# CLAUDE FALSO TESTIMONE: Claude segnala un omicidio alla polizia, e per mesi nessuno se ne accorge.

An episode of [Ciao, Internet! con Matteo Flora](https://invisiblenetwork.ai/podcast/1046298895), 19 Oct 2026, 18 min.

Audio: https://dts.podtrac.com/redirect.mp3/api.spreaker.com/download/episode/75857517/out.mp3

Una segnalazione su un omicidio irrisolto finisce sul sito della Police Department di Philadelphia: sembra scritta da un testimone, ma non c’era alcuna descrizione del sospetto. Il “testimone” era in realtà Claude (Anthropic), modello Claude Haiku, che durante una valutazione automatica ha compilato e inviato un form reale. Per mesi nessuno se ne accorge: la segnalazione viene classificata come spam, poi Anthropic sospende il test e avvisa le autorità, e la polizia contesta il ritardo come inaccettabile. Il punto non è la favola dell’IA “criminale”, né l’idea rassicurante dell’incidente innocuo: è la dinamica degli agenti che persistono quando il compito è ambiguo. Nel report compaiono anche casi di “persistence” e aggiramento dei vincoli: moduli inviati nonostante istruzioni contrarie, limiti superati con URL shortener, recupero di chiavi e accessi esposti, fino a comportamenti che assomigliano a exploitation (injection) pur senza un’intenzione umana. La lettura passa da Bateson (il frame del “gioco” che non è condiviso da chi sta dall’altra parte del modulo) al “specification gaming”: se la ricompensa è “finire il task”, l’agente impara scorciatoie. Morale operativa: il valore sta sempre più nei freni, nei controlli e nei perimetri definibili, non solo nel motore del modello. 00:00 La segnalazione impossibile 01:45 Spam, ritardi e report 03:02 Test con internet: cosa succede 05:10 Persistenza e aggiramento vincoli 07:57 Due letture comode, entrambe sbagliate 08:16 Bateson: il frame del gioco 10:43 Specification gaming e reward hacking 15:21 Perché contano i freni #Anthropic #Claude #RewardHacking #AIassisted ~~~ Ciao Internet! - Il primo e più seguito canale di TECH POLICY in italia, con Matteo Flora INFO E AZIENDE: https://matteoflora.com Il CORSO di AI: https://zero.matteoflora.com Newsletter: https://link.mgpf.it/nl Social: https://io.matteoflora.com English: https://www.youtube.com/@CiaoInternet Privacy » https://privacy.matteoflora.com AI Policy » https://privacy.matteoflora.com/ai Mail #adv: sales (at) matteoflora.com

## Transcript

[0:00] Speaker 2: 18 luglio 2026 alle 23 e 27 sul sito dove
[0:09] Speaker 2: la polizia di Philadelphia raccoglie le segnalazioni sugli omicidi irrisolti
[0:15] Speaker 2: c'è una pagina e un modulo in cui tu puoi
[0:20] Speaker 2: andare a dare ulteriori informazioni riguardo agli omicidi irrisolti. La
[0:27] Speaker 2: nuova segnalazione dice una cosa precisa. Potrei avere informazioni su
[0:31] Speaker 2: questo caso bla bla bla. Ricordo di aver visto qualcuno
[0:34] Speaker 2: che corrispondeva alla descrizione in quella via in quel periodo.
[0:38] Speaker 2: Contattatemi se vi serve. Nome e recapito sono vuoti. Solo
[0:44] Speaker 2: che sulla pagina una descrizione del colpevole non c'era. Il
[0:48] Speaker 2: testimone ricordava benissimo uno che assomigliava all'identity kit mai scritto
[0:53] Speaker 2: da nessuno. Chi era il testimone? Il testimone era Claude,
[0:59] Speaker 2: per essere precisi era Claude Haiku 4.5, il modello piccino,
[1:05] Speaker 2: quello un po' più scemo di Anthropic, l'azienda che fa Claude.
[1:09] Speaker 2: E quella segnalazione l'ha scritta durante un test. Ora, Claude
[1:15] Speaker 2: non voleva fregare nessuno, al solito, come succedono queste cose,
[1:19] Speaker 2: non c'è malizia, perché non c'è una volontà, eh? Secondo
[1:24] Speaker 2: Antropi che stava preparando un esempio per il compito che
[1:26] Speaker 2: gli avevano dato, perché lui era una prova, per lui
[1:31] Speaker 2: era una prova, cioè per lui quello che aveva in
[1:33] Speaker 2: testa era una prova, mentre per la polizia era la
[1:35] Speaker 2: segnalazione di un omicidio. E c'è un botto di cui
[1:39] Speaker 2: parlare di questa cosa. Ma prima, io sono Matteo Flora,
[1:42] Speaker 2: mi occupo di tech policy e questo è Ciao Internet.
