Che cos'è un AI component
Nota: Questo documento è una traduzione automatica della versione originale in inglese.
Che cos'è un AI component
Un componente AI (AI component) è la parte specifica di un progetto in cui avviene il lavoro AI reale — analisi, generazione, previsione, ranking o processo decisionale. Non è un'etichetta di marketing né una menzione di brand. Nelle schede progetto di DecAIHub, il campo AI component risponde a una domanda: cosa fa esattamente l'AI qui?
In sintesi: un componente AI è il meccanismo concreto in cui entrano dati ed esce un risultato guidato dall'AI — non un logo, uno slogan o una promessa di roadmap.
Analogia per principianti
Pensa a un progetto come a un ristorante. Lo use case è il menu — ciò che il cliente vede e ordina. Il componente AI è la cucina — l'attrezzatura e la tecnica effettive che trasformano gli ingredienti grezzi in un piatto. Un ristorante può avere un bel menu (use case) ma nessuna cucina funzionante (componente AI). Quando DecAIHub esamina un progetto, entra in cucina per verificare se i fornelli sono veri, se qualcuno sta cucinando e se esistono ricette reali — non solo foto di cibo stampate su un'insegna all'esterno.
Che cos'è
Un componente AI è un modulo o sottosistema funzionale che svolge lavoro tipicamente associato all'intelligenza artificiale o al machine learning. Questo include:
- Motori di inferenza — eseguire un modello addestrato per produrre output (previsioni, classificazioni, testo o immagini generati)
- Pipeline di training — aggiornare i pesi del modello su dati nuovi
- Modelli di analytics — estrarre pattern, punteggi o segnali dai dati (analytics di mercato, risk scoring, sentiment analysis)
- Framework di agenti — orchestrare processi decisionali autonomi, uso di strumenti e ragionamento multi-step
- Sistemi di etichettatura dei dati — gestire l'annotazione umana o automatizzata per costruire dataset
- Orchestrazione del calcolo — distribuire carichi di lavoro AI tra nodi o GPU
La distinzione chiave: un progetto ha un componente AI se contiene un sottosistema che elabora dati usando modelli, algoritmi o rappresentazioni apprese. Un progetto è privo di un componente AI se «AI» compare solo nel suo nome, nei testi di marketing o nei piani futuri, senza alcuna implementazione tecnica verificabile.
Un componente AI non deve necessariamente essere costruito su misura da zero. Un progetto che fa fine-tuning di un modello open-source, incapsula un'API di inferenza con pre- e post-processing significativi, o addestra il proprio classificatore su dati proprietari ha comunque un componente AI — purché il livello AI aggiunga una funzione verificabile oltre il semplice pass-through.
Lo spettro: da assente a pienamente verificabile
Non tutti i componenti AI sono uguali. Esistono su uno spettro di maturità e verificabilità:
| Livello | Descrizione | Cosa aspettarsi |
|---|---|---|
| Assente | Nessuna AI trovata nel progetto | Il campo ai_component riporta none o unknown |
| Positioning only | AI dichiarata nel marketing ma nessuna evidenza tecnica | Il campo riporta positioning only; l'ai_score è 0 |
| Dichiarato | L'AI è menzionata nella documentazione ufficiale o nella roadmap, ma senza artefatti funzionanti | AI_0 = 1, i restanti flag AI sono 0 |
| Dimostrato | Esiste una demo funzionante, un prototipo o una pipeline documentata | AI_1 e AI_2 sono 1; evidenze parziali |
| Verificato | Sono disponibili benchmark, documentazione tecnica, versioni dei modelli e risultati riproducibili | AI_3 e AI_4 sono 1; forti evidenze Tier-1 |
Questo spettro conta perché «avere l'AI» non è binario nella pratica. Un progetto può avere un modello addestrato ma nessun benchmark, o una demo funzionante ma nessuna architettura pubblicata. Il campo AI component cattura ciò che esiste, non ciò che potrebbe esistere in futuro.
