenza. Nella maggior parte dei casi basta un messaggio chiaro all’avvio dell’interazione (“Stai parlando con un assistente AI”). Verifica che sia visibile, non sepolto nei termini di servizio.

3. Classifica gli altri sistemi AI che usi in azienda. Per quelli ad alto rischio hai più tempo (dicembre 2027), ma iniziare adesso a capire dove sei esposto ti permette di pianificare senza urgenza e a costi inferiori.

Il vantaggio di farlo adesso con un approccio strutturato

C’è una lettura della compliance AI Act che molte aziende stanno scoprendo tardi: chi si struttura adesso non sta solo evitando sanzioni, sta costruendo un vantaggio competitivo.

Le organizzazioni che hanno già classificato i propri sistemi AI, definito ruoli e responsabilità e predisposto log adeguati sono quelle che riescono a introdurre nuovi sistemi AI in modo più rapido e meno rischioso. La governance non rallenta l’innovazione: la rende sostenibile.

Con 30 anni di esperienza in architetture software e integrazioni AI, aiuto le aziende a fare questa mappatura in modo pragmatico: niente burocrazia inutile, focus su quello che serve davvero in base alla dimensione e al profilo di rischio specifico.

L'articolo AI Act 2026: cosa devono fare le aziende italiane prima di agosto proviene da DevUp.

Per molte PMI e studi professionali italiani questo salto è ancora difficile da immaginare concretamente. Il tema sembra avanzato, riservato a grandi aziende con budget importanti e team tecnici dedicati. La realtà, invece, è che oggi esistono soluzioni accessibili e già pronte che possono essere integrate in processi aziendali di qualsiasi dimensione, generando risparmi di tempo e costi misurabili fin dai primi mesi.

In questo articolo spieghiamo cosa sono esattamente gli agenti AI, come funzionano sotto il cofano, in quali scenari aziendali portano valore concreto e quando ha senso investirci. Se stai valutando se e come portare l’AI nella tua azienda o nel tuo studio, questa è la lettura giusta da cui partire.

Cosa sono gli agenti AI

Un agente AI è un sistema software basato su un modello di linguaggio di grandi dimensioni (LLM) che non si limita a rispondere a una singola domanda, ma è in grado di portare a termine un obiettivo articolato attraverso una sequenza di azioni, decisioni e interazioni con strumenti esterni.

La differenza rispetto a un chatbot classico è sostanziale. Un chatbot risponde. Un agente AI agisce.

Un agente può, per esempio:

• ricevere una richiesta in linguaggio naturale (“analizza le vendite di aprile e prepara un report per la direzione”)
• accedere autonomamente ai dati nel CRM o nel gestionale
• eseguire calcoli, confrontare periodi, identificare anomalie
• produrre un documento strutturato
• inviarlo via email ai destinatari corretti

Tutto questo senza che l’utente debba fare nulla, se non formulare la richiesta iniziale.

Gli agenti AI moderni si basano su un paradigma chiamato ReAct (Reasoning + Acting): ragionano sui dati disponibili, decidono quale azione compiere, la eseguono, osservano il risultato e ripetono il ciclo finché il compito non è completato. Questo li rende fondamentalmente diversi da qualsiasi strumento di automazione tradizionale, perché non seguono percorsi rigidi e predefiniti ma si adattano al contesto.

Come funzionano tecnicamente

Capire come funziona un agente AI a livello tecnico aiuta a prendere decisioni più consapevoli quando si valuta un’implementazione. Non serve entrare nel dettaglio del codice, ma è utile conoscere i componenti principali.

Il modello di linguaggio (LLM)

Il cuore di ogni agente AI è un Large Language Model: Claude, GPT-4o, Gemini o altri modelli equivalenti. L’LLM è il motore ragionante che interpreta le istruzioni, pianifica i passi da compiere e produce le risposte o i contenuti richiesti.

Gli strumenti (tools)

Da solo, un LLM è limitato: sa ragionare e generare testo, ma non può accedere a dati in tempo reale né eseguire azioni nel mondo esterno. Gli agenti vengono quindi dotati di strumenti (chiamati anche “tools” o “funzioni”) che permettono di:

• interrogare database e gestionali
• chiamare API esterne (CRM, ERP, piattaforme e-commerce, email…)
• leggere e scrivere file
• navigare il web
• eseguire codice

La memoria

Gli agenti più sofisticati dispongono di diversi livelli di memoria: una memoria di breve termine per il contesto della sessione corrente, e una memoria di lungo termine che permette di ricordare informazioni tra sessioni diverse, accumulando conoscenza sull’azienda, sui clienti e sui processi nel tempo.

