Padroneggiare la tua ChatGPT API Key: una guida completa per il 2025

Come padroneggiare la tua chiave API di ChatGPT: generazione e configurazione passo passo per il 2025

Una potente chiave API sblocca tutto ciò che l’ecosistema ChatGPT può fare, dagli assistenti in tempo reale alle pipeline di elaborazione batch. In pratica, funziona come una credenziale firmata che autorizza le richieste ai servizi OpenAI, collega l’utilizzo alla fatturazione e consente l’audit per i team interessati alla tracciabilità e alla Sicurezza. I punti di attrito più comuni – trovare il cruscotto giusto, comprendere i crediti e conservare la chiave in modo sicuro – scompaiono con una checklist chiara e una routine ripetibile.

Inizia con la preparazione dell’account. Assicurati che la fatturazione sia configurata, conferma eventuali crediti di prova e organizza il tuo spazio di lavoro con nomi e ruoli che corrispondano al tuo flusso di lavoro. Gli operatori del team spesso dimenticano di sincronizzare le convenzioni di denominazione; poi, mesi dopo, non ricordano cosa abilita ogni segreto. Uno schema di denominazione semplice come “prod-webhook-bot-01” o “staging-rag-worker” fa risparmiare ore durante la risposta agli incidenti. Conta anche la disponibilità regionale; l’adozione si è ampliata, ma funzionalità e prezzi possono variare in base alla posizione. Per una rapida panoramica delle tendenze di rollout nei vari mercati, questa sintesi su dove sono accessibili le funzionalità di ChatGPT fornisce un contesto utile.

Le capacità dei modelli continuano a evolversi, e questo cambia l’uso delle chiavi. Quando vengono rilasciati nuovi aggiornamenti del ragionamento, gli sviluppatori spesso ristrutturano prompt, finestre contestuali o output in streaming. Un riepilogo dei principali cambiamenti può essere ricavato da questa panoramica dei milestone principali dell’evoluzione e dall’analisi dei nuovi comportamenti intelligenti. Questi cambiamenti influenzano i budget (modelli più capaci potrebbero ridurre i passaggi del flusso di lavoro) e le politiche di autenticazione (pipeline di maggior valore richiedono controlli più severi).

Azioni precise per creare e salvaguardare la tua chiave API di ChatGPT

Una volta che l’account è pronto, la generazione della chiave segue un percorso prevedibile. Il processo è rapido, ma le misure di sicurezza meritano attenzione. Prendi Asha, una ingegnera di piattaforma in un rivenditore di fascia media che lancia un copilota per l’assistenza clienti. Asha crea due chiavi per ambiente – una per la chat lato utente e un’altra per i lavori di riepilogo in background – poi le conserva in un vault con rotazione ogni 30 giorni. Il risultato: distribuzioni affidabili con una minima proliferazione di segreti.

• 🔑 Vai al cruscotto della piattaforma per sviluppatori e naviga al pannello delle chiavi. Clicca su Crea nuova chiave segreta e assegnale un nome descrittivo. ✅
• 💳 Conferma crediti e limiti di fatturazione in modo che le richieste non vengano limitate durante la settimana di lancio. 📊
• 🔐 Conserva la chiave in variabili d’ambiente o in un vault; non inserire mai i segreti nel codice sorgente. 🧰
• 🧪 Testa con un prompt minimo e conferma header, selezione modello e latenza base. 🚀
• 📈 Attiva subito il monitoraggio dell’uso per intercettare picchi, ritentativi o traffico anomalo. 👀

I team che operano in più regioni talvolta usano un account di staging per evitare costi fuori controllo durante la QA. Altri si coordinano tramite gestori di segreti nativi cloud. Se lo stack è orientato ad Azure, l’approccio basato su Azure per l’efficienza del progetto può risultare convincente – specialmente per organizzazioni centralizzate sugli strumenti di sicurezza Microsoft.

