Posso guadagnare 250.000 dollari in 90 giorni con l’IA?

“La nostra paura più profonda non è quella di essere inadeguati. La nostra paura più profonda è di essere potenti oltre misura. È la nostra luce, non la nostra oscurità, a spaventarci di più. Ci chiediamo: “Chi sono io per essere brillante, stupendo, talentuoso, favoloso?” In realtà, chi sei tu per non essere? Sei un figlio di Dio. Il tuo giocare in piccolo non serve al mondo. Non c’è niente di illuminato nel rimpicciolirsi in modo che le altre persone non si sentano insicure intorno a te. Siamo tutti destinati a brillare, come fanno i bambini. Siamo nati per rendere manifesta la gloria di Dio che è dentro di noi. Non è solo in alcuni di noi; è in ognuno di noi. E mentre lasciamo risplendere la nostra luce, inconsciamente diamo ad altre persone il permesso di fare lo stesso. Quando ci liberiamo dalla nostra paura, la nostra presenza libera automaticamente gli altri.”

— Marianne Williamson, Un ritorno all’amore

Non sarò il primo a tentare qualcosa che un tempo sarebbe sembrato impossibile.

L’era della tecnologia ha già prodotto fondatori e aziende che hanno guadagnato 100 milioni di dollari o più in sei mesi. Se un fondatore solista riesce a costruire un’azienda del valore di 250 milioni di dollari in circa sei mesi, forse una sfida da 250.000 dollari non è nemmeno abbastanza grande.

La sfida pubblica è di $ 250.000. In privato mi sto spingendo verso il milione di dollari.

Il punto non è fare una previsione casuale. Si tratta di fissare un obiettivo sufficientemente ampio da forzare un vero test di ciò che questi strumenti – e una persona che li dirige – possono ora realizzare.

Forse dovremmo tutti impegnarci più di quanto pensiamo di poter fare.

Ma il punto più profondo è che una persona che fa qualcosa di straordinario lo rende immaginabile per tutti gli altri. Ciò dimostra che il confine si è spostato.

Voglio far luce su ciò che ora più persone possono tentare con questi strumenti. Non perché tutti intraprenderanno lo stesso percorso, ma perché chiunque può imparare a costruire, testare, dirigere e migliorare sistemi che un tempo richiedevano un’intera organizzazione.

Lo scoprirò e vedrò quanto una persona può effettivamente fare adesso.

Qualche giorno fa mi sono imbattuto in un’azienda chiamata Polsia.

Ciò che ha attirato la mia attenzione non è stato semplicemente ciò che aveva costruito, ma quanto velocemente lo aveva apparentemente costruito.

Il fondatore Ben Cera ha lanciato l’azienda alla fine del 2025. Nel giro di circa sei mesi, aveva raccolto 30 milioni di dollari con una valutazione di 250 milioni di dollari e affermava pubblicamente che la società si stava avvicinando a circa 10 milioni di dollari di entrate annualizzate.

È straordinario.

Ma quello che mi interessava di più era il prodotto.

Dall’esterno, Polsia non mi sembrava basata su qualche impossibile progresso tecnologico. Gran parte del valore sembrava provenire dal prendere capacità che sempre più esistono all’interno di sistemi come Claude e renderle utilizzabili per persone che non vogliono comprendere terminali, API, agenti, infrastruttura software o come tutti gli elementi tecnici si incastrano insieme.

Definirlo semplicemente un involucro di Claude sarebbe ingiusto.

Rendere la tecnologia complicata facile da usare è di per sé prezioso.

Anche il nome faceva parte della battuta. Polsia è “AI slop” scritto al contrario. Cera ha abbracciato quella sensibilità, creando un account Instagram attorno a video deliberatamente assurdi generati dall’IA. Alcuni hanno raggiunto decine di milioni di visualizzazioni. Un link a Polsia nella bio ha trasformato quell’attenzione in traffico.

Ma quella era proprio la lezione.

Non è necessario necessariamente inventare la tecnologia sottostante. Devi capire cosa rende possibile e trasformarlo in qualcosa di utile.

Ciò mi ha portato a una domanda un po’ scomoda.

Cosa sto aspettando esattamente?

Ho passato molto tempo a studiare l’intelligenza artificiale.

