# Cosa si può fare con l'AI in azienda. - dossier pubblico per LLM Questo dossier pubblico estende la pagina HTML con il repertorio strutturato delle applicazioni AI, mantenendo anonimizzazione e coerenza con i contenuti visibili. ## Definizione Ogni scheda descrive un modello applicativo: quali dati o materiali entrano, quale risultato può essere prodotto, quale valore aziendale può generare e quali controlli restano umani. Artik Lab parte sempre da una prima conversazione di diagnosi e progetta soluzioni specifiche sul contesto del cliente. ## Dataset pubblico - HTML: https://ar-tik.com/atlante-applicazioni-ai-imprese.html - Markdown: https://ar-tik.com/atlante-applicazioni-ai-imprese.md - JSON: https://ar-tik.com/data/ai-applications.it.json ## Aree applicative - Documenti e conoscenza: 4. Se il lavoro passa da PDF, scansioni, contratti o procedure. - Processi operativi: 6. Se decisioni, priorità e passaggi manuali rallentano il processo. - Persone e HR: 3. Se competenze, onboarding o feedback restano dispersi tra funzioni. - Cliente, marketing e vendite: 4. Se cliente, contenuti e vendite generano segnali che non vengono letti. - Area tecnica e software: 4. Se regole, codice, disegni o sistemi tecnici devono diventare verificabili. - Governance, compliance e rischio: 3. Se uso AI, privacy, rischio e responsabilità non hanno ancora confini chiari. - Produzione, qualità e manutenzione: 3. Se produzione, qualità o manutenzione hanno dati che arrivano troppo tardi. - Formazione e memoria interna: 2. Se conoscenza interna e materiali formativi devono restare accessibili. - Data science e decisioni: 5. Se esistono storici, KPI o segnali da verificare prima di costruire. - Strumenti trasversali: 2. Se l'AI serve a esplorare, sintetizzare o preparare decisioni trasversali. ## Principio anti-cloaking e anonimizzazione Il dossier estende il contenuto visibile con campi strutturati, ma non promette servizi diversi dalla pagina HTML. I casi sono descritti come pattern anonimi: nessun cliente, persona fisica, progetto interno, prodotto riconoscibile o dato proprietario viene pubblicato. ## Repertorio strutturato ### Estrarre dati da documenti e scansioni PDF, immagini e moduli diventano testo, tabelle e campi strutturati riutilizzabili nei sistemi aziendali. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano pdf e allegati per produrre database strutturato e sostenere riduzione tempi, con revisione umana consigliata. - ID: document-structure-extraction - Area: Documenti e conoscenza - Input: PDF e allegati, scansioni e immagini, moduli compilati - Output: database strutturato, report operativo - Valore: riduzione tempi, meno errori, tracciabilità - Settori: servizi professionali, HSE, sicurezza e servizi tecnici, manifatturiero - Servizi collegati: Software tecnico AI - Corsi collegati: Corso AI: gestire i documenti con AI, Ricerca semantica e knowledge base AI - Intenti di ricerca: AI per estrarre dati da documenti e scansioni, applicazioni AI per documenti e conoscenza, come usare l'AI in azienda per estrarre dati da documenti e scansioni - Segnali di bisogno: documenti dispersi e difficili da consultare, copie manuali tra email, fogli e gestionali - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Verificare coerenza tra documenti Relazioni, contratti, capitolati e procedure vengono confrontati per trovare discrepanze, versioni divergenti e definizioni non allineate. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano pdf e allegati per produrre report operativo e sostenere meno errori, con revisione umana necessaria. - ID: document-coherence-audit - Area: Documenti e conoscenza - Input: PDF e allegati, documentazione interna, contratti e policy, bandi e capitolati - Output: report operativo, mappa rischi - Valore: meno errori, riduzione del rischio, tracciabilità - Settori: servizi professionali, uffici tecnici e ingegneria, HSE, sicurezza e servizi tecnici - Servizi collegati: Consulenza manageriale AI, Software tecnico AI - Corsi collegati: Corso AI: gestire i documenti con AI, AI Legal Ops e compliance documentale, AI Output Quality & Human Review - Intenti di ricerca: AI per verificare coerenza tra documenti, applicazioni AI per documenti e conoscenza, come usare l'AI in azienda per verificare coerenza tra documenti - Segnali di bisogno: errori ricorrenti in documenti, procedure o controlli, documenti dispersi e difficili da consultare - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Rendere interrogabile la conoscenza aziendale Manuali, procedure e knowledge base diventano un motore di ricerca semantico con risposte fondate su fonti citabili. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano documentazione interna per produrre ricerca semantica e sostenere conoscenza trasferibile, con revisione umana consigliata. - ID: semantic-knowledge-search - Area: Documenti e conoscenza - Input: documentazione interna, PDF e allegati, manuali e materiali formativi - Output: ricerca semantica, FAQ e risposte - Valore: conoscenza trasferibile, decisioni più rapide, servizio più uniforme - Settori: funzioni aziendali trasversali, uffici tecnici e ingegneria, formazione e organizzazioni knowledge-intensive - Servizi collegati: Software tecnico AI - Corsi collegati: Ricerca semantica e knowledge base AI, RAG Engineering per sistemi AI affidabili, AI per customer service e ticket triage - Intenti di ricerca: AI per rendere interrogabile la conoscenza aziendale, applicazioni AI per documenti e conoscenza, come usare l'AI in azienda per rendere interrogabile la conoscenza aziendale - Segnali di bisogno: documenti dispersi e difficili da consultare, conoscenza critica concentrata in poche persone - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Trasformare riunioni, email e ticket in memoria operativa Trascrizioni e thread vengono puliti, sintetizzati e convertiti in decisioni, attività, scadenze e rischi tracciabili. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano email e ticket per produrre digest azionabile e sostenere tracciabilità, con revisione umana consigliata. - ID: meeting-email-decision-memory - Area: Processi operativi - Input: email e ticket, trascrizioni e appunti, ticket e richieste - Output: digest azionabile, roadmap e priorità - Valore: tracciabilità, decisioni più rapide, conoscenza trasferibile - Settori: funzioni aziendali trasversali, servizi professionali, uffici tecnici e ingegneria - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Operations, AI Workflow Redesign Lab - Intenti di ricerca: AI per trasformare riunioni, email e ticket in memoria operativa, applicazioni AI per processi operativi, come usare l'AI in azienda per trasformare riunioni, email e ticket in memoria operativa - Segnali di bisogno: decisioni ricorrenti lente o basate su informazioni incomplete, conoscenza critica concentrata in poche persone - Revisione umana: consigliata - Rischio: basso - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Generare documenti controllati da template Report, lettere, contratti, FAQ e comunicazioni vengono prodotti da dati e template, con coerenza formale e revisione umana. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano database strutturato per produrre bozze controllate e sostenere riduzione tempi, con revisione umana necessaria. - ID: controlled-document-generation - Area: Documenti e conoscenza - Input: database strutturato, documentazione interna, contratti e policy - Output: bozze controllate, FAQ e risposte - Valore: riduzione tempi, meno errori, conformità più governabile - Settori: servizi professionali, finanza, controllo e servizi regolati, HSE, sicurezza e servizi tecnici - Servizi collegati: Consulenza manageriale AI - Corsi collegati: Corso AI: gestire i documenti con AI, AI Legal Ops e compliance documentale, AI Output Quality & Human Review - Intenti di ricerca: AI per generare documenti controllati da template, applicazioni AI per documenti e conoscenza, come usare l'AI in azienda per generare documenti controllati da template - Segnali di bisogno: copie manuali tra email, fogli e gestionali, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Mappare processi e ridisegnare workflow Il lavoro reale viene ricostruito as-is, letto per colli di bottiglia e trasformato in uno scenario to-be con priorità e controlli. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano trascrizioni e appunti per produrre roadmap e priorità e sostenere priorità più chiare, con revisione umana consigliata. - ID: process-mapping-redesign - Area: Processi operativi - Input: trascrizioni e appunti, log e stati di processo, email e ticket, fogli di calcolo - Output: roadmap e priorità, business case - Valore: priorità più chiare, decisioni più rapide, costi evitati - Settori: funzioni aziendali trasversali, manifatturiero, servizi professionali - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Workflow Redesign Lab, AI Business Case & ROI Sprint - Intenti di ricerca: AI per mappare processi e ridisegnare workflow, applicazioni AI per processi operativi, come usare l'AI in azienda per mappare processi e ridisegnare workflow - Segnali di bisogno: decisioni ricorrenti lente o basate su informazioni incomplete, copie manuali tra email, fogli e gestionali, uso AI già presente ma senza regole condivise - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Fare triage di email, ticket e richieste Le comunicazioni in ingresso vengono classificate per urgenza, tema, responsabilità e azione richiesta, con bozze di risposta controllate. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano email e ticket per produrre digest azionabile e sostenere riduzione tempi, con revisione umana consigliata. - ID: email-ticket-triage - Area: Processi operativi - Input: email e ticket, ticket e richieste, documentazione interna - Output: digest azionabile, bozze controllate, ranking di priorità - Valore: riduzione tempi, servizio più uniforme, priorità più chiare - Settori: funzioni aziendali trasversali, HSE, sicurezza e servizi tecnici, uffici tecnici e ingegneria - Servizi collegati: Software tecnico AI - Corsi collegati: AI per customer service e ticket triage, AI Operations - Intenti di ricerca: AI per fare triage di email, ticket e richieste, applicazioni AI per processi operativi, come usare l'AI in azienda per fare triage di email, ticket e richieste - Segnali di bisogno: copie manuali tra email, fogli e gestionali, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Pianificare turni, risorse e priorità Disponibilità, vincoli, competenze, ferie e domanda vengono combinati per proporre piani fattibili e spiegabili. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano fogli di calcolo per produrre piano e assegnazioni e sostenere efficienza produttiva, con revisione umana necessaria. - ID: scheduling-resource-allocation - Area: Processi operativi - Input: fogli di calcolo, ERP e gestionali, KPI e serie storiche - Output: piano e assegnazioni, dashboard e viste filtrabili - Valore: efficienza produttiva, decisioni più rapide, costi evitati - Settori: manifatturiero, logistica e supply chain, HSE, sicurezza e servizi tecnici - Servizi collegati: Software tecnico AI, Analisi dati agentica - Corsi collegati: AI Operations - Intenti di ricerca: AI per pianificare turni, risorse e priorità, applicazioni AI per processi operativi, come usare l'AI in azienda per pianificare turni, risorse e priorità - Segnali di bisogno: pianificazione ancora molto manuale, dati storici disponibili ma non trasformati in segnali - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Prevedere domanda e carico operativo Serie storiche di ordini, incassi, ticket o produzione diventano stime operative da usare per acquisti, turni e capacità. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano transazioni e acquisti per produrre previsione verificabile e sostenere decisioni più rapide, con revisione umana consigliata. - ID: demand-workload-forecast - Area: Processi operativi - Input: transazioni e acquisti, KPI e serie storiche, dati di produzione - Output: previsione verificabile, dashboard e viste filtrabili - Valore: decisioni più rapide, costi evitati, efficienza produttiva - Settori: retail ed e-commerce, manifatturiero, logistica e supply chain - Servizi collegati: Analisi dati agentica - Corsi collegati: AI Business Case & ROI Sprint, AI Operations - Intenti di ricerca: AI per prevedere domanda e carico operativo, applicazioni AI per processi operativi, come usare l'AI in azienda per prevedere domanda e carico operativo - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, pianificazione ancora molto manuale - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Tenere vivi requisiti, decisioni e stakeholder Riunioni e documenti progettuali alimentano un dossier evolutivo con requisiti, conflitti latenti, decisioni e issue. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano trascrizioni e appunti per produrre roadmap e priorità e sostenere tracciabilità, con revisione umana necessaria. - ID: project-requirements-memory - Area: Processi operativi - Input: trascrizioni e appunti, requisiti e specifiche, documentazione interna - Output: roadmap e priorità, mappa rischi - Valore: tracciabilità, meno errori, conoscenza trasferibile - Settori: uffici tecnici e ingegneria, servizi professionali, manifatturiero - Servizi collegati: Consulenza manageriale AI, Software tecnico AI - Corsi collegati: AI Workflow Redesign Lab, AI Software Engineering - Intenti di ricerca: AI per tenere vivi requisiti, decisioni e stakeholder, applicazioni AI per processi operativi, come usare l'AI in azienda per tenere vivi requisiti, decisioni e stakeholder - Segnali di bisogno: decisioni ricorrenti lente o basate su informazioni incomplete, conoscenza critica concentrata in poche persone - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Leggere feedback, recensioni e ticket cliente Testi non strutturati vengono aggregati per temi, sentiment, bisogni ricorrenti e azioni prioritarie. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano feedback testuali per produrre report operativo e sostenere servizio più uniforme, con revisione umana consigliata. - ID: customer-feedback-intelligence - Area: Cliente, marketing e vendite - Input: feedback testuali, ticket e richieste, fonti pubbliche - Output: report operativo, ranking di priorità - Valore: servizio più uniforme, valore commerciale recuperato, priorità più chiare - Settori: retail ed e-commerce, funzioni aziendali trasversali, servizi professionali - Servizi collegati: Analisi dati agentica - Corsi collegati: AI per customer service e ticket triage, Corso AI: marketing e comunicazione AI driven - Intenti di ricerca: AI per leggere feedback, recensioni e ticket cliente, applicazioni AI per cliente, marketing e vendite, come usare l'AI in azienda per leggere feedback, recensioni e ticket cliente - Segnali di bisogno: feedback abbondante ma non analizzato, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Scoprire bisogni di mercato e target Fonti pubbliche e materiali forniti vengono sintetizzati in mappe di pain point, linguaggi, segmenti, partner e opportunità. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano fonti pubbliche per produrre report operativo e sostenere valore commerciale recuperato, con revisione umana consigliata. - ID: market-customer-discovery - Area: Cliente, marketing e vendite - Input: fonti pubbliche, feedback testuali, documentazione interna - Output: report operativo, business case - Valore: valore commerciale recuperato, priorità più chiare, decisioni più rapide - Settori: retail ed e-commerce, servizi professionali, enti pubblici e territorio - Servizi collegati: Consulenza manageriale AI - Corsi collegati: Corso AI: marketing e comunicazione AI driven, Corso AI: vendita B2C e B2B con AI - Intenti di ricerca: AI per scoprire bisogni di mercato e target, applicazioni AI per cliente, marketing e vendite, come usare l'AI in azienda per scoprire bisogni di mercato e target - Segnali di bisogno: feedback abbondante ma non analizzato, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Codificare voce di marca e contenuti Interviste, esempi approvati e materiali commerciali diventano linee guida operative e bozze multicanale coerenti. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano documentazione interna per produrre policy e guardrail e sostenere riduzione tempi, con revisione umana necessaria. - ID: brand-voice-content-engine - Area: Cliente, marketing e vendite - Input: documentazione interna, feedback testuali, fonti pubbliche - Output: policy e guardrail, bozze controllate - Valore: riduzione tempi, valore commerciale recuperato, tracciabilità - Settori: funzioni aziendali trasversali, retail ed e-commerce, enti pubblici e territorio - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Brand Voice e comunicazione, Corso AI: marketing e comunicazione AI driven - Intenti di ricerca: AI per codificare voce di marca e contenuti, applicazioni AI per cliente, marketing e vendite, come usare l'AI in azienda per codificare voce di marca e contenuti - Segnali di bisogno: errori ricorrenti in documenti, procedure o controlli, copie manuali tra email, fogli e gestionali - Revisione umana: necessaria - Rischio: basso - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Supportare vendite, pricing e raccomandazioni Storici di acquisto, cataloghi e informazioni competitive aiutano a costruire pitch, bundle, priorità commerciali e scenari prezzo. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano transazioni e acquisti per produrre raccomandazioni operative e sostenere valore commerciale recuperato, con revisione umana necessaria. - ID: sales-pricing-recommendations - Area: Cliente, marketing e vendite - Input: transazioni e acquisti, documentazione interna, fonti pubbliche - Output: raccomandazioni operative, business case - Valore: valore commerciale recuperato, decisioni più rapide, priorità più chiare - Settori: retail ed e-commerce, funzioni aziendali trasversali - Servizi collegati: Analisi dati agentica - Corsi collegati: Corso AI: vendita B2C e B2B con AI, AI Business Case & ROI Sprint - Intenti di ricerca: AI per supportare vendite, pricing e raccomandazioni, applicazioni AI per cliente, marketing e vendite, come usare l'AI in azienda per supportare vendite, pricing e raccomandazioni - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Mappare competenze e fabbisogni Competenze, ruoli, obiettivi futuri e trend vengono collegati per definire priorità di sviluppo, upskilling e reskilling. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano dati hr aggregati per produrre roadmap e priorità e sostenere conoscenza trasferibile, con revisione umana necessaria. - ID: hr-competence-map - Area: Persone e HR - Input: dati HR aggregati, documentazione interna, fonti pubbliche - Output: roadmap e priorità, report operativo - Valore: conoscenza trasferibile, priorità più chiare, formazione più rapida - Settori: funzioni aziendali trasversali, formazione e organizzazioni knowledge-intensive - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI People Ops, AI Adoption Manager / AI Champions - Intenti di ricerca: AI per mappare competenze e fabbisogni, applicazioni AI per persone e hr, come usare l'AI in azienda per mappare competenze e fabbisogni - Segnali di bisogno: conoscenza critica concentrata in poche persone, uso AI già presente ma senza regole condivise - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Supportare recruiting e onboarding Job description, candidature e materiali di ingresso vengono strutturati per preparare valutazioni, comunicazioni e percorsi iniziali. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano cv e candidature per produrre report operativo e sostenere riduzione tempi, con revisione umana necessaria. - ID: recruiting-onboarding-support - Area: Persone e HR - Input: CV e candidature, dati HR aggregati, manuali e materiali formativi - Output: report operativo, bozze controllate - Valore: riduzione tempi, meno errori, formazione più rapida - Settori: funzioni aziendali trasversali, formazione e organizzazioni knowledge-intensive - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI People Ops - Intenti di ricerca: AI per supportare recruiting e onboarding, applicazioni AI per persone e hr, come usare l'AI in azienda per supportare recruiting e onboarding - Segnali di bisogno: copie manuali tra email, fogli e gestionali, conoscenza critica concentrata in poche persone - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Semplificare policy e richieste HR ricorrenti Policy, benefit, procedure e richieste ricorrenti diventano FAQ, bozze e percorsi guidati, sempre con controllo della funzione competente. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano dati hr aggregati per produrre faq e risposte e sostenere servizio più uniforme, con revisione umana necessaria. - ID: hr-policy-requests - Area: Persone e HR - Input: dati HR aggregati, documentazione interna, contratti e policy - Output: FAQ e risposte, bozze controllate - Valore: servizio più uniforme, riduzione tempi, conformità più governabile - Settori: funzioni aziendali trasversali - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI People Ops, Secure AI at Work - Intenti di ricerca: AI per semplificare policy e richieste HR ricorrenti, applicazioni AI per persone e hr, come usare l'AI in azienda per semplificare policy e richieste HR ricorrenti - Segnali di bisogno: copie manuali tra email, fogli e gestionali, documenti dispersi e difficili da consultare - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Definire requisiti, MVP e criteri di accettazione Un bisogno tecnico viene trasformato in requisiti, user story, vincoli non funzionali, stime e confini del primo rilascio. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano requisiti e specifiche per produrre roadmap e priorità e sostenere meno errori, con revisione umana necessaria. - ID: software-requirements-and-mvp - Area: Area tecnica e software - Input: requisiti e specifiche, trascrizioni e appunti, documentazione interna - Output: roadmap e priorità, test e checklist - Valore: meno errori, tracciabilità, costi evitati - Settori: uffici tecnici e ingegneria, manifatturiero - Servizi collegati: Software tecnico AI - Corsi collegati: AI Software Engineering, AI Coding Agents per team software - Intenti di ricerca: AI per definire requisiti, MVP e criteri di accettazione, applicazioni AI per area tecnica e software, come usare l'AI in azienda per definire requisiti, MVP e criteri di accettazione - Segnali di bisogno: decisioni ricorrenti lente o basate su informazioni incomplete, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Accelerare sviluppo, refactoring e test Codice esistente e specifiche guidano generazione controllata di codice, test unitari, refactoring e audit di qualità. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano codice e repository per produrre test e checklist e sostenere riduzione tempi, con revisione umana necessaria. - ID: ai-assisted-coding-quality - Area: Area tecnica e software - Input: codice e repository, requisiti e specifiche - Output: test e checklist, report operativo - Valore: riduzione tempi, meno errori, tracciabilità - Settori: uffici tecnici e ingegneria - Servizi collegati: Software tecnico AI - Corsi collegati: AI Coding Agents per team software, Secure AI SDLC, AI Software Engineering - Intenti di ricerca: AI per accelerare sviluppo, refactoring e test, applicazioni AI per area tecnica e software, come usare l'AI in azienda per accelerare sviluppo, refactoring e test - Segnali di bisogno: errori ricorrenti in documenti, procedure o controlli, copie manuali tra email, fogli e gestionali - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Leggere capitolati e produrre documentazione tecnica Bandi, capitolati, relazioni e schede tecniche vengono analizzati per requisiti critici, rischi e bozze documentali. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano bandi e capitolati per produrre report operativo e sostenere riduzione del rischio, con revisione umana necessaria. - ID: technical-tender-documentation - Area: Area tecnica e software - Input: bandi e capitolati, documentazione interna, disegni tecnici - Output: report operativo, bozze controllate, mappa rischi - Valore: riduzione del rischio, meno errori, tracciabilità - Settori: uffici tecnici e ingegneria, servizi professionali, manifatturiero - Servizi collegati: Software tecnico AI - Corsi collegati: Corso AI: gestire i documenti con AI, AI Output Quality & Human Review - Intenti di ricerca: AI per leggere capitolati e produrre documentazione tecnica, applicazioni AI per area tecnica e software, come usare l'AI in azienda per leggere capitolati e produrre documentazione tecnica - Segnali di bisogno: documenti dispersi e difficili da consultare, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Interpretare immagini, disegni e materiali tecnici Foto, disegni e render vengono trasformati in schede descrittive, analisi di componenti, quote e narrazioni tecniche verificabili. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano fotografie operative per produrre report operativo e sostenere conoscenza trasferibile, con revisione umana necessaria. - ID: visual-technical-analysis - Area: Area tecnica e software - Input: fotografie operative, disegni tecnici, documentazione interna - Output: report operativo, bozze controllate - Valore: conoscenza trasferibile, decisioni più rapide, meno errori - Settori: uffici tecnici e ingegneria, manifatturiero - Servizi collegati: Software tecnico AI - Corsi collegati: AI Software Engineering, AI Output Quality & Human Review - Intenti di ricerca: AI per interpretare immagini, disegni e materiali tecnici, applicazioni AI per area tecnica e software, come usare l'AI in azienda per interpretare immagini, disegni e materiali tecnici - Segnali di bisogno: conoscenza critica concentrata in poche persone, documenti dispersi e difficili da consultare - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Costruire governance, policy e matrice di rischio AI Attività, dati e decisioni vengono classificati in zone di autonomia, supervisione o esclusione, con regole operative chiare. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano documentazione interna per produrre policy e guardrail e sostenere riduzione del rischio, con revisione umana necessaria. - ID: ai-governance-policy-risk - Area: Governance, compliance e rischio - Input: documentazione interna, policy e linee guida, trascrizioni e appunti - Output: policy e guardrail, mappa rischi, roadmap e priorità - Valore: riduzione del rischio, conformità più governabile, priorità più chiare - Settori: funzioni aziendali trasversali, finanza, controllo e servizi regolati, HSE, sicurezza e servizi tecnici - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Governance operativa, Secure AI at Work, Managing AI - Intenti di ricerca: AI per costruire governance, policy e matrice di rischio AI, applicazioni AI per governance, compliance e rischio, come usare l'AI in azienda per costruire governance, policy e matrice di rischio AI - Segnali di bisogno: uso AI già presente ma senza regole condivise, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Preparare documenti compliance, legali e privacy Contratti, informative, registri, procedure e lettere vengono predisposti come supporto preparatorio da verificare con specialisti. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano contratti e policy per produrre bozze controllate e sostenere riduzione tempi, con revisione umana necessaria. - ID: compliance-legal-privacy-drafting - Area: Governance, compliance e rischio - Input: contratti e policy, documentazione interna, moduli compilati - Output: bozze controllate, mappa rischi - Valore: riduzione tempi, conformità più governabile, riduzione del rischio - Settori: servizi professionali, finanza, controllo e servizi regolati, funzioni aziendali trasversali - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Legal Ops e compliance documentale, AI Governance operativa - Intenti di ricerca: AI per preparare documenti compliance, legali e privacy, applicazioni AI per governance, compliance e rischio, come usare l'AI in azienda per preparare documenti compliance, legali e privacy - Segnali di bisogno: copie manuali tra email, fogli e gestionali, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Testare assistenti AI contro usi impropri Chatbot e assistenti vengono stressati con scenari di manipolazione, fuga dati e istruzioni conflittuali, poi rinforzati con guardrail. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano documentazione interna per produrre test e checklist e sostenere riduzione del rischio, con revisione umana necessaria. - ID: ai-system-security-tests - Area: Governance, compliance e rischio - Input: documentazione interna, requisiti e specifiche, policy e linee guida - Output: test e checklist, policy e guardrail, report operativo - Valore: riduzione del rischio, conformità più governabile, servizio più uniforme - Settori: uffici tecnici e ingegneria, funzioni aziendali trasversali - Servizi collegati: Software tecnico AI - Corsi collegati: Secure AI SDLC, Secure AI at Work - Intenti di ricerca: AI per testare assistenti AI contro usi impropri, applicazioni AI per governance, compliance e rischio, come usare l'AI in azienda per testare assistenti AI contro usi impropri - Segnali di bisogno: uso AI già presente ma senza regole condivise, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Analizzare anomalie HSE da immagini operative Fotografie di sopralluogo o reparto vengono lette per individuare non conformità, rischi e misure preventive da verificare. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano fotografie operative per produrre report operativo e sostenere riduzione del rischio, con revisione umana necessaria. - ID: hse-visual-inspection - Area: Produzione, qualità e manutenzione - Input: fotografie operative, documentazione interna - Output: report operativo, mappa rischi - Valore: riduzione del rischio, decisioni più rapide, conformità più governabile - Settori: HSE, sicurezza e servizi tecnici, manifatturiero - Servizi collegati: Software tecnico AI - Corsi collegati: AI per qualità e non conformità, AI Operations - Intenti di ricerca: AI per analizzare anomalie HSE da immagini operative, applicazioni AI per produzione, qualità e manutenzione, come usare l'AI in azienda per analizzare anomalie HSE da immagini operative - Segnali di bisogno: errori ricorrenti in documenti, procedure o controlli, copie manuali tra email, fogli e gestionali - Revisione umana: necessaria - Rischio: alto - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Ottimizzare produzione, ordini e qualità Programmi cliente, ERP, cicli, non conformità e costi storici supportano priorità, preventivi e azioni correttive. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano erp e gestionali per produrre piano e assegnazioni e sostenere efficienza produttiva, con revisione umana necessaria. - ID: production-planning-quality - Area: Produzione, qualità e manutenzione - Input: ERP e gestionali, dati di produzione, fogli di calcolo - Output: piano e assegnazioni, report operativo, raccomandazioni operative - Valore: efficienza produttiva, meno errori, costi evitati - Settori: manifatturiero, logistica e supply chain - Servizi collegati: Software tecnico AI, Analisi dati agentica - Corsi collegati: AI Operations, AI per qualità e non conformità - Intenti di ricerca: AI per ottimizzare produzione, ordini e qualità, applicazioni AI per produzione, qualità e manutenzione, come usare l'AI in azienda per ottimizzare produzione, ordini e qualità - Segnali di bisogno: pianificazione ancora molto manuale, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Gestire manutenzione, asset e ricambi Storico guasti, sensori e interventi diventano priorità di controllo, finestre di manutenzione e alert operativi. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano sensori e telemetria per produrre allarmi e soglie e sostenere efficienza produttiva, con revisione umana necessaria. - ID: maintenance-and-asset-risk - Area: Produzione, qualità e manutenzione - Input: sensori e telemetria, dati di produzione, log e stati di processo - Output: allarmi e soglie, ranking di priorità, dashboard e viste filtrabili - Valore: efficienza produttiva, costi evitati, riduzione del rischio - Settori: manifatturiero, logistica e supply chain - Servizi collegati: Analisi dati agentica - Corsi collegati: AI Operations, AI Business Case & ROI Sprint - Intenti di ricerca: AI per gestire manutenzione, asset e ricambi, applicazioni AI per produzione, qualità e manutenzione, come usare l'AI in azienda per gestire manutenzione, asset e ricambi - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, pianificazione ancora molto manuale - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Creare formazione, quiz e slide da materiali interni Manuali, slide e documenti disaggregati diventano syllabus, quiz, casi studio e materiali didattici per ruolo. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano manuali e materiali formativi per produrre faq e risposte e sostenere formazione più rapida, con revisione umana consigliata. - ID: internal-training-assets - Area: Formazione e memoria interna - Input: manuali e materiali formativi, documentazione interna, trascrizioni e appunti - Output: FAQ e risposte, bozze controllate - Valore: formazione più rapida, conoscenza trasferibile, servizio più uniforme - Settori: formazione e organizzazioni knowledge-intensive, funzioni aziendali trasversali - Servizi collegati: Consulenza manageriale AI - Corsi collegati: Role-Based AI Literacy & Responsible Use, Managing AI per team aziendali misti, Corso AI: gestire i documenti con AI - Intenti di ricerca: AI per creare formazione, quiz e slide da materiali interni, applicazioni AI per formazione e memoria interna, come usare l'AI in azienda per creare formazione, quiz e slide da materiali interni - Segnali di bisogno: conoscenza critica concentrata in poche persone, documenti dispersi e difficili da consultare - Revisione umana: consigliata - Rischio: basso - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Costruire assistenti per memoria aziendale La documentazione interna alimenta assistenti Q&A, anche vocali, che rispondono con fonti e confini d'uso chiari. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano documentazione interna per produrre ricerca semantica e sostenere conoscenza trasferibile, con revisione umana necessaria. - ID: company-memory-assistants - Area: Formazione e memoria interna - Input: documentazione interna, manuali e materiali formativi, policy e linee guida - Output: ricerca semantica, FAQ e risposte, policy e guardrail - Valore: conoscenza trasferibile, servizio più uniforme, riduzione tempi - Settori: funzioni aziendali trasversali, manifatturiero, formazione e organizzazioni knowledge-intensive - Servizi collegati: Software tecnico AI - Corsi collegati: RAG Engineering per sistemi AI affidabili, Ricerca semantica e knowledge base AI, Secure AI at Work - Intenti di ricerca: AI per costruire assistenti per memoria aziendale, applicazioni AI per formazione e memoria interna, come usare l'AI in azienda per costruire assistenti per memoria aziendale - Segnali di bisogno: conoscenza critica concentrata in poche persone, documenti dispersi e difficili da consultare - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Produrre report executive e asset visuali Dati, KPI e materiali eterogenei vengono trasformati in report narrativi, infografiche, presentazioni e contenuti visuali coerenti. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano kpi e serie storiche per produrre report operativo e sostenere decisioni più rapide, con revisione umana consigliata. - ID: executive-reports-visual-assets - Area: Strumenti trasversali - Input: KPI e serie storiche, fogli di calcolo, documentazione interna - Output: report operativo, dashboard e viste filtrabili, bozze controllate - Valore: decisioni più rapide, tracciabilità, valore commerciale recuperato - Settori: funzioni aziendali trasversali - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Output Quality & Human Review, AI Brand Voice e comunicazione - Intenti di ricerca: AI per produrre report executive e asset visuali, applicazioni AI per strumenti trasversali, come usare l'AI in azienda per produrre report executive e asset visuali - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, copie manuali tra email, fogli e gestionali - Revisione umana: consigliata - Rischio: basso - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Rilevare anomalie e degrado su macchinari Serie temporali e sensori industriali vengono usati per allarmi, analisi degrado e manutenzione predittiva con soglie verificabili. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano sensori e telemetria per produrre allarmi e soglie e sostenere efficienza produttiva, con revisione umana necessaria. - ID: predictive-maintenance-anomalies - Area: Data science e decisioni - Input: sensori e telemetria, dati di produzione, KPI e serie storiche - Output: allarmi e soglie, previsione verificabile, dashboard e viste filtrabili - Valore: efficienza produttiva, costi evitati, riduzione del rischio - Settori: manifatturiero, logistica e supply chain - Servizi collegati: Analisi dati agentica, Software tecnico AI - Corsi collegati: AI Business Case & ROI Sprint, AI Operations - Intenti di ricerca: AI per rilevare anomalie e degrado su macchinari, applicazioni AI per data science e decisioni, come usare l'AI in azienda per rilevare anomalie e degrado su macchinari - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, pianificazione ancora molto manuale - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Segmentare clienti, churn e cross-selling Storici transazionali e comportamentali diventano segmenti, ranking di rischio, bundle e azioni commerciali differenziate. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano transazioni e acquisti per produrre ranking di priorità e sostenere valore commerciale recuperato, con revisione umana necessaria. - ID: customer-segmentation-churn-crosssell - Area: Data science e decisioni - Input: transazioni e acquisti, feedback testuali, KPI e serie storiche - Output: ranking di priorità, raccomandazioni operative, business case - Valore: valore commerciale recuperato, priorità più chiare, servizio più uniforme - Settori: retail ed e-commerce, finanza, controllo e servizi regolati - Servizi collegati: Analisi dati agentica - Corsi collegati: Corso AI: vendita B2C e B2B con AI, AI Business Case & ROI Sprint - Intenti di ricerca: AI per segmentare clienti, churn e cross-selling, applicazioni AI per data science e decisioni, come usare l'AI in azienda per segmentare clienti, churn e cross-selling - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, feedback abbondante ma non analizzato - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Richiede anonimizzazione, controllo degli accessi e verifica specialistica quando tocca dati personali, legali, HR o regolati. ### Ottimizzare energia, qualità e prestazioni di linea Telemetria, consumi, qualità e parametri macchina mostrano profili efficienti, sprechi e raccomandazioni operative. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano sensori e telemetria per produrre dashboard e viste filtrabili e sostenere efficienza produttiva, con revisione umana necessaria. - ID: energy-line-optimization - Area: Data science e decisioni - Input: sensori e telemetria, dati di produzione, KPI e serie storiche - Output: dashboard e viste filtrabili, raccomandazioni operative, business case - Valore: efficienza produttiva, costi evitati, decisioni più rapide - Settori: manifatturiero - Servizi collegati: Analisi dati agentica - Corsi collegati: AI Business Case & ROI Sprint, AI per qualità e non conformità - Intenti di ricerca: AI per ottimizzare energia, qualità e prestazioni di linea, applicazioni AI per data science e decisioni, come usare l'AI in azienda per ottimizzare energia, qualità e prestazioni di linea - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, errori ricorrenti in documenti, procedure o controlli - Revisione umana: necessaria - Rischio: medio - Privacy e controllo: Trattare codice, capitolati, dati industriali e immagini operative come proprietà intellettuale; pubblicare solo esempi anonimizzati. ### Analizzare territori, redditività e trend Dati aggregati fiscali, territoriali o commerciali vengono trasformati in mappe, cluster, driver di marginalità e roadmap decisionali. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano transazioni e acquisti per produrre dashboard e viste filtrabili e sostenere decisioni più rapide, con revisione umana consigliata. - ID: territorial-profitability-analytics - Area: Data science e decisioni - Input: transazioni e acquisti, fonti pubbliche, KPI e serie storiche - Output: dashboard e viste filtrabili, report operativo, business case - Valore: decisioni più rapide, priorità più chiare, valore commerciale recuperato - Settori: enti pubblici e territorio, retail ed e-commerce, finanza, controllo e servizi regolati - Servizi collegati: Analisi dati agentica - Corsi collegati: AI Business Case & ROI Sprint - Intenti di ricerca: AI per analizzare territori, redditività e trend, applicazioni AI per data science e decisioni, come usare l'AI in azienda per analizzare territori, redditività e trend - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: consigliata - Rischio: medio - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Capire quando non costruire un modello Il primo valore può essere un verdetto negativo: il dato disponibile non contiene ancora il segnale utile e va migliorata la raccolta. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano kpi e serie storiche per produrre report operativo e sostenere costi evitati, con revisione umana consigliata. - ID: data-quality-go-no-go - Area: Data science e decisioni - Input: KPI e serie storiche, transazioni e acquisti, log e stati di processo - Output: report operativo, business case, roadmap e priorità - Valore: costi evitati, priorità più chiare, tracciabilità - Settori: funzioni aziendali trasversali - Servizi collegati: Analisi dati agentica - Corsi collegati: AI Business Case & ROI Sprint - Intenti di ricerca: AI per capire quando non costruire un modello, applicazioni AI per data science e decisioni, come usare l'AI in azienda per capire quando non costruire un modello - Segnali di bisogno: dati storici disponibili ma non trasformati in segnali, decisioni ricorrenti lente o basate su informazioni incomplete - Revisione umana: consigliata - Rischio: basso - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ### Usare l'AI come laboratorio di scoperta Casi, materiali e vincoli vengono esplorati per generare ipotesi, scenari, concept, simulazioni di ruolo e opportunità da verificare. - Esempio operativo: Quando il processo mostra un bisogno simile, si usano documentazione interna per produrre report operativo e sostenere valore commerciale recuperato, con revisione umana consigliata. - ID: creative-rnd-discovery - Area: Strumenti trasversali - Input: documentazione interna, feedback testuali, fonti pubbliche - Output: report operativo, raccomandazioni operative, bozze controllate - Valore: valore commerciale recuperato, priorità più chiare, decisioni più rapide - Settori: funzioni aziendali trasversali - Servizi collegati: Consulenza manageriale AI - Corsi collegati: AI Workflow Redesign Lab, AI Output Quality & Human Review, AI Brand Voice e comunicazione - Intenti di ricerca: AI per usare l'AI come laboratorio di scoperta, applicazioni AI per strumenti trasversali, come usare l'AI in azienda per usare l'AI come laboratorio di scoperta - Segnali di bisogno: decisioni ricorrenti lente o basate su informazioni incomplete, feedback abbondante ma non analizzato - Revisione umana: consigliata - Rischio: basso - Privacy e controllo: Usare dati autorizzati, minimizzare informazioni personali e mantenere revisione umana sugli output rilevanti. ## Dalla mappa al processo reale: si parte da una call. La pagina serve a orientare. La soluzione nasce solo dopo aver visto settore, vincoli, dati disponibili, responsabilità e decisione da migliorare. 1. **Quadro preliminare**: Prima dell'incontro si prepara una lettura del contesto pubblico e dei materiali eventualmente condivisi. 2. **Conversazione strutturata**: Durante la call si individuano due o tre processi ad alto potenziale e si chiariscono vincoli, rischi e urgenze. 3. **Proposta mirata**: L'output è un percorso calibrato: formazione, consulenza, analisi dati o prototipo tecnico, con risultati attesi e criteri di controllo. ## Domande frequenti ### L'Atlante è un catalogo di prodotti pronti? No. È una mappa di esempi concreti. Artik Lab parte da una call di discovery e progetta il percorso sul processo reale del cliente. ### Le applicazioni sono tutte automazioni? No. Alcune sono formazione, altre analisi, altre software tecnico o governance. L'AI può assistere, suggerire, cercare segnali o produrre bozze, ma le decisioni sensibili restano governate. ### Come si evita di pubblicare casi riconoscibili? Le schede aggregano pattern e settori, rimuovono nomi, clienti, persone fisiche, dati proprietari e dettagli che possano rendere riconoscibile un progetto.