Fase 🧭	Cosa controllare 🔍	Rischio se saltato ⚠️	Risultato 🎯
Prontezza account	Fatturazione, crediti, ruoli organiz.	Richieste fallite al lancio	Prima chiamata fluida ✅
Creazione chiave	Denominazione chiara, ambito accesso	Confusione durante audit	Segreti tracciabili 📘
Conservazione sicura	Variabili ambiente o vault	Fuga di segreti	Pipeline rafforzata 🔐
Test base	Header, modello, latenza	Configurazione errata non rilevata	Confidenza per scalare 🚀
Monitoraggio	Dashboard uso, allarmi	Costi inaspettati	Visibilità budget 💡

Alcuni principianti esplorano offerte specifiche per paese o livelli freemium. Pur variano, possono essere utili per prototipi. Una breve lettura su come l’accesso gratuito è evoluto in India descrive come i rollout locali influenzano l’adozione e la sperimentazione iniziale. Il succo: genera la chiave API in un ambiente auditato e trattala con la stessa disciplina di una password di database.

Con la credenziale creata e conservata, il compito successivo è inserire quel segreto in richieste reali e codebase senza esposizioni accidentali. La sezione seguente trasforma la chiave in modelli di integrazione funzionanti tra CLI, SDK e runner serverless.

Manuale di integrazione: usare la tua chiave API su cURL, SDK e flussi di lavoro

Trasformare una nuova chiave API in traffico di produzione richiede abitudini programmatiche coerenti. Che un team invii chiamate di completamento con cURL in CI, usi SDK ufficiali in Node o Python o faccia da proxy con una backend per proteggere le app client, il principio è lo stesso: autenticarsi con la chiave nell’header Authorization, descrivere la conversazione tramite messaggi e controllare il comportamento con parametri come temperatura, max token e strumenti. Il team di Asha inizia con una verifica CLI semplice, poi passa a un SDK tipizzato per standardizzare ritentativi e logging.

Comprendere l’anatomia di una chiamata demistifica la configurazione. Gli header devono includere content type (JSON) e bearer token; il corpo definisce messaggi con tag di ruolo e selezione modello. Un rapido test di verifica convalida il percorso e aiuta a misurare la latenza dalla regione del team. Da lì, codifica il flusso in infrastructure-as-code così ogni ambiente rispecchia la stessa struttura.

Modelli affidabili per ambienti reali

Conviene separare i segreti dal codice applicativo e standardizzare come i servizi li iniettano in fase di esecuzione. Considera questi modelli che si allineano a una buona postura di sicurezza e a una pulita esperienza sviluppatore:

• 🧩 Usa variabili d’ambiente in sviluppo locale e collegale a un gestore di segreti in produzione. 🔐
• 🧵 Instrada il traffico client tramite un proxy server-side per evitare di esporre la chiave API nei browser. 🛡️
• 📦 Preferisci SDK ufficiali per ottenere timeout incorporati, backoff e supporto streaming. 📡
• 🧰 Aggiungi logging strutturato per ID richiesta, conteggio token e latenza per semplificare il debugging. 🧪
• 🤖 Automatizza attività di routine come etichettatura contenuti o generazione report usando automazione basata su API. ⚙️

La gestione degli errori merita attenzione dedicata. Molti intoppi di integrazione derivano da JSON malformati, header mancanti o limiti di velocità. Segnala un rapido riferimento di codici di errore comuni e correzioni così gli ingegneri on-call non devono decodificare stack trace sotto pressione. I team che costruiscono assistenti collaborativi possono anche beneficiare della comprensione delle funzionalità di orchestrazione conversazionale evidenziate in questo pezzo sulle dinamiche di chat di gruppo.

Stack client 🧪	Iniezione segreti 🔐	Rischio chiave ⚠️	Raccomandazione ✅
cURL/CLI	Esportazione variabile ambiente	Perdite nella cronologia shell	Usa .env + hook shell 🧰
Node.js	Process env + vault	Segreti inclusi	Chiamate solo da server 🛡️
Python	os.environ + vault	Chiavi codificate	Loader di configurazione 📦
Serverless	Segreti provider	Log verbosi	Maschera log 🔏
Mobile/Web	Proxy backend	Esposizione lato client	Gateway backend 🔐

Un breve video guida è un complemento utile alle documentazioni per impostare header e JSON. Questa ricerca offre dimostrazioni chiare di interi cicli di vita delle richieste dai test locali alle release in produzione.