Ricerca.

Automazione.

Codifica delle vibrazioni.

Agenti.

Siti web.

Database.

Modelli di business.

Sto anche pensando di creare eventualmente un’attività di formazione pratica sull’intelligenza artificiale per dirigenti e imprenditori esperti.

Ma prima di insegnare a qualcuno come utilizzare questi strumenti a livello commerciale, voglio vedere fino a che punto posso portarli io stesso.

Non guardando le dimostrazioni.

Per costruendo.

Quindi mi sono lanciato una sfida.

$250.000 in 90 giorni

Il mio obiettivo è utilizzare l’intelligenza artificiale, combinata con l’esperienza aziendale che già possiedo, per creare $ 250.000 di nuove entrate nei prossimi 90 giorni.

Non so se ci arriverò.

Questo è ciò che rende interessante l’esperimento.

E farò qualcos’altro che sarebbe sembrato quasi assurdo qualche anno fa.

Lavorerò su diversi progetti contemporaneamente pur continuando a gestire la mia attività esistente.

Questo potrebbe rivelarsi l’esperimento più importante.

In realtà ho imparato a programmare molto tempo fa

C’è un pezzo di background che vale la pena spiegare.

Non sono un ingegnere del software, ma non sono del tutto estraneo alla programmazione.

Ho imparato il BASIC a 13 anni.

Più tardi, negli anni ’80, scrissi un programma per la determinazione dei prezzi delle opzioni in BASIC su Windows.

E poi, sostanzialmente, ho smesso.

Per quasi tre decenni non ho programmato seriamente.

La tecnologia è andata avanti.

Lo sviluppo del software è andato avanti.

È successo Internet.

È successo il cloud computing.

Sono accaduti i database moderni.

È successo.

Si sono verificate API.

Sono comparsi i framework JavaScript.

Tutto ciò che riguarda lo sviluppo del software è diventato enormemente più sofisticato.

Ho preso un po’ di Python qua e là, ma prima di questo esperimento non avrei potuto sedermi e costruire da solo un progetto Python serio.

Quindi quando dico che ho un background tecnologico, intendo questo.

Capisco la logica.

Capisco i sistemi.

Capisco cosa può fare il software.

Ma lo sviluppo del software moderno mi aveva ignorato.

E poi l’IA ha fatto qualcosa di inaspettato.

Mi ha riportato dentro.

Solo che non sto diventando davvero un programmatore

Questa è una delle cose più strane che ho scoperto.

Sto imparando sempre di più sullo sviluppo del software consentendo all’intelligenza artificiale di scrivere quasi tutto il codice.

Sembra contraddittorio.

Non lo è.

Perché sempre più spesso il mio lavoro non è digitare il codice.

Il mio compito è capire cosa dovrebbe fare il sistema.

Come devono collegarsi i componenti.

Dove dovrebbero vivere i dati.

Come dovrebbe comportarsi l’applicazione.

Ciò che l’utente dovrebbe sperimentare.

Cosa succede quando qualcosa fallisce.

Come dovrebbe funzionare la sicurezza.

Come dovrebbe essere strutturato il database.

Come dovrebbe essere distribuita l’applicazione.

Come dovrebbero comunicare i diversi servizi.

E come riconoscere quando l’IA ha costruito la cosa sbagliata.

In altre parole, sto diventando sempre più vicino a un architetto software.

E penso che potrebbe essere uno dei maggiori cambiamenti che l’intelligenza artificiale apporta allo sviluppo del software.

L’abilità preziosa potrebbe diventare sempre più non:

Puoi scrivere personalmente ogni riga di codice?

Ma:

Riesci a progettare un buon sistema e a dirigere l’IA abbastanza bene da costruirlo?

Ciò richiede un diverso tipo di competenza.

Devi ancora capire il software.

Forse più di quanto si creda.

Ma potresti non aver più bisogno di eseguire personalmente ogni parte meccanica della sua creazione.

Ne scriverò molto di più in seguito perché è stata una delle lezioni più importanti dell’intero esercizio.

Il primo esperimento: DarinOliver.com

Una delle prime cose che ho fatto è stata realizzare il sito che stai leggendo.

DarinOliver.com è stato in parte un esercizio per insegnare a me stesso lo sviluppo di software moderno assistito dall’intelligenza artificiale.