Il loop di ragionamento

Il funzionamento reale di un agente segue un ciclo continuo:

1. riceve il compito
2. pianifica i passi necessari
3. esegue il prossimo passo utilizzando uno strumento
4. osserva il risultato
5. rivaluta il piano e continua, o si ferma se l’obiettivo è raggiunto

Questo ciclo avviene in modo autonomo, con l’eventuale possibilità di coinvolgere un operatore umano nei passaggi critici (pattern chiamato “human-in-the-loop”).

Agenti AI singoli vs sistemi multi-agente

Esiste una distinzione importante tra due architetture di implementazione:

Agente singolo: un unico agente gestisce l’intero flusso di lavoro. Adatto a compiti ben definiti e relativamente lineari, come la gestione di richieste di assistenza, la generazione di report periodici o l’analisi di documenti.

Sistema multi-agente: più agenti specializzati collaborano, ognuno con un ruolo specifico. Un agente coordinatore riceve l’obiettivo generale e lo distribuisce tra agenti subordinati che lavorano in parallelo. Questo approccio è necessario per processi complessi che richiedono competenze diverse o grandi volumi di dati.

Per la maggior parte delle PMI, un agente singolo ben configurato è già sufficiente a portare valore significativo. I sistemi multi-agente diventano rilevanti in aziende con processi più articolati o esigenze di scalabilità elevate.

Casi d’uso concreti per PMI e studi professionali

La teoria è utile, ma la vera domanda è: dove posso usare un agente AI nella mia azienda? Ecco alcuni scenari ad alto impatto già implementabili oggi.

Gestione e qualificazione dei lead

Un agente AI può monitorare i form di contatto del sito, classificare automaticamente ogni richiesta in base all’urgenza e al potenziale commerciale, arricchire il profilo del prospect con dati pubblici disponibili e inviare una risposta personalizzata nel giro di secondi. I lead caldi vengono segnalati immediatamente al commerciale. Quelli che richiedono nurturing vengono inseriti in flussi automatici.

Supporto clienti di primo livello

Uno degli usi più immediati e con ROI misurabile più velocemente. Un agente addestrato sulla documentazione, sui prodotti e sulle procedure aziendali riesce a gestire l’80-90% delle richieste ripetitive senza intervento umano: stati degli ordini, FAQ, gestione di resi e reclami semplici, aggiornamenti di stato. Il personale umano si concentra sui casi che richiedono davvero giudizio e relazione.

Automazione della reportistica

Ogni imprenditore o responsabile sa quanto tempo si perde nella raccolta e nel consolidamento di dati da sistemi diversi. Un agente può estrarre dati da CRM, gestionale e analytics, elaborarli, produrre un report in formato Word o PDF e recapitarlo via email ogni lunedì mattina, in modo completamente automatico.

Gestione documentale e knowledge base interna

Tramite sistemi RAG (Retrieval-Augmented Generation), un agente AI può essere addestrato su tutta la documentazione aziendale: contratti, procedure, manuali, email storiche. Diventa di fatto un assistente interno che risponde a qualsiasi domanda operativa in pochi secondi, riducendo drasticamente il tempo che i dipendenti perdono a cercare informazioni.

Monitoraggio e alerting intelligente

Un agente può monitorare in continuità metriche chiave del business, rilevare anomalie (un crollo delle vendite, un picco nei resi, un fornitore in ritardo) e inviare alert contestualizzati alle persone giuste, con tanto di analisi delle possibili cause e suggerimenti di azione.

Quando conviene davvero investire in un agente AI

Non ogni processo aziendale si presta all’implementazione di un agente AI. Prima di procedere vale la pena valutare alcuni criteri oggettivi.

Il processo è ripetitivo e basato su regole? Più un compito è strutturato e prevedibile, più è facile automatizzarlo con successo. Processi altamente creativi o che richiedono giudizio umano su variabili molto contestuali sono meno adatti, almeno in questa fase.