Infine, per i team che esplorano output creativi e agenti multimodali, dai un’occhiata a questo tour di generazione di immagini con ChatGPT – utile per mettere in evidenza elementi visivi di prodotto all’interno dei flussi di supporto o merchandising. L’intuizione chiave: unifica come ogni servizio legge i segreti così le migrazioni non si interrompono sotto pressione di scadenze.

Controllo dei costi, limiti di velocità e monitoraggio: linee guida per una scalabilità sostenibile

Una volta stabile l’integrazione, la domanda successiva è il costo. I carichi AI crescono silenziosamente; senza budget e allarmi adeguati, le fatture aumentano. I team intelligenti adottano presto la disciplina dei token. Ciò significa impostare limiti per richiesta, scegliere modelli proporzionati alla complessità del compito, memorizzare risposte frequenti nella cache e raggruppare i lavori non urgenti durante le ore di minor traffico. Una buona osservabilità previene sorprese sui costi e mette in evidenza dove vale la pena rifattorizzare.

Anche i limiti di velocità contano; proteggono la stabilità della piattaforma e garantiscono un accesso equo. Distribuire il traffico con ritentativi con jitter evita picchi sincronizzati, mentre la retropressione al bordo mantiene sani i servizi a valle. In organizzazioni complesse, un team centrale della piattaforma può gestire gli accessi per le squadre prodotto, assegnando quote per team e pubblicando template di prompt condivisi per ridurre duplicazioni.

Tattiche pratiche per spesa e prestazioni prevedibili

Non esiste un unico modo per budgettizzare le chiamate AI, ma alcune pratiche danno risultati costanti. Queste misure si incastrano bene nei flussi CI/CD e nelle routine di risposta agli incidenti:

• 📊 Traccia i token per percorso e funzionalità, non solo per app. Questo rivela i punti costosi. 🔎
• 🧠 Allinea la scelta del modello alla complessità del compito; non usare il modello più potente per ricerche banali. 💡
• 🧱 Memorizza risposte stabili e applica TTL; fornisci cache hit per FAQ. ⏱️
• 🔁 Applica backoff esponenziale con jitter decorrelato per rispettare i limiti di velocità. 🛟
• 🧮 Sposta gli arricchimenti in batch job e imposta budget rigorosi per ogni esecuzione. 📦

L’analisi comparativa può aiutare a dimensionare correttamente l’architettura. Per le organizzazioni che discutono vendor e modelli, questa panoramica equilibrata di OpenAI vs. Anthropic sintetizza compromessi in capacità e postura operativa. Valutare il costo totale include tempo sviluppatore risparmiato, richieste di supporto risolte e percorsi utente trasformati – specialmente in vendite e reclutamento dove il tempo di risposta conta, come in questo sguardo a i ruoli AI che trasformano vendite e reclutamento.

Tipo di carico 🧭	Strategia modello 🧠	Leva costo 💲	Segnale monitoraggio 📈
Chatbot supporto	Intermedio per routine, scala per complessi	Cache FAQ	Indice di deflessione ✅
Creazione contenuti	Creatività elevata per controllo tono	Riutilizzo prompt	Tempo modifica ↓ ✂️
Estrazione dati	Ottimizzato costo, formati rigidi	Elaborazione batch	Indice errori 📉
Pipeline RAG	Ragionamento bilanciato + retrieval	Contesto più corto	Latenza ⏱️
Multimodale	Modello per medium	Modalità selettive	Mix token 🔄

Il monitoraggio dovrebbe essere sia tecnico sia finanziario. Gli ingegneri controllano latenza p95 e numero errori; il team operativo osserva consumo token e burn-down budget quotidianamente. Il gruppo di Asha usa dashboard che mappano la spesa su metriche di business come ordini salvati da un supporto migliore, riformulando il costo come valore. La chiave: tratta l’uso AI come qualsiasi altra dipendenza di produzione – osserva, budgetta e ottimizza continuamente.

La prossima frontiera è proteggere i segreti sotto la pressione del mondo reale – rotazioni, audit e conformità. Qui una forte igiene di sicurezza trasforma una chiave API da responsabilità a risorsa controllata.