Volevo una piattaforma editoriale multilingue in cui potessi scrivere di affari, processi decisionali, tecnologia e ciò che stavo imparando.

Così l’ho costruito.

Ho usato Astro.

Ho aggiunto più lingue.

Ho aggiunto la narrazione vocale.

Ho costruito l’architettura dell’articolo.

Ho collegato l’infrastruttura.

L’ho schierato.

La prima versione ha richiesto circa 24 ore.

Ed ecco la parte che ancora mi sorprende.

Ha funzionato subito molto bene.

Questo non era un prototipo rotto che si caricava a malapena.

Il sito distribuito.

L’architettura ha funzionato.

Il sistema multilingue ha funzionato.

Il sistema editoriale ha funzionato.

E avevo costruito qualcosa in circa un giorno che, non molto tempo fa, mi sarei aspettato di coinvolgere uno sviluppatore, settimane di avanti e indietro, specifiche, revisioni, test e probabilmente un budget significativo.

Certo che ho continuato a migliorarlo.

Ma la cosa sorprendente era quanto fosse già buono il primo risultato.

Ciò ha cambiato la mia percezione di ciò che era diventato possibile.

L’intelligenza artificiale è diventata incredibilmente brava nella programmazione

C’è qualcos’altro che le persone che non utilizzano questi sistemi ogni giorno potrebbero non apprezzare.

Il tasso di miglioramento è straordinario.

Anche un anno fa, gli strumenti di codifica basati sull’intelligenza artificiale potevano essere molto utili, ma commettevano anche molti errori.

Fraintenderebbero l’architettura.

Rompi le cose.

Inventa le librerie.

Perdere la cognizione del contesto.

Crea un problema mentre ne risolvi un altro.

Oggi l’esperienza è radicalmente diversa.

I sistemi attuali sono programmatori sorprendentemente capaci.

Commettono ancora errori.

Certo che lo fanno.

Ma date a un modello forte un problema ben strutturato, un contesto sufficiente e istruzioni chiare, e sarà in grado di produrre un’enorme quantità di software di alta qualità in tempi notevolmente rapidi.

E la sua capacità di eseguire il debug potrebbe essere ancora più impressionante.

Qualcosa si rompe.

Gli mostri l’errore.

Traccia il problema.

Ispeziona il codice circostante.

Trova la dipendenza o il conflitto architetturale.

Risolto.

Esegue i test.

Trova qualcos’altro.

Risolve anche questo.

A volte semplicemente lo guardo funzionare e penso:

Questa è una macchina.

Una macchina assoluta.

E la cosa importante è che questo miglioramento sta avvenendo in modo incredibilmente rapido.

Anche gli strumenti che Ben Cera aveva a disposizione quando ha fondato Polsia alla fine dell’anno scorso non erano così potenti come quelli che abbiamo oggi.

Ciò significa che l’opportunità si sta muovendo sotto di noi mentre cerchiamo di capirla.

Le persone guardano a ciò che era possibile fare sei o dodici mesi fa e presumono che ciò definisca ciò che l’intelligenza artificiale può fare ora.

Non è così.

Questo è uno dei motivi per cui sento una certa urgenza riguardo a questo esperimento.

Poi ho creato TallyPop

Dopo DarinOliver.com, volevo qualcosa di più tecnicamente impegnativo.

Un sito editoriale è una cosa.

Volevo creare un’applicazione reale con dati persistenti.

Ho riscontrato il problema a casa.

Mio figlio era alle prese con le tabelline.

Così ho deciso di costruire qualcosa per lui.

Quello è diventato TallyPop.app.

Inizialmente si trattava semplicemente di una domanda per un bambino.

Allora ho pensato:

Altri genitori devono avere questo problema.

Quindi:

Gli insegnanti potrebbero trovarlo utile.

Quindi:

Questo potrebbe effettivamente essere un prodotto commerciale.

In circa 48 ore ho creato e distribuito l’applicazione.

Aveva un database.

Tracciamento dello stato dell’utente.

Cicli di feedback progettati per rispondere alle prestazioni di un bambino.

Più lingue.

Un’applicazione web funzionante.

E ho dovuto imparare tecnologie che personalmente non avevo mai utilizzato prima.