Valori comuni di AI component in DecAIHub
Ecco valori reali dalle schede progetto del registro:
AI agent platform (workflows/tools/KB)— infrastruttura di agenti con strumenti e base di conoscenzaAI data labeling + model evaluation (human experts)— etichettatura con una pipeline human-in-the-loopAI/ML crypto market analytics (app)— modelli di machine learning applicati ai dati di mercatocompute orchestration— routing e scheduling di task di calcolo AIAI trading signals— modelli che generano segnali legati al trading dai datiagentic framework (memory/actions/plugins)— un runtime di agenti con memoria e integrazioni di strumentiAI summaries + crypto intelligence terminal— riassunti basati su NLP e analisi dei datiinference engine— un sistema dedicato all'esecuzione dell'inferenza dei modelli
Ogni valore descrive ciò che l'AI fa davvero — non ciò che il progetto promette di diventare. Questi valori sono tratti dal registro normalizzato dei campi ricorrenti per garantire coerenza tra le schede progetto. Quando un revisore compila il campo AI component, sceglie tra i valori osservati o ne aggiunge uno nuovo che catturi con precisione il meccanismo tecnico.
Dove compare nelle schede progetto di DecAIHub
Il campo AI component (ai_component) fa parte della tabella Project Passport. Si trova accanto al campo Use case. Insieme, separano il meccanismo tecnico dalla descrizione del prodotto.
Se il campo riporta positioning only, none o unknown, significa che le evidenze di un componente AI funzionante non sono state confermate alla data di verifica. Questi non sono tecnologie — sono modalità di lettura delle evidenze.
Il campo AI component è una delle prime cose che un lettore esperto controlla. Dà un segnale immediato: questo progetto fa qualcosa con l'AI, o dice soltanto di farlo? Combinato con la tabella delle evidenze e la data di verifica, dipinge rapidamente un quadro della sostanza tecnica del progetto.
Come vengono verificati i componenti AI
La verifica segue la gerarchia delle evidenze Tier-1/2/3. Perché l'AI component vada oltre positioning only, i revisori cercano:
- Artefatti Tier-1 — codice sorgente in repository pubblici, pesi dei modelli o descrizioni dell'architettura, report di benchmark con metodologia, documentazione API che mostra endpoint di inferenza, articoli tecnici pubblicati dal team.
- Contesto Tier-2 — recensioni di terze parti che menzionano la pipeline AI, integrazioni dell'ecosistema che dipendono dall'output AI, descrizioni di aggregatori che fanno riferimento a funzionalità AI specifiche.
- Segnali Tier-3 — dichiarazioni di marketing, menzioni di influencer, comunicati stampa senza dettagli tecnici. Vengono annotati ma da soli non alzano il punteggio AI.
La revisione controlla anche gli anti-pattern comuni: un repository GitHub vuoto elencato come «codice AI», benchmark copiati da un altro progetto, o un API wrapper presentato come modello proprietario. Questi segnali d'allarme mantengono l'ai_score a 0 finché non compaiono evidenze verificabili.
Cosa significa un componente AI per DecAI Fit
Il componente AI alimenta direttamente l'asse AI reality del punteggio DecAI Fit. Senza evidenze Tier-1 di un componente AI funzionante, l'ai_score di un progetto è 0 — e il suo DecAI Fit complessivo non può salire sopra 0.
Questa è la regola più severa del sistema di punteggio: nessuna AI reality, nessun DecAI Fit sopra 0. Anche se un progetto ha una solida infrastruttura on-chain e un token ben progettato, non può ottenere un punteggio sopra zero senza un componente AI verificabile. Questo riflette la tesi centrale di DecAIHub — il registro valuta l'allineamento con la tesi dell'«AI decentralizzata», e l'AI è il punto di partenza non negoziabile.
Questo non significa che il progetto sia cattivo o privo di valore. Significa che le evidenze non erano disponibili al momento della revisione. Quando compaiono artefatti verificabili (codice, benchmark, demo, documentazione tecnica), la scheda viene aggiornata.
Cosa questo termine da solo non dimostra
- Avere un componente AI non dimostra che il prodotto sia utile, che il token sia necessario o che l'integrazione on-chain sia significativa.
- Il campo AI component descrive solo il meccanismo. Qualità, maturità e scala sono valutate separatamente attraverso la tabella delle evidenze e i flag AI reality.
- Un progetto può avere un componente AI reale ma banale — ad esempio, un semplice classificatore di sentiment che chiama un'API esterna. Reale non significa significativo.