Il volume giustifica l’investimento? Se un processo occupa anche solo 2 ore al giorno di lavoro manuale, in un anno si parla di oltre 500 ore. Un agente che riduce queste ore del 70-80% ripaga l’investimento iniziale in pochi mesi.

I dati sono disponibili e accessibili? Un agente è efficace quanto i dati a cui ha accesso. Prima di implementare qualsiasi soluzione, è necessario verificare che le fonti dati rilevanti siano integrabili.

C’è un owner interno del progetto? L’implementazione di un agente AI non è un acquisto di software chiavi in mano. Richiede una fase di configurazione, test e affinamento progressivo. Serve qualcuno in azienda che si faccia carico del progetto e del miglioramento continuo.

I rischi da considerare

Un’analisi onesta non può ignorare i rischi. Gli agenti AI portano valore reale, ma vanno implementati con consapevolezza.

Allucinazioni e errori: gli LLM possono produrre informazioni errate, soprattutto su dati numerici o storici. In ambiti critici (documentazione legale, calcoli finanziari) è essenziale prevedere un controllo umano sui risultati.

Sicurezza dei dati: un agente che ha accesso a dati aziendali sensibili deve essere configurato con criteri di accesso rigorosi. La scelta del fornitore di LLM e delle modalità di trattamento dei dati (API cloud vs deployment on-premise) è una decisione strategica, non solo tecnica.

Dipendenza da fornitori: costruire processi critici attorno a un singolo fornitore di AI crea un rischio di dipendenza. Un approccio maturo prevede architetture che possano cambiare il modello sottostante senza dover riscrivere tutto.

Resistenza interna: il cambiamento più difficile non è tecnologico, ma organizzativo. Introdurre agenti AI significa ridisegnare alcuni processi e ruoli. La gestione del cambiamento è parte integrante di ogni implementazione di successo.

Come iniziare: un approccio pratico

Il consiglio più concreto per chi vuole iniziare senza disperdere risorse è questo: partite piccolo, su un processo specifico, con un obiettivo misurabile.

Identificate un processo nella vostra azienda che sia ripetitivo, ad alto volume, con input e output ben definiti. Costruite un agente AI su quel singolo processo. Misurate i risultati per 60-90 giorni. Solo dopo estendete ad altri processi.

Questo approccio limita il rischio, produce risultati verificabili rapidamente e permette di costruire competenza interna progressivamente.

Un Solution Architect con esperienza in integrazioni AI può aiutarvi a selezionare il processo giusto, scegliere l’architettura adatta e configurare il sistema senza sprechi. La fase di analisi e definizione dello scope è spesso quella più critica: sbagliare il processo target significa sprecare tempo e budget.

Conclusioni

Gli agenti AI non sono fantascienza e non sono riservati alle grandi aziende. Sono tecnologia disponibile oggi, con costi di implementazione accessibili e casi d’uso concreti che producono ROI misurabile in settimane, non anni.

Il punto non è se l’AI entrerà nei processi delle PMI italiane. Il punto è chi lo farà prima e chi aspetterà fino a quando sarà costretto a recuperare il gap competitivo.

Se hai un processo aziendale ripetitivo che ti costa tempo e risorse ogni giorno, probabilmente esiste un agente AI che può gestirlo meglio, più velocemente e a un costo inferiore. Valutarlo oggi non è più un’attività sperimentale: è una decisione strategica.

L'articolo Agenti AI per PMI: cosa sono, come funzionano e quando convengono proviene da DevUp.

MCP è uno standard aperto sviluppato da Anthropic che definisce come un modello AI può interagire con strumenti esterni: file system, database, API, CMS. In pratica, crea un “canale standardizzato” tra il modello e qualsiasi sistema esterno tu voglia collegare. Il risultato è un agente AI capace di leggere contenuti, creare bozze, aggiornare post e gestire media direttamente su WordPress, tutto via linguaggio naturale.

In questo tutorial vediamo come costruire un MCP server custom in Python che espone le API REST di WordPress come strumenti per Claude Desktop, e come usarlo per automatizzare il workflow editoriale.

Architettura MCP applicata a WordPress

Prima di scrivere una riga di codice, è utile capire come funziona MCP dal punto di vista architetturale.

