Corso Executive AI-Empowered Linguist

Il corso fornirà ai partecipanti le basi per:

• Comprendere il funzionamento dei principali modelli di IA applicati al linguaggio
• Utilizzare consapevolmente i CAT Tool, comprendendone struttura, strumenti operativi e flussi di lavoro
• Progettare prompt efficaci per generare contenuti
• Integrare le tecnologie linguistiche in ambienti CAT professionali
• Affrontare le sfide del post-editing e dell’editing di testi generati dall’IA
• Lavorare sulla terminologia con l’aiuto di strumenti automatizzati
• Sviluppare competenze trasversali, come il pensiero critico, la gestione del cambiamento e la capacità di affiancare clienti e team aziendali con un approccio consulenziale
• Acquisire AI literacy e agency tecnologica per valutare in modo consapevole i rischi e le opportunità legati all’uso dell’intelligenza artificiale nella comunicazione multilingue
• Conoscere il linguaggio di programmazione Python e utilizzarlo per la pulizia, l’arricchimento e la rappresentazione dei dati linguistici

Il corso si rivolge a un pubblico ampio e diversificato, accomunato dall’interesse per le lingue e dall’esigenza di aggiornarsi sulle trasformazioni introdotte dall’intelligenza artificiale nel settore linguistico.

È pensato innanzitutto per laureati e laureate in ambito linguistico e traduttivo, provenienti da corsi di laurea triennale o magistrale in Lingue, Traduzione, Mediazione linguistica o Linguistica computazionale, desiderosi di acquisire competenze digitali e tecnologiche applicate al proprio campo.

Allo stesso tempo, il corso si rivolge a chi opera nel campo della traduzione e localizzazione – come traduzione specialistica, revisione, terminologia o project management linguistico – e desidera aggiornare le proprie competenze.

Il corso è adatto anche a chi lavora come docente e formatore linguistico e desidera integrare l’IA e gli strumenti digitali nella didattica e a laureate e laureati in discipline umanistiche o comunicative con un interesse specifico per le lingue e per le potenzialità offerte dalla tecnologia nel loro ambito professionale.

Requisiti obbligatori

• Laurea triennale o magistrale (preferibilmente in ambiti affini come lingue, traduzione, mediazione linguistica, comunicazione, informatica o discipline correlate) o altri titoli di formazione universitaria conseguiti in Italia o all'estero
• Competenze digitali di base

Requisiti preferenziali

• Esperienza pregressa in traduzione, localizzazione o didattica linguistica
• Interesse per l’innovazione tecnologica applicata alle lingue e al content writing

• L’evoluzione delle tecnologie per la traduzione: dalla traduzione automatica basata su regole (RBT), CAT Tool, alla traduzione automatica statistica (SMT), ai sistemi di traduzione automatica basati sull’intelligenza artificiale, quali la traduzione automatica neurale (NMT) e i modelli linguistici di grandi dimensioni (LLM)
• Aspetti etici e sociali, impatti sulla professione
• Differenze tra NMT tradizionale e LLM (punti in comune e differenze)
• Processi di addestramento
• Concetto di qualità; criteri di valutazione: metriche automatiche vs. valutazione umana
• Competenze richieste, MT-literacy e AI-literacy

Durata modulo: 4 ore
Docente: Hellmut Riediger
Date: 26-27 gennaio 2026

• Fondamenti dei CAT Tool
• Definizione e scopi dei CAT Tool
• Differenze principali rispetto alla traduzione “pura” e alla MT
  
  Componenti chiave di un CAT Tool
• Translation Memory (TM) e gestione delle memorie
• Glossari/Terminology Base (TBX, CSV)
• Editor di segmenti e interfaccia utente
  
  Formati di scambio e interoperabilità
• XLIFF, TMX, TBX: struttura e campi essenziali
• Plugin e connettori per CMS e sistemi di gestione documentale
  
  Workflow di traduzione assistita
• Import dei file sorgente e segmentazione automatica
• Concordanza, fuzzy match e suggerimenti in memoria
  
  Integrazione con MT e IA
• Connessione in‑line a motori MT esterni
• Uso di suggerimenti generativi per glossarizzazione
• Plugin di QA basati su IA (controllo tag, consistenza terminologica)
  