Supabase.

Vercel.

GitHub.

Cloudflare.

Claude.

Codice in esecuzione tramite Terminale sul mio MacBook.

Non avevo mai usato correttamente GitHub in vita mia.

Ora stavo distribuendo un’applicazione supportata da database tramite esso.

Ancora una volta, l’IA ha scritto la stragrande maggioranza del codice.

Ma stavo imparando cosa faceva tutto.

Dovevo capire l’architettura.

Dovevo capire perché il database si collegava in quel modo.

Dovevo capire l’autenticazione.

Distribuzione.

Variabili d’ambiente.

Rami.

Errori.

Permessi.

E quando qualcosa si rompeva, dovevo imparare abbastanza per capire se la soluzione proposta aveva senso.

Questo è ciò che intendo quando dico che sto diventando un architetto del software.

TallyPop è ora live.

Ho intenzione di aggiungere molte altre funzionalità e poi iniziare a proporle agli insegnanti qui in Belgio.

E questo introduce il problema successivo.

Perché l’intelligenza artificiale ha reso la costruzione notevolmente più semplice.

Non ha eliminato la necessità di acquisire clienti.

Nel frattempo, Simply Alpha continua a correre

Faccio tutto questo continuando a gestire Simply Alpha Capital, LLC, la mia attività di consulenza iGaming.

Il mio team sta già utilizzando ampiamente l’intelligenza artificiale in tutta l’azienda.

Stiamo anche lavorando a un progetto separato nel settore iGaming che attualmente è nascosto.

Penso che il progetto alla fine potrebbe diventare molto prezioso.

Ma non conta per questa sfida.

Nemmeno le entrate ordinarie di Simply Alpha.

Voglio che le regole siano pulite.

I $ 250.000 devono provenire dai nuovi progetti che sto sviluppando pubblicamente come parte di questo esperimento.

Simply Alpha continua.

I nostri clienti continuano.

Il nostro lavoro esistente continua.

Il progetto stealth continua.

E contemporaneamente sto costruendo questi nuovi sistemi.

Questo fa parte di ciò che sto cercando di testare.

Poi ho rivolto l’intelligenza artificiale alla ricerca

Una parte significativa di ciò che facciamo in Simply Alpha richiede di tenere il passo con gli sviluppi di iGaming, giochi a premi, criptovalute, mercati di previsione, sviluppo di giochi, regolamentazione, pagamenti, marketing e settori correlati.

C’è un’enorme quantità di informazioni.

Legislazione.

Contenzioso.

Attività normativa.

Aziende che entrano ed escono dai mercati.

Sviluppi dei pagamenti.

Lanci di prodotto.

Attività di marketing.

Transazioni.

Concorrenti.

Così ho iniziato a sperimentare con la ricerca sull’intelligenza artificiale.

I risultati sono stati straordinari.

Ho costruito suggerimenti di ricerca sempre più sofisticati e ho fatto in modo che il sistema raccogliesse, organizzasse e riassumesse un’enorme quantità di informazioni utili.

Alla fine, ho chiesto a Claude di trasformare l’output in un documento di ricerca HTML ricercabile.

È stato estremamente utile.

Ma presto mi sono reso conto di aver semplicemente creato un processo manuale molto sofisticato.

Dovevo ancora iniziarlo.

Dovevo ancora eseguirlo.

E se non l’ho eseguito, non è successo nulla.

Questo mi ha portato agli agenti.

Questo fine settimana: SweepsMonitor.com

Il mio prossimo esperimento è SweepsMonitor.com.

Ho intenzione di realizzare la prima versione questo fine settimana e, se tutto va come previsto, di farla funzionare entro lunedì o martedì.

Si concentrerà specificamente sugli sviluppi nel mercato dei giochi a premi negli Stati Uniti.

Ma il sito in sé è quasi secondario.

Quello che voglio veramente sapere è se posso distribuire un agente su un server privato virtuale e far funzionare l’intero sistema in modo continuo.

Un VPS è essenzialmente un computer che funziona da qualche altra parte 24 ore al giorno.

L’agente dovrebbe essere in grado di riattivarsi automaticamente.

Ricerca.

Identificare sviluppi importanti.

Analizzali.

Produrre materiale pubblicabile.

