Progetta sistemi AI agentici per studi professionali

Dalla progettazione di prompt complessi alle architetture multi-agente con RAG avanzata, function calling e MCP: il percorso tecnico per professionisti ICT che vogliono costruire soluzioni LLM reali per il mondo legale e contabile.

Saprai progettare e implementare architetture agentiche complete — dal loop agentico fondamentale ai sistemi multi-agente con topologie sequenziali, parallele e gerarchiche

Saprai misurare con precisione dove il tuo sistema RAG sta fallendo — usando metriche come faithfulness, context precision e answer relevance invece di affidarti alle impressioni

Saprai costruire prompt riproducibili e testabili come codice — applicando framework sistematici come COSTAR e DSPy invece di procedere per tentativi

€499 44 moduli + attestato

Per chi è questo corso

Questo corso è per professionisti ICT, consulenti tecnologici e progettisti di soluzioni AI che hanno già lavorato con LLM, sanno cos'è una context window, hanno familiarità con API, JSON Schema, embedding e sviluppo software — e ora vogliono fare il salto verso la progettazione sistematica di sistemi complessi. Se hai già usato ChatGPT o l'API di OpenAI ma senti che stai ancora 'improvvisando' i prompt, che non sai come strutturare un agente affidabile, che il tuo RAG funziona ma non sai perché a volte sbaglia — questo corso risponde esattamente a quei problemi. Se lavori su o per studi legali, commercialisti o consulenti del lavoro, trovi qui un percorso specifico: esempi, casi d'uso e vincoli di sicurezza pensati per quel contesto, non adattamenti generici.

Cosa imparerai

— Trasformare richieste vaghe in prompt deterministici e riproducibili, trattando il prompt come codice versionabile — Scegliere la tecnica di prompting giusta (Chain-of-Thought, Tree-of-Thought, Self-Consistency, Few-Shot) in base al tipo di problema e ai vincoli di costo e latenza — Progettare system prompt robusti che resistano a tentativi di manipolazione e prompt injection — Costruire agenti AI completi: modello, memoria, pianificazione e strumenti — sapendo come configurare ciascun componente — Orchestrare sistemi multi-agente con pattern sequenziali, paralleli e gerarchici usando framework come LangGraph, CrewAI e AutoGen — Diagnosticare i fallimenti di una pipeline RAG con metriche precise (faithfulness, answer relevance, context precision, context recall) invece di affidarsi a impressioni soggettive — Implementare RAG avanzata con chunking semantico, retrieval ibrido, reranking e architetture self-corrective — Usare function calling e il protocollo MCP per collegare gli agenti a sistemi esterni in modo sicuro e manutenibile — Valutare i tuoi sistemi con framework come RAGAS e DeepEval e integrare la valutazione nella pipeline CI/CD

Come funziona

Il corso è strutturato in 44 moduli video per un totale di circa 885 minuti di contenuto tecnico. Ogni modulo affronta un tema specifico con approccio pratico: non solo concetti, ma framework applicabili, pattern di implementazione e criteri di scelta tra alternative. I moduli sono organizzati in tre macro-aree progressive: tecniche avanzate di prompting (dalla tassonomia ai framework sistematici), architetture agentiche (dall'anatomia di un agente ai sistemi multi-agente), RAG avanzata e valutazione (dal chunking alle metriche diagnostiche). Accesso illimitato ai contenuti. Al completamento del corso ricevi un attestato di completamento.

Perché questo corso è diverso

— È l'unico corso in italiano che copre in modo integrato prompting avanzato, architetture agentiche e RAG avanzata in un singolo percorso coerente — senza dover assemblare tre corsi diversi in tre lingue diverse — A differenza dei corsi generici su LLM, questo non ti insegna a 'usare' gli strumenti: ti insegna a progettarli, valutarli e governarli con criteri ingegneristici — Copre il protocollo MCP e la RAG agentica con self-corrective loop — argomenti che la maggior parte dei materiali formativi disponibili non tratta ancora in modo sistematico — Include una sezione dedicata alla valutazione con metriche quantitative (RAGAS, DeepEval, LLM-as-judge) — perché un sistema che 'sembra buono' non è abbastanza in un contesto professionale

Chi tiene il corso

Francesco Marinuzzi, Ph.D. — ingegnere, Responsabile Scientifico dei corsi di Intelligenza Artificiale dell'Ordine degli Ingegneri di Roma (da 3 anni, sessioni base e avanzata con crediti formativi) e Consigliere dell'Ordine degli Ingegneri della Provincia di Roma.

Da oltre vent'anni lavora all'incrocio tra ingegneria, software e intelligenza artificiale. Attualmente forma sul tema dell'AI applicata al procurement il reparto acquisti di uno dei primi tre gruppi europei della difesa e aerospazio.

I corsi nascono dalla pratica reale: niente teoria fine a se stessa, ma workflow, checklist e criteri di validazione applicabili dal giorno dopo — con piena attenzione alla responsabilità professionale di chi firma.

Domande Frequenti

Serve esperienza tecnica pregressa?

Sì, questo è un corso di livello avanzato. Presuppone familiarità con LLM, API REST, JSON Schema, embedding e sviluppo software. Se conosci già le basi e hai lavorato con le API di OpenAI o Anthropic, sei nel target giusto. Se sei alle prime armi con gli LLM, ti consigliamo di consolidare prima le basi.

Quanto tempo dura l'accesso?

L'accesso ai contenuti è illimitato: puoi seguire i moduli al tuo ritmo, tornare sui video che ti servono e aggiornare le tue competenze nel tempo senza scadenze.

C'è un attestato?

Sì. Al completamento del corso ricevi un attestato di completamento. Si tratta di un attestato che certifica il percorso formativo svolto, non una certificazione professionale riconosciuta da ordini o enti esterni.

I contenuti coprono framework specifici o sono teorici?

Il corso copre sia i principi architetturali che i framework concreti: LangGraph, CrewAI, AutoGen, DSPy, RAGAS, DeepEval e il protocollo MCP sono trattati con criteri di confronto e implementazione, non solo citati.

È adatto anche se non lavoro nel settore legale o contabile?

Sì. Sebbene i casi d'uso e gli esempi siano spesso riferiti a studi professionali (legali e commercialisti), i pattern architetturali, le tecniche di prompting e i framework di valutazione sono applicabili a qualsiasi dominio professionale. Il focus settoriale è un vantaggio aggiuntivo, non un prerequisito.