,

Come tenere un LLM ancorato ai dati: dal PGN alla pubblicazione, 336 citazioni verificate

Dai file PGN a una pubblicazione PDF: il codice calcola i dati, l’LLM scrive, uno script verifica ogni mossa citata. Report generati senza allucinazioni.

·

in ,
Copertine dei quaderni Reykjavík 1972 e Torneo Estivo 2026 di Scacco del Colle, con una pagina di partita commentata e diagramma

In breve

Per evitare che un LLM inventi dati in un documento generato, i numeri vanno calcolati dal codice e passati al modello già pronti; al modello resta la scrittura, con una gerarchia delle fonti nel prompt e una verifica automatica di ogni citazione. Con questo metodo una pipeline trasforma i file PGN di un torneo di scacchi in una pubblicazione PDF commentata: 336 citazioni verificate, 0 errori.

InputFile PGN ufficiali (mosse, giocatori, risultati)
OutputPubblicazione PDF con classifica, risultati per turno, diagrammi e commento delle partite
Primo caso realeTorneo Estivo 2026 di Scacco del Colle: 10 giocatori, 2 gironi, 30 partite, 27 pagine
Verifica di riusoMatch Fischer–Spassky, Reykjavík 1972: 21 partite, 39 pagine
ImpaginazioneLaTeX, deterministica
Validazione336 mosse citate nel commento verificate sulla partita: 0 errori

Che cos’è il PGN?

Il PGN (Portable Game Notation) è il formato standard con cui si registrano le partite di scacchi: intestazioni con giocatori, evento, data e risultato, e la sequenza delle mosse in notazione algebrica. È un dato strutturato e verificabile, quindi la fonte di verità ideale per un testo generato.

Chi fa cosa tra codice e intelligenza artificiale?

CompitoChi lo faPerché
Lettura del PGN e ricostruzione di ogni posizioneCodice (parser e motore che rigioca le mosse)Deve essere esatto
Classifiche, spareggi fino allo scontro diretto, statisticheCodiceUn errore di calcolo sarebbe un errore di contenuto
Diagrammi delle posizioni chiaveCodiceGenerati dalle mosse reali, non disegnati
Sintesi, spiegazione e commento delle partiteLLMÈ dove il modello è davvero utile
Verifica delle mosse citate nel commentoScript di controlloTrova le varianti «creative» del modello
CopertinaGenerativa, con ricerca di immagini a licenza libera e fallback graficoDiversa per ogni pubblicazione
Impaginazione finaleLaTeXTipografia deterministica e ripetibile

Come si scrive un prompt che non inventa?

Le istruzioni del progetto sono una specifica, non un desiderio. Contengono:

  1. una gerarchia delle fonti: PGN, poi materiale didattico, poi conoscenza generale;
  2. la distinzione esplicita tra dato («il Bianco gioca 23.Td1»), interpretazione («la torre aumenta la pressione sul pedone isolato») e valutazione del motore;
  3. una regola base: nel dubbio, non inventare.

Come si verifica un testo generato?

Uno script estrae ogni mossa citata nel commento e controlla che esista davvero nella partita o nelle sue annotazioni. Il risultato finale: 336 citazioni verificate, 0 errori, dopo aver eliminato qualche variante inventata dal modello.

Quando i dati si contraddicono, come una partita con il Nero in vantaggio decisivo registrata come vittoria del Bianco, l’anomalia viene segnalata nel testo, non corretta a intuito: decidere quale dato è giusto spetta all’arbitro, non al modello.

La pipeline è riutilizzabile?

Per verificarlo l’ho applicata a un classico: il match Fischer–Spassky di Reykjavík 1972, 21 partite commentate in 39 pagine. Stesso codice, stesse regole: cambia solo il PGN di partenza.

Cosa può fare per un’azienda

Lo stesso schema, dati calcolati dal codice e testo scritto dal modello, si applica a molti report aziendali:

  • report periodici di vendita o di marketing con commento automatico;
  • schede prodotto generate da dati tecnici strutturati;
  • sintesi di dashboard per la direzione;
  • documentazione che deve restare coerente con un database.

Se stai valutando qualcosa di simile per la tua organizzazione, raccontami il tuo caso: partiamo dalle domande a cui deve rispondere, non dalla tecnologia.

Cosa ho imparato

  • Un LLM resta affidabile quando i dati gli arrivano già calcolati: il modello spiega, il codice conta.
  • Una gerarchia delle fonti scritta nel prompt riduce le invenzioni più di qualsiasi raccomandazione generica.
  • La verifica automatica delle citazioni è economica e trova errori che a occhio sfuggono.
  • Le anomalie nei dati vanno dichiarate, non «aggiustate».

Domande frequenti

Come si evitano le allucinazioni nei report generati con l’AI?

Calcolando i numeri con il codice e passandoli al modello già pronti, dando una gerarchia delle fonti nel prompt e verificando automaticamente ogni dato citato nel testo prima della pubblicazione.

Perché usare LaTeX per l’impaginazione?

Perché è deterministico: lo stesso contenuto produce sempre lo stesso documento, con una tipografia di qualità e senza interventi manuali.

Si può applicare a dati diversi dagli scacchi?

Sì: qualsiasi dato strutturato e verificabile, come vendite, risultati di test o dati di prodotto, può fare da fonte di verità per un testo generato.

Fonti e riferimenti

Lo stesso principio, fonti prima di tutto, guida anche KM0 Bot.

Scritto da

Stefano Manco

Dal 2004 tra comunicazione, UX e front-end, SEO tecnica e analytics; oggi sperimento con AI, LLM e applicazioni basate sui dati.