Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Combinare le modalità: flussi di lavoro multimodali

Lezione 13 di 14 Aggiornata il 2 novembre 2026 Principiante
In questa pagina
  1. La potenza della multimodalità combinata
  2. Immagine + Testo: oltre la descrizione
  3. Audio + Documento: il riassunto intelligente
  4. Quattro flussi di lavoro professionali da replicare
  5. Far funzionare il meccanismo senza intoppi
  6. Punti chiave

Aggiornamento 2 novembre 2026 — Le Chat diventa Vibe. Dal 28 maggio 2026, Le Chat è stato rinominato Vibe (sempre all’indirizzo chat.mistral.ai): un unico agente per lavoro e codice, che mantiene le tue conversazioni, impostazioni e abbonamenti. L’esperienza legacy di Le Chat rimane accessibile nella modalità Chat; nella modalità Work, gli agenti sono diventati competenze (invocate con @), le memorie fungono da base di conoscenza e la ricerca approfondita è ora la competenza Deep Research. I piani si chiamano ora Mistral Free, Pro, Team ed Enterprise. Questa lezione utilizza il nome Vibe; tieni presente che alcuni menu qui descritti potrebbero aver cambiato nome o posizione.

La potenza della multimodalità combinata

Durante questo corso, hai esplorato tre capacità fondamentali di Mistral AI: la visione per l’analisi delle immagini, l’audio per la trascrizione e la sintesi vocale, e l’elaborazione dei documenti con OCR intelligente. Singolarmente, ognuna è impressionante. Ma combinarle in un unico flusso di lavoro ne sblocca tutto il potenziale: le fonti si intersecano e si completano a vicenda, producendo risultati che superano ciò che qualsiasi singola modalità potrebbe ottenere da sola. Questa lezione ti mostra come orchestrare queste combinazioni.

Immagine + Testo: oltre la descrizione

Il caso d’uso più comune consiste nell’arricchire un’immagine con istruzioni testuali precise. La differenza tra un prompt debole e uno ricco è drammatica. Prendi uno screenshot di una diapositiva PowerPoint: “Descrivi questa immagine” produce una parafrasi banale. Ma “Ecco una diapositiva della nostra presentazione per gli investitori. Riformula il messaggio principale per un pubblico generico” oppure “Questa diapositiva mostra i nostri risultati trimestrali. Identifica le 3 cifre principali e suggerisci un titolo accattivante” sfrutta sia la comprensione visiva del modello sia la sua capacità di scrittura, rendendo l’output immediatamente utilizzabile.

Lo stesso principio si applica alle foto sul campo. “Ecco una foto del nostro stand alla fiera. Suggerisci miglioramenti per attirare più visitatori” trasforma il modello in un consulente; “Questa foto mostra l’attuale layout del nostro ufficio. Proponi una riorganizzazione per migliorare la collaborazione” ne fa un pianificatore di spazi. In entrambi i casi, il contesto testuale dirige l’attenzione del modello.

Puoi anche combinare più immagini con un’istruzione comparativa: tre bozze di design accompagnate da “Classifica queste bozze per chiarezza visiva e giustifica la tua classifica”, oppure una foto prima e dopo una ristrutturazione con “Stima la percentuale di avanzamento e identifica le attività rimanenti”.

Audio + Documento: il riassunto intelligente

Un flusso di lavoro particolarmente potente incrocia la trascrizione audio con l’analisi dei documenti. Lo scenario classico è una riunione: carica prima l’ordine del giorno (PDF) su Vibe, poi la registrazione della riunione e infine chiedi: “Ecco l’ordine del giorno e la registrazione della nostra riunione. Per ogni punto all’ordine del giorno, riassumi quanto deciso ed elenca le azioni da intraprendere”. Il modello incrocia entrambe le fonti per produrre un riassunto strutturato punto per punto; mentre la sola trascrizione ti darebbe un lungo verbale da editare, e il solo ordine del giorno sarebbe un guscio vuoto.

La variante per studenti funziona altrettanto bene: carica le slide PDF del corso, poi la registrazione audio del professore e chiedi “Crea appunti di revisione completi combinando le slide con le spiegazioni orali del professore”. Le slide forniscono struttura e definizioni esatte; l’audio aggiunge spiegazioni, esempi ed enfasi. Gli appunti finali sono molto più ricchi di quanto potrebbe fornire separatamente una delle due fonti.

Quattro flussi di lavoro professionali da replicare

Per l’intelligence competitiva, fai screenshot delle homepage di tre concorrenti, caricali su Vibe e chiedi: “Confronta queste 3 homepage. Identifica punti di forza e debolezze di ciascuna in termini di messaggio, design e call to action”.

Per l’onboarding dei clienti, carica il contratto firmato (PDF) seguito dal brief del cliente (documento o immagine) e chiedi: “Riassumi gli impegni contrattuali e incrociali con le aspettative del brief. Ci sono incongruenze?”. Individuare presto queste discrepanze evita di scoprire a metà progetto che una promessa di vendita non è nel contratto.

Per l’analisi di eventi, combina tre fonti: foto dell’evento, registrazioni audio dei discorsi e il programma (PDF), poi chiedi: “Crea un report post-evento evidenziando i momenti chiave, le citazioni memorabili e una valutazione di quanto bene il programma è stato coperto”.

Per la formazione interna, inverti il flusso: registra la tua spiegazione orale di un processo, lascia che Vibe la trascriva, chiedi “Trasforma questa trascrizione in una guida procedurale strutturata con passaggi numerati”, poi aggiungi screenshot con “Integra le descrizioni di questi screenshot come illustrazioni per ogni passaggio”. In quattro messaggi, una spiegazione improvvisata diventa documentazione formale.

Far funzionare il meccanismo senza intoppi

Alcune abitudini rendono questi flussi di lavoro molto più fluidi. Contestualizza ogni file che carichi: “Questo è l’ordine del giorno”, “Ecco la registrazione corrispondente”, così il modello associa correttamente le fonti. Per flussi di lavoro complessi, procedi passo dopo passo: invece di inviare tutto in un unico messaggio, costruisci la conversazione messaggio per messaggio, validando ogni passaggio prima di passare al successivo. Nomina i tuoi file in modo esplicito prima di caricarli: “report-q3-2026.pdf” informa il modello; “documento.pdf” no. E ricorda che la modalità vocale è essa stessa una modalità di input: per istruzioni lunghe, dettale invece di digitare un paragrafo.

Punti chiave

  • Combinare immagine + testo + audio + documento in un unico flusso di lavoro moltiplica le possibilità
  • I flussi di lavoro più potenti incrociano più fonti: audio della riunione + ordine del giorno, foto + brief del cliente
  • Contestualizza ogni file caricato per aiutare il modello a fare le connessioni giuste
  • Procedi passo dopo passo nei flussi di lavoro complessi invece di inviare tutto in una volta
  • La modalità vocale può servire come strumento di input per istruzioni dettagliate