E inserisci quel materiale nel sito.

Ciò significa che testerò se posso creare un sistema di pubblicazione autonomo.

Non in teoria.

Uno vero.

Può funzionare continuamente?

Riesce a distinguere le notizie dal rumore?

Può generare contenuti utili?

Può pubblicare?

Può continuare a funzionare mentre sto facendo qualcos’altro?

Questo è ciò che voglio che SweepsMonitor dimostri.

Poi voglio costruire l’agente di marketing

Una volta dimostrata l’architettura di ricerca e pubblicazione, voglio affrontare la distribuzione.

Ho osservato le persone utilizzare video in formato breve generati dall’intelligenza artificiale per creare quantità straordinarie di traffico su piattaforme come Instagram.

Ciò che mi interessa non copiare nessun contenuto in particolare.

È il modello.

Genera variazioni creative.

Provali.

Osserva ciò che attira l’attenzione.

Impara.

Produci di più.

Usa quell’attenzione per guidare le persone verso qualcosa di utile.

Una volta che SweepsMonitor avrà dimostrato che posso distribuire e gestire un agente persistente, intendo creare un agente di marketing.

L’obiettivo sarà creare un sistema in grado di identificare idee che vale la pena promuovere, sviluppare concetti di video in formato breve, produrre script e risorse creative, preparare post e indirizzare il traffico da piattaforme come Instagram verso una delle attività che sto sviluppando.

Mi aspetto che questo sistema diventi particolarmente utile per Agentic Radar, cosa che spiegherò in un articolo successivo.

E questo avvicina l’architettura a una macchina commerciale completa:

Ricerca → analisi → prodotto → contenuto → editoria → distribuzione → traffico → cliente

Se riesco a far funzionare insieme questi pezzi, una persona inizia ad avere capacità che una volta richiedevano un intero team.

Questa è la parte che trovo profonda

Pensa a quello che sto facendo allo stesso tempo.

Sto utilizzando Simply Alpha.

Il mio team sta sviluppando un progetto iGaming stealth separato.

Sto continuando DarinOliver.com.

Sto migliorando TallyPop.

Sto costruendo un’infrastruttura di ricerca sull’intelligenza artificiale.

Sto avviando SweepsMonitor.

Sto implementando un agente di ricerca e pubblicazione autonomo.

Intendo creare un agente di marketing.

E intendo sviluppare Agentic Radar.

Tradizionalmente, guarderesti quell’elenco e diresti:

È troppo. Scegli una cosa.

E storicamente, probabilmente è stato un ottimo consiglio.

Ma l’intelligenza artificiale sta cambiando l’economia unitaria dello sforzo umano.

Non devo scrivere personalmente ogni riga di codice.

Non devo ricercare personalmente ogni storia.

Non devo tradurre manualmente ogni pagina.

Non devo creare personalmente ogni prima bozza.

Non devo eseguire personalmente il debug di ogni problema software.

Non devo creare ogni contenuto di marketing.

E sempre più spesso non devo nemmeno avviare personalmente ogni compito.

Le macchine possono lavorare mentre sto facendo qualcos’altro.

Ciò non rende la mia attenzione illimitata.

Il mio giudizio rimane finito.

La mia capacità di prendere decisioni rimane limitata.

E gli agenti possono commettere errori spettacolari se mal diretti.

Ma il vincolo sta cambiando.

La vecchia domanda era:

Quanto lavoro può fare una persona?

La domanda emergente è:

Quanti sistemi produttivi può dirigere in modo intelligente una persona?

Lo trovo profondo.

Produttività quasi sovrumana

Le persone descrivono l’intelligenza artificiale come uno strumento di produttività.

Penso sempre più che la descrizione sia troppo piccola.

Produttività significa:

Prima impiegavo quattro ore per fare qualcosa e ora ne impiego una.

Utile.

Ma quello che sto vivendo mi sembra diverso.

L’AI mi permette di tentare cose che prima non avrei tentato affatto.

TallyPop una volta avrebbe significato assumere sviluppatori prima di sapere se qualcuno lo voleva.

SweepsMonitor avrebbe potuto richiedere ricercatori, scrittori, sviluppatori, editori e qualcuno che monitorasse il mercato tutto il giorno.