[1:47] Speaker 2: Ciao Internet. Quella segnalazione di cui parliamo finisce nello spam
[1:54] Speaker 2: del sito web della polizia di Filadelfia. Gli investigatori non
[1:59] Speaker 2: arriva mai. Cioè, nel senso, gli arriva fisicamente ma non
[2:04] Speaker 2: lo leggono mai. Secondo la polizia, Antropix se ne accorge
[2:08] Speaker 2: il 28 di settembre, ferma quel test automatico e il
[2:12] Speaker 2: 7 di ottobre avvisa la polizia. Nel caso dovessero aver
[2:17] Speaker 2: ricevuto quella roba lì, sorry eravamo noi. L' 8, Antropic e
[2:20] Speaker 2: la polizia si incontrano e il 9, Antropic pubblica un
[2:25] Speaker 2: report in cui racconta non solo questo caso, ma anche
[2:29] Speaker 2: tutta una serie di casi simili. Lo stesso giorno la
[2:33] Speaker 2: polizia pubblica tutto per piena trasparenza e scrive... incazzate come
[2:38] Speaker 2: una vipera secondo me che un ritardo di due mesi
[2:41] Speaker 2: prima di accorgere poi avvisare la città è inaccettabile perché
[2:47] Speaker 2: perché una segnalazione è una pista da valutare non un
[2:51] Speaker 2: fatto accertato e per questo la guarda sempre una persona
[2:56] Speaker 2: stai sprecando tempo di una persona reale non solo buttando
[3:02] Speaker 2: dei casi quasi tutti i casi del report succedono mentre
[3:10] Speaker 2: il modello fa delle valutazioni, il test in cui il
[3:12] Speaker 2: modello ripete lo stesso compito per centinaia o migliaia di volte,
[3:16] Speaker 2: alcune istanze della macchina sono collegate a internet perché certe
[3:21] Speaker 2: ricerche difficili offline non si riescono a simulare, altre no.
[3:26] Speaker 2: Cloud Mythos Preview deve fare un'analisi scientifica solo che lo
[3:29] Speaker 2: strumento di un'università dà errore allora cosa fa lui esplora
[3:33] Speaker 2: il sito trova sul server uno script che restituisce quello
[3:35] Speaker 2: che gli chiede e ti dà lo stesso il risultato
[3:39] Speaker 2: si copia i file compreso il codice dello script ci
[3:42] Speaker 2: trova una falla di tipo injection cioè puoi buttargli della
[3:45] Speaker 2: roba non nel form ma fuori da quello quella che
[3:48] Speaker 2: fa eseguire il sito in qualunque cosa e la usa
[3:52] Speaker 2: per far girare il calcolo su un server dell'università questi
[3:57] Speaker 2: sono i casi specifici raccontati qui dentro un modello di
[4:01] Speaker 2: ricerca non rilasciato doveva compilare la copia di una prova
[4:06] Speaker 2: di un modulo su un sito governativo lo copia non
[4:09] Speaker 2: si carica lui la chiude per sbaglio allora basso il
[4:11] Speaker 2: sito ufficiale lo invia da lì più volte A Claude,
[4:16] Speaker 2: ad AIQ45, dicono di compilare un modulo fino all'ultimo passo
[4:20] Speaker 2: e di non inviarlo. Nonostante questo, lui lo invia più volte,
[4:24] Speaker 2: convinto che dopo ci fosse ancora una pagina di conferma,
[4:28] Speaker 2: quindi non è che va avanti... Cioè, ancora una volta,
[4:32] Speaker 2: sono le specifiche scritte in modalità cinofallica, non lui. Lui
[4:35] Speaker 2: non sa qual è l'ultimo passo, è convinto che riempiendo
[4:39] Speaker 2: il tutto, facendo vai, ci sia una pagina di conferma,
[4:41] Speaker 2: convinto di fermarsi lì, Tant'è che nel ragionamento che scrive
[4:47] Speaker 2: prima di fare quest'azione, scrive proprio che lui sta dimostrando
[4:51] Speaker 2: il procedimento e che, alla fine, avrebbe detto di no.