- Viceversa, un progetto con un componente AI sofisticato può comunque ottenere un DecAI Fit basso se la sua integrazione on-chain è superficiale o il suo token non serve ad alcuna funzione.
Da non confondere con
- Lo use case descrive cosa ottiene l'utente dal prodotto. L'AI component descrive cosa fa l'AI al suo interno. Vedi AI component vs use case.
- La categoria (ad es.
AI/Agents) classifica il progetto a un livello più alto. L'AI component è più specifico: la tecnologia effettiva. - L'automazione non è sempre AI. Semplici script basati su regole o flussi di lavoro if/then non sono componenti AI. Vedi Automazione vs componente AI reale.
- Il modello AI si riferisce all'artefatto addestrato (pesi, architettura). Il componente AI è più ampio: include il modello più la pipeline attorno ad esso (ingestione dei dati, pre-processing, serving dell'inferenza, post-processing).
- API wrapper — un progetto che si limita a inoltrare richieste a un'API AI di terze parti (come un LLM in hosting) senza aggiungere elaborazione significativa. Questo può qualificarsi o meno come componente AI a seconda del livello di integrazione e del valore aggiunto.
Domande frequenti
Qual è la differenza tra un AI component e uno use case?
L'AI component è il meccanismo tecnico — cosa fa l'AI (ad es. esegue inferenza, addestra modelli, assegna punteggi ai dati). Lo use case è il risultato di prodotto — cosa ottiene l'utente (ad es. copilot DeFi, tracker di portafoglio, avvisi di rischio). Un progetto può avere lo stesso AI component ma use case diversi, o lo stesso use case alimentato da componenti AI completamente diversi. Nelle schede progetto di DecAIHub questi sono campi deliberatamente separati, così che i lettori possano valutare la tecnologia e il prodotto in modo indipendente. Vedi AI component vs use case per un confronto dettagliato.
Un progetto può avere l'AI senza un componente AI?
No — nella terminologia di DecAIHub, se un progetto ha l'AI, ha un componente AI. La questione è se quel componente sia verificabile. Un progetto potrebbe usare genuinamente l'AI internamente ma non fornire alcuna evidenza pubblica: nessun codice, nessuna documentazione, nessun benchmark, nessuna demo. In quel caso il campo AI component riporterà unknown e l'ai_score resta 0. Questo non significa che l'AI sia assente — significa che le evidenze sono assenti. La scheda viene aggiornata quando le evidenze compaiono.
Cosa significa «positioning only»?
Significa che il progetto usa il linguaggio dell'AI nel proprio marketing, branding o posizionamento — ma non è stata trovata alcuna evidenza Tier-1 o Tier-2 di un componente AI funzionante. La parola «AI» può comparire nel nome del progetto, nello slogan del sito o nel pitch deck, eppure non c'è alcun repository di codice, nessuna documentazione del modello, nessuna demo e nessuna descrizione tecnica di cosa faccia davvero l'AI. «Positioning only» è un'osservazione fattuale, non un giudizio. Alcuni progetti in questo stato possono essere in fase pre-lancio con componenti AI in sviluppo; altri potrebbero non costruirne mai uno.
Un ai_score più alto significa un progetto migliore?
No. L'ai_score misura la verificabilità del componente AI, non la qualità del prodotto o l'utilità della tecnologia. Un progetto con ai_score = 3 ha evidenze forti che la sua AI sia reale e documentata. Un progetto con ai_score = 1 ha evidenze limitate. Nessuno dei due punteggi dice nulla sul fatto che il prodotto risolva un problema reale, che gli utenti ne abbiano bisogno o che il modello del token abbia senso. DecAI Fit combina quattro dimensioni — AI reality, Onchain necessity, Token necessity ed Evidenze — per offrire un quadro più completo.
Riferimenti esterni
- Machine Learning Glossary — Google Developers — definizioni di riferimento per la terminologia ML e AI usata nel settore.
- The promises and challenges of crypto + AI applications — Vitalik Buterin — un framework per ragionare su dove AI e blockchain si completano genuinamente.
- Stanford HAI — AI Index Report — dati annuali sullo stato dell'intelligenza artificiale, inclusi adozione, ricerca e progresso tecnico.
No comments to display
No comments to display