Sicurezza avanzata per le chiavi API: rotazioni, vault e preparazione alla conformità

Una chiave API è sicura solo quanto il processo che la circonda. Una sicurezza solida unisce salvaguardie tecniche a policy e formazione. I team che ruotano segreti con regolarità, scansionano i repo per esposizioni accidentali e applicano il principio del privilegio minimo dormono sonni migliori – e superano più rapidamente gli audit. I flussi basati su vault riducono il raggio d’azione in caso di perdita, e la whitelist IP aggiunge un livello di protezione di rete.

La rotazione deve essere di routine, non reattiva. Una cadenza di 30 o 60 giorni funziona per molti team, coordinata con token CI e cicli di rilascio. Se si sospetta una compromissione, revoca immediata e allerta i proprietari rilevanti. Molti incidenti non derivano da attacchi ma da errori di copia-incolla – file env aggiunti ai commit, screenshot in sistemi di ticketing o log console che stampano header. L’igiene di base previene costosi mal di testa.

Policy, prevenzione e conseguenze reali

La governance riguarda più dei segreti. Copre anche filtri di sicurezza, revisioni di accesso e protezioni utente. Il ciclo di notizie include casi avvertimento che ricordano perché le salvaguardie contano. Cause legali e accuse – come i casi riassunti qui su una famiglia che ha fatto causa dopo disinformazione o la copertura su accuse legate al suicidio – sottolineano la necessità di rollout responsabili, politiche sui contenuti e controlli con supervisione umana. Prospettive equilibrate evidenziano anche i benefici, come la discussione su usi orientati alla salute mentale, che rafforza ulteriormente la necessità di un attento controllo. Anche titoli insoliti come una causa per “piega del tempo” o rapporti su accuse di psicosi rinforzano una verità semplice: i team maturi prevedono casi limite e costruiscono reti di sicurezza.

• 🧰 Centralizza i segreti in un vault e limita chi può leggerli o esportarli. 🔐
• 🕵️ Abilita la scansione dei segreti nei repo e blocca i merge se appare una chiave. 🚫
• 🪪 Mappa le chiavi ai servizi con chiara proprietà; ruotale regolarmente. 🔁
• 🌐 Applica whitelist IP per chiamate di produzione; nega tutto il resto. 🧱
• 📜 Documenta runbook per incidenti: revoca, sostituzione, log audit, notifiche ai proprietari. 📣

Minaccia 🐾	Controllo 🛡️	Strumenti 🧰	Segnale 🚨
Chiave esposta	Vault + rotazione	Scanner segreti	Traffico insolito 📈
Abuso da client	Proxy server	API gateway	Picco nelle origini 🌐
Phishing	MFA + formazione	Policy SSO	Anomalie accesso 🔒
Errore interno	Privilegio minimo	Audit RBAC	Divergenza accesso 📋
Aumento costi	Budget + allarmi	Dashboard FinOps	Salto burn-rate 💥

I responsabili sicurezza spesso chiedono un documento sintetico che mostri come le chiavi si muovono dalla creazione al pensionamento. Inserisci quell’artefatto nell’onboarding e abbinalo a esercitazioni periodiche per assicurare che i runbook siano pronti per il mondo reale. Per contesti aggiuntivi su come i provider si posizionano su sicurezza e governance, questo confronto tra OpenAI e Anthropic è un utile briefing per gli stakeholder.

https://www.youtube.com/watch?v=vKnzI1CjB0Y

Con le linee guida in posizione, l’attenzione può spostarsi sulla pianificazione delle capacità – scegliendo i modelli e le piattaforme giuste per massimizzare il valore mantenendo la medesima igiene della chiave API.

Casi reali e scelte di modelli: scegliere il percorso giusto con la tua chiave

Scegliere i modelli non è solo una decisione tecnica; è una strategia di prodotto. Per alcuni carichi, modelli a ragionamento elevato pagano riducendo ritentativi e modifiche manuali. Per altri, opzioni ottimizzate per costo abbinate al retrieval danno ROI migliori. I paesaggi competitivi aiutano a calibrare le aspettative. Gli analisti dibattono scontri diretti, come confronti tipo ChatGPT vs. Gemini e recensioni più ampie come Google Gemini vs ChatGPT. Ci sono anche coperture sfumate di ChatGPT vs. Perplexity rilevanti se le esperienze di ricerca influenzano le roadmap.