Lo stack è composto da tre elementi:

• MCP Host: il client AI che esegue il modello (Claude Desktop nel nostro caso)
• MCP Server: un processo locale che espone “tool” (funzioni invocabili) e “resource” (dati leggibili)
• Sistema target: in questo caso WordPress, raggiunto tramite la sua REST API

La comunicazione tra Host e Server avviene tramite JSON-RPC 2.0 su stdio (standard input/output) o HTTP con Server-Sent Events. Claude Desktop lancia il server come processo figlio e comunica con lui via stdio: nessuna porta aperta, nessun servizio da deployare, tutto gira in locale.

Il flusso è il seguente: tu scrivi a Claude “crea una bozza sull’argomento X”, Claude decide di chiamare il tool create_post, il MCP server traduce la chiamata in una request HTTP verso la REST API di WordPress, ottiene la risposta e la restituisce a Claude che ti conferma l’operazione.

Prerequisiti

Per seguire questo tutorial ti servono:

• Python 3.11 o superiore
• Claude Desktop installato (disponibile su claude.ai)
• Un sito WordPress accessibile via HTTPS con la REST API abilitata (default)
• Le credenziali WordPress: username e una Application Password (si genera da Utenti > Profilo > Password dell’applicazione)

Installa le dipendenze Python necessarie:

pip install fastmcp httpx python-dotenv

FastMCP è il framework ufficiale Python per costruire MCP server in modo rapido. httpx gestisce le chiamate HTTP asincrone verso WordPress.

Costruire il MCP server per WordPress

Crea un file wordpress_mcp.py nella tua directory di lavoro. Ecco il codice completo del server con i tool principali:

import os
import httpx
from dotenv import load_dotenv
from fastmcp import FastMCP

load_dotenv()

WP_BASE_URL = os.getenv("WP_BASE_URL")  # es: https://tuosito.it/wp-json/wp/v2
WP_USER     = os.getenv("WP_USER")
WP_APP_PASS = os.getenv("WP_APP_PASS")

AUTH = (WP_USER, WP_APP_PASS)

mcp = FastMCP("wordpress-assistant")


@mcp.tool()
async def get_recent_posts(count: int = 5) -> list[dict]:
    """Recupera gli ultimi articoli pubblicati su WordPress."""
    async with httpx.AsyncClient() as client:
        r = await client.get(
            f"{WP_BASE_URL}/posts",
            params={"per_page": count, "status": "publish", "_fields": "id,title,link,date,status"},
            auth=AUTH
        )
        r.raise_for_status()
        return r.json()


@mcp.tool()
async def create_draft(title: str, content: str, categories: list[int] = None) -> dict:
    """Crea una nuova bozza di articolo su WordPress."""
    payload = {"title": title, "content": content, "status": "draft"}
    if categories:
        payload["categories"] = categories
    async with httpx.AsyncClient() as client:
        r = await client.post(
            f"{WP_BASE_URL}/posts",
            json=payload,
            auth=AUTH
        )
        r.raise_for_status()
        post = r.json()
        return {"id": post["id"], "title": post["title"]["rendered"], "link": post["link"]}


@mcp.tool()
async def update_post(post_id: int, title: str = None, content: str = None, status: str = None) -> dict:
    """Aggiorna titolo, contenuto o stato di un post esistente."""
    payload = {}
    if title:   payload["title"]   = title
    if content: payload["content"] = content
    if status:  payload["status"]  = status
    async with httpx.AsyncClient() as client:
        r = await client.post(
            f"{WP_BASE_URL}/posts/{post_id}",
            json=payload,
            auth=AUTH
        )
        r.raise_for_status()
        return {"id": post_id, "status": r.json().get("status")}


@mcp.tool()
async def search_posts(query: str, per_page: int = 5) -> list[dict]:
    """Cerca articoli su WordPress per keyword."""
    async with httpx.AsyncClient() as client:
        r = await client.get(
            f"{WP_BASE_URL}/posts",
            params={"search": query, "per_page": per_page, "_fields": "id,title,link,date"},
            auth=AUTH
        )
        r.raise_for_status()
        return r.json()


@mcp.tool()
async def get_categories() -> list[dict]:
    """Restituisce le categorie disponibili nel blog WordPress."""
    async with httpx.AsyncClient() as client:
        r = await client.get(
            f"{WP_BASE_URL}/categories",
            params={"per_page": 50, "_fields": "id,name,slug"},
            auth=AUTH
        )
        r.raise_for_status()
        return r.json()


if __name__ == "__main__":
    mcp.run()