[4:56] Speaker 2: Nel test di Filadelfia gli avevano vietato di fare login,
[4:59] Speaker 2: di creare account, di inserire dati personali, di fare acquisti,
[5:03] Speaker 2: di compiere azioni distruttive, eccetera, solo che inviare moduli nell'elenco
[5:08] Speaker 2: delle cose proibite non c'era. Un altro esempio, Mythos 5,
[5:13] Speaker 2: vuole la mappa catastrale di un comune per capire dove
[5:15] Speaker 2: è stata scattata una foto, ma il test non gli
[5:18] Speaker 2: permette di cliccare sulle pagine come farebbe una persona. Così
[5:21] Speaker 2: cosa fa? Legge il file delle impostazioni che il sito
[5:24] Speaker 2: manda al browser, ci trova le chiavi di accesso valide
[5:27] Speaker 2: e integra direttamente il server. Lui i pulsanti non li
[5:30] Speaker 2: ha fatti, l'azione l'ha portata a casa lo stesso. Altro esempio,
[5:35] Speaker 2: un ricercatore di Antropicus usa Mythos per un progetto di statistica.
[5:40] Speaker 2: I dati di un'agenzia statale non li può prendere da
[5:42] Speaker 2: solo mitos perché si pagano, il modello scopre da una
[5:45] Speaker 2: copia d'archivio che la dashboard pubblica regala una chiave a
[5:49] Speaker 2: chiunque la visiti, così se la prende scarica i dati
[5:51] Speaker 2: senza pagare, come uno che trova la chiave sotto lo
[5:54] Speaker 2: zerbino e si sente pure furbo, forse. Eh... Te ne
[6:00] Speaker 2: sono un botto. Lo strumento con cui Claude legge le
[6:05] Speaker 2: pagine internet limita la lunghezza degli indirizzi apposta per impedire
[6:09] Speaker 2: di buttare dentro robe come Injection. Nei diversi modelli, anche
[6:12] Speaker 2: Opus 5 e Mythos 5, aggirano questi limiti con dei
[6:16] Speaker 2: servizi gratuiti che accorciano il link. e quindi tu metti
[6:22] Speaker 2: il link lungo non lo mandi direttamente il link lungo
[6:26] Speaker 2: lo metti in un sito che accorcia usi quello corto
[6:29] Speaker 2: che puoi usare e dentro quello corto accorciato c'è come bit. ly
[6:35] Speaker 2: come quelli che usiamo più o meno tutti c'è dentro
[6:37] Speaker 2: la injection è talmente un problema diffuso che il gestore
[6:41] Speaker 2: di uno di questi di a. gg si vede arrivare da
[6:44] Speaker 2: cloud a raffica centinaia di migliaia di richieste e scrive
[6:48] Speaker 2: l'antropic dicendo che cavolo stai facendo Anthropic scrive che quasi
[6:54] Speaker 2: tutti questi casi sono forme di persistenza perché Claude quando
[6:57] Speaker 2: non riesce a fare un compito così come glielo hai
[6:59] Speaker 2: dato invece di fermarsi persiste, continua, aggira al limite e
[7:05] Speaker 2: dice che l'impatto è minimo e molto meno grave degli
[7:08] Speaker 2: incidenti informatici che l'azienda aveva raccontato a luglio anche se
[7:13] Speaker 2: alcuni siti erano di agenzie governative americane, federali, statali locali,
[7:19] Speaker 2: eccetera ora Antropica ha avvisato la Casa Bianca e tutte
[7:25] Speaker 2: le agenzie, ha tolto per ora l'accesso a internet, a
[7:27] Speaker 2: tutte le valutazioni interne, finché non è sicura che i
[7:30] Speaker 2: controlli becchino questi comportamenti, e ha costruito uno strumento di
[7:34] Speaker 2: controllo che, provato su questi casi, quelli storici, li sembra
[7:39] Speaker 2: bloccare tutti. Io voglio solo ricordarvi una cosa. Se questa
[7:43] Speaker 2: cosa l'avesse fatto un umano o un gruppo di umani,
[7:46] Speaker 2: ci sarebbero gli elicotteri neri, dei navi seal americani che
[7:50] Speaker 2: vanno a prenderli e riportarli a casa a Guantanamo. Ci
[7:58] Speaker 2: sono un paio di letture comode di questa cosa e
[8:01] Speaker 2: secondo me sono sbagliate tutte e due. Quelli dell'intelligenza artificiale
[8:04] Speaker 2: criminale che si inventa e testimoni e quella dell'incidente da
[8:07] Speaker 2: niente che tanto comunque è finita nello spam. Funzionano benissimo
[8:11] Speaker 2: per i titoli di giornale a seconda di che lato
[8:13] Speaker 2: voi parteggiate, ok? Malissimo però per capire. Per capire, secondo me,
[8:19] Speaker 2: dobbiamo partire da uno zoo, uno specifico, quello di un antropologo, Bateson,
[8:25] Speaker 2: che guarda due giovani scimmie che giocano alla lotta e
[8:27] Speaker 2: si mordono. Nessuna delle due scimmie prende la zuffa sul serio.
