// consulenza · integrazione llm

L'AI entra nel software che già usi.

Non c'è nessuna piattaforma da adottare e nessuna migrazione da fare. Il gestionale, il CRM e il portale restano dove sono: il modello arriva dentro, con accesso ai dati che decidi tu.

Il modo più veloce di sprecare un budget AI è comprare uno strumento nuovo e chiedere alle persone di andarci a lavorare. Il modo più veloce di vederne il ritorno è il contrario: lasciare le persone dove sono e portare il modello lì.

Un LLM da solo sa parlare ma non sa niente di te. Diventa utile quando può leggere un ordine, cercare un cliente, aprire un ticket: cioè quando gli si danno degli strumenti. È lì che finisce la maggior parte del nostro lavoro.

Come lo facciamo

04
01

Il tuo stack non si tocca

Rails, Python, Go, Node, PHP. Il modello si aggiunge come un servizio in più, con la stessa autenticazione e gli stessi log del resto.

02

Tool-calling sui tuoi dati

Il modello non indovina: chiama le tue funzioni. Leggere un ordine, cercare un articolo, scrivere una nota sono strumenti che definiamo insieme, con i permessi di chi li usa.

03

Anche senza far uscire i dati

Se i dati non possono lasciare l'azienda, si usano modelli open-weights su una macchina tua. La qualità è più bassa dei modelli di frontiera, ma su molti compiti la differenza non si vede.

04

Costi che restano prevedibili

Cache sui prompt ripetuti, modelli piccoli dove bastano, un tetto di spesa per ambiente. La bolletta a fine mese non deve essere una sorpresa.

Domande che ci fanno prima

04

Come si integra l'AI in un gestionale già esistente?

Dall'esterno, quasi sempre. Il gestionale espone già delle API o un database: si costruisce sopra uno strato che il modello può chiamare, senza toccare il core. Se le API non ci sono, si aggiungono; se il gestionale è chiuso, si lavora sui dati che esporta.

I nostri dati finiscono nel modello di qualcuno?

Sui piani business di OpenAI e Anthropic i dati non vengono usati per l'addestramento, e questo è contrattuale. Se non basta, si va on-premise con modelli open-weights: in quel caso i dati non escono proprio dalla tua rete.

Quale modello usate?

Quello che serve al caso d'uso. Scriviamo il codice in modo che il modello sia sostituibile, perché nell'arco di un progetto esce quasi sempre qualcosa di migliore o più economico.

Quanto ci vuole per vedere qualcosa che funziona?

Un prototipo sui tuoi dati reali sta in due-quattro settimane. Serve a decidere se andare avanti con dei numeri davanti, non con un'impressione.

Raccontaci il processo. Ti diciamo se ha senso.

Call di 30 minuti, gratuita, senza follow-up commerciali se non li vuoi.

Prenota una call