Crea un file .env nella stessa directory con le tue credenziali:

WP_BASE_URL=https://tuosito.it/wp-json/wp/v2
WP_USER=il_tuo_username
WP_APP_PASS=xxxx xxxx xxxx xxxx xxxx xxxx

Nota: la Application Password di WordPress viene generata nel formato con spazi. Puoi usarla così com’è oppure rimuovere gli spazi: httpx gestisce l’autenticazione Basic correttamente in entrambi i casi.

Configurare Claude Desktop per usare il server

Claude Desktop carica i MCP server da un file di configurazione JSON. Su macOS il percorso è:

~/Library/Application Support/Claude/claude_desktop_config.json

Su Windows:

%APPDATA%\Claude\claude_desktop_config.json

Apri il file (crealo se non esiste) e aggiungi la configurazione del server:

{
  "mcpServers": {
    "wordpress": {
      "command": "python",
      "args": ["/percorso/assoluto/wordpress_mcp.py"],
      "env": {
        "WP_BASE_URL": "https://tuosito.it/wp-json/wp/v2",
        "WP_USER": "il_tuo_username",
        "WP_APP_PASS": "xxxx xxxx xxxx xxxx xxxx xxxx"
      }
    }
  }
}

In alternativa, se usi il file .env, puoi omettere la sezione env nel JSON e gestire tutto da lì. Riavvia Claude Desktop dopo aver salvato il file: vedrai comparire l’icona a forma di martello nella barra degli strumenti della chat, che indica i tool MCP disponibili.

Verifica che tutto funzioni

Prima di affidarti a Claude, testa il server in autonomia dalla riga di comando con il client di test integrato in FastMCP:

fastmcp dev wordpress_mcp.py

Questo avvia il MCP Inspector, un’interfaccia web locale che ti permette di invocare i tool manualmente, vedere le request/response JSON e fare debug senza passare per Claude Desktop. È lo strumento più utile nella fase di sviluppo.

Use case pratici con Claude

Una volta configurato il server, puoi interagire con WordPress direttamente dalla chat di Claude Desktop usando linguaggio naturale. Ecco alcuni esempi concreti:

Creare una bozza da un brief

Scrivi a Claude:

“Crea una bozza di articolo intitolata ‘Come usare i vector database per applicazioni RAG’ con un’introduzione tecnica di circa 400 parole, rivolta a sviluppatori backend.”

Claude scriverà il contenuto e chiamerà automaticamente il tool create_draft per pubblicare la bozza su WordPress. Riceverai l’ID e il link diretto all’articolo nel pannello di amministrazione.

Analizzare i contenuti esistenti

“Recupera gli ultimi 10 articoli del blog e dimmi quali trattano argomenti di AI generativa. Per ciascuno, suggerisci un articolo correlato che potrebbe aumentare il traffico organico.”

Claude invoca get_recent_posts, legge i titoli, e costruisce una strategia editoriale basata sui contenuti reali del tuo sito.

Aggiornare un post esistente

“Cerca gli articoli che parlano di ChatGPT e aggiorna quello con ID 142 aggiungendo una sezione finale che confronta le capacità con Claude 3.5.”

Claude usa search_posts per trovare il contesto, poi update_post per modificare il contenuto direttamente.

Workflow editoriale completo

Il caso d’uso più potente è costruire un workflow in una singola conversazione: Claude recupera le categorie disponibili, scrive l’articolo rispettando le linee guida editoriali che gli fornisci, assegna la categoria corretta e crea la bozza pronta per la revisione. Il tutto in 30 secondi.

