Che cos'è un large language model? Gli LLM spiegati ai professionisti della moda
I large language model alimentano assistenti di chat, strumenti per i testi di prodotto e consulenti di shopping basati sull'IA. Una spiegazione semplice di come funzionano, che cosa fanno bene nella moda e dove falliscono.
IN SINTESI Sintesi della redazione
- Un large language model (LLM) è un modello di deep learning, di solito basato sull'architettura transformer, addestrato su enormi quantità di testo per prevedere il token successivo di una sequenza.
- Poiché gli LLM generano testo statisticamente plausibile invece di consultare fatti verificati, possono avere allucinazioni, cioè dare risposte sicure ma false.
- In The State of Fashion 2026 McKinsey riferisce che oltre il 35 per cento dei dirigenti della moda usa già l'IA generativa in ambiti come il servizio clienti online.
- Nell'ottobre 2024 Zalando ha annunciato che il suo assistente di moda basato sull'IA, costruito sui propri modelli e sui large language model di OpenAI, era disponibile in 25 mercati nelle lingue locali.
- In base all'AI Act dell'UE, gli obblighi per i fornitori di modelli di IA per finalità generali si applicano dal 2 agosto 2025: le aziende della moda dovrebbero quindi sapere quale modello si trova dietro ogni strumento che usano.
Un large language model (LLM) è un sistema di IA addestrato su enormi quantità di testo per comprendere e generare linguaggio: rispondere a domande, sintetizzare documenti, redigere descrizioni di prodotto o tradurre testi. Funziona prevedendo il frammento di testo successivo più probabile, il che lo rende fluido e flessibile ma non intrinsecamente accurato. Per i professionisti della moda la domanda pratica riguarda meno l'intelligenza del modello e più le attività, i dati e i controlli che gli vengono affidati.
Che cos'è un large language model?
IBM descrive gli LLM come modelli di deep learning addestrati su immense quantità di dati, in grado di comprendere e generare linguaggio naturale e altri contenuti in un'ampia gamma di attività. La maggior parte è costruita sull'architettura di rete neurale transformer. I prodotti più noti, come ChatGPT, Gemini o Claude, sono interfacce di chat basate su questi modelli, ma gli stessi modelli lavorano anche in modo discreto all'interno di caselle di ricerca, strumenti di servizio clienti, servizi di traduzione e sistemi di contenuti.
L'aggettivo "large" si riferisce sia al volume del testo di addestramento sia al numero di parametri interni (pesi) che il modello regola durante l'addestramento. Un LLM generalista non è addestrato sui dati di una singola azienda: conosce la moda in generale, dai testi pubblici, ma non sa nulla del vostro assortimento, dei vostri prezzi o del vostro portafoglio ordini, a meno che queste informazioni non gli vengano fornite.
Come funziona in concreto un large language model?
Il processo si può spiegare in quattro passaggi, seguendo la panoramica di IBM:
- Tokenizzazione: il testo viene suddiviso in piccole unità chiamate token, che possono essere parole intere, parti di parole o caratteri.
- Embedding e attenzione: i token vengono trasformati in vettori numerici e un meccanismo di self-attention valuta come ciascun token si relaziona agli altri, anche a quelli lontani, così che il modello possa usare il contesto.
- Pre-addestramento: il modello impara da miliardi o migliaia di miliardi di parole prevedendo ripetutamente il token successivo e regolando i propri pesi per ridurre gli errori. In questa fase non servono dati etichettati manualmente.
- Fine-tuning e inferenza: il modello pre-addestrato viene ulteriormente addestrato a seguire istruzioni e a comportarsi in modo utile, poi genera le risposte un token alla volta quando riceve un prompt.
La conseguenza principale per gli utenti aziendali sta nel terzo passaggio. Un LLM è, con le parole di IBM, una gigantesca macchina di previsione statistica. Produce testo probabile in base al suo addestramento e al prompt, il che non equivale a un testo verificato rispetto a una fonte attendibile.
Che cosa possono fare oggi gli LLM per i team della moda?
Gli LLM danno il meglio quando input e output sono linguaggio e una persona può verificare il risultato. La tabella seguente riassume le attività più comuni nella moda e quanto sono adatte.
| Attività | Esempio | Idoneità per un LLM | Revisione umana necessaria |
|---|---|---|---|
| Testi di prodotto | Redigere descrizioni a partire dai dati degli attributi | Buona, se gli attributi sono completi | Sì, per accuratezza e tono di voce del brand |
| Traduzione e localizzazione | Adattare i testi per diversi mercati | Buona | Sì, per terminologia delle taglie e dichiarazioni legali |
| Servizio clienti | Rispondere a domande su ordini e resi | Buona con accesso a policy e dati degli ordini | Necessario un percorso di escalation |
| Conoscenza interna | Sintetizzare manuali dei fornitori o line sheet | Buona con recupero dei documenti di origine | Controlli a campione |
| Consigli di stile | Suggerimenti di outfit in forma conversazionale | Media, dipende dai dati di catalogo | Monitoraggio dei risultati |
| Numeri e previsioni | Prevedere sell-through o quantità d'acquisto | Debole da solo | Usare modelli di previsione dedicati |
L'ultima riga è importante. Gli LLM possono spiegare una previsione o scrivere una sintesi dei dati di vendita, ma non sono motori di previsione. Pianificazione della domanda, pricing e allocazione si basano ancora su modelli statistici e di machine learning addestrati sui dati transazionali dell'azienda.