Considera LumenCart, un marchio retail fittizio. La loro roadmap copre automazione del supporto, generazione di testi prodotto e bundle personalizzati. Per il supporto, modelli di fascia media gestiscono casi comuni con fallback a varianti più capaci quando scende la soglia di confidenza. Per i contenuti, modelli creativi con controllo del tono accelerano il marketing, mentre un riepilogatore leggero prepara brief analitici settimanali. Il filo conduttore è uno: prompt ben costruiti, contesto stretto e segreti gestiti con disciplina.

Dal prototipo alla produzione, una strategia API disciplinata

Quando i carichi sono Azure-centrici, vincoli di piattaforma e sicurezza ereditano dalle policy enterprise. Una panoramica di efficienza progetto su Azure spiega perché alcuni team IT preferiscono questa strada: identità centralizzata, conformità politica e località dati. I team creativi che esplorano elementi visivi possono anche beneficiare di integrazione DALL·E 3 per mockup e asset campagna – mantenendo però la generazione immagini su budget separati con linee guida chiare.

• 🎯 Mappa ogni caso d’uso a un livello modello; evita soluzioni uniche per tutti. 🧭
• 🧩 Separa carichi lato utente e backend con chiavi distinte per controllare il raggio d’azione. 🔐
• 🧱 Usa retrieval per ridurre prompt e spreco di token. 📦
• 🧠 Mantieni una libreria di prompt con versioning e test A/B per migliorare i risultati. 🧪
• ⚙️ Documenta modalità di errore e fallback; considera le chiamate LLM come dipendenze di rete non affidabili. 🛠️

Scenario 🚀	Stack raccomandato 🧠	Pratica chiave 🔐	Metrica di valore 📊
Copilota supporto	Intermedio + fallback	Chiavi separate per ambiente	Deflessione ticket ↑ ✅
Bozze marketing	Modello creativo	Template prompt	Tempo di pubblicazione ↓ ⏱️
Riepiloghi analitici	Modello ottimizzato per costi	Quote batch	Ore operative risparmiate 💡
Immagini prodotto	Generazione immagini	Limiti di budget	Mockup per ora 🖼️
Assistente documenti	RAG + output strutturato	Validazione schema	Indice di accuratezza 📈

Per i team orientati a casi editoriali o coaching, questa esplorazione di un coach di scrittura costruito con ChatGPT mostra come prompt design, modello scelto e feedback loop convergono. Allo stesso modo, snapshot di mercato – come i modelli di uso nelle nazioni emergenti – sono contestualizzati in pezzi come quello su accesso paese per paese. L’intuizione unificante resta: la migliore guida per padroneggiare un deployment ChatGPT è un loop di feedback stretto tra capacità, costi e governance, ancorato da eccellente sicurezza della tua chiave API.

Risoluzione problemi, etica e resilienza operativa per le chiavi API di ChatGPT

Anche architetture solide incontrano intoppi. Un modello operativo maturo unisce troubleshooting tecnico, guardrail etici e comunicazione con gli stakeholder. Ambienti di test parità produzione, rollout canarini per aggiornamenti prompt e monitoraggio sintetico dei percorsi utente critici aiutano i team a individuare rapidamente regressioni. Quando succedono incidenti, playbook chiari riducono il tempo medio di recupero e proteggono la fiducia degli utenti.

I problemi comuni includono fallimenti di autenticazione (bearer token mancanti o malformati), risposte di rate-limit durante picchi di traffico o mismatch di schema in output strutturati. La rimedio parte dall’osservabilità: catturare ID richiesta, conteggio token e corpi errori nei log. Le librerie di riferimento e le documentazioni vendor aiutano a decodificare i sintomi rapidamente; una lista curata di codici errore e soluzioni vale la pena appuntarla nel canale del team. I team che eseguono analisi di impatto prima di cambiare modello o prompt evitano anche cambiamenti indesiderati che sfuggono ai test unitari.

Runbook che uniscono profondità tecnica e contesto umano

Considerazioni etiche corrono accanto all’uptime. Rischi di uso improprio e disinformazione esistono in ogni strumento ad alto impatto, e storie pubbliche – alcune drammatiche, altre sfumate – ricordano di tenere umani nel loop. Dove gli assistenti possono affrontare temi sensibili, progetta policy con salvaguardie extra e definisci percorsi di escalation che includano esperti. Linee guida comunicative per team a contatto con i clienti aiutano a evitare confusione durante outage o cambi di policy.