Considerazioni di sicurezza

Alcune best practice prima di mettere in produzione questa configurazione:

• Usa sempre le Application Password di WordPress, mai le credenziali del profilo principale
• Crea un utente WordPress dedicato con ruolo Editor (non Administrator) specifico per le automazioni MCP
• Tieni il file .env fuori dal version control: aggiungi .env al .gitignore
• Se il tuo WordPress è accessibile pubblicamente, assicurati che la REST API richieda autenticazione per le operazioni di scrittura (comportamento default)

Estendere il server: idee per tool aggiuntivi

La struttura del server è facilmente estendibile. Ecco alcuni tool che puoi aggiungere con poche righe di codice:

• upload_media: carica immagini dalla macchina locale e le associa al post
• get_comments: recupera e analizza i commenti per moderazione automatica
• update_seo_fields: se usi Yoast o RankMath, entrambi espongono endpoint REST per modificare meta title e description
• schedule_post: imposta la data di pubblicazione di una bozza

Ogni tool è semplicemente una funzione Python decorata con @mcp.tool(): il docstring diventa la descrizione che il modello AI legge per capire quando e come usarlo. Scrivi descrizioni chiare e contestualizzate, sono fondamentali per la qualità delle chiamate automatiche.

Conclusioni

Il Model Context Protocol trasforma qualsiasi sistema dotato di API in uno strumento nativo per l’AI. Con meno di 100 righe di Python puoi dare a Claude la capacità di gestire l’intero ciclo di vita dei contenuti su WordPress: dalla ricerca, alla creazione, alla pubblicazione.

La vera potenza non è nel singolo tool, ma nella composizione: Claude può combinare più strumenti in sequenza per portare a termine task complessi che prima richiedevano ore di lavoro manuale. E con la standardizzazione MCP, lo stesso server può essere riutilizzato con qualsiasi client AI compatibile, oggi Claude Desktop, domani un agente autonomo in produzione.

Se vuoi approfondire come integrare questi workflow nella tua infrastruttura o costruire agenti AI custom per la tua azienda, sono disponibile per una consulenza.

L'articolo Model Context Protocol: come usarlo per automatizzare WordPress con l’AI proviene da DevUp.

La provincia di Viterbo ha un tessuto produttivo fatto di piccole e medie imprese, artigiani, studi professionali e aziende a conduzione familiare. Realtà spesso solide dal punto di vista operativo, ma che faticano a tenere il passo con la trasformazione digitale: non per mancanza di volontà, ma perché mancano di un riferimento tecnico di fiducia.

Questo articolo ti spiega cosa fa un consulente informatico nel contesto concreto della Tuscia, a chi serve e come scegliere quello giusto.

Il tessuto produttivo della Tuscia: le sfide digitali reali

La provincia di Viterbo conta oltre 20.000 imprese attive tra artigiani, commercianti, professionisti e PMI manifatturiere. Civita Castellana con la sua ceramica industriale, Montefiascone e il comprensorio del lago di Bolsena con l’agroalimentare e il turismo, Orte come snodo logistico, Tarquinia e Tuscania con il settore culturale e ricettivo: ogni area ha caratteristiche specifiche, ma condivide le stesse difficoltà sul fronte digitale.

Le sfide più comuni che incontro lavorando con le imprese del territorio:

• Sistemi gestionali obsoleti o non integrati tra loro
• Processi ancora manuali che potrebbero essere automatizzati
• Siti web che non generano contatti né visibilità organica
• Dipendenza da un unico fornitore IT senza contratti chiari
• Nessuna strategia di backup e disaster recovery
• Curiosità verso l’intelligenza artificiale ma nessuna guida concreta su come adottarla

Cosa fa un consulente informatico per una PMI o un artigiano a Viterbo

Il lavoro di un consulente informatico non è uguale per tutti. Per una piccola impresa o un artigiano della provincia di Viterbo, l’intervento più utile è spesso quello che ottimizza i processi esistenti prima ancora di introdurre nuova tecnologia.

In pratica significa: capire dove va il tempo delle persone, cosa si ripete ogni settimana, cosa viene fatto a mano e potrebbe essere automatizzato. Poi, sulla base di questa analisi, definire le priorità di intervento con un budget realistico.

Gli interventi più frequenti per le PMI del territorio:

• Audit tecnologico: fotografia della situazione attuale, costi nascosti, fornitori, contratti in essere
• Integrazione tra sistemi: gestionale, e-commerce, CRM, strumenti di marketing che non si parlano tra loro
• Automazione dei processi: reportistica, gestione ordini, comunicazioni ai clienti, archiviazione documenti
• Architetture cloud: migrazione o ottimizzazione dell’infrastruttura IT per ridurre costi e aumentare affidabilità
• Integrazioni AI: chatbot, assistenti virtuali, sistemi RAG per interrogare i propri dati in linguaggio naturale

Se vuoi approfondire il ruolo di questa figura professionale, ho scritto una guida completa su chi è il consulente informatico, cosa fa e come sceglierlo nel 2026.