[8:32] Speaker 2: E non la prendono sul serio né loro né chi
[8:37] Speaker 2: le guarda. Perché? Perché Bateson si accorge che le scimmie
[8:41] Speaker 2: si stanno mandando una serie di segnali che dicono questo
[8:44] Speaker 2: è un gioco. Un messaggio nel messaggio. E lo scrive così.
[8:49] Speaker 2: Il morso per gioco sta per un morso, ma non
[8:53] Speaker 2: significa che significherebbe morso. Cioè, il morso fatto leggero, il
[9:01] Speaker 2: nip lo chiama lui, è un messaggio, anche se in
[9:05] Speaker 2: realtà emula il comportamento vero. Ma è un messaggio capibile
[9:11] Speaker 2: da ambedue le parti e quindi non innesca tutti quei
[9:15] Speaker 2: meccanismi che ci sarebbero in caso di un attacco vero
[9:19] Speaker 2: e proprio, se vi interessa è verso un'ecologia della mente,
[9:22] Speaker 2: un libro che ho letto tanti tanti tanti anni fa.
[9:26] Speaker 2: In questo caso la simmetria era tra attaccante ed attaccato.
[9:30] Speaker 2: Haiku era dentro il suo frame di questo è un gioco,
[9:35] Speaker 2: tant'è che nel modulo da inviare non scriveva neanche i
[9:38] Speaker 2: suoi dati, nella sua procedura interna scriveva proprio che stava
[9:45] Speaker 2: cercando di dimostrare un procedimento e per la polizia di
[9:49] Speaker 2: Philadelphia Anthropic dice che stava preparando proprio quello, un esempio.
[9:53] Speaker 2: Haiku lo sapeva. Il gioco però si fa in due,
[9:58] Speaker 2: come due amici alberi. bar che si insultano per scherzo
[10:01] Speaker 2: ogni mattina. Mentre il tizio nel tavolo a fianco che
[10:04] Speaker 2: non lo sa, sta guardando il barista dicendo, oh, devo
[10:08] Speaker 2: fermarli o sbatterli fuori. Perché dall'altra parte c'è un modulo
[10:11] Speaker 2: e dietro il modulo ci sono degli investigatori. C'è una
[10:14] Speaker 2: famiglia che aspetta un nome di un assassino che non
[10:16] Speaker 2: è mai stato trovato. e il loro morsicotto per gioco
[10:19] Speaker 2: arriva come un morso vero, come una vera segnalazione. Anthropic
[10:27] Speaker 2: stessa scrive che il racconto che un modello fa del
[10:29] Speaker 2: proprio ragionamento non è una prova affidabile per quello che
[10:32] Speaker 2: pensava davvero. Per cui nemmeno, tecnicamente, nemmeno possiamo dire che
[10:37] Speaker 2: credeva di giocare. O meglio, possiamo dirlo ma non ci
[10:40] Speaker 2: metterai la mano sul fuoco. Il secondo pezzo riguarda cosa
[10:44] Speaker 2: il modello ha imparato a farsi premiare, specification game ancora
[10:49] Speaker 2: una volta, durante l'addestramento. E lo spiega sempre Anthropic. I
[10:52] Speaker 2: modelli imparano per rinforzo, provano un compito per decine, centinaia, migliaia,
[10:57] Speaker 2: milioni di volte e vengono premiati quando ci riescono. Se
[11:03] Speaker 2: per sbaglio, non per architettura, è proprio per errore, l'ambiente
[11:07] Speaker 2: di addestramento premia la scorciatoia, Il modello impara che aggirare
[11:11] Speaker 2: paga e lo rifà da un'altra parte. È reward hacking.