  Panoramica su alcuni dei principali sistemi CAT, quali RWS Trados, MemoQ, Phrase ed esercizi pratici

Durata modulo: 6 ore
Docente: Gabriele Galati
Date: 28-29-30 gennaio 2026

• Definizione di Large Language Models (LLM) come sistemi di IA che prevedono la parola successiva in una sequenza
• Dimensioni dei modelli (numero di parametri, dimensione dei dati di addestramento, risorse computazionali)
• Importanza dei dati di addestramento (acquisizione di conoscenza, bias, expertise di dominio)
• Word Embeddings (rappresentazione numerica delle parole che cattura significato e contesto)
• Definizione di Prompt e principi di Prompt Engineering (chiarezza, contesto, evitare ambiguità, conoscere i limiti del modello)
• Tecniche di Prompting (Zero-Shot, Few-Shot, Chain-of-Thought, Role Prompting)
• Metodi di fine-tuning (instruction tuning, supervised fine-tuning, RLHF, distillation)
• RAG (Retrieval Augmented Generation) come metodo per influenzare la generazione arricchendola con dati
• Tokenizzazione (come i modelli scompongono il testo in unità processabili, importante nel contesto multilingue)
• Tecniche di Sampling (algoritmi per selezionare la parola successiva introducendo casualità)
• Context window (la quantità di testo che il modello può considerare)
• Attention mechanism
• Funzione Softmax e Temperature (parametri che influenzano la probabilità di selezione delle parole)

Durata modulo: 10 ore
Docente: Monica Albini
Date: 2-3-4-5-6 febbraio 2026

• Integrazione di MT (Machine Translation) negli strumenti CAT come un'ulteriore risorsa di traduzione insieme alle Translation Memories

Esempi di integrazione MT in strumenti CAT

• Phrase
• Trados Studio
• memoQ

Modalità di integrazione MT

• Pre-traduzione dell’intero testo
• Proposte di traduzione per segmento
• Digitazione predittiva

Integrazione di LLM (Large Language Models) negli strumenti CAT

• Pre-traduzione dell’intero testo
• Proposte di traduzione/revisione per segmento
• Digitazione predittiva

Funzionalità IA specifiche in Trados

• Uso di LLM come sistema MT
• Prompting per la personalizzazione della traduzione
• Prompting per il post-editing e la revisione nell’Editor
• Integrazione della terminologia nelle proposte dell’LLM
  

Funzionalità IA specifiche in Phrase

• Phrase Next GenMT
• Auto Adapt
• MT Optimize

Funzionalità IA specifiche in memoQ

• memoQ AGT (Adaptive Generative Translation)

Attività specifiche per i traduttori in cui l’IA può aiutare

• Analisi del testo sorgente
• Stima della qualità della traduzione
• Traduzione del testo sorgente
• Traduzioni alternative e transcreation
• Adattamento di tono, registro e stile
• Revisione e riparazione dei fuzzy matches
• Controllo di coerenza terminologica e stilistica
• Creazione e manutenzione dei database terminologici
• Generazione di riassunti

Durata modulo: 6 ore
Docente: Sabina Fata
Date: 9-10-11 febbraio 2026

• Tecniche per migliorare la qualità dell’output grezzo della traduzione automatica
• Errori tipici della traduzione automatica
• Valutazione manuale dell’output grezzo della traduzione automatica
• Linee guida per il post-editing
• Confronto tra post-editing e traduzione umana, e problematiche frequenti
• Confronto tra diverse modalità di editing
• Il post-editing come professione
• Caratteristiche e anomalie dei testi prodotti da IAG
• Rilevamento dei testi prodotti da IAG
• Obiettivi, finalità e tecniche dello synthetic-text editing (editing di testi prodotti da IAG)

Durata modulo: 10 ore
Docente: Michael Farrell
Date: 12-13-16-17-18 febbraio 2026