Una seria operazione di acquisizione di social media potrebbe richiedere ricercatori, sceneggiatori, designer, montatori video e addetti al marketing.

Ora una persona può almeno tentare di orchestrare tutte queste capacità.

Comincia a sembrare quasi sovrumano.

Non perché la persona sia diventata sovrumana.

Perché improvvisamente la persona ha delle macchine.

E quanto più potenti diventano quelle macchine, tanto più importante il ruolo umano si sposta verso l’architettura, il giudizio, il gusto, la strategia e la direzione.

Questa potrebbe essere la vera abilità che sto imparando.

Non come programmare.

Come dirigere sistemi intelligenti che codificano, ricercano, pubblicano, analizzano ed eventualmente commercializzano per me.

Perché lo faccio prima di insegnarlo

Un modo ovvio per monetizzare ciò che sto imparando sarebbe insegnarlo.

C’è una popolazione molto ampia di dirigenti e imprenditori esperti che comprendono molto bene la propria attività ma sono appena andati oltre l’utilizzo di ChatGPT per scrivere e-mail.

Ho pensato seriamente di creare servizi pratici di formazione e consulenza sull’intelligenza artificiale per quel gruppo.

Probabilmente lo farò.

Ma prima voglio vedere fino a che punto posso spingermi con questi strumenti.

Voglio competenza pratica nello sviluppo di software assistito dall’intelligenza artificiale, nella ricerca, nei database, nell’automazione, negli agenti, nell’infrastruttura, nella produzione di contenuti, nel marketing, nell’acquisizione di clienti e nella monetizzazione.

Perché far sì che un sistema di intelligenza artificiale faccia qualcosa di impressionante non è la stessa cosa che creare valore economico.

Il test è se qualcuno ti paga.

Ecco perché mi piace la sfida dei 90 giorni.

Forza il problema.

Ciò che conta

Le regole rimangono semplici.

I ricavi di Simply Alpha non contano.

I ricavi del progetto iGaming stealth separato non contano.

I 250.000 dollari devono provenire dai nuovi progetti costruiti o sviluppati come parte di questo esperimento.

Al momento ciò significa:

• TallyPop.app
• SweepsMonitor.com
• Radar agente
• Tutto ciò che è nuovo creato direttamente tramite DarinOliver.com
• Qualsiasi altra cosa che inventerò nei prossimi 90 giorni

Il punto non è spostare le entrate esistenti in un altro secchio e dichiarare la vittoria.

È vedere cosa posso creare da qui.

L’esperimento

Quindi per i prossimi 90 giorni costruirò.

Distribuisci.

Ricerca.

Pubblica.

Mercato.

Vendi.

Automatizza.

Rompi le cose.

Risolvili.

E mostra cosa succede.

Forse guadagno $ 250.000.

Forse no.

Ma sempre più spesso il denaro non è nemmeno la parte più interessante della sfida.

La domanda più grande è:

Quanto può effettivamente fare una persona adesso?

Quante aziende può testare una persona?

Quanti prodotti può costruire una persona?

Quanto software può dirigere una persona?

Quanta ricerca può supervisionare una persona?

Quanti contenuti può pubblicare una persona?

Quanta distribuzione può creare una persona?

Quanti sistemi autonomi può gestire una persona pur continuando a gestire un’azienda esistente?

Non lo so.

Ma sospetto che la risposta sia molto più ampia di quanto la maggior parte delle persone attualmente immagini.

Finora:

SimplyAlpha.com — operativo.

DarinOliver.com: costruito e in continua evoluzione.

TallyPop.app: costruito, attivo e continuo.

Infrastruttura di ricerca sull’intelligenza artificiale — in corso.

SweepsMonitor.com — questo fine settimana.

Agente editoriale autonomo — successivo.

Agente di marketing — dopo.

Agentic Radar — in arrivo.

E intendo eseguirli in parallelo.

Questa potrebbe alla fine essere la vera storia.

Non che l’intelligenza artificiale renda una persona più veloce.

Che l’intelligenza artificiale consente a una persona di diventare l’architetto di una quantità di attività produttiva che un tempo richiedeva un’organizzazione.

$250.000.

90 giorni.

Mentre gestisco l’attività ho già.

Vediamo cosa può fare una persona adesso.