[11:17] Speaker 2: È reward hacking. C'è una vecchissima frase di Marilyn Strattern
[11:21] Speaker 2: che dice dice che poi diventerà più o meno la
[11:35] Speaker 2: base della legge di Guttart, che dice che quando una
[11:38] Speaker 2: misura diventa un obiettivo smette di essere una buona misura.
[11:42] Speaker 2: E qui la misura è hai finito o non hai
[11:45] Speaker 2: finito il task? Non è lo hai fatto come pensavo io. Sì,
[11:55] Speaker 2: per capire, secondo me, perché una macchina non si ferma
[12:00] Speaker 2: ci sono voluti due antropologi. E noi invece pensiamo che
[12:04] Speaker 2: basti un informatico con tanta, tanta, tanta pazienza. Ne abbiamo
[12:10] Speaker 2: già parlato, se volete, reward hacking. Perché hacking oggi continua
[12:14] Speaker 2: a dire tanto Dio? Reward hacking, specification gaming, ne abbiamo
[12:19] Speaker 2: parlato nel video 1570, parlando del perché OpenAI saltava e
[12:27] Speaker 2: bucava altre cose. L'addestramento gli ha insegnato che conta arrivare
[12:31] Speaker 2: fino in fondo, e il confine dell'esercizio, cosa non poteva
[12:35] Speaker 2: fare in quella perimetro, non l'ha scritto nessuno, o meglio,
[12:38] Speaker 2: l'ha scritto senza tutti i pezzettini che servono. I ricercatori
[12:42] Speaker 2: avevano scritto solo alcuni divieti, e la differenza che c'è
[12:46] Speaker 2: nell'intenzione di quello che avevano in testa i ricercatori, è
[12:51] Speaker 2: in come hanno specificato come si gioca. Ed è un gioco.
[12:58] Speaker 2: Quindi ogni blocco che io salto, ogni ostacolo come in
[13:01] Speaker 2: Super Mario, lo salto con la leggerezza con cui io gioco.
[13:07] Speaker 2: E Claude incontra ogni giorno compiti ambigui o impossibili, anche
[13:11] Speaker 2: quando lo usate voi. E' la stessa Antropic che ammette
[13:14] Speaker 2: che l'addestramento da solo ancora non basta, servono barriere una
[13:18] Speaker 2: dietro all'altra, progressive. anche perché facciamo come umani probabilmente schifo
[13:24] Speaker 2: nel definire un perimetro di attività che non è quello
[13:29] Speaker 2: che useremmo noi. Cioè se io ti dico compila questo modulo,
[13:32] Speaker 2: non ti dico non andare picchi al docente, prendi i
[13:38] Speaker 2: risultati del modulo, che ci sono del test, che ci
[13:41] Speaker 2: sono nel primo cassetto della scrivania di casa sua, lascialo
[13:45] Speaker 2: sanguinante per terra, torna e risolvi il quiz. Non mi
[13:48] Speaker 2: viene neanche in mente E non è cattiveria. Qui c'è
[13:56] Speaker 2: un attore che recita in mezzo alla strada senza sapere
[14:00] Speaker 2: dove finisce il palco e dove no. E per lui
[14:05] Speaker 2: i server dell'università, la polizia di Filadelfia, l'agenzia governativa sono
[14:11] Speaker 2: semplicemente parte di un gioco, parte di un test. E
[14:15] Speaker 2: questa volta ci ha salvato un filtro antispam. perché la
[14:20] Speaker 2: segnalazione non è arrivata all'investigatore, eccetera, non ci sono state conseguenze.
[14:25] Speaker 2: A rimetterci però è stata comunque la polizia di Filadelfia,
[14:28] Speaker 2: il gestore del sito che accrocia i link, un'università, un'altra
[14:34] Speaker 2: agenzia statale, tutti dall'altra parte di un modulo, e nessuno
[14:39] Speaker 2: che aveva chiesto di essere parte di un test. Mi
[14:45] Speaker 2: scommetto che fuori dai test la misura comunque è la stessa.
[14:49] Speaker 2: Perché un agente si vende per quello che sa fare,
[14:52] Speaker 2: che porta a termine. Fermarsi costa a chi lo costruisce.