• Fondamenti di terminologia
  Termine vs. concetto
  Struttura di una voce terminologica (denominazione, definizione, fonte, settore specialistico, stato, ecc.)
  Fasi del lavoro terminologico (pianificazione, acquisizione, pulizia, arricchimento, validazione, distribuzione, manutenzione, controllo)
• Applicazioni dell’IA nel lavoro terminologico (estrazione, ricerca, confronto con dati esistenti, arricchimento automatico, collegamento di concetti, creazione di TB per CAT Tool e glossari per MT)
• Prompting per il lavoro terminologico
• Knowledge Graphs e sistemi concettuali (rappresentazione della connessione dei concetti in più lingue)

Durata modulo: 4 ore
Docente: Hellmut Riediger
Date: 19-20 febbraio 2026

• Il linguista come figura consulenziale nell’ecosistema AI
• Riflessione su rischi e opportunità dell’AI Translation
• Agency tecnologica e AI Literacy
• Il modello SaaS e le sfide commerciali della AI Translation
• Soft skills nella trasformazione professionale
• Nuove modalità di produzione linguistica
• Applicazioni reali in contesti aziendali
• Contributo del linguista allo sviluppo di LLM specializzati per la traduzione
• Strumenti AI innovativi per la traduzione professionale
• Il linguista come garante della qualità e mediatore tra linguaggio umano e output generato dall’AI

Durata modulo: 6 ore
Docente: Adele Nardulli
Date: 23-24-25 febbraio 2026

• Concetti di programmazione
• Introduzione al linguaggio Python e alla sua sintassi
• Configurazione macchina di sviluppo
• Strutture di controllo, funzioni, variabili e best practices
• Interazioni con il file system e il sistema operativo
• Interazione con il web e chiamate API
• Formati XML, JSON e CSV
• Standard TMX
• Web Scraping e recupero automatico di memorie di traduzione
• Automazioni avanzate e scripting
• Manipolazione tramite script di memorie di traduzione

Durata modulo: 10 ore
Docente: Ares Bortolussi
Date: 26-27 febbraio e 2-3-4 marzo 2026

Lavoro di fine corso da svolgere in autonomia o a gruppi.

Durata: 10 ore

Professionisti del settore:

• Adele Nardulli, Presidente di Federlingue e Founder & Director di Landoor – a Translate, PMI innovativa nel settore dei servizi linguistici
• Gabriele Galati, docente di Informatica applicata alla traduzione, Traduzione assistita e Tecnologie per la traduzione
• Hellmut Riediger, linguista, traduttore, studioso di traduzione “umana e automatica” e IA per usi linguistici e traduttivi
• Michael Farrell, docente di Post-Editing, Traduzione automatica, intelligenza artificiale e strumenti informatici per traduttori presso l’Università IULM di Milano
• Monica Albini, ricercatrice specializzata in intelligenza artificiale, Innovation Project Manager all’Università di Torino
• Sabina Fata, docente di Tecnologie per la Traduzione presso l’Università di Padova, formatrice Trados, consulente CAT tools, MT e IA

Quota di iscrizione all'ammissione

• € 120 per tutte le tipologie di iscrizione
• In caso di mancata attivazione del corso la quota di ammissione verrà restituita
• Sconto di € 120 sul saldo della quota per tutti gli iscritti alle ammissioni che avranno versato la quota di ammissione/selezione di € 120 entro il 31/08/2025, ad esclusione di chi già usufruisce di quote scontate

Costo di iscrizione al corso

• Corso intero comprensivo di tutti i moduli
  Quota di ammissione € 120 + saldo € 1.730
  Totale costo del corso € 1.850
• Offerta riservata agli ex studenti della Civica Spinelli diplomati tra il 2022 e il 2025
  Il costo totale del corso, comprensivo di tutti i moduli, è di € 1.650, suddiviso in quota di ammissione € 120 + saldo € 1.530. L’offerta non è cumulabile con altri sconti.
• Moduli da 4 e 6 ore
  Quota di ammissione € 120 + saldo € 100
  Totale € 220 (nessuno sconto previsto)
• Modulo da 10 ore
  Quota di ammissione € 120 + saldo € 210
  Totale € 330 (nessuno sconto previsto)

Il Modulo 1, introduttivo e della durata di 4 ore, è parte integrante del percorso formativo e viene offerto gratuitamente con l’acquisto di uno o più moduli singoli.

È possibile iscriversi ai singoli moduli fino a un massimo di 3.

Vai alla pagina dedicata all’ammissione.