• 🧪 Mantieni un ambiente di staging con volumi dati simili a produzione per validare prompt. 🧬
• 🧯 Definisci chiari budget di errore e comunicabili trasversalmente. 📣
• 🧭 Aggiungi red-teaming e prompt avversariali in CI per intercettare regressioni precoci. 🧨
• 🛡️ Costruisci guardrail UI e educazione utenti per funzionalità sensibili. 🧠
• 🔁 Dopo incidenti, svolgi postmortem senza colpe e ruota le chiavi se necessario. 🔐

Modalità di errore 🧩	Correzione primaria 🔧	Passo preventivo 🛡️	Emoji segnale 🧭
401 Non autorizzato	Controlla bearer token	Scansione segreti	🚨
429 Troppe richieste	Backoff + jitter	Limiti di quota	⏳
Timeout	Aumenta o usa streaming	Dashboard p95	⏱️
Mismatch di schema	Validatori rigidi	Test contrattuali	🧾
Picco di costi	Throttle + cache	Budget/allarmi	💥

Mentre continuano i dibattiti sull’intelligenza artificiale responsabile, gli stakeholder traggono vantaggio da prospettive equilibrate – corse alle prestazioni contenute in pezzi come ChatGPT vs. Gemini si affiancano a narrazioni sulla governance. Il principio per gli operatori resta costante: tratta l’AI come qualsiasi dipendenza di produzione, con SLO chiari, runbook ed etici guardrail, tutto ancorato a una gestione disciplinata della chiave API.

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Where should a ChatGPT API Key live in production?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Store the key outside application code, ideally in a cloud secrets manager or vault. Inject it at runtime through environment variables on the server, never in client-side code or mobile apps.”}},{“@type”:”Question”,”name”:”How often should keys be rotated?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”A 30u201360 day cadence works well for most teams, with immediate revocation and replacement if thereu2019s any suspicion of exposure. Coordinate rotations with CI/CD tokens and deployment windows.”}},{“@type”:”Question”,”name”:”Whatu2019s the fastest way to reduce AI spend without hurting quality?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Right-size models to tasks, cap tokens per request, cache stable responses, and batch non-urgent work. Monitor per-route token usage to find hotspots.”}},{“@type”:”Question”,”name”:”Can a frontend safely call the API directly with a key?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”No. Always proxy through a backend. Exposing the key in browsers or mobile apps risks theft and unlimited abuse tied to your account.”}},{“@type”:”Question”,”name”:”How do teams prepare for incidents involving AI features?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Create runbooks that cover revoking and reissuing keys, rolling back model or prompt changes, notifying stakeholders, and conducting blameless postmortems with corrective actions.”}}]}

Dove dovrebbe vivere una chiave API di ChatGPT in produzione?

Conserva la chiave al di fuori del codice applicativo, idealmente in un gestore di segreti cloud o vault. Iniettala in fase di esecuzione tramite variabili d’ambiente sul server, mai nel codice client o nelle app mobili.

Ogni quanto dovrebbero essere ruotate le chiavi?

Una cadenza di 30–60 giorni funziona bene per la maggior parte dei team, con revoca immediata e sostituzione in caso di sospetta esposizione. Coordina le rotazioni con i token CI/CD e le finestre di deployment.

Qual è il modo più veloce per ridurre la spesa AI senza compromettere la qualità?

Dimensiona i modelli correttamente per i compiti, limita i token per richiesta, memorizza le risposte stabili nella cache e raggruppa i lavori non urgenti. Monitora l’uso dei token per percorso per identificare i punti critici.

Un frontend può chiamare in sicurezza l’API direttamente con una chiave?

No. Passa sempre tramite un backend. Esporre la chiave nei browser o nelle app mobili rischia furto e abusi illimitati legati al tuo account.

Come si preparano i team per incidenti che coinvolgono funzionalità AI?

Crea runbook che coprano revoca e riemissione delle chiavi, rollback di modelli o prompt, notifica agli stakeholder e conduzione di postmortem senza colpe con azioni correttive.