Dove le aziende della moda usano già gli LLM?
L'adozione non è più sperimentale. In The State of Fashion 2026, pubblicato nel novembre 2025, McKinsey e The Business of Fashion riferiscono che oltre il 35 per cento dei dirigenti usa già l'IA generativa in ambiti come il servizio clienti online, e tra gli altri utilizzi figurano creazione di immagini, copywriting, ricerca da parte dei consumatori e scoperta dei prodotti. Lo stesso report osserva che gli acquirenti usano sempre più gli LLM per cercare e confrontare prodotti, il che rende le risposte dei chatbot, secondo le sue parole, la nuova SEO.
Un esempio documentato è Zalando. Nell'ottobre 2024 l'azienda ha annunciato che il suo assistente basato sull'IA, che offre ai clienti registrati consigli di moda personalizzati nelle lingue locali e tiene conto di contesti come meteo e occasione d'uso, era disponibile in 25 mercati. Zalando ha dichiarato che l'assistente è alimentato dai propri modelli insieme ai large language model di OpenAI. Questa combinazione, un LLM generalista più dati e modelli specifici dell'azienda, è lo schema tipico delle implementazioni utili.
Quali sono i limiti e i rischi degli LLM?
- Allucinazioni: il modello può produrre informazioni false che sembrano plausibili, come una composizione delle fibre inventata o una data di consegna sbagliata.
- Bias: i modelli possono riflettere e amplificare i pregiudizi presenti nei dati di addestramento, il che conta per i prompt di immagini, il linguaggio relativo alle taglie e le interazioni con i clienti.
- Conoscenze superate: un modello conosce solo ciò che era nei suoi dati di addestramento, a meno che non gli vengano fornite informazioni aggiornate.
- Fuga di dati: incollare in strumenti pubblici piani di collezione riservati, prezzi di costo o dati dei clienti può esporli.
- Costi ed energia: IBM osserva che addestrare e far funzionare gli LLM richiede grandi quantità di potenza di calcolo e di energia.
Che cosa significa la regolamentazione per le aziende della moda che usano gli LLM?
L'AI Act dell'UE è entrato in vigore il 1° agosto 2024. I suoi obblighi per i fornitori di modelli di IA per finalità generali, la categoria che comprende i large language model, si applicano dal 2 agosto 2025. La maggior parte delle aziende della moda è deployer di questi modelli e non fornitore, ma deve comunque sapere quale modello si trova dietro ogni strumento, quali dati vi confluiscono e come i risultati vengono etichettati e verificati. La trasparenza verso i clienti che dialogano con un chatbot e la cura dei dati personali ai sensi della normativa sulla protezione dei dati restano responsabilità dell'azienda.
Come dovrebbe iniziare con gli LLM un'azienda della moda?
Le aziende che ottengono valore dagli LLM di solito partono da un ambito ristretto. Scelgono un processo ad alta intensità di linguaggio con un responsabile chiaro, come i testi di prodotto per una categoria o le risposte alle domande frequenti dei clienti wholesale, e collegano il modello a dati aziendali puliti e aggiornati invece di affidarsi alle sue conoscenze generali. Definiscono che cosa il modello può e non può fare, mantengono una persona nel processo per tutto ciò che riguarda i clienti o la finanza e misurano la qualità prima e dopo. Dati anagrafici di prodotto puliti, attributi coerenti e policy documentate sono i veri prerequisiti; il modello in sé è sempre più una commodity.
Domande frequenti
Qual è la differenza tra un LLM e ChatGPT?
Un LLM è il modello sottostante che prevede e genera testo. ChatGPT è un prodotto, un'interfaccia di chat costruita sui large language model di OpenAI. La stessa distinzione vale per altri assistenti, che possono usare modelli diversi dietro la stessa interfaccia.
Un LLM può scrivere le descrizioni di prodotto per un brand di moda?
Sì, gli LLM sono molto adatti a redigere testi di prodotto, a condizione che ricevano dati sugli attributi completi e corretti, come materiale, vestibilità e manutenzione. Senza questi dati possono inventare dettagli. Prima della pubblicazione una persona dovrebbe verificare accuratezza, dichiarazioni legali e tono di voce del brand.
Perché i large language model commettono errori?
Gli LLM generano le parole successive statisticamente più probabili in base al loro addestramento e al prompt; per impostazione predefinita non verificano i fatti su un database. Questo può portare ad allucinazioni, affermazioni sicure ma false. Collegarli a dati aziendali verificati e richiedere le fonti riduce il rischio, ma non lo elimina.
Gli LLM sono regolamentati nell'UE?
Sì. In base all'AI Act dell'UE, entrato in vigore il 1° agosto 2024, gli obblighi per i fornitori di modelli di IA per finalità generali si applicano dal 2 agosto 2025. Le aziende che usano questi modelli nei propri strumenti devono inoltre rispettare la trasparenza, la protezione dei dati e le eventuali regole applicabili al loro specifico caso d'uso.
Un'edizione ogni giorno feriale. Si legge in cinque minuti. Gratuita per i professionisti del settore.
