Termini che usiamo, spiegati seriamente.

Pattern di integrazione AI in cui un LLM, prima di rispondere, recupera frammenti di documenti aziendali da un vector database e li include nel contesto. Riduce le allucinazioni perché l'AI lavora su dati reali, non solo su ciò che ha memorizzato in addestramento.

Architettura e-commerce in cui il frontend (UI) è disaccoppiato dal backend (catalogo, checkout, ordini) tramite API. Permette di avere più storefront diversi (web, mobile, PoS) sopra lo stesso motore commerce, e di scegliere lo stack frontend migliore senza vincoli del backend.

Insieme di processi e tecnologie per gestire identità digitali, autenticazione (chi sei) e autorizzazione (cosa puoi fare). Include SSO federato, ruoli granulari (RBAC/ABAC), provisioning automatico (SCIM), audit log. Strumenti tipici: Keycloak, Auth0, Okta, AWS Cognito.

Architettura in cui una singola istanza dell'applicazione serve più clienti (tenant) garantendo isolamento dei dati, personalizzazioni per tenant e billing dedicato. Più efficiente di una istanza per cliente, più complessa da progettare per non avere data leak fra tenant.

Modello che distribuisce il merito di una conversione su più touch point del customer journey (Google Ads, Meta, email, SEO), invece di assegnarlo solo all'ultimo click. Indispensabile per capire il vero ROI di canali a basso intent ma alto valore di assistenza.

Invio degli eventi di analytics e advertising dal server invece che dal browser. Aggira ad-blocker, cookie di terze parti e ITP, recupera dati altrimenti persi e tutela la privacy con consent mode. Implementazione tipica: GTM server-side container + Conversion API delle piattaforme paid.

Database specializzato nel salvare e cercare embeddings (rappresentazioni numeriche di testo, immagini, audio). Permette ricerca per similarità semantica, alla base di RAG, sistemi di raccomandazione e ricerca AI. Esempi: pgvector, Pinecone, Weaviate, Qdrant.

Capacità di capire cosa sta succedendo dentro un sistema in produzione attraverso log strutturati, metriche e tracing distribuito. Più dei classici monitoring: permette di rispondere a domande non previste a priori. Stack tipico: OpenTelemetry, Loki, Prometheus, Grafana.

Strutture dati che permettono di sincronizzare modifiche concorrenti tra più client (reali e offline) senza conflitti, tipiche di app collaborative real-time tipo editor condivisi o whiteboard. Yjs e Automerge sono le implementazioni più mature.

Esecuzione di codice in data center geograficamente distribuiti vicini all'utente finale, invece che in un'unica regione. Riduce drasticamente la latenza per personalizzazione, A/B test, autenticazione e routing. Vercel, Cloudflare Workers e AWS Lambda@Edge sono i provider più usati.

Tecnica per pubblicare eventi su un message bus in modo atomico con la scrittura nel database. La transazione include una tabella outbox, da cui un processo separato legge e pubblica gli eventi. Garantisce "at-least-once delivery" senza two-phase commit fra DB e broker.

Metriche Google per misurare l'esperienza utente reale di un sito: LCP (velocità di caricamento del contenuto principale), CLS (stabilità visuale durante il caricamento), INP (reattività alle interazioni). Sotto-soglia su queste metriche è requisito per ranking SEO e UX accettabile.