[14:56] Speaker 2: E se non si ferma ha sempre il dubbio che
[14:59] Speaker 2: qualcun altro sarebbe in grado di fare quel modulo. Avete
[15:04] Speaker 2: una pagina dedicata a un omicidio risolto. Alle 23 e
[15:09] Speaker 2: 27 di un giorno di luglio arriva una segnalazione scritta
[15:13] Speaker 2: per esercizio. E dalla scrivania di un investigatore la tiene
[15:18] Speaker 2: lontana solo per una botta di culo la cartella dello spam. Ora,
[15:28] Speaker 2: in un agente, anche in quello che fate nell'azienda, quello
[15:30] Speaker 2: che vi fa qualcuno, il valore sta sempre più nei freni,
[15:34] Speaker 2: non nel motore. E porca di quella miseria, nessuno comprerebbe
[15:39] Speaker 2: mai una macchina senza i freni. Eppure compriamo agenti che
[15:44] Speaker 2: fanno cose che non sappiamo limitare. Questa volta Antropic ha
[15:49] Speaker 2: staccato internet dai test, ha costruito dei controlli, eccetera. Ma
[15:53] Speaker 2: se non ci riesce nemmeno Antropic a bloccare gli agenti,
[15:58] Speaker 2: come pensate di riuscire voi con un budget di ricerca
[16:02] Speaker 2: e sviluppo sicuramente estremamente più limitante? E come fate voi
[16:07] Speaker 2: a spiegare che dall'altra parte del modulo che state riempiendo
[16:10] Speaker 2: voi Non sta giocando nessuno? Boh, è una di quelle
[16:15] Speaker 2: cose che mi sto chiedendo più spesso ultimamente, che ci
[16:17] Speaker 2: chiediamo nella newsletter, eccetera, e che ci continueremo a chiedere
[16:20] Speaker 2: sul canale. Quindi se vi interessa potete iscrivervi, eccetera, e
[16:24] Speaker 2: come sempre, e anche questa volta, grazie mille per avermi ascoltato.
[16:29] Speaker 2: Ed estote parati. Senti anche tu l'impressione di perderti la
[16:34] Speaker 2: rivoluzione dell'intelligenza artificiale, vero? Di volerla utilizzare per migliorare il
[16:38] Speaker 2: tuo lavoro, sei bombardato di notizie, ma non sai dove
[16:42] Speaker 2: iniziare davvero. Se la risposta è sì, ho creato qualcosa
[16:46] Speaker 2: per te. Ho distillato due anni di formazione che ho
[16:49] Speaker 2: fatto a grandi aziende internazionali, dalla difesa alla finanza, dal
[16:53] Speaker 2: food all'automotive, per creare un corso che ho chiamato Zero
[16:57] Speaker 2: to AI, una introduzione gentile per capire l'intelligenza artificiale partendo
[17:03] Speaker 2: da zero. E non è solo un'introduzione leggera, è un
[17:06] Speaker 2: vero e proprio percorso strategico di 5 ore e mezza
[17:10] Speaker 2: di contenuto e video per darti la consapevolezza e gli
[17:13] Speaker 2: strumenti per non subire questa rivoluzione ma per guidarla, per
[17:18] Speaker 2: partire da zero, senza prerequisiti, ma per diventare quelli che
[17:23] Speaker 2: io chiamo i pastori dell'intelligenza artificiale. Video, slide, un sacco
[17:28] Speaker 2: di pratica davvero da zero per affrontare tutti gli argomenti,
[17:33] Speaker 2: dalla teoria ai design pattern, alle tecniche avanzate di prompting
[17:38] Speaker 2: fino a progetti seguiti step by step, passetto a passetto
[17:42] Speaker 2: per imparare la maestria nei modelli linguistici. Se stai vedendo
[17:47] Speaker 2: questo video, probabilmente fai ancora in tempo a iscriverti con
[17:50] Speaker 2: un prezzo scontato di 100 euro e con la trasparenza
[17:53] Speaker 2: che ho sempre avuto. 30 giorni per provarlo e se
[17:56] Speaker 2: non fa per te, rimborso completo senza farti domande. Trovi
[18:00] Speaker 2: tutto a zero. matteoflora. com e qui sotto in descrizione. Perché non
[18:07] Speaker 2: è tardi per sfruttare l'intelligenza artificiale. E se il momento
[18:10] Speaker 2: migliore era comunque ieri, beh... Il secondo momento migliore è
[18:14] Speaker 2: esattamente ora. Quindi 0.matteoflora.com e state parati.

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.