Consulente informatico per studi professionali a Viterbo

Commercialisti, avvocati, notai, studi medici, amministratori di condominio: la provincia di Viterbo ha una presenza significativa di studi professionali che gestiscono ogni giorno grandi quantità di documenti, scadenze e dati sensibili.

Per queste realtà il valore di un consulente informatico si misura in modo molto concreto: meno tempo speso su attività ripetitive, meno rischi legati alla sicurezza e alla compliance, più tempo da dedicare ai clienti.

Gli interventi più richiesti dagli studi professionali del territorio:

• Digitalizzazione dell’archivio documentale con sistemi di ricerca intelligente
• Automazione della produzione documenti: verbali, contratti, comunicazioni standard generate a partire da template e dati strutturati
• Adeguamento GDPR e sicurezza dei dati: policy di accesso, backup, cifratura, gestione delle credenziali
• Integrazione AI nei flussi di lavoro: assistenti basati su Claude o GPT-4o addestrati sui documenti dello studio
• Formazione del personale sull’uso corretto degli strumenti digitali e AI

Perché scegliere un consulente informatico locale

Lavorare con un consulente presente sul territorio ha vantaggi concreti che vanno oltre la comodità logistica.

Un professionista radicato nel territorio conosce il contesto economico locale, le dinamiche tra fornitori e clienti, le specificità dei settori prevalenti. Sa che un’azienda ceramica di Civita Castellana ha esigenze diverse da uno studio legale del centro di Viterbo, anche se entrambi hanno bisogno di integrazione tra sistemi.

Significa anche poter fare un incontro in presenza quando il progetto lo richiede, intervenire rapidamente in caso di emergenza, costruire un rapporto di fiducia nel tempo invece di gestire tutto a distanza con un fornitore che non conosce il tuo contesto.

La presenza locale non esclude la competenza su tecnologie avanzate. Al contrario: portare sul territorio viterbese strumenti e metodologie normalmente accessibili solo a realtà più grandi o più urbanizzate è esattamente il valore che un consulente informatico locale può offrire.

Alessandro De Marchi: consulente informatico a Viterbo

Mi chiamo Alessandro De Marchi, sono un Solution Architect freelance con 30 anni di esperienza nello sviluppo software e nelle architetture digitali. Opero da Viterbo e seguo clienti in tutta la provincia e nel Lazio.

Lavoro con PMI, artigiani e studi professionali che hanno bisogno di un riferimento tecnico serio: qualcuno che capisca il business prima ancora della tecnologia, che proponga soluzioni adeguate al contesto e che sia disponibile nel tempo, non solo per la fase di implementazione.

Le aree in cui opero principalmente sul territorio:

• Viterbo e comuni limitrofi
• Civita Castellana e distretto della ceramica
• Orte, Acquapendente, Montefiascone
• Tarquinia, Tuscania, Canino e Lazio costiero
• Ronciglione, Caprarola, Lago di Vico
• Comprensorio del lago di Bolsena
• Roma e zone limitrofe

👉 Prima consulenza gratuita: puoi fissare un incontro di 30 minuti per capire la tua situazione e valutare se e come posso aiutarti.

Domande frequenti

Conclusioni

Trovare un consulente informatico a Viterbo che conosca davvero il territorio, capisca le esigenze di una piccola impresa o di uno studio professionale e sia aggiornato sulle tecnologie più recenti non è semplice. Ma è la differenza tra un investimento tecnologico che funziona e uno che brucia budget senza risultati.

Che tu gestisca un’attività artigianale a Civita Castellana, uno studio professionale nel centro di Viterbo o una PMI nella Tuscia, il punto di partenza è sempre lo stesso: capire dove la tecnologia può creare valore reale nel tuo contesto specifico, senza soluzioni preconfezionate e senza vendere quello che non serve.

Se vuoi fare questo ragionamento insieme, la prima consulenza è gratuita. Trenta minuti per analizzare la tua situazione e capire se e come posso aiutarti.

L'articolo Consulente Informatico a Viterbo e Provincia: soluzioni digitali per PMI e studi professionali